A First Look at Quality of Mobile Live Streaming Experience: the Case of Periscope
来自移动设备的实时多媒体流正在迅速普及，但对它们提供的QoE知之甚少。在本文中，我们将研究Periscope服务。我们首先抓取服务，以了解其使用模式。然后，我们研究了使用的协议，典型的体验质量指标，如播放流畅性和延迟，视频质量，以及Android应用程序的能耗。
2016-10-03 cs.MM cs.NI
Optimizing Adaptive Video Streaming in Mobile Networks via Online Learning
本文提出了一种基于在线学习的HTTP自适应流媒体（HAS）视频码率自适应算法。所提出的算法，名为Learn2Adapt（L2A），提供了一个强大的速率自适应策略，不像大多数的国家的最先进的技术，不需要参数调整，信道模型假设或应用特定的调整。这些特性使其非常适合移动用户，他们通常会经历信道特性的快速变化。仿真表明，L2A提高了整体体验质量（QoE），特别是平均流传输速率，这是独立于信道和应用场景获得的结果。
2019-11-07 cs.MM cs.NI
HTTP adaptive streaming with indoors-outdoors detection in mobile networks
在移动网络中，由于窗户和墙壁处的高信号衰减，用户可能在进入建筑物时失去覆盖。在这种情况下，具有最低比特率要求的服务（例如视频流）通常表现出较差的体验质量（QOE）。我们将提出一个贝叶斯检测器，它结合了两个智能手机传感器的测量结果，以确定用户是否在建筑物内。基于这种覆盖分类，我们将提出一种HTTP自适应流（HAS）算法，以提高在高平均比特率的播放稳定性。在一个典型的办公楼的测量表明，所提出的检测器的高精度和优越的QoE的建议HAS算法。
2017-05-24 cs.MM cs.NI
Improving Mobile Video Streaming with Mobility Prediction and Prefetching in Integrated Cellular-WiFi Networks
我们提出并评估了一个程序，利用移动性和吞吐量预测预取视频流数据在集成的蜂窝和WiFi网络。这种异构无线技术的有效集成对于在无处不在的网络环境中支持高性能和节能的视频流将是重要的。我们的评估是基于跟踪驱动的模拟，考虑经验测量，并显示了各种系统参数如何影响性能，暂停视频帧的数量和能耗方面，这些参数包括视频流的数量，移动，WiFi和ADSL回程吞吐量，以及WiFi热点的数量。此外，我们评估的过程的鲁棒性的时间和吞吐量的变化。最后，我们提出了我们的初始原型，实现所提出的方法。
2013-10-23 cs.MM cs.NI
Mobile Multimedia Streaming Techniques : QoE and Energy Consumption Perspective
由于两个原因，多媒体流传输到移动设备具有挑战性。首先，将内容传送到客户端的方式必须确保用户在流媒体会话中间不会经历长的初始播放延迟或失真的播放。其次，多媒体流应用是智能手机中最耗能的应用之一。能量消耗主要取决于无线接入技术（Wi-Fi、3G和4G）的传输技术和功率管理技术。为了深入了解现有的流媒体技术，它们如何在不同的移动平台上工作，它们在提供流畅的体验质量方面所做的努力，以及它们对手机能耗的影响，我们对几款同时具有Wi-Fi和蜂窝网络接入的智能手机进行了大量的主动测量。我们的分析揭示了五种不同的技术来提供内容的视频播放器。技术的选择取决于移动平台、设备、播放器、质量和服务。我们的流量和功率测量结果使我们能够得出结论，所确定的技术都不是最佳的，因为它们没有考虑以下因素：使用的接入技术，用户行为和用户对数据浪费的偏好。我们指出的技术与最佳的播放缓冲区配置，它提供了最有吸引力的权衡在特定情况下。
2014-05-24 cs.MM cs.NI
A Survey on Mobile Edge Computing for Video Streaming: Opportunities and Challenges
5G通信通过实现更高的吞吐量和更低的延迟，在提供给各种应用的服务质量方面带来了实质性的改进。然而，交互式多媒体应用（例如，超高清视频会议、3D和多视图视频流、众包视频流、云游戏、虚拟和增强现实）正变得越来越雄心勃勃，高容量和低延迟视频流对已经拥塞的网络提出了严格的要求。移动边缘计算（MEC）是将云计算能力扩展到网络边缘的新兴范例，即，在基站级别。为了满足延迟要求并避免与远程云数据中心的端到端通信，MEC允许存储和处理视频内容（例如，高速缓存、代码转换、预处理）。视频点播和直播视频流都可以利用MEC来改进现有服务并开发新的用例，例如视频分析和有针对性的广告。MEC有望通过提供超可靠和低延迟的流媒体（例如，在增强现实、虚拟现实和自主车辆中），普及计算（例如，在实时视频分析中），以及用于安全直播的区块链架构。本文对MEC支持的视频流的最新发展进行了全面调查，带来了前所未有的改进，以实现新的用例。详细回顾了最新的高速缓存方案、最佳计算卸载、协作高速缓存和卸载以及人工智能的使用（即，机器学习、深度学习和强化学习）。
2022-09-13 cs.MM cs.NI
Band Codes for Energy-Efficient Network Coding with Application to P2P Mobile Streaming
随机网络编码（NC）的一个关键问题在于与分组解码过程相关的复杂度和能量消耗，这阻碍了其在移动环境中的应用。控制和限制这些因素一直是一个重要但难以捉摸的研究目标，因为数据包的度分布，这是驱动复杂性的主要因素，是在一个非确定性的方式改变的随机重组在网络节点。在本文中，我们解决这个问题，提出带码（BC），一类新的网络代码专门设计，以保持数据包的程度分布在数据包编码，组合和解码。BC是GF（2）上的随机码，其表现出低解码复杂度，通过构造具有有限和受控的度分布，因此即使在能量受限的情况下也允许有效地应用NC。特别是，在本文中，我们激励和描述我们的新设计，并提供了一个彻底的分析其性能。我们提供了数值模拟的BC的性能，以验证分析和评估BC的开销相对于一个conventional NC计划。此外，对等媒体流实验与随机推送协议表明，BC降低了解码复杂度的一个因素，到一个点，基于NC的移动流到移动设备变得实际可行。
