基于代理缓存的视频传输综述

通过高速网络传输视频已被广泛关注,但视频的存储量较大,为防止网络拥塞,应采取一系列有效的策略来解决视频传输问题。文章介绍了基于代理缓存技术的视频传输策略：代理前缀缓存、基于段的代理缓存、视频切分技术和中介等。从不同侧面解决视频传输过程中的拥塞问题,以保证良好的视频传输。     

边缘计算中面向多码率视频的缓存、转码和传输联合优化策略

结合边缘缓存技术与流媒体传输技术能有效提升视频服务质量,为降低视频内容提供商的边缘资源租赁成本,提出一种视频缓存、转码和传输联合优化策略.首先,综合考虑视频的缓存、转码、边缘传输和云端传输的成本,以最小总租赁成本为目标建立整数规划模型,并证明其NP-complete性质;其次,根据历史请求数估计视频流行度变化,并对流行视频进行缓存;最后,基于视频的缓存状态,为用户的请求选择成本最低的响应方式.仿真实验表明,所提策略与现有策略相比,可提升请求命中率并有效降低内容提供商的资源租赁成本.     

基于深度强化学习的边缘网络内容协作缓存与传输方案研究

为了应对第五代无线通信网络中数据吞吐量急剧增加的问题,移动边缘缓存成为了一种有效的解决方案。它通过在边缘设备上存储网络内容,减轻回程链路和核心网络的负担,缩短服务时延。到目前为止,大多数边缘缓存研究主要在协作内容缓存的优化方面,忽略了内容传输的效率。研究超密集网络的内容协作边缘缓存与无线带宽资源的分配问题,通过余弦相似度和高斯相似度求解基站之间总的相似度,将网络中的小基站根据总相似度进行分组,把缓存和无线带宽分配问题建模成一个长期混合整数的非线性规划问题（LT-MINLP）,进而将协作边缘缓存与带宽分配问题转变为一个带约束的马尔可夫决策过程,并利用深度确定性策略梯度DDPG模型,提出了一种基于深度强化学习的内容协作边缘缓存与带宽分配算法CBDDPG。提出的基站分组方案增加了基站之间文件共享的机会,提出的CBDDPG算法的缓存方案利用DDPG双网络机制能更好地捕捉用户的请求规律,优化缓存部署。将CBDDPG算法与三种基线算法（RBDDPG、LCCS和CB-TS）进行了对比实验,实验结果表明所提方案能够有效地提高内容缓存命中率,降低内容传递的时延,提升用户体验。     

移动环境下自适应缓存管理机制

在深入研究缓存失效广播技术的基础上提出了一种基于移动环境的自适应缓存管理机制(ACMS).该方法根据存取数据的移动客户机的数目,在服务器端动态调整失效报告的内容及广播间隔,在客户端根据时间戳及时间间隔值修改缓存数据.通过对该方法进行性能分析,与现有的缓存机制进行比较,该机制能有效节省能量,提高带宽利用率.     

移动环境下一种缓存管理策略

移动计算环境中带宽具有非对称性,并且移动设备资源有限,传统的缓存管理策略需要占用大量的设备计算资源和网络带宽,有效的缓存管理技术能够极大提高移动计算的性能。对此提出一系列的针对移动计算的缓存管理策略。首先根据用户访问频率建立对应的具有生命周期的数据项缓存,然后使用自适应一致性维护策略维护缓存的一致性。通过实验分析,提出的管理策略能够很好地降低带宽占用,并且有效地减少对移动客户端的资源需求。     

移动互联网视频传输优化的架构研究

随着3G移动互联网的快速发展,在手机等移动终端上看视频成为一种日常应用.但互联网上的大部分视频对于移动用户而言,其码率相对较大,而且移动用户的可用带宽受环境影响变化大,不稳定,影响了用户观看视频的体验.提出一种针对移动互联网的视频传输优化解决方案的系统架构,该架构从缓存和压缩两个方面入手,通过缓存缓解运营商的骨干网流量压力,通过视频压缩降低视频码率以满足用户的实际接入带宽.该架构既为运营商节约了带宽、降低了运营成本,同时也保证用户观看视频的连续性,提高用户体验.     

命名数据网络中的视频传输研究综述

互联网目前已经发展为一个由实时视频和视频点播等内容分发服务主导的网络传统IP网络对于视频分发类任务的支持存在组播的部署复杂且开销大,不能有效利用多路径获取内容、对移动性的支持差和难以同时满足可靠性以及低延时需求等问题命名数据网络(named data networking,NDN)作为新型的下一代互联网体系结构,支持网...     

