手机视频直播系统QoE/QoS关键问题研究

In this project oriented to the application requirement of a mobile video live system, we explore the theory and technology of constructing a control P2P media-stream system. To improve the system's QoE/QoS, we focus on the complexity-control video coding for mobile device，selection policy of super-nodes, and its architecture. Considering power constraints of mobile device, a new macro-block based complexity control model is proposed for video coding through computing optimal encoding parameters in different power states.We propose a new framework for energy scalable video coding using four-level structure, frame level, macro-block class-level, macros, block-level, and motion estimation-level, to allocate computation to motion estimation of individual modules, and to achieve efficient computation allocation. By modeling super-nodes with its social behaviors, and analyzing its Nash equilibrium, we design the super-node selection algorithm with low complexity, which fits the mobile P2P media-streaming network. Applying the evolutionary game theory to super peer node selection, the system's QoE/QoS and social benefit are improved, and the mobile P2P system stability is enhanced.

本项目以手机视频直播系统的应用需要为基本背景，研究构建可管控P2P流媒体系统的理论和技术，以提高手机用户的QoE/QoS为基本目标，重点对QoE/QoS计算模型、手机等移动设备的复杂度可控视频编码、超级节点选择策略、可管控P2P流媒体系统的传输结构等关键问题展开研究。针对移动设备存在电源约束的情况，在不同的电源状态下优化控制编码参数，提出一个有效的宏块级视频编码复杂度控制模型。提出一种能量可分级编码的新架构，利用帧级，宏块大类级，宏块级，以及运动估计级等四级结构，将能量分配给运动估计的各个模块，实现能量有效分配的目的。利用节点社会行为属性对节点行为进行建模，对其纳什均衡点进行理论上的分析，并根据移动P2P流媒体网络的特点，提出分布式的、复杂度低的超级节点选择算法。将演进博弈框架引入到超级对等节点选择中，提高对等节点的收益，改善移动P2P流媒体系统的QoE/QoS和鲁棒性。

本项目研究构建可管控P2P流媒体系统的理论和技术，以提高手机用户的QoE/QoS为基本目标，重点对QoE/QoS计算模型、手机等移动设备的复杂度可控视频编码、超级节点选择策略、可管控P2P流媒体系统的传输结构等关键问题展开研究。在复杂度可控的视频编码器研究中，我们开展了感兴趣运动对象的提取方法。为了检测视频中的密集人群，提出了一种新的全局特征来表示移动人群，该特征能很好地描述感兴趣点的空间和时间运动信息，使得个别群体更一致和有效的集体性计算，以提供对人群状况的详细描述。该方法同时能够有效地进行人体运动的演化分析和人群异常检测计算。研究成果已发表在《IEEE Transactions on Circuits and Systems for Video Technology》。. 为了通过手机传送高质量的医疗图像，我们研究了移动设备图像快速去噪算法。智能手机等移动设备受电池续航及计算能力的限制，在面向图像/视频处理应用时需要进行特定的算法设计和优化。为此提出一种快速的非局部均值图像去噪算法。首先利用像素点权值计算的对称性原理减少像素权值的计算量；然后根据实验确定的优化步长对图像进行下采样，并利用权重公式和双线性插值算法分别对采样点和非采样点的权值进行计算；最后应用NEON指令对部分C语言代码进行汇编级优化。实验结果表明，与传统非局部均值图像去噪算法相比，该算法在轻微图像质量损失的情况下大幅减少了图像的去噪时间，能够满足手机等移动终端上的实时图像处理要。研究成果已发表在SCI国际期刊《Neurocomputing》。. 在网络服务节点效能研究中，提出一种利用附加资源改进网络服务节点请求服务接受率的方法。为网络中的节点分配服务是下一代互联网的主要挑战之一。这个问题称为服务配置问题，可用分层图方法求解。然而，由于资源瓶颈的存在，在资源受限的网络中，请求一开始就可能被拒绝。为了提高服务请求被接受的比例，我们提出了两种迭代算法来有效配置额外资。通过仿真实验对这两种算法的性能进行了评测，结果表明，所提出的算法通过为瓶颈节点分配附加资源，能够有效增加请求的接受率。另外，基于利用率的迭代算法通过有效利用附加资源降低了长期成本。研究成果已发表在SCI期刊《Mathematical Problems in Engineering》。

内容获取失败，请点击重试