2013-09-02 cs.MM cs.NI
NEWCAST: Anticipating Resource Management and QoE Provisioning for Mobile Video Streaming
由于移动应用程序和服务以及智能手机传感器提供了丰富的上下文信息，了解移动网络中未来吞吐量变化的可能性越来越大。甚至可能的是，这样的上下文信息（可能包括业务、移动性和无线电条件）将导致尚未想到的新颖的敏捷资源管理。在本文中，我们提出了一个框架（称为NEWCAST），预计吞吐量的变化，提供视频流内容。我们开发了一个优化问题，实现了关键指标，影响用户的感知体验质量（QoE）和系统利用率的成本之间的基本权衡。从[1]中收集的模拟和真实世界吞吐量跟踪都被用来评估NEWCAST的性能。特别是，我们的数值结果表明，NEWCAST提供了新的5G架构在计算复杂性和鲁棒性方面所需的效率。我们还实现了一个原型系统的NEWCAST和评估它在一个真实的环境中与一个真实的播放器，以显示其效率和可扩展性相比，基线自适应比特率算法。
2018-01-25 cs.MM cs.NI
MSPlayer: Multi-Source and multi-Path LeverAged YoutubER
如今，通过移动设备的在线视频流已经变得非常流行。例如，YouTube报告称，在过去两年中，其流向移动设备的流量比例从6%飙升至40%以上。此外，人们不断寻求高质量的视频流以获得更好的体验，同时经常受到有限带宽的影响。得益于内容分发网络（CDN）的快速部署，流行的视频现在可以在不同的站点复制，用户可以以低延迟从附近的位置流式传输视频。由于移动设备如今配备有多个无线接口（例如，WiFi和3G/4G），聚合带宽用于高清视频流已经成为可能。我们提出了一个基于客户端的视频流解决方案，MSPlayer，它利用多个视频源以及通过不同接口的多个网络路径。MSPlayer减少启动延迟，并在移动场景中提供高质量的视频流和强大的数据传输。我们实验证明我们的解决方案在测试平台上，并通过YouTube视频服务。
2014-11-09 cs.MM cs.NI
SIA: Symbolic Interpretability for Anticipatory Deep Reinforcement Learning in Network Control
IMDEA Networks Institute（IMDEA网络研究所）；Northeastern University（东北大学）；Universidad Carlos III de Madrid（马德里卡洛斯三世大学）
SIA通过融合符号AI与知识图谱，实现前瞻性深度强化学习的实时可解释性，提升网络控制的透明度和效率。
2026-01-29 cs.AI cs.NI
Performance Bound Analysis for Crowdsourced Mobile Video Streaming
自适应比特率（ABR）流使得视频用户能够根据实时网络条件来调整播放比特率，以实现期望的体验质量（QoE）。在这项工作中，我们提出了一种新的众包流框架多用户ABR视频流在无线网络上。该框架使附近的移动视频用户能够众包他们的无线电链路和资源，用于协作视频流。我们着重分析所提出的众包流媒体系统的社会福利性能界限。由于用户的异步操作，直接求解此界限具有挑战性。为此，我们引入了一个虚拟的时隙系统的同步操作，并制定了相关的社会福利优化问题作为一个线性规划。我们表明，虚拟系统的最佳社会福利性能提供了有效的上界和下界的最佳性能（界）的原始异步系统，因此，所提出的众包流媒体系统的可行性能区域的特点。所得的性能界限可作为未来在线算法设计和激励机制设计的基准。
2018-05-21 cs.GT cs.MM cs.NI
Mobile P2P Trusted On-Demand Video Streaming
我们建议演示一个移动服务器辅助的P2P系统的点播视频流。我们提出的解决方案使用3G和ad-hoc Wi-Fi连接的组合，使移动设备能够以最小化3G带宽使用和成本的方式从集中式服务器下载内容。在定制的GUI上，我们展示了通过增加P2P和ad-hoc Wi-Fi网络中参与移动设备的数量来实现的3G带宽的相应减少，同时展示了每个移动设备上的良好视频播放质量。我们还演示了实现的信任机制，使手机只使用受信任的adhoc连接。该系统已在基于Android的智能手机上实现。
2012-03-31 cs.NI
Multi-Dimensional Auction Mechanisms for Crowdsourced Mobile Video Streaming
众包移动视频流使附近的移动视频用户能够聚合网络资源，以提高他们的视频流性能。然而，用户通常是自私的，如果没有适当的激励，他们可能不愿意合作。由于用户的异步下载行为和他们对多比特率编码视频的私人评价，为这种场景设计激励机制是具有挑战性的。在这项工作中，我们提出了单对象和多对象的多维拍卖机制，通过该机制，用户出售的机会，下载单个和多个视频片段与多个比特率，分别。两种拍卖机制都能实现真实性（即真实的私人信息揭示）和效率（即，社会福利最大化）。模拟与真实的痕迹表明，众包的移动流媒体促进的拍卖机制优于非合作流媒体48.6%（平均）的社会福利。为了评估真实世界的性能，我们还构建了一个演示系统的众包移动流媒体和实现我们提出的拍卖机制。在演示系统上的实验进一步表明，那些向他人提供资源的用户和那些接受帮助的用户可以通过合作分别增加15.5%和35.4%（平均）的福利。
2018-07-07 cs.NI
Dynamic Video Streaming in Caching-enabled Wireless Mobile Networks
软件定义移动网络（SDMN）、网内缓存和移动边缘计算（MEC）的最新进展可能会对下一代移动网络中的视频服务产生重大影响。在本文中，我们共同考虑SDMN，在网络缓存，MEC，以提高下一代移动网络中的视频服务。以最大化视频质量的平均度量为目标，提出了一个优化问题。由于视频数据率、计算资源和流量工程（带宽提供和路径选择）的耦合，该问题在实际中变得棘手。因此，我们利用对偶分解方法将这三组变量解耦。大量的仿真进行了不同的系统配置，以显示所提出的方案的有效性。
