一、基于无线网络的实时视频传输技术（论文文献综述）
韩柏涛[1]（2021）在《面向真空管高速列车的无线通信系统关键技术研究》文中进行了进一步梳理在轮轨高铁快速发展的同时,被誉为“第五种交通工具”的下一代超高速高铁——真空管高速列车进入人们的视野。真空管高速列车,可实现磁悬浮列车在接近真空的低压管道内以低机械磨擦、低空气阻力、低噪声模式全天候超高速（超过1000 km/h）运行。如果该项技术得以商用,旅客旅行的时间将被极大缩短。相比传统的高铁,真空管高速列车运行主要有两个特点:极高的运行速度和特殊的运行环境（密闭狭长的管道）。这对列车车-地无线通信提出了更高的要求,现有的无线通信系统对于真空管高速列车车-地通信中严重多普勒效应和频繁越区切换等问题无法提供有效的技术支撑。为了保障列车安全、高效地运行,需要针对真空管高速列车车-地无线通信系统架构展开研究。论文拟基于现有列车车-地无线通信系统研究现状并结合真空管道场景的特点,分析真空管道高速列车综合承载业务性能需求,研究真空管高速列车运行场景特有的无线信道传播特性,研究了在真空管高速列车场景下5G网络系统性能,并进一步开展资源优化方法研究。具体而言论文围绕四点主要内容展开研究:1)分析并给出了真空管高速列车车-地无线通信业务需求。总结了现行各类轮轨交通应用的车地无线通信技术与无线接入方式,并分析了车地通信需求指标。基于已有的无线通信技术,结合高速列车运行特点和现行轮轨交通的通信需求,对真空管高速列车车地通信数据类型和指标进行了详细分析。最后指出了真空管高速列车车地无线通信存在的主要挑战。2)建模并分析了真空管道场景下的无线信道特性。采用一种确定性信道建模方法——传播图建模方法,并引入了Lambertian散射模型以提高信道建模精度。在建模过程中,考虑了视距（Line-of-Sight,Lo S）成分、单次反射和两次反射分量,以生成更准确的信道冲激响应。随后,通过分析多径数量、K因子、时延扩展和多普勒功率谱描述了真空管道场景车信道特性。然后通过频谱效率和奇异值扩展对比了仿真信道和与瑞利信道的容量情况。3)研究了在真空管高速列车场景下5G网络系统性能。基于系统级仿真,研究了单基站与多基站两种场景5G系统的列控业务与乘客业务通信的误块率、频谱效率与吞吐量,对5G网络在真空管高速列车车地通信场景下的系统性能进行了评估。4)提出了一种适用于真空管道场景的云无线接入新架构,能够显着降低资源迁移成本。探讨了云无线接入网（Cloud Radio Access Network,C-RAN）应用于真空管高速列车车-地通信场景的可行性,并利用图论研究了真空管高速飞行列车车地通信资源迁徙的问题。为了降低成本,还提出了一种新颖的射频拉远端（Remote Radio Head,RRH）和基带单元（Base Band Unit,BBU）池之间的连接关系。在此基础上,建立了一个灵活的网络架构以便动态地分配资源,然后将高速列车沿线资源迁移成本最小化问题转化为最短路径问题。仿真结果表明该机制能显着降低资源迁移成本。综上所述,本文相关工作是真空管高速列车车-地无线通信关键技术的前瞻性研究,有助于尽快形成真空管高速列车车-地无线通信关键问题的解决方案。这些研究对于我国抢占轨道交通技术制高点,引领未来超高速轨道交通技术发展,确保我国在轨道交通技术领域的领先地位具有重要意义。
张家森[2]（2021）在《支持远程驾驶的视频控制决策算法研究》文中研究指明随着汽车制造业的不断发展,国内私家车拥有量快速增长,因此而导致的交通拥堵和出行安全问题日益严重,对智能交通系统的建立有着迫切的需求。近些年来,随着车联网技术不断发展,在汽车行业内引起了广泛关注,远程驾驶技术作为其中重要组成部分,它可以实时追踪车辆的行驶状态,并在情况紧急时,在远端控制中心及时对车辆进行接管,实现远程驾驶,防止危险出现,提高车辆安全行驶。由于汽车在道路上进行远程驾驶时,车辆终端通过网络实时回传的视频信息是远端控制中心进行远程驾驶的重要依据,车辆终端通常在众多不同制式的无线网络覆盖范围内行驶,这就要求汽车终端需要通过有效的网络间的切换和自适应调整视频传输的速率来保持视频图像的稳定回传。本文主要对车辆在车联网环境下进行远程驾驶时的无线网络切换问题和视频实时传输自适应调整码率问题进行研究,并提出相应的解决方案。针对车辆终端在车联网场景下进行网络切换时存在响应不及时和切换次数过多导致乒乓效应的问题,提出一种改进算法。本算法首先对待接入网络进行筛选处理,选取符合条件的网络,然后通过模糊层次分析法确定网络属性的权重,TOPSIS算法进行优先级排序,最后根据排序结果进行切换。仿真结果表明,本文算法具有较好的切换性能,且能够降低切换的频率,减少乒乓效应,提升车端网络系统的切换性能和稳定性。针对车端视频实时传输过程中,由于网络环境的变换,不能自适应的调整视频传输速率,出现延迟、拥塞的问题,改进了一种基于探测法的自适应码率调整方法。该算法将视频接收端反馈的网络评估参数作为对实时网络环境进行预测的依据,在原有的网络状态评估参数丢包率的基础上引入时延抖动作为新的评估参数,然后根据本文所改进的视频传输速率调整机制对网络状态的变化做出及时反应,使视频数据传输速率与网络信道实时匹配,测试结果表明,改进后的算法能够准确地调整视频传输速率,更好的满足车端视频数据传输要求。
曾敏寅[3]（2021）在《面向无线视频直播业务的多播传输与自适应播放策略研究》文中研究表明随着移动互联网的普及,无线视频直播业务发展迅速。与点播业务不同,直播内容是实时生成的,且对时延有更高的要求。作为应对无线信道时变特性的有效途径,自适应流媒体技术支持直播用户动态调整视频码率,受到广泛关注。考虑到直播场景中常会有大量用户同时观看相同内容,适合采用无线多播技术共享传输资源,研究如何将其与自适应流媒体技术有效结合以提升系统性能具有重要意义。与此同时,若不同用户请求内容各不相同,则难以满足多播应用条件,如何优化典型单播场景中的用户体验亦是一项关键挑战。因此,针对上述多播和单播两种直播场景,本文分别研究了多播传输优化方案与自适应播放策略。首先,针对无线视频直播业务中的公共传输场景,本文提出了一种实时视频多播系统架构,并在该架构下联合考虑用户分组、资源分配和码率选择问题,设计了一种基于网络辅助的实时视频多播传输优化方案。首先,采用基于K-means++的用户分组方法,确定分组数量和用户分组结果。其次,在给定用户分组信息的情况下,基于李雅普诺夫优化方法,提出不同时间尺度的联合资源分配和码率选择算法,并且给出了算法性能的理论下界。与其他基准方案相比,本文所提多播方案在用户体验方面达到至少14%的性能提升。其次,针对无线视频直播业务中的典型单播场景,本文在码率选择的基础上引入时延控制机制,结合直播业务特征重新构建客户端缓冲区模型,设计了一种以码率选择和时延控制为核心的直播自适应播放策略。所提算法考虑视频播放的前后相关性,基于滚动时域控制方法并以长时QoE最大化为目标对码率选择与时延控制策略进行联合优化。仿真结果表明,与现有算法比较,所提自适应播放策略的平均QoE提升了至少9.1%,且在不同性能指标之间达到了更好的权衡。
代健美[4]（2021）在《面向无线视频业务的边缘缓存与多播技术研究》文中研究表明随着在线/移动社交媒体和移动网络的快速发展,移动视频业务种类更加多样,视频数据速率、分辨率、帧率越来越高,导致移动视频数据流量急剧增加,现有无线网络将很难满足用户高质量视频通信的需求。构建面向视频业务的新型无线网络传输架构,应用缓存、多播等技术减少视频流量冗余,是降低无线网络压力的有效途径,具有重要的研究价值。为此,本文以提升无线视频业务性能、降低无线网络负载为目标,以优化理论为数学基础,通过挖掘各种典型视频业务特征,分别设计了面向普通视频、可伸缩视频编码（Scalable Video Coding,SVC）视频、虚拟现实（Virtual Reality,VR）视频等业务的新型无线传输架构,提出了适应传输架构特点和视频业务特性的无线边缘缓存优化方案及侧链路辅助的无线多播优化方案,有效降低了各类视频业务的平均下载时延,提高了传输质量,提升了用户体验。具体的研究工作及成果概括如下:首先,提出一种面向普通视频业务的主动无线边缘缓存策略。利用下一代无线接入网（Next Generation Radio Access Networks,NG-RAN）的云计算和分布式存储能力,构建了基于NG-RAN的无线视频传输架构,设计部署了缓存管理控制器和基于中心单元（Central Units,CU）-分布式单元（Distributed Units,DU）的二级缓存。为最小化平均传输时延,联合考虑用户移动概率和视频观看行为特点,分别提出了“用户移动性感知”和“用户移动性与视频片段流行度联合感知”的主动边缘缓存算法。理论分析和仿真证明,与已有典型算法相比,所提算法具有较低的复杂度,平均下载时延降低约10%,缓存命中率提高约20%。接着,提出一种面向SVC视频业务的无线边缘缓存策略。考虑到SVC提供的可伸缩性有利于视频交付,而NG-RAN具有灵活的网络结构,设计了基于NG-RAN的SVC视频传输架构。为最小化平均传输时延,联合考虑用户移动性、NG-RAN分层结构和SVC视频分层结构,提出了一种基于缓存优先级的启发式分层缓存算法。针对远端下载传输时延远高于边缘下载传输时延的特殊场景,提出了一种具有1/2近似比的简化算法。仿真结果验证了所提算法的有效性。相比较现有典型算法,所提算法的平均等待时间降低约16%,缓存命中率提高约30%。然后,提出一种面向360°VR视频业务的无线边缘缓存策略。针对VR业务的时延敏感性和计算密集性,设计具有视场合成和二级缓存功能的360°VR视频传输架构。以最小化平均下载时延为目标,建模了分层协作缓存优化问题并给出了理论最优解。针对最优解方案的NP-hard问题,提出了基于“最小距离数最大化”的低复杂度在线缓存算法,理论证明了所提算法与最优算法的近似比。仿真实验表明,所提算法比现有典型算法的平均等待时间降低约7%,回程流量降低约24%,而体验质量（Quality of Experiment,QoE）提升约 60%,实现了 360° VR 视频在NG-RAN网络中的低时延高效传输。最后,提出一种面向多质量贴片360°VR视频的侧链路辅助多播优化策略。针对传统无线多播容量受限于较差信道用户的问题,构建了侧链路辅助的360° VR视频无线多播传输系统,设计了两时隙流水线数据传输方案,提出了独立解码和联合解码两种侧链路辅助多播场景。针对不同场景分别建模了效用函数最大化问题,并给出了理论最优解方案。针对最优解实现复杂度过高的问题,提出了基于贪婪搜索和连续松弛的两阶段优化算法。通过对多播用户数、侧链路发送用户、带宽资源、接收视频贴片质量等级等进行联合优化,算法在无线资源消耗与多播容量之间实现权衡,获得了接近上界的次优解。仿真结果表明,算法具有较低的时间复杂度和很快的收敛速度,与传统多播算法相比,总效用值可获得10%的增益,可实现多质量贴片360°VR视频的高质量传输。
王博[5]（2021）在《基于用户偏好感知的移动视频传输资源优化》文中认为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取得了显着的优化效果。
杨媛[6]（2021）在《基于E-MBMS的宽带数字集群系统MCVideo视频组播技术的研究与验证》文中研究表明关键任务视频（Mission Critical Video,MCVideo）是第三代合作伙伴计划（3rd Generation Partnership Project,3GPP）组织规定的新一代宽带数字集群视频通信技术标准,支持群组视频通话等宽带集群业务。MCVideo系统采用长期演进（Long Term Evolution,LTE）作为承载网络,利用增强多媒体广播多播服务（Enhanced-Multimedia Broadcast Multicast Service,E-MBMS）实现多媒体业务的广播和组播。E-MBMS技术规定同一时刻不同小区以同一频率同步传输用户数据,提高了LTE系统的频谱利用率和系统容量。将传统的MBMS组播技术直接应用于MCVideo宽带数字集群系统视频组呼,不能满足集群系统接续时间短、呼损率低以及优先级呼叫等性能。因此,基于E-MBMS的宽带数字集群系统MCVideo视频组播技术的研究具有重要的意义。本文在综述国内外宽带数字集群系统视频组播技术研究现状的基础上,研究并验证了基于E-MBMS的MCVideo视频组播技术,主要工作如下:1.基于MCVideo和MBMS系统架构,分析了MBMS控制面和用户面协议栈,阐述了E-MBMS集群通信服务管理流程和基于E-MBMS的MCVideo视频组播控制流程,研究了E-MBMS业务控制信令和用户数据的同步处理机制,实现了E-MBMS控制面和用户面的同步功能;2.提出了一种基于E-MBMS的自适应流媒体（Dynamic Adaptive Streaming over HTTP,DASH）视频组播技术,根据MCVideo终端信道质量动态地调整组播视频传输速率,提高了系统的资源利用率;3.提出了一种改进的时延优先资源调度算法（Improved Delay Priority Scheduler,IDPS）。该算法综合考虑了用户数据包时延信息和实时信道质量信息,通过对时延优先算法（Delay Priority Scheduling,DPS）进行改进,有效地保证了实时性,不但实现了系统吞吐量和用户公平性的平衡,而且获得了更好的丢包率性能;4.提出了一种实现MCVideo视频组播技术的E-MBMS系统软件架构,该架构实现了MCVideo服务器的集群通信服务管理功能和MBMS系统的承载服务功能,具有互操作性强、信令处理速度快以及易于维护等特点。利用C++和C编程语言,基于Ubuntu操作系统,开发了MCVideo服务器、广播组播服务中心（Broadcast Multicast Service Center,BM-SC）实体、多媒体广播/多播服务网关（Multimedia Broadcast Multicast Service Gateway,MBMS GW）实体、移动性管理实体（Mobility Management Entity,MME）以及多小区/多播协调功能实体（Multi-cell/Multicast Coordination Entity,MCE）软件,实现了基于E-MBMS的MCVideo视频组播技术;5.搭建了基于E-MBMS的MCVideo视频组播技术验证平台,验证了E-MBMS集群通信服务激活、去激活以及更新流程和MBMS用户面数据的同步性能、传输时延以及吞吐量。验证结果表明,所实现的E-MBMS系统可以实现E-MBMS组播业务,并符合宽带数字集群系统MCVideo视频组播业务的时延等服务质量要求。
