Modeling and Performance Evaluation Video Streaming System
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 468
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
KBEI02_215
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
Adaptive video streaming is a adequate advancement with respect to classic progressive download streaming a la YouTube. Adaptive video streaming represents a key innovation with respect to (wrt) classic progressive download streaming such as the one employed by YouTube.Video streaming is gaining amicability among mobile users. The latest mobile devices, such as smart phones and tablets, are armed with multiple wireless network interfaces. Real-time streaming video over wireless networks is a challenging proposition due to the characteristics of video data and wireless channels. The adaptation is done with respect to both channel and data. Among the different approaches, the video stream-switching technique is getting spacious acceptance, being adopted by Microsoft, Apple, and popular video streaming services such as Akamai, Netflix , Hulu , and Live stream. To evaluate the performance of the proposed adaptation algorithm, we implemented a testbed using the Android mobile phone and the Scalable Video Coding (SVC) codec. Experiment results illustrate the eventuality and effectiveness of the proposed adaptation algorithm for mobile video streaming applications, which outperforms the available state-of-the-art adaptation algorithms. In this paper,we present a model of the automatic video stream-switching employed by one of these significant video streaming services along with a narrative of the client-side communication and control protocol.
کلیدواژه ها:
نویسندگان
Mehran Sayahian
Masters of Computer Engineering software tendency Payame Noor University Tehran, the capital of shemiranat
Bita Amirshahi
Assistant Professor, Department of Computer Engineering and Information Technology, Tehran Payame Noor University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :