通信学报 ›› 2021, Vol. 42 ›› Issue (7): 1-11.doi: 10.11959/j.issn.1000-436x.2021080

• 学术论文 •    下一篇

车联网中视频语义驱动的资源分配算法

陈九九, 冯春燕, 郭彩丽, 杨洋, 孙启政, 朱美逸   

  1. 北京邮电大学北京先进信息网络实验室，北京 100876
  • 修回日期:2021-02-01 出版日期:2021-07-25 发布日期:2021-07-01
  • 作者简介:陈九九（1994− ），男，湖南平江人，北京邮电大学博士生，主要研究方向为车联网资源分配、语义通信、强化学习算法等
    冯春燕（1963− ），女，北京人，博士，北京邮电大学教授、博士生导师，主要研究方向为无线通信信息传输与处理、宽带通信网络理论与技术、社交网络分析和信息检索、电信大数据分析与挖掘等
    郭彩丽（1977− ），女，山西太原人，博士，北京邮电大学教授、博士生导师，主要研究方向为语义通信、无线移动通信技术、认知无线电、信号检测与估值、车联网、可见光通信，视觉智能计算，社交跨媒体数据挖掘与分析等
    杨洋（1991− ），男，湖南娄底人，博士，北京邮电大学讲师，主要研究方向为可见光通信、室内定位技术、车联网技术、语义编码等
    孙启政（1997− ），女，河南安阳人，北京邮电大学博士生，主要研究方向为语义通信、视觉内容理解、深度学习算法等
    朱美逸（1999− ），女，湖北襄阳人，北京邮电大学硕士生，主要研究方向为车联网通信、强化学习算法等
  • 基金资助:
    中央高校基本科研业务费专项资金资助项目(2021XD-A01-1);国家自然科学基金重大研究计划重点资助项目(92067202);北京市自然科学基金资助项目(4202049);北京邮电大学（济南）工业互联网研究院项目(201915001)

Video semantics-driven resource allocation algorithm in Internet of vehicles

Jiujiu CHEN, Chunyan FENG, Caili GUO, Yang YANG, Qizheng SUN, Meiyi ZHU   

  1. Beijing Laboratory of Advanced Information Networks, Beijing University of Posts and Telecommunications, Beijing 100876, China
  • Revised:2021-02-01 Online:2021-07-25 Published:2021-07-01
  • Supported by:
    The Fundamental Research Funds for the Central Universities(2021XD-A01-1);The Key Program of National Natural Science Foundation of China(92067202);The Beijing Natural Science Foundation(4202049);The Industrial Internet Research Institute (Jinan) of Beijing University of Posts and Telecommunications(201915001)

在线阅读

89

PDF下载

479

摘要：

针对车联网中视频语义理解等智能计算业务需求下传统资源分配方式不再适用的问题，研究了视频语义驱动的资源分配算法。首先，以目标检测任务为例，提出视频语义驱动的资源分配指导模型并给出模型参数的求解算法；其次，构建了车联网场景中视频语义驱动的资源分配优化问题，将该问题转化成凸问题并利用凸优化算法求解；进一步，为降低凸优化算法的复杂度，提出了基于强化Q学习的资源分配算法；最后，仿真验证了所提资源分配算法的性能优势。

关键词: 资源分配, 车联网, 视频语义, 目标检测, 强化学习

Abstract:

Aiming at the problem that traditional resource allocation methods will no longer be applicable, with the demand of intelligent computing services such as video semantic understanding in Internet of vehicles, the video semantic driven resource allocation algorithm was studied.First of all, taking the object detection task as an example, a semantic driven resource allocation guidance model for video was proposed and an algorithm for solving model parameters was given.Secondly, an optimization problem of resource allocation driven by video semantics in Internet of vehicles was constructed, which was transformed into a convex problem and solved by convex optimization algorithm.Furthermore, in order to reduce the complexity of the convex optimization algorithm, a resource allocation algorithm based on reinforcement Q learning was proposed.Finally, the performance advantages of the proposed algorithm are verified by simulations.

Key words: resources allocation, Internet of vehicles, video semantics, object detection, reinforcement learning

中图分类号: 

No Suggested Reading articles found!