专栏首页arxiv.org翻译专栏可变大小消息流码中的在线与离线速率对比分析(CS IT)
原创

可变大小消息流码中的在线与离线速率对比分析(CS IT)

为实时通信提供高服务质量是一个普遍存在的挑战,它受到传输过程中数据包丢失的困扰。流码是一类专门为这种低延迟流通信环境设计的擦除码。我们考虑最近提出的可变大小消息下的流码设置,它反映了视频直播等应用的要求。在实践中,流媒体代码经常需要在 "在线 "环境下运行,其中未来消息的大小是未知的。然而,之前研究的速率上限仅适用于能够获得所有(包括未来)消息大小的 "离线 "编码方案。 在本文中,我们评估了当在仅有突发丢包信道上通信时,最佳离线速率是否是在线流码的可行目标。我们确定了两个宽泛的参数体系,在这两个体系中,也许令人惊讶的是,在线流媒体代码事实上可以匹配最佳离线速率。对于这两种设置,我们提出了速率最优的在线代码构造。对于所有其余的参数设置,我们建立了在线编码方案不可能达到最佳离线速率。

原文题目:Online Versus Offline Rate in Streaming Codes for Variable-Size Messages

原文:Providing high quality-of-service for live communication is a pervasive challenge which is plagued by packet losses during transmission. Streaming codes are a class of erasure codes specifically designed for such low-latency streaming communication settings. We consider the recently proposed setting of streaming codes under variable-size messages which reflects the requirements of applications such as live video streaming. In practice, streaming codes often need to operate in an "online" setting where the sizes of the future messages are unknown. Yet, previously studied upper bounds on the rate apply to "offline" coding schemes with access to all (including future) message sizes. In this paper, we evaluate whether the optimal offline rate is a feasible goal for online streaming codes when communicating over a burst-only packet loss channel. We identify two broad parameter regimes where, perhaps surprisingly, online streaming codes can, in fact, match the optimal offline rate. For both of these settings, we present rate-optimal online code constructions. For all remaining parameter settings, we establish that it is impossible for online coding schemes to attain the optimal offline rate.

原文作者:Michael Rudow, K.V. Rashmi

原文地址:https://arxiv.org/abs/2006.03045

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 金融/语音/音频处理学术速递[6.28]

    【1】 Sovereign wealth funds: main activity trends 标题:主权财富基金:主要活动趋势

    公众号-arXiv每日学术速递
  • 支持定时任务的任务池

    任务池可以用来异步处理任务,比如清理过期日志、HTTP请求,本文介绍的任务池还支持定时触发任务,在SetTimer得注意的两个坑 一文中介绍了工作线程如果想使用...

    gaigai
  • Spark/Flink/CarbonData技术实践最佳案例解析

    当前无论是传统企业还是互联网公司对大数据实时分析和处理的要求越来越高,数据越实时价值越大,面向毫秒~ 秒级的实时大数据计算场景,Spark 和 Flink 各有...

    王知无-import_bigdata
  • 腾讯织云:DevOps 流水线应用平台践行之路

    作者:梁定安,腾讯织云负责人,目前就职于腾讯社交网络运营部,任运维技术总监,开放