一、视频会议中高质量视频传输的设计与实现（论文文献综述）
陈乐,高岭,任杰,党鑫,王祎昊,曹瑞,郑杰,王海[1]（2022）在《基于自适应码率移动增强现实应用的能效优化研究》文中提出随着移动增强现实（Mobile Augmented Reality, MAR）技术的飞速发展,MAR应用的种类及功能也越来越丰富多样,与此同时用户对MAR应用的视频质量及响应时间也提出了更高的要求。通常来说,MAR应用会将计算密集型任务（目标识别及渲染）卸载到云端或边缘服务器进行处理,并将渲染后的图像下载到移动端。但由于移动网络状态的不稳定性及网络带宽的限制,海量数据的传输将延长MAR应用响应时间,进而增加移动设备的传输能耗开销,严重影响用户使用体验。由此,文中提出了一种基于梯度提升回归（Gradient Boosting Regression, GBR）的自适应码率控制模型。该模型通过感知当前网络环境及拍摄内容,预测用户观感需求并对非关注点部分进行低码率压缩,从而在不影响用户体验的情况下尽可能地降低传输数据量,缩短响应时间。具体来说,通过分析200个热门视频的视频特征,构建视频特征同用户观感需求的内在联系,从而针对不同的用户需求提供合适的视频码率配置,由此达到维持体验、减少时延、节约能耗的目标。实验结果显示,同直接下载渲染后的1080p视频相比,提出的自适应码率控制模型在尽可能维持用户观感体验的前提下,每帧的下载时间平均减少了58%（19.13 ms）。
李旸[2]（2021）在《C实现基于游程的符号分组熵编码在视频压缩中的应用》文中研究表明近年来,视频压缩技术得到广泛应用,并且飞速发展。随着5G的时代到来,对于视频的清晰度的要求越来越高。不可避免的是视频清晰度越高,整个视频的数据量就越大。视频压缩技术一般包括下面几个部分:变换、量化、熵编码。其中熵编码是对于整个视频能否压缩到理想熵值起到至关重要的作用。本文实现的是一种新的三维变换视频压缩算法,该算法不使用运动补偿。实现的视频压缩算法的每个模块都是采用更独立和高效的算法。对于变换的步骤,SCWP（Spectral Condensed Wavelet Packet）即小波变换（频谱压缩小波包）被采用。对于量化步骤,使用新颖且简单的阈值化方法来实现熵约束标量量化。对于熵编码步骤,一种基于游程的符号分组的熵编码新型熵编码技术,这种二进制熵编码可以是应用于多符号源编码,并且它对接近于独立分布的信源编码时,最佳冗余率的范围在信源熵的1.5%以内。优点在于从算法复杂度上来说,这种变换视频编码算法的复杂度类似于二维静止图像变换编码算法的复杂度。然而,在高比特率的视频压缩上,其视频压缩性能的表现可以与传统标准压缩方案HEVC（High Efficiency Video coding）媲美。本文所做的工作如下,在整个压缩程序中,使用C语言实现基于游程的符号分组的熵编码的模块,并且将整个压缩程序调试正常运行,运算结果与matlab程序运行一致。在结果分析中,用传统的视频压缩标准方案H264的参考软件JM和HEVC参考软件HM跟本文实现的压缩程序进行对比,证明其在高质量的视频压缩中有着特有的优势。
和超凡[3]（2021）在《无线多媒体通信的跨层优化技术研究》文中指出随着通信技术的飞速发展和无线网络的广泛部署,移动设备的视频播放量持续增长,无线多媒体传输技术也逐渐成为研究热点。然而,传统无线视频传输框架的不足之处愈发明显。主要是因为其视频源编码层和信道编码层是分离的,且被证明仅在点对点通信中是最优的,无法有效地为多用户分配资源并保证视频传输质量。为解决该问题,非编码无线视频传输框架被提出来,对传输过程的信源编码和信道编码进行跨层联合优化,利用线性信号处理方法,为用户提供与其信道状况成正比的视频接收质量。同时,这里也考虑了非正交多址技术在视频传输系统中的应用,通过多用户信号复用和资源联合分配,来增强系统性能。现有的工作在对无线多媒体通信的跨层优化技术研究上已经取得了一定进展,但依然存在不足之处。首先,无线信道在实际传输场景下是时刻波动的,导致用户视频接收质量不佳。其次,多用户通常处于不同的信道状态且存在对传输资源的竞争,导致其资源分配问题复杂度高,很难得出最优方案,尤其是当给视频传输系统引入了非正交多址技术。因此,设计新型非编码视频传输框架和多用户资源分配方法,对信源编码层和信道编码层进行跨层联合优化,增强资源利用效率,是提升无线多媒体通信系统性能的关键环节。本文围绕无线多媒体通信的跨层优化涉及的相关理论与方法,进行了问题分析、方法研究、仿真实验等系统性工作,旨在突破现有技术水平限制,实现高质量的无线视频传输。主要包括如下研究内容。（1）提出了一个基于多时隙的非编码视频传输框架,利用时间和频率的多样性,实现了多时隙传输资源的优化分配,提高了用户的视频接收质量。（2）提出了一个非编码多用户视频传输框架,利用多用户视频内容和其信道状况的多样性,实现了多用户资源的合理分配,提高了用户的均方误差性能。（3）提出了一个基于非正交多址技术的非编码多用户视频传输框架,解决了多用户的数据复用和资源联合优化分配问题,实现了较优的多用户视频传输性能。（4）提出了一个用于非正交多址系统的回合制深度强化学习策略,解决了该系统中高复杂度的多用户资源联合分配问题,实现了接近理论最优的系统性能。
曹腾飞[4]（2020）在《面向5G网络的流媒体内容分发关键技术研究》文中提出随着支撑移动互联网的无线通信技术飞速发展和智能终端设备的大规模普及,丰富多彩的移动流媒体服务如雨后春笋般涌现,导致移动网络流量呈爆炸式增长。思科公司报告指出,到2022年视频流量将占据全球移动流量的80%以上。由此可见,视频服务已然成为当前移动互联网的杀手级应用。在此背景下,用户日益增长的数据流量与受限的网络承载已经成为阻碍当前移动互联网发展的首要矛盾。以上现状必将对未来移动网络的服务性能提出更高的要求。因此,积极开展第五代移动通信技术（5G）的研究具有十分重要的意义。然而,一味采取硬件升级的办法不仅给运营商带来了巨大的开销而且也难以追赶指数级增长的视频服务需求。另一方面,内容分发作为支撑移动互联网最为关键的技术之一,是推动实现5G网络高质量流媒体服务需求的关键所在。在现有工作的基础上,本文重点围绕在5G网络中如何通过内容分发关键技术为移动用户提供高质量的流媒体服务为研究主线。分别从终端侧的内容交付与任务卸载、网络侧的资源调度与服务优化展开研究工作。具体包括:（1）5G车联网流媒体内容协作交付机制;（2）5G网络流媒体计算任务边缘卸载策略;（3）5G密集网络流媒体资源在线调度机制;（4）5G云网络可信服务价格博弈优化方法等四个研究点的内容。最终形成了一整套5G网络流媒体内容分发关键技术研究体系,主要研究内容概括如下:（1）在5G车联网内容交付方面,针对车联网中传输链路不稳定导致的资源碎片化分布、流媒体交付效率低等问题,研究了一种车联网流媒体内容协作交付机制。首先结合移动流媒体业务社交化的特点,通过分析车联网用户的移动相似性和偏好相似性特征,构建具有相似性行为的用户虚拟族群。进一步,在认知用户行为的基础上,提出了一种族群化的单播路由方法,实现了视频内容的就近获取。