2017-06-29 cs.NI
PromptMobile: Efficient Promptus for Low Bandwidth Mobile Video Streaming
Peking University（北京大学）
针对 Promptus 低带宽视频流难以在移动端实时运行的问题，本文提出 PromptMobile，通过两阶段生成、帧间缓存和系统优化实现 13.6 倍提速并改善视频质量。
2025-05-15 cs.AI cs.MM cs.NI
Empirical Analysis of Client-based Network Quality Prediction in Vehicular Multi-MNO Networks
多移动网络运营商（MNO）网络是一种很有前途的方法，利用多个可用的蜂窝数据连接在车辆网络的合力。通过应用预期通信原理，数据传输可以动态地利用具有最高估计网络性能的移动网络，以便实现数据率、资源效率和可靠性的改进。在本文中，我们提出了一个全面的真实世界的测量活动在公共蜂窝网络在不同的情况下的结果，并分析了在线数据率预测的性能的基础上，多个机器学习模型和数据聚合策略。它表明，多MNO的方法是能够实现所有考虑的网络质量和端到端的指标，即使在存在一个单一的主导MNO显着的好处。然而，分析指出，预期的多MNO通信需要考虑特定于MNO的机器学习模型，因为不同特征的影响高度依赖于网络基础设施的配置。
2019-11-21 cs.NI
Network Characteristics of Video Streaming Traffic
视频流代表了互联网流量的很大一部分。令人惊讶的是，很少有人知道这种流量的网络特性。在本文中，我们研究了两个最流行的视频流服务，Netflix和YouTube的网络特性。我们表明，流媒体策略随应用程序的类型（Web浏览器或本机移动应用程序）和用于视频流的容器类型（Silverlight，Flash或HTML5）而变化。特别是，我们确定了三种不同的流媒体策略，从非ACK时钟的ON-OFF周期批量TCP传输产生的流量模式。然后，我们提出了一个分析模型来研究这些流媒体策略对总流量的潜在影响，并提出相应的建议。
2011-11-03 cs.MM cs.NI
Multi-User Cooperative Mobile Video Streaming: Performance Analysis and Online Mechanism Design
针对多用户无线视频流中单用户自适应方法忽视交互导致QoE不佳的问题，提出基于用户提供网络的协作框架及低复杂度Lyapunov在线算法，实现分布式决策，平均达97%最优社会福利，比特率与社会福利均优于现有算法。
2018-05-21 cs.NI
On Factors Affecting the Usage and Adoption of a Nation-wide TV Streaming Service
使用九个月的访问日志，包括19亿次BBC iPlayer会话，我们调查了英国ISP生态系统，以了解影响不同提供商采用和使用高带宽电视流媒体应用程序的因素。我们发现有证据表明，连接速度很重要，外部事件可能对直播电视的使用产生巨大影响。然后，通过对访问日志的时间分析，我们证明了移动互联网服务提供商施加的数据使用上限显着影响使用模式，并寻找解决方案。我们发现，产品捆绑折扣与相关的固定电话ISP，一些移动提供商已经采用的策略，可以更好地支持用户的需求，并捕获更大的份额访问。我们观察到，用户经常分裂他们的移动和固定线路连接之间的会话，建议一个简单的战略卸载推测性地预取内容从固定线路ISP在移动设备上访问之前。
2015-04-14 cs.NI
A Holistic Survey of Wireless Multipath Video Streaming
当今的大多数移动设备都配备了多个网络接口，并且将受益于多路径通信的主要带宽需求应用之一是无线视频流。然而，大多数当前的传输协议不匹配的视频流应用程序的要求，或没有被设计为解决相关的问题，如延迟约束，网络异构性，和线头阻塞问题。本次调查提供了一个全面的多路径无线视频流的文献综述，从端到端分层堆栈的角度来看，揭示了不同的替代品，揭示了每种方法的权衡，并提出了一个合适的分类法来分类的最先进的。最后，我们讨论了开放的问题和未来工作的途径。
2021-09-21 cs.MM cs.NI
Adaptive Bitrate Streaming Over Cellular Networks: Rate Adaptation and Data Savings Strategies
自适应比特率流（ABR）已成为互联网上视频流的事实技术。尽管出现了一系列技术，但在蜂窝网络上实现高质量的ABR流仍然是一个巨大的挑战。首先，ABR方案的设计需要平衡视频质量、质量变化、停顿和启动性能等相互冲突的体验质量（QoE）指标，这在蜂窝网络的高动态带宽下更加困难。其次，流媒体提供商已经转向使用可变比特率（VBR）编码的视频内容，这引入了新的挑战ABR流，其性质和含义是鲜为人知的。第三，移动视频流消耗大量数据。尽管许多视频和网络提供商目前提供数据保存选项，但现有做法在QoE和资源使用方面并不理想。最后，当音频和视频轨道分开存储时，视频和音频速率适配需要动态协调以实现良好的整体流体验，这提出了有趣的挑战，而令人惊讶的是，研究界几乎没有关注。在这篇论文中，我们解决了上述四个挑战。
2021-05-14 cs.MM cs.NI
A Control-Theoretic Approach to Adaptive Video Streaming in Dense Wireless Networks
最近，人们消费视频内容的方式正在发生巨大的变化。长期以来一直是家庭娱乐中心的普通电视机正在失去混合电视、PC、游戏机以及最近的平板电脑和智能手机等移动设备的优势。新的主导范式是：看我想要的，当我想要的时候，我想要的地方。这种转变的挑战是多方面的。一方面，DVB-T/C/S等广播技术需要扩展或被支持异步观看的机制所取代，如IPTV和尽力而为网络上的视频流，同时保持可扩展性以适应数百万用户。另一方面，无线数据流量的急剧增加开始将现有无线基础设施的能力扩展到其极限。最后，视频流技术面临着应对终端用户设备的高度异构性和动态变化的网络条件的挑战，特别是在无线和移动网络中。在目前的工作中，我们的目标是设计一个高效的系统，支持大量的单播流会话在密集的无线接入网络。我们共同考虑无线传输调度和视频质量自适应的两个问题，使用比例-积分-微分（PID）控制器的鲁棒性和简单性的启发技术来解决这个目标。我们表明，控制理论的方法可以有效地利用可用的无线资源，提供高质量的体验（QoE）的大量用户。