王鸿璋[7]（2021）在《基于移动边缘计算的视频业务QoS保障研究》文中研究表明移动边缘计算（Mobile Edge Computing,MEC）通过下沉存储和计算资源,可以在网络边缘侧提供就近的响应和服务能力,为视频业务的QoS保障提供了新的思路。然而,有限的边缘缓存及终端算力资源与视频业务苛刻的QoS需求之间存在着矛盾。因此,如何利用有限的MEC缓存、计算和通信资源,实现视频业务的QoS保障,成为亟需解决的关键问题。本论文围绕配备有MEC的无线通信网络中视频业务的QoS保障优化技术而展开,针对现有的MEC资源分配算法在视频缓存和传输等方面存在的不足,从边缘缓存策略设计和视频传输系统实现两方面进行了研究:（1）基于视频片段的MEC缓存资源和推荐系统联合优化研究针对缓存资源有限的问题,本文设计了一种细粒度的MEC缓存资源分配策略,考虑视频片段流行程度的差异,并引入缓存感知的推荐系统,通过向用户推荐满足其观看兴趣同时缓存在MEC节点中的视频,来提高视频文件的缓存命中率。仿真结果表明,本文提出的算法在降低视频文件平均传输时延和提高缓存命中率等方面具有明显的优势。（2）基于图像超分辨的回程带宽受限视频传输系统设计与实现针对终端算力受限的问题,本文面向融合了 MEC的星地协同网络场景,引入了基于深度神经网络的图像超分辨算法,在不需要终端算力提升的前提下,利用MEC服务器的计算能力提升视频分辨率,同时基于HLS（HTTP Live Streaming）视频传输协议,设计并实现了端到端视频传输系统,有效节省回程链路带宽的占用,利用MEC服务器的计算能力弥补回程链路带宽受限的缺陷。实验结果表明,所设计的系统在提升视频分辨率的同时,可以满足实时传输的目标。
郭凤仙[8]（2021）在《5G网络中多维资源联合管理技术研究》文中研究指明随着智能设备和计算技术的发展,无线蜂窝网络承载的设备与流量与日俱增。与此同时,各种新型应用不断涌现,如高清视频点播、模式识别、虚拟现实（Virtual Reality,VR）线上游戏等。这些新型应用具有数据密集、计算密集和时延敏感等特征,对第五代移动通信（5th Generation Mobile Communication,5G）提出了更高的要求,如超高速率、超低时延和海量连接等。为了满足新型业务的需求,5G网络拟引入异构小小区网络、超密集网络和移动边缘计算（Mobile Edge Computing,MEC）等技术,通过密集部署各类小小区基站并将缓存、计算等功能下沉到网络边缘,以提高网络容量、频谱效率和传输速率等。随着新型技术的引入,5G网络需要管理的资源不再仅限于传统的通信资源,而是逐渐向包括缓存、计算等在内的多维资源演进。由于各维资源的管理在系统性能保障中扮演着同等重要的角色,且相互影响,因此,多维资源联合管理非常必要。综上所述,本文以5G中的多维资源联合管理为研究重点,面向不同应用分别提出了高效的多维资源联合管理方案,以提高资源利用率,改善用户服务质量。论文的主要创新工作如下:1.在基于能量收集（Energy Harvesting,EH）和边缘缓存的5G小小区网络中,提出了一种面向高清视频的缓存和用户接入联合优化方案。首先,将EH和边缘缓存技术引入到小小区网络中,通过收集可再生能源进行供电,在网络边缘实现了自供能和内容存储,从而实现了绿色通信,提高了用户的QoS。其次,考虑能源到达的随机性和回程容量受限,本文将缓存和用户接入问题建模为联合优化问题,最大化小小区基站所服务的请求数,以降低传统电网能耗。再次,为了求解该问题,将原始问题分解为两个子问题,即用户接入和缓存,以降低求解复杂度。然后,利用潜博弈对两个子问题进行再建模,并提出了一种二维迭代算法进行求解。最后,仿真结果表明所提算法可以有效提高系统效益、能效和命中率。2.在基于MEC的5G小小区网络中,提出了一种面向计算型应用的高效计算卸载方案。首先,将MEC技术引入到小小区网络中,通过两者的结合,实现了用户在网络边缘进行分布式计算卸载的需求,减轻了核心网的压力,提高了用户的QoS,延长了移动设备的使用寿命。其次,以最小化用户能耗为目标,将卸载决策、信道分配和计算资源分配问题建模为混合整数非线性规划问题。再次,提出了一种基于遗传算法和粒子群优化的分层计算卸载算法,其中遗传算法负责粗粒度搜索,粒子群优化负责局部搜索,并分析了所提算法的复杂度。最后仿真结果表明所提算法能够有效收敛,并能够降低用户能耗,提高卸载用户数。3.在基于毫米波和MEC的5G网络中,提出了一种面向无线VR的多维资源联合管理方案。首先,将毫米波和MEC技术引入到5G网络中,提出了一种自适应无线VR架构,通过在网络边缘提供自适应渲染服务和缓存服务,满足了高质量无线VR游戏的需求。其次,考虑到资源的有限性和用户的移动性,将多维资源联合管理问题建模为最优化问题,通过联合优化用户接入、缓存策略和卸载模式选择,最大化用户体验质量效益。再次,提出了一种基于深度强化学习和潜博弈的分布式算法。其中深度强化学习负责线下训练,潜博弈负责线上执行。最后,仿真结果表明所提算法具有良好的适应性和可扩展性,并且能够有效降低时延和改善VR用户的体验质量。
孟建文[9]（2021）在《基于边缘网络的视频传输机制优化研究》文中研究表明随着移动网络和无线通信技术的快速发展,越来越多的以视频信息为载体的应用出现在了人们的日常生活中,视频应用占据了互联网中通信流量的绝大部分。庞大的视频流量和日益提升的视频质量要求为传统基于云计算的服务架构带来了严峻的挑战。一方面云端视频服务器的负载和带宽开销非常大,高质量视频的端到端传输为整个网络带来了巨大的回程传输压力;另一方面由于视频业务与移动网络的分离设计,视频业务难以感知到无线网络的实时状态变化,视频传输难以达到最佳效果。边缘网络通过将云计算中心的部分资源和功能下沉到网络边缘节点上,可以为用户提供更加灵活高效的视频服务,进而改善上述提到的问题。边缘节点上部署的的存储资源和计算资源可以很好地提升用户的视频观看体验。其中,利用边缘节点的存储能力进行视频缓存,不仅可以高效地满足视频分发过程中用户对于热门视频内容的重复请求,降低网络中的冗余流量,还能缩短视频服务的时延,为用户带来更好的体验;利用边缘节点的计算能力进行视频转码比在云端转码有着更快的响应速度,同时边缘节点能够及时地捕捉到用户的无线信道变化情况,为用户提供最合适的转码速率集。