5G上行帶寬探測與應用研究

徐國斌，符哲蔚，劉明，鄧志吉，王存剛，鐘廣海，李輝，孟偉，吳云杰

5G上行帶寬探測與應用研究

徐國斌1，符哲蔚2，劉明2，鄧志吉2，王存剛2，鐘廣海2，李輝2，孟偉2，吳云杰2

（1. 浙江大學，浙江 杭州 310058；2.浙江大華技術股份有限公司，浙江 杭州 310053）

提出了一種5G上行帶寬探測與應用的方案，能夠有效解決視頻監控數據在5G網絡傳輸過程中遇到的網絡波動問題，助力5G視頻監控應用的實際落地部署。該方案在終端側獲取5G基站的無線資源調度信息，通過統計傳輸資源，估算出上行帶寬變化趨勢，結合流媒體應用的智能編碼技術和碼流自適應技術，在損失一定視頻清晰度的代價下，保證視頻不卡頓、畫面連續，保障客戶的整體感知。該方案可以廣泛應用在校園視頻監控等5G公共業務多、網絡波動大、覆蓋范圍廣的場景。

5G網絡；上行帶寬探測；校園視頻監控

1 引言

當前，中國已進入以技術創新推動經濟發展的新階段。“十四五”規劃綱要強調，必須堅持深化供給側結構性改革，以創新驅動、高質量供給引領和創造新需求。為保證經濟高質量、可持續發展，需要通過前沿技術創新來拓寬經濟增長空間。5G是新一輪科技和產業革命中的關鍵技術之一，它將與物聯網、大數據、云計算、人工智能等技術融合，促進形成一系列新業態，賦能經濟社會各領域。

5G包含計算、存儲、網絡，是面向萬物互聯的網絡[1-2]，因此各個垂直行業的應用[3]是5G未來發展的趨勢。例如校園安全管理[4]，當前校園安全視頻監控主要使用有線網絡，由于電線可以就近簡單地分出電源線，而有線網絡需要架設路由器或者由機房拉線部署，因此相比設備上電，有線網絡的施工難度更大。5G網絡具備比擬有線網絡的大帶寬、低時延、高可靠特性，并具備上電即入網的快速施工部署能力，在校園新點位布控、臨時布控等場景中具備良好的應用前景。

但是，相比有線網絡，5G網絡尚存在上行帶寬不足、無線資源共享影響、網絡波動較大等問題，在實際應用中存在較多挑戰。為解決上述5G實際部署遇到的問題，在上行覆蓋增強[5]、網絡速率提升[6]等方面，已存在一些研究，而本文創新性地提出5G上行帶寬探測技術，并探討其應用方案，以解決實際部署中的5G無線網絡波動問題。

2 5G上行帶寬探測與應用方案

5G無線視頻監控應用場景如圖1所示，前端攝像頭采集的視頻監控數據，通過5G網關，分流到應用平臺。PC、手機、平板計算機等應用客戶端可以通過有線和無線網絡訪問平臺。

圖1 5G無線視頻監控應用場景

與傳統的有線視頻監控方案不同，視頻監控攝像頭集成5G模組，通過5G無線網絡上傳高清視頻數據，無須鋪設有線光纖和網線，可以快速在監控點位安裝上線，并支持移動監控、臨時部署，應用范圍更為廣泛。而4G等傳統蜂窩網絡存在上行帶寬不足等問題，無法支持大量的視頻監控終端接入。5G網絡具有大帶寬、低時延的特性，能夠滿足較多視頻監控終端接入，從商業可用性上，實現了無線監控業務的突破，應用發展迅速。

但是在校園監控等場景中，公共用戶多且流動性大，通信業務波動性較大，利用5G網絡進行視頻傳輸時，易發生無線信道擁塞造成上行帶寬受限，導致業務卡頓，影響用戶體驗[7]。為能夠更好地實現5G無線視頻監控應用，本方案通過對5G基站的控制信息分析，實現上行帶寬探測，估算出基站上行帶寬趨勢值，輸入流媒體應用模塊，通過智能編碼和碼流自適應技術的應用，進行碼流速率動態上調或下調，實現網絡波動下，視頻依舊流暢，并且呈現清晰播放的效果。

