一种缓存使能的多质量视频分发方法

1.本发明属于无线通信技术领域，涉及一种缓存使能的多质量视频分发方法。


背景技术：

2.最近，短视频、高清电影、在线直播等业务产生的海量视频内容逐步成为了5g移动流量的主要形式。其中大部分移动流量数据都是由于热门视频的重复传输产生，且往往服从二八定律。因此，融合了边缘缓存技术的雾无线接入网(fog access network，f-ran)被提出用于解决网络中巨大的流量压力并优化用户体验。当用户请求视频时可以直接从本地f-ap(雾无线接入点)获取内容，这在减轻前传链路的负担与提高服务效率的同时，也为降低接收时延等提供了潜力。此外，通过f-ap之间的协作无线多播技术，可以进一步提升系统的网络容量与用户体验。
3.随着移动设备硬件能力的提升使得用户对视频清晰度的要求从标清(sd)、高清(hd)，逐步发展到超高清(uhd)。利用可伸缩视频编码(scalable video coding,svc)技术，视频数据可以编码为不同质量等级并灵活组合，以满足不同用户的个性化视频请求。然而，异构的视频质量给不同场景下的视频传输带来了更大的挑战。一方面，当网络中用户较少时，从用户为中心的角度出发，运营商可能希望给用户提供最好的体验。选择哪些用户以及选择哪种方式提升网络体验成为了一个关键问题。另一方面，在用户密集的环境下，由于通信资源以及f-ap自身功率资源的限制，如何以最高的能效向更多的用户提供服务成为了该场景下的一个痛点。为了实现以上目标，在协作多播框架下需要根据实际需求对有限的系统资源做出更加合理的分配。
4.在大量现有的研究中，针对单个基站进行波束赋形设计以及多基站协同波束赋形，对有限的无线资源进行管理都有一定的研究，但它们大部分都没有考虑不同的视频质量，并且也没有考虑缓存内容从不同位置获取给用户带来的影响，只考虑将内容传输给用户。另一方面，大多数场景并未考虑密集用户的请求，往往只针对少量用户进行服务，这给资源有限的场景进行波束赋形设计带来了巨大的压力。此外，大多数研究的优化指标只针对网络的吞吐量，而对于用户来说更具有实际意义的指标是其播放视频的体验质量。因此如何将缓存内容高效传输给设备仍然是一个悬而未决的问题。
5.因此，结合多f-ap多播波束赋形协作场景，个性化的视频质量以及用户的需求对有限的通信资源进行管理仍亟需进一步研究。


技术实现要素：

6.有鉴于此，本发明的目的在于针对雾无线接入网中缓存内容命中不确定，用户请求视频质量多样化，系统通信资源有限等问题，提供了一种缓存使能的多质量视频分发方法，根据不同用户的多质量视频请求，引入f-ran中的多播协作传输框架，利用sca技术对问题模型进行转化，并充分考虑系统功率的有限性，针对用户进行合理调度，以自适应快速变化的视频传输与密集用户接入场景，尽可能提升网络整体的qoe。
7.为达到上述目的，本发明提供如下技术方案：
8.一种缓存使能的多质量视频分发方法，根据用户请求的视频质量、内容缓存位置以及用户的信道条件，将用户qoe制定为优化目标，并利用sca(successive convex approximation,连续凸逼近)框架优化多播协作波束赋形以及视频质量选择；进而，考虑网络资源不足情况下，优先将网络中对用户群体影响较大的用户剔除，并在能够满足现有用户后，最大化网络的能效，以尽可能保证在资源紧张情况下的用户服务；通过上述自适应的方式以在密集雾无线接入网中自适应地给用户提供尽可能好的体验。
9.该方法具体包括以下步骤：
10.s1：初始化相关信息：收集用户请求视频和用户信道条件，并根据用户请求对多播组进行划分，构造缓存调度成本模型；
11.s2：系统模型规划：建立多质量视频协作多播通信模型与用户qoe模型，并针对流程中的不同场景构建问题模型；
