中文摘要：

目前常用的嵌入式多媒体流计算系统缺乏质量驱动的动态优化机制，不能主动增强应用资源需求的相容性，导致系统资源利用效率不高。本项目根据多媒体流计算的质量可伸缩性，提出结合主动调节计算服务质量的双向跨层适应来替代传统的单向被动适应，实现服务质量和计算资源的联合共生优化。研究内容包括动态流计算的系统分析模型，有限系统资源的协同优化管理方法，分析跨层交互作用的理论框架和支持多层联合优化的跨层适应机制。创新性地提出场景感知数据流图描述流计算的动态行为，以模型驱动的灰盒式合作资源分配替代原有的黑盒式竞争资源分配，实现对共享资源的合理分配与高效利用。建立非线性回归模型来定量分析跨层交互的复杂行为，从而获得精确的跨层优化模型；并基于马尔柯夫决策过程进行跨层适应，以优化系统的长期效用。这种计算模式具有随应用需求和系统资源变化自行向最优工作点迁移的能力，可节省能耗。研究结果具有重要的理论意义和广泛的应用前景。

结论摘要：

目前常用的嵌入式多媒体流计算系统缺乏质量驱动的动态优化机制，不能主动增强应用资源需求的相容性，导致系统资源利用效率不高。本项目根据多媒体流计算的质量可伸缩性，提出结合主动调节计算服务质量的双向跨层适应来替代传统的单向被动适应，实现服务质量和计算资源的联合共生优化。研究内容包括动态流计算的系统分析模型，有限系统资源的协同优化管理方法，分析跨层交互作用的理论框架和支持多层联合优化的跨层适应机制。创新性地提出场景感知数据流图描述流计算的动态行为，通过建立状态方程表征计算过程的状态变迁轨迹以实现对计算复杂度的动态估计，从而拓展了项目组原来提出的基于简单线性模型的计算复杂度估计方法（该研究结果曾获得IEEE ICME 2011最佳论文提名）。使用该状态方程对计算复杂度进行在线估计，平均估计误差在7%以内，不仅预测精度高，而且状态方程更新过程简单，在线运行负荷极低，特别适用于嵌入式移动设备。同时，利用视频场景切换时计算过程所需的访存量不同和在不同缓存大小下系统能耗不同的特点，提出带宽感知的Cache模型和划分策略，在保证视频解码软实时性的前提下，降低系统能耗。以这两个模型为基础，通过模型驱动的灰盒式合作资源分配替代原有的黑盒式竞争资源分配，实现对共享资源的合理分配与高效利用。利用计算复杂度与能耗之间的依赖关系，建立了通用的系统能耗预测模型。利用峰值信噪比（PSNR）随码率改变的变化规律，建立了视频质量的在线估计模型。基于上述能耗和质量预测模型，提出了质量感知的系统跨层优化框架，并建立非线性回归模型来定量分析跨层交互的复杂行为，从而获得精确的跨层优化模型，实现在满足用户质量体验的基础上，系统根据运行状态和用户需求确定合适的系统参数提供所需的视频服务。在分析视频流数据包调度与计算任务的协同性，揭示嵌入式多媒体系统低功耗模型中各个参数相互影响关系的基础上，提出了以CPU频率选择策略为主，网卡状态调节策略为辅的协同调度节能策略。通过建立无线信道状态变化的马尔柯夫模型，预测最佳信道状态，并综合CPU处理时延约束影响，动态地调整网卡收发数据包的状态，并基于马尔柯夫决策过程进行跨层适应，以优化系统的长期效用，实现在保证视频流应用服务质量的前提下，降低系统能耗。这种计算模式具有随应用需求和系统资源变化自行向最优工作点迁移的能力，可节省能耗。研究结果具有重要的理论意义和广泛的应用前景。