2015-02-10 cs.MM cs.NI
Cache-Aware QoE-Traffic Optimization in Mobile Edge Assisted Adaptive Video Streaming
多接入边缘计算（MEC）能够将视频内容放置在网络边缘，旨在提高移动客户端的体验质量（QoE）。边缘服务器处的视频内容缓存还减少了移动网络回程中的流量，从而降低了移动网络运营商（MNO）的运营成本。然而，最小化高速缓存未命中率和最大化平均视频质量有时可能彼此矛盾，特别是当高速缓存大小受到约束时。我们在这篇文章中的目标是两个方面：首先，我们探索固定视频内容缓存对移动客户端的最佳QoE的影响，在移动网络边缘的服务器处理比特率选择的设置。其次，我们要研究缓存替换对QoE流量权衡的影响。针对联合最大化QoE、公平性以及最小化源视频服务器上的总数据流量的问题，制定了整数非线性规划（INLP）优化模型。由于其NP-困难性，我们然后提出了一个低复杂度的贪婪算法，最小需要的参数调整，可以很容易地部署。我们通过模拟表明，联合优化确实能够实现流量减少和QoE之间的理想权衡。结果还表明，在固定缓存内容的情况下，缓存对QoE的影响与MNO的期望操作点成比例。此外，当缓存大小受到约束时，缓存替换对QoE的影响与其对回程流量的影响相比不太明显。
2018-05-19 cs.NI
MicroCast: Cooperative Video Streaming using Cellular and D2D Connections
我们考虑一组移动用户，彼此接近，他们有兴趣在大致相同的时间观看相同的在线视频。当今的常见做法是每个用户使用她自己的蜂窝连接在她的移动终端上独立地下载视频，这浪费了接入带宽并且还可能导致差的视频质量。我们提出了一种新的合作系统，其中每个移动终端同时使用两个网络接口：（i）蜂窝连接到视频服务器和下载部分的视频和（ii）WiFi本地连接到组中的所有其他设备和交换这些部分。设备协作以有效地利用所有网络资源，并且能够适应变化的无线网络条件。在本地WiFi网络中，我们利用偷听，我们进一步将其与网络编码相结合。最终结果是节省了蜂窝带宽，并改善了用户体验（更快的下载），其数量级高达组大小。我们遵循从理论到实践的完整方法。首先，我们制定的问题使用网络效用最大化（NUM）框架，分解的问题，并提供一个分布式的解决方案。然后，基于NUM解决方案的结构，我们设计了一个模块化的系统称为MicroCast，我们实现了它作为一个Android应用程序。我们提供NUM解决方案的模拟结果和MicroCast的实验评估的测试平台上的Android手机。我们证明了所提出的方法带来了显着的性能优势，而无需电池的惩罚。
2014-05-14 cs.MM cs.NI
Distortion-Aware Concurrent Multipath Transfer for Mobile Video Streaming in Heterogeneous Wireless Networks
具有互补特性的无线基础设施的大量增加促使异构接入网络上的并发多径传输（CMT）的带宽聚合。流控制传输协议（SCTP）是在多宿主通信环境中启用CMT的标准传输层解决方案。然而，由于异构无线网络中严格的QoS（服务质量）要求和路径不对称性，使用现有CMT解决方案来传送高质量流视频仍然存在问题。在本文中，我们通过引入视频失真的多路径数据传输的决策过程中，先进的艺术状态。提出的失真感知并发多路径传输（CMT-DA）解决方案包括三个阶段：1）每条路径的状态估计和拥塞控制; 2）质量最优的视频流速率分配; 3）延迟和丢失控制的数据重传。术语“流速率分配”表示动态地挑选适当的接入网络并分配传输速率。我们解析制定的数据分布在多个通信路径，以尽量减少端到端的视频失真，并根据效用最大化理论推导出的解决方案。建议CMT-DA的性能进行评估，通过广泛的半物理仿真Exata涉及H.264视频流。实验结果表明，CMT-DA优于参考方案的视频峰值信噪比（峰值信噪比），有效吞吐量，和包间延迟。
2014-06-27 cs.NI
LBP: Robust Rate Adaptation Algorithm for SVC Video Streaming
如今，视频流占移动流量的55%。在本文中，我们探讨流视频编码使用可伸缩视频编码方案（SVC）在高度可变的带宽条件下，如蜂窝网络。SVC独特的编码方案允许视频块的质量以增量方式变化，使其与其他编码方案相比更灵活，更能适应具有挑战性的网络条件。我们的贡献是三方面的。首先，我们制定的可用带宽，播放缓冲区，和块的最后期限作为一个优化问题的视频块的质量决定的约束。目标是优化一种新颖的QoE度量，该度量对最小化视频的停顿/跳过持续时间、最大化每个块的回放质量以及最小化质量切换的数量这三个目标的组合进行建模。其次，我们开发了分层装箱（LBP）自适应算法，一种新的算法，解决了所提出的优化问题。此外，我们表明，LBP实现了所提出的优化问题的最佳解决方案的线性复杂度的视频块的数量。第三，我们提出了一种在线算法（在线LBP），其中解决了几个挑战，包括处理带宽预测错误，和短的预测持续时间。广泛的模拟与真实的带宽痕迹的公共数据集揭示了我们的计划的鲁棒性，并证明其显着的性能改善相比，国家的最先进的SVC流算法。所提出的算法也实现了TCP/IP仿真测试床与真实的LTE带宽的痕迹，和仿真证实了仿真结果，并验证了该算法可以实现和部署在今天的移动设备。
2018-06-13 cs.MM cs.NI
Comparative analysis of quality of service scheduling classes in mobile ad-hoc networks
