多天线无人机视频传输系统QoE最大化方法和装置

多天线无人机视频传输系统qoe最大化方法和装置
技术领域
1.本技术涉及无线通信领域，尤其涉及一种多天线无人机视频传输系统qoe最大化方法和装置。


背景技术：

2.随着智能手机以及4g/5g蜂窝网络的快速发展，虚拟现实(virtual reality，vr)、视频监控、超高清(ultra-high-definition，uhd)视频等移动视频应用快速兴起。虽然当前的移动网络提供了大量带宽，却无法保证高质量且流畅的视频流传输，从而降低用户体验质量(quality of experience，qoe)。因此，在有限的无线网络资源下提高视频流传输中用户的qoe非常重要。
3.最近几年，无人机(unmanned aerial vehicle，uav)被利用来作为空中基站，与地面用户建立更高质量的无线连接，并且扩大通信覆盖范围。但是传统的无人机仅具有单根天线，同一时刻只能和一个地面用户通信，这会导致无人机的飞行距离变长，增大无人机的能耗。为解决这一问题，接下来的研究在无人机上装载多根天线，充分利用空间复用增益和多天线波束成形增益，使得无人机可以同时和多个地面用户通信。
4.但是，现有的关于多天线无人机的研究都没有考虑有用户qoe需求的视频流应用。用户qoe会受到视频质量和播放抖动等多种因素影响。由于无人机的高灵活性，无人机支持的视频流传输时常会发生大幅度带宽波动，所以保证视频光滑播放(减少播放抖动)十分重要。因此，应对多天线无人机支持的多用户视频流系统中视频质量和播放抖动进行权衡。


技术实现要素：

5.本技术提供多天线无人机视频传输系统中最大化体验质量的方法和装置，以提高视频质量、降低视频播放波动、保证不同地面用户间的公平性。
6.本技术的技术方案如下：
7.根据本技术实施例的第一方面，提供一种多天线无人机视频传输系统qoe最大化方法和装置，所述方法包括：
8.构建多天线无人机视频流传输架构，并运用基于zf的波束成形以消除多个地面用户间的干扰，以同时为多个地面用户同时提供视频服务；
9.根据小尺度衰落和大尺度信道功率增益，构建信道模型，采用下界表达式以获得最坏情况下的可达速率。
10.根据视频播放速率和视频抖动，确定用户体验质量(qoe)模型；
11.基于优化无人机轨迹、多天线传输调度和视频播放速率分配，根据最大化所有用户qoe的最小值模型，确定数学优化模型p1及约束条件；
12.将所述数学优化模型转换为带惩罚项的等价形式，采用基于惩罚的块坐标下降法(penalty block coordinate descent，p-bcd)的双重循环算法处理转换后的优化模型以获得次优解。
13.可选的，所有用户qoe的最小值模型具体包括：
[0014][0015]
其中，n为时隙序列号，n为总时间范围t内时隙的总个数，ρ是平衡视频质量和视频抖动的权重因子，θ和β是取决于具体应用的常量参数，rk[n]表示用户uk在时隙n时的视频播放速率，是与用户uk屏幕尺寸相关的需求播放速率。
[0016]
可选的，所述数学优化模型p1为：
[0017][0018]
及约束条件具体包括：
[0019][0020][0021][0022][0023][0024][0025]
q[1]＝q[n],(14)
[0026]
其中,q[n]表示在时隙n时无人机的水平位置，rk[n]表示用户uk在时隙n时的视频播放速率，ak[n]表示无人机与地面用户间的传输调度，δ为时隙时间长度，为时隙τ时用户uk的可达速率，k为与同一无人机联接的用户总数，v
max
表示无人机的最大水平速度，约束条件(11)表示无人机周期性地向用户提供服务。
[0027]
可选的，将所述数学优化模型转换为带惩罚项的等价形式，采用基于p-bcd的双重循环算法处理转换后的优化模型以获得次优解，具体包括
[0028]
向所述数学问题模型中添加惩罚项，转化为包含大于零的惩罚参数λ的第二惩罚问题模型p2；
[0029]
在外循环中，不断更新惩罚参数λ以放大不满足等式约束带来的惩罚直至收敛；
[0030]
在第l次内循环中，采用块坐标下降(blockcoordinatedescent，bcd)方法、凹凸过程(concave-convexprocedure，cccp)方法和逐次凸逼近(successiveconvexapproximation，sca)方法，近似求解给定惩罚参数λ
l
的第二惩罚问题模型p2。
[0031]
可选的，所述第二惩罚问题模型p2:
[0032][0033]
及约束条件为公式(5)～(8)，公式(10)～(12)
[0034][0035]
其中，q[n]表示在时隙n时无人机的水平位置，rk[n]表示用户uk在时隙n时的视频播放速率，αk[n]表示无人机与地面用户间的传输调度，k为在与同一无人机联接的用户总数，n为总时间范围t内离散的长度为δ的时隙的总个数，λ是大于零的惩罚参数。
[0036]
可选的，将第二惩罚问题模型p2分解成两个子模型，分别为给定传输调度下的播放速率分配和无人机轨迹优化子模型，以及给定播放速率分配和无人机轨迹下的传输调度优化子模型。
[0037]
可选的，通过利用p-bcd的第一算法解决所述第一数学优化模型，具体过程如下：
[0038]
初始化λ0》0和c》1，设置外循环迭代次数l＝0；
[0039]
在外循环中，不断更新惩罚参数λ以放大不满足等式约束带来的惩罚直至最终收敛；
[0040]
在内循环中，在给定局部点下，使用bcd、cccp和sca技术求解问题(p2)以获得
[0041]
其中，设置第一内循环参数：λ
l+1
＝cλ
l
；第二内循环参数：l＝l+1直到第二惩罚问题模型p2的目标值的增幅比例低于预设阈值∈，∈》0。
[0042]
可选的，所述第一算法中的内循环为第二算法，具体包括：
[0043]
在初始化设置内循环迭代次数r＝0后，进行内循环，直到第二惩罚问题模型p2的目标值收敛；所述内循环包括：
[0044]
初始化设置内循环迭代次数r＝0；
[0045]
在给定局部点下，求解第四惩罚问题模型p4以获得
[0046]
在给定局部点下，求解第七数学优化模型p7以获得设置r＝r+1已进行内循环，直到第二惩罚问题模型p2的目标值收敛；
[0047]
其中，所述第四惩罚问题模型p4由所述第二惩罚问题模型p2在给定传输调度{ak[n]}下简化得到第三惩罚问题模型p3，又由所述第三惩罚问题模型p3近似得来，所述第四惩罚问题模型p4的目标值是第三惩罚问题模型p3目标值的下界
[0048]
以及所述第七数学优化模型p7由所述第二惩罚问题模型p2在给定无人机轨迹{q[n]}和视频播放速率{rk[n]}下，简化为第五惩罚问题模型p5，引入松弛变量{yk[n]}后得到第六数学优化模型p6，再所述第六数学优化模型p6转化得到，所述第七数学优化模型p7的目标值是第六数学优化模型p6的下界。
[0049]
根据本技术实施例的第二方面，提供一种多天线无人机视频传输系统中最大化体验质量的装置，包括：
[0050]
处理器；
[0051]
用于存储所述处理器可执行指令的存储器；
[0052]
其中，所述处理器被配置为执行所述指令，以实现上述第一方面中提到的方法的任一项所述的多天线无人机视频传输系统中最大化体验质量的方法。
[0053]
本技术的实施例提供的技术方案至少带来以下有益效果：
[0054]
本技术通过构建多天线无人机视频流传输架构，并运用基于zf的波束成形以消除多个地面用户间的干扰，以同时为多个地面用户同时提供视频服务；通过联合优化无人机轨迹、多天线传输调度和播放速率分配最大化所有地面用户qoe的最小值，基于优化无人机轨迹、多天线传输调度和视频播放速率分配，根据最大化所有用户qoe的最小值模型，确定数学优化模型p1及约束条件。本技术将很难获得全局最优解的数学优化模型转换为带惩罚项的等价形式，采用基于惩罚的块坐标下降法(penalty block coordinate descent，p-bcd)的双重循环算法处理转换后的优化模型以获得次优解。
[0055]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
[0056]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理，并不构成对本技术的不当限定。
[0057]
图1是根据一示例性实施例示出的构建支持无人机通信的下行链路系统的架构示意图；
[0058]
图2是根据一示例性实施例示出的一种多天线无人机视频传输系统中最大化体验质量的方法的流程示意图；
[0059]
图3是根据一示例性实施例示出的一种示例性示出的包含惩罚方法的p-bcd框架示意图；
[0060]
图4是根据一示例性实施例示出当t＝100s，m＝15，ρ＝0.01时所述数学优化模型的收敛性的结构示意图。
具体实施方式
[0061]
为了使本领域普通人员更好地理解本技术的技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
[0062]
需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
[0063]
本技术实施例描述的应用场景是为了更加清楚的说明本技术实施例的技术方案，
并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本技术的描述中，除非另有说明，“多个”的含义表示不止一个。
[0064]
在本文中，n
×
m维复数、实数矩阵集合分别用和表示，方阵s的第k个对角元素由[s]
k,k
表示，矩阵m的转置和共轭转置分别用m
t
和mh表示。
[0065]
如图2所示，本技术提供的一种多天线无人机视频传输系统qoe最大化方法，具体包括：
[0066]
步骤1：构建多天线无人机视频流传输架构，并运用基于zf的波束成形以消除多个地面用户间的干扰，以同时为多个地面用户同时提供视频服务。
[0067]
如图1所示，在本技术的无人机视频流传输架构中，创建一个由k个单天线地面用户和一个有m根天线的无人机组成的视频流传输系统。地面用户集合由表示，uk在三维笛卡尔坐标系中的坐标为在三维笛卡尔坐标系中的坐标为其中gk＝[xk,yk]
t
表示uk在地面上的水平位置，1≤k≤k。
[0068]
用户请求的视频数据存储在无人机上，无人机配置了包含m根天线的均匀矩形阵列(uniform rectangular array，ura)，其中，相邻天线在垂直和水平方向上均匀分散，使得无人机可以同时向多个地面用户传输视频数据。
[0069]
在一些示例性的实施方式中，将总时间范围t离散成n个长度为δ的时隙，其中δ足够小以至于可以认为无人机的位置在每个时隙内不变。为保证飞行安全，要求z[n]≥h
min
,其中h
min
与服务区域的最高障碍物相关。因此，时隙n时无人机和地面用户uk间的距离可表示为：
[0070][0071]
其中，和z[n]分别表示在时隙n时无人机的水平与垂直位置，因此[q[n]
t
,表示无人机在时隙n时的三维坐标。
[0072]
在一些示例性的实施方式中，二元变量ak[n]∈{0,1}表示无人机与地面用户间的传输调度。具体来说，如果无人机在时隙n向uk传输视频，那么ak[n]＝1，否则ak[n]＝0。
[0073]
在一些示例性实施方式中，集合表示在时隙n时与无人机同时通信的用户集合，则
[0074][0075]
其中，也即无人机通过多根天线可以同时向kn个用户传输独立的信号。
[0076]
进一步的，和分别表示视频流传输的信息符号和用户在时隙n时相应的波束成形向量，其中因此，用wk[n]sk[n]表示传向uk的传输信号。
[0077]
步骤2：根据小尺度衰落和大尺度信道功率增益，构建信道模型，采用下界表达式
以获得最坏情况下的可达速率。
[0078]
本技术中，假设hk[n]为时隙n时无人机和uk间的基带等效复信道系数，则
[0079][0080]
其中，表示小尺度衰落，βk[n]表示大尺度信道功率增益。具体的，
[0081]
大尺度信道功率增益由时隙n时无人机和uk的距离dk[n]决定，即βk[n]＝β0dk[n]
α
,其中，β0和α分别表示1米处的信道功率增益和路径损耗指数。
[0082]
接下来，采用莱斯衰落模型来刻画小尺度衰落，即
[0083][0084]
其中g表示莱斯指数，表示视距信道分量，θ
k,m
[n]表示在时隙n时无人机第m根天线和用户uk间的视距路径相位，表示随机散射分量。
[0085]
在一些示例性实施方式中，时隙n时用户uk接收到的信号可表示为：
[0086]
其中表示加性高斯白噪声，σ2为时隙n时接收用户uk处的噪声功率。
[0087]
以及，地面用户uk在时隙n的接收信噪比(signal-to-noise ratio，snr)可以表示为
[0088][0089]
其中，p表示无人机传输功率。
[0090]
因此，时隙n时uk的可达速率可表示为rk[n]＝blog2(1+γk[n])，其中b为以赫兹(hertz，hz)为单位的信道带宽。
[0091]
需要说明的是，由于信道系数的随机性，rk[n]是一个随机变量，因此主要考虑平均速率，也即由于中期望操作的存在，在一般情况下，很难得到的封闭形式表达式。然而，基于莱斯信道模型中视距分量和随机散射分量的独立性推导可以出的严格下界，即即其中表示1米处的参考接收snr。在接下来在资源分配和轨迹设计中，采用该下界表达式以获得最坏情况下的可达速率，即：
[0092][0093]
注意到在公式(2)中，为实现可达速率最大化，无人机飞行高度应始终为h
min
，即z[n]＝h
min
,
[0094]
步骤3：根据视频播放速率和视频抖动，确定单一用户的用户体验质量。
[0095]
本技术采用了http动态自适应流(dynamic adaptive streaming over http，dash)进行视频传输，视频速率可以动态适应不同的信道情况。假设用户有足够大的缓存可以存储接收到的视频数据。为避免视频播放卡顿，引入视频播放因果约束条件：
[0096][0097]
其中，rk[n]表示用户uk在时隙n时的视频播放速率，δ为时隙时间长度，为时隙τ时用户uk的可达速率，不等式(3)中的左侧表示到时隙n-1为止已接收到的视频数据量，右侧表示到时隙n为止已播放的视频数据量。
[0098]
在不等式(3)中，假设数据解码、播放准备等视频处理延迟需要一个时隙，并让rk[1]＝0,ak[n]＝0,使用户在第一个时隙不播放视频，无人机在最后一个时隙不传输视频。
[0099]
本技术把用户qoe作为性能指标，用户的qoe主要取决于接收到的视频质量和视频抖动。通常来说，视频质量随着播放速率的提高而提高，当播放速率足够大时达到饱和。因此，采用具有收益递减特性的对数函数来刻画用户uk在时隙n时的视频质量，以及采用当前播放速率与平均播放速率的方差来刻画uk在时隙n的播放抖动，即综上，用户uk的总qoe表示为：
[0100][0101]
其中ρ是平衡视频质量和视频抖动的权重因子，θ和β是取决于具体应用的常量参数，是与用户uk屏幕尺寸相关的需求播放速率。
[0102]
步骤4：基于优化无人机轨迹、多天线传输调度和视频播放速率分配，根据最大化所有用户qoe的最小值模型，确定数学优化模型p1。
[0103]
本技术中，根据公式(4)，确定所有用户的总qoe的最小值为：
[0104][0105]
n为时隙序列号，n为总时间范围t内时隙的总个数，ρ是平衡视频质量和视频抖动的权重因子，θ和β是取决于具体应用的常量参数，rk[n]表示用户uk在时隙n时的视频播放速
率，是与用户uk屏幕尺寸相关的需求播放速率。
[0106]
将优化问题表述为如下数学优化模型p1:
[0107][0108]
该数学优化模型的约束条件为:
[0109][0110][0111][0112][0113][0114][0115]
q[1]＝q[n],(25)
[0116]
其中,v
max
表示无人机的最大水平速度，约束条件(11)表示无人机周期性地向用户提供服务。
[0117]
