【摘 要】
:
随着网络媒体技术和通信技术的快速发展,视频服务的需求也越来越多,移动用户对高质量视频服务的观看体验指数的需求也越来越大。在网络资源有限的情况下,网络波动会对用户的体验质量(Quality of Experience,QoE)造成恶劣的影响。因此,有必要实现无线网络上视频传输的高效性和稳定性,并通过灵活分配和动态调整可用的网络资源来保证用户的QoE。论文研究基于用户偏好感知的移动视频传输资源优化,选
论文部分内容阅读
随着网络媒体技术和通信技术的快速发展,视频服务的需求也越来越多,移动用户对高质量视频服务的观看体验指数的需求也越来越大。在网络资源有限的情况下,网络波动会对用户的体验质量(Quality of Experience,QoE)造成恶劣的影响。因此,有必要实现无线网络上视频传输的高效性和稳定性,并通过灵活分配和动态调整可用的网络资源来保证用户的QoE。论文研究基于用户偏好感知的移动视频传输资源优化,选题具有重要的研究意义和应用价值。针对现有QoE模型没能考虑用户偏好的因素,也没有考虑播放过程中不同等级的码率切换的问题,论文定义了一个综合用户偏好的QoE模型,为了深入研究用户偏好,该模型综合考虑了数据消耗、卡顿和不同码率等级切换对用户观看体验的影响,模拟在视频播放过程中的视频质量变化。在定义的QoE模型的基础上,论文提出一种基于QoE的码率自适应方法,以QoE为优化目标,根据实时网络状况、缓冲级别和流量消耗预测未来视频传输过程中所需的视频块质量,得到最佳码率决策。研究结果表明,本文提出的方法能够根据实时网络条件调整视频块码率等级,具有良好的播放稳定性,能够提高用户的观看体验。针对移动网络中由于用户请求的视频码率与实时变化且受到限制的网络条件不匹配给视频播放体验带来的负面影响,对自适应视频流传输进行了深入细致的研究。本文以最大化个体用户的实时QoE为目标,提出了无线资源按需分配方法,使无线资源分配动态适应于码率选择结果,从全局角度保障系统中每个用户的视频观看体验。本文将提出的无线资源分配方法与最新的无线资源分配方法进行了比较,仿真结果表明,与最新的方法相比,本文提出的基于用户偏好感知的移动视频传输资源优化方法可以有效地减少由于请求的视频码率与时变的网络条件不匹配引起的卡顿,并对提高用户的实时QoE取得了显著的优化效果。
其他文献
通用视频编码(Versatile Video Coding,VVC)已于2020年7月正式发布,在显著提高编码效率的同时,大大增加了计算复杂度。文献研究表明,与四叉树划分结构相比,VVC引入的多类型树(Multi-type Tree,MTT)划分结构大约增加了9倍左右的编码时间。为了降低VVC编码块划分的计算复杂度,论文基于编码单元(Coding Unit,CU)特性,从多类型树划分、帧内子划分(
时序图中包含节点与时序边,一般用于表示实体之间随时间变化的关系,在真实世界中有广泛的应用。稠密子图挖掘问题(Cohesive Subgraph Mining,CSM)在图论领域是一项基础且重要的工作,在时序图中同样被广泛研究。然而,现有的研究大多集中在时序图中的稠密子图检测(Cohesive Subgraph Detection,CSD)问题上,即找出整个时序图中所有已定义的子图。当时序图规模较大
车联网是一个支持交通领域内各种实体实时通信的分布式网络,能够带来巨大的经济效益,已受到各国政府及企业的关注。类似停车位、充电桩等服务信息的推送是车联网中非安全相关应用的典型代表,对用户至关重要,具有非常广泛的应用场景,研究这类非安全相关的应用具有重要的意义。服务提供商向用户提供的非安全相关的应用多与用户的目的地有关,但用户不会主动上报其出行的目的地,因此需要对用户出行的目的地信息进行实时预测以提供
由于保持了原有连续系统的内在几何结构,变分积分子特别适用于经典力学系统的模拟。鉴于此,本文提出了一种新的构造力学系统变分积分子的设计方式。新的构造方式利用离散变分原理,同时结合连续和离散的Euler-Lagrange方程,所构造出的变分积分子自动继承了连续系统的解所具有的几何特性,在模拟动力学系统的运动时十分高效。将这种新的构造方式应用到力学系统中去,可以发现所得到的变分积分子要比利用经典构造方式
地热能是一种源自地球内部并以热能形式储存于地层中的可再生清洁能源。单井循环地下换热系统是一种开发地热能的形式,在运行中直接抽取含水层中地下水并提取其中热量满足建筑负荷,因其节能环保,换热效率高等优点受到广泛关注。系统运行中为防止地下水位下降必须设置回灌补充含水层水量,而回灌中部分回水未与含水层充分换热后就流至抽水区并被抽出,形成流贯通现象,而流贯通会导致抽水温度变化,进而形成热贯通现象。长时间运行
同时定位和构图(Simultaneous localization and mapping,SLAM)是指机器人从未知地点开始移动,在运动的同时持续观测周围环境,进而利用重复观测到的环境特征来定位自身的位姿,根据此位姿信息再构建周围环境的增量式地图,从而达到同时定位和构图的目的。由于SLAM的重要学术价值和应用价值,它被广泛应用于移动机器人、灾中应急和环境监测等领域。目前主流的SLAM传感器有激光