5G上行帶寬探測技術與應用整體流程如圖2所示。本方案基于5G網絡下的無線視頻監控開發，其工作原理也適用于4G等蜂窩網絡，但由于4G網絡帶寬不足，極少用于大規模視頻監控業務的接入，本文未展開這方面的研究。

3 5G上行帶寬探測技術

3.1 探測原理與流程

5G上行帶寬探測方法與原理如圖3所示，5G蜂窩網絡中，終端通過物理上行共享信道（physical uplink shared channel，PUSCH）傳輸上行業務數據時，將同時向基站請求后續傳輸的資源，基站根據上行信道的信噪比、信號強度、功率余量等數據，結合終端上報的緩存狀態報告、接入終端數量和服務優先級綜合進行評估，對終端進行資源分配，通過物理下行控制信道（physical downlink control channel，PDCCH）承載的下行鏈路控制信息（downlink control information，DCI）通知終端，終端根據解碼出的調制與編碼策略（modulation and coding scheme，MCS）和資源塊（resource block，RB）數量映射出傳輸塊大小（transport block size，TB Size），進行后續上行傳輸。傳輸過程中，終端將重復上述流程，實現資源請求—傳輸—請求的上行調度[8]。

TB Size可認為是在一次時隙級調度中，基站分配給終端的可用帶寬。由于基站確定上行MCS和RB數是根據檢測到的上行信道條件、接入終端數量及優先級等信息綜合決策得出[9]，因此網絡環境的多終端資源競爭、信道干擾等因素均會影響MCS和RB數量的確定，進而影響TB Size大小[10-11]。它能夠反映基站在不同信道環境下（如干擾和網絡擁塞環境）對終端分配資源的策略。當網絡環境變差時，基站不具備提供終端所需帶寬資源的能力，此時TB Size可反映后續終端能夠獲取到的最大帶寬，指導流媒體應用下調碼流；當信道環境變好時，基站可滿足終端的帶寬需求，此時基站會給終端分配高于實際需求的帶寬資源，此時TB Size可反映帶寬資源充足時的帶寬余量，指導流媒體上調碼流。

圖2 5G上行帶寬探測技術與應用整體流程

圖3 5G上行帶寬探測方法與原理

但是，TB Size僅為時隙級（毫秒級）調度的帶寬，反映的是一個瞬間終端的緩存狀態及基站的調度策略。由于終端數據并非均勻發送，該數值波動較大，因此本方案將統計時刻拉長，通過一段固定周期對所有TB Size的值進行統計和累加，以此反映當前的帶寬趨勢，指導流媒體自適應應用。

3.2 技術可行性評估

為評估短周期內的TB Size統計值是否具備對編碼的指導意義，本文模擬信道環境變化，評估TB Size統計值反映的帶寬趨勢，是否與信道環境變化情況一致。

如上文所述，TB Size的統計，要基于終端上行碼流傳輸時進行，模擬信道環境變化的探測效果如圖4所示，令終端穩定的編碼輸入20 Mbit/s速率的碼流，在基站側調節衰減器，模擬信道環境變化，觀察TB Size統計值和實際發出的數據速率。

可以看出，當信道環境良好（0～50 s）時，TB Size統計值（即探測帶寬）高于終端輸入帶寬，這反映基站資源充裕，給終端分配了高于實際需求的帶寬資源（余量機制，防止終端突發傳輸流量增大），而實際的發出速率確實與編碼輸入數據一致，為20 Mbit/s，傳輸情況良好；當信道環境變差（50～100 s）時，TB Size統計值降低到5 Mbit/s，反映基站資源受限，給終端分配資源低于終端上行傳輸所需帶寬，而實際的發出速率確實下降到了5 Mbit/s，說明輸入的20 Mbit/s碼流出現了大量的丟包，體現的實際視頻觀看效果，即卡頓和時延；當信道環境重新變好（100～150 s）時，TB Size統計值重新高于終端輸入帶寬，實際的發出速率也重新恢復到20 Mbit/s，100 s處的尖銳波峰是由于基站在資源重新充裕后，終端為了快速將之前因為帶寬受限積壓的緩存數據發出，自動調高了發送速率，待積壓數據全部發出后，則恢復正常。

