| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-21页 |
| 1.1 引言 | 第10-11页 |
| 1.2 多媒体系统低功耗策略概述 | 第11-13页 |
| 1.3 解码复杂度预测国内外研究现状 | 第13-15页 |
| 1.4 本文的研究内容 | 第15-19页 |
| 1.5 章节安排 | 第19页 |
| 1.6 小结 | 第19-21页 |
| 2 视频解码复杂度变化特性分析 | 第21-36页 |
| 2.1 解码复杂度的表征方法 | 第21-25页 |
| 2.2 实验平台与实验方法 | 第25-26页 |
| 2.3 解码复杂度变化特性分析 | 第26-34页 |
| 2.4 小结 | 第34-36页 |
| 3 基于线性模型和统计分析的帧内编码帧解码复杂度预测 | 第36-52页 |
| 3.1 解码复杂度与压缩视频帧长的线性模型 | 第36-41页 |
| 3.2 线性模型系数统计特性分析 | 第41-46页 |
| 3.3 帧内编码帧解码复杂度预测方法 | 第46-47页 |
| 3.4 实验结果及分析 | 第47-51页 |
| 3.5 小结 | 第51-52页 |
| 4 融合统计分析和状态变量分析法的解码复杂度在线动态预测 | 第52-74页 |
| 4.1 状态变量分析法 | 第52-53页 |
| 4.2 解码系统状态变量物理含义分析 | 第53-58页 |
| 4.3 解码系统状态方程建立 | 第58-60页 |
| 4.4 解码复杂度动态预测算法 | 第60-66页 |
| 4.5 实验结果及分析 | 第66-73页 |
| 4.6 小结 | 第73-74页 |
| 5 基于卡尔曼滤波和线性模型的解码复杂度在线动态预测 | 第74-105页 |
| 5.1 卡尔曼滤波原理 | 第74-76页 |
| 5.2 卡尔曼滤波的滞后性和补偿 | 第76-79页 |
| 5.3 线性模型的形成原因和视频帧长的意义 | 第79-82页 |
| 5.4 采用卡尔曼滤波进行解码复杂度估计 | 第82-91页 |
| 5.5 实验结果与分析 | 第91-102页 |
| 5.6 基于线性模型的解码复杂度预测框架简析 | 第102-103页 |
| 5.7 小结 | 第103-105页 |
| 6 全文总结与工作展望 | 第105-108页 |
| 6.1 本文工作总结 | 第105-106页 |
| 6.2 下一步工作展望 | 第106-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-116页 |
| 附录1 攻读博士学位期间研究成果 | 第116-118页 |
| 附录2 博士生期间参与的课题研究情况 | 第118页 |
