准确、高效的业务流识别与分类是保障多媒体通信端到端QoS(Quality of Service)、执行相关网络操作的前提。但多媒体通信业务构成复杂、具有较严格的QoS约束,且在包/流水平统计特征多样性,业务统计特征有效选取直接关系到识别和分类方法的有效性。在介绍相关研究成果的基础上,文中从业务特征角度对现有技术进行分类,进而对比各类方法的性能,同时在探讨当前业务流识别方法存在对新业务识别准确度不高、实时性不足等问题的基础上,结合跨域QoS类映射弹性需求的特点,给出跨域QoS类映射中多媒体业务识别架构。整个架构的目标是准确、高效地识别多媒体流,为聚集流的形成做好前期准备,为保障高效的端到端QoS提供技术支撑。最后,总结了发展趋势和面临的挑战。
与地面无线通信系统相比,卫星通信的广域覆盖特性使得信息安全传输问题成为该领域更具挑战性的研究课题.为了提升多播传输模式下卫星通信系统的物理层安全性能,本文针对不同信道状态信息(Channel State In⁃formation,CSI)研究了两种安全波束成形(Beamforming,BF)算法.在合法用户和窃听者CSI均准确已知的条件下,提出了基于半正定规划(Semidefinite Program,SDP)和惩罚函数相结合的安全BF算法;在合法用户CSI准确已知但窃听者CSI存在误差的条件下,提出了一种迭代的鲁棒安全BF算法.最后,计算机仿真不仅验证了本文所提BF算法的正确性和有效性,而且展示了所提出的鲁棒算法能够有效地降低信道信息误差对系统安全性能的影响.
为了提高分布式视频压缩感知(Distributed Video Compressive Sensing,DVCS)的率失真性能,文中提出根据视频非关键帧图像的时间相关性将帧内各块分为静止块与运动块两类,并对它们设定不同的测量率以提高压缩感知(Compressive Sensing,CS)捕获信息的效率。在重构过程中,提出运动对齐多假设预测模型进行重构,该预测模型在测量域内实现运动估计,并根据运动信息在参考帧内寻找到待重构块的若干候选匹配块,利用它们的线性加权和残差重构得到非关键帧图像的重构结果。仿真实验结果表明,文中所提出的DVCS重构算法能有效提升系统的率失真性能,与现有方法相比,在重构时间基本不变的情况下,获得更好的主客观视频重构质量。
