买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利基于多智体强化学习的VR视频自适应码率控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120151495B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510451910.X，技术领域涉及：H04N13/194；该发明授权基于多智体强化学习的VR视频自适应码率控制方法是由黄亮;李玉琪;池凯凯;张书彬设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本基于多智体强化学习的VR视频自适应码率控制方法在说明书摘要公布了：本发明提供基于多智体强化学习的VR视频自适应码率控制方法，涉及VR技术领域，包括获取历史视频块传输数据预测带宽并评估网络稳定性，基于多层感知机结构的Actor网络输出码率选择概率分布，对视频块计算结构相似度和重缓冲指标构建综合奖励函数，利用多智能体联合状态向量获取局部观测信息并通过注意力权重整合群体信息，采用策略梯度方法和Adam优化器更新网络参数实现码率优化。本发明能够有效提升VR视频传输质量，降低重缓冲概率，保证用户观看体验的连续性和流畅性，同时降低码率切换频率，提高系统稳定性。

本发明授权基于多智体强化学习的VR视频自适应码率控制方法在权利要求书中公布了：1.基于多智体强化学习的VR视频自适应码率控制方法，其特征在于，包括： 获取历史视频块传输数据并采用预测带宽，构建网络延迟特征向量评估网络稳定性，基于预测带宽和缓冲区状态建立码率切换影响模型，通过缓冲区状态转移方程进行阈值控制，结合视频流带宽份额动态调整，基于质量评分、切换影响及网络稳定性选择最优码率； 基于网络延迟特征向量构建包含缓冲区状态及视频质量状态的特征向量，将特征向量输入多层感知机结构的Actor网络，通过ReLU激活函数和Softmax函数输出码率选择概率分布，基于视频质量、缓冲区状态及切换平滑度构建综合奖励函数，结合经验池批量采样确定码率级别； 对视频块计算结构相似度获取质量映射值，基于下载时间和缓冲区状态计算重缓冲指标，结合质量差异和时间衰减权重评估质量变化，采集视口位置信息计算平滑度和预测误差，依据视场角覆盖率和空间质量分布确定视频沉浸度，将指标构建综合奖励函数并归一化，基于折扣因子计算累积奖励并优化权重系数； 构建多智能体联合状态向量获取局部观测信息，利用时序差分目标优化Critic网络的均方误差损失，结合策略梯度和熵正则更新Actor网络，采用同构智能体参数共享和异构智能体独立更新机制，通过注意力权重整合群体观测信息； 在经验池中持续存储状态向量交互数据，利用多层感知机提取网络特征，基于特征向量构建自适应奖励函数，采用策略梯度方法和Adam优化器更新网络参数，根据体验质量差值调整奖励权重，从经验池采样持续优化码率选择策略； 获取视频传输过程中过去k个视频块的吞吐量数据和下载时间数据，其中吞吐量数据为每个视频块的大小与对应下载时间的比值；采用指数衰减权重对吞吐量数据进行加权计算得到加权预测带宽，其中指数衰减权重随时间衰减程度由衰减系数确定，衰减系数用于调节历史数据对带宽预测的影响程度； 基于下载时间数据构建网络延迟特征向量，计算网络延迟特征向量的方差值作为网络稳定性量化指标，方差值越大表明网络稳定性越差；基于加权预测带宽，结合当前缓冲区大小、不同码率对应的下一视频块预计大小信息以及当前码率，建立码率切换影响评估模型，码率切换影响评估模型用于评估码率切换对系统性能的影响程度； 根据当前缓冲区大小、加权预测带宽以及视频块时长构建缓冲区状态转移方程，设定缓冲区安全阈值，当缓冲区状态转移方程预测的下一时刻缓冲区大小小于缓冲区安全阈值时，基于加权预测带宽选择保守码率； 在检测到存在多个视频流时，获取每个视频流的目标码率，计算每个视频流的带宽份额因子，带宽份额因子为对应视频流的目标码率占所有视频流目标码率总和的比例，基于带宽份额因子对加权预测带宽进行调整得到调整后带宽； 将视频质量评分、码率切换影响评估模型的评估结果及方差值构建优化目标函数，通过设定平衡因子调节各评价指标的权重，基于调整后带宽，从预设码率集合中选择使优化目标函数取得最优值的码率作为最终码率决策结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310000 浙江省杭州市拱墅区朝晖六区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。