在此基础上,构建了一种基于族群的视频定价缓存策略,来精确优化车联网节点的缓存资源分布。最后,通过仿真实验,验证了所提方法在视频服务质量方面具有更优越的性能。（2）在5G边缘网络计算任务卸载方面,针对终端设备有限的计算能力和电池容量难以应对计算密集型流媒体服务需求这一问题,研究了一种高效的流媒体计算任务边缘卸载策略。首先,联合边缘基站、雾计算节点和用户终端的计算资源,构建了流媒体计算服务开销模型。其次,充分考虑卸载过程中无线信道传输干扰的影响,提出了一种多用户计算卸载博弈优化策略,并通过构造潜博弈的方式证明了该博弈优化存在纳什均衡。进一步,设计了分布式计算任务卸载算法来求解流媒体计算服务的开销优化问题。最后,通过仿真实验分析,验证了所提方法在服务开销方面的优越性。（3）在5G密集网络资源调度方面,针对无线网络用户请求方式单一,异构密集基站缺乏协同等问题,研究了一种5G密集网络流媒体资源在线调度机制。首先构建了系统吞吐量最大化以及能量消耗最小化的联合优化目标。在此基础上,综合考虑用户体验质量和系统稳定性等约束条件,构建了一个非线性的多维联合优化问题。进一步,采用一种新型的Lyapunov随机优化理论对该问题进行解耦。具体来说,将其分解为了三个易于求解的子问题,即:基于体验质量的接入控制、资源协作分配和流媒体服务调度,并分别设计了对应的求解算法。最后,通过仿真实验,验证了所提出方法在流媒体服务性能方面的优势。（4）在5G云网络服务优化方面,针对5G云平台中的服务安全性与成本效益等问题,研究了一种可信服务价格博弈优化方法。首先,通过建立直接可信度与间接可信度模型,从而提出了一种可信云服务平台判别机制。其次,提出了一种基于区块链的视频内容可信度检测方法,利用智能合约技术来校验视频内容的归属记录。进一步,构建了基于可信度和服务定价的Stackelberg博弈模型,实现了 5G云平台与移动用户之间的最大化效用。此外,通过设计基于反向归纳的梯度下降法实现了博弈均衡优化。最后,通过仿真实验,验证了所提方法在服务可靠性和价格效用方面的有效性。本文以5G网络为研究背景,以流媒体内容分发关键技术为主线,分别从终端侧与网络侧出发,对流媒体内容交付、计算任务卸载、资源在线调度以及可信服务优化四个方面展开了研究,以此将内容分发整个过程有机结合起来,形成了一整套研究方案,具有一定的理论创新和应用价值。在研究过程方面,本文遵循现状分析、模型建立、算法设计以及仿真实验的研究思路。在实验分析方面,本文重点考虑了5G网络流媒体服务的实际指标,并验证了所提算法的性能优势。以上研究成果有效解决了 5G网络流媒体内容分发过程中的关键科学问题,并对未来移动网络流媒体服务的研究与发展具有一定的借鉴意义。
陈涛[5]（2020）在《基于多描述编码的DMB视频传输技术研究及实现》文中研究说明数字多媒体广播（Digital Multimedia Broadcasting,DMB）具有覆盖范围广、效率高的优势,可以同时向大批量终端发布信息等特点,能够与通信网络形成有效互补。但是由于DMB的带宽限制,在推送视频业务时,可分配码率较低,并且缺少回传机制,这决定了DMB目前所采用的单描述编码直推方案难以实现接收终端在较短时间内正确接收视频文件,导致播放视频延迟增加。针对上述问题,本文采用多描述编码技术,使接收端在较短时间内优先播放一个质量较低但是可接受的视频,从而减少接收端视频缓冲时间,改善用户体验度。主要工作如下:1.提出了一种能够适应DMB系统的多描述编码方法。引进多描述编码的技术,并针对DMB系统的特点做出了相应的改进,采用将原始视频分解成分辨率一高一低的两个视频成分的方式,缩短了接收终端从接收首个视频数据包到开始播放之前的空白期,改善了用户体验度。2.针对改进后的多描述方案,对DMB的视频推送系统进行了相应的优化。在发射端,采用大文件分割推送的方式,减少了推送过程中出现的丢包现象,同时设计了两个视频成分的交叉推送方案,缩短了接收端的等待空白期;在接收端,研究了对接收到的两个视频成分进行还原和播放的方案,以及如何合并以重构出原始视频的技术。3.利用实验室的DMB系统搭建好测试平台,对整个方案进行了性能和功能性的测试。测试结果表明:（1）接收终端播放的视频效果在主观质量评估中基本满足低质量视频<高质量视频<合成视频≈原始视频,在客观质量评估中低质量视频和合成视频的平均峰值信噪比分别大于25d B和35d B、平均结构相似性分别大于0.85和0.95,达到了预期效果;（2）本文设计的DMB视频编码器和推送系统能够实现视频数据的正确编码推送和接收播放;（3）相对于原有的单描述编码的视频推送方法,对典型的100MB以内的视频文件和512kbps码率的DMB业务信道,接收终端播放的等待时间对比单描述直推方案平均减少72.24%,达到了预期要求。
谭鹏飞[6]（2020）在《安卓无线同屏技术研究及系统实现》文中提出随着无线技术水平的提升,智能化投影的普遍化,无线同屏需求日益增大,同屏技术迅速发展。Wi-Fi将无线同屏系统中的设备之间相互连接起来,实现小屏设备内容投放到大屏设备上,极大便捷人们的日常生活工作中进行内容共享。Wi-Fi作为无线同屏设备之间的连接方式,具有信号时变、同邻信号干扰严重等特点,网络拥塞情况时有发生。在网络拥塞情况下,码率自适应能力直接影响到视频流的数据量,大流小通道的问题直接影响视频回放的画面质量。目前Android大屏幕设备的同屏功能只支持单类型系统单个设备连接,出于便利性考虑,支持多系统类型、多设备连接的同屏系统将是未来的发展趋势。本文基于上述考虑出发,基于超级终端（Android投影仪）和Android智能手机实现了一个无线同屏系统,同时解决无线同屏在网络拥塞情况下的画面质量问题和单系统单设备连接问题。本文的主要工作如下:（1）研究一种自适应动态网络传输（Adaptive Dynamic Network Transmission,ADNT）的码率控制策略的优化。ADNT为保障视频流传输的QoS（Quality of Service）、提高同屏的画面质量,在可用带宽预测的基础上进行码率控制。ADNT比传统方法在切换时间和带宽利用率上分别有39.8%和22.7%的提升,但是在拥塞网络情况下对可用带宽预测还是有一定程度的误差,导致码率自适应能力有待提高。针对这些问题,本文对网络状态进行分类,提高了可用带宽的预测准确度;在准确预测可用带宽的基础上,对码率控制策略进一步优化,充分提高带宽利用率,保证视频流在拥塞网络下也能保持高质量传输。测试实验表明,优化后的策略比ADNT在正常网络下和拥塞网络下获得的视频质量分别提高了约3%和5%。（2）设计和实现一个支持多系统类型、多设备连接的无线同屏系统。进行了现有同屏技术的分析比较,借鉴Miracast的结构,进行本系统的方案设计。完成了本系统的客户端和服务端的界面搭建和指令交互,并实现客户端音视频数据的获取编码、封包、发送以及服务端的解码重现等功能。经过全面地测试分析,系统的可行性和同屏效果都达到了正常使用的要求。本文完成了支持多系统类型、多设备连接的无线同屏系统设计和实现,拥塞网络下的同屏画面质量和时延都达到了教学、会议的要求。本文基于可用带宽的码率自适应策略的研究,对于提高媒体流的QoS有一定的利用价值。
赵阳超[7]（2020）在《面向视频应用的网络智能传输算法研究》文中研究说明随着移动终端的普及以及无线接入技术如4G/5G的飞速发展,当前,视频服务已是人们生活中必不可少的一部分,且越来越多的商用视频服务涌现了出来。同时,用户对视频传输高吞吐率、低时延的需求也随着各项技术的进步越来越高。不断涌现出的视频服务以及快速增加的用户不仅给互联网带来了巨大的数据流量压力,而且增加了网络拥塞发生的风险。然而,网络的拥塞和不稳定使得用户对视频传输的高吞吐率和低时延需求难以得到保证。波动的网络环境使得高吞吐率的视频传输充满挑战,而用户的低时延需求特别是在交互式视频传输场景下通常因为网络的拥塞而难以得到满足。在进行视频传输优化时,针对用户的高吞吐率需求和低时延需求,往往只能顾此失彼,或者牺牲视频的流畅性而极大影响用户的观看体验。针对上述视频传输所面临的问题,本文从视频的发送到接收整个过程入手,研究了面向视频应用的网络智能传输算法,涵盖了视频发送端的码率控制、传输过程中的网络路由、内容分发过程中的缓存算法以及接收端的自适应码流。本文的主要工作和创新点包括:1.基于深度强化学习的端到端码率控制:在用户对传输时延和吞吐率都有较高要求的视频传输场景中,需要在低时延的前提下传输较高质量的视频,离不了码率的动态调整,视频上传的质量更是直接决定了接收端的播放质量,在上行链路和下载链路波动的网络环境下,发送端的编码器码率控制尤为重要。本文在视频发送端提出了轻量级的、基于深度强化学习的码率控制模型smart RC;另外针对低时延传输场景中视频接收端缓冲区容量小而导致码率选择容错率低的挑战,本文利用基于深度强化学习的自适应码流模型Adaptive Streaming来实现多码率的选择。相比于基于带宽预测的比较方法,smart RC能够在保持较低传输时延的情况下提升20.88%的服务质量（Quality-of-Service,Qo S）;Adaptive Streaming相比于常用的基于缓冲区的方法分别能够降低64.72%的百秒卡顿次数和91.04%的百秒卡顿时长。此外针对计算能力和功耗受限的移动端,smart RC和Adaptive Streaming采用了微调的轻量级深度神经网络,其和基于时序神经网络的模型相比较在维持表现相近的情况下能节省62.63%的运行时间。2.基于深度学习的覆盖网络路由选择:路由的准确选择离不开实时且准确的网络流量信息,为此,本文利用一个结合网络流量预测和路由选择的深度学习模型实现覆盖网络路由的快速搜索,并针对整体的用户满意率提出了基于regret的覆盖网络路由算法COR。基于深度学习的覆盖网络路由模型能达到90.58%的路由决策准确率且和不做流量预测的方法相比能多节省14.92%的传输时延。相比于传统的基于底层路由协议的算法,COR能提升5%到43%的用户满意率。3.基于内容流行度的自适应缓存算法:针对网络流量压力和数据成本的挑战,本文对包含超过200亿个独立视频的真实数据进行了特征分析,提出了基于流行度的自适应缓存算法ATW。基于真实数据集的仿真实验,ATW相比于内容提供商现行的缓存算法,能节省1%到3%的数据流量。另一方面,其在保持同等命中率的情况下能节省37.5%的缓存容量。
包文博[8]（2020）在《视频帧率上变换的递推建模与深度学习方法研究》文中研究表明近年来随着高品质显示设备的快速发展,为它们提供具有更高时间和空间分辨率的高质量视频源成为学术界和工业界迫在眉睫的研究课题。然而受制于高质量视频对视频采集、编码、传输、解码等各阶段所需要的计算能力和传输带宽的苛刻要求,将现有海量的中低质量视频通过数字信号处理的方式合成转换为高质量视频成为最可行的方案之一。在视频质量提升的研究中,从时间域上对视频的帧率进行提升是其中最具挑战的问题之一,也是最能直接给用户带来沉浸式视觉体验的关键技术。具体来讲,视频帧率上变换的目标就是在低帧率如30Hz的视频源中插入一些额外的图像帧而得到高帧率如60Hz或120Hz的高帧率视频。插入的额外的视频图像帧能够使帧间物体位移更精细,物体运动过渡的视觉效应更为平滑,从而显着改善运动视频的观赏体验。视频帧率上变换中的两个核心步骤分别是运动估计和运动补偿插帧。其中运动估计又被称为光流估计,目的是估计出原始视频帧中物体的二维运动矢量,也称光流矢量。由于光流估计是补偿插帧的前置步骤,所以由它计算出的运动矢量的优劣直接关系到最终内插帧的质量。本论文针对运动估计问题,首次对光流估计进行了基于Kalman滤波的时域递推建模,并提出了对应的递推估计算法,超越了传统光流估计局限于两帧图像之间的单个光流场的估计算法。本文以Kalman滤波系统为基础,利用视频序列中物体运动的时域相关性和空间域上下文信息,对具有连续多帧图像的视频光流场进行最优估计。在所提出的滤波系统中,每一个像素在多帧图像中的运动被定义为一个二阶时变状态向量,根据滤波器的测量噪声水平和系统噪声水平,由最大化后验估计准则最优地估计出状态向量的值。在MPI Sintel、Monkaa和Driving等多个知名视频数据集上的实验结果表明,本文所提出方法的性能超越了当时领先的算法,所生成的视频光流场在时间域上具有更好的连续性,为后续的视频内插帧生成和处理任务奠定了良好的基础。本文接着对于视频运动补偿插帧提出了基于高阶建模和动态滤波的帧率上变换算法,该模型超越了传统视频插帧模型的亮度时间不变性和物体运动线性性两个基本限制,对像素的亮度和运动分别建立高阶模型,将求解中间帧的问题转化为对高阶模型多项式系数的估计,从而使所提出的视频上变换算法能够适应复杂光照、非线性运动等更具挑战的场景。从物理意义上来讲,这些系数分别代表了物体像素亮度的变化率、物体像素的运动速度和加速度等。为了求解这些模型系数,本文提出了两个能量目标函数:第一个能量目标是根据过去的样本,最小化亮度变化率的自回归估计误差,第二个能量目标是在沿着像素运动的轨迹上,最小化图像帧的重构误差。为了高效地求解这两个能量函数,本文从视频的时域相关性出发提出了一种高效的动态滤波方案。大量实验表明,在自然视频数据和合成视频数据上,无论是做主观还是客观视觉质量对比,该算法都取得了当时最好的性能。随着近年来基于深度学习的人工神经网络在自动抽取特征方面的卓越表现,本文通过将深度学习网络整合到经典的运动估计和运动补偿插帧框架中,首次构建了基于运动估计和运动补偿的模型驱动神经网络框架（称为MEMC-Net）,提出了一种全新的自适应卷积核补偿采样网络层,用于同时整合光流场和插值卷积核以及合成目标图像的像素。该网络层是完全可微分的,因此用于估计光流和插值核的神经网络能够被联合地训练优化。该框架具有广泛的适应性,不仅可以应用于视频帧率上变换,而且还可以拓展到其它视频增强任务,如视频超分辨、视频去噪以及视频去块效应等等。在大范围的数据集上进行的广泛实验表明,本文所提出的算法的性能超越了目前业界最领先的视频插帧算法和视频增强算法。在MEMC-Net的基础之上,本文进一步提出了基于物体景深感知的视频帧率上变换算法。这是本领域多年来首次探索场景深度信息对视频内插帧合成有效性的研究工作,为相关领域开辟出了一个全新的研究方向。本文通过探索视频场景中物体的深度信息,导出了插帧过程中闭塞信息检测的显式表达式,创新性地提出了一种场景深度感知的光流映射网络层并将它用于合成中间待插视频帧的光流场。该网络层有选择性地对近距离的物体进行采样,而不是远距离的物体进行采样,还通过学习多层次的特征从邻域像素中收集上下文信息。基于前述的自适应卷积核补偿采样网络层,本文提出的模型从输入参考帧像素、场景深度图以及上下文特征中合成出最终的内插帧。在大范围的数据集上的实验表明,本文所提出的算法具有比业界最领先的视频插帧算法和视频增强算法更好的性能。综上所述,本文专注于视频帧率上变换中这个视频质量增强的关键问题,对其运动估计和运动插帧两个核心问题,分别提出了基于Kalman滤波递推新模型的视频运动估计算法和超越传统简单模型的高阶模型和高效动态滤波的插帧方法。基于近年来发展起来的深度学习方法,本文首次对视频帧率转换建立了MEMC模型驱动的深度学习框架,并首次将场景深度感知信息应用于帧频上转换。以上新算法经大范围的数据集验证,取得了超越以往方法的优异性能。
吴晨曦[9]（2020）在《专用小型LTE基站多用户视频传输性能提升技术研究与实现》文中研究说明随着技术的更新换代,5G技术已经逐渐投入商用领域,但是在当前应用最多的依然是4G LTE技术,因此本文设计研究的专用小型LTE基站在许多现实场景下都还具有很大的研究和应用空间。而本文重点研究的是针对多用户的上行视频传输技术,当前对实时通信需求越来越大,因此专用小型LTE基站也逐渐成为研究LTE协议栈的一个重要领域。本文会从优化算法、优化系统参数配置和发射端视频预编码三个方向尝试对专用小型LTE基站的上行视频传输性能进行优化,使其可以有效应对多用户高质量视频的上行传输需求,并且会在最后的测试章节给出在真实场景下的测试结果并进行简明扼要的分析梳理。本文首先对整个研究的核心MAC子层进行了分析研究,对其结构和主要功能进行了详细的梳理分析,深入分析了HARQ机制和SPS机制,即重传和调度的机制,这是上行视频传输的核心机制,也是之后优化算法的基础,之后简单介绍了QoS的相关内容,列举了几种QoS的常见算法,可以作为之后章节中的优化算法的参考。然后会对上行数据传输的具体流程进行详细的分析研究,在此基础上研究了一种基于信道动态特性的优化算法,这是通过优化UE用户端的MCS编号选择和优化时频资源分配两个角度同时进行优化的算法模型,并且从发射端的编码模式上也提出了相应的优化,其具体性能都在第五章进行测试。之后会针对专用小型LTE基站的上行链路的几个核心模块进行设计实现,并且会以流程图的方式给出,同时说明了其具体工作流程和需要实现的功能,同时详细分析了专用小型LTE基站的资源管理和调度策略。接下来针对不同质量的视频流通过不同的网络传输协议来进行上行视频传输测试,并且会通过改变接入到基站中的UE用户端个数来测试其在多用户场景下的上行视频传输性能,最终得出经过优化和调试,本文研究的专用小型LTE基站可以在40M带宽、上下行子帧配比模式为0、QCI业务等级设置为7的条件下可靠地完成8路720P实时视频流数据的传输任务,初始视频缓冲均值为5秒,且丢包率小于5%。其具体的测试结果将会在第五章中详细分析说明。最后是对全文的总结和提出目前基站性能上的不足,并且对之后的研究工作做出规划。
魏宏凯[10]（2020）在《基于资源动态伸缩的视频会议系统的设计与实现》文中研究表明现如今随着网络带宽和网速的不断提升,4G和5G网络的不断普及,视频、音频编码技术的性能不断优化的情况下,使高质量的多方音视频流实时传输成为可能。此外,人们对视频信息获取的需求不断提高,无论高校还是企业,都有很多应用场景,如线上视频会议、在线学术讨论、在线教育等在市场上有着相当大的需求。在这样一些场景下,WebRTC技术使得对视频流的获取更加便捷。因此一款基于WebRTC的视频会议系统有很大的应用场景。本文对WebRTC框架、容器技术和视频会议系统进行了详细的相关技术考察,设计和实现了能够进行资源动态伸缩的视频会议系统。目前市场上的视频会议系统多数采用传统的业务架构,并未采用微服务架构提供服务,导致系统容错性较差,功能较为单一。市场上媒体服务架构也多采用单机模式,不能有效解决突发流量以及资源浪费的情况,部署成本较高。本文使用Kubernetes与容器技术应用于整个视频会议系统,使得系统容器化、服务化,利用Kubernetes的HPA模块根据Prometheus监控平台采集到的指标对会议管理系统的微服务模块容器以及媒体服务架构中的容器进行动态缩扩容,动态伸缩微服务模块接口与媒体服务资源。论文对整个系统设计与实现的描述主要分为两部分:视频会议管理后台与媒体服务架构。视频管理后台主要分以下模块阐述详细设计与实现:用户管理模块、通讯录模块、会议管理模块和通知模块。用户管理模块主要包括登录、注销等功能,用于后续其他功能模块的交互。通讯录模块主要是对好友的分组管理、好友管理以及群组管理等。会议管理模块包括会议新建、取消、人员添加删除,会议状态管理等。通知模块主要包含站内信通知、短信以及邮件通知等功能。对于媒体服务架构的详细设计与实现主要包括Docker容器制作、动态负载均衡实现、Kubernetes容器缩扩容、Prometheus容器监控系统的集成以及容器的自动化持续集成。通过媒体资源的动态伸缩功能、基于Nginx二次开发的动态负载均衡服务,提出并实现了高并发的媒体服务架构,并进行了架构验证。系统按照软件工程的要求对会议管理系统进行了测试,借助采集Qo E指标对媒体服务架构进行系统性能衡量,媒体服务架构支持了SFU和MCU两种网络模式、容器动态伸缩和动态负载均衡等。在资源需求波动较大时,有着很好的服务支持。通过对整个集群的CPU和带宽指标监测,与单机模式的媒体服务架构相比,当资源伸展一倍时,性能亦增加一倍,系统的整体性能随容器数量呈线性叠加。本文测试环境下3个节点能够容纳百人左右同时进行视频会议。
二、视频会议中高质量视频传输的设计与实现（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、视频会议中高质量视频传输的设计与实现（论文提纲范文）
（1）基于自适应码率移动增强现实应用的能效优化研究（论文提纲范文）
| 1 引言 |
| 2 相关工作 |
| 3 研究背景 |
| 3.1 MAR工作流程 |
| 3.2 视频语义分割 |
| 3.3 H.265 |
| 3.4 MAR拍摄内容复杂度 |
| 4 梯度提升回归 |
| 5 MAR应用中的能效问题 |
| 6 自适应码率控制模型 |
| 6.1 特征提取 |
| 6.2 GBR建模 |
| 6.3 预测准确率 |
| 7 实验评估 |
| 7.1 实验平台 |
| 7.2 数据集 |
| 7.3 回归模型预测结果 |
| 7.4 性能分析 |
| 结束语 |
（2）C实现基于游程的符号分组熵编码在视频压缩中的应用（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 视频的基本概念和视频压缩基本原理 |
| 1.2.1 视频的基本概念 |