12.s3：确定网络资源可用性：利用速率满意度ξ来衡量现有网络资源能否向所有用户提供服务，若能则进行步骤s4，否则进入步骤s5；
13.s4：网络qoe最大化：首先针对现有用户请求，通过将低质量视频提升至高质量视频以提高网络qoe，并在过程中优化协作波束赋形方案；通过循环迭代，直到达到最优分配，最后将波束赋形方案与视频质量选择方案部署到各f-ap(雾无线接入点)；
14.s5：用户调度选择：利用用户服务成本函数v来衡量向用户提供服务的成本大小，并通过不断剔除成本更高的用户，直到所有现有用户的需求能够被满足，则进入步骤s6；
15.s6：网络能效最大化：当现有通信资源足以满足用户的需求时，将网络qoe与能耗比作为场景下的能效，重新设计波束赋形方案，以保证在尽可能满足用户需求的同时，尽可能节省通信资源，最后将波束赋形方案部署到各f-ap。
16.进一步，步骤s1具体包括以下步骤：
17.s11：初始化用户u与f-ap k的信道信息用户u具体请求的视频质量参数表示为lu＝{1,2}，lu＝1表示用户请求低质量视频，lu＝2表示用户请求高质量视频；用户u请求多质量视频表示为进而对多播组进行划分，表示为不同多播组g的请求内容与质量版本分别表示为gf与g
l
；假设每个f-ap都具有自身的固有功率限制pk＞0，则可以将波束赋形向量组表示为：
[0018][0019]
其中，表示f-ap k处的波束赋形向量组，w
k,g
表示分配给多播组g的波束赋形向量，表示波束赋形向量维度为ak×
1，表示f-ap集合；
[0020]
s12：缓存内容在f-ap的检索过程中，会根据其不同的位置产生不同的时延成本。考虑一个有限视频内容库并假设bbu池的内容服务器处保存有所有视频内容的数据，f-ap k处内容f的缓存状态表示为：
[0021]
[0022]
进而，将不同缓存位置产生的额外检索时延成本df(它由所有f-ap中最大的决定)表示为：
[0023][0024]
其中，c
k,f
表示为f-ap k中内容f的缓存状态；如果视频请求在所有本地服务f-ap上得到响应，即c
k,f
＝0，此时额外检索时延为0；如果仅有一部分f-aps响应视频请求，则会带来由f-aps之间视频资源共享造成的额外检索时延成本df；当所有f-ap节点都没有缓存内容f时，则需要预先从bbu池将视频转发到各f-ap处；这里，进一步考虑bbu池从内容服务器获取内容的恒定路由时延与前传时延，用d0表示，且d0＞＞df。
[0025]
进一步，步骤s2具体包括以下步骤：
[0026]
s21：建立多质量视频协作多播传输通信模型，根据s11中信息，利用香农公式，将用户u能达到的传输速率表示为：
[0027][0028]
其中，b表示带宽；信干噪比表示为：
[0029][0030]
其中，表示高斯白噪声干扰功率，表示用户u所被分配的多播组集合，hu表示用户u到所有f-ap的信道增益向量，
[0031]
s22：考虑到多播组组内的公平性，因此多播组g中用户的实际通信速率都和组通信速率保持一致，其表示为：
[0032][0033]
其中，表示表示多播组g接收内容f
l
的组内速率，表示组内用户u接收内容f
l
的组内速率；
[0034]
s23：建立用户qoe模型，这里主要考虑用户获取视频的质量等级以及用户获取视频的播放时延两个部分，具体表示为：
[0035][0036]
其中，qoeu表示用户u实际的qoe值，β表示控制播放时延的边际效益变化趋势，η表示时延满意度因子，其越接近于1表示时延对用户的qoe影响更加明显，l
el
表示高质量视频的选择参数，d
u,max
表示用户当前接收所有视频层数据中最大的传输时延，即后文中将q称为网络qoe，表示网络中所有用户qoe的加权和。
[0037]
s24：针对不同通信资源情况，对网络qoe最大化，网络能效最大化以及用户调度问题进行制定如下；