150～300 s的實驗重復了上一過程，不同的是，信道環境分步變好，而TB Size統計值很好地反映了這一情況。

圖4 模擬信道環境變化的探測效果

綜上，基于TB Size統計的5G上行帶寬探測技術，確實可以準確地感知基站上行帶寬變化趨勢，可以用于指導流媒體應用下調和上調傳輸碼流。相比于后端平臺側基于數據接收速率變化情況感知網絡狀態，5G上行帶寬探測技術更為實時和準確，在用戶感知之前，就可以提前進行流媒體自適應，讓用戶在網絡波動情況下，仍可以無感知地觀看清晰連續的視頻。

4 5G上行帶寬探測技術的應用

基于5G上行帶寬探測技術，可以獲取5G上行帶寬資源變化趨勢的估算值，結合流媒體應用的智能編碼技術和碼流自適應技術，實現根據5G網絡狀況，動態調整視頻傳輸的應用方案，在損失一定清晰度的代價下，保證用戶觀看視頻不卡頓、不斷線，保障視頻應用的整體體驗。

4.1 智能編碼技術

智能編碼技術是一種基于現有的編碼標準框架進一步做到降碼率的有效方法。根據人眼感知特性和后續智能分析需求，對于畫面中重要信息區域，保證正常的碼率資源進行編碼，而對其他區域降低編碼碼率。一般將這些包含重要信息區域稱為感興趣區域（region of interest，ROI），如圖5所示，車體F為ROI，背景B為非ROI。該策略可以在保證ROI正常編碼和分析的同時，顯著提升視頻的壓縮率，減少上行流量帶寬。

圖5 智能編碼ROI

本方案中，基于ROI的圈定主要有兩種方法，具體如下。

（1）固定區域方法

固定區域方法一般是由用戶開啟智能編碼功能時，圈選畫面中多個不同的區域，設置編碼的等級，終端按照設定執行編碼。該方法一般適用于畫面比較固定的場景，如校園門崗的監控。

（2）動態跟蹤方法

動態跟蹤方法引入了人工智能或者機器學習的方法，對常用的重要畫面如汽車、行人、運動物體等進行識別，進而自動得到ROI，不需要用戶圈定固定的ROI。該方法會損耗一定終端算力，但是識別方式更為靈活，適用于場景更為廣泛。

智能編碼數據分配如圖6所示，基于ROI的識別，終端在編碼時對該區域消耗的比特數不變；適當降低用戶不關注區域的質量、減少非ROI編碼消耗的比特數，從而在損失一定非ROI的視頻觀看感知的代價下，實現降低上行傳輸數據量的目的。

5G上行帶寬探測與智能編碼技術結合應用的流程如圖7所示，5G上行帶寬探測模塊，將反映上行帶寬變化趨勢的結果反饋給流媒體應用模塊，流媒體應用模塊判斷是否啟用或者關閉智能編碼模塊，實現編碼調整，最后編碼調整后的視頻通過5G通信模塊進行上行傳輸。

具體判斷邏輯如下。

·探測帶寬反映帶寬受限，而當前智能編碼未啟用，則啟用智能編碼模塊，調整編碼策略。

·探測帶寬反映帶寬資源充裕，而當前智能編碼啟用，則關閉智能編碼模塊，恢復正常傳輸。

·探測帶寬反映帶寬資源充裕，而當前智能編碼未啟用，則保持正常傳輸。

·探測帶寬反映帶寬受限，而當前智能編碼啟用，則只能保持現狀，可能出現視頻卡頓。

圖6 智能編碼數據分配

綜上，智能編碼技術可以在基本不損失用戶觀看體驗和不影響數據智能后分析的前提下，降低5G上行傳輸數據量，但是其受實際監控場景影響較大，如ROI較大（人車密集），降流量效果將不明顯，依舊存在視頻卡頓、斷線可能。因此，本文進一步提出了碼流自適應技術。