| 1.2.2 视频压缩的基本原理 |
| 1.3 传统的视频压缩标准 |
| 1.3.1 出现视频压缩标准的原因 |
| 1.3.2 H261 视频压缩标准 |
| 1.3.3 H263 视频压缩标准 |
| 1.3.4 MPEG-4 Visual视频压缩标准 |
| 1.3.5 H264 视频压缩标准 |
| 1.3.6 HEVC视频压缩标准 |
| 1.4 传统视频压缩标准的预测编码 |
| 1.5 论文的主要工作 |
| 1.6 本文章节安排 |
| 第2章 采用三维变换的视频压缩方案 |
| 2.1 引言 |
| 2.2 主流视频压缩标准对高质量视频压缩的不足 |
| 2.3 采用频谱压缩小波包的三维变换 |
| 2.4 低复杂度实现熵约束标量量化 |
| 2.5 采用基于游程的符号分组熵编码 |
| 2.6 本文实现的三维变换的视频压缩方案的主要编码过程 |
| 2.7 本章小结 |
| 第3章 基于游程的符号分组熵编码及实现 |
| 3.1 引言 |
| 3.2 基于游程的符号分组熵编码 |
| 3.2.1 基于游程的Glomb编码 |
| 3.2.2 Golomb编码的改进 |
| 3.2.3 non-iid二进制信源熵编码 |
| 3.2.4 符号分组方法 |
| 3.2.5 停止分组规则 |
| 3.3 程序实现及遇到的困难 |
| 3.3.1 程序实现 |
| 3.3.2 遇到的困难 |
| 3.4 本章小结 |
| 第4章 测试结果分析与得出结论 |
| 4.1 引言 |
| 4.2 测试结果分析 |
| 4.3 结论 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
| 致谢 |
（3）无线多媒体通信的跨层优化技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 非编码视频传输 |
| 1.2.2 多用户视频传输 |
| 1.2.3 非正交多址系统中的资源分配方法 |
| 1.3 本文的主要工作 |
| 第二章 基于时间和频率多样性的高质量线性视频传输框架 |
| 2.1 引言 |
| 2.2 传输框架模型 |
| 2.3 问题建模 |
| 2.4 多时隙资源联合分配方法 |
| 2.4.1 最优功率分配方法 |
| 2.4.2 信道分配方法 |
| 2.4.3 元数据分析 |
| 2.5 仿真结果 |
| 2.5.1 仿真参数设置 |
| 2.5.2 性能分析 |
| 2.5.3 不同方案性能对比 |
| 2.6 本章小结 |
| 第三章 基于信道和功率优化的多用户线性视频传输框架 |
| 3.1 引言 |
| 3.2 传输框架模型及问题建模 |
| 3.2.1 非编码多用户视频传输框架模型 |
| 3.2.2 问题建模 |
| 3.3 多用户动态信道分配算法 |
| 3.3.1 系数块内能量扩散 |
| 3.3.2 系数块间能量混叠 |
| 3.4 多用户功率分配算法 |
| 3.5 仿真结果与分析 |
| 3.5.1 仿真参数设置 |
| 3.5.2 性能对比 |
| 3.6 本章小结 |
| 第四章 非正交多址系统中多用户线性视频传输策略 |
| 4.1 引言 |
| 4.2 传输框架模型 |
| 4.3 问题建模 |
| 4.4 信道和功率联合分配算法 |
| 4.4.1 多用户功率分配算法 |
| 4.4.2 低复杂度多用户信道分配算法 |
| 4.5 仿真结果与分析 |
| 4.5.1 仿真参数设置 |
| 4.5.2 性能对比 |
| 4.6 本章小结 |
| 第五章 非正交多址系统中基于深度强化学习的资源分配策略 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.3 问题建模 |
| 5.4 最优功率分配方法 |
| 5.5 基于深度强化学习的信道分配算法 |
| 5.5.1 信道分配问题建模 |
| 5.5.2 深度强化学习问题建模 |
| 5.5.3 基于注意力机制的神经网络 |
| 5.5.4 训练算法 |
| 5.5.5 复杂度分析 |
| 5.6 仿真结果与分析 |
| 5.6.1 仿真参数设置 |
| 5.6.2 性能对比 |
| 5.6.3 参数分析 |
| 5.7 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录A 第二章公式证明 |
| A.1 引理2.1 的证明 |
| A.2 定理2.5 的证明 |
| 附录B 第三章公式证明 |
| B.1 引理3.1 的证明 |
| 附录C 第四章公式证明 |
| C.1 引理4.1 的证明 |
| 攻读博士学位期间取得的成果 |
（4）面向5G网络的流媒体内容分发关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要缩略语 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 论文选题依据 |
| 1.3 论文主要研究内容 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文组织结构 |
| 第二章 相关工作综述 |
| 2.1 5G网络通信技术概况 |
| 2.2 5G移动网络内容交付机制研究现状 |
| 2.2.1 移动网络内容转发机制研究 |
| 2.2.2 移动流媒体缓存技术研究 |
| 2.3 5G网络计算任务卸载研究现状 |
| 2.3.1 5G新型边缘计算网络架构 |
| 2.3.2 计算任务卸载方法 |
| 2.4 5G密集网络流媒体服务调度研究现状 |
| 2.4.1 5G网络服务接入控制优化 |
| 2.4.2 5G密集网络资源分配策略 |
| 2.5 5G云网络流媒体服务优化研究现状 |
| 2.5.1 5G网络服务优化理论 |
| 2.5.2 5G云网络架构与应用研究 |
| 2.5.3 5G云网络可信与定价服务优化管理 |
| 2.6 本章小结 |
| 第三章 5G车联网流媒体内容协作交付机制 |
| 3.1 本章引言 |
| 3.2 流媒体内容协作交付模型 |
| 3.3 流媒体内容协作交付机制 |
| 3.3.1 族群构建机制 |
| 3.3.2 基于族群的视频定价缓存策略 |
| 3.3.3 流媒体内容协作交付算法分析 |
| 3.3.4 5G车联网协作交付机制实施与应用 |
| 3.4 仿真实验与分析 |
| 3.4.1 缓存命中率 |
| 3.4.2 内容查找时延 |
| 3.4.3 平均卡顿次数 |
| 3.4.4 网络维护开销 |
| 3.5 本章小结 |
| 第四章 5G网络流媒体计算任务边缘卸载策略 |
| 4.1 本章引言 |
| 4.2 系统模型 |
| 4.2.1 网络模型 |
| 4.2.2 计算任务模型 |
| 4.2.3 通信模型 |
| 4.2.4 计算任务开销模型 |
| 4.3 计算卸载博弈优化 |
| 4.3.1 计算卸载问题建模 |
| 4.3.2 多用户计算卸载博弈分析 |
