Nov, 2023

改进的自适应跨层方案用于车联网环境下低延迟 HEVC 流媒体

PDF
TL;DR在低延迟约束下，该论文提出了一种低复杂度的跨层机制，用于改善 VANET 中 HEVC 视频流的端到端性能，并通过将视频的每个数据包分配到最合适的介质访问控制层上的访问类别（AC）队列来考虑视频编码过程的时间预测结构、帧的重要性和网络流量负载状态，模拟结果表明，该机制在不同目标低延迟视频通信场景中相对于 802.11p 中采用的 EDCA 能够显著提高视频质量和端到端延迟，并进行了服务质量（QoS）和用户体验质量（QoE）评估来验证该方法。
发现论文，激发创造
  • 车载自组织网络中低延迟多描述视频流传输的跨层方案

    本研究旨在提出一种基于跨层系统的多描述编码方法，以增强车辆通信中接收视频的质量。在真实的车辆环境模拟结果中，该方法对于低延迟视频通信在接收端提供了显著的视频质量改进。

    Nov, 2023

  • 基于兴趣区域（ROI）的自适应跨层实时视频流传输系统用于车载自组织网络（VANETs）

    提出了在车辆环境中通过提高端到端视频传输质量来加强车辆应用中对视频获取和处理的依赖的算法。通过在 IEEE 802.11p MAC 层应用感兴趣区域 (ROI) 视觉数据包的自适应跨层映射，优先处理基于驾驶环境感知的场景 ROI 部分。在实际 VANET 仿真结果中，对于 HEVC 压缩视频通信，提出的系统在 ROI 部分提供了高达 11dB 的峰值信噪比增益。

    Nov, 2023

  • 车联网边缘计算与网络：一项调查

    本文综述了在智能交通系统中，利用移动边缘计算系统来解决车联网中的通信、计算和存储资源限制，提高响应速度和降低带宽消耗的研究现状和未来方向。

    Jul, 2019

  • 车联网及其接入技术安全漏洞及对策综述

    本文从三个方面研究了连接和自主驾驶汽车的安全，包括安全攻击和对策，不同 VANETs 访问技术的安全性挑战与防范对策以及不同访问技术的性能、安全挑战和异构技术的比较。研究结果表明，VANETs 实体失控将损害道路用户的安全、隐私和安全并可能涉及法律风险、数据、时间和财务损失。

    Mar, 2019

  • 混合车载通信网络中基于强化学习的 RAT 选择

    合作智能交通系统依赖一套车到车（V2X）应用来提高道路安全。本文提出了一种智能可扩展的混合车载通信架构，利用多种无线接入技术的性能满足这些应用的需求，并基于深度强化学习提出一种通信模式选择算法来最大化网络可靠性并限制资源消耗，通过车队编队场景的数值结果验证了混合车载通信架构相比静态车载选择策略和多准则决策选择算法可将数据包接收率提高 30％以及资源消耗方面冗余通信模式效率提高 20％。

    Apr, 2024

  • 内容中心网络中的移动感知车载缓存方案：建模与优化

    本研究通过开发优化模型研究车载缓存方案，在最小化网络能耗的同时，优化缓存决策和网络能效。通过 2-D Markov 过程和在线缓存算法，本研究提出的在线缓存方案在能耗效率、命中率、缓存利用率和系统收益方面都优于现有方案。

    Feb, 2019

  • 面向安全高效的车联网社交网络数据调度

    在车联网社交网络中，本文引入了一种以学习为基础的算法，用于优化数据传输的调度，同时保证效率和安全性。通过构建神经网络来增强数据处理能力，并在数据传输阶段采用 Q-learning 范式来优化信息交换，通过通信过程中的差分隐私来保护隐私。实验证明相对于现有先进的调度算法，所提出的 Q-learning 增强调度算法在车联网社交网络背景下表现出优越的性能。

    Jun, 2024

  • 车联网通信：物理层视角

    本文综述了车联网通信的物理层基础问题，包括车联网信道特性、通信模型、信道估计、调制技术及资源分配等方面，并讨论了车联网通信在毫米波频段下的潜力和挑战。

    Apr, 2017

  • 基于深度学习的无线网络实时直播流速控制

    提出了一种实时基于深度学习的 H.264 控制器，利用即时的信道质量数据和视频块动态估计最优的编码器参数，以保持编码视频的比特率略低于可用信道比特率，验证了该方法在视频质量上相较于最先进的自适应比特率视频流媒体有 10-20 dB 的改进，平均数据包丢失率低至 0.002。

    Sep, 2023

  • 车联网通信：网络层视角

    本文提供一篇综合概述，就网络层角度，分别介绍了手动驾驶和自动驾驶交通网络的相关信息交换特征和分类，并讨论了可用的通信技术，网络结构，路由协议和切换策略以及当前交通网络所面临的挑战和研究机会。

    Jul, 2017