步骤5：将所述数学优化模型转换为带惩罚项的等价形式，采用基于惩罚的块坐标下降法(penaltyblockcoordinatedescent，p-bcd)的双重循环算法处理转换后的优化模型以获得次优解。
[0118]
本技术中，基于上述数学优化模型p1包含二元变量ak[n]和非凸约束条件(6)，难以获得此数学优化模型的全局最优解的情况下，首先将该模型转换为带惩罚项的等价形式，再采用基于惩罚的块坐标下降法(penaltyblockcoordinatedescent，p-bcd)的双重循环算法处理转换后的优化问题以此获得次优解。也就是说，在外循环更新惩罚参数以增大违反等式约束产生的惩罚值，在内循环通过交替优化、块坐标下降(blockcoordinatedescent，bcd)方法、凹凸过程(concave-convexprocedure，cccp)方法以及逐次凸逼近(successiveconvexapproximation，sca)方法求解给定惩罚参数的惩罚优化问题。
[0119]
具体的，如图3所示，为一种示例性示出的包含惩罚方法的p-bcd框架。
[0120]
步骤51,向所述数学问题模型中添加惩罚项，转化为求解第二惩罚问题模型，其中所述第二惩罚问题模型中包含大于零的惩罚参数λ。
[0121]
步骤52，在外循环中，不断更新惩罚参数λ以放大不满足等式约束带来的惩罚直至最终收敛。
[0122]
步骤53，在第l次内循环中，采用bcd、cccp和sca技术近似求解给定惩罚参数λ
l
的第二惩罚问题模型p2。
[0123]
具体的，为解决二元约束条件(9)，向数学问题模型中添加惩罚项以惩罚非二元解带来的影响。具体而言，首先将约束(9)转换为以下区域的交集：
[0124]
[0125][0126]
这样只需要证明当且仅当约束条件(12)和条件(13)均成立时约束(9)成立。通过上述方法，在数学问题模型中添加惩罚项来惩罚等式约束(13)不满足的情况，转化为求解第二惩罚问题模型p2:
[0127][0128]
其中约束条件为(5)-(8),(10)-(12)。此外，λ是大于零的惩罚参数，当λ足够大时(p2)的解与原始问题(p1)的解等价。在外循环中，通过不断的更新惩罚参数λ以放大不满足等式约束带来的惩罚直至最终收敛。
[0129]
本技术中，通过第一算法利用p-bcd解决问题第一数学优化模型，具体过程如下：
[0130]
步骤61：初始化λ0》0和c》1，设置外循环迭代次数l＝0。
[0131]
步骤62：在外循环中，不断更新惩罚参数λ以放大不满足等式约束带来的惩罚直至最终收敛。
[0132]
步骤63：在内循环中，在给定局部点下，使用bcd、cccp和sca技术求解问题(p2)以获得
[0133]
其中，设置第一内循环参数：λ
l+1
＝cλ
l
；第二内循环参数：l＝l+1直到第二惩罚问题模型p2的目标值的增幅比例低于预设阈值∈》0。
[0134]
具体来说，将第二惩罚问题模型p2分解成两个子模型，分别为给定传输调度下的播放速率分配和无人机轨迹优化子模型，以及给定播放速率分配和无人机轨迹下的传输调度优化子模型。通过交替迭代优化这两个子问题，并最大化它们的局部严格下界来求解第二惩罚问题模型p2。
[0135]
(一)播放速率分配与无人机轨迹优化子模型
[0136]
在给定传输调度{ak[n]}下，第二惩罚问题模型p2可以简化为第三惩罚问题模型：
[0137]
p3:
[0138]
其中，约束条件为公式(5)-(7),(10),(11)。
[0139]
本技术中，是关于‖q[n]-gk‖2的凸函数。通过对中的‖q[n]-gk‖2项在给定局部点qr[τ]处应用一阶泰勒展开近似，可以得到如下的下界表达式：
[0140][0141]
其中其中可以借助sca技术，将替换为下界将第三惩罚问题模型p3近似为第四惩罚问题模型p4：
[0142][0143]
其中，约束条件为公式(5)-(7),(10),(11)
[0144][0145]
也就是说，所述第四惩罚问题模型p4由所述第二惩罚问题模型p2简化后得到第三惩罚问题模型p3，又由所述第三惩罚问题模型p3近似得来。