| 4.4 分布式计算任务卸载算法 |
| 4.4.1 DCTO算法设计 |
| 4.4.2 复杂度分析 |
| 4.5 仿真实验 |
| 4.5.1 服务计算卸载开销分析 |
| 4.5.2 服务延迟开销分析 |
| 4.5.3 服务能量开销分析 |
| 4.5.4 服务计算优化开销分析 |
| 4.5.5 网络吞吐量分析 |
| 4.5.6 执行时间与传输速率分析 |
| 4.6 本章小结 |
| 第五章 5G密集网络流媒体资源在线调度机制 |
| 5.1 本章引言 |
| 5.2 系统模型 |
| 5.2.1 流媒体资源在线调度模型 |
| 5.2.2 在线调度控制策略 |
| 5.2.3 在线调度动态队列设置 |
| 5.3 流媒体资源在线调度问题定义与转化 |
| 5.3.1 效用函数定义 |
| 5.3.2 基于Lyapunov的随机优化 |
| 5.4 流媒体资源在线调度机制的求解和实现 |
| 5.4.1 在线调度机制求解 |
| 5.4.2 在线调度机制实施 |
| 5.4.3 在线调度机制部署讨论 |
| 5.5 仿真实验与分析 |
| 5.5.1 仿真参数设置 |
| 5.5.2 系统稳定性分析 |
| 5.5.3 不同用户请求率对系统性能的影响 |
| 5.5.4 不同基站数对系统性能的影响 |
| 5.5.5 系统效用和队列稳定性之间的均衡 |
| 5.5.6 能量消耗对系统性能的影响 |
| 5.6 本章小结 |
| 第六章 5G云网络可信服务价格博弈优化方法 |
| 6.1 本章引言 |
| 6.2 系统模型 |
| 6.2.1 网络模型 |
| 6.2.2 视频流行度成本模型 |
| 6.3 可信流媒体服务机制 |
| 6.3.1 5G云服务平台的可信机制 |
| 6.3.2 基于区块链的内容可信机制 |
| 6.3.3 基于流媒体服务的可信度计算 |
| 6.4 问题公式化 |
| 6.4.1 系统效用函数 |
| 6.4.2 系统优化策略 |
| 6.5 博弈优化分析 |
| 6.5.1 Stackelberg博弈分析 |
| 6.5.2 阶段Ⅱ: 用户需求策略分析 |
| 6.5.3 阶段Ⅰ: 5G云平台服务定价策略分析 |
| 6.5.4 基于梯度下降的迭代优化算法 |
| 6.6 性能评估 |
| 6.6.1 服务可信度分析 |
| 6.6.2 不同价格策略下的服务需求 |
| 6.6.3 安全服务率分析 |
| 6.6.4 移动用户效用分析 |
| 6.6.5 5G云服务平台效用分析 |
| 6.6.6 5G云服务平台定价分析 |
| 6.7 本章小结 |
| 第七章 结束语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术成果 |
| 攻读博士学位期间主持或参与的科研项目 |
（5）基于多描述编码的DMB视频传输技术研究及实现（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 研究背景及其意义 |
| 1.2 国内外研究现状 |
| 1.2.1 DMB视频编码研究 |
| 1.2.2 H.264编码研究 |
| 1.2.3 多描述编码研究 |
| 1.3 论文主要工作 |
| 1.4 论文章节安排 |
| 第2章 DMB视频编码相关技术 |
| 2.1 DMB系统介绍 |
| 2.2 视频编码标准相关介绍 |
| 2.3 FFmpeg编解码库 |
| 2.4 DMB文件推送方式 |
| 2.5 本章小结 |
| 第3章 DMB视频推送系统模块架构 |
| 3.1 研究目标 |
| 3.2 整体系统架构 |
| 3.3 视频推送整体模块 |
| 3.4 视频接收整体模块 |
| 3.5 本章小结 |
| 第4章 基于多描述的DMB视频推送模块设计 |
| 4.1 基于FFmpeg的解码模块设计 |
| 4.2 适应DMB系统的多描述编码方法 |
| 4.2.1 设计思路 |
| 4.2.2 实现方案 |
| 4.3 视频的编码处理模块设计 |
| 4.4 音频压缩编码模块设计 |
| 4.5 DMB视频推送模块设计 |
| 4.5.1 视频分割和封装 |
| 4.5.2 视频文件的TDC编码 |
| 4.5.3 基于多描述的推送方案改进 |
| 4.6 本章小结 |
| 第5章 基于多描述的DMB视频接收模块设计 |
| 5.1 视频数据重组模块设计 |
| 5.2 TDC数据包载荷数据的提取 |
| 5.3 TPart数据包载荷数据的提取 |
| 5.4 接收端重建原始视频 |
| 5.5 联合播放线程同步设计 |
| 5.6 本章小结 |
| 第6章 系统验证与测试 |
| 6.1 实验环境搭建 |
| 6.2 视频质量评估测试 |
| 6.2.1 视频质量主观评估测试 |
| 6.2.2 视频质量客观评估测试 |
| 6.3 DMB视频编码与推送功能测试 |
| 6.3.1 DMB视频编码器功能测试 |
| 6.3.2 视频推送软件功能测试 |
| 6.3.3 接收端视频播放功能测试 |
| 6.4 视频推送时间测试 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 主要工作和创新点 |
| 7.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（6）安卓无线同屏技术研究及系统实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 无线同屏的研究进展 |
| 1.2.1 无线同屏技术现状 |
| 1.2.2 视频流无线传输研究现状分析 |
| 1.3 本文主要研究内容 |
| 1.4 本文的组织结构 |
| 第2章 无线同屏技术理论基础 |
| 2.1 Miracast同屏模块分析 |
| 2.2 无线可用带宽测量方法 |
| 2.2.1 可用带宽主动测量 |
| 2.2.2 可用带宽被动测量 |
| 2.3 可变码率控制策略 |
| 2.3.1 内反馈码率控制 |
| 2.3.2 外反馈码率控制 |
| 2.4 本章小结 |
| 第3章 基于可用带宽的码率自适应策略优化 |
| 3.1 可用带宽预测 |
| 3.1.1 可用带宽获取 |
| 3.1.2 可用带宽预测 |
| 3.2 基于可用带宽的码率自适应策略 |
| 3.3 实验测试分析 |
| 3.3.1 实验环境 |
| 3.3.2 带宽利用率 |
| 3.3.3 视频质量分析 |
| 3.4 本章小结 |
| 第4章 安卓无线同屏系统设计和实现 |
| 4.1 系统方案设计 |
| 4.2 客户端设计和实现 |
| 4.2.1 界面搭建 |
| 4.2.2 操作指令设计和实现 |
| 4.2.3 流媒体数据采集 |
| 4.2.4 流媒体数据压缩编码 |
| 4.2.5 流媒体数据传输 |
| 4.3 服务端搭建 |
| 4.3.1 平台介绍 |
| 4.3.2 界面搭建 |
| 4.3.3 流媒体解码播放 |
| 4.4 本章小结 |
