[发明专利]基于深度学习的智能视频码率调整及带宽分配方法

权利要求书

1.一种基于深度学习的智能视频码率调整及带宽分配方法，其特征在于，包括以下步骤：

S1：记接入核心网络的瓶颈链路控制器所控制的可同时请求DASH业务流的最大用户数量为N，根据实际情况设置M个用户可选码率档位，码率档位的序号越大码率越高；

S2：构建码率分配神经网络，包含输入层、全连接隐藏层和输出层，其中输入层包含2N+1个神经单元，输入为2N+1维状态向量I＝(W,b₁,s₁,b₂,s₂,…,b_N,s_N)，其中W表示瓶颈链路控制器接入核心网络的可用带宽归一化值，b_n、s_n分别表示第n个用户的缓存视频时长归一化值和活跃状态，s_n＝1表示用户活跃，需要进行码率分配，s_n＝0表示用户不活跃，不需要进行码率分配，n＝1,2,…,N；输出层包含N个独立输出层，每个独立输出层包含M+1个神经单元，第n个独立输出层输出的码率分配方案向量为O_n＝(r_n,0,r_n,1,…,r_n,M)，其中r_n,m表示第n个用户在下一时隙选择第m档码率的概率，其取值范围为[0,1]，m＝0,1,…,M，m＝0表示不分配码率；

设置D个用户状态和可用带宽场景，根据用户缓存视频时长的最大值、最小值以及可用带宽的最大值和最小值，对用户缓存视频时长和可用带宽进行归一化，确定对应的状态向量其中d＝1,2,…,D，W^d表示第d种场景中瓶颈链路控制器接入核心网络的可用带宽归一化值，分别表示第d种场景中第n个用户缓存视频时长的归一化值和活跃状态；根据理论分析得到该场景中每个用户在下一时隙所选择的码率，将码率分配方案向量中对应元素置1，其余元素置为0，表示第d种场景中第n个用户在下一时隙选择第m档码率，表示第d种场景中第n个用户在下一时隙不选择第m档码率；

将每个场景的状态向量作为输入，N个用户的码率分配方案向量作为期望输出，对码率分配神经网络进行训练；

S3：在每个决策时隙到来时，获取当前瓶颈链路控制器控制的DASH业务用户数量N′和瓶颈链路控制器接入核心网络的可用带宽W^*，根据用户缓存视频时长的最大值、最小值以及可用带宽的最大值和最小值，对用户缓存视频时长和可用带宽进行归一化，得到用户缓存视频时长归一化值b_n′和可用带宽归一化值W，同时确定各个用户活跃状态s_n′，n′＝1,2,…,N′；构建当前状态向量I＝(W,b₁,s₁,b₂,s₂,…,b_N,s_N)，当n≤N′，b_n＝b_n′，s_n＝s_n′，否则b_n＝0，s_n＝0；

S4：将步骤S3得到的当前状态向量I＝(W,b₁,s₁,b₂,s₂,…,b_N,s_N)输入至步骤S2训练好的码率分配神经网络中，得到每个用户在下一时隙的码率分配方案向量O_n＝(r_n,0,r_n,1,…,r_n,M)，对于当前的N′个用户，选择其码率分配方案向量中概率最大值所对应的码率档位作为该用户下一时隙的码率档位R_n′，R_n′＝0,1,…,M，得到码率分配方案；

S5：根据当前可用带宽以及码率分配方案确定的当前N′个用户的码率，计算出分配给每个用户的带宽，完成带宽分配。

2.根据权利要求1所述的智能视频码率调整及带宽分配方法，其特征在于，所述步骤S3中用户活跃状态采用如下方法判断：

如果用户离去则此用户DASH业务流请求全部完成，或者用户缓存视频时长超过决策时隙，表示此用户下一个时隙内无需带宽下载也不会发生视频卡顿，将该两类用户活跃状态置为0，其他用户活跃状态置为1。