2021年1月，物理电子工程学院张志才、付芳课题组的研究成果《Soft Actor-Critic DRL for Live Transcoding and Streaming in Vehicular Fog Computing-Enabled IoV》发表在通信领域顶级期刊《IEEE Internet of Things Journal》(IoTJ)上。该期刊为中科院分区SCI一区，科睿唯安分区SCI一区，影响因子8.442。论文第一作者为付芳，通信作者为张志才， 海外合作导师为Fei Richard Yu教授。这是我校作为第一单位首次在此期刊发表论文。

论文提出一种车辆雾计算网络中基于直播视频转码和传输的资源分配方案。通过联合优化车辆调度、视频比特率选择、计算资源和频谱资源分配，以最大程度地提高所有车辆的视频质量，并降低时延和视频质量抖动。该论文首次将基于最大熵的Soft Actor-Critic算法用于无线资源分配领域，与现有文献在视频流建模时只考虑视频比特率不同，论文将比特率和视频类型都考虑在内，其Python仿真实验结果证明，Soft Actor-Critic算法具有良好的稳定性和探索能力。

车辆雾计算网络场景

2020年12月在中国台北举办的IEEE GLOBECOM 2020（IEEE全球通信大会）上，该课题组发表的论文《Energy-Efficient Video Streaming in UAV-Enabled Wireless Networks: A Safe-DQN Approach》获得了大会颁发的最佳论文奖(Best Paper Award)，这是我校教师首次获得国际通信领域旗舰会议最佳论文奖。IEEE GLOBECOM是世界通信行业的两大旗舰会议之一，是世界通信行业规模最大、最具影响力的标志性学术会议，于每年十二月中旬定期召开。本次大会从3000+篇投稿中根据研究领域评选出15篇最佳论文，获奖率仅有千分之五。

该论文提出一种基于Safe Deep Q-learning Network (Safe-DQN)的无人机辅助蜂窝网络视频节能传输方案。无人机被认为是5G网络中非常重要的组成部分，它能为用户提供丰富的视频服务，如军事侦察、监控和公共安全等。然而，由于无线信道的动态变化特性和广播特性，及无人机电池容量的有限性，如何提供安全和高质量的视频流服务将是很大的挑战。论文从物理层安全的角度出发，通过联合优化视频编码策略和功率控制以最大化系统能量效率（视频质量和功率的比值），并满足时延要求。此资源优化问题被建模为受限的马尔科夫决策过程，采用最新的深度强化学习算法Safe DQN获得最佳资源分配策略。

最佳论文奖