| 第5章 安卓无线同屏系统测试分析 |
| 5.1 测试方案 |
| 5.2 测试工具 |
| 5.3 搭建测试环境 |
| 5.4 会话管理功能测试 |
| 5.4.1 客户端登录阶段测试 |
| 5.4.2 两端同屏阶段测试 |
| 5.5 无线同屏效果测试 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（7）面向视频应用的网络智能传输算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本文研究背景与意义 |
| 1.2 视频传输流程介绍 |
| 1.3 当前视频传输所面临的挑战 |
| 1.3.1 高质量低时延的挑战 |
| 1.3.2 交互式视频传输的挑战 |
| 1.3.3 网络流量压力和成本的挑战 |
| 1.4 本文的主要工作及创新点 |
| 1.5 本文的结构安排 |
| 1.6 本章总结 |
| 第二章 国内外研究现状 |
| 2.1 流控和码率自适应 |
| 2.2 覆盖网络路由 |
| 2.3 视频内容缓存 |
| 2.3.1 经典的缓存算法 |
| 2.3.2 基于学习的缓存算法 |
| 2.4 本章总结 |
| 第三章 基于深度强化学习的端到端码率调整 |
| 3.1 本章引论 |
| 3.2 视频发送端码率控制 |
| 3.3 发送端码率控制实验及结果 |
| 3.4 视频接收端自适应码流 |
| 3.5 模型的移动端性能测试 |
| 3.6 本章总结 |
| 第四章 基于深度学习的覆盖网络路由 |
| 4.1 本章引论 |
| 4.2 基于regret的覆盖网络路由算法 |
| 4.3 基于深度学习的网络流量预测和覆盖网络路由 |
| 4.4 本章总结 |
| 第五章 基于流行度的自适应内容缓存 |
| 5.1 本章引论 |
| 5.2 基于内容流行度的自适应缓存优化 |
| 5.3 视频内容缓存优化实验结果 |
| 5.4 本章总结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 简历与科研成果 |
（8）视频帧率上变换的递推建模与深度学习方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语 |
| 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 基于运动估计与运动补偿的插帧 |
| 1.2.2 基于深度学习的插帧 |
| 1.3 论文主要工作 |
| 1.3.1 上下文感知的Kalman滤波视频光流估计 |
| 1.3.2 基于高阶模型与动态滤波的视频帧率上变换 |
| 1.3.3 MEMC模型驱动的深度学习视频帧率上变换 |
| 1.3.4 融合场景深度的视频帧率上变换 |
| 1.4 章节安排 |
| 第二章 上下文感知的Kalman滤波视频光流估计 |
| 2.1 引言 |
| 2.2 相关研究工作 |
| 2.2.1 基于变分优化框架的光流估计 |
| 2.2.2 基于损失空间搜索的光流估计 |
| 2.2.3 基于卷积神经网络的光流估计 |
| 2.3 Kalman滤波视频光流估计 |
| 2.3.1 视频光流场的Kalman滤波算法 |
| 2.3.2 视频帧间Kalman滤波器的递推 |
| 2.4 上下文感知的Kalman滤波器系统噪声估计 |
| 2.4.1 上下文信息提取 |
| 2.4.2 系统噪声估计 |
| 2.5 时域相关性增强的Kalman滤波器的测量噪声估计 |
| 2.6 实验结果与分析 |
| 2.6.1 客观指标分析 |
| 2.6.2 主观质量分析 |
| 2.6.3 上下文感知模块性能分析 |
| 2.6.4 参数敏感性分析 |
| 2.7 本章小结 |
| 第三章 基于高阶建模与动态滤波的帧率上变换 |
| 3.1 引言 |
| 3.2 相关研究工作 |
| 3.2.1 高阶建模 |
| 3.2.2 动态滤波 |
| 3.3 基于高阶模型的帧率上变换模型 |
| 3.3.1 亮度与运动的高阶建模 |
| 3.3.2 亮度与运动估计的联合能量函数 |
| 3.3.3 基于高阶模型的视频帧率上变换 |
| 3.4 高阶模型的最优估计求解算法 |
| 3.4.1 先验估计 |
| 3.4.2 最大似然验估计 |
| 3.4.3 Kalman滤波器 |
| 3.4.4 噪声协方差估计 |
| 3.4.5 能量最小化优化算法 |
| 3.5 实验结果与分析 |
| 3.5.1 与现有帧率上变换算法对比 |
| 3.5.2 高阶运动模型性能评估 |
| 3.5.3 高阶亮度模型性能评估 |
| 3.6 本章小结 |
| 第四章 MEMC模型驱动的深度学习视频帧率上变换 |
| 4.1 引言 |
| 4.2 相关研究工作 |
| 4.2.1 基于运动估计与补偿的经典算法 |
| 4.2.2 基于神经网络学习的现代算法 |
| 4.3 MEMC模型驱动的深度学习帧率上变换方法 |
| 4.3.1 MEMC-Net模型框架 |
| 4.3.2 基于光流偏移的自适应卷积核采样网络层 |
| 4.3.3 光流映射网络层 |
| 4.4 基于MEMC-Net的视频帧率上变换 |
| 4.4.1 网络模块 |
| 4.4.2 算法实现细节 |
| 4.5 MEMC-Net模型在视频增强上的可扩展性 |
| 4.6 实验结果与分析 |
| 4.6.1 神经网络模块性能评估 |
| 4.6.2 视频帧率上变换性能评估 |
| 4.6.3 MEMC-Net可扩展性分析 |
| 4.7 本章小结 |
| 第五章 融合场景深度的视频帧率上变换 |
| 5.1 引言 |
| 5.2 相关研究工作 |
| 5.2.1 视频帧率上变换 |
| 5.2.2 场景深度估计 |
| 5.3 融合场景深度的视频帧率上变换方法 |
| 5.3.1 融合场景深度信息的光流估计 |
| 5.3.2 融合场景深度的插帧模型 |
| 5.4 实验结果与分析 |
| 5.4.1 实验条件与评估指标 |
| 5.4.2 景深感知的光流映射性能分析 |
| 5.4.3 多层次上下文提取模块性能分析 |
| 5.4.4 与当时领先算法的比较 |
| 5.4.5 场景深度估计性能分析 |
| 5.4.6 模型参数与运行时间性能分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的科研成果及参与的项目 |
| 简历 |
（9）专用小型LTE基站多用户视频传输性能提升技术研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 选题意义 |
| 1.4 主要研究工作 |
| 1.5 论文内容和安排 |
| 第二章 LTE MAC子层分析 |
| 2.1 MAC子层概述 |
| 2.1.1 MAC子层结构和功能 |
| 2.1.2 信道映射 |
| 2.1.3 维持上行同步 |
| 2.1.4 DRX |
