近年来,移动互联网产业得到了飞速的发展。在线视频服务作为最重要的也是最普遍的移动互联网应用,已经得到了学术界以及工业界广泛的关注。同时,随着移动网络数据需求的飞速增长,以及高速的4G LTE网络的快速覆盖,在2016年视频已经占据了整个移动互联网数据流量的50%以上(约4.25Exa Bytes)。根据全球移动通信系统联盟的报告,到了2020年,视频数据在移动互联网数据中的比重将会进一步提升到75%,其数值将来到惊人的34.5Exa Bytes。再者,随着高带宽移动4G LTE网络的逐步覆盖,越来越多的移动互联网终端设备(包括日常使用的平板电脑、智能手机等)也在提升其对于在线视频服务的需求。在线视频流技术,是目前最为流行的在线视频播放技术之一,它已经被广泛的应用在移动4G LTE网络中。在本文之前已经有工作在研究4G LTE网络中的能耗问题,但是在线视频流技术如何对移动互联网终端设备的能耗产生影响,依然没有得到清晰的解答和研究。本文对4G LTE网络下使用在线视频流服务的移动互联网终端设备的能耗进行了能耗建模,同时提出了用于分析其能耗优化空间的辅助算法。本文设计了能耗分析系统,通过其对节能空间、RRC tail数量和数据传输模式等关键指标进行了研究。另外,为了优化使用在线视频流服务的移动终端设备的能耗,本文研究了其中几个问题:(1)如何有效地控制视频缓冲器的容量大小;(2)怎样智能地融合视频段存取会话;以及(3)如何在用户行为模式未知的情况下提出优化策略。本文提出了相应的移动终端设备能耗优化方法,其核心的思想是利用持续性的视频观看时间和电池电量来预测用户行为模式和节能需求,然后动态地调整和平衡相关的播放参数,以获得能耗上的优化。本文的主要贡献概括如下。1.本文提出了针对在线视频流服务的移动终端设备能耗模型。能耗模型能够描述不同的使用场景,用于理解在线视频流服务各种状态对移动终端设备能耗造成的影响。本文同时根据能耗模型设计了能耗分析系统和提出了能耗分析算法,以此研究移动终端设备的能耗特性。2.本文系统地研究了针对在线视频流服务的移动终端设备能耗特性。本文通过实验揭示了一系列针对在线视频流服务能耗的研究发现(如其中网络部分的能耗优化空间,RRC tail的数量和数据传输模式是能耗优化的关键指标等)。3.本文提出了一种能耗优化的用户行为自适应方法,以解决关键的能耗优化问题。本文对提出的自适应方法做了详尽的理论分析,从理论角度证明了本方法的适应性和有效性。然后,本文对提出的自适应方法做了扩展性的实验。实验结果表明相对于其他的方法,本文提出的自适应方法更接近于理想的优化。4.本文提出了一种电量感知的能耗优化方法。根据不同的电量能级,本文提出的方法能够动态地调整视频播放的策略。通过理论分析和扩展性实验,本文从不同的角度证明了电量感知方法的有效性。