认知网络中应用驱动的视频通信跨层方法研究

The research on video communications can optimize the configuration of the wireless resource and improve the end-to-end video quality.The traditional research uaually seperates wireless networks from video coding and scheduling. In this research, the application-driven cross-layer design is employed to gelobally optimize the parameters of the video coding and communication networks. To be specific, our research is composed of the following four facets: 1) application-driven cross-layer framework for video communications; 2) spectrum sensing frequentness by joint primary user behaviours and the delay constraints of secondary video user; 3) cross-layer strategy by joint video coding and packet scheduling under the contraint of cognitive network resources; 4) mutiple cross-layer strategy for secondary video user. Innovation points: 1) Taking primary user behaviours and content information of secondary video user into the cross-layer framework; 2) based on three cross-layer patterns, the strategies are studies to optimal the resource configuration; 3) To satisfy the real-time requirement, the solution with low-complexity is studies. This project is expected to get a breakthrough in theory and technology innovation in video transmission, and the proposed strategy can improve the end-to-end video quality for secondary users in cognitive networks.

认知网络中视频通信研究可以使得无线资源获得合理优化的配置，从而提升端到端的视频通信质量。针对传统的研究将通信网络和视频编码调度孤立开来，而无法对视频编码特性与通信网络特征进行协同控制这一问题，课题采用应用驱动的跨层方法展开研究。主要研究内容：认知网络中应用驱动的视频通信跨层体系架构研究；主用户行为和次级视频用户延迟约束联合分析的频谱感知频度研究；认知网络资源约束下的视频编码与包调度联合策略研究；认知网络中次级视频用户通信的多层联合跨层算法研究。创新点：将主用户行为和次级视频用户的内容信息与认知网络资源纳入整体的跨层框架，达到多层资源的优化配置；基于三种典型的跨层模式进行算法设计，全面系统的研究跨层设计下的资源配置方案；针对视频传输的实时性要求，提出低算法复杂度的优化问题求解方案。本课题将在理论和技术上有所突破和创新，达到提升认知网络中次级视频用户的端到端感受质量的目标。

认知网络中视频通信研究可以使得无线资源获得合理优化，从而提升端到端的视频通信质量。通过研究，在理论层面，我们了建立认知网络中视频通信的跨层体系架构，在Top-to-down、Bottom-to-up、和 Integrated三种模式下,通过研究主导跨层性能的主要因素及其影响系统整体性能的机理，我们获得三个相应层次的核心算法，提出视频质量需求驱动下的认知网络最优资源配置方案，我们设计搭建了通信跨层体系架构，达到视频应用和认知网络全局的资源优化配置：（1）跨层体系架构以视频应用为驱动，以端到端的视频质量提高为目标。（2）跨层体系架构支持全部上述模式的跨层算法。.我们研究了主用户行为和次级视频用户延迟约束联合分析的频谱感知频度。认知网络中主用户的行为和次级视频用户对延迟的要求，是选择合理的频谱感知频度的重要因素。根据主用户的行为和次级用户的要求等上层的约束和需求，来研究认知网络的底层参数，采用 Top-to-down 跨层模式。研究认知网络资源约束下的视频编码和包调度联合策略（基于Bottom-to-up模式），从上层的视角，根据认知网络的资源约束，采取优化的视频编码与包调度策略，达到次级视频用户端到端的质量提升。通过提取可观测的认知网络参数，对认知网络的资源进行预测和估计，以此设计视频编码与包调度联合优化策略。.针对视频传输的实时性和安全性要求，我们改进了在认知网络中次级视频用户通信的多层联合算法（基于Integrated 模式），提出了低复杂度的高效的解决方案；在传输的过程中，提出一种隐私保护的轻量级互认证方案，使得视频能够安全的到达次级用户。除此之外，我们对视频图像传输过程中的关键问题展开研究，其中包含视频图像的预处理、视频图像传输的可靠性、视频图像的检索、分类、识别，图像超分辨率重建等，研究安全图像检索方案，提高了视频图像存储的有效性和传输的可靠性。