| 2.1.5 MAC PDU |
| 2.2 HARQ机制分析 |
| 2.2.1 HARQ概述 |
| 2.2.2 上行HARQ流程分析 |
| 2.2.3 上行HARQ操作 |
| 2.3 SPS机制分析 |
| 2.3.1 SPS概述 |
| 2.3.2 传输激活 |
| 2.3.3 SPS的HARQ过程 |
| 2.3.4 资源释放 |
| 2.4 QoS机制 |
| 2.4.1 QoS基本原理 |
| 2.4.2 QoS主要参数承载级 |
| 2.5 网络传输协议 |
| 2.5.1 概述 |
| 2.5.2 UDP协议 |
| 2.5.3 TCP协议 |
| 2.5.4 RTSP协议 |
| 2.5.5 HTTP协议 |
| 2.6 本章小结 |
| 第三章 LTE上行视频传输流程与优化 |
| 3.1 上行数据传输 |
| 3.1.1 上行视频传输流程 |
| 3.1.2PDCCH控制信息 |
| 3.1.3 上行链路控制信息 |
| 3.1.4 PUCCH上的上行链路控制信息传输 |
| 3.2 基于信道动态特性的优化算法 |
| 3.2.1 概述 |
| 3.2.2 视频编码 |
| 3.2.3 算法模型 |
| 3.3 本章小结 |
| 第四章 LTE上行链路核心模块设计 |
| 4.1 上行链路设计概述 |
| 4.2 上行调度模块设计 |
| 4.2.1 概述 |
| 4.2.2 资源管理和调度策略 |
| 4.3 上行数据传输模块设计 |
| 4.3.1 接收机模块 |
| 4.3.2 解复用模块 |
| 4.3.3 调度模块 |
| 4.3.4 发射机模块 |
| 4.4 本章小结 |
| 第五章 视频传输性能测试及结果分析 |
| 5.1 LTE专用小型基站设计 |
| 5.2 基站性能测试 |
| 5.2.1 UDP灌包测试 |
| 5.2.2 上行视频传输性能测试 |
| 5.2.3 实时视频流传输测试 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间取得的成果 |
（10）基于资源动态伸缩的视频会议系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外视频会议发展现状 |
| 1.2.1 国内视频会议系统发展现状 |
| 1.2.2 国外视频会议系统发展现状 |
| 1.2.3 基于Web RTC的媒体服务架构发展现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第二章 相关技术概述 |
| 2.1 视频会议媒体后台相关技术 |
| 2.1.1 RTP与SRTP协议 |
| 2.1.2 SIP协议 |
| 2.1.3 Docker |
| 2.1.4 Kubernetes |
| 2.2 视频会议管理系统相关技术 |
| 2.2.1 Spring Cloud |
| 2.2.2 Spring Data JPA |
| 2.3 本章小结 |
| 第三章 视频会议系统需求分析 |
| 3.1 系统整体概述 |
| 3.1.1 会议管理系统整体功能点介绍 |
| 3.1.2 媒体服务架构整体功能点介绍 |
| 3.1.3 系统主要业务流程介绍 |
| 3.2 视频会议系统功能性需求分析 |
| 3.2.1 会议管理系统功能性需求分析 |
| 3.2.2 媒体服务架构功能性需求分析 |
| 3.3 视频会议系统非功能性需求分析 |
| 3.3.1 会议管理系统非功能性需求 |
| 3.3.2 媒体服务架构非功能性需求 |
| 3.4 本章小结 |
| 第四章 视频会议系统大体设计 |
| 4.1 系统整体架构设计 |
| 4.2 会议管理系统微服务模块设计 |
| 4.2.1 用户管理模块 |
| 4.2.2 通讯录模块 |
| 4.2.3 会议管理模块 |
| 4.2.4 通知模块 |
| 4.2.5 数据库设计 |
| 4.3 媒体服务系统架构功能模块设计 |
| 4.3.1 SFU媒体架构设计 |
| 4.3.2 MCU媒体架构设计 |
| 4.3.3 媒体服务请求动态负载均衡设计 |
| 4.3.4 媒体服务架构的验证方案设计 |
| 4.4 本章小结 |
| 第五章 系统详细设计实现与架构验证 |
| 5.1 会议管理系统相关模块的详细设计与实现 |
| 5.1.1 用户管理模块详细设计与实现 |
| 5.1.2 通讯录模块详细设计与实现 |
| 5.1.3 会议管理模块详细设计与实现 |
| 5.1.4 通知模块详细设计与实现 |
| 5.1.5 会议管理系统动态伸缩详细设计与实现 |
| 5.2 媒体服务动态伸缩架构模块详细设计与实现 |
| 5.2.1 SFU媒体架构的详细设计与实现 |
| 5.2.2 MCU媒体架构的详细设计与实现 |
| 5.3 媒体服务动态伸缩架构的验证分析 |
| 5.3.1 媒体服务整体架构验证测试环境 |
| 5.3.2 SFU媒体服务架构验证与测试分析 |
| 5.3.3 MCU媒体服务架构验证与测试分析 |
| 5.3.4 媒体服务架构性能指标采集及分析 |
| 5.4 本章小结 |
| 第六章 系统测试与分析 |
| 6.1 测试环境 |
| 6.2 会议管理系统功能性测试 |
| 6.2.1 用户管理模块功能性测试 |
| 6.2.2 通讯录管理模块功能性测试 |
| 6.2.3 会议管理模块功能性测试 |
| 6.2.4 通知模块功能性测试 |
| 6.3 会议管理系统非功能性测试 |
| 6.3.1 非功能性测试用例 |
| 6.3.2 测试结果及分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、视频会议中高质量视频传输的设计与实现（论文参考文献）
- [1]基于自适应码率移动增强现实应用的能效优化研究[J]. 陈乐,高岭,任杰,党鑫,王祎昊,曹瑞,郑杰,王海. 计算机科学, 2022(01)
- [2]C实现基于游程的符号分组熵编码在视频压缩中的应用[D]. 李旸. 汕头大学, 2021(02)
- [3]无线多媒体通信的跨层优化技术研究[D]. 和超凡. 电子科技大学, 2021(01)
- [4]面向5G网络的流媒体内容分发关键技术研究[D]. 曹腾飞. 北京邮电大学, 2020
- [5]基于多描述编码的DMB视频传输技术研究及实现[D]. 陈涛. 重庆邮电大学, 2020(02)
- [6]安卓无线同屏技术研究及系统实现[D]. 谭鹏飞. 中国科学院大学(中国科学院人工智能学院), 2020(01)
- [7]面向视频应用的网络智能传输算法研究[D]. 赵阳超. 南京大学, 2020(04)
- [8]视频帧率上变换的递推建模与深度学习方法研究[D]. 包文博. 上海交通大学, 2020(01)
- [9]专用小型LTE基站多用户视频传输性能提升技术研究与实现[D]. 吴晨曦. 电子科技大学, 2020(07)
- [10]基于资源动态伸缩的视频会议系统的设计与实现[D]. 魏宏凯. 西安电子科技大学, 2020(05)