圖7 5G上行帶寬探測與智能編碼技術結合應用流程

4.2 碼流自適應技術

碼流自適應技術是基于5G上行帶寬探測技術估算的最大上行碼率，對網絡波動趨勢進行估計，自適應調整視頻傳輸碼率，以適應當前網絡帶寬能力，提升視頻播放流暢性的一種策略。在5G網絡出現波動時，用戶播放畫面能自動切換到低碼率進行播放；5G網絡恢復時，播放畫面又能夠自動恢復為高碼率播放。整個碼流自適應切換過程中播放不停止，畫面無縫切換。

由于碼流自適應技術會直接調整整體視頻傳輸碼率，影響較大，因此不是直接根據5G上行帶寬探測技術提供的TB Size統計值進行調整，而是基于其體現的網絡傳輸時延趨勢調整。結合5G上行帶寬探測的碼流自適應處理流程如圖8所示，具體處理流程說明如下。

·流媒體應用模塊，將視頻編碼模塊的視頻幀送入碼流自適應模塊進行碼流控制。

·碼流自適應模塊，每隔一個視頻幀時間，獲取視頻緩存隊列視頻時延和緩存隊列預計發送耗時，選取兩者較大值作為傳輸時延，并驅動流媒體應用模塊發送視頻幀。

·碼流自適應模塊，定時獲取5G帶寬探測模塊反饋的帶寬值并進行帶寬平滑計算（主要包括獲取指定時間范圍內5G探測帶寬值的最小值、最大值、平均值和中值等）。

·碼流自適應模塊，按照傳輸時延的變化趨勢，將網絡擁塞等級進行劃分（包括網絡流暢、網絡擁塞和網絡突降等），并根據網絡擁塞等級進行視頻碼率控制狀態切換（包括碼率上調、碼率下調和碼率不變）；當檢測時間滿足或者網絡擁塞等級過高時，根據視頻碼率控制狀態觸發視頻碼率調整模塊進行碼率調整。

·視頻編碼模塊，獲取平滑后的5G帶寬值，并將該帶寬值和流媒體應用視頻發送視頻流量值進行預估帶寬權重修正，最終采用預估帶寬權重修正值設置視頻編碼碼率。

相比智能編碼技術，碼流自適應技術可以更加確定地降低5G上行傳輸帶寬需求，但是對用戶觀看視頻的感知影響也相對更大，因此兩個策略可以根據實際應用場景或者客戶需求進行選擇執行或者遞進執行。

4.3 應用效果

基于5G上行帶寬探測技術，在實際場景中，疊加應用智能編碼技術和碼流自適應技術的效果顯著。

（1）5G帶寬探測+智能編碼應用效果

智能編碼應用前后傳輸數據變化情況如圖9所示，當探測到5G上行帶寬不足時，探測帶寬值下降，流媒體應用觸發智能編碼動作，該場景下，編碼輸入碼流降至原有的1/4左右，實際發出速率與編碼輸入碼流基本一致，說明無丟包，視頻播放流暢穩定。

智能編碼應用前后視頻圖像對比如圖10所示，整個過程中，觀察視頻畫面清晰度，肉眼基本無感。

（2）5G帶寬探測+碼流自適應應用效果

碼流自適應應用前后傳輸數據變化情況如圖11所示，當網絡帶寬不足情況發生時，3～5 s內完成低碼率的自適應調整，輸入碼流可以根據帶寬探測的反饋，降至極低的程度（2 Mbit/s），實際發出碼流與輸入碼流基本一致，說明無丟包，整體畫面流暢、連續、視頻完整。