鉴于缓存策略和转码策略在视频传输中的重要性以及当前研究在一些场景下的不足,本文分别针对边缘网络中SVC视频的缓存放置策略和直播视频的转码策略展开研究。本文的研究内容主要包括以下部分:（1）针对可伸缩编码视频,这类视频在传输、存储和视频码率上具有分层的特性,本文通过设计联合缓存放置和码率选择策略来进行优化。与数据和普通视频缓存不同,用户的信道分布会显着地影响到可伸缩视频不同分层的缓存有效性。基于此,我们在缓存不同视频分层时考虑了用户的接收能力和码率选择策略,来避免缓存一些无法被用户流畅接收的可伸缩视频分层。该问题被建模成一个混合整数连续规划问题,我们首先通过对用户信道的概率分布模型进行差分近似将其转换成较低复杂度的离散优化问题,之后提出了启发式的两步动态规划算法来进行求解。大量实验仿真的结果表明我们所提出的联合优化策略较其他组合策略可以更有效地提升用户的平均QoE。（2）针对直播视频,本文关注到视频转码后不同目标码率集对用户视频观看体验的影响,通过设计联合动态转码和资源分配策略来进行优化。传统固定转码目标码率集的转码策略不能很好地适应移动用户的动态性,无法为用户提供最佳的码率选择,存在着计算资源和传输功率的浪费。为解决该问题,我们在考虑设计更加细粒度的动态转码策略时,同时考虑边缘节点上计算资源和传输功率的分配。该问题被建模成一个混合整数非线性规划问题,经过分析,我们发现在固定用户分组的情况下原问题可以得到简化。基于此,我们设计了基于用户聚类的动态转码以及计算资源和传输功率分配算法。经过大量实验仿真,我们证实了所提出的联合策略在提升用户总的QoE上具有显着的优越性。
杨恒毅[10]（2021）在《基于边缘互联网的野生动物监测系统软件分析与设计》文中认为野生动物监测系统作为野生动物保护的重要组成部分,对保护野生动物,维持生态系统的和谐稳定起着重要作用。我国已在多个省份的自然保护区大量布设红外相机构建野生动物监测系统。但是由于存在野生动物保护区通常没有通信网络以及红外相机易被误触发、数据回收难度较大等问题,野生动物监测系统无法及时获取监测设备拍摄的图像视频数据并且获取到的数据有大量无效信息,这就造成了监测系统运行人工成本高、实时性差等问题。本文设计并实现了基于边缘互联网的野生动物监测软件系统,该软件系统可用于在保护区进行无线网络基站布设选址,对红外相机布设可视化,进行红外相机拍摄画面实时传输,对图像和视频数据进行大熊猫目标检测,实现高效、内容丰富、实时直观的野生动物监测保护。本文的具体工作如下:1、监测系统软件需求分析与整体设计。该部分首先根据项目背景和现阶段野生动物监测领域存在的问题,对通信基站布设选址、红外相机布设、视频流实时传输、数据回收以及目标（如大熊猫）检测等功能进行了分析。其次根据需求分析,给出了监测系统软件整体方案。2、监测系统功能设计与实现。本文首先利用数字高程模型（Digital Elevation Model DEM）和边缘地区无线信号传播模型设计实现了边缘地区无线基站选址组网和红外相机布设功能。其次采用AVBR（Adaptive Variable Bit Rate）码率控制算法和RTSP（Real Time Streaming Protocol）协议,设计实现了低带宽条件下的高清视频流实时传输功能。最后设计实现了基于WL-SSD（Wavelet-SSD）模型的大熊猫目标检测功能,该功能可以较高的准确度和速度对图像和视频中的大熊猫目标进行快速检测。3、系统综合测试。本文在野外条件下对系统进行了边缘网络基站选址组网、视频流实时传输测试,并测试了系统对大熊猫目标检测的效果,测试结果表明,本文设计的基于边缘互联网的野生动物监测系统能够解决现阶段野生动物监测领域中通信基站布设选址组网、获取实时视频流、目标检测等问题,为野生动物监测保护提供了更有效的技术支持。
二、基于无线网络的实时视频传输技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于无线网络的实时视频传输技术（论文提纲范文）
（1）面向真空管高速列车的无线通信系统关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 常用缩略语 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 真空管道高速列车无线通信系统研究现状 |
| 1.2.1 真空管道高速列车通信需求 |
| 1.2.2 现有轨道交通车地无线接入 |
| 1.2.3 无线通信对高速列车移动性的支持 |
| 1.2.4 真空管道列车无线信道传播 |
| 1.3 主要工作与创新点 |
| 1.3.1 当前研究存在的难点与不足 |
| 1.3.2 创新点和章节安排 |
| 2 真空管道高速列车车-地无线通信业务需求分析 |
| 2.1 引言 |
| 2.2 现有轨道交通车-地通信技术 |
| 2.3 真空管道高速列车综合承载业务需求分析 |
| 2.3.1 列车运行相关数据(安全类数据) |
| 2.3.2 乘客多媒体服务(非安全类数据) |
| 2.3.3 车-地无线通信需求 |
| 2.4 真空管道高速列车车-地无线通信面临的问题 |
| 2.5 本章小结 |
| 3 真空管道高速列车车-地无线信道研究 |
| 3.1 引言 |
| 3.2 相关工作综述 |
| 3.3 传播图理论与Lambertian散射模型 |
| 3.3.1 传播图理论 |
| 3.3.2 Lambertian散射模型 |
| 3.4 基于传播图的真空管高速飞行列车信道仿真 |
| 3.4.1 系统模型 |
| 3.4.2 系统模型信道冲激响应生成 |
| 3.5 基于传播图的真空管高速列车信道传播特性 |
| 3.5.1 时延扩展 |
| 3.5.2 K因子 |
| 3.5.3 多普勒特性 |
| 3.5.4 信道容量 |
| 3.6 本章小结 |
| 4 真空管道高速列车车-地通信传输性能研究 |
| 4.1 引言 |
| 4.2 相关研究综述 |
| 4.3 真空管高速列车车-地通信系统级仿真 |
| 4.3.1 系统级仿真流程 |
| 4.3.2 真空管道车-地通信系统模型 |
| 4.4 仿真结果分析 |
| 4.5 本章小结 |
| 5 真空管高速列车车-地无线通信资源迁移研究 |
| 5.1 引言 |
| 5.2 相关工作综述 |
| 5.3 高速铁路中的云无线接入 |
| 5.4 系统模型 |
| 5.5 问题分析和仿真 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）支持远程驾驶的视频控制决策算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车联网的国内外研究现状 |
| 1.3 远程驾驶技术及其关键技术研究现状 |
| 1.3.1 远程驾驶技术研究现状 |
| 1.3.2 网络切换技术的研究现状 |
| 1.3.3 视频码率自适应算法研究现状 |
