本发明提出一种以体验质量为驱动的无线虚拟现实服务方法及系统。它结合无线虚拟现实VR服务中常用的移动边缘计算MEC和视场预测技术,解决一个核心问题:如何根据用户对VR的体验质量要求,包括视频质量以及延迟容忍度——运动到光子MTP延迟,来制定相应的服务策略以达到用户的目标体验质量。本发明提出了一种基于强化学习的奖励转向机制算法来找到实现用户目标体验质量的最优策略,同时满足相关资源的约束条件。

提供一种以体验质量为驱动的无线虚拟现实服务方法及系统，使用机器学习中的深度强化学习来解决无线VR服务中存在的问题。深度强化学习可以用来优化时延和视频质量的原因是它能够根据环境状态和奖励信号来动态调整服务策略，从而提高网络性能和用户满意度。为实现上述目的，本发明采用如下技术方案：以体验质量为驱动的无线虚拟现实服务方法

VR视频是一种能够提供沉浸式体验的新型媒体，它可以让用户感受到身临其境的感觉，从而增强用户的参与度和满意度。无线VR应用是指利用无线技术实现VR设备与PC或云端的数据传输，从而消除VR设备的线缆束缚，进而更加提高用户的自由度和沉浸感，它可以为用户提供高质量、低延迟、低功耗的沉浸式体验。

在传统无线网络下，VR视频应用存在两个主要的问题：延迟问题和计算能力的负载问题。延迟问题是指VR视频从源端到目的端所经历的时间延迟，包括编码、传输、解码等过程。由于VR视频具有高分辨率、高帧率、高动态范围等特点，它需要占用大量的带宽资源，而传统无线网络往往难以提供足够的带宽支持。因此，在传统无线网络下，VR视频会遭受严重的数据丢包、拥塞控制、重传等现象，从而导致较高的端到端时延。这种时延会影响用户对VR场景中物体运动和交互操作的反馈感知，进而造成用户不适感和眩晕感。计算能力的负载问题是指VR视频在源端和目的端所需消耗的计算资源。由于VR视频需要进行复杂的编码和解码处理，以及视点预测、渲染等操作，这些都需要消耗大量的计算能力。然而，在传统无线网络下，VR设备通常是移动终端设备，如智能手机或头戴式显示器，这些设备往往具有有限的计算能力、存储空间和电池寿命。因此，在传统无线网络下，VR设备难以承担高质量VR视频所需的计算负载，并且会导致设备过热、耗电过快等问题。这两个问题相互影响、相互制约。

发明人：陈由甲 章书涌 郭伯杨 胡锦松 叶宇川福州大学（Fuzhou University），简称福大，位于福建省福州市，创建于1958年，是国家“双一流”建设高校，国家“211工程”建设高校，国家教育部、国家国防科技工业局与福建省人民政府共建高校，福建省三所重点建设的高水平大学之一，福建省一流大学建设高校，入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。

有益效果：本发明提出了一种以体验质量为驱动的无线虚拟现实服务方法及系统，同时考虑了移动边缘计算与视场预测技术，解决了如何实现用户对视频质量和延迟容忍度的目标体验质量要求的多目标决策问题，并找到了实现用户的目标体验质量的最优策略。

当前专利未经权利人许可不得实施，希望将科技成果转让给研发实力雄厚的企业，由受让人对科技成果实施转化。交易的是科技成果中的知识产权，可以包括专利权、专利申请权、技术秘密等。科技成果转让后，转让方获得转让费，不再是科技成果的所有人；受让方向转让方支付转让费，并成为科技成果的新的所有人。