[发明专利]一种基于拍卖竞价的沉浸式媒体资源分配方法

说明书

本发明公开了一种基于拍卖竞价的沉浸式媒体资源分配方法，属于卫星网络资源分配领域；具体是：首先，构建由多个用户、天地一体化网络和多媒体服务器组成的沉浸式媒体资源分配系统；然后，针对当前沉浸式媒体资源，用户发起请求，结合自己的预算及对当前资源的估价进行出价；接着，地面站节点接受所有用户的资源请求信息出价信息，并将出价降序排序；采用第二价格拍卖方式，决定拍卖成功的用户，采用基于Dijkstra算法及负载均衡的方式，将每个用户的请求信息分别发送给不同的多媒体服务器。最后，每个多媒体服务器释放相应资源，提供沉浸式媒体服务；并返回给地面站节点当前的资源利用率及任务执行结果。本发明提高了资源利用率和用户满意度。

技术领域

本发明属于卫星网络资源分配领域，涉及拍卖设计方法，具体是一种基于拍卖竞价的沉浸式媒体资源分配方法。

背景技术

随着卫星通信的快速发展，卫星网络与地面网络的融合已成为一种趋势。天地一体化网络为稳健可靠的网络，它具有支持广泛覆盖和全时连接的优势，适用于各种应用和行业。4K/8K视频和虚拟现实等沉浸式媒体的带宽需求正在迅速增长。多媒体流量的爆炸式增长对网络构成了挑战。由于城市地区网络连接不稳定，农村地区宽带基础设施建设成本高，人们很难自由享受实时、低成本的沉浸式媒体服务。此外，沉浸式媒体强调个人体验和多用户交互，但端到端的延迟和低传输带宽带来了较差的服务质量。

天地一体化网络通常为多媒体服务提供尽力而为的交付，它关注服务质量(QoS)性能，而不是最终用户的个人感受。例如，5G-ALLSTAR是欧盟Horizon 2020项目之一，它提供了一个基于虚拟现实的网球比赛场景，来自欧洲和韩国的观众可以在线观看视频流。IM应用程序提供娱乐通信服务，但是，该服务涉及大量数据，需要严格的网络环境，并且可能导致昂贵的成本。卫星网络中星间链路的不稳定连接也影响用户享受高质量IM服务的满意度。

现有技术中关于地面网络中的视频流分配资源包括以下文献：

文献[1]考虑了一个机器学习模型来预测云端的用户数量，然后主动优化用户附近的分配资源，实现访问延迟和成本之间的权衡。

文献[2]设计了边缘计算辅助的视频流量卸载场景，用于保障用户体验和提高网络资源效率。

文献[3]是针对卫星网络上资源而提出一种在线智能拍卖算法。这些资源分配方法很难满足IM应用对于实时性、带宽和延迟的要求。

因此，需要一种基于竞价的资源分配方法，可以为用户提供个性化的沉浸式媒体服务。

相关文献：

[1]F.Haouari,E.Baccour,A.Erbad,A.Mohamed,and M.Guizani,“Qoe-awareresource allocation for crowdsourced live streaming:a machine learningapproach,”in Proc.IEEE Int.Conf.Commun.(ICC),Shanghai,China,May 2019,pp.1–6.

[2]S.Kumar,N.Wang,Y.Rahulan,and B.Evans,“QoE-aware video streamingover integrated space and terrestrial 5G networks,”IEEE Netw.,vol.35,no.4,pp.95–101,Jul.2021.

[3]一种基于在线智能拍卖的MEC辅助卫星网络资源分配方法，公开号：CN115689228A.

发明内容

针对上述问题，本发明提供了一种基于拍卖竞价的沉浸式媒体资源分配方法，引入了多智能体强化学习算法(MARL)，将每个用户都当成一个智能体，根据环境进行学习并变化改变他们的行为，通过学习和博弈来优化网络效用，在实践中实现高效的资源分配。本发明提出的方法在改善资源利用率和用户满意度方面具有重要意义。