服务质量（QoS）现在被认为是所有网络在管理资源（如带宽）和避免网络损害（如分组丢失、抖动和延迟）方面的要求。如果不使用QoS参数，即使流传输协议被完美地设计，媒体传输或流传输也几乎是不可能的。QoS调度类有助于网络流量优化和数据包的优先级管理。本文提出了一种分析QoS调度类在移动自组网中使用视频流量。主要目标是确定一个调度类，提供更好的视频流的QoS。使用NetSim进行仿真，并根据吞吐量、抖动和延迟对结果进行分析。总体结果表明，扩展的实时轮询服务（ertPS）优于其他类。ertPS具有实时轮询服务（rtPS）和主动授权服务（UGS）的混合特征，因此增强了性能。建议ertPS调度类应使用在移动自组网的QoS考虑是最大的，特别是在多媒体流应用。
2021-06-13 cs.NI
Real-Time Rate-Distortion Optimized Streaming of Wireless Video
移动网络物理系统在过去十年中受到了相当大的关注，因为通信，计算和控制都在一个共同的平台上。理解控制大型复杂网络物理系统行为的复杂交互并不是一件容易的事情。本文的目标是解决这一挑战的特定背景下，多媒体传输的自主飞行器（AAV）网络。实时的【形】视频流的带宽要求和严格的延迟约束，加上底层实现平台对计算复杂性和功耗的限制，使得跨层和跨域协同设计方法成为必要。在本文中，我们提出了一种新的，低复杂度率失真优化（RDO）算法，专门针对移动嵌入式网络的视频流。我们测试我们的RDO算法的性能，使用网络的AAV在模拟和实施。
2014-06-07 cs.NI
A Fault-Tolerant Architecture for Urban and Rural Digital Connectivity: Synergizing SDWMN, Direct-to-Mobile Broadcasting, and Hybrid Cloud Streaming
本文提出融合SDWMN、D2M广播与Kafka混合云流媒体的高容错网络架构，通过流量卸载与公平资源分配缓解城市拥塞和乡村覆盖不足，实验显示时延降低超32%、覆盖增益28%、公平性指数升至0.91。
2025-07-14 cs.NI
Wireless Multicast for Zoomable Video Streaming
可缩放视频流是指一类新的交互式视频应用，其中用户可以放大视频流以查看更高分辨率的所选感兴趣区域，并平移以移动感兴趣区域。缩放和平移效果通常通过将源视频分解成可独立解码的区块的网格来实现。使用广播将瓦片流式传输到一组异构用户是具有挑战性的，因为用户具有不同的链路速率和不同分辨率级别的不同感兴趣区域。在本文中，我们考虑以下问题：给定每个用户请求的瓦片的子集，每个用户的链路速率，以及可用的时隙，每个瓦片的分辨率应该被发送，以最大限度地提高所有用户接收到的整体视频质量。我们设计了一个有效的算法来解决上述问题，并使用10个移动设备的测试平台上评估的解决方案。我们的方法是能够实现高达12dB的改善，比其他探试法。
2015-05-08 cs.MM cs.NI
Cache-Version Selection and Content Placement for Adaptive Video Streaming in Wireless Edge Networks
无线边缘网络通过在无线网络边缘提供计算和存储资源，有望为移动用户提供更好的视频流服务。然而，由于用户兴趣、用户设备、视频版本或分辨率、缓存大小、网络条件等的多样性，决定将视频内容放置在何处以及移动用户设备应当选择哪个高速缓存和视频版本是具有挑战性的。在本文中，我们研究了无线边缘网络中的自适应视频流的缓存版本选择和内容放置的联合优化。我们提出了实用的分布式算法，在每个用户设备和每个网络缓存，以最大限度地提高整体网络效用。除了证明我们的算法的最优性，我们实现了我们的算法，以及几个基线算法的ndnSIM，一个基于ns-3的命名数据网络模拟器。模拟评估表明，我们的算法显着优于传统的启发式解决方案。
2019-04-09 cs.NI
Power Control and Mode Selection for VBR Video Streaming in D2D Networks
在本文中，我们调查的问题流可变比特率（VBR）视频在设备到设备（D2D）无线网络的功率控制。采用了一种考虑移动用户视频帧大小和播放缓冲区的VBR视频流量模型。考虑具有一对D2D用户（DU）和一个蜂窝用户（CU）的设置，并且采用三种模式，即蜂窝模式、专用模式和重用模式。确定用于数据递送的模式选择，并且以最大化总传输速率为目标来优化基站（BS）和设备发射机的发射功率，同时VBR视频数据可以被递送到CU和DU而不引起播出缓冲器下溢或上溢。提出了一种低复杂度的算法。通过模拟衰落信道上的VBR视频轨迹，我们证明了模式选择和功率控制的视频传输实现了更好的性能，而不仅仅是使用一个单一的模式在整个传输。
2018-02-14 cs.MM cs.NI
Real-Time Neural Video Recovery and Enhancement on Mobile Devices
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Microsoft Research Asia（微软亚洲研究院）
针对移动设备现有深度学习视频增强技术无法实时运行且不能处理帧丢失损坏的问题，提出包含帧恢复、超分辨率、感知增强码率自适应的方法，在iPhone 12上实现30FPS实时增强，多网络环境下QoE提升24%-82%。
2023-07-22 cs.CV cs.LG cs.MM
Nebula: Reliable Low-latency Video Transmission for Mobile Cloud Gaming
移动云游戏通过移动网络从功能强大的服务器流式传输游戏内容，从而在受限的设备上实现高端游戏。移动网络遭受影响游戏体验的高度可变的带宽、延迟和损耗。本文介绍了Nebula，这是一个端到端云游戏框架，可以最大限度地减少网络条件对用户体验的影响。Nebula依赖于端到端失真模型，根据测量的网络条件调整视频源速率和帧级冗余量。因此，它可以最大限度地减少运动到光子（MTP）的延迟，同时保护帧免受丢失。我们完全实现星云和评估其性能对最先进的技术和最新研究的实时移动云游戏传输的物理测试平台上模拟和真实的无线网络。即使在高度多变的环境中，Nebula也能始终如一地平衡MTP延迟（<140 ms）和视觉质量（>31 dB）。用户实验证实，星云最大限度地提高了用户体验与高感知视频质量，可玩性，低用户负载。
