面向5G网络的流媒体内容分发关键技术研究
发布时间：2021-12-19 15:59
随着支撑移动互联网的无线通信技术飞速发展和智能终端设备的大规模普及,丰富多彩的移动流媒体服务如雨后春笋般涌现,导致移动网络流量呈爆炸式增长。思科公司报告指出,到2022年视频流量将占据全球移动流量的80%以上。由此可见,视频服务已然成为当前移动互联网的杀手级应用。在此背景下,用户日益增长的数据流量与受限的网络承载已经成为阻碍当前移动互联网发展的首要矛盾。以上现状必将对未来移动网络的服务性能提出更高的要求。因此,积极开展第五代移动通信技术（5G）的研究具有十分重要的意义。然而,一味采取硬件升级的办法不仅给运营商带来了巨大的开销而且也难以追赶指数级增长的视频服务需求。另一方面,内容分发作为支撑移动互联网最为关键的技术之一,是推动实现5G网络高质量流媒体服务需求的关键所在。在现有工作的基础上,本文重点围绕在5G网络中如何通过内容分发关键技术为移动用户提供高质量的流媒体服务为研究主线。分别从终端侧的内容交付与任务卸载、网络侧的资源调度与服务优化展开研究工作。具体包括:（1）5G车联网流媒体内容协作交付机制;（2）5G网络流媒体计算任务边缘卸载策略;（3）5G密集网络流媒体资源在线调度机制;（4...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：135 页
【学位级别】：博士
【部分图文】：
图１－１?５Ｇ网络下的流媒体服务场景图??如图１－１所示，５Ｇ网络下的流媒体服务将是一种网络异构融合、资源“泛??在”接入、可靠性和体验质量保障相结合的应用服务场景
景中高质量流媒体服务目标，５Ｇ网络采用超密集异构??基站部署［１３］和额外频段利用［１４］等新型技术手段，来提升通信容量与频谱利用率。??然而，一味采取硬件升级的办法不仅给运营商带来了巨大的开销而且也难以追赶??指数级增长的视频服务需求。另一方面，内容分发作为支撑移动互联网最为关键??的技术，对５Ｇ网络中流媒体服务质量和性能提升都起着至关重要的作用。近年??来，国内外不少学者和机构围绕不同的场景和需求下的内容分发技术展开了广泛??的研究工作，并提出了代表性的研究方案［１５＿２４】，如图２－１所示。可以看出２０１４年??是一个重要的分界线。２０１４年以前，主要是研究以Ｐ２Ｐ、ＣＤＮ、ＩＣＮ等网络为基??础的内容分发技术；２０１４年以后，以５Ｇ网络为代表的流媒体内容分发技术不断??受到了学术界的关注，并且分别从计算卸载、资源分配、安全交付等方面展开了??代表性的研究。下面针对移动流媒体内容分发相关研究工作分别进行详细介绍：??网络随机优化理论［６７］?分布式协作内容分发［１９］?质ｍ保障的移动内容分发［２２Ｊ??基于Ｐ２Ｐ视频内容分发［１５］?基于人工智能的内容分发［２４］??５Ｇ网络内容分发技术诞生［岡??／ＳｉＷａＡＰ＾Ｎ?＾?ＳｈａｆｉｎＲ?Ｊ??＾—?Ｄ?Ｊ?＾＼ｎｄｒｅｗｓ?３??２０１１?２０１３?２０１５?２０１７?２０１９????？?？?？?？???？?？?？?？?？?＞??２０１０?２０１２?２０１４?２０１６?２０１８?２０２０??ＩＣＮ中随机缓存内容分发［１６］?｜多用户边缘计算卸载技术［２０］?基于安全交付的数据分发［２３］??ＱｏＥ驱动的视频分发［丨７］
北京邮电大学博士学位论文???端源）响应，从而减轻了?５Ｇ车联网的整体压力并降低了交付延迟。??ｅ？３?７７，—??Ｍ３???？兴趣包?？数据包一ａ＿Ｖ２Ｖ通信??图３－１?５Ｇ车联网流媒体内容分发示意图??考虑到现有５Ｇ车联网中的流媒体服务大都以内容交付为目的，因此，国内??外学者展开了大量内容中心化的流媒体交付相关技术研究。例如，文献［２７］提出了??一种选择性的广播策略，该策略在转发过程中选择移动速度慢且连接能力强的下??一跳转发节点，同时记录到达内容提供者的最短距离。文献［２８］提出了一种名为??ＲＵＦＳ的单播机制，每个节点都维护了一张邻居节点请求成功信息表，转发节点??根据该表将兴趣包转发至相同请求的下一跳。由于５Ｇ车联网环境下，该表需要??频繁更新才能保证转发的成功率，因此会给移动节点带来较大的维护开销。在缓??存放置方面，文献提出了一种分布式概率缓存机制，移动节点通过在相邻车辆??中选择中心度最高的节点来实现缓存决策。为了解决因概率性缓存而导致缓存命??中率低的问题，文献［８７］将移动网络中的路由和缓存分布式优化问题进行转化，最??终通过启发式算法来提高缓存命中率，并降低网络中的路由成本。??以上解决方案在视频分享与交付方面做出了很多改进，然而目前大部分研究??方案均缺乏对车辆节点之间协作路由的考虑，并且缺乏对车联网中视频流交付时??缓存位置的准确评估，从而降低了５Ｇ车联网的视频交付性能，并增大了视频分??享的网络维护开销。因此，设计一种低开销和高可靠的移动流媒体交付策略具有??十分重要的意义。鉴于此，本章深入研究了?５Ｇ车联网中视频数据的分发问题，??并提出了高效的流媒体内容协作交付机
【参考文献】：
期刊论文
