2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)流媒體服務的發(fā)展,人們對流媒體的觀看體驗提出了更高的要求?;贖TTP協(xié)議的動態(tài)自適應流媒體技術(shù)MPEG-DASH可以有效利用網(wǎng)絡帶寬資源,為用戶提供動態(tài)、高質(zhì)量的流媒體觀看體驗,且具有良好的通用性和可部署性,被主流互聯(lián)網(wǎng)流媒體提供商廣泛采用。與此同時,利用代理緩存、CDN等網(wǎng)絡基礎(chǔ)設施進行流媒體分發(fā)可以有效提高終端用戶體驗、減少骨干網(wǎng)壓力,是當前IP網(wǎng)的發(fā)展方向。客戶端的自適應碼率判決算法是DASH協(xié)議的核心,直接影響用戶的

2、體驗。然而,目前主流的碼率判決算法并未考慮接入網(wǎng)邊緣存在代理緩存的場景,導致其易受代理緩存的干擾,出現(xiàn)碼率乒乓效應、視頻卡頓等現(xiàn)象。同時,現(xiàn)有的流媒體緩存管理策略不能有效挖掘DASH流媒體的特征,性能表現(xiàn)也不夠理想。因此,研究如何更好地利用代理緩存進行DASH流媒體分發(fā)、將二者有效地結(jié)合具有重要意義。
  本文針對接入網(wǎng)邊緣存在代理緩存的DASH流媒體分發(fā)場景,研究DASH協(xié)議與代理緩存間的聯(lián)系,設計了一種緩存優(yōu)化的DASH自適應

3、碼率判決算法和基于灰色預測的DASH緩存管理策略。論文的主要研究工作包括:
  (1)分析了代理緩存對DASH自適應碼率判決的影響,指出代理緩存將導致切片存在兩個來源,現(xiàn)有的基于吞吐率預測和基于緩沖區(qū)占用率的碼率判決算法易受切片二源性的影響,造成客戶端的乒乓效應和播放卡頓。針對這一問題,論文提出了緩存優(yōu)化的DASH碼率自適應算法——COBA,該算法使用重疊、自適應調(diào)節(jié)的緩沖區(qū)區(qū)間,生成不同的緩沖區(qū)級別,消除代理緩存帶來的乒乓效應,

4、同時引入快速啟動算法,加速客戶端碼率的收斂。
  (2)針對DASH流媒體切片流行度較難預測的問題,提出了基于灰色預測的DASH緩存管理策略——GPCM,設計了對應的緩存架構(gòu)。GPCM策略包含兩個子策略:緩存預取策略和緩存替換策略,其核心是基于RGM(1,1)模型進行在線的流行度預測,該預測具有短期預測精度較高、預測耗時短的特點。緩存預取策略依據(jù)切片流行度預測值進行預取碼率計算和預取請求發(fā)送決策,緩存替換策略則依據(jù)切片流行度預測值

5、選擇需要替換的流媒體切片。
  (3)對COBA算法和GPCM策略的性能進行實驗評估。搭建了真實的網(wǎng)絡場景,使用FCC吞吐率數(shù)據(jù)集模擬真實網(wǎng)絡吞吐率,測試COBA算法的性能表現(xiàn)。針對GPCM策略大規(guī)模的測試需求,開發(fā)了流媒體代理緩存仿真器DashProxySim,使用Trace數(shù)據(jù)集驅(qū)動仿真器,對GPCM策略的性能進行評估。實驗結(jié)果表明,COBA算法可以較好地消除客戶端的乒乓效應、減少播放卡頓,GPCM策略提高了緩存命中率和客戶端

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論