2022-01-16 cs.MM cs.NI
A More Refined Mobile Edge Cache Replacement Scheme for Adaptive Video Streaming with Mutual Cooperation in Multi-MEC Servers
本文提出了一种基于移动边缘计算（MEC）的视频片段增强缓存更新策略，该策略综合考虑了客户端的播放状态和传输状态、MEC缓存容量和每个片段的流行度，以提高客户端的体验质量（QoE）和MEC缓存的使用率。在每个缓存更新周期中，不能带来显著QoE改善的片段将被删除，同时替代地将缓存片段的更合适的表示。首先，我们将MEC缓存空间分为三个部分的基础上段流行度和段的重要性水平。此外，不同缓存部分的大小可以相互转换，以进一步利用MEC缓存空间。针对不同的分片，分别制定了相应的删除策略和缓存策略，删除策略结合分片请求次数和客户端的传输能力，缓存策略根据客户端的播放状态计算缓存优先级。此外，我们制定的缓存更新问题，以最大限度地提高客户端的效用函数受MEC缓存大小和传输容量的约束。采用品牌分枝法求最优解。仿真结果表明，与现有算法相比，该算法在提高系统吞吐量和视频段命中率的同时，减少了回放冻结时间和系统回程流量。
2019-11-25 cs.NI eess.IV
Adaptive Bitrate Video Streaming for Wireless nodes: A Survey
在当今的互联网中，视频是最占主导地位的应用，除此之外，诸如WiFi、蜂窝和蓝牙的无线网络已经变得无处不在。因此，大多数互联网流量是无线节点上的视频。有大量的研究来改进视频流以在互联网上实现高质量的体验（QoE）。他们中的许多人专注于无线节点。最近的测量研究经常表明，视频的QoE在许多无线客户端通过互联网受到影响。最近，许多研究论文提出了模型和方案，以优化自适应比特率（ABR）为基础的视频流的无线和移动用户。在这次调查中，我们提出了一个全面的概述，最近的工作在该地区的互联网视频专为无线网络。最近的研究表明，通过无线连接客户端增加了一些新的挑战。而且，当这些节点是移动的时，这些挑战变得更加难以处理。该调查还讨论了由于无线频谱日益稀缺而导致的未来研究的新的潜在领域。
2020-07-27 cs.DC cs.NI
Multi-Layer Monitoring at the Edge for Vehicular Video Streaming: Field Trials
本文提出一种边缘多层监控架构，利用5G SA网络和MEC基础设施，为车载视频流实时提供QoS、QoE和定位信息，并通过现场试验验证其有效性。
2023-11-13 cs.MM cs.NI
Solving the Problem of Poor Internet Connectivity in Dhaka: Innovative Solutions Using Advanced WebRTC and Adaptive Streaming Technologies
针对达卡互联网连接差的问题，提出融合WebRTC、自适应流媒体和服务器端录制的框架，通过动态转码、实时纠错和接口选择，显著提升吞吐量、降低延迟，为超密集城市通信提供可扩展方案。
2025-06-19 cs.NI
Towards Cooperative Data Rate Prediction for Future Mobile and Vehicular 6G Networks
基于机器学习的数据率预测是具有诸如动态无线电接入技术（RAT）选择、机会性数据传输和预测性高速缓存的应用的预期移动联网的关键驱动因素之一。依赖于网络质量指标的被动测量的基于用户设备（UE）的预测方法已经成功地应用于预测车辆数据传输的吞吐量。然而，由于UE不知道当前网络负载，因此可实现的预测准确度是有限的。为了克服这个问题，我们提出了一个合作的数据率预测方法，它汇集了来自客户端和网络域的知识。在现实世界的概念验证评估中，我们利用基于软件定义无线电（SDR）的控制信道嗅探器RISKCON来模拟未来6G网络中可能的网络辅助信息提供的行为。实验结果表明，该方法能够将平均预测误差降低30%。关于正在进行的标准化工作，关于实施智能网络管理，我们认为，未来的6G网络应该超越网络为重点的方法，并积极提供负载信息的UE，以燃料普及机器学习和催化基于UE的网络优化技术。
2020-01-26 cs.NI eess.SP
A Survey on Cloud Video Multicasting Over Mobile Networks
由于多媒体流已经成为非常热门的研究课题，在最近几年，本文综述了最先进的技术，介绍了移动网络上的多媒体组播。在本文中，我们给出了一个概述的多媒体组播机制在云移动通信，我们提出了一些建议的解决方案的角度来看。我们专注于专门为视频点播应用设计的算法。我们对视频点播应用的研究最终将涵盖云游戏等广泛的应用，而不会违反本次调查的有限范围。
2017-07-02 cs.NI
Experimental Study of Low-Latency Video Streaming in an ORAN Setup with Generative AI
Aalborg University（奥尔堡大学）
本研究提出一种基于生成AI的主动控制方法，通过ORAN和MEC协同降低实时视频流延迟，实验显示在ORAN测试床上实现4 dB PSNR和15点VMAF的提升。
2026-01-08 cs.NI eess.SP
Leveraging Multi-Connectivity for Multicast Video Streaming
多连接已经成为在蜂窝移动网络中提供无缝连接的关键使能器。然而，它的潜力，提高多播传输的质量仍然是未开发的。在本文中，我们研究了多连接在无线组播流中的使用。多连通性可以显著提高组播服务的性能。它特别有益于经常遭受不良信道条件的小区边缘用户。在这项工作中，我们评估多连接的组播流的性能的影响。我们提出了在多播系统中建立多连接的过程，并解决了相关的资源分配问题。证明了最优资源分配问题是NP难的。我们提出了一个贪婪的近似算法，这个问题，并证明没有其他多项式时间算法可以提供一个更好的近似。由于视频流是这里考虑的主要用例，因此我们使用实际视频的跟踪来生成模拟中的真实视频流量模式。我们的模拟结果清楚地表明，多连接的结果在相当大的性能改善组播流。
