文摘

可伸缩视频编码允许一个有效的提供视频服务在不同质量水平与不同的能源需求。根据特定类型的服务和网络场景中,最终用户和/或运营商可能会决定选择不同的能量和质量的组合。为了应对由此产生的权衡,在本文中,我们分析的数量接收视频层值得考虑能量限制。简略优化,提出了基于动态选择层的数量,这可以减少能源消耗的约束最小达到质量标准。然而,这种方法不能反映这一事实相同的能源消费增量可能导致不同的视觉质量的增量。因此,提出了一种多目标优化和效用函数的定义是为了体重能源消耗和视觉质量标准。最后,从优化解决机制是在移动设备上实现计算昂贵,启发式算法。这种方式,显著降低能源消耗将会实现在保持合理的质量水平。

1。介绍

多媒体编码技术的发展可以有效地配置视频服务在不同质量水平。然而,也导致流导致不同的能源消耗使得它难以同时满足能源消耗和质量要求。因此,能量与质量妥协的解决方案通常是必需的。在商用蜂窝网络中,用户是用来处理这些权衡手动或自动(即。,using small widgets to reduce display brightness, disable radio interfaces, etc.) and normally maintaining the same play-out quality. However, reduced energy consumption becomes a truly severe constraint in specific communication scenarios such as mobile emergency networks or distributed sensors. Additionally, any solution will also depend on the characteristics of the video players although higher resolution video could improve visual quality for high-end mobile devices, for others no visible quality improvement is achieved due to available screen resolution, codecs, or CPU power. So, additional energy consumption, higher data bandwidth, and spectrum use would have no real impact on users satisfaction. Energy- and visual quality-aware video dynamic transmission schemes would allow network operators and users to avoid such waste of resources.

为了应对移动设备的异构性和用户有效的移动视频交付要求,多层计划普遍被认为是最好的解决方案。在这个范例中,每个视频编码成一个单独的数据流与多个层,每一层只传送一次。可伸缩视频编码(SVC)标准,h / AVC标准的扩展,使得这个积层,成为最有前途的解决多用户视频编码技术在大多数移动环境中(见[1,2])。这个内容交付机制提供了质量差异化,这样同时发送相同的内容在不同的品质没有复制原始信息。这样,用户需求降低能源消耗可以维持繁殖但接受低质量的水平。

例如,[3- - - - - -5)提出了广播方案允许移动设备接收和解码最合适的层数,维护消耗能量的感知到的视频质量成正比dvb - h的场景。典型的移动电视网络的系统参数下,提出方案允许移动设备之间实现节能60%和95%取决于有多少层。在[5),该方案不仅使每个设备能够实现节能与感知质量成正比,而且还低通道切换延迟是保证,这也是重要的用户体验。

然而,在这些作品预期的视觉质量水平被用户没有量化,这是基本找到能源消耗和用户之间的关系质量的经验(体验质量)。

在[6),作者遵循类似的方法,但是在802.11 e环境使用的睡眠周期节能的无线网卡。在这种情况下,一个简单的体验质量评估算法是用来触发特定权力拯救协议操作。然而,他们只修改接收方的行为用一个版本的内容。此外,没有分析的最优方法是包括在内。

这样的优化在802.11进行7),包括线性规划技术和启发式。不幸的是,只有能源被认为是优化标准和没有影响到质量进行了分析。

最后,(8)提出了一个静态方法选择最佳的层数对整个与能量约束时间视频。然而,没有妥协的解决方案提供和dvb - h场景只被认为是。

为了介绍这些缺乏,在本文中,我们分析了最优策略应用如果我们可以动态地修改层的数量在视频复制考虑能量和质量约束。因此,本文的主要贡献如下。(1)我们能源和体验质量分析,权衡考虑能源或质量约束。(2)我们制定上述场景的简略线性规划(SOLP)问题和分析最优集输入和目标空间。(3)研究了多目标问题因此允许部署人员调整的相对权重绿色意识和质量标准。(4)我们提出轻量级启发式对能源和QoE-aware优化,确保最终用户而提供可行的实现算法的解决方案。

因此,本文的其余部分的结构如下。节2体验质量,分析了双能量最小化和最大化问题而交替复制层的数量在一个视频会议。部分3考虑用户体验质量,能源和相关标准,和部分4总结取得的结果。

