基于传感器增强的无人机自适应码率视频流传输
信号处理
2019-09-25 v1 机器学习
多媒体
机器学习
摘要
无人机（UAV）技术的近期进展革新了广泛的民用与军事应用。然而，实现 UAV 与地面客户端间高清视频实时流传输的无线技术设计面临难题。多数现有自适应码率（ABR）算法并未针对空地链路优化，此类链路常因 UAV 动态飞行状态而剧烈波动。本文提出 SA-ABR，一种新型传感器增强系统，借助用于操控 UAV 的多种固有传感器数据生成 ABR 视频流算法。SA-ABR 将固有传感器数据与时延观测相结合，训练深度强化学习（DRL）模型以从飞行状态信息中提取显著特征，并通过训练过程自动学习 ABR 算法以适应变化的 UAV 信道容量。SA-ABR 不依赖任何关于 UAV 飞行状态或环境的假设与模型，而是利用长短期记忆（LSTM）挖掘历史吞吐量的时间特性，从而自适应于广泛的高动态环境。我们在商用 UAV 上实现 SA-ABR 并实地评估。与多种现有 SOTA ABR 算法对比，结果表明本系统平均体验质量（QoE）奖励优于已知最佳现有 ABR 算法 21.4%。
引用
@article{arxiv.1909.10914,
title = {Sensor-Augmented Neural Adaptive Bitrate Video Streaming on UAVs},
author = {Xuedou Xiao and Wei Wang and Taobin Chen and Yang Cao and Tao Jiang and Qian Zhang},
journal= {arXiv preprint arXiv:1909.10914},
year = {2019}
}