| 1.4 主要研究内容及章节安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 章节安排 |
| 第二章 远程驾驶中的视频控制决策相关技术 |
| 2.1 无线网络接入技术 |
| 2.1.1 WI-FI技术 |
| 2.1.2 LTE技术 |
| 2.2 垂直切换技术 |
| 2.2.1 垂直切换分类 |
| 2.2.2 垂直切换过程 |
| 2.2.3 垂直切换算法分析 |
| 2.2.4 模糊层次分析法和TOPSIS算法 |
| 2.3 视频实时传输的关键技术 |
| 2.3.1 压缩编解码技术 |
| 2.3.2 视频传输协议 |
| 2.3.3 网络拥塞 |
| 2.3.4 基于网络的拥塞调控策略 |
| 2.3.5 基于终端的速率调控策略 |
| 2.4 本章小结 |
| 第三章 基于车联网的多属性垂直切换算法研究 |
| 3.1 应用场景分析和传统算法分析 |
| 3.1.1 应用场景分析 |
| 3.1.2 传统算法分析 |
| 3.2 基于车联网的多属性垂直切换算法 |
| 3.2.1 预筛选 |
| 3.2.2 网络判决 |
| 3.3 实验仿真结果与算法性能分析 |
| 3.3.1 仿真模型搭建 |
| 3.3.2 算法性能指标 |
| 3.3.3 仿真实验结果与分析 |
| 3.4 本章小结 |
| 第四章 自适应视频码率控制算法研究 |
| 4.1 应用场景分析和传统算法分析 |
| 4.1.1 应用场景分析 |
| 4.1.2 传统算法分析 |
| 4.2 视频传输自适应码率算法的改进 |
| 4.2.1 基于探测的视频码率自适应调整方法 |
| 4.2.2 改进的视频传输自适应码率调整方法 |
| 4.3 实验环境和实验方案 |
| 4.3.1 实验环境 |
| 4.3.2 实验设备介绍 |
| 4.3.3 实验方案介绍 |
| 4.4 自适应传输性能测试及其对比分析 |
| 4.4.1 网络可用带宽突变状况下的性能测试 |
| 4.4.2 车辆移动状态下的性能测试 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 研究展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（3）面向无线视频直播业务的多播传输与自适应播放策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 主要研究成果 |
| 1.5 论文章节安排 |
| 第二章 实时流媒体传输机制、协议与关键技术 |
| 2.1 实时流媒体传输机制 |
| 2.2 实时流媒体传输协议 |
| 2.2.1 DASH协议概述 |
| 2.2.2 DASH同步机制 |
| 2.2.3 服务器和网络辅助的DASH |
| 2.3 实时流媒体优化关键技术 |
| 2.3.1 码率选择方案 |
| 2.3.2 时延控制机制 |
| 2.3.3 无线多播技术 |
| 2.4 本章小结 |
| 第三章 基于网络辅助的实时视频多播传输优化方案 |
| 3.1 无线实时视频多播系统架构 |
| 3.2 系统模型 |
| 3.3 问题描述与简化 |
| 3.3.1 问题描述 |
| 3.3.2 问题分析与简化 |
| 3.4 资源分配与码率选择 |
| 3.4.1 基于李雅普诺夫优化方法的问题重构 |
| 3.4.2 资源分配算法 |
| 3.4.3 码率选择算法 |
| 3.4.4 性能理论分析 |
| 3.5 用户分组与多播传输优化方案 |
| 3.5.1 用户分组 |
| 3.5.1.1 确定分组数量 |
| 3.5.1.2 用户分组算法 |
| 3.5.2 多播传输优化方案小结 |
| 3.6 仿真验证 |
| 3.6.1 仿真设置 |
| 3.6.2 性能对比 |
| 3.7 本章小结 |
| 第四章 面向QoE的自适应播放策略 |
| 4.1 系统模型 |
| 4.1.1 视频传输模型 |
| 4.1.2 缓冲区模型 |
| 4.1.3 时延控制模型 |
| 4.1.4 QoE模型 |
| 4.2 问题描述 |
| 4.3 自适应播放策略 |
| 4.4 仿真验证 |
| 4.4.1 仿真设置 |
| 4.4.2 性能对比 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
（4）面向无线视频业务的边缘缓存与多播技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 新型无线网络架构 |
| 1.2.2 面向视频业务的无线边缘缓存 |
| 1.2.3 面向视频业务的无线多播 |
| 1.3 论文主要工作及结构安排 |
| 1.3.1 研究内容及创新点 |
| 1.3.2 论文组织结构 |
| 第二章 用户移动性和视频片段流行度感知的无线边缘缓存 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.2.1 时延模型 |
| 2.2.2 用户移动性模型 |
| 2.2.3 视频片段流行度模型 |
| 2.3 问题建模 |
| 2.3.1 用户移动性感知的时延最小化问题 |
| 2.3.2 用户移动性和视频片段流行度联合感知的时延最小化问题 |
| 2.4 视频缓存算法 |
| 2.4.1 用户移动性感知的主动缓存算法 |
| 2.4.2 用户移动性和视频片段流行度联合感知的主动缓存算法 |
| 2.4.3 算法复杂度分析 |
| 2.5 仿真分析 |
| 2.5.1 仿真场景 |
| 2.5.2 基线算法 |
| 2.5.3 性能评估 |
| 2.6 本章小结 |
| 第三章 基于可伸缩特性的SVC视频无线边缘缓存 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 时延模型 |
| 3.2.2 视频交付模型 |
| 3.3 问题建模 |
| 3.4 面向SVC视频的分层缓存 |
| 3.4.1 基于机器学习的缓存优先级确定 |
| 3.4.2 基于缓存优先级的分层缓存算法 |
| 3.4.3 PrioCaching算法的复杂度分析 |
| 3.5 针对高时延远程下载场景的SVC视频分层缓存 |
| 3.5.1 简化的分层缓存算法 |
| 3.5.2 SimPrioCaching算法的复杂度分析 |
| 3.6 仿真分析 |
| 3.6.1 仿真场景 |
| 3.6.2 基线算法 |
| 3.6.3 性能评估 |
| 3.7 本章小结 |
| 第四章 基于视场合成特性的360°VR视频无线边缘缓存 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 缓存模型 |
| 4.2.2 VR视频模型 |
| 4.2.3 时延模型 |
| 4.3 问题建模 |
| 4.4 基于视场合成的视频缓存算法 |
