随着网络多媒体的迅速发展,网络视频业务在网络传输中占据越来越重要的地位。同时,网络终端用户偏好不同、终端设备异构以及网络环境的不断变化都对多媒体视频流的传输提出了挑战。可伸缩视频编码(SVC)可以将视频编码成一个基本层视频流和若干个增强层视频流,然后可以通过调整视频的发送层数来适应上述复杂的环境。在传统的网络中,对SVC视频流的研究往往关注于在视频流发送端制定合适的视频层数自适应调整策略。数据流对于传统交换机的透明性造成SVC视频流在传统网络中的传输路径很难得到控制。软件定义网络(SDN)作为未来网络的一个发展方向,控制器对网络进行集中控制管理,通过在交换机中建立相应的转发流表实现对各种流的网内控制。因此,已有一些研究在SDN网络中为SVC视频流的传输控制设计相应的策略。然而,目前鲜有文章对SVC视频流层数的自适应调整和视频流各层传输路径的调整进行耦合研究。因此,为了充分利用网络资源来提高视频质量,本文将在SDN网络中对SVC视频流的发送层数与被发送各层的路径实现联合决策。首先,本文设计了一个基于OpenFlow网络的可伸缩视频传输系统。在该系统中,控制器收集到可伸缩视频应用的相关信息,随时监控网络状态,然后动态地计算出视频需要发送的视频层数、各层视频流的传输路径以及相应的QoS保障策略。当可伸缩视频流发送端接收到来需要发送层数的信息后将发送相应层数的视频流到网络中。控制器在各交换机中建立相应的转发流表来控制网络中各层视频流的传输路径,并配置相应的端口队列来保障视频流的QOS传输。然后,本文将发送层数与传输路径的联合决策问题建立成一个马尔可夫决策过程(MDP)模型。模型的状态是N条备选传输路径中各链路的非SVC数据的流量；行动是各视频层的路径编号组成的向量,该行动同时暗含视频的发送层数：回报函数充分考虑到用户体验(QoE)收益以及网络中非SVC数据的丢包代价两方面的因素,并以取得最大的长期期望总回报为目标。由于状态转移概率未知,本文运用Q学习算法来求解该MDP优化问题,得到一个最优策略。最后,为了评估基于MDP的可伸缩视频发送层数与传输路径的联合策略的性能,本文在仿真平台Mininet中部署实验。通过实验可以发现,在不断变化的网络环境中,该策略可以不断地调整发送层数以及各层视频流的路径来适应网络变化。同时,本文还将基于MDP传输策略与其他两种可伸缩视频传输策略进行性能对比,实验显示基于MDP传输策略能够带来更高的长期回报。