边缘物联网分布式视频编码中轻量压缩与自适应码率分配的机器学习协同优化研究

《Journal of ICT Standardization》：ML-Driven Co-Optimization of Lightweight Compression and Adaptive Bitrate Allocation for Edge IoT Distributed Video Coding

　　本文针对边缘物联网设备在实时视频服务中面临的带宽资源紧张与计算能力有限的双重挑战，提出了一种机器学习驱动的协同优化框架。该研究创新性地将轻量级压缩（采用深度可分离CNN编码器）与自适应码率分配（基于近端策略优化PPO控制器）相结合，通过联邦交替优化机制，在保护数据隐私的同时，显著降低了端到端延迟（42.7%）、能耗（38.5%）并提升了视频质量（PSNR提高3.2 dB）。该成果为6G大规模物联网视频系统提供了可扩展的解决方案，有效弥合了理论机器学习进展与超可靠低延迟通信（URLLC）实际部署约束之间的鸿沟。

　　

在智能城市、工业自动化和自主系统等领域，边缘物联网（Edge IoT）设备产生的视频数据正呈指数级增长。预计到2025年，视频将占物联网生成数据的80%以上，单个工业摄像头每天可产生约1.2 TB的原始1080p视频数据。这对功耗通常低于2瓦的物联网节点构成了巨大的计算和能源预算压力。传统的视频编解码器（如H.265/HEVC）在资源受限的传感器上会产生高昂的计算开销（例如，功耗>10W，每帧>5 GFLOPs），尽管它们在集中式设置中有效，但在边缘部署中却不切实际。分布式视频编码（DVC）基于Wyner-Ziv理论，通过将复杂性转移到解码器，成为一种有前景的替代方案。然而，早期的DVC框架在侧信息细化过程中仍然存在高计算负担，并且对动态网络条件的适应性差，在无线工业环境中常见的接收信号强度指示（RSSI）波动下，视频卡顿率超过65%，严重影响了实时监控应用。

近年来，机器学习为DVC研究注入了新的活力，例如基于长短期记忆网络（LSTM）的时序预测 refinement 和 Transformer 变体改进了空间冗余利用。为了应对节点侧约束，MobileNetV3 启发的编码器将模型大小减少到 1.2 MB，但在复杂运动建模方面能力不足，导致质量损失。此外，这些机器学习DVC（ML-DVC）努力仅优化压缩管道，而将码率分配视为静态后处理步骤，这种解耦使它们容易受到网络波动的影响。与此同时，强化学习技术在边缘网络中的自适应码率分配方面取得了进展，例如近端策略优化（PPO）控制器通过响应信道状态指标（如RSSI、丢包率）展示了卡顿率的降低。然而，现有的码率分配器预设了传统压缩输出（如H.264/HEVC块），与DVC的概率比特流生成严重不兼容，导致带宽过度配置或不足配置，浪费能源并降低质量。

上述分析揭示了一个关键的研究空白：现有框架未能在地缘物联网约束下整体协同优化轻量级DVC压缩和自适应码率分配。先前的工作各自为政，DVC研究专注于编码器/解码器不对称性而缺乏传输意识，而码率自适应则假设固定压缩输出。这种“压缩-传输解耦”抵消了效率增益。虽然联邦学习（Federated Learning）支持分布式训练，但其与面向隐私保护的地缘物联网视频传输的联合压缩-传输优化的集成仍未探索，这成为可扩展6G大规模物联网系统需要超可靠低延迟通信（URLLC）的关键障碍。

为了弥补这一差距，本研究提出了一种用于边缘物联网分布式视频编码的协同优化框架，通过机器学习协同集成轻量级压缩和自适应码率分配。该方法独特地解耦了计算复杂性：超精简的深度可分离CNN编码器（≤500 KB）在物联网节点上运行，而基于PPO的控制器利用实时信道指标（RSSI、丢包率）和内容特征在边缘动态分配码率。关键的是，我们引入了一种联合优化机制，通过联邦学习管道统一编码器训练和码率控制，在平衡PSNR、能量和延迟的同时不交换原始视频数据。