| 4.4.1 理论最优解 |
| 4.4.2 整体缓存过程 |
| 4.4.3 MaxMinDistance算法 |
| 4.4.4 MMD在线缓存算法复杂度及性能分析 |
| 4.5 仿真分析 |
| 4.5.1 仿真场景 |
| 4.5.2 基线算法 |
| 4.5.3 性能评估 |
| 4.6 本章小结 |
| 第五章 侧链路辅助的多质量贴片360° VR视频无线多播 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 传输模型 |
| 5.2.2 信道容量模型 |
| 5.2.3 多质量贴片360° VR视频模型 |
| 5.2.4 效用模型 |
| 5.3 问题建模 |
| 5.3.1 InD场景的问题表述 |
| 5.3.2 JnD场景的问题表述 |
| 5.3.3 问题求解 |
| 5.4 两阶段优化算法 |
| 5.4.1 第一阶段: 多播接收用户及侧链路发送用户搜索 |
| 5.4.2 第二阶段: 带宽分配和贴片质量等级选择 |
| 5.4.3 两阶段迭代 |
| 5.4.4 JnD场景的两阶段算法 |
| 5.4.5 算法复杂度分析 |
| 5.5 仿真分析 |
| 5.5.1 仿真场景 |
| 5.5.2 基线算法 |
| 5.5.3 性能评估 |
| 5.6 本章小结 |
| 第六章 全文总结及展望 |
| 6.1 全文总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 附录A 定理3.1的证明 |
| 附录B 定理4.1的证明 |
| 附录C 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）基于用户偏好感知的移动视频传输资源优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 视频传输技术 |
| 1.1.2 用户体验质量 |
| 1.1.3 码率自适应方法 |
| 1.1.4 无线资源分配方法 |
| 1.2 国内外研究现状 |
| 1.2.1 QoE模型研究 |
| 1.2.2 码率自适应算法研究 |
| 1.2.3 无线资源分配方法研究 |
| 1.3 论文研究内容和贡献 |
| 1.4 论文的主要工作 |
| 第二章 视频传输业务中的QoE模型 |
| 2.1 系统模型 |
| 2.1.1 自适应流媒体模型 |
| 2.1.2 播放器模型 |
| 2.1.3 网络设置 |
| 2.2 影响QoE的因素 |
| 2.2.1 播放缓冲区、下载速率和卡顿 |
| 2.2.2 非必要的码率切换 |
| 2.3 QoE模型介绍 |
| 2.3.1 用户体验质量评估方式 |
| 2.3.2 QoE模型 |
| 2.4 本章小结 |
| 第三章 基于QoE的码率自适应方法 |
| 3.1 码率自适应方法的作用和目标 |
| 3.1.1 码率自适应方法的作用 |
| 3.1.2 码率自适应方法的目标 |
| 3.2 基于QoE的码率自适应算法 |
| 3.2.1 缓冲区状态 |
| 3.2.2 码率自适应算法 |
| 3.2.3 算法的强化学习框架 |
| 3.2.4 基于Actor-Critic的UPRA强化学习方法 |
| 3.3 仿真实验 |
| 3.3.1 设置 |
| 3.3.2 模拟网络下性能的结果 |
| 3.4 真实网络设置下的实验 |
| 3.5 本章小结 |
| 第四章 与码率自适应方法相适配的无线资源分配方法 |
| 4.1 无线资源分配方法的网络设置及影响指标 |
| 4.1.1 网络设置 |
| 4.1.2 码率选择 |
| 4.1.3 无线资源分配 |
| 4.2 实验设置 |
| 4.2.1 强化学习框架 |
| 4.2.2 基于Actor-Critic的ARA-DASH强化学习方法 |
| 4.3 模拟实验 |
| 4.3.1 实验环境 |
| 4.3.2 实验结果 |
| 4.4 本章小结 |
| 第五章 结论和展望 |
| 5.1 总结 |
| 5.2 下一步工作展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（6）基于E-MBMS的宽带数字集群系统MCVideo视频组播技术的研究与验证（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 概述 |
| 1.2 国内外宽带数字集群系统及其视频组播技术的研究现状 |
| 1.2.1 国内宽带数字集群系统及其视频组播技术研究现状 |
| 1.2.2 国外宽带数字集群系统及其视频组播技术研究现状 |
| 1.3 选题意义和论文结构 |
| 1.3.1 选题意义 |
| 1.3.2 论文结构 |
| 2 基于E-MBMS的 MCVideo系统架构及其工作过程 |
| 2.1 MCVideo系统架构 |
| 2.2 MBMS系统架构 |
| 2.3 MBMS协议栈 |
| 2.3.1 MBMS控制面协议栈 |
| 2.3.2 MBMS用户面协议栈 |
| 2.4 E-MBMS集群通信服务管理流程 |
| 2.4.1 E-MBMS集群通信服务激活流程 |
| 2.4.2 E-MBMS集群通信服务去激活流程 |
| 2.4.3 E-MBMS集群通信服务更新流程 |
| 2.5 基于E-MBMS的 MCVideo视频组播流程 |
| 2.5.1 基于E-MBMS的 MCVideo视频组播建立流程 |
| 2.5.2 基于E-MBMS的 MCVideo视频组播挂断流程 |
| 2.6 本章小结 |
| 3 基于E-MBMS的 MCVideo视频组播关键技术 |
| 3.1 E-MBMS业务的同步处理 |
| 3.1.1 E-MBMS控制信令的同步处理 |
| 3.1.2 E-MBMS用户数据的同步处理 |
| 3.2 基于E-MBMS的 DASH视频组播技术 |
| 3.2.1 DASH视频传输技术 |
| 3.2.2 基于E-MBMS的 DASH视频组播系统架构 |
| 3.2.3 基于E-MBMS的 DASH视频组播流程 |
| 3.3 E-MBMS业务的组播资源调度算法 |
| 3.3.1 传统组播资源调度算法 |
| 3.3.2 IDPS组播资源调度算法 |
| 3.3.3 E-MBMS业务仿真模型 |
| 3.3.4 IDPS算法仿真验证 |
| 3.4 本章小结 |
| 4 基于E-MBMS的 MCVideo视频组播技术的实现 |
| 4.1 开发环境 |
| 4.2 MCVideo服务器的实现 |
| 4.2.1 MCVideo服务器的软件架构 |
| 4.2.2 话语权控制模块的实现 |
| 4.2.3 多媒体分发模块的实现 |
| 4.2.4 E-MBMS集群通信服务管理模块的实现 |
| 4.2.5 DASH服务器模块的实现 |
| 4.3 BM-SC实体的实现 |
| 4.3.1 BM-SC实体的软件架构 |