视频缓存策略中QoE和能量效率的公平联合优化

随着无线网络中视频流量的增长,内容分发网络和移动边缘计算技术被视为应对这一挑战的有效方案,其中缓存策略问题是研究的重要内容.面对不同的应用场景和需求,设计缓存策略时会考虑不同的优化目标.文中重点考虑了两个优化目标的公平性问题.对视频服务商而言,用户满意度(Quality of Experience,QoE)体现了服务的...     

基于移动边缘计算环境下的服务缓存和任务调度联合优化算法

在移动边缘计算中,在资源有限的边缘设备上对服务缓存和任务执行进行合理的决策能够大幅度地提高卸载效率和减少应用程序的处理时延。针对边缘计算环境下服务缓存与任务卸载决策问题,建立网络模型和服务缓存模型,定义关联的边缘设备、协作的边缘设备任务执行时延及远端云数据传输和任务执行的时延,提出一种联合优化算法来求解任务执行时延约束条件下的服务缓存决策最优解。该算法采用粒子群优化Particle Swarm Optimization（PSO）,将移动用户的任务按照整数编码,优化任务处理时延适应度和粒子速度更新,缩短任务延迟时间。仿真实验结果表明,联合优化算法取得相比其他策略完成时间更少且能适应大规模任务调度的效果。     

网络视频直播缓存系统设计

目前,Intemet上的视频直播主要是以单播(Unicast)的方式传送的,这对于宝贵的网络带宽而言,无疑是巨大的浪费.文章分析了当前网络视频的概况及网络视频直播的特点,遵从实时传输协议(RTP)和实时流协议(RTSP),设计了一个旨在节省网络带宽、提高网络性能的网络视频直播缓存系统.该直播缓存系统监听并接受客户请求,对于已经存在的媒体流,不再与源服务器交互,而是利用缓存的内容直接为其提供服务,从而节省了网络带宽,同时也减轻了源服务器的负担.     

视频传输中的FEC技术综述

对几种视频差错控制技术进行了概括与比较,总结了前向纠错算法的基本原理及其优缺点。重点讨论了几种改进的前向纠错算法,包括动态前向纠错机制、自适应模型、主观质量控制策略和组播环境中的前向纠错方法。     

移动边缘网络中计算迁移与内容缓存研究综述

随着移动设备数量的爆炸性增长以及许多新兴应用的出现,移动网络的流量呈指数级增长.传统的集中式网络架构由于回程链路负载过重、时延较长,无法满足移动用户的需求.因此,提出了将网络能力从核心网开放至边缘网的新体系结构,即移动边缘计算（MEC）.移动边缘计算能够在移动蜂窝网络的边缘提供轻量级的云计算和存储能力.对移动边缘计算相关的最新研究成果进行了详尽的回顾：首先,概述了移动边缘计算的发展历程、关键问题和支撑技术;然后,针对MEC架构、计算迁移、边缘缓存和服务编排这4个关键研究问题进行了全面的综述,并讨论了增强现实、虚拟现实、动态内容交付、车联网和物联网等移动边缘计算中的典型应用案例;最后,从移动边缘计算功能增强、服务质量保障和安全可用性这3个方面展望了移动边缘计算的开放式研究挑战和未来的发展趋势.     

云计算环境下监控视频数据安全传输方法优化研究

常规数据传输方法可用于视频数据的传输,但数据量增大时缺少多路径的传输保障,导致传输性能下降。对此,在云计算环境下提出新的监控视频数据安全传输方法。首先,在集群规划云计算的网络传输节点,划分大小区间,进而对传输信号的数据路径进行多路径均衡,保障传输的效率。其次,构建监控视频数据的安全传输模型,在保证数据量完好的同时提升安全性。最后,基于文件特征分离法完成对视频数据的安全传输。实验结果表明,应用该方法的数据传输成功率均高于95%,优于对比方法,具有良好的应用价值。     

兼顾个性化需求的云边协作两级内容缓存研究

针对用户访问移动短视频响应时延过长、不能满足个性化需求等问题,基于短视频的时延敏感性、个性化需求等特点,综合考虑短视频的内容流行度和用户偏好,提出一种云边协作环境下的两级内容缓存方案。根据用户对短视频偏好的平均值表征边缘节点的偏好值,进而计算边缘节点的相似度,综合考虑边缘节点之间的物理距离和相似度对节点协作的影响,建立边缘节点的协作节点集。基于长尾理论提出一种两级内容缓存策略,将每个边缘节点分为流行内容缓存区和用户偏好内容缓存区两部分,流行内容缓存区采取主动缓存策略,针对用户偏好内容缓存区的缓存内容,综合分析用户访问请求在不同响应方式下的延迟,并以最小化整体内容请求延迟为目标,设计一种基于改进离散蛙跳算法的边缘协作缓存方案。实验结果表明,在同一数据集上与RC、BEP等缓存方案相比,该方案的用户请求命中率提高近40%,并能够降低回程链路负载,减少用户请求延迟,满足时延敏感性特点及90%的用户个性化需求。     