本研究主要采用了以下关键技术方法：首先，设计了一种用于物联网节点的轻量级深度可分离CNN编码器，结合通道剪枝和量化感知训练，将模型大小压缩至≤500 KB，计算复杂度降至0.8 GFLOPs/帧。其次，采用了一种近端策略优化（PPO）控制器，根据实时信道状态信息（CSI）和运动复杂度特征动态调整码率。第三，提出了一种联邦交替优化机制，联合降低延迟、能耗和失真，同时保护数据隐私。实验在包含15个树莓派4节点和NVIDIA Jetson AGX边缘服务器的真实边缘物联网测试床上进行，使用了UAV-VisDrone和自定义的Edge-Cam数据集，并利用CORE网络模拟器模拟时变瑞利衰落信道条件。

2.1 整体模型

研究考虑了一种分布式边缘物联网架构，包括N个资源受限的视频传感器（如树莓派4）、一个边缘网关（如NVIDIA Jetson AGX）和可选的云基础设施。遵循Wyner-Ziv理论，帧被划分为关键帧（K）和Wyner-Ziv帧（W），关键帧以更高质量传输以在边缘生成侧信息。无线信道遵循时变瑞利衰落模型。与集中式框架相比，所提出的模型通过在边缘执行所有操作，在拥塞期间将延迟减少了63%，消除了对云的依赖。

2.2 问题表述

目标是在硬件约束下最小化端到端延迟L、能耗E和视频失真D的加权和。该统一表述耦合了压缩和传输决策，实现了计算负载和传输能量之间的精确权衡分析。延迟包括编码时间（在物联网节点上）、传输延迟（通过无线信道）和解码时间（在边缘）。能耗模型结合了设备特定系数。

2.3 轻量压缩模块

设计了一种用于物联网节点的深度可分离CNN编码器，采用YUV 4:2:0转换并将分辨率调整为128x128。编码器架构实施三阶段处理，包括深度卷积、结构化通道剪枝和8位量化。量化感知训练遵循三阶段计划以确保从全精度训练到高效量化推理的平稳过渡。

在边缘网关，采用轻量级生成对抗网络（GAN）利用从VGG16特征提取的感知损失来细化侧信息。该设计在NVIDIA Jetson AGX上实现了小于15毫秒的推理延迟，并将模型大小压缩至487 KB。

2.4 自适应码率分配模块

提出了一种PPO控制器，基于实时状态观测动态分配码率r(t)。状态空间工程包含精心归一化的输入以确保控制器在不同网络条件下的稳定运行。参与者-评论者网络处理归一化状态输入，参与者输出通过tanh激活缩放到[0.1, 2.0] Mbps。在RSSI中断期间，系统切换到回退码率，并通过注入2倍关键帧在信号恢复时恢复，与深度确定性策略梯度（DDPG）相比，恢复时间减少了68%。

2.5 协同优化机制

通过交替最小化解决联合优化问题，在保持端到端协同的同时解耦编码器和分配器训练。在第一阶段，固定分配器参数φ，优化编码器参数θ。在第二阶段，固定θ，通过联邦PPO训练φ，其中传感器计算掩码梯度，边缘网关聚合更新。交叉模块协同通过运动复杂度指数（MCI）反馈发生，联合失真模型结合了信道引起的效应。

协同优化方法在损失信道下产生了可测量的视频质量改进。在瑞利衰落信道上的Edge-Cam数据集上，联合训练在25%丢包率下保持了28.7 dB PSNR，而单独优化仅为26.6 dB。

2.6 实际部署协议

硬件感知初始化校准设备特定参数。运行时自适应工作流遵循运动触发的决策过程。缓冲区下溢触发立即关键帧注入。模型漂移处理在PSNR下降超过阈值时重新触发联邦编码器再训练。

3.2 结果分析

实验结果表明，所提出的方法在1.2 Mbps码率下实现了32.5 dB的PSNR，比ML-DVC高3.2 dB，比DISCOVER高4.1 dB，同时编码延迟比DISCOVER降低42.7%（82 ms vs. 143 ms），能耗比Mobile-HEVC降低38.5%（68 mJ/帧 vs. 111 mJ/帧）。关键的是，它在所有测试条件下保持了实时处理（<100 ms延迟），并将视频卡顿率降低至6.7%。

所提出的协同优化策略在帕累托前沿始终占主导地位，实现了最低的能耗-延迟乘积（5576 mJ ms），相比DISCOVER（15015 mJ ms）减少了62.8%。

