LTE⁃V2X下的实时视频流传输策略研究

doi:10.19562/j.chinasae.qcgc.2021.06.004

摘要/Abstract

摘要：

为提高在蜂窝小区内的视频传输质量，增强智能网联汽车的盲区视角感知能力，从而提高驾驶安全性和便利性，本文提出在LTE?V2X下完成实时视频流传输的可靠策略。首先，为提高蜂窝小区的系统性能和实时视频流传输的画面质量，提出在不完美信道状态下，满足V2X用户异构服务质量的同时，最大化V2V通信吞吐量的资源分配算法。该算法采用1阶自回归模型对真实的信道增益进行建模，分步骤进行功率分配和频谱复用配对，以完成资源分配；接着，采用可伸缩视频编码技术对实时视频流进行编码，编码后具有不同的视频质量等级的视频数据帧，经由网络传送，而以网络感知数据为基础，构建视频流缓冲区；最后，设计自适应传输算法求得当前最佳传输视频质量等级，根据通信网络环境动态调整传输视频画面质量，以有效减少视频播放冻结次数。实验结果表明，相比于具有基础层保护的视频传输算法RALSB和视频质量自适应传输算法VQAS，本文所提策略能有效提高实时视频流质量，减小视频播放冻结次数。

关键词: LTE?V2X, 资源分配, 可伸缩视频编码, 实时视频流

Abstract:

In order to enhance the video transmission quality in cellular community， to strengthen the visual perception ability of the blind area in intelligent connected vehicles， and hence to improve driving safety and handiness， a reliable strategy for achieving real?time video stream transmission under the environment of long?term evolution?vehicle to everything （LTE?V2X） is proposed in this paper. First of all， for improving the system performance of cellular community and the image quality of real?time video stream transmission， a resource allocation algorithm is put forward for maximizing vehicle to vehicle communication throughput， while meeting the requirements of heterogeneous service quality for V2V user under the state of imperfect information channel. The algorithm adopts the first?order autoregressive model for the modeling of real information channel gain， and the power distribution and the multiple access and pairing of spectra are carried out step?by?step to complete the resource allocation. Then， scalable video coding technique is used to encode real?time video streams， the encoded video data frames having different video quality level are transmitted via network， and based on the perceived data from network， video stream buffer is set up. Finally， adaptive transmission algorithm is designed to calculate the current optimal quality level of transmitted video， and the quality of video images transmitted can be dynamically adjusted according to the communication network environment， so the chance of video playback freezing is effectively reduced. The results of experiment show that compared with video transmission algorithm RALSB having fundamental layer protection and video quality adaptive selection （VQAS） algorithm， the strategy proposed can effectively enhance the quality of real?time video stream and reduce the chance of video playback freezing.

Key words: LTE?V2X, resource allocation, scalable video coding, real?time video stream

褚端峰,王卓尔,邱雨洁,陆丽萍,徐志豪,吉鑫钰. LTE⁃V2X下的实时视频流传输策略研究[J]. 汽车工程, 2021, 43(6): 815-824.

Duanfeng Chu,Zhuoer Wang,Yujie Qiu,Liping Lu,Zhihao Xu,Xinyu Ji. Research on Transmission Strategy for Real⁃time Video Stream Under LTE⁃V2X[J]. Automotive Engineering, 2021, 43(6): 815-824.

图/表 12

图 1

图 2

图 3

图 4

表 1

通信资源分配算法"

算法1：通信资源分配算法

输入：单个DUE-CUE的最优功率分配 $? (P m d *, P m c *)$

输出：最佳的复用对组合 $ρ m, k *$

1：for all $k ∈ K$ and $m ∈ M$ do

$2 : ??????? C m, k ← (P m d *, P m c *)$

3： if $C m, k ≥ C 0 d$ then

4： $????????????? C m, k * = C m, k$

5： else

6： $??????????????? C m, k * = 0$

7： end if

8：end for

$9 : ρ m, k * ← C m, k *$

10：return $ρ m, k *$

表 1

图 5

图 6

表 2

资源分配系统仿真参数"

仿真参数	数值
LTE蜂窝小区数目	1
LTE蜂窝小区覆盖半径	500 m
LTE蜂窝小区覆盖的路段长度	800 m
LTE上行链路资源块带宽 $B d$ ， $B c$	0.25 MHz
噪声功率 $σ 2$	-174 dBm/Hz
车道数量	每个方向3个
车道宽度	3.75 m
车辆平均速度	70 km/h
V2V用户数K	16，20，24，36
V2I用户数M	20
V2V用户最大发射功率 $P m a x d$	23 dBm
V2I用户最大发射功率 $P m a x c$	23 dBm
V2V用户最低容量 $C 0 d$	1.5 bps/Hz
V2I用户最小SINR要求 $s i n r m c$	5 dB

表 2

图 7

表 3

SVC视频信息"