[0038][0039][0040][0041][0042][0043]
其中，q表示网络中所有用户qoe的加权和；w,l分别表示波束赋形向量组与用户获取视频质量选择参数；c1为多播组内的公平性约束；c2表示多播组速率对应的视频质量比特率约束，是对应视频质量的播放比特率阈值；c3表示f-ap节点的功率约束，表示2范数的平方；c4表示每个用户获得的视频质量不应低于最初请求的视频质量，是用户最初请求的视频质量，表示用户集合；
[0044]
进而构建网络能效最大化问题模型为：
[0045][0046]
s.t.c
1-c3[0047]
最后构建用户调度模型：
[0048][0049][0050][0051]
其中，z＝{z0,...,zu,...zu}表示服务成本参数集合，用于衡量服务用户的成本，具体表示为：其中，r
u,l
表示请求质量为l视频的用户u所能达到的传输速率。
[0052]
进一步，步骤s3具体包括以下步骤：
[0053]
s31：由于问题中的c1中w的二次项同时出现在的分子分母中，所导致的非凸性质使得问题求解困难。进而，引入辅助变量与γ，将问题的约束修改为：
[0054][0055][0056]
[0057]
s32：替换后的约束c5仍然非凸，利用sca技术，将c5利用其右侧的泰勒一阶展开代替如下：
[0058][0059]
即将c5替换为其中，是近似替代函数，t表示迭代次数；给定符合约束的初始波束赋形向量组，即可通过迭代的方式获得其局部最优解；
[0060]
s33：为了给定初始w
(0)
，提出了一个获取最佳速率满意度的问题模型为：
[0061][0062][0063][0064]
利用cvx求解器，通过迭代的方式可以得到最优ξ；
[0065]
s34：如果ξ＜1则表明现有资源不足以满足所有用户需求，则跳转到步骤s5，否则表明能对网络qoe进行优化提高，跳转到步骤s4。
[0066]
进一步，步骤s4具体包括以下步骤：
[0067]
s41：由于波束赋形设计与视频质量选择参数的耦合性，首先，对用户视频质量进行增强，并设计一个视频质量增强参数vu，修改约束c1为将原问题优化目标替换为最后利用cvx计算得到增强成本集合v；
[0068]
s42：根据v中结果，选择低成本的用户增强；修改对应视频质量后，再次以网络qoe作为优化目标对最优波束赋形进行计算，由此进行迭代，直到网络qoe下降，或者资源不足以提供现有服务；
[0069]
s43：将波束赋形方案部署到各f-ap。
[0070]
进一步，步骤s5具体包括以下步骤：
[0071]
s51：首先由于用户调度问题转换，原目标函数zu经过l0正则化后的范围在1以内，而l1范数计算则会使变量保持原有尺度上不变。因此，通过在目标函数zu上额外构造对应的权值可以平衡新问题与原始问题变量尺度上的差异。将问题的目标函数表示为其中τ＞0为正则化参数，其保证zu＝0时，对应更新的权值不为正无穷；
[0072]
s52：对用户服务成本集合z进行迭代计算，得到z
*
进行降序排列；
[0073]
s53：采用二分法，对z
*
中的用户调度进行选择，将是否能够使速率满意度ξ大于1作为跳出条件，直到有最多的用户能被服务时结束，并进入步骤s6。
[0074]
进一步，步骤s6具体包括以下步骤：
ran)的多播协作传输框架下，针对用户请求视频内容与视频质量的不同，结合缓存成本模型，分别设计了以绿色节能与用户体验为优化目标的两类问题。首先以最大化系统效益为目标，对于信道条件较好的用户可通过提升用户视频质量来提高全局用户体验质量(qoe)；进而以大化网络能效为目标，在功率受限时需要额外考虑用户的准入问题，由于直接求解问题的困难，我们利用近似方法与连续凸逼近(sca)技术设计高效的协作波束赋形方案以满足用户的基本需求，并针对两类场景中用户选择的问题设计l1逼近模型以找到问题的次优解。
