基于深度学习的无线网络资源分配研究开题报告
2020-04-05 10:57:18
1. 研究目的与意义(文献综述)
1.1 研究目的及意义
近年来,以自适应流媒体等为代表的新型移动多媒体业务和应用不断涌现,使得全球蜂窝网络数据流量呈指数增长,流媒体几乎已成为每个网络中的最大流量类别。随着智能终端的发展,超高分辨率屏幕将成为智能手机的标配,为超高清视频的普及奠定基础。可以预见,随着未来移动通信技术、智能终端技术的不断发展和进步,移动多媒体业务将有更加广阔的市场应用前景。
新型移动多媒体业务和应用在对数据传输速率有较高要求的同时,对于无线网络和终端的计算、存储能力也提出了新的要求。随着云计算技术的进步以及无线网络架构的不断革新,移动边缘缓存和计算技术应运而生。移动边缘缓存和计算技术是指在无线接入网侧部署小型数据中心或者服务器节点,为无线接入网赋予存储和计算能力,从而在无线网络的边缘处为移动用户就近地提供存储和计算服务,可以减少延迟,确保高效的网络操作和服务交付,并改进用户体验。移动边缘缓存和计算的概念已经得到了学术界和产业界的热烈响应, 3gpp已确认将移动边缘计算技术引入未来 5g 移动通信网络中,以辅助实现超高带宽、超低时延、超高可靠的目标,特别是改善计算密集型和时延敏感型移动应用的用户体验质量。
2. 研究的基本内容与方案
对于无线网络中自适应流媒体业务的传输来说,为了降低网络回程链路带宽和传输时延,可以1)利用移动边缘计算对无线网络状态的感知能力,对视频流媒体内容传输的清晰度/码率进行准确的调整; 2)利用移动边缘缓存实现内容在无线接入网处的预取和缓存;3)利用移动边缘计算,实现在网络边缘不同清晰度的实时转码。然而,针对同一视频内容,自适应流媒体技术会提供多个清晰度的版本以供缓存,并且,视频的实时转码也需要消耗大量的计算资源,而网络边缘的存储、计算和通信资源一般都相对有限,如何缓解这些矛盾,达到自适应流媒体业务性能的优化以及资源利用率的提升,成为亟待解决的问题。本项目将面向无线网络中的自适应流媒体业务,通过对存储、计算和通信资源的联合优化,达到保障业务qos、提升用户qoe的目标。
3. 研究计划与安排
第1-3周:查阅相关文献资料,明确研究内容,了解研究所需理论基础。确定方案,完成开题报告。
第4-5周:熟悉掌握基本理论,完成英文资料的翻译,熟悉开发环境。
第6-9周:编程实现各算法,并进行仿真调试。
4. 参考文献(12篇以上)
[[1] n. golrezaei,k. shanmugam, a. g. dimakis, a. f. molisch, and g. caire, “femtocaching:wireless video content delivery through distributed caching helpers,” in proc.ieee infocom, 2012, pp. 1107–1115.
[[2] k. shanmugam,n. golrezaei, a. g. dimakis, a. f. molisch, and g. caire, “femtocaching:wireless content delivery through distributed caching helpers,” ieeetransactions on information theory, vol. 59, no. 12, pp. 8402–8413, dec. 2013.
[[3] j. li, y.chen, z. lin, w. chen, b. vucetic, and l. hanzo, “distributed caching for datadissemination in the downlink of heterogeneous networks,” ieee transactions oncommunications, vol. 63, no. 10, pp. 3553–3568, oct. 2015.