Q&A1Q: DCT 变换的 blockiness 的程度和 blockiness 中 8x8pixel 像素块的关系。 A：MPEG-2 视频压缩编码算法采用的是基于离散余弦变换（DCT ）。 DCT 变换是以 88 宏块为基本单元进行，每个宏块单独编码，变换后又对 DCT 系数按照高、低频系数进行非线 性量化。 量化结果按四舍五入的原则进行取舍， 因此量化后接近零的高频系数都定为零， 只 剩下少数的非零低频系数。在经过 DCT 变换的图像中，低频系数表示了图像的轮廓，高频系数代表图像细节。网 络传输时传送的是频域的值，如果我们丢弃了一个数据块，则说明了丢弃了某些 8x8pixel 的一些系数， 解码器的差错恢复技术会试图恢复这个包 （比如拿相关的包进行填充等， 这里 的相关可能是时间上的相关，比如解码器会使用被丢弃帧在 P 帧和 B 帧上的引用块信息， 也可能是空间上的相关，具体要看解码器的差错恢复算法） ，但是此时我们得到的是其他图 像的频域值， 恢复以后是其他的图像， 这就是为什么我们演示实验的时候看到了很多花屏的 情况； 同样，如果丢包很多，解码器的差错恢复也恢复不出来的话，那么我们对应的视频上 就是黑块。这样在丢包的网络上，经过解码器重构图像后差错恢复的部分就会出现块结构， 使得我们的视频质量下降。我在 ppt 中给出来的 blockiness 值是根据各个小块的 8x8pixel 边 缘值计算出来的， 如果有一个地方发生了丢包， 解码器进行了差错恢复， 那么丢包的那个小 8x8pixel 上就是用其他图像的 DCT 系数进行的图像复员，而我们知道，任何两幅连续的图 像其边缘值的变换都是很小的， 但是经过差错恢复后， 由于恢复的是其他地方的 DCT 系数， 两幅相邻的图像之间在块边界出现的信号跳变， 破坏了图像边缘的连续性， 是重构图像的噪2Q: 丢包概率若以其他分布 （非均匀 ）会出现什么情况 ?A：这种情况需要我再去用实验验证。已经将程序和方案拟好，很快将投入到重新采集数据 和实验中去。 在我之前的实验中， 采用的是一次实验利用恒定的丢包率得到一段连续的视频， 如果在大样本情况下， 丢包的期望平均间隔是一定的， 而每一段的丢包间隔由于随机性的影 响会出现围绕均值上下波动的情况。我的第二个变量 DVAR 是在衡量波动的幅度对于视频 的影响。 由于随机数发生器的一致， 这样的变化的衡量还是不够的。 对此我还会继续深入研 究，增加不同的波动性，研究清楚丢包间隔的波动性对于视频blockiness 的影响。3Q: 丢包距离间隔方差和图象 blockiness 曲线图中 , 曲线形状的解释 . A：我再把方差问题解释一下。我在模型中考虑的方差有两个，一个是视频 blockiness 的方差。一个是丢包间隔的方差，丢 包间隔的方差其实就是在 2Q 问题中的解释，也就是丢包间隔波动幅度的大小对于视频 blockiness 的影响。就是本问题要问的。我们的曲线中给的是丢包率和视频 blockiness 方差之间的关系。见下图。Variance vs.Quality250 5 0 5211 ytilauqegamifoecnairaveh4.55353025150% 2.5% 52 2.5 3 The probability of loss packetsq 20qheT 20The quality of loss probabilityThe number of frames究上主要是想用不同的估计方法来估计和预测网络状况丢包概率。一些主要的文献是 1998 2000 年作出的，不过网络的发展比较块，当时给出的一些数值和现在我们的需求相差比 较大。给出的结果大多丢包率都有百分之几， 而我们国家正在制定的通信行业标准送审稿 IP 网络技术要求 网络性能参数与指标 中规定， 进行互联网多媒体传输时， 网络性能要求 达到 1 级或 1 级以上，即，网络性能指标网络延时上限网络抖动上限网络丢包上限包误差率上限指标值400ms50ms0.1%0.01%比较接近现在研究的是美国宾夕法尼亚大学一个网络实验室关于这方面的研究文章， 实验方 式主要采用的是在美国的几个大学之间架设设备来采集数据， 带宽也只有 10M 。他们在 2004 年 Infocom 上面有一篇这方面的文章， 不过他们的研究主要也是对丢包采用隐马尔可夫的估 计。我准备再去找一下最新文献， 然后问问一些广电部门的人， 看看他们有没有做过这方面 的类似测试和经验数据。5Q: 动态模型的建立思想 ?A ：我们给出的模型实际上是一段视频序列blockiness 状况的整体估计，是一个平均情况，这样的估计如果用在实用中可能会实时性的不够要求。最理想的是要能够实现实时的估计， 已有文献给出了对于网络状况（比如说丢包和延时）的在线估计方法，主要采用 的是隐马 尔可夫模型， 网络状况是一个我们看不见的隐变量。 如果能够根据网络丢包的在线估计方法 实时的得到一个网络状况值， 带入我们的回归方程， 就立刻能够计算出来此时我们传输的视 频在客户端有多大概率（最好能达到99）视频质量达到一定的水平。有点像我们现在的天气预报一样，给出多大的降雨概率（当然天气预报比较粗糙） 。6Q: 最小二乘拟合的前提条件是否满足 ? 如何解释视频传输 blockiness 的估计残差分布是 正态的 ?A ： 这个问题也是很基础的问题。我也已经设计好了实验。正在采集数据。这个问题实际 上就是衡量MQ0 1MD2DVAR u1(1)VQ 01MD2DVAR u2方程中，我们估计出来的0 ， 1 ， 2 ，（2）0 ， 1， 2 是不是有偏的问题。从实用的角度u1对这个估计方程的影响来说，我们希望估计出来的值是无偏估计量，但是，如果这里的 不是白噪声（也就是在给定 MD 和 DVAR的情况下， u1 的分布不是正态分布，或者减弱 一点条件，要求这个条件期望 E（u |MD,DVAR） 0 ），那么说明 u1当中还有我们未能发现 的影响视频 blockiness 状况的重要因素，我们可以试着再去提取，如果没法提取，我们在统 计上也有办法（比如采用工具变量法、虚拟变量法）来减小影响，解决这样的问题，让我们 的估计值在大样本情况逼近真实值。7Q: 拟合公式中的多重共线性问题 : MD2 及 var 同时存在。A: 这涉及到回归方程的选择问题。那天示例的这个情况是我的失误，没有考虑多重共线性 的问题，应该加以说明。在统计上，完全共线性是不可解的，多重共线性可以作，但是一般 尽量避免， 因为会增大估计方差，降低估计效率。 回归方程的选择的好，可以很好的逼近真 实情况。 ppt 中我给出的是一种示例，方程的选择可以有多种，比如说用 log 值等。还需要 进一步的实验验证。