| 4.3.2 E-MBMS集群通信服务管理模块的实现 |
| 4.3.3 E-MBMS承载管理模块的实现 |
| 4.3.4 E-MBMS承载上下文模块的实现 |
| 4.3.5 用户面数据传输模块的实现 |
| 4.4 MBMS GW实体的实现 |
| 4.4.1 MBMS GW实体的软件架构 |
| 4.4.2 MBMS GW控制面模块的实现 |
| 4.4.3 MBMS承载上下文模块的实现 |
| 4.4.4 用户面数据传输模块的实现 |
| 4.5 MME实体的实现 |
| 4.5.1 MME实体的软件架构 |
| 4.5.2 MME控制面模块的实现 |
| 4.5.3 MBMS承载上下文模块的实现 |
| 4.6 本章小结 |
| 5 基于E-MBMS的 MCVideo视频组播技术的验证 |
| 5.1 验证平台 |
| 5.1.1 软件验证平台 |
| 5.1.2 硬件验证平台 |
| 5.1.3 验证平台的搭建 |
| 5.2 验证方案 |
| 5.3 验证内容 |
| 5.4 验证结果 |
| 5.4.1 E-MBMS集群通信服务激活流程 |
| 5.4.2 E-MBMS集群通信服务去激活流程 |
| 5.4.3 E-MBMS集群通信服务更新流程 |
| 5.4.4 MBMS用户面数据的同步性能 |
| 5.4.5 MBMS用户面数据的传输时延 |
| 5.4.6 MBMS用户面数据的吞吐量 |
| 5.5 本章小结 |
| 6 结论 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）基于移动边缘计算的视频业务QoS保障研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 基于MEC的视频业务QoS保障关键技术分析 |
| 2.1 移动边缘计算 |
| 2.1.1 基本概念 |
| 2.1.2 体系架构 |
| 2.1.3 应用场景 |
| 2.2 推荐系统 |
| 2.2.1 基于内容的推荐 |
| 2.2.2 基于协同过滤的推荐 |
| 2.2.3 混合推荐 |
| 2.3 图像超分辨 |
| 2.3.1 深度学习在图像超分辨中的应用 |
| 2.3.2 超分辨重建的评价指标 |
| 2.4 本章小结 |
| 第三章 基于视频片段的MEC缓存资源和推荐系统联合优化研究 |
| 3.1 问题描述 |
| 3.2 系统建模 |
| 3.2.1 系统模型 |
| 3.2.2 问题建模 |
| 3.3 算法设计 |
| 3.4 仿真验证与结果分析 |
| 3.4.1 仿真参数设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 基于图像超分辨的回程带宽受限视频传输系统设计与实现 |
| 4.1 问题描述 |
| 4.2 系统概述 |
| 4.2.1 系统架构 |
| 4.2.2 关键技术与创新 |
| 4.2.3 系统工作原理 |
| 4.3 系统开发工具 |
| 4.3.1 HLS视频传输协议 |
| 4.3.2 Nginx |
| 4.3.3 Django |
| 4.4 系统设计与实现 |
| 4.4.1 视频内容服务器 |
| 4.4.2 MEC服务器 |
| 4.5 系统功能测试 |
| 4.5.1 测试环境 |
| 4.5.2 测试结果分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作成果总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（8）5G网络中多维资源联合管理技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文的研究背景 |
| 1.1.1 5G网络概述 |
| 1.1.2 5G网络发展方向 |
| 1.1.3 5G网络关键技术研究 |
| 1.2 5G网络中多维资源联合管理关键技术研究 |
| 1.2.1 多维资源联合管理技术面临的挑战 |
| 1.2.2 多维资源联合管理技术研究现状 |
| 1.2.3 研究意义 |
| 1.3 论文主要工作和安排 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文创新点 |
| 1.3.3 论文章节安排 |
| 参考文献 |
| 第二章 5G网络资源管理关键技术概述 |
| 2.1 引言 |
| 2.2 面向数据型应用的多维资源联合管理技术研究 |
| 2.2.1 文件流行度已知的缓存技术 |
| 2.2.2 文件流行度未知的缓存技术 |
| 2.3 面向计算型应用的多维资源联合管理技术研究 |
| 2.3.1 计算卸载决策已知的多维资源联合管理技术 |
| 2.3.2 计算卸载决策未知的多维资源联合管理技术 |
| 2.4 面向综合型应用的多维资源联合管理技术研究 |
| 2.4.1 针对视频转码的多维资源联合管理技术 |
| 2.4.2 针对VR/AR的多维资源联合管理技术 |
| 2.5 本章小结 |
| 参考文献 |
| 第三章 面向高清视频的缓存和用户接入联合优化方案 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 文件请求模型 |
| 3.2.2 通信协议 |
| 3.2.3 能量收集模型 |
| 3.2.4 传输模型 |
| 3.3 问题建模 |
| 3.4 博弈模型与算法 |
| 3.4.1 用户接入博弈 |
| 3.4.2 缓存博弈 |
| 3.4.3 二维弱非循环博弈 |
| 3.4.4 二维迭代算法 |
| 3.5 仿真结果与分析 |
| 3.5.1 收敛性分析 |
| 3.5.2 性能分析 |
| 3.6 本章小结 |
| 参考文献 |
| 第四章 面向计算型应用的高效计算卸载策略 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 网络架构 |
| 4.2.2 通信模型 |
| 4.2.3 计算模型 |
| 4.3 问题建模和分析 |
| 4.4 基于启发式算法的分层计算卸载算法 |
| 4.4.1 算法流程概述 |
| 4.4.2 遗传算法 |
| 4.4.3 粒子群算法 |
| 4.4.4 收敛性和时间复杂度分析 |
| 4.5 仿真结果与分析 |
| 4.5.1 仿真设置和对比算法 |
| 4.5.2 收敛性验证 |
| 4.5.3 算法性能验证 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 面向无线VR的多维资源联合管理方案 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 自适应VR架构概述 |
| 5.2.2 缓存模型 |
| 5.2.3 通信模型 |
| 5.2.4 计算模型 |
| 5.2.5 体验质量模型 |
