面向超密集网络的可伸缩视频传输研究

来源 :南京航空航天大学 | 被引量 : 0次 | 上传用户:intercsw
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着4G/5G蜂窝网络和智能手机的普及,各种新兴的移动视频应用(如抖音)的使用量迅速增加。根据思科的报告,全球移动数据流量在过去几年增长迅速,其中移动视频流量占了一半以上。在日益拥挤的无线网络中,流畅和高质量的视频可能无法保证,进一步可能会导致移动用户体验质量降低。因此,在有限的无线网络资源下,如何提高视频质量和用户体验是一个很大的挑战。目前,蜂窝网络正朝着小基站的异构性和密集部署的方向发展,相关学者已经提出了超密集蜂窝网络的概念。在现有的无线视频传输工作中,大多数只考虑了从单一基站传输视频。在超密集蜂窝网络中,一个移动用户设备可以同时连接到多个基站。因此,本文提出了在超密集网络中以多连接方式传输可伸缩视频的场景,其中,一个视频块的不同视频层可以从不同基站下载。具体地,本文分别考虑了单个用户和多个用户的可伸缩视频下载问题,视频下载过程是以视频块为单位由用户主动选择基站连接组合。单个用户的基站连接组合选择被考虑成一个单智能体多臂赌博机问题。为了获得最优的摇臂,本文提出了一个最优臂选择的上置信界算法。类似地,多个用户的基站连接组合选择被考虑成一个多智能体多臂赌博机问题,该问题是一个分布式用户决策问题。针对于该问题,本文提出了一个多用户摇臂决策算法来选择最优的摇臂。最后,本文分别提出了单用户和多用户的视频下载方案。通过大量的仿真和对比实验,本文证实了上述算法和方案的可行性和优越性。
其他文献
大脑是人体最重要的器官,多个不同的大脑区域广泛交互,共同构成了一个复杂的网络来发挥功能。随着现代神经影像技术的发展,脑影像为研究大脑的病理生理机制提供了有力的技术支撑。特别是功能磁共振成像技术,由于其对大脑功能连接的渐进性变化具有较高的敏感性,已经被广泛应用于计算机辅助诊断。近年来,大型多中心医学数据库的建立加速了脑影像数据共享,为了克服小样本量带来的模型过度拟合的挑战,越来越多的研究开始关注如何
学位
目的探究良性输尿管狭窄腔内手术治疗后置入海马型输尿管支架的临床效果。方法回顾性分析2020年1月至2021年12月于重庆医科大学附属第一医院行良性输尿管狭窄腔内手术治疗患者的临床资料。根据置入输尿管支架类型不同分为3组:A组为单根标准形状输尿管支架,B组为海马型输尿管支架,C组为多根标准形状输尿管支架,每组20例。同时收集3组间的基线资料(包括:年龄、性别、狭窄侧别、狭窄部位、狭窄长度、狭窄程度、
期刊
近年来,现实生活中的数据量急剧增长,信息过载成为当前时代的新问题。推荐系统可以快速地从海量数据中筛选出用户感兴趣的信息,在解决信息过载问题上发挥着重要的作用。然而用户和项目规模的增长产生的数据稀疏问题,导致推荐算法的精度降低,成为当前亟需解决的问题。异构信息网络描述了多种对象间的关系,可应用到许多数据挖掘任务中。知识图谱作为一种有向异构信息网络,包含了实体的描述信息和实体间在现实世界中的联系,可作
学位
数字孪生作为实现装配物理世界和虚拟世界实时交互和融合的有效手段被广泛研究和关注。本文以H企业伺服机构装配单元为应用对象,研究基于数字孪生的伺服机构装配单元管控技术,将数字孪生技术应用到伺服机构装配生产管控中,实现物理装配单元与虚拟装配单元的融合,为装配单元管控提供一种新措施。本文主要从以下几个方面来展开研究工作:(1)伺服机构装配单元数字孪生建模研究。分析伺服机构装配管控建模需求,分别从装配人员、
学位
作为计算机视觉领域基础及热点研究之一,文字检测与识别引起了大家的广泛关注与讨论。相较传统图像处理方法,基于深度学习的方法可以实现图像中文字信息的自动获取,从而进一步提高准确率,极大地节约人工及时间成本。但巨大的模型参数量以及内存消耗限制了其在小型设备如移动终端上的应用与发展,难以满足人们日益增长的需求。基于此,本文对轻量级文字检测与识别算法进行探讨并将其应用于公共数据集及不同领域的数据集之中,实现
学位
近年来,由于医疗从业人员培养周期等方面的限制,医疗效率和质量的提升变得缓慢。海量的电子健康系统(EMR)的数据中隐藏大量信息,为获取医学知识提供了新的途径。因此,如何通过挖掘EMR数据的潜在医学知识来治疗疾病成为进一步提升医疗水平的关键。本文旨在开发治疗引擎,其利用资深医生提供的治疗记录和满意治疗结果患者的电子病历提供的知识预测药物处方,从而提升医疗决策质量,避免意外医疗事故发生。然而这并非易事,
学位
期刊
特征选择是模式识别与数据挖掘的关键问题之一,它是削减假设空间大小、降低数据维度的重要方法。随着信息技术的极速发展,获取完整的有标记数据集变得更加困难,实践中常常需要处理部分标记信息缺失的数据集。半监督特征选择即是应用于上述半监督学习场景的特征选择技术,可以同时利用有标记数据和无标记数据进行特征选择。它一方面可以挖掘全体数据样本的结构、分布信息,另一方面也可以利用有标签样本数据标签提供的类别信息。不
学位
在传统机器学习研究中,学习对象仅由一个类别标记来描述其语义信息。在许多实际应用中,学习对象往往与多个类别标记相关联。多标记学习是解决该类任务的一种学习框架,并已成功地应用到了许多实际任务中。在多标记学习的实际任务中,精确标注对象的多个标记往往代价高昂且异常困难。更高效的标注方式是标注者仅粗略地赋予每个对象一个候选标记集合。该候选集包含数目未知的相关标记,并且往往掺杂着一些不相关的标记。这种方式降低
学位
在众多的室内定位技术中,基于图像的定位技术有很大的应用前景。然而基于图像的室内定位技术目前存在一些局限。首先基于图像的定位需要大量的计算和存储资源,不能部署在计算和存储资源有限的移动端。而部署在服务器端,网络延迟或不可用将导致用户无法获得位置信息或产生较大的定位延迟。其次基于图像指纹的定位方法构建和维护图像库需要消耗大量的成本。为了克服基于图像的室内定位方法中存在的限制,本论文提出了一种实时性和轻
学位