消融研究剖析了所提出组件的相对贡献。当单独使用时，没有PPO分配的轻量级编码器实现了30.4 dB PSNR，但缺乏自适应速率控制导致在信道波动下卡顿率为29.3%。相反，没有通道剪枝的PPO分配器将卡顿率降低到12.1%，但PSNR降低到29.7 dB。相比之下，联合训练框架协同结合了轻量编码和PPO驱动的分配，实现了32.5 dB PSNR和仅6.7%的卡顿率。

在真实工业物联网环境中的部署证明了该框架的鲁棒性和实际可行性。在65%丢包率的严重拥塞事件下，系统将视觉质量保持在28.1 dB PSNR，同时保持零视频卡顿。PPO控制器能够在118 ms内做出反应，比DASH-RL（385 ms）快得多。该框架在不影响能效的情况下实现了这些增益，功耗始终稳定在72 mJ/帧（±3.1）。此外，隐私保护训练协议通过联邦梯度掩码将拦截模型更新的重建精度降低到12.3%，满足了GDPR第32条标准。

3.3 复杂性分析

计算开销分析表明，轻量级编码器仅增加8.2 ms/帧的延迟（HEVC为140 ms），其中深度卷积消耗了63%的时间。PPO分配器以4.8 ms/帧的速度执行，比基于DDPG的DASH-RL（14.9 ms）快3.1倍。

研究结论与讨论

本研究的发现揭示，边缘物联网视频性能并非由孤立的压缩或传输效率决定，而是由节点侧编码和边缘侧码率分配之间的协同相互作用决定。传统的解耦方法造成了内在的紧张关系，即编码器效率增益在拥塞期间被次优的码率决策所抵消。所提出的协同优化框架通过交替优化统一了失真、能量和延迟目标，建立了一种动态平衡，其中编码器基于预测的信道条件主动调整空间细节，而控制器调制码率以保持时间连贯性。这将码率从约束转变为自适应控制变量，解释了在高运动序列中2.1 dB的质量改进。关键的是，这种协调完全在边缘在100毫秒内完成，满足了工业物联网的延迟要求。

该框架解决了6G使能的大规模物联网部署中的三个关键痛点：38.5%的能耗减少将电池寿命延长了2.6倍（72小时 vs. 28小时），42.7%的延迟改进实现了先前不可行的应用（如AR辅助维护），联邦学习方法通过梯度掩码满足了GDPR隐私要求。这些增益尤其重要，因为Forch等人的研究发现，低于100毫秒的延迟减少比同等的PSNR增益能带来不成比例的用户体验改善。

尽管存在极端运动场景下质量略有下降以及RL组件对边缘服务器资源的中等要求等局限性，该框架代表了从将边缘物联网视频视为传输问题到将其视为统一资源编排挑战的范式转变。

总之，这项工作通过一种新颖的机器学习驱动的协同优化框架，解决了边缘物联网视频系统中的基本限制——压缩和传输优化的解耦。通过协同集成用于资源受限物联网节点的深度可分离CNN编码器（≤500 KB, 0.8 GFLOPs/帧）和基于PPO的自适应码率控制器，该框架动态平衡了空间细节保留和信道感知传输。联合优化机制通过联邦交替训练运行，在保护隐私的同时实现实时协调。在树莓派4/Jetson AGX测试床上对UAV-VisDrone和Edge-Cam数据集的严格验证表明，与五种最先进的基线（DISCOVER, ML-DVC, Mobile-HEVC, DASH-RL, Fed-DVC）相比，编码延迟降低了42.7%（82 ms vs. DISCOVER的143 ms），PSNR提高了3.2 dB（1.2 Mbps下为32.5 dB），能耗降低了38.5%（68 mJ/帧），同时保持了低于100毫秒的处理时间，并在网络拥塞期间将视频卡顿率降低至6.7%。这些成果为6G使能的大规模物联网部署中的端到端资源感知视频传输建立了第一个实用解决方案，直接解决了先前分布式编码方法中存在的“压缩-传输差距”。

未来的工作将把该框架扩展到多模态传感器融合（视频+热/加速度计数据）用于工业异常检测，探索用于4K视频流的基于Transformer的轻量级模型，并开发用于3GPP 5G-Advanced集成的标准化API。与工业伙伴的合作将验证当前100节点测试台之外的城市规模智能基础设施部署的可扩展性。