[0090]
该方法具体包含以下步骤：
[0091]
步骤1：初始化相关信息：收集用户请求视频、用户信道条件，并根据用户请求对多播组进行划分，构造缓存调度成本模型。具体包括以下步骤：
[0092]
步骤1.1：初始化用户u与f-apk的信道信息用户u具体请求的视频质量参数表示为lu＝{1,2}，当lu＝1时表示用户请求低质量视频，lu＝2时表示用户请求高质量视频，用户u请求多质量视频表示为进而对多播组进行划分，表示为不同多播组g的请求内容与质量版本分别表示为gf与g
l
。假设每个f-ap都具有自身的固有功率限制pk＞0，则可以将波束赋形向量组表示为：
[0093][0094]
步骤1.2：缓存内容在f-ap的检索过程中，会根据其不同的位置产生不同的时延成本。考虑一个有限视频内容库并假设bbu池的内容服务器处保存有所有视频内容的数据，f-ap k处内容f的缓存状态表示如下：
[0095][0096]
进而，将不同缓存位置产生的额外检索时延成本为df，它由所有f-ap中最大的决定，其表示为：
[0097][0098]
表示为f-apk中内容fu的缓存状态。如果视频请求在所有本地服务f-ap上得到响应，即此时额外检索时延为0。如果仅有一部分f-aps响应视频请求，则会带来由f-aps之间视频资源共享造成的额外检索时延成本df。当所有f-ap节点都没有缓存该内容时，则需要预先从bbu池将视频转发到各f-ap处。这里，我们进一步考虑bbu池从内容服务器获取内容的恒定路由时延与前传时延，用d0表示，且d0＞＞df。
[0099]
步骤2：系统模型规划：建立协作多播通信模型与用户qoe模型，并针对流程中的不同场景构建问题模型。具体包括以下步骤：
[0100]
步骤2.1：建立多质量视频协作多播传输通信模型，根据s11中信息，利用香农公
式，将用户u可达到的传输速率表示为：
[0101][0102]
其中b表示带宽，信干噪比表示为：
[0103][0104]
其中表示高斯白噪声干扰功率；
[0105]
步骤2.2：考虑到多播组组内的公平性，因此多播组g中用户的实际通信速率都和组通信速率保持一致，其表示为：
[0106][0107]
步骤2.3：用户qoe模型，这里主要考虑用户获取视频的质量等级以及用户获取视频的播放时延两个部分，具体表示为
[0108][0109]
式中β用于控制播放时延的边际效益变化趋势，而η表示时延满意度因子，其越接近于1表示时延对用户的qoe影响更加明显，d
u,max
表示用户当前接收所有视频层数据中最大的传输时延，即后文中将q称为网络qoe，表示网络中所有用户qoe的加权和。
[0110]
步骤2.4：针对不同通信资源情况，对网络qoe最大化，网络能效最大化以及用户调度问题进行制定如下。
[0111][0112][0113][0114][0115][0116]
其中，c1为多播组内的公平性约束；c2表示多播组速率对应的视频质量比特率约束，是对应视频质量的播放比特率阈值；c3对应f-ap节点的功率约束，表示2范数的平方；c4限制了每个用户获得的视频质量不应低于最初请求的视频质量，是用户最初请求的视频质量。
[0117]
进而构建网络能效最大化问题模型：
[0118]
[0119]
s.t.c
1-c3[0120]
最后设计了用户调度模型：
[0121][0122][0123][0124]
其中z＝{z0,...,zu,...zu}表示服务成本参数，用于衡量服务用户的成本，具体表示为：
[0125][0126]
步骤3：确定网络资源可用性：提出速率满意度ξ用于衡量现有网络资源能否向所有用户提供服务，如果可以则进行步骤s4，否则进入步骤s5。具体包括以下步骤：