级别	尺寸（像素）	平均比特率/kbps	PSNR/dB
1	$320 × 180$	84.468	28.394
2	$320 × 180$	124.275	30.533
3	$320 × 180$	205.558	35.297
4	$? 640 × 360$	823.451	38.545
5	$? 640 × 360$	1 104.654	39.216
6	$? 640 × 360$	1 411.246	40.527

表 3

图 8

图 9

参考文献 20

1	陈山枝，胡金玲，时岩，等. LTE-V2X 车联网技术、标准与应用［J］. 电信科学， 2018， 34（4）： 1-11.
	CHEN S Z， HU J L， SHI Y， et al. LTE-V2X internet of vehicles technology， standards and applications［J］. Telecom Science， 2018， 34（4）： 1-11.
2	汤立波，康陈. 车联网产业融合发展趋势［J］. 电信科学， 2019， 35（11）： 96-100.
	TANG L B， KANG C. Integration development trend of Internet of vehicles industry［J］. Telecom Science， 2019， 35（11）： 96-100.
3	钱洋，龚秋石. 面向稳健传输的SVC视频层次自适应选择算法［J］.网络空间安全，2020，11（8）：92-97，125.
	QIAN Y， GONG Q S. Adaptive selection algorithm of SVC video hierarchy for robust transmission［J］. Cyberspace Security， 2020，11（8）：92-97，125.
4	罗际炜，瞿涛，邓徳祥. 嵌入式多通道无线视频传输的码率自适应算法［J］. 计算机应用， 2020， 40（4）：1119-1126.
	LUO J W， ZHUO T， DENG D X. Rate adaptive algorithm for embedded multi⁃channel wireless video transmission［J］. Computer Application， 2020， 40（4）：1119-1126.
5	谭鹏，刘晓颖，戴琼海，等.一种缓冲区驱动的自适应视频多播系统［J］.电视技术， 2005（6）：72-74.
	TAN P， LIU X Y， DAI Q H， et al. A buffer driven adaptive video multicast system［J］. TV Technology， 2005（6）：72-74.
6	HUANG T Y， JOHARI R， MCKEOWN N， et al. A buffer⁃based approach to rate adaptation： evidence from a large video streaming service［C］. ACM SIGCOMM Computer Communication Review， 2014： 187-198.
7	JABBAR S Q， KADHIM D J， YU L， et al. Developing a video buffer framework for video streaming in cellular networks［J］. Wireless Communications and Mobile Computing， 2018，2018：1-13.
8	AMOUR L， SOUIHI S， MELLOUK A， et al. Q2ABR： QoE⁃aware adaptive video bit rate solution［J］. International Journal of Communication Systems， 2020， 33（10）.
9	ZHOU H， WANG X， LIU Z， et al. Resource allocation for SVC streaming over cooperative vehicular networks［J］. IEEE Transactions on Vehicular Technology， 2018， 67（9）： 7924-7936.
10	XING M， CAI L. Adaptive video streaming with inter-vehicle relay for highway VANET scenario［C］. IEEE International Conference on Communications （ICC）， 2012： 5168-5172.
11	XU Y， ZHOU H， WANG X， et al. Resource allocation for scalable video streaming in highway VANET［C］. International Conference on Wireless Communications & Signal Processing （WCSP）， 2015： 1-5.
12	GUO C， CUI Y， NG D W K， et al. Power⁃efficient multi⁃quality multicast beamforming based on SVC and superposition coding［C］. IEEE Global Communications Conference， 2017： 1-7.
13	GUO C， CUI Y， NG D W K， et al. Multi⁃quality multicast beamforming with scalable video coding［J］. IEEE Transactions on Communications， 2018， 66（11）： 5662-5677.
14	YU G， XU L， FENG D， et al. Joint mode selection and resource allocation for device⁃to⁃device communications［J］. IEEE Transactions on Communications， 2014， 62（11）： 3814-3824.
15	MICHALOPOULOS D S， SURAWEERA H A， KARAGIANNIDIS G K， et al. Amplify⁃and⁃forward relay selection with outdated channel estimates［J］. IEEE Transactions on Communications， 2012， 60（5）： 1278-1290.
16	LIANG L， LI G Y， XU W. Resource allocation for D2D⁃enabled vehicular communications［J］. IEEE Transactions on Communications， 2017， 65（7）： 3186-3197.
17	IMMICH R， CERQUEIRA E， CURADO M. Efficient high⁃resolution video delivery over VANETs［J］. Wireless Networks， 2019， 25（5）： 2587-2602.
18	WEST DB. Introduction to graph theory［M］.2nd ed. Prentice Hall， 2000.
19	IMMICH R， CERQUEIRA E， CURADO M. Adaptive qoe⁃driven video transmission over vehicular ad⁃hoc networks［C］. IEEE Conference on Computer Communications Workshops （INFOCOM WKSHPS）， 2015： 227-232.
20	AN R， LIU Z， JI Y. Svc⁃based video streaming over highway vehicular networks with base layer guarantee［C］. IFIP/IEEE Symposium on Integrated Network and Service Management （IM）， 2017： 1168-1173.