2022-02-10 cs.NI
Supervised Learning based QoE Prediction of Video Streaming in Future Networks: A Tutorial with Comparative Study
Cardiff Metropolitan University（卡迪夫城市大学）；University of Western Australia（西澳大利亚大学）；Dublin City University（都柏林城市大学）；University College Dublin（都柏林大学学院）；University of Cagliari（卡利亚里大学）
基于体验质量（QoE）的服务管理仍然是在下一代网络（例如5G/6 G）中成功提供多媒体服务的关键，这需要适当的质量监控、预测和资源管理工具，其中机器学习（ML）可以发挥关键作用。在本文中，我们提供了一个基于监督学习ML模型的视频流服务QoE测量和预测解决方案的开发和部署教程。首先，我们为开发和部署基于监督学习的视频流QoE预测模型提供了一个详细的管道，该管道包括数据汇集、特征工程、模型优化和训练、测试以及预测和评估等几个阶段。其次，我们通过提出参考架构，讨论了使用软件定义网络（SDN）、网络功能虚拟化（NFV）和移动边缘计算（MEC）等网络使能技术在下一代网络（5G/6 G）中部署用于QoE预测/测量的ML模型。第三，我们提出了一个比较研究的国家的最先进的监督学习ML模型的QoE预测的视频流应用程序的基础上，多个性能指标。
2022-01-03 cs.LG cs.MM cs.NI
Enabling On-demand Guaranteed QoS for Real Time Video Streaming from Vehicles in 5G Advanced with CAPIF & NEF APIs
本文设计并实现了一个概念验证，通过CAPIF集成5G Advanced网络功能与NEF API，实现对车辆视频流量的移动网络性能持续监控、按需动态QoS适配及边缘重定向，从而优化延迟与网络资源利用。
2025-08-03 cs.NI
Reliable Video Streaming over mmWave with Multi Connectivity and Network Coding
下一代多媒体应用将要求电信网络支持比今天更高的比特率，以便向用户传送虚拟现实和超高质量视频内容。大多数视频内容将从移动设备访问，这促使下一代（5G）蜂窝网络提供非常高的数据率。考虑到可以分配给移动用户的大量可用频谱，在这方面可能的推动者是毫米波频率下的通信;然而，在如此高的频率下的恶劣传播环境使得难以提供可靠的服务。本文提出了一种可靠的视频流架构的毫米波网络，多连接和网络编码的基础上，并评估其性能使用一种新的组合的ns-3毫米波模块，真正的视频轨迹和网络编码库Kodo。结果表明，通过蜂窝mmWave链路可靠地传输视频确实是可能的，而多连接和网络编码的组合可以支持低延迟的高视频质量。
2018-02-05 cs.IT cs.NI math.IT
A Novel Play-out Algorithm for HTTP Adaptive Streaming
提出了一种基于HTTP的自适应视频流传输算法。该算法采用了一种混合播放策略，它结合了两种流行的方法：网络带宽的估计和播放器缓冲区的控制。该算法在两个版本中实现，不同的处理网络吞吐量波动的方法。所提出的混合算法进行了评估，对解决方案的基础上，他们的播放策略纯粹的带宽或缓冲区水平的评估。比较是在模拟两个系统的环境中进行的：具有单个固定节点的Wi-Fi网络和具有移动节点的HSPA（高速分组接入）网络。评估表明，在大多数情况下，混合方法实现了更好的结果相比，它的竞争对手，能够流视频更流畅，没有不必要的比特率切换。然而，在某些网络条件下，与其他播放策略相比，该分数被交易为更差的吞吐量利用率。
2015-10-31 cs.NI
Mobile-Based Video Caching Architecture Based on Billboard Manager
视频流媒体服务今天非常受欢迎。越来越多的用户现在可以在他们的移动设备上无线地访问多媒体应用和视频回放。然而，一个重大的挑战仍然是确保在3G网络上平滑和不间断地传输几乎任何大小的视频文件，并尽可能快地优化带宽消耗。在本文中，我们建议定位我们的广告牌管理器，以提供最佳的传输速率，使流畅的视频播放到连接到3G网络的移动终端用户。我们的工作重点是从Billboard Manager管理的缓存资源中服务移动运营商的用户请求，并从该池中传输视频文件。其目的是通过路由尽可能多的用户请求远离互联网来减少移动运营商的带宽资源上的负载，以便必须搜索视频，并且随后，如果找到，则将其传输回用户。
2015-07-24 cs.NI
Real-Time Video Inference on Edge Devices via Adaptive Model Streaming
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
由于深度神经网络的高计算成本，在手机和无人机等边缘设备上进行实时的【形】视频推理具有挑战性。我们提出了自适应模型流（AMS），这是一种提高边缘设备上视频推理的高效轻量级模型性能的新方法。AMS使用远程服务器来持续训练和调整在边缘设备上运行的小型模型，使用来自大型最先进模型的在线知识蒸馏来提高其在实时视频上的性能。我们讨论了网络模型自适应视频推理的挑战，并提出了几种技术来降低这种方法的通信成本：避免过度拟合，更新一小部分重要的模型参数，以及在边缘设备上对训练帧进行自适应采样。在视频语义分割的任务中，我们的实验结果显示，与几个视频数据集上的预训练模型相比，平均Intersection-over-Union提高了0.4- 17.8%。我们的原型可以在三星Galaxy S10+手机上以每秒30帧的速度执行视频分割，相机到标签延迟为40毫秒，设备上的上行链路和下行链路带宽小于300 Kbps。
2021-04-05 cs.CV cs.LG cs.NI
Efficient Steering Mechanism for Mobile Network-enabled UAVs
