无线信道上视频流的最优分散动态策略

异构接入网中多宿主视频流的分布式速率分配策略

Distributed Rate Allocation Policies for Multi-Homed Video Streaming over Heterogeneous Access Networks

我们考虑多个同时视频流共享多个异构接入网络之间的速率分配问题。我们开发和评估的分析框架，最佳速率分配的基础上观察到的可用比特率（ABR）和往返时间（RTT）在每个接入网络和视频失真率（DR）的特点。速率分配是一个凸优化问题，最大限度地减少所有视频流的总期望失真。我们提出了一个分布式近似的解决方案，并比较其性能对H-无穷最优控制和两个启发式计划的基础上TCP风格的加法-增加-乘法减少（AIMD）的原则。在多个高清（HD）视频流共享多个接入网络的模拟中评估的各种速率分配方案。我们的研究结果表明，在启发式AIMD为基础的计划相比，无论是媒体感知分配和H-无穷最优控制受益于积极的拥塞避免和减少平均丢包率从45%到2%以下。对于各种背景流量负载和视频播放截止日期，平均接收视频质量的改善范围在PSNR的1.5到10.7 dB之间。媒体感知分配进一步利用其对视频DR特性的了解，以在所有流之间实现更平衡的视频质量。

2010-01-07cs.MMcs.NI

时延受限视频流的非平稳资源分配策略--在物联网视频中的应用

Non-stationary Resource Allocation Policies for Delay-constrained Video Streaming: Application to Video over Internet-of-Things-enabled Networks

由于多用户无线视频传输应用的高带宽要求和严格的延迟约束，确保所有视频用户在其延迟截止期限到期之前都有足够的传输机会使用是一个长期的研究问题。我们提出了一种新的解决方案，解决这个问题，而不假设详细的数据包级的知识，这是不可用的资源分配时间。相反，我们翻译成一个单调递减的权重分布在所考虑的时间范围内的每个发送者的视频数据包的传输延迟的最后期限。更高的权重被分配给具有更高的遵守最后期限的交付概率的时隙。在给定视频流的权重集的情况下，我们提出了低复杂度的延迟感知资源分配（DARA）方法来计算最优时隙分配策略，该策略最大化了所有视频流的最后期限交付。DARA方法的一个独特特征是它产生依赖于先前时隙的分配的非固定时隙分配策略。我们证明了DARA方法对于随时间呈指数下降的权重分布是最优的。我们进一步实现了我们的框架，用于在无线个域网中进行实时视频流传输，这些无线个域网在新的物联网（IoT）范式中获得了巨大的吸引力。对于使用H.264/AVC编码并通过模拟面向物联网的IEEE 802.15.4e TSCH媒体访问控制的6 tisch框架进行流传输的多个监控视频，我们的解决方案被证明是唯一一个确保所有视频比特流以可接受的质量以遵守截止日期的方式交付的解决方案。

2014-01-05cs.MMcs.NI

一类调度系统的单比特状态反馈最优分散调度

Throughput Optimal Decentralized Scheduling with Single-bit State Feedback for a Class of Queueing Systems

出于资源受限的无线物联网（IoT）的介质访问控制，我们考虑减少队列状态信息的队列调度问题。特别是，我们考虑一个时隙调度模型与$N$传感器节点，与成对的依赖关系，使节点$i$和$i + 1,~0 < i < N$不能一起发送。我们开发了新的吞吐量最优调度策略，只需要每个队列的空非空状态，我们术语队列非空为基础（QNB）的政策。我们提出了一种策略拼接技术，结合调度策略的小型网络，以构建吞吐量最优的政策，为较大的网络，其中一些还旨在低延迟。对于$N = 3,$存在一个队列长度和最优的QNB调度策略。然而，我们发现，对于$N > 4,$有没有QNB的政策，是最佳的所有到达率向量的容量区域的总和队列长度。然后，我们将我们的结果扩展到一类更一般的干扰约束，我们称之为集群的集团（CoC）冲突图。我们考虑两种类型的CoC网络，即，团的线性阵列（LAoC）和团的星（SoC）网络。我们开发QNB的政策，这些类的网络，研究其稳定性和延迟特性，并提出和分析技术，以减少在整个网络中传播的调度状态信息的量。在SoC环境中，我们提出了一个吞吐量最优的策略，只使用网络中的节点可以通过感知信道上的活动（或缺乏活动）来收集的信息。我们的吞吐量最优的结果依赖于两个新的参数：一个李雅普诺夫漂移引理特别适合于队列长度不可知的政策，并显示出强大的稳定性的优先级分析。

