Cross Layer Design for Efficient Video Streaming over LTE Using Scalable Video Coding
Notice bibliographique
Résumé
Third Generation Partnership Project (3GPP) Long Term Evolution (LTE) offers high data rate capabilities to mobile users, and network operators are trying to deliver a true mobile broadband experience over LTE networks. Mobile TV and Video on Demand (VoD) are expected to be the main revenue generators in the near future, and efficient video streaming over wireless is the key to achieve this goal. Video services use both unicast and multicast video transmission based on its applications. Enhanced Multimedia Broadcast/Multicast Service (EMBMS) is defined in 3GPP specification to support download delivery and streaming delivery to group users in LTE mobile networks. In 3GPP Release 8 specification, the EMBMS transmission is classified into single-cell transmission and MBSFN (Multicast Broadcast Single Frequency Network) transmission. In this paper, we propose a Scalable Video Coding (SVC) based video streaming scheme with dynamic adaptations and a scheduling scheme based on channel quality for unicast and multicast video transmissions. In our proposed unicast scheme, Channel Quality Indicator (CQI) feedbacks from User Equipment’s (UE) are used for dynamic adaptations and scheduling. Cross layer signaling between Medium Access Control (MAC) and Real Time Transport (RTP) protocols is used to achieve the channel dependent adaptation for unicast in video server. Simulation results for unicast indicate improved video quality for more number of users with reduced bit rate video traffic. Approximately 13% video quality gain is observed for users at the cell edge using this adaptation scheme. We have also proposed a scheduling scheme for multicast over MBSFN networks. This scheme optimizes the radio spectrum allocation by adaptive modulation and coding (AMC) and frequency scheduling based on distribution of users in different channel quality regions. Through simulations we demonstrate that spectrum savings in the order of 72 to 82% is achievable in different user distribution scenarios with our proposed scheme.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».