| 5.3 问题建模 |
| 5.4 基于深度强化学习和潜博弈的分布式多维资源管理方案 |
| 5.4.1 算法概述 |
| 5.4.2 基于深度强化学习的线下训练阶段 |
| 5.4.3 基于潜博弈的线上执行阶段 |
| 5.4.4 复杂度分析和算法部署 |
| 5.5 仿真结果与讨论 |
| 5.5.1 仿真设置和对比算法 |
| 5.5.2 收敛性验证 |
| 5.5.3 算法性能验证 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 结论与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步工作计划 |
| 附录A 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（9）基于边缘网络的视频传输机制优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状与挑战 |
| 1.2.1 边缘视频缓存 |
| 1.2.2 边缘视频转码 |
| 1.2.3 已有工作的不足与面临的挑战 |
| 1.3 论文内容和结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 第2章 相关概念和技术 |
| 2.1 移动边缘网络 |
| 2.1.1 对存储资源的利用 |
| 2.1.2 对计算资源的利用 |
| 2.2 视频编解码与传输 |
| 2.2.1 视频编解码特性 |
| 2.2.2 视频传输与播放 |
| 2.3 本章小结 |
| 第3章 基于边缘缓存的视频缓存放置与码率选择策略 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 SVC视频模型 |
| 3.2.2 SVC视频传输过程 |
| 3.2.3 用户QoE模型 |
| 3.3 问题分析 |
| 3.3.1 数学模型 |
| 3.3.2 问题分析与转换 |
| 3.4 算法设计 |
| 3.5 仿真结果 |
| 3.6 本章小结 |
| 第4章 基于边缘计算的视频转码与资源分配策略 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 视频转码任务计算模型 |
| 4.2.2 视频转码传输模型 |
| 4.2.3 用户QoE模型 |
| 4.3 问题分析 |
| 4.4 算法设计 |
| 4.5 仿真分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（10）基于边缘互联网的野生动物监测系统软件分析与设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外边缘网络研究现状 |
| 1.2.2 国内外野生动物保护监测系统现状 |
| 1.3 论文主要工作 |
| 1.4 论文结构安排 |
| 第二章 边缘互联网监测系统分析与总体设计 |
| 2.1 基于边缘互联网的野生动物监测系统需求分析 |
| 2.1.1 组网基站布设选址 |
| 2.1.2 视频流实时传输 |
| 2.1.3 大熊猫目标检测 |
| 2.2 边缘互联网监测系统关键技术分析 |
| 2.2.1 边缘自组网 |
| 2.2.2 边缘自组网中的路由算法 |
| 2.2.3 视频流无线实时传输 |
| 2.2.4 目标检测算法简介 |
| 2.3 基于边缘互联网的监测系统软件设计方案 |
| 2.3.1 系统总体设计方案 |
| 2.3.2 基站布设选址功能设计 |
| 2.3.3 视频流实时传输功能设计 |
| 2.3.4 大熊猫目标检测功能设计 |
| 2.4 本章小结 |
| 第三章 边缘互联网路由基站选址组网分析与设计 |
| 3.1 复杂地形模型建立与信号传播分析 |
| 3.1.1 地形数字化表示 |
| 3.1.2 复杂地形地区无线信号传播模型建立 |
| 3.1.3 基于DEM与无线信号传播模型的基站选址 |
| 3.2 基于三维贪婪转发的路由算法 |
| 3.2.1 二维贪婪转发 |
| 3.2.2 三维贪婪转发 |
| 3.3 本章小结 |
| 第四章 基于RTSP协议的实时视频流传输分析与设计 |
| 4.1 基于H.264与H.265 的视频编码分析 |
| 4.2 基于RTSP协议的视频流发送端设计 |
| 4.3 视频流接收客户端设计 |
| 4.4 本章小结 |
| 第五章 大熊猫目标检测算法分析与设计 |
| 5.1 基于SSD的大熊猫目标检测算法 |
| 5.1.1 SSD算法简介 |
| 5.1.2 基于SSD的大熊猫目标检测 |
| 5.2 基于WL-SSD的大熊猫目标检测 |
| 5.2.1 小波特征提取网络 |
| 5.2.2 WL-SSD网络结构 |
| 5.2.3 WL-SSD网络检测结果分析 |
| 5.3 大熊猫目标检测算法应用 |
| 5.3.1 边缘设备检测平台介绍 |
| 5.3.2 基于海思Hi3516DV300的大熊猫检测 |
| 5.4 本章小结 |
| 第六章 系统实现与测试 |
| 6.1 系统主界面 |
| 6.2 路由基站选址功能实现 |
| 6.3 红外相机视频流实时传输功能实现 |
| 6.4 大熊猫目标检测功能实现 |
| 6.5 系统测试与分析 |
| 6.5.1 路由基站选址组网测试 |
| 6.5.2 实时视频流传输测试 |
| 6.5.3 大熊猫目标检测测试 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表成果 |
四、基于无线网络的实时视频传输技术（论文参考文献）
- [1]面向真空管高速列车的无线通信系统关键技术研究[D]. 韩柏涛. 北京交通大学, 2021(02)
- [2]支持远程驾驶的视频控制决策算法研究[D]. 张家森. 北方工业大学, 2021(01)
- [3]面向无线视频直播业务的多播传输与自适应播放策略研究[D]. 曾敏寅. 北京邮电大学, 2021(01)
- [4]面向无线视频业务的边缘缓存与多播技术研究[D]. 代健美. 北京邮电大学, 2021(01)
- [5]基于用户偏好感知的移动视频传输资源优化[D]. 王博. 北方工业大学, 2021(01)
- [6]基于E-MBMS的宽带数字集群系统MCVideo视频组播技术的研究与验证[D]. 杨媛. 北京交通大学, 2021(02)
- [7]基于移动边缘计算的视频业务QoS保障研究[D]. 王鸿璋. 北京邮电大学, 2021(01)
- [8]5G网络中多维资源联合管理技术研究[D]. 郭凤仙. 北京邮电大学, 2021(01)
- [9]基于边缘网络的视频传输机制优化研究[D]. 孟建文. 中国科学技术大学, 2021(08)
- [10]基于边缘互联网的野生动物监测系统软件分析与设计[D]. 杨恒毅. 电子科技大学, 2021(01)