《面向QoE的協同計算通信關鍵技術研究》是依託清華大學，由陶曉明擔任項目負責人的面上項目。
基本介紹
- 中文名：面向QoE的協同計算通信關鍵技術研究
- 依託單位：清華大學
- 項目負責人：陶曉明
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
隨著移動網際網路等技術領域的飛速發展，多媒體等大數據量的業務將成為主體業務，其對無線網路頻寬需求的增長速度超過了摩爾定律，供求矛盾日趨尖銳。傳統的解決途徑是從傳輸技術的角度提高頻譜利用率，逐漸遭遇邊際效應的制約，提升空間有限。近年來研究表明，衡量網路服務能力的根本是用戶體驗（QoE），如果僅傳輸與QoE相關的關鍵信息，可以從根本上降低業務對網路頻寬需求的壓力。本項目圍繞高品質寬頻用戶體驗，深入挖掘和分析與QoE相關的多媒體信息特徵，尋求更為有效的信息表征和計算重構方法；充分利用網路的數據資源與面向內容分析的計算資源，研究基於分散式計算與線上學習的分散式協同編碼傳輸和網路媒體庫構建方法，用計算能力換取通信能力；將終端-網路轉發-終端的通信轉換為終端-網路計算-終端的協同通信與計算過程，探索新型計算通信體系架構下移動網際網路的服務能力，實現以限帶通信、寬頻體驗為標誌的突破性創新。
結題摘要
該項目針對移動網際網路領域大數據量的多媒體業務需求，提出了移動網際網路環境下的協同計算通信體系架構，突破了面向QoE的信息表征、分散式協同編碼、面向QoE的網路容量最佳化等難題，提出了基於智慧型計算的多媒體傳輸和網路最佳化新技術，達到了預期的研究目標。取得的主要創新成果有： （1）針對特定變換基下圖像表征向量的結構化特性難以描述的問題，本項目引入貝葉斯網路對表征係數間複雜的高維聯合機率分布進行建模，構造面向結構化稀疏的圖像信息表征模型，實現對圖像變換域結構化先驗約束的有效描述；同時，設計基於貝葉斯網路的統計推斷算法，利用有限觀測數據實現圖像信息的準確重構。與僅考慮圖像表征向量稀疏性的重構方法相比，基於圖像結構化先驗表征方法的重構性能提升2–4dB。 （2）構建網路媒體庫。構建包含五種情緒的人臉視頻庫，實驗採用視頻誘導的方法讓被試產生不同情緒，並記錄被試對不同視頻的喜好程度。提出分散式編碼方法。利用先驗信息對視頻進行分層編碼，以參數化形式實現特定目標與內容的簡化表達。在低比特率下，所提的方法由優異的率-失真性能。相比與HEVC和OBC方法，所提方法能保留更多人臉部分的細節。 （3）提出了基於QoE的行動網路服務質量最佳化技術。以最大化網路用戶的QoE為最佳化目標，建立了業務服務過程與資源利用的協同最佳化模型；在此基礎上，提出基於“預測+反饋”的智慧型協同學習方法，實現了一種用戶需求與網路資源間的帕累托最優，有效提升了受限網路資源條件下的服務質量。 發表SCI論文19篇、EI論文33篇，申請及授權發明專利19項、授權軟著26項；培養博士後2人、博士研究生4人；獲得國家基金委優秀青年科學基金資助；獲國家技術發明二等獎（3/6）、2018高等學校科學研究優秀成果獎：科技進步一等獎（1/19），中國人工智慧學會吳文俊人工智慧技術發明一等獎（1/6）、中國通信學會技術發明一等獎（3/15），以及中國青年女科學家獎、中國電子學會十佳優秀科技工作者等獎項。