[0127]
步骤3.1：由于问题中的c1中w的二次项同时出现在的分子分母中，所导致的非凸性质使得问题求解困难。进而，我们引入了辅助变量与γ，并修改原约束为：
[0128][0129][0130][0131]
步骤3.2：替换后的约束c5仍然非凸，利用sca技术，我们将c5利用其右侧的泰勒一阶展开代替如下：
[0132][0133]
进而将c5替换为给定符合约束的初始波束赋形向量组，即可通过迭代的方式获得其局部最优解；
[0134]
步骤3.3：为了给定初始w
(0)
，我们提出了一个获取最佳速率满意度的问题模型如下：
[0135][0136][0137][0138]
利用cvx求解器，通过迭代的方式可以得到最优ξ；
[0139]
步骤3.4：如果ξ＜1则表明现有资源不足以满足所有用户需求，则跳转到步骤s5，否则表明可以对网络qoe进行优化提高，跳转到步骤s4。
[0140]
步骤4：网络qoe最大化：首先针对现有用户请求，通过将低质量视频提升至高质量视频以提高网络qoe，并在过程中优化协作波束赋形方案。通过循环迭代，直到达到最优分配，最后将波束赋形方案与视频质量选择方案部署到各f-ap。具体包括以下步骤：
[0141]
步骤4.1：首先，由于波束赋形设计与视频质量选择参数的耦合性，先对用户视频质量进行增强，并提出一个视频质量增强参数vu，修改约束c1为将原问题优化目标替换为最后利用cvx计算得到增强成本集合v；
[0142]
步骤4.2：根据v中结果，选择低成本的用户增强。修改对应视频质量后，再次以网络qoe作为优化目标对最优波束赋形进行计算，由此进行迭代，直到网络qoe下降，或者资源不足以提供现有服务；
[0143]
步骤4.3：将波束赋形方案部署到各f-ap。
[0144]
步骤5：用户调度选择：提出用户服务成本函数v，用于衡量向用户提供服务的成本大小，并通过不断剔除成本更高的用户，直到所有现有用户的需求能够被满足，则进入步骤s6。具体包括以下步骤：
[0145]
步骤5.1：首先由于用户调度问题转换，原目标函数zu经过l0正则化后的范围在1以内，而l1范数计算则会使变量保持原有尺度上不变。因此，通过在目标函数上额外构造对应的权值可以平衡新问题与原始问题变量尺度上的差异。将问题的目标函数表示为其中τ＞0为正则化参数，其保证zu＝0时，对应更新的权值不会为正无穷；
[0146]
步骤5.2：进一步对用户服务成本函数集合进行迭代计算，得到z
*
进行降序排列；
[0147]
步骤5.3：采用二分法，对z
*
中的用户调度进行选择，将是否能够使速率满意度ξ大于1作为跳出条件，直到有最多的用户可以被服务时结束，并进入步骤s6。
[0148]
步骤6：网络能效最大化：当现有通信资源足以满足用户的需求时，提出将网络qoe与能耗比作为场景下的能效，重新设计波束赋形方案，以保证在尽可能满足用户需求的同时，尽可能节省通信资源，最后将波束赋形方案部署到各f-ap。具体包括以下步骤：
[0149]
步骤6.1：由于能效优化目标函数中的分式形式，我们采用dinkelbach算法对非凸目标函数进行转化，引入一个新的辅助变量λ如下：
[0150][0151]
其中，目标函数为分子分母相减形式如下：
[0152]
f(λ)＝q(w)-λp
sum
(w)
[0153]
步骤6.2：进而，利用sca框架，我们可以通过cvx求解器迭代更新，直到小于一个最小阈值时收敛；
[0154]
步骤6.3：将波束赋形方案部署到各f-ap。
[0155]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较
佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。