2。能源/体验质量优化

在本节中,我们将体验质量表达的能量与权衡的一个典型的优化问题具有不同的目标和约束,分析最优策略,并与传统方法进行比较。

传统能源QoE-aware视频繁殖策略选择提供电池的最大层数(8)和/或CPU负载(9)将允许完整的视频播出以静态的方式,这样的决定只有一次。我们将概括,称这种策略为基本策略。

考虑(1),每个额外的层提供了不同的体验质量水平(见,例如,10,11])和能源消耗和(2),SVC的球员(12支持从一层切换到另一个,我们将提出一个动态方法触发层切换考虑能量限制。

因此,我们将专注于选择最佳的不同时期所以,在 层将被复制。

为简单起见,我们将考虑4层说明方法。视频的时间那么显而易见。在我们的优化问题将输入变量。

为了完全定义我们的优化问题,我们将考虑的平均满意度在整个视频繁殖是一个很好的估计量的视频质量。然后,我们有以下组成的优化问题。中的步骤(A2.1)减少能源消耗对于一个给定的视频和特定的最低可接受的视觉质量。(A2.2)最大化用户体验质量对于一个给定的视频和某些最大能源约束。

任何简略优化问题(SOP) [13]中的步骤(A2.1)和(A2.2)旨在选择“最好”的可能的组合输入参数以优化的标准。

让是一个向量的输入变量的优化问题。

SOP可以表示如下: 在哪里是可行的集合点的输入空间分隔不平等和平等等 因此,SOP可以概括为“发现输入变量的集合属于地区,是”,是受到不平等与平等。

如果两个是线性的,被定义为线性条件(因此都有和是线性函数),那么SOP叫做单目标线性规划问题(SOLP) [14]。

估算的基本度量,我们将使用整个用户满意度对于视频质量都将意味着意见评分的平均值(MOS)根据层复制的数量以及每个时间段。因此, 在哪里是金属氧化物半导体体验质量测量的发展规模的期。

如果视觉质量被认为是约常数某个比特率或层数,我们表示为一定数量的金属氧化物半导体估计层根据主观测试,整个时期。因此, 质量归一化系数,(3)可以表示如下:

同样,根据(8,15),电池消耗在移动视频播放器显示某种依赖层收到的数量。因此,能源消费总量将取决于层的数量将会收到这总消费在整个繁殖时间可以表示如下: 在哪里是向量的归一化系数的电池消耗。

这样,问题(1)可以表示为一个SOLP问题中的步骤(A2.1)和(A2.2)。

2.1。减少能源消耗保证体验质量阈值中的步骤(A2.1)

在这种情况下,目标函数是最小化能量消耗,这样。最低能源消耗将受制于体验质量阈值,用户会站()的。这个约束将导致相关的不平等(7)。同样的,时间的总和为所有层的数字必须的总持续时间视频导致一个等式约束与单位向量表示。考虑以下: 在自然条件对所有是包含在矩阵符号(7)使用单位矩阵。

然后,SOLP问题(7)可以通过典型知名解决优化问题解决机制,如单纯形法(16]。因此,我们的解决方案可以很容易地计算SOLP约束和广泛参数。事实上,考虑到该传输方案(8),我们已经进行了参数的优化中收集表1和获得的数据1和2。注意,规范化可用电池是用秒来避免具体细节对电池特性(如电压和容量在mAh)。

为移动视频与不同运动水平或内容类型(CTs)(称为低运动(LM),介质运动(毫米),和高运动(HM))和空间分辨率(SRs)我们已经计算了QoE-optimal能源约束层选择策略。注意,虽然我们已经考虑一个特定的场景在我们的研究中,该方法可以应用于任何多层广播技术只需考虑相关和系数。

为了计算实际的体验质量约束,我们必须考虑和最小和最大可实现的考虑和分别(即。,receiving only 1 layer—worst quality—or 4 layers—best quality—during the whole video length). According to the metric used和。最后,由于能源消费总量的额外约束必须小于可用电池(如果一个手持设备)或能源预算,不是所有的点都是可行的。

