面向智能反射面辅助多用户 VR 流媒体的速率分割方案
信号处理
2022-11-07 v3
摘要
对虚拟现实(VR)应用日益增长的需求要求无线系统提供高传输速率，以同时支持向多个用户的 360 度视频流媒体传输。本文提出一种智能反射面(IRS)辅助的速率分割(RS) VR 流媒体系统。在所提系统中，RS 有助于利用用户在 VR 流媒体中的共同兴趣，而 IRS 创建额外的传播信道以支持高分辨率 360 度视频的传输。IRS 还增强了缓解因所有 RS 用户都必须能解码公共消息这一要求所导致的性能瓶颈的能力。我们 formulate 了一个在用户服务质量(QoS)约束下最大化 360 度视频可达比特率的优化问题。我们提出了一种带模仿学习的深度确定性策略梯度(Deep-GRAIL)算法，其中利用深度强化学习(DRL)以及所提问题的隐含凸性来优化 IRS 相移、RS 参数、波束赋形向量以及 360 度视频块的码率选择。我们还提出了 RavNet，这是一种为 Deep-GRAIL 算法中策略学习定制的深度神经网络。基于真实世界 VR 流媒体数据集的性能评估表明，所提 IRS 辅助 RS VR 流媒体系统在系统总和速率、360 度视频可达比特率以及在线执行运行时间方面优于若干基线方案。我们的结果还揭示了 RS 与 IRS 在改善多用户 VR 流媒体系统 QoS 方面各自的性能增益。
引用
@article{arxiv.2210.12191,
title = {Rate-Splitting for Intelligent Reflecting Surface-Aided Multiuser VR Streaming},
author = {Rui Huang and Vincent W. S. Wong and Robert Schober},
journal= {arXiv preprint arXiv:2210.12191},
year = {2022}
}
备注
20 pages, 12 figures. This paper has been submitted to IEEE journal for possible publication