流媒体将是未来通信中的杀手业务.本文讨论了流媒体分发系统的关键技术,阐述了基于CDN(Con-tent Distributed Network)和基于P2P(Peer to Peer)的流媒体的研究现状,针对基于CDN的流媒体,研究了流媒体调度算法,代理服务器缓存算法,基于CD...流媒体将是未来通信中的杀手业务.本文讨论了流媒体分发系统的关键技术,阐述了基于CDN(Con-tent Distributed Network)和基于P2P(Peer to Peer)的流媒体的研究现状,针对基于CDN的流媒体,研究了流媒体调度算法,代理服务器缓存算法,基于CDN的交互式操作.针对基于P2P的流媒体,研究了数据分配算法,激励机制,流媒体对象的放置,应用层组播,基于P2P的交互式操作.指出了流媒体的未来研究方向.展开更多
提出了一种基于段流行度的移动流媒体代理服务器缓存算法P2CAS2M2(proxy caching algorithm based on segment popularity for mobile streaming media),根据移动流媒体对象段的流行度,实现了代理服务器缓存的接纳和替换,使移动流媒体...提出了一种基于段流行度的移动流媒体代理服务器缓存算法P2CAS2M2(proxy caching algorithm based on segment popularity for mobile streaming media),根据移动流媒体对象段的流行度,实现了代理服务器缓存的接纳和替换,使移动流媒体对象在代理服务器中缓存的数据量和其流行度成正比,并且根据客户平均访问时间动态决定该对象缓存窗口大小。仿真结果表明,对于代理服务器缓存大小的变化,P2CAS2M2比A2LS(adaptive and lazy segmentation algorithm)具有更好的适应性,在缓存空间相同的情况下,能够得到更大的被缓存流媒体对象的平均数,更小的被延迟的初始请求率,降低了启动延时,而字节命中率接近甚至超过A2LS。展开更多
在车联网中,过高的车辆密度会造成信道拥塞,信道拥塞的发生会严重影响协同车辆安全系统的性能。针对此问题,设计实现了一种基于车联网信道负载预测的拥塞控制策略(Congestion Control Strategy based on Channel Load Prediction,C2SLP...在车联网中,过高的车辆密度会造成信道拥塞,信道拥塞的发生会严重影响协同车辆安全系统的性能。针对此问题,设计实现了一种基于车联网信道负载预测的拥塞控制策略(Congestion Control Strategy based on Channel Load Prediction,C2SLP)。该策略分为3个模块,首先使用载波侦听多址访问协议中的检测功能获取信道闲忙状态进行负载评估,然后将所得结果代入自回归移动平均模型(Auto Regressive Integrated Moving Average,ARIMA)对下一时刻的信道负载值进行预测,最后将所得负载预测值与预设的标准值进行比较,根据对比结果使用功率控制算法调整传输功率,实现提前避免信道拥塞。仿真实验结果表明,C2SLP将信道占有率稳定在0.6左右,传输时延稳定在30 ms左右,明显优于UBRCC算法,C2SLP在控制信道拥塞的同时有效减少传输时延,确保数据包可靠发送,满足车辆安全应用需求。展开更多
针对移动边缘计算(Mobile Edge Computing,MEC)的计算卸载决策的问题,基于强化学习方法提出了一个在多用户的MEC系统中的计算卸载决策算法(Offloading Decision algorithm based on Reinforcement Learning,ODRL)。ODRL算法根据任务模...针对移动边缘计算(Mobile Edge Computing,MEC)的计算卸载决策的问题,基于强化学习方法提出了一个在多用户的MEC系统中的计算卸载决策算法(Offloading Decision algorithm based on Reinforcement Learning,ODRL)。ODRL算法根据任务模型、计算模型以及信道状态对任务进行卸载决策,采用强化学习方法求解最优计算卸载策略。仿真结果证明了所提出的ODRL算法与基线策略相比,具有更低的系统总成本。展开更多
文摘流媒体将是未来通信中的杀手业务.本文讨论了流媒体分发系统的关键技术,阐述了基于CDN(Con-tent Distributed Network)和基于P2P(Peer to Peer)的流媒体的研究现状,针对基于CDN的流媒体,研究了流媒体调度算法,代理服务器缓存算法,基于CDN的交互式操作.针对基于P2P的流媒体,研究了数据分配算法,激励机制,流媒体对象的放置,应用层组播,基于P2P的交互式操作.指出了流媒体的未来研究方向.
文摘提出了一种基于段流行度的移动流媒体代理服务器缓存算法P2CAS2M2(proxy caching algorithm based on segment popularity for mobile streaming media),根据移动流媒体对象段的流行度,实现了代理服务器缓存的接纳和替换,使移动流媒体对象在代理服务器中缓存的数据量和其流行度成正比,并且根据客户平均访问时间动态决定该对象缓存窗口大小。仿真结果表明,对于代理服务器缓存大小的变化,P2CAS2M2比A2LS(adaptive and lazy segmentation algorithm)具有更好的适应性,在缓存空间相同的情况下,能够得到更大的被缓存流媒体对象的平均数,更小的被延迟的初始请求率,降低了启动延时,而字节命中率接近甚至超过A2LS。
文摘在车联网中,过高的车辆密度会造成信道拥塞,信道拥塞的发生会严重影响协同车辆安全系统的性能。针对此问题,设计实现了一种基于车联网信道负载预测的拥塞控制策略(Congestion Control Strategy based on Channel Load Prediction,C2SLP)。该策略分为3个模块,首先使用载波侦听多址访问协议中的检测功能获取信道闲忙状态进行负载评估,然后将所得结果代入自回归移动平均模型(Auto Regressive Integrated Moving Average,ARIMA)对下一时刻的信道负载值进行预测,最后将所得负载预测值与预设的标准值进行比较,根据对比结果使用功率控制算法调整传输功率,实现提前避免信道拥塞。仿真实验结果表明,C2SLP将信道占有率稳定在0.6左右,传输时延稳定在30 ms左右,明显优于UBRCC算法,C2SLP在控制信道拥塞的同时有效减少传输时延,确保数据包可靠发送,满足车辆安全应用需求。
文摘针对移动边缘计算(Mobile Edge Computing,MEC)的计算卸载决策的问题,基于强化学习方法提出了一个在多用户的MEC系统中的计算卸载决策算法(Offloading Decision algorithm based on Reinforcement Learning,ODRL)。ODRL算法根据任务模型、计算模型以及信道状态对任务进行卸载决策,采用强化学习方法求解最优计算卸载策略。仿真结果证明了所提出的ODRL算法与基线策略相比,具有更低的系统总成本。
