近些年来,随着移动互联网技术的发展以及移动网络的提速降费,移动视频业务逐渐受到人们的欢迎。DASH(Dynamic Adaptive Streaming over HTTP)作为一种新型的视频流媒体技术,基于HTTP协议传输,部署灵活,不受防火墙的约束;同时DASH终端具有码率自适应的功能,用户可以根据自身情况动态地选择最合适的视频版本进行下载。基于上述特点,DASH业务发展迅速,受到市场的广泛青睐。但是由于LTE网络频谱资源受限,且无线信道及用户可用带宽具有不稳定的特点,DASH业务在LTE网络中的传输仍然面临巨大挑战。本文以提升DASH业务在LTE网络中的用户体验质量(Quality of Experience,QoE)为目标,分别从网络侧和用户侧对DASH业务的传输策略进行优化。在网络侧,本文设计了一种面向用户体验感知和终端节能的资源调度方案。LTE网络内传统的资源调度方案都是针对QoS(Quality of Service)指标来设计,不适合以优化QoE为目标的DASH业务。同时,用户在移动网络中观看DASH视频时终端耗能较大,这对设备的待机时间影响显著。因此,本文提出同时考虑用户体验和终端能耗因素,通过对用户缓存和终端能耗进行建模,并引入李雅普诺夫优化体系,设计了一种实时的资源调度算法。仿真表明,所提算法相比于其他同时考虑QoE和终端能耗的资源调度算法在中断时长方面减少约10%,同时终端能耗也能进一步降低。在用户侧,本文提出了一种基于网络状态识别的码率自适应方案。移动网络中,由于存在衰落、干扰、噪声等因素,用户的无线信道通常不太稳定;同时,DASH业务作为数据业务,传输中也可能会受到网络拥塞事件的影响,导致有线链路出现不稳定的情况。现有码率自适应方案通常只针对无线信道不稳定这一特点来设计,很少有工作考虑无线信道不稳定和有线链路拥塞共存的场景。鉴于此种场景在实际网络中客观存在,本文提出一种在识别有线链路拥塞状态的基础之上有针对性地调整码率自适应方案的优化策略。首先,通过服务器和网络协助型的DASH技术获取网络运行的相关数据,例如TCP拥塞窗口值。进一步地,利用机器学习的方法对其进行分类处理,识别当前网络是否发生拥塞。如果有线链路发生拥塞,终端将根据链路的瞬时吞吐量自适应调整码率;若没有出现拥塞,则根据平均吞吐量调整码率。与传统算法相比,本文提出的算法在网络出现拥塞时由于码率调整及时,不会发生中断,同时平均码率性能也有所提升。