HTTP自适应流（HAS）正在成为当今尽力而为网络上事实上的视频传输技术，这要归功于它带来的无数优势。然而，许多研究表明，HAS在竞争玩家的存在下遭受许多与体验质量（QoE）相关的问题。这主要是由于玩家的自私导致的分散的智能给玩家。另一个限制是在流会话期间的任何时间和网络中的任何地方都可能发生的瓶颈链路。这些问题可能导致播放器感知到的带宽不稳定，并可能导致错过块下载的最后期限，这导致最烦人的问题，包括重新缓冲事件。在本文中，我们利用软件定义的网络范式来利用网络的全局视图及其强大的智能，可以对网络不断变化的条件做出反应。最终，我们的目标是防止由于最后期限错过而导致的重新缓冲事件，并确保系统中接受的客户端的高QoE。为此，我们使用确定性网络演算（DNC）来保证视频块下载的最大延迟，同时最大限度地提高感知的视频质量。仿真结果表明，该方案确保了高效率的接受客户端没有任何重新缓冲事件，导致高用户QoE。因此，对于视频块应该严格按时下载或以高用户QoE确保低延迟的场景，例如在未来的5G移动网络中为视频付费用户或自动驾驶车辆的远程控制/驾驶提供服务，它可能非常有用。
2022-01-03 cs.NI
ProCAVE: A Self-Adaptive, Full-Lifecycle Edge Caching Framework for Video Streaming via Predictive Bandwidth Estimation and Preference-Aware Deep Reinforcement Learning
Tarbiat Modares University（塔比尔·莫达雷斯大学）；ICT Research Institute（信息通信技术研究所）
该研究针对现有边缘缓存方法在无线动态环境下响应与协调不足的问题，提出ProCAVE框架，结合轻量Transformer、PPO、DDPG实现预测带宽建模与偏好感知缓存控制，实验表明其在字节命中率、回传负载、QoE上优于FlyCache等基线。
2026-08-05 cs.MM cs.NI eess.IV
Collaborative Multi-bitrate Video Caching and Processing in Mobile-Edge Computing Networks
最近，移动边缘计算（MEC）已经作为一种新兴的范例出现，其通过在基站（BS）处部署MEC服务器来将云计算能力扩展到无线电接入网络（RAN）的边缘。在本文中，我们设想了一个协作的联合缓存和处理策略，按需视频流在MEC网络。我们的设计旨在提高广泛使用的自适应比特率（ABR）流媒体技术，其中多个比特率版本的视频可以交付，以适应用户能力的异构性和网络连接带宽的变化。所提出的策略面临两个主要挑战：（i）不仅视频，而且其适当的比特率版本必须被有效地选择以存储在高速缓存中，以及（ii）需要考虑不同版本之间的转码关系以有效地利用MEC服务器处的处理能力。为此，我们制定的协作联合缓存和处理问题作为一个线性规划（ILP），最大限度地减少回程网络的成本，受缓存存储和处理能力的限制。由于NP-完全性的问题和现有的离线方法的不切实际的开销，我们提出了一种新的在线算法，使缓存的位置和视频调度决策后，每个新的请求的到来。大量的仿真结果表明，所提出的策略在缓存命中率增加，回程流量和初始访问延迟减少方面比传统的方法有显着的性能改善。
2016-12-08 cs.NI
QSMVM: QoS-aware and social-aware multimetric routing protocol for video-streaming services over MANETs
Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）；University of Vigo（维戈大学）
本研究针对MANET视频流服务的网络社交化需求，改进MMDSR协议，将关系强度（TS）社交度量纳入转发决策，在QoS不受显著影响的前提下提升路径信任水平，提出QSMVM多度量路由协议。
2023-12-12 cs.LG cs.NI
Performance Evaluation of Ad Hoc Multicast Routing Protocols to Facilitate Video Streaming in VANETS
车载自组织网络（VANET）是一种便于车辆之间通信的移动自组织网络（MANET）。VANET提供车辆间的通信，以服务于道路交通安全和交通效率等应用。信息娱乐服务已经成为车载网络的发展趋势，而视频流在车载网络中具有很大的发展潜力。虽然，这种新兴的技术是趋势，仍然有一些问题，如QoS规定，分散的介质访问控制，节点覆盖区域，并发现和维护路由，由于高度动态的拓扑结构。这些问题使得VAN中的多播通信变得困难。许多路由协议和路由策略已经被设计来解决这些问题。大量的工作已经发生，以评估和衡量这些协议的性能在VANESTO，但这些协议很少被分析的实时的视频组播的压力下的性能。在这项研究中，两种不同的组播路由协议，即组播Ad hoc按需距离矢量（MAODV）和协议的统一组播通过公告（MAODA）进行评估，以促进视频流在VANETS。协议的QoS参数，如网络吞吐量，数据包传输率（PDR），平均端到端延迟，和归一化路由负载（NRL）进行检查。采用可变比特率（VBR）业务来评估协议的性能。最后，在不同的场景中，针对不同的QoS规定，
2021-08-29 cs.NI
Evaluation of HTTP/DASH Adaptation Algorithms on Vehicular Networks
视频流目前占互联网流量的大部分。支持视频流传输的一个因素是HTTP自适应流传输（HAS），它允许用户使用与从服务器到客户端的可用带宽密切匹配的比特率来流传输视频。HTTP上的MPEG动态自适应流（DASH）是一种广泛使用的标准，其允许客户端基于其自己的估计来选择要下载的分辨率。用于确定DASH流中下一段的算法不是标准的一部分，但它是最终回放质量的重要因素。如今，车辆越来越多地配备有移动通信设备和车载多媒体娱乐系统。在本文中，我们评估了各种DASH自适应算法在车载网络中的性能。我们提出了详细的模拟结果，突出了各种自适应算法的优点和缺点，在提供视频内容的车辆用户，我们展示了不同的自适应算法如何执行的吞吐量，播放中断时间和中断次数。
2018-12-31 cs.NI