圖8 碼流自適應處理流程

圖9 智能編碼應用前后傳輸數據變化情況

圖10 智能編碼應用前后視頻圖像對比

圖11 碼流自適應應用前后傳輸數據變化情況

圖12 碼流自適應應用前后視頻圖像對比

碼流自適應應用前后視頻圖像對比如圖12所示，整個過程中，會出現一些清晰度的下降，但可以確保碼流的下降。

（3）設置對照組，從用戶感知角度，對比效果見表1。

綜上，基于5G上行帶寬探測技術，可以較為準確的預知5G上行網絡的變化，結合智能編碼技術和碼流自適應技術，可以在損失一定的視頻清晰度的代價下，保證視頻不卡頓，畫面連續，保證客戶的整體體驗。

5 結束語

5G在校園安全等行業場景的應用是未來的發展趨勢。相比有線網絡，5G網絡支持移動和快速部署，無須有線網絡勘探和施工等，具有良好的應用前景。但是也存在無線資源共享、網絡波動相較大等問題。

表1 性能指標對比效果

本文提出了一種5G上行帶寬探測與應用的方案，能夠有效解決視頻監控數據在5G網絡傳輸過程中遇到的網絡波動問題，助力5G視頻監控應用的落地部署。

該方案利用終端側的基帶解碼，獲取5G基站的無線資源調度信息，通過統計傳輸資源，迅速感知帶寬的變化并估算最大上行帶寬，結合流媒體應用的智能編碼技術和碼流自適應技術，可以在5G網絡波動情況下，實現視頻清晰度與連續性的兼顧，保障用戶觀看體驗。

該方案可以廣泛應用在校園視頻監控等5G公共業務多、波動大、覆蓋范圍廣的場景，在5G無線網絡產生擁塞和波動情況下，更好地保障視頻數據在5G網絡下的最優傳輸，盡可能小地影響用戶感知。

[1] ZHOU Y Q, TIAN L, LIU L, et al. Fog computing enabled future mobile communication networks: a convergence of communication and computing[J]. IEEE Communications Magazine, 2019, 57(5): 20-27.

[2] BARBAROSSA S, SARDELLITTI S, DI LORENZO P. Communicating While Computing: distributed mobile cloud computing over 5G heterogeneous networks[J]. IEEE Signal Processing Magazine, 2014, 31(6): 45-55.

[3] 肖子玉, 韓研, 馬洪源, 等. 5G網絡面向垂直行業業務模型[J].電信科學, 2019, 35(6): 132-140.

XIAO Z Y, HAN Y, MA H Y, et al. Business service model of 5G network for vertical industry[J]. Telecommunications Science, 2019, 35(6): 132-140.

[4] 余勝泉, 陳璠, 李晟. 基于5G的智慧校園專網建設[J]. 開放教育研究, 2020, 26(5): 51-59.

YU S Q, CHEN F, LI S. Private network construction of 5G-based smart campus[J]. Open Education Research, 2020, 26(5): 51-59.

[5] 胡煜華, 王鑫炎, 李貝. 5G網絡上行覆蓋增強研究[J]. 電信科學, 2021, 37(7): 134-141.

HU Y H, WANG X Y, LI B. Research on uplink coverage enhancement of 5G network[J]. Telecommunications Science, 2021, 37(7): 134-141.

[6] 周勝, 李天璞. 城市場景5G eMBB網絡速率提升研究與應用[J]. 電信科學, 2021, 37(2): 55-62.

ZHOU S, LI T P. Research and application of 5G eMBB network rate improvement based on urbans scenarios[J]. Telecommunications Science, 2021, 37(2): 55-62.

[7] 唐杰. 5G系統接入網絡性能優化研究[D]. 成都: 電子科技大學, 2016.

TANG J. Research on access network performance optimization of 5G system[D]. Chengdu: University of Electronic Science and Technology of China, 2016.

[8] 劉曉峰, 孫韶輝, 杜忠達, 等. 5G無線系統設計與國際標準[J]. 電信技術, 2019(10): 2.

LIU X F, SUN S H, DU Z D, et al. 5G wireless system design and international standard[J]. Telecommunications Technology,2019(10):2.

