In recent years, with the explosive growth of visual sensors and a large number of related video applications in Internet of Things (IoT), massive video data is generated by IoT devices. Since the volume of video data is far greater than traditional data in IoT, it is challenging to ensure high Quality of Service (QoS) for video uplinking in IoT. To address this challenge, we integrate non-orthogonal multiple access (NOMA) and scalable video coding (SVC) in IoT. To improve the video quality, we formulate a power allocation problem to maximize the average QoS in the proposed integrated system. Due to that the problem is non-convex, we transform it into a monotonic problem based on its hidden monotonicity. Then a power allocation algorithm based on polyblock outer approximation is proposed to solve the problem effectively. Finally, simulation results demonstrate that the proposed algorithm outperforms existing OMA and NOMA based schemes for video uplinking in IoT in terms of QoS and energy efficiency.


翻译:近些年来,随着视觉传感器爆炸性增长和Tings(IoT)互联网大量相关视频应用,大量视频数据是由IoT设备生成的。由于视频数据的数量远远大于IoT传统数据的数量,因此确保高质量的互联网视频上链接服务(QoS)是具有挑战性的。为了应对这一挑战,我们整合了IoT中非垂直多重访问(NOMA)和可扩展视频编码(SVC)。为了提高视频质量,我们形成了一个权力分配问题,以尽量扩大拟议综合系统中的平均QoS。由于这个问题是非convex,我们基于其隐藏的单调性将它转化为一个单调问题。然后,基于聚点外近似的电力分配算法建议有效解决问题。最后,模拟结果表明,拟议的算法超越了IoT中现有的OMA和NOMA的视频连接计划,在QoS和能源效率方面,将视频连接成一个单一的单调问题。

0
下载
关闭预览

相关内容

Integration:Integration, the VLSI Journal。 Explanation:集成,VLSI杂志。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/journals/integration/
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
3+阅读 · 2018年11月20日
VIP会员
相关资讯
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
3+阅读 · 2018年11月20日
Top
微信扫码咨询专知VIP会员