| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 主要符号对照表 | 第17-18页 |
| 第一章 绪论 | 第18-26页 |
| 1.1 研究背景及意义 | 第18-19页 |
| 1.2 研究现状 | 第19-23页 |
| 1.2.1 IP网络中的自适应多媒体研究 | 第20-21页 |
| 1.2.2 未来网络中的自适应多媒体研究 | 第21-23页 |
| 1.3 本文的主要工作 | 第23-24页 |
| 1.4 本文的组织结构 | 第24-26页 |
| 第二章 网络多媒体服务系统 | 第26-38页 |
| 2.1 网络多媒体服务系统的基本架构 | 第26-28页 |
| 2.2 媒体自适应技术 | 第28-33页 |
| 2.2.1 在线自适应转码 | 第28-30页 |
| 2.2.2 可伸缩视频编码 | 第30-31页 |
| 2.2.3 HAS系统中的自适应编码 | 第31-32页 |
| 2.2.4 小结 | 第32-33页 |
| 2.3 自适应媒体服务质量的评价 | 第33-38页 |
| 2.3.1 多媒体服务质量的影响因素 | 第33页 |
| 2.3.2 多媒体服务质量的评价指标 | 第33-36页 |
| 2.3.3 小结 | 第36-38页 |
| 第三章 无线网络中可伸缩视频的自适应传输 | 第38-70页 |
| 3.1 引言 | 第38-40页 |
| 3.2 相关工作 | 第40-42页 |
| 3.2.1 基站侧视频数据的自适应调度算法 | 第40-41页 |
| 3.2.2 终端侧的码率自适应算法 | 第41-42页 |
| 3.3 可伸缩视频传输的系统模型 | 第42-44页 |
| 3.3.1 系统架构 | 第42-43页 |
| 3.3.2 问题建模 | 第43-44页 |
| 3.4 基于大偏差原理的下溢概率估计 | 第44-49页 |
| 3.4.1 下溢概率估计模型 | 第45页 |
| 3.4.2 大偏差原理概述 | 第45-47页 |
| 3.4.3 下溢概率估计 | 第47-49页 |
| 3.5 基于下溢概率的码率自适应算法 | 第49-51页 |
| 3.6 消除“闪烁效应”的自适应算法 | 第51-54页 |
| 3.6.1 视频播放的“闪烁效应” | 第51-52页 |
| 3.6.2 基于摄动理论的改进算法 | 第52-54页 |
| 3.6.3 算法的扩展性分析 | 第54页 |
| 3.7 基于原型系统的算法验证 | 第54-59页 |
| 3.7.1 原型系统设计 | 第54-56页 |
| 3.7.2 基于原型系统的实验与结果分析 | 第56-59页 |
| 3.8 算法性能评估 | 第59-68页 |
| 3.8.1 仿真系统设计 | 第59-61页 |
| 3.8.2 对比算法 | 第61页 |
| 3.8.3 性能指标 | 第61-62页 |
| 3.8.4 实验结果与性能评估 | 第62-68页 |
| 3.9 小结 | 第68-70页 |
| 第四章 SDN架构下具有网络感知的DASH服务 | 第70-92页 |
| 4.1 引言 | 第70-73页 |
| 4.1.1 软件定义网络概述 | 第71-72页 |
| 4.1.2 SDN中的视频传输概述 | 第72-73页 |
| 4.2 相关工作 | 第73-74页 |
| 4.3 SDN架构下的DASH视频服务系统 | 第74-77页 |
| 4.3.1 系统设计 | 第74-76页 |
| 4.3.2 问题建模 | 第76-77页 |
| 4.4 拥塞概率估计 | 第77-81页 |
| 4.4.1 拥塞概率估计模型 | 第77-78页 |
| 4.4.2 基于泊松模型的拥塞概率估计 | 第78-79页 |
| 4.4.3 基于高斯混合模型的在线拥塞概率估计 | 第79-81页 |
| 4.5 码率自适应算法 | 第81-82页 |
| 4.6 原型系统实验与性能评估 | 第82-90页 |
| 4.6.1 原型系统设计 | 第83页 |
| 4.6.2 实验环境设置 | 第83-85页 |
| 4.6.3 性能指标 | 第85-87页 |
| 4.6.4 实验结果分析 | 第87-90页 |
| 4.7 小结 | 第90-92页 |
| 第五章 SDN架构下路由选择与码率控制的联合优化 | 第92-108页 |
| 5.1 引言 | 第92-93页 |
| 5.2 相关工作 | 第93页 |
| 5.3 系统模型 | 第93-94页 |
| 5.4 基于MDP模型的路由选择与码率控制的联合优化 | 第94-97页 |
| 5.4.1 状态空间 | 第94-95页 |
| 5.4.2 行动空间 | 第95页 |
| 5.4.3 转移概率 | 第95-96页 |
| 5.4.4 报酬函数 | 第96-97页 |
| 5.4.5 优化模型 | 第97页 |
| 5.5 Q学习求解最优策略 | 第97-100页 |
| 5.5.1 Q学习概述 | 第97-99页 |
| 5.5.2 问题求解 | 第99-100页 |
| 5.6 实验与性能评估 | 第100-106页 |
| 5.6.1 实验设置 | 第100-101页 |
| 5.6.2 对比算法 | 第101页 |
| 5.6.3 性能指标 | 第101-102页 |
| 5.6.4 实验结果 | 第102-106页 |
| 5.7 小结 | 第106-108页 |
| 第六章 总结与展望 | 第108-110页 |
| 6.1 本文总结 | 第108-109页 |
| 6.2 研究展望 | 第109-110页 |
| 参考文献 | 第110-114页 |
| 致谢 | 第114-116页 |
| 在读期间发表的学术论文与取得的研究成果 | 第116-117页 |