视频传输中的FEC技术综述

对几种视频差错控制技术进行了概括与比较,总结了前向纠错算法的基本原理及其优缺点.重点讨论了几种改进的前向纠错算法,包括动态前向纠错机制、自适应模型、主观质量控制策略和组播环境中的前向纠错方法.     

基于边缘计算的人脸识别视频传输系统设计

随着计算机视觉和模式识别领域的应用升级需要，动态人脸识别技术也得到了飞速发展[1]。目前视频监控领域中的人脸识别处理方法多只在设备前端做简单的识别和跟踪，大量复杂运算，包括人脸特征值的比对和大数据的处理部分都在服务端完成。对于视频监控的使用方，该方法无法在监控端实时显示人脸的识别和比对结果。针对这种需求，本文提出了一种基于边缘计算的人脸识别视频传输方案，实现视频传输的采集端和播放端对视频中人脸识别效果的同步。该方案中，终端设备的视频处理模组对视频数据同时进行视频编码和人脸识别，根据终端人脸库，提取分析人脸识别结果并记录视频中的坐标信息，并采用同步封包机制将两者融合，从而获得同时具有编码数据和人脸信息的视频数据包。通过验证系统试验证明，该方案可解决视频直播中的人脸框显示和跟踪的同步问题，并且有较高的准确性和实时性。     

移动边缘网络中的多目标缓存优化方法

随着5G时代的到来,各类移动应用蓬勃发展,用户量快速增长,大量的通信流量对移动边缘网络造成了巨大的压力,缓存资源紧张的问题逐渐凸显.为此,本文提出了一种基于多目标优化算法的移动边缘网络缓存放置策略,考虑包含一个宏基站和若干小基站的边缘网络,通过分析边缘网络缓存中不同利益相关方的需求,即用户平均延迟、缓存成本和传输功耗,以及缓存空间有限的约束条件,构建了多目标优化模型,为了求解模型,提出了一种基于最远交配和淘汰策略的多目标进化算法(MOEA-FMES).通过模拟仿真实验与其他常见多目标优化算法进行了对比,结果表明MOEA-FMES优于对比算法,能够给出一组质量较高、收敛性较好且分布均匀的解,证明了所提出方法的有效性.     

基于移动边缘计算的车联网缓存策略研究

针对车联网中数据流量爆炸式增长而引起的业务响应时延过高的问题,提出了一种基于移动边缘计算的蚁群模拟退火算法缓存策略(ACSAM)。首先,在基于5G的车—边—云协同系统架构下,以最小化内容下载时延为目标,建立了通信计算模型;其次,采用蚁群算法构造了使内容下载时延最小的局部最优解;最后,使用模拟退火算法对局部最小下载时延进行扰动,并以一定概率接受新解,从而得到全局最小下载时延,即保证了内容被预缓存在最佳的位置。仿真结果表明,在车—边—云协同架构下,ACSAM缓存策略可显著减少传输冗余,降低下载时延。     

移动数据库自适应缓存管理及应用

针对移动计算环境,提出移动数据库自适应缓存管理概念,给出移动数据库自适应缓存模型。针对移动位置服务提出弹性分组压缩位向量法,针对断接性提出主动夭折与通知确认机制相结合法。详细给出移动数据库自适应缓存调度算法及实现并通过移动手机预约挂号系统的应用验证该方法的有效性。实际运行结果表明它能大大改善移动应用响应时间、降低系统资源开销,在支持移动位置服务及断接性等方面具有较好的性能,从而提升移动应用整体性能。     

基于事件的视频传输自适应调节方法及其应用

在监控视频传输过程中,网络状况及编码参数的改变会影响视频质量与占用的存储资源。在对IP网络视频传输技术研究的基础上,提出了一种基于交通事件的视频传输的自适应调节方法。这种方法在实时监测网络资源状况的同时考虑存储资源,在交通事件发生时提高视频码率和分辨率达到提高视频质量的目的;在没有事件发生期间采用低编码参数,达到节约存储资源的目的。结合一个交通视频通信系统,实现了这种基于事件的自适应调节方法的应用,并进行了实际测试,验证了其运行效果。