在图1,客观的空间(即最低电池消费和体验质量阈值)和有限的决策点的传统选择一个固定的层数对整个视频显示一定的CT / SR组合。考虑剩余电池约束导致可行点(FP)代表了最大可体验质量水平。这FP和离散。L点所示(与复制相关的点一定数量的层在整个上演一次,)。

我们可以看出,通过改变层数复制视频时间,我们可以用细粒度优化能源消费体验质量约束。这种方式,传统的静态策略将导致选择2层(2 l)对整个持续时间相关的视频和消耗能量。我们的动态方法而不是允许选择不同的(能源、体验质量)点。另一方面,如果我们详细地比较这两种方法对于这个老混凝土CT和(LM和QVGA),获得最佳战略不匹配2 l中最简单的一个点。这清楚地反映了节能达到同样的MOS消耗的能量更少。

额外的结果在图2对于每一个视频的组合类型和编码的决议。详细检查图我们可以看到如何优化策略与传统的静态方法(固定不匹配。L点)。此外,垂直线显示的结果保证某些体验质量水平不同的CTs。例如,对于选中阈值,QCIF版本更好的能源消耗为HM和MM视频,虽然QVGA LM的阈值被认为是最好的情况。

2.2。最大化用户体验质量受到最大能源消耗(A2.2)

(A2.2),在一个类似的部分2.1,目标函数最大化是金属氧化物半导体。最大可实现的体验质量将受到最大电池消耗。这个约束将导致以下相关的不等式:

图3描述了进化的目标空间提出了最优策略相比,基本只考虑# L点之一。再次,我们可以看到该方案允许我们设定一个连续范围的能量约束导致不同的值。在这种情况下,一个可用的能源预算范围将会崩溃到相同的1 l,所以只允许最低。

当我们比较结果不同的CT / SR组合(在图4),我们可以看到,如何体验质量最大化质量选择机制会选择QCIF(为特定节能约束图标注一条垂直线)对LM和MM视频,虽然QVGA的嗯。

2.3。SOLP方法之间的比较

在部分2.1和2.2,我们有单纯形优化方法用于SOLPs为了优化能源体验质量对于一个给定的阈值或体验质量对于一个给定的最大电池消耗。由于线性优化问题的性质,如果我们比较这两种优化方法,我们可以看到在图6这两个目标空间中导致相同的形状。这个结论与对偶问题本身的性质是一致的,由于能源和体验质量是相反的目标,成为了目标函数和约束问题。

以来实施的单纯形法优化每一个视频复制是不可能生存的手持设备由于所需的高CPU,我们专注于开发启发式提供算法解决方案的能力。这样,两个视频运营商和终端用户自己能减少能源消耗,同时保持体验质量水平。为了这样做,我们更深入地分析了最优的形状设置(即帕累托在目标空间)三种不同的情况,并与# L点。我们可以看到(图5能源)的最优策略和体验质量,根据和进化:(1)严格地按照1 l和4 l之间的界线(包括2 l和3 l)、FP的限制;(2)遵循多边形(2 d在目标空间多面体)1 l-2l-3l-4l FP制约;(3)遵循1 l和4 l但没有经历2 l和3 l点。我们认为,无论SOLP问题有待解决,具体参数最优策略总是包括1和4 l点(或相关FP点如果4 l是不可行的由于电池约束)。这个结果是很明显的自复制只1或4层给出了最小和最大体验质量和电池。然而,2 l ()和3 l ()点并不总是最优的点(即。,他们不属于帕累托面前)。后的结果,简单的策略1 l-2l-3l-4l路径必须仔细审查。

因此,为了提出一种优化策略,我们必须评估帕累托前面的发展目标和输入空间的每一个可能的情况(1、2和3)。

在数据6和7目的,我们可以看到这样的进化,在上述情况下输入空间1和2。图6证实了叠加中的步骤(A2.1)和(A2.2)帕累托方面客观空间的情况。在图7,我们描绘了四维输入空间的点,在这两种情况下都属于帕累托面前。为了这样做,空间坐标对应,,,分别。第四维球的面积表示的吗点。最后,目标函数的结果是由球体的颜色根据colormap显示。,,,点也描述领域。