2020-02-19cs.NIcs.PF

一种提高视频流连续性的帧速率优化框架

A Frame Rate Optimization Framework For Improving Continuity In Video Streaming

本文旨在减少预缓冲的要求，同时保持连续性，视频流。当前的方法通过利用自适应媒体播放（AMP）来降低播放速率来做到这一点。然而，这向观看者引入播出失真并且增加观看延迟。我们通过提出调整编码器帧生成速率和解码器播出帧速率两者的帧速率优化框架来实现这一点。首先，我们将此问题建模为编码器帧生成间隔和解码器播放帧间隔的联合调整。该模型与不连续惩罚虚拟缓冲器一起使用，以跟踪接收帧间隔和播放帧间隔之间的累积差异。然后，我们应用李雅普诺夫优化模型，系统地推导出一对解耦的优化策略。我们表明，占用的不连续性惩罚虚拟缓冲区相关的视频不连续性，这个框架产生了非常低的播出失真，除了显着减少预缓冲的要求相比，现有的方法。其次，我们引入了一个延迟约束的框架，通过使用一个延迟累加器的虚拟缓冲区。仿真结果表明，延迟约束的框架提供了一个优越的折衷之间的视频质量和引入的延迟相比，现有的方法。最后，我们分析了接收者和发送者之间的延迟反馈对优化策略的影响。我们发现，延迟反馈的优化政策的影响最小。

2011-11-22cs.MMcs.NI

多路径流：基本限制和有效算法

Multipath streaming: fundamental limits and efficient algorithms

我们调查流在多个链接。一个文件被分割成称为块的小单元，这些小单元可以根据某些策略在各个链路上被请求，并在一些随机延迟后被接收。在称为预缓冲时间的启动待用时间之后，以固定速度播放接收到的块。如果要播放的块尚未到达，则存在饥饿。我们提供了任何政策的饥饿概率的下限（基本限制）。我们进一步提出了简单的，订单最优的政策，不需要反馈。对于一般的延迟分布，我们提供了易于处理的上限饥饿概率的建议政策，允许选择适当的预缓冲时间。我们专注于我们的结果：（i）在分组级采用CSMA或机会调度的链路，（ii）与主用户共享的链路，（iii）在流级使用公平速率共享的链路。我们认为一个通用的模型，使我们的研究结果提供洞察媒体流的设计和性能（a）有线网络与源和目的地之间的几条路径，（b）无线网络具有频谱聚合和（c）多归属无线网络。

2016-11-10cs.ITcs.NImath.IT

无线电资源约束下低功耗且精确的物联网监测

Low-Power and Accurate IoT Monitoring Under Radio Resource Constraint

本文针对无线电资源约束下的物联网监测，提出结合唤醒接收机的分散式传感器观测传输策略，优先传输高价值观测值，在低相关场景下相比无感知策略实现更低功耗和更高估计精度。

2025-07-21cs.NI

无状态网络感知的IPFS自适应比特率流媒体

Stateless Network-Aware Adaptive Bitrate Streaming over IPFS

Stony Brook（石溪大学）

针对IPFS环境性能波动导致传统ABR流媒体QoE下降的问题，提出一种无状态网络感知ABR策略，通过仅使用本地可观测信号逐段计算比特率，避免跨提供者状态同步，在故障条件下QoE提升最高约6倍。

2026-06-28cs.DCcs.NI

基于联盟博弈的多服务器DASH流媒体QoE改进方法

Coalition Game-based Approach for Improving the QoE of DASH-based Streaming in Multi-servers Scheme