[0146]
由于是关于q[n]的凹函数，此时(p4)是标准凸优化问题，可借助cvx求解器有效求解。此外，通过替换速率下界表达式，第四惩罚问题模型p4的任意可行解一定是第三惩罚问题模型p3的可行解，因此第四惩罚问题模型p4的目标值是第三惩罚问题模型p3目标值的下界。
[0147]
(二)传输调度优化子模型
[0148]
本技术汇中，在给定无人机轨迹{q[n]}和视频播放速率{rk[n]}下，第二惩罚问题模型p2可以简化为第五惩罚问题模型p5:
[0149][0150]
其中，约束条件为公式(6)-(8),(12)。
[0151]
由于非凸约束条件(6)和非凹目标函数的存在，第五惩罚问题模型p5仍是一个非凸优化问题。为此，首先引入松弛变量{yk[n]}以得到下面的问题第六数学优化模型p6：
[0152][0153]
其中，约束条件为公式(7),(8),(12),
[0154][0155][0156]
本技术中，在第六数学优化模型p6的最优解中(17)的等式一定要满足，否则总可以在目标值不变且仍满足其他约束条件的情况下增大yk[τ]，所以第五惩罚问题模型p5与第六数学优化模型p6等价。
[0157]
将(16)左侧的非凹项重写为差分凸(difference-of-convex，dc)函数，即然后基于cccp的概念，借助线性化将其近似表示为凹函数。
[0158]
具体地说，在第r次迭代的给定局部点上，运用一阶泰勒展开，用近似表示凸函数(ak[τ]+yk[τ])2，得到
[0159][0160]
因此，约束条件(16)可以近似表示为
[0161][0162]
可以用同样的方法处理非凹的目标函数：
[0163][0164]
综上所述，可以获得约束条件(6)的如下近似问题，即第七数学优化模型p7：
[0165]
其中，约束条件公式(7),(8),(12),(17),(19)。
[0166]
本技术中，第七数学优化模型p7，是一个可使用cvx工具有效求解的标准凸优化问题。通过替换上述下界表达式，第七数学优化模型p7的任意可行解总是第六数学优化模型p6的可行解，因此，第七数学优化模型p7的目标值是第六数学优化模型p6的下界。
[0167]
也就是说，所述第七数学优化模型p7由所述第二惩罚问题模型p2在给定无人机轨迹{q[n]}和视频播放速率{rk[n]}下，简化为第五惩罚问题模型p5，引入松弛变量{yk[n]}后得到第六数学优化模型p6，再所述第六数学优化模型p6转化得到，所述第七数学优化模型p7的目标值是第六数学优化模型p6的下界。
[0168]
本技术中，所述第一算法中的内循环为第二算法，具体包括：
[0169]
在初始化设置内循环迭代次数r＝0后，进行内循环，直到第二惩罚问题模型p2的目标值收敛；所述内循环包括：
[0170]
步骤71：初始化设置内循环迭代次数r＝0。
[0171]
步骤72：在给定局部点下，求解第四惩罚问题模型p4以获得
[0172]
步骤73：在给定局部点下，求解第七数学优化模型p7以获得设置r＝r+1。
[0173]
在一些示例性实施方式中，本技术示出一个具体的视频流传输场景，通过上述模型优化后，仿真得到用户体验质量值，以说明本技术使用上述实施例后，用户体验质量的改善。
[0174]
其中包含一个多天线无人机和随机分布在边长800米正方形区域中的k＝6个地面用户。无人机配备的ura上每行有3根均匀分布的天线。因此，无人机装载的天线数可以为m＝3,6,9,等。我们将信道相关系数设置为β0＝-60db，α＝2，σ2＝-110dbm，p＝0.1w，b＝1mhz，qoe相关系数设置为θ＝0.8，β＝400，算法相关参数设置为λ0＝1，c＝2，∈＝
10-4
，其他参数设置为h
min
＝100m，δ＝1s，v
max
＝50m/s。
[0175]
如图4，当t＝100s，m＝15，ρ＝0.01时所提算法的收敛性。其中图4中的小图展示了第二算法内循环收敛过程，大图展示了第一算法外循环收敛过程。可以看出最大-最小qoe随着迭代次数的增加而增加，经过十次左右的迭代就会收敛，这验证了所提算法的收敛性和低复杂度。
