面向蜂窝连接无人机无线VR网络中 $360^\circ$ 内容传输与缓存的回声-液态状态深度学习
信息论
2018-04-11 v1 math.IT
摘要
本文研究了一种无线虚拟现实（VR）网络中的内容缓存与传输问题，其中无人机（UAVs）捕获现场比赛或风景视频并传输给为 VR 用户服务的小型基站（SBSs）。然而，受其有限容量限制，无线网络可能无法满足此类 360 内容传输的时延要求。为满足 VR 时延要求，无人机可从原始 360 数据中提取特定可见内容（例如用户视场）并发送给用户，从而降低回传与无线接入链路上的流量负载。为进一步缓解无人机-小型基站回传流量，小型基站还可缓存用户请求的流行内容。该联合内容缓存与传输问题被构建为一个优化问题，其目标是最大化用户可靠性，定义为每个用户的内容传输时延满足瞬时 VR 时延目标的概率。为解决该问题，提出了一种融合液态状态机（LSM）与回声状态网络（ESNs）新神经网络思想的分布式深度学习算法。所提算法使每个小型基站能够预测用户可靠性，从而为各无人机找到最优缓存内容与内容传输格式。推导了分析结果以揭示影响内容缓存与内容传输格式选择的各种网络因素。仿真结果表明，与 Q-learning 相比，所提算法在可靠性上获得 25.4% 的提升。结果还显示，由于回传流量负载的降低，与采用随机缓存的所提算法相比，所提算法可实现 14.7% 的可靠性提升。
引用
@article{arxiv.1804.03284,
title = {Echo-Liquid State Deep Learning for $360^\circ$ Content Transmission and Caching in Wireless VR Networks with Cellular-Connected UAVs},
author = {Mingzhe Chen and Walid Saad and Changchuan Yin},
journal= {arXiv preprint arXiv:1804.03284},
year = {2018}
}