HTTP动态自适应流媒体（Dynamic Adaptive Streaming over HTTP，DASH）正在成为大规模有效视频流量交付的事实方法，其首要成功因素是赋予流媒体客户端完全的自主权，使其更加智能，并在基于拉取的范式下实现粒度视频块的分散式视频质量决策逻辑。然而，客户端的纯粹自主性本质上导致了整体自私的环境，其中每个客户端独立地努力提高其体验质量（QoE）。因此，客户端会伤害对方，包括自己，由于他们的感知范围有限。这个缺点可以通过采用一种机制，具有全局视图，从而可以有效地管理可用资源来解决。在本文中，我们提出了一个基于博弈论的方法来解决多服务器设置中的客户端的自私问题，而不影响其自治。特别地，我们采用联盟博弈框架来影响客户端到最好的服务器，最终最大限度地提高客户端的整体平均质量，同时防止重新缓冲。我们通过大量的实验验证了我们的解决方案，并展示了所提出的解决方案的有效性。

2022-01-05cs.NI

BRAVR：一种AP辅助的在线DRM机制用于Wi-Fi上的交互式VR比特率自适应

BRAVR: An AP-Assisted Online DRL Mechanism for Interactive VR Bitrate Adaptation over Wi-Fi

Universitat Pompeu Fabra（庞培法布拉大学）

针对Wi-Fi交互式VR流媒体在动态信道和竞争下的时延与可靠性挑战，提出基于深度强化学习的BRAVR机制，利用AP端网络统计优化比特率决策，在真实系统上验证了其QoS保障和公平性。

2026-11-09cs.NI

面向多媒体流的考虑用户满意度与前景理论效用的资源分配

User Satisfaction-Aware Resource Allocation with Prospect-Theoretic Utility for Multimedia Streaming

Indian Institute of Technology Madras（印度马德拉斯理工学院）

针对多媒体流资源分配未考虑用户满意度的非对称效用问题，基于前景理论提出通用效用度量与资源分配策略，通过多队列系统理论分析得出快速最优阈值确定方法，其性能优于现有公平分配策略。

2026-08-12cs.NI

基于多智能体深度强化学习的多视角预测360°视频流码率自适应

MADRL-Based Rate Adaptation for 360° Video Streaming with Multi-Viewpoint Prediction

University of Ottawa（渥太华大学）；Huawei Canada（华为加拿大）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）

针对360°视频流单视角预测应对突发头部运动效果差的问题，提出多模态时空注意力Transformer多视角预测方法，结合基于CTDE框架MAPPO的MADRL自适应码率算法，最高提升QoE指标85.5%。

2024-05-17cs.AIcs.MMcs.NI

VANETS中视频流的Ad Hoc组播路由协议性能评估

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，

2021-08-29cs.NI

无线蜂窝网络中实时的流的质量-随机建模与分析

Quality of Real-Time Streaming in Wireless Cellular Networks - Stochastic Modeling and Analysis

我们提出了一个新的随机服务模型的容量共享和中断，适合的实时的【形】流（RTS），如移动电视，在无线蜂窝网络的质量评估。该通用模型考虑了呼叫到达的多类马尔可夫过程（以捕获不同的无线电信道条件、所请求的流传输比特率和持续时间），并且允许通用资源分配策略，该策略说明由于资源约束，哪些用户被暂时拒绝所请求的固定流传输比特率（处于中断）。我们给出了几个重要的性能特征的模型，包括平均花费的时间在中断和中断事件的平均数量为一个典型的用户的给定类的表达式。这些表达式只涉及平稳概率的（免费）交通需求过程中，这是一个向量的独立泊松随机变量描述的用户数量的不同类别。为了分析3GPP长期演进（LTE）蜂窝网络中的RTS，我们指定我们的一般模型假设正交用户信道的峰值比特率接近理论香农的限制在加性高斯白噪声（AWGN）信道，这导致在多速率线性形式的资源约束。在这种情况下，我们考虑一个自然类的最小努力服务的第一资源分配政策，该模型的特点，可以进一步评估使用傅立叶分析泊松变量。在这个类中，我们确定和评估一个最佳的和公平的政策，后者建议由LTE实现。我们还提出了一些中间的政策，它允许解决不平等的用户无线电信道条件所造成的最优性/公平性权衡。我们的研究结果可用于评估RTS在LTE网络中的质量和这些网络的尺寸。