[9] 蔣漢陶. 寬帶無線專網系統中物理上下行共享信道自適應調制編碼技術及性能研究[D]. 成都: 電子科技大學, 2018.

JIANG H T. Research on adaptive coding and modulation technology and performance of physical uplink and downlink shared channel for broadband wireless trunking system[D]. Chengdu: University of Electronic Science and Technology of China, 2018.

[10] 鞠鑫哲. 5G網絡無線通信資源分配[J]. 電子技術與軟件工程, 2019(19): 19-20.

JU X Z. Electronic Technology & Software Engineering [J]. Electronic Technology & Software Engineering, 2019(19): 19-20.

[11] 呂浩鈞. 面向5G eMBB場景的確定性無線資源調度算法設計[D]. 杭州: 浙江大學, 2020.

LV H J. Design of deterministic radio resource scheduling algorithm for 5G eMBB[D]. Hangzhou: Zhejiang University, 2020.

Research on 5G upstream bandwidth detection technology and application

XU Guobin1, FU Zhewei2, LIU Ming2, DENG Zhiji2, WANG Cungang2, ZHONG Guanghai2, LI Hui2, MENG Wei2, WU Yunjie2

1. Zhejiang University, Hangzhou 310058, China 2. Zhejiang Dahua Technology Co., Ltd., Hangzhou 310053, China

A scheme of 5G upstream bandwidth detection technology and application was proposed, which could effectively solve the problem of 5G network fluctuation in video monitoring data transmission process. It will help the deployment of 5G video monitoring application. By obtaining the radio resource information of 5G NR, the terminal can count the transmission resource and estimate the change trend of uplink bandwidth. Combined with the intelligent coding technology and bit-stream adaptive technology of streaming media application, the scheme ensures no stuck and continuous picture at the cost of losing a little video definition, and ensures the overall experience of customers. The scheme can be widely used in the scene of heavy 5G public service, large network fluctuation and wide network coverage, such as campus video surveillance.

5G network, upstream bandwidth detection, campus video surveillance

TN919.3

A

10.11959/j.issn.1000?0801.2021262

2021?06?21；

2021?12?10

徐國斌（1972? ），男，浙江大學副研究員，主要研究方向為高校校園安全、高教管理。

符哲蔚（1988? ），男，浙江大華技術股份有限公司中央研究院資深系統分析工程師，主要研究方向為5G、網絡通信技術。

劉明（1981? ），男，浙江大華技術股份有限公司副總裁、浙江省視覺物聯融合應用重點實驗室主任，主要研究方向為5G、視頻采集、多維感知、視頻傳輸、視頻編/解碼、可靠存儲等。

鄧志吉（1985? ），男，浙江大華技術股份有限公司中央研究院院長、高級工程師，浙江省視覺物聯融合應用重點實驗室副主任、浙江省安全技術防范行業協會安防智庫專家、浙江省發明協會優秀發明人才，主要研究方向為5G、毫米波等。

王存剛（1983?），男，浙江大華技術股份有限公司中央研究院資深嵌入式軟件工程師，主要研究方向為5G無線接入網通信技術、結合視頻流媒體的5G創新應用研究與方案設計。

鐘廣海（1989?），男，浙江大華技術股份有限公司中央研究院高級嵌入式軟件工程師，主要研究方向為流媒體協議、音/視頻網絡傳輸等創新技術應用研究與解決方案設計及開發。

李輝（1985? ），男，浙江大華技術股份有限公司中央研究院資深系統分析工程師，主要研究方向為下一代物聯網操作系統、無線網絡傳輸、多維感知物聯網等創新技術及應用。

孟偉（1989? ），男，浙江大華技術股份有限公司中央研究院無線軟件開發工程師，主要研究方向為5G、無線網絡通信技術等。

吳云杰（1983?），男，浙江大華技術股份有限公司中央研究院資深系統分析工程師，主要研究方向為5G、LoRa、物聯網傳感器軟硬件創新技術等。