QoE Maximization for Multi-Antenna UAV-Enabled Video Streaming
多天线无人机视频流的体验质量(QoE)最大化
- 文章背景:新兴移动视频应用的使用量迅速增加,高质量和流畅的视频流可能无法保证,导致用户体验质量(QoE)低下。
- 解决的问题:如何在网络资源有限的情况下提高无线视频流的QoE。
- 方法:一个以QoE为驱动的多天线无人机视频流优化框架,以提高视频质量,减少视频播放波动并保证不同地面用户(GU)之间的公平性。
- 贡献:提出了一个以QoE为驱动的多天线无人机视频流优化框架,以提高视频质量,减少视频播放波动并保证不同地面用户(GU)之间的公平性。他们在无人机上应用基于ZF的波束成形来消除多个GU之间的用户间干扰。
I、介绍
背景
现今移动视频应用迅速增加,尽管移动网络能提供不错的带宽,但对于视频流的质量不能很好的保证。因此提高无线视频流的体验质量十分重要。
传统的方式就是部署更多的基站,但对于一些临时性的项目活动,如足球比赛,音乐会等,这种传统的方式会不那么合适,且成本较高。
新的方式,使用无人机这种拥有高机动性且能迅速部署的设备,能较好地解决这一问题。且由于无人机处于高空,能达到视线(LoS)传输。
新方式的现有问题
单个天线
每次只能与一个地面用户进行通信,且无人机为了提高吞吐量和具有更好的信道质量需要逐个的靠近每个GU,导致更长的飞行距离也限制了用户的服务质量(QoS)提供。
多个天线
多个天线可以解决单个天线只能服务一个用户的问题,但是没有考虑视频流应用的体验质量(QoE)
无人机上安装多个天线,以便同时向多个地面用户(GU)传输独立信号。这样,无人机就可以同时为多个用户提供服务,而不是依次飞到每个用户附近。这样,无人机可以减少飞行距离,并为每个用户提供更好的服务质量(QoS)。
本文考虑的问题
因为无人机的高移动性,自然会产生带宽的大幅波动,需要更平稳流畅的视频播放。
解决方法
- 提出以体验质量为驱动的多天线无人机视频流优化框架。提高视频质量,减少视频播放波动,并保证不同地面用户之间的公平性。
- 应用基于ZF的波束成形,以消除多个地面用户之间的用户间干扰
- 通过联合优化多天线无人机的轨迹、传输调度、播放速率分配,来研究QoE最大化问题
贡献
- 设计多天线的无人机视频流框架,给多个地面用户同时提供视频服务。提出优化问题,以最大化所有地面用户的最小体验质量QoE。
- 通过在目标函数中添加惩罚项,将不好解决的问题转化为等式。使用惩罚坐标块下降(P-CBD)双循环迭代算法,获得次优解。内循环使用交替优化和ConCave凸过程(CCCP)以及逐次凸近似(SCA)。
- 通过实验证明了体验质量QoE的提升,并且揭示了视频质量和视频播放波动之间的权衡。
II、系统模型和问题表述
系统模型
-
系统是一个支持多用户无人机的视频流系统,有K个地面用户 U = { u 1 , u 2 , … , u K } \mathcal{U}=\{u_1,u_2,\ldots,u_K\} U={u1,u2,…,uK}和一个装有M个天线的无人机,并将总时间范围 T 分为 N 个时隙。
-
地面用户:坐标, [ g k T , 0 ] T ∈ R 3 × 1 [\mathbf{g}_{k}^{\mathrm{T}},0]^{\mathrm{T}}\in\mathbb{R}^{3\times1} [gkT,0]T∈R3×1;水平坐标, g k = [ x k , y k ] T \mathbf{g}_k=[x_k,y_k]^{\text{T}} gk=[xk,yk]T,高度为 0;
-
无人机:水平, q [ n ] ∈ R 2 × 1 \mathbf{q}[n]\in\mathbb{R}^{2\times1} q[n]∈R2×1;高度, z [ n ] ≥ H min = 最小障碍物高度 z[n]\geq H_{\text{min}}=最小障碍物高度 z[n]≥Hmin=最小障碍物高度;
-
二者距离: d k [ n ] = z [ n ] 2 + ∥ q [ n ] − g k ∥ 2 . d_k[n]=\sqrt{z[n]^2+\|\mathbf{q}[n]-\mathbf{g}_k\|^2}. dk[n]=z[n]2+∥q[n]−gk∥2.
-
调度: a k [ n ] ∈ { 0 , 1 } a_k[n]\in\{0,1\} ak[n]∈{0,1}
为1,则无人机会将视频在时段n,将视频传给 u k u_k uk;
为0,则不会。
另外由于只有M个天线,会有限制 ∑ k = 1 K a k [ n ] ≤ M \sum_{k=1}^\text{K}a_k[n]\leq M ∑k=1Kak[n]≤M -
波束形成向量和信息符号: s k [ n ] ∈ C s_k[n]\in\mathbb{C} sk[n]∈C、 w k [ n ] ∈ C M × 1 \textbf{w}_k[n]\in\mathbb{C}^{M\times1} wk[n]∈CM×1, C \mathbb{C} C 表示复数
对于用户 u k u_k uk来说,在当前时间段n中,发送给该用户的信号可以表示为 w k [ n ] s k [ n ] \textbf{w}_k[n]s_k[n] wk[n]sk[n],即波束形成向量和信息符号的乘积。这表示我们将信息符号按照波束形成向量的方向和强度进行加权,然后将加权后的信号发送给该用户。
问题表述
(P1):最大化总的体验质量下限
(5):总的QoE 大于 要优化的目标
(6):收到的速率大于播放的速率
(7):第一个时间不会播放,最后一个时间不会接收
(8):接收的用户数要小于无人机的天线数
(9):二元变量,用户k能接收还是不能
(10):速度要小于无人机的最大飞行速度
(11):飞行轨迹是首尾相接的线路
式(6):
发送速率还没理解怎么推出来的
在这个问题中,存在二元变量和非凸的(6),下一部分将会解决这个问题。
III、解决方案
二元变量问题:目标式添加惩罚替换二元变量约束
非凸约束(6):BCD + CCCP + SCA
P-BCD
有两层循环,外层确定
λ
\lambda
λ后,由内层去解决带惩罚项的问题2(P2)。该P2问题进一步分解成两个子问题来解决。
子问题1
给定传输调度,研究回放速率分配和无人机轨迹优化
问题表述:(不用考虑调度ak[]的优化,所以8、9就去掉了)
此时(6)式使用SCA进行处理,即一阶泰勒对
R
~
k
[
n
]
\tilde{R}_k[n]
R~k[n]中的
∥
q
[
τ
]
−
g
k
∥
2
\|\textbf{q}[\tau]-\textbf{g}_k\|^2
∥q[τ]−gk∥2进行展开,具体的展开依据
f
(
x
)
≈
f
(
a
)
+
f
′
(
a
)
(
x
−
a
)
f(x)\approx f(a)+f'(a)(x-a)
f(x)≈f(a)+f′(a)(x−a),得到:
用泰勒得到的下界,替换(6)中的原式,就是得到了(15)式,构成了新的问题表述,此时已是标准的凸优化问题:
子问题2
给定路径和播放率,研究传输调度。
问题表述:(去掉二元约束、路径q、播放率r)
(5):因为r确定了,删去
(6):添加松弛变量yk,使用凸差可以将乘式进行处理,变为(19)
(9)、(10)、(11):都是已经确定
(17):对r进行松弛
最后对目标函数的平方项进行凸差,得到一个新的下界。
但为什么(12)在这里又出现了,在(P4)中没有出现???
应该是在(P4)中是已经给定了调度a[]的值,所以不需要对调度a[]进行约束;
但是在其他没有确定调度a[]的问题表述中,如(P2)、(P5)、(P7)中,需要用(12)与惩罚项共同约束达到等价二元变量的约束效果。
最后问题变为一个凸优化问题。
算法2
将问题分解为子问题1和子问题2后,
先解决子问题1:首先依据当前的无人机轨迹和确定的调度,依据(P4),得到新的轨迹和播放速率(这就是子问题1要研究的问题);在有得到的新的轨迹和播放速率,来确定新的调度,也就是解决子问题2(P7)
不懂就问
- 共轭矩阵这里相乘再逆再取k行k列的元素是为啥?
- 这里的第一个等号是推导出来的,还是根据意义直接写的等式?怎么推的
- 是如何分析,要分成这样的两个子问题解决的
因为在速率R中,轨迹q和调度a存在耦合,所以要将这两个分开优化;然后对于播放速率r,则根据实验要求效果看看放在哪个子问题中会比较合适。