2014-03-04cs.NImath.PR

借助部分模型加速深度强化学习：节能预测视频流

Accelerating Deep Reinforcement Learning With the Aid of Partial Model: Energy-Efficient Predictive Video Streaming

University of Southampton（南安普顿大学）；Beihang University（北京航空航天大学）

预测功率分配被设想用于使用深度强化学习的移动网络上的节能视频流。目标是在避免视频回放中断的约束下，最小化每个基站在完整视频流会话上的累积能量消耗。为了处理连续的状态空间和动作空间，我们采用深度确定性策略梯度（DDPG）算法来解决问题。与先前的预测性功率分配策略（首先利用历史数据预测未来信息，然后基于预测的信息优化功率分配）相比，所提出的策略以在线和端到端的方式操作。通过明智地设计仅依赖于缓慢变化的平均信道增益的动作和状态，我们减少了边缘服务器和基站之间的信令开销，并且使得更容易学习好的策略。为了进一步避免整个学习过程中的播放中断，提高收敛速度，我们利用部分已知的系统动力学模型，通过将安全层，决策后状态和虚拟体验的概念集成到基本的DDPG算法。我们的仿真结果表明，所提出的政策收敛到最优的政策，这是基于完美的大规模信道预测和预测误差的存在下优于第一预测，然后优化的政策。通过利用部分已知的模型，可以显着提高收敛速度。

2020-11-05cs.LGcs.NIeess.SP

随机接入信道上的实时采样和估计：信息时代及以后

Real-time Sampling and Estimation on Random Access Channels: Age of Information and Beyond

高效的采样和远程估计对于物联网和网络物理系统中大量的无线授权应用至关重要。出于这样的应用，这项工作提出了分散的政策，实时监测和估计的自回归过程在随机接入信道。研究了两类策略：（i）不经意的方案，其中采样和传输策略独立于被监视的过程，以及（ii）非不经意的方案，其中发射机因果地观察其相应的决策过程。在一类不经意的政策，我们表明，最小化预期的时间平均估计误差是等价于最小化预期年龄的信息。因此，我们证明了在这个类的最小可实现的估计误差的上下界。接下来，我们考虑非遗忘策略，并设计了一个阈值策略，称为基于错误的细化，其中每个源节点成为活跃的，如果其瞬时错误已超过一个固定的阈值（我们优化）。然后，主动节点按照时隙ALOHA策略发送随机数据。一个封闭的形式，近似最优的，解决方案的阈值以及由此产生的估计误差。结果表明，非不经意的政策提供了一个乘法增益接近$3$相比，不经意的政策。此外，它表明，不经意的政策，使用年龄的信息进行决策，提高了国家的最先进的至少由乘法因子$2$。所有讨论的政策的性能进行了比较，使用模拟。数值比较表明，所提出的分散式策略的性能非常接近集中式贪婪调度。

2022-06-08cs.ITcs.NIcs.SY

利用基于 MoQ 的分布式内容过滤实现可访问且安全的直播

Toward Accessible and Safe Live Streaming Using Distributed Content Filtering with MoQ

Baylor University（贝勒大学）

本文扩展 Media over QUIC Transport 协议，通过分布式实时内容分析仅过滤违规视频片段，在低延迟下支持安全可访问的一对多直播。

2025-05-13cs.CVcs.DCcs.MM

DRACO：在行随机无线网络上的去中心化异步联邦学习

DRACO: Decentralized Asynchronous Federated Learning over Row-Stochastic Wireless Networks

Linköping University（林雪平大学）；University of Granada（格拉纳达大学）；EURECOM（欧洲通信学院）

本文提出DRACO方法，通过连续通信在行随机Gossip无线网络上实现去中心化异步SGD，解耦通信与计算调度以支持完全自主性，并经收敛分析和数值实验验证其有效性。

2025-01-29cs.ITcs.LGcs.NI