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！

龙图腾网获悉南京师范大学申请的专利一种基于GPU的视频智能分片传输调度方法及系统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：CN121000896B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511526521.5，技术领域涉及：H04N21/2187；该发明授权一种基于GPU的视频智能分片传输调度方法及系统是由郭思彤;张晓岩;王宗羲设计研发完成，并于2025-10-24向国家知识产权局提交的专利申请。

本一种基于GPU的视频智能分片传输调度方法及系统在说明书摘要公布了：本发明公开一种基于GPU的视频智能分片传输调度方法及系统，所述方法包括：构建视频分片传输图，对VSU的内容特征进行分析，基于强化学习生成初始解序列，定义动作与奖励机制，生成初始解序列；采用差异化的变换方式对初始解序列进行处理，生成多组不同的解序列，构成解序列集，根据计算规模设置相应的线程分配策略，对解序列集中每个初始解序列的执行时间进行计算，并存储相关结果；对各线程块计算出的结果进行评价，通过动态聚类筛选出最优解，通过动态阈值迭代策略优化解序列求解及最优解生成过程。本发明能缩短整体传输时间，解决高并发延迟问题；减少卡顿缓冲，提升视频流畅度，且能增强场景适应性。

本发明授权一种基于GPU的视频智能分片传输调度方法及系统在权利要求书中公布了：1.一种基于GPU的视频智能分片传输调度方法，其特征在于，包括以下步骤： 1构建视频分片传输图，节点代表传输设备，边代表视频智能分片VSU的传输路径，路径关联媒体内容多维特征信息，并记录各节点能同时传输的VSU数量限制； 2对VSU的内容特征进行分析，根据特征差异划分为不同复杂度的VSU； 3基于强化学习生成初始解序列，通过感知网络状态、待传输VSU属性及传输完成情况信息，定义合理的动作与奖励机制，经训练后生成符合传输需求的初始解序列； 4针对不同复杂度的VSU，采用差异化的变换方式对初始解序列进行处理，生成多组不同的解序列，构成解序列集，同时保持有依赖关系的VSU的相对顺序； 5将解序列集输入到GPU中，根据计算规模设置相应的线程分配策略，对解序列集中每个初始解序列的执行时间进行计算，并存储相关结果； 6利用分层聚类评价算法对各线程块计算出的结果进行评价，通过动态聚类筛选出最优解，该最优解对应实现所有VSU传输的最小完成时间的传输顺序； 7通过动态阈值迭代策略优化解序列求解及最优解生成过程，针对不同复杂度的VSU设置差异化收敛条件，当满足停止阈值时，输出最优解对应的初始解序列，作为所有VSU传输的最优调度顺序； 所述步骤2实现过程如下： 通过轻量级CNN提取每个VSU的纹理复杂度、运动矢量幅度的内容特征，将VSU分为“高复杂度”和“低复杂度”两类，分别标记为； 所述步骤3实现过程如下： 状态定义为当前网络状态，包括各节点的宽带利用率、负载、待传输的视频智能分片集合及其属性，包括涵盖传输时间，以及已传输VSU的完成情况，； 动作定义为从待传输VSU集合中选择一个VSU，并为其分配传输节点即动作空间； 综合奖励函数设计为数： ； 其中，,,,为权重系数，用来控制四个子奖励在最终评价中所占的重要性；是用于衡量实际传输时间与理论最优传输时间之间差距的指标，是检查所有视频分片对之间播放先后顺序是否符合规则的指标，是依据各服务器负载的方差来计算的奖励指标，是衡量当前调度方案与历史最优历史优质解集合中心之间距离的指标；最终通过强化学习训练生成初始解序列； 所述步骤4实现过程如下： 将初始解序列输入GPU，针对不同复杂度VSU采用差异化邻域算子变换以生成解序列集：元素为边的编号，高复杂度VSU使用10次邻域变换生成多样化解序列并避免局部最优；低复杂度VSU使用3次邻域变换减少无效计算，同时保持有依赖关系VSU的相对顺序； 所述步骤5实现过程如下： 定义线程数和线程块大小：，其中为线程块数，为每个线程块中的线程数，为传输图中的边数；对高复杂度分片分配专用线程块，对低复杂度分片分配共享线程块； 数组定义和内存分配：数组order存在全局内存中，表示输入单个线程的初始顺序，大小为EDGE_NUM；数组limit_nodes为每个节点可同时传输的VSU个数限制，大小为NODE_NUM；数组vsu_attrs为边的属性，包括左右节点、传输时长、语义属性及内容复杂度标记，数据类型为结构体；数组output用于存储每个线程块内最优解值，大小为numBlock；数组thread_per_time用于存储一个线程块内所有线程计算出来的解值，大小为threadPerBlock； 线程计算执行时间的方法为：将解序列集输入到线程块中，每个线程对应一个初始解序列，同步计算执行该序列的时间：对高复杂度分片，精确计算依赖关系影响下的起始时间se，公式为，为每个数据包需要传输的时长；对低复杂度分片，简化依赖关系检查，仅考虑直接前驱，加速计算，其计算结果存储在thread_per_time中，线程块的最优结果存入output数组； 所述步骤6实现过程如下： 通过动态聚类筛选出最优解的方法为：将数组output中线程块最优结果划分为个聚类，计算每个聚类的均值和标准差；剔除均值的聚类，对剩余聚类内的结果进行二次排序，取排序后前10%的结果计算加权平均，最小值所对应的解序列即为最优解。

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南京师范大学，其通讯地址为：210024 江苏省南京市鼓楼区宁海路122号；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”。

以上内容由龙图腾AI智能生成。