[1]Energy-Efficient Computation Offloading and Resource Allocation in Fog Computing for Internet of Everything[J]. Qiuping Li,Junhui Zhao,Yi Gong,Qingmiao Zhang. 中国通信. 2019(03)
[2]一种基于可靠最远转发的车载网广播协议[J]. 叶雪梅,李雪松,蔡艳宁,范青刚,陈柏松,王庆文. 电子与信息学报. 2016(05)
[3]一种基于逗留时间的新型内容中心网络缓存策略[J]. 王国卿,黄韬,刘江,陈建亚,刘韵洁. 计算机学报. 2015(03)
本文编号：3544687
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：135 页
【学位级别】：博士
【部分图文】：
图１－１?５Ｇ网络下的流媒体服务场景图??如图１－１所示，５Ｇ网络下的流媒体服务将是一种网络异构融合、资源“泛??在”接入、可靠性和体验质量保障相结合的应用服务场景
景中高质量流媒体服务目标，５Ｇ网络采用超密集异构??基站部署［１３］和额外频段利用［１４］等新型技术手段，来提升通信容量与频谱利用率。??然而，一味采取硬件升级的办法不仅给运营商带来了巨大的开销而且也难以追赶??指数级增长的视频服务需求。另一方面，内容分发作为支撑移动互联网最为关键??的技术，对５Ｇ网络中流媒体服务质量和性能提升都起着至关重要的作用。近年??来，国内外不少学者和机构围绕不同的场景和需求下的内容分发技术展开了广泛??的研究工作，并提出了代表性的研究方案［１５＿２４】，如图２－１所示。可以看出２０１４年??是一个重要的分界线。２０１４年以前，主要是研究以Ｐ２Ｐ、ＣＤＮ、ＩＣＮ等网络为基??础的内容分发技术；２０１４年以后，以５Ｇ网络为代表的流媒体内容分发技术不断??受到了学术界的关注，并且分别从计算卸载、资源分配、安全交付等方面展开了??代表性的研究。下面针对移动流媒体内容分发相关研究工作分别进行详细介绍：??网络随机优化理论［６７］?分布式协作内容分发［１９］?质ｍ保障的移动内容分发［２２Ｊ??基于Ｐ２Ｐ视频内容分发［１５］?基于人工智能的内容分发［２４］??５Ｇ网络内容分发技术诞生［岡??／ＳｉＷａＡＰ＾Ｎ?＾?ＳｈａｆｉｎＲ?Ｊ??＾—?Ｄ?Ｊ?＾＼ｎｄｒｅｗｓ?３??２０１１?２０１３?２０１５?２０１７?２０１９????？?？?？?？???？?？?？?？?？?＞??２０１０?２０１２?２０１４?２０１６?２０１８?２０２０??ＩＣＮ中随机缓存内容分发［１６］?｜多用户边缘计算卸载技术［２０］?基于安全交付的数据分发［２３］??ＱｏＥ驱动的视频分发［丨７］
北京邮电大学博士学位论文???端源）响应，从而减轻了?５Ｇ车联网的整体压力并降低了交付延迟。??ｅ？３?７７，—??Ｍ３???？兴趣包?？数据包一ａ＿Ｖ２Ｖ通信??图３－１?５Ｇ车联网流媒体内容分发示意图??考虑到现有５Ｇ车联网中的流媒体服务大都以内容交付为目的，因此，国内??外学者展开了大量内容中心化的流媒体交付相关技术研究。例如，文献［２７］提出了??一种选择性的广播策略，该策略在转发过程中选择移动速度慢且连接能力强的下??一跳转发节点，同时记录到达内容提供者的最短距离。文献［２８］提出了一种名为??ＲＵＦＳ的单播机制，每个节点都维护了一张邻居节点请求成功信息表，转发节点??根据该表将兴趣包转发至相同请求的下一跳。由于５Ｇ车联网环境下，该表需要??频繁更新才能保证转发的成功率，因此会给移动节点带来较大的维护开销。在缓??存放置方面，文献提出了一种分布式概率缓存机制，移动节点通过在相邻车辆??中选择中心度最高的节点来实现缓存决策。为了解决因概率性缓存而导致缓存命??中率低的问题，文献［８７］将移动网络中的路由和缓存分布式优化问题进行转化，最??终通过启发式算法来提高缓存命中率，并降低网络中的路由成本。??以上解决方案在视频分享与交付方面做出了很多改进，然而目前大部分研究??方案均缺乏对车辆节点之间协作路由的考虑，并且缺乏对车联网中视频流交付时??缓存位置的准确评估，从而降低了５Ｇ车联网的视频交付性能，并增大了视频分??享的网络维护开销。因此，设计一种低开销和高可靠的移动流媒体交付策略具有??十分重要的意义。鉴于此，本章深入研究了?５Ｇ车联网中视频数据的分发问题，??并提出了高效的流媒体内容协作交付机
【参考文献】：
期刊论文
[1]Energy-Efficient Computation Offloading and Resource Allocation in Fog Computing for Internet of Everything[J]. Qiuping Li,Junhui Zhao,Yi Gong,Qingmiao Zhang. 中国通信. 2019(03)
[2]一种基于可靠最远转发的车载网广播协议[J]. 叶雪梅,李雪松,蔡艳宁,范青刚,陈柏松,王庆文. 电子与信息学报. 2016(05)
[3]一种基于逗留时间的新型内容中心网络缓存策略[J]. 王国卿,黄韬,刘江,陈建亚,刘韵洁. 计算机学报. 2015(03)
本文编号：3544687
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3544687.html