[0176]
ρ是平衡用户qoe中视频质量和视频质量波动的权重因子。因为无人机轨迹随着ρ的增大而缩小，所以虽然无人机可以利用自身移动性，以更好的信道质量依次靠近每个用户来提升吞吐量和视频质量，但无人机靠近某一用户时会不可避免地远离其他用户，从而导致其他用户视频播放抖动。因此，ρ值增大表示避免视频抖动变得更重要，此时无人机轨迹会受到更严格的限制，从而避免远离任何一个地面用户以保持稳定的视频播放。若无额外说明，在接下来的测试中都设置ρ＝0.01。
[0177]
此外，随着天线数m增大，无人机将缩小轨迹并靠近所有地面用户的中心。这是因为当无人机配备更多天线时，可以同时服务更多的地面用户，所以无人机倾向于在所有用户的中心悬停以提供稳定的视频播放服务。此外，当时间t增加，无人机可以充分利用自身移动性，自由地向每个用户提供更高质量且更稳定的视频流服务。
[0178]
本技术中，为充分利用无人机移动性和多天线带来的空间复用增益，通过联合优化传输调度、视频播放速率和无人机轨迹，最大化所有地面用户qoe的最小值。为解决该困难的联合非凸优化问题，提出了利用p-bcd、cccp和sca技术的双层迭代算法。也通过仿真结果证明了所提算法相较基准方案在qoe方面有显著的提升，并揭示了用户视频质量和视频播放抖动间的权衡。
[0179]
所属技术领域的技术人员能够理解，本技术的各个方面可以实现为系统、方法或程序产品。因此，本技术的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0180]
在一些可能的实施方式中，根据本技术的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本技术各种示例性实施方式的运营数据管理方法。例如，处理器可以执行如运营数据管理方法中的步骤。
[0181]
进一步的，根据本技术的这种实施方式的多天线无人机视频传输系统中最大化体验质量的系统，可执行上述实施例中所提到的多天线无人机视频传输系统中最大化体验质量的方法中的步骤。
[0182]
在示例性实施例中，本技术提供的一种多天线无人机视频传输系统qoe最大化方法和装置的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本技术各种示例性实施方式的多天线无人机视频传输系统中最大化体验质量的方法中的步骤。
[0183]
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
[0184]
此外，尽管在附图中以特定顺序描述了本技术方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
[0185]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0186]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程图像缩放设备的处理器以产生一个机器，使得通过计算机或其他可编程图像缩放设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0187]
这些计算机程序指令也可存储在能引导计算机或其他可编程图像缩放设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0188]
这些计算机程序指令也可装载到计算机或其他可编程图像缩放设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0189]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0190]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。