当比较的情况下在输入空间1和2,我们可以看到,对于前者,最优路径不遵循任何简单的策略。然而,后者遵循线性路径在一组连续的飞机,导致易于实现启发式。

在比较数据每考虑视频CTs和SRs和能源消费的演变与层的数量,我们得出这样的结论:他们遵循情况2。事实上,如果我们分析第二充分条件导致情况很明显,如果函数在目标空间凸,由此产生的形状将属于这个组。大多数体验质量研究针对映射满意度与网络性能参数使用对数表达式(见[17),所以,他们是凸。在我们的例子中,由于金属氧化物半导体的凸性表达和比例依赖的能量对所有,一个增量通过单纯形算法的会引起的位移向量导致点上面1 l-4l线在目标空间中。一个等价的结论将获得如果我们计算梯度金属氧化物半导体和能量,如果我们考虑到许多优化方法的确提供帕累托前凸的部分。

因此,在这种情况下,相关优化启发式很简单,无论要么优化方法1(最小化能源一定体验质量)或2(某种能源预算最大化体验质量)。算法1显示了完整的优化启发式程序。算法是基于最优多胞形将遵循1 l-2l-3l-4l路径(FP)的限制。另外,我们考虑到,由于线性约束,将形成多面体的交集飞机导致线路在不同的2 d平面形成的连续的输入参数。所以,自是四维输入空间,优化启发式将考虑多面体分隔1 l, l 2、3 l, l / FP和4分,飞机,。注意,沿着不同的数据在这篇文章中,我们设置一个最大能量之间的约束导致了FP 3 l和4 l出于演示目的。在真实的场景中,《外交政策》可以在1 l-4l帕累托。

无论我们的目标是最小化能量在一定体验质量或与某些能源预算最大化体验质量,我们将计算二维平面目标的输入空间将位于。由于能源和体验质量都是单调增长对所有体验质量或电池约束将允许我们选择飞机通过评估或间隔,。后,线性关系将使我们能够表达提供的函数约束(见21页和28 - 30行)。

在图8,获得的结果与启发式的情况1和2在目标空间中进行描述。注意,即使情况1启发式提供值非常接近帕累托集。2 l的原因是,3 l和点1 l-4l路径属于帕累托。与此同时,当接近这些点和,存在不同的组合导致等价点在目标空间。因此,根据路径的单纯形算法和阈值,仿真输入空间将提供不同的点,但启发式仍然能够提供最佳的点目标的空间。

图9显示应用开发算法的影响情况3。正如前面提到的,尽管每种情况下应该被评估的和为了估计相关的情况下,凸形状的金属氧化物半导体功能使得这种情况可能性非常小。无论如何,相当于启发式又是非常简单,因为帕累托前遵循1 l-4l路径。

3所示。混合方法:优化能源消费和体验质量

在前面的小节中,我们专注于分析优化的问题(即一个目标。能源或体验质量)在我们的移动视频场景中。因此,我们对这两个优化问题的SOP。的考虑度量使我们减少此类问题SOLP和描述它们的矩阵符号(7)和(8)。

然而,真实用户通常不考虑单一标准评估产品或服务(18]。一般来说,大多数用户不关心能源消费以孤立的方式和质量,但会考虑两个标准。一方面,商业用户可能喜欢玩电影保证更高的质量。在其他情况下,比如之前提到的紧急网络,他们将把重点放在保护电池。然而,最小的图像质量水平应该也会提供保证质量的信息,例如,第一反应还是紧急评估风险的能力。因此,最初的两个标准作业程式合并成一个更复杂的多目标优化问题(MOOP)包括两个目标:最小化能量消耗(即,)和最大限度地提高体验质量(例如,)。

然后,MOOP SOP的延伸,它可以定义如下: 在哪里是判别函数。

MOOP问题最简单的解决方案包括发现的输入向量这 在大多数的情况下,将不存在同时,最大化的所有标准。所以,我们将不得不重新定义问题的性质,通过引入效用函数的概念,。然后,真正的配方MOOP可以用数学表达如下:

然后,任何MOOP效用函数的定义要求收集用户的偏好对于不同的考虑标准(11)。许多作者认为线性偏好结合不同的权重来表达偏好的清晰度通信系统与方法如层次分析法(AHP;见,例如,(19])来推断每个的重量标准用户调查。如果我们考虑到效用函数遵循这一线性的方法: ,如果我们正常吗和在相同的值范围(例如,如金属氧化物半导体规模),相关的权重这样我们就可以表达效用函数以线性的方式如下:

因为两个和(归一化)体验质量和电池相关标准,分别,如果我们考虑类似的表达式(7)和(8)为目标函数,我们可以扩展表达式(13)如下: 在哪里向量的归一化电池参数,以便吗。注意,相反,系数会降低对所有因为用户满意度关于电池会减少当层数,因此电池消费的增长。如果我们操作这个效用函数的表达式,我们可以表达复杂MOOP简化SOLP类似于(7)和(8)如下: 在哪里。为了计算,我们之间进行映射的实际电池消费和满意度相关,将与最大满意度和相关最低的一个(最大消耗量)。

一次计算电池和最大和最小设置体验质量,我们可以再次使用单纯形以优化用户的满意度考虑电池和体验质量。图10描述了进化的最优策略目标空间的不同的值,两个准则的相对权重。混合优化(提出了效用函数)最大化一起体验质量政策,提出静态分配和启发式。不同的值代表有多重要设备的“绿色特色”为用户和/或视频提供者与视频质量(相比完全重要,不重要)。

我们只计算范围,因为相同的数据获得较低的值。我们可以看到,所有最优形状限制,单点(对应1 l)。原因在于,考虑到低体验质量的重要性,优化算法认为总是更方便限制能源消耗而不是得到更多的层,获得更好的视频质量。越高价值,帕累托方面越是接近原来的简略的优化。

在图11,我们在输入空间进行等效分析。帕累托再次考虑和导致一个简化的优化策略。然而,在这种情况下,飞机的进化到飞机。

为了得到准确的点,每和约束,我们执行相同的方程线21页和28 - 30的算法1。

因此,为了解决MOLP问题,我们可以使用任何LP优化技术(即。,simplex or Interior Points Method) or analyze the problem in a case per case basis in order to infer whether a simple per-plane heuristic could be applied. In any case, the complexity of the solution is low. For example, although simplex’s complexity analysis is rather a problem dependent leading even to worst-case exponential, due to the small size of the input matrix, results are obtained in less than 20 iterations, and empirical tests have led to less than 30?ms of CPU consumption.

4所示。结论

在本文中,我们分析之间的权衡移动视频系统的能源消耗和视觉质量。

来评价不同的优化方法。最简单的静态策略包括接收最多的视频层同时应对视频时间要求。因此,采取作为输入视频长度和数量的剩余的电池,我们总是选择最好的视觉质量。这种方法的主要缺点是,所有的电池都是可以使用的视频播出。

节2,我们引入一个简略优化问题来为移动设备提供一个自动化的决策过程。两种方法定义和解决线性规划:能量消耗最小化约束体验质量最小的阈值,并体验质量最大化约束最大程度的电池消耗。与前面的情况下,决策者可能会提供一个noninteger层数,为质量优化提供更精细的决议。虽然我们能够自动化决策,引入额外的能量约束所需的剩余电池水平必须先验的计算没有进一步信息可实现的体验质量水平。

此外,一旦保证能量和质量约束,单目标优化将导致最大质量或最小能耗的可行点。因此,这种方法不能探索中间点尽可能最佳的解决方案,我们可以利用不同的关系增加能源消耗和提高视觉质量。

为了克服这个缺点,我们分析部分3从多目标优化的角度来看问题。能量和质量都视为目标函数的加权效用函数,它允许我们解决问题作为一个简略的线性规划问题。不同的权重评估,需要不同的优先级节能或质量要求。这些权值可以用来定义不同的用户配置文件,不同设备节能模式,或动态适应基于设备电池的状态。

自优化算法的实现在手机可能会耗费资源的过程中,我们建议使用一个启发式算法。的进化分析的目标函数和输入变量空间,不同的替代发现帕累托的形状。然而,考虑到大多数的对数的形状演化MOS-related效用函数,提出了一个简单的启发式。因此,该算法可以在移动设备上运行的决策过程触发层间切换。

确认

研究导致这些结果已收到资金从欧盟第七框架计划(fp7/2007 - 2013)根据授权协议284863 (FP7 SEC吉里昂之下)和巴斯克地区下BASAJAUN项目。