【摘要】：現(xiàn)階段無人機(jī)(Unmanned Aerial Vehicle,UAV)技術(shù)的快速發(fā)展使得其在民用和軍事中得到了廣泛的應(yīng)用,其中無人機(jī)視頻回傳是無人機(jī)系統(tǒng)的一個(gè)重要功能。如何在無人機(jī)和地面接收端之間進(jìn)行實(shí)現(xiàn)實(shí)時(shí)高清視頻傳輸是一個(gè)很大的難題。現(xiàn)階段已有的自適應(yīng)視頻流比特率(Adaptive Bitrate,ABR)算法都未考慮根據(jù)無人機(jī)鏈路狀態(tài)進(jìn)行優(yōu)化,但是通常由于無人機(jī)的飛行狀態(tài)改變的很劇烈會(huì)導(dǎo)致無人機(jī)飛行過程中的鏈路狀態(tài)也會(huì)有顯著的波動(dòng),因此傳統(tǒng)的ABR算法在無人機(jī)與地面接收端之間的視頻回傳中并不能很好的適用。因此,本文在深入探索無人機(jī)的飛行狀態(tài)對其無線通信鏈路的影響后,提出了一個(gè)新的基于無人機(jī)傳感器增強(qiáng)輔助的深度強(qiáng)化學(xué)習(xí)自適應(yīng)比特流(Sensor-Augmented Adaptive Bitrate,SA-ABR)算法,通過借助無人機(jī)中的各種固有傳感器數(shù)據(jù)的輔助來產(chǎn)生自適應(yīng)視頻流。本文先著重研究了無人機(jī)飛行狀態(tài),具體包括速度、加速度以及與地面接收端之間的距離等因素對無人機(jī)鏈路信道吞吐量的影響,在此基礎(chǔ)上,將傳感器數(shù)據(jù)和視頻播放過程中的狀態(tài)參數(shù)進(jìn)行結(jié)合,通過訓(xùn)練深度強(qiáng)化學(xué)習(xí)(Deep Reinforcement Learning,DRL)的模型從飛行狀態(tài)信息中提取出顯著信息并且學(xué)習(xí)如何適應(yīng)劇烈變化的無人機(jī)信道容量。SA-ABR不依賴與關(guān)于無人機(jī)飛行狀態(tài)或者環(huán)境的任何假設(shè)和模型,而是通過深度學(xué)習(xí)中的長短期記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)來探索無人機(jī)過去一段時(shí)間內(nèi)吞吐量的模式來適應(yīng)劇烈變化的環(huán)境,從而對下一步的視頻流比特率做出選擇�；谝陨戏桨�,本文在室外實(shí)際采集了大量的無人機(jī)飛行中的實(shí)際數(shù)據(jù),并且在商業(yè)無人機(jī)上實(shí)現(xiàn)了SA-ABR算法,最后在室外進(jìn)行了驗(yàn)證和評估。本文將SA-ABR算法與現(xiàn)階段已有的各種自適應(yīng)比特流算法進(jìn)行比較,結(jié)果表明本文的系統(tǒng)在視頻用戶質(zhì)量體驗(yàn)上平均優(yōu)于現(xiàn)有的最佳自適應(yīng)算法21.4%。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：V279;V243
【圖文】：

圖 2.2 卷積神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)CNN 網(wǎng)絡(luò)結(jié)構(gòu)一般包括輸入層、卷積層、池化層、全連接層和輸出層，典型的結(jié)構(gòu)如上圖 2.2 所示。卷積層的操作可以認(rèn)為是受局部感受野概念的啟發(fā)，而池化層的作用是降低數(shù)據(jù)維度。CNN 通過卷積核進(jìn)行特征區(qū)分，并通過其特有的卷積權(quán)值共享和池化操作來降低網(wǎng)絡(luò)參數(shù)的量級，最后通過傳統(tǒng)的神經(jīng)網(wǎng)路來進(jìn)行分類等任務(wù)。2.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)循環(huán)神經(jīng)網(wǎng)絡(luò)也是一種常用的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，已在自然語言處理中取得成功。RNN 主要賦予神經(jīng)網(wǎng)絡(luò)對時(shí)間建模的能力，能夠記錄時(shí)間之間的相關(guān)性。下圖就是一個(gè)典型的 RNN 結(jié)構(gòu)，可以看到序列的當(dāng)前輸入與前面的輸出有關(guān)，具體表現(xiàn)為網(wǎng)絡(luò)會(huì)對前面的信息進(jìn)行記憶并應(yīng)用于當(dāng)前輸入的計(jì)算中。

實(shí)驗(yàn)結(jié)果如下圖 3.3 所示，分別表示的在無人機(jī)懸停和以 8m/s 的速度移動(dòng)時(shí)距離從 10 米到 60 米變化時(shí)，無線信道吞吐量的四分位點(diǎn)和中位數(shù)的變化趨勢，中可以得出，無論無人機(jī)是懸停還是飛行狀態(tài)，無線信道吞吐量都會(huì)隨著距離的增而減小。這一點(diǎn)能為本文后面考慮到距離對吞吐量的影響并提出 SA-ABR 算法提了思路。

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 王琦;劉勇;徐世錄;;無人直升機(jī)的裝備概況與發(fā)展[J];艦船電子工程;2009年01期

2 金敏,葉雄英,周兆英,熊沈蜀,魏強(qiáng),索利洋;微型飛行器的微小攝像與無線傳輸系統(tǒng)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

本文編號：2714806