基于分布协作式移动边缘计算的VR视频自适应传输优化研究

Virtual reality (VR) video, due to its immersive visual experience and low-cost convenient viewing way, has attracted peoples more and more attention. However, the high rate, low latency characteristics of VR video make its network transmission face enormous challenges. In order to meet this challenge, this project first combines VR video content with personalized features such as user behavior and interest to study a low-complexity viewpoint prediction method which can accurately predict the position of user's viewpoint. Then, on this basis, using the Mobile Edge Computing (MEC) provided storage, computing and network capabilities on the network edge and its characteristics of distributed collaboration, QoE driven tile-based VR video adaptive transmission system is studied. With the assist of the new network technology SDN, the global optimized resources management and allocation is realized. Finally, under the established system framework, a joint optimization solution involving viewpoint adaptation, rate adaptation and resource collaboration is studied, aiming to significantly improve the viewing experience of VR video users. This project plays an important role in promoting the rapid development and popularization of VR video, and also provides important theoretical basis and technical support for 5G to achieve high quality VR video transmission.

虚拟现实（VR）视频，因其身临其境的视觉体验、低成本便捷的观看方式正受到人们的广泛关注。然而，VR视频“高码率、低时延”的特性却使其网络传输面临巨大挑战。为了应对这一挑战，本项目拟首先将VR视频内容与用户行为、兴趣等个性化特征相结合研究可准确预测用户视点位置的低复杂度视点预测方法，然后，在此基础上，利用移动边缘计算（MEC）在网络边缘提供的存储、计算和网络能力以及其分布式协作的特点，研究QoE驱动的VR视频分块自适应传输系统，并通过引入新型网络技术SDN，实现资源的高效管理和分配，最后，在搭建的系统框架下，研究涉及视点自适应、码率自适应以及分布式多MEC资源协同分配的联合优化解决方案，以达到显著提高VR视频用户观看体验的目的。本项目的研究对推动VR视频的快速发展及普及具有重要作用，同时也为5G实现高质量VR视频传输提供重要的理论依据和技术支持。

由于VR视频的超高带宽要求和低延迟限制等特点，无线网络中VR视频的高质量传输仍然面临巨大挑战。VR视频覆盖360度视场角，而VR终端设备（如VR头盔）可支持的视角大约只有90°~110°，近年来基于视频分块的VR视频自适应传输方案正逐渐成为学术界和产业界的热点和共识。在此背景下，本项目首先从视频压缩信息出发，结合用户行为和兴趣等个性化特征进行视点预测方法研究，提出一个能准确且低复杂度的预测用户视点的方法，然后，利用软件自定义网络SDN转发与控制分离的特点，在异构蜂窝网中搭建一个QoE驱动的基于多MEC协作的VR视频自适应传输系统，对资源实现集中化管理及协同分配，最后，在此框架下，对视点自适应、码率自适应以及MEC各项资源分配的问题进行研究，逐步提出了QoE驱动的分布式多MEC协作缓存优化方法、基于多路径协作传输的无线资源分配优化方法以及视点自适应、码率自适应以及资源分配的联合优化算法。本项目的研究可在无线网络资源受限的情况下实现高质量的VR视频质量，提升用户的VR视频观看体验，对进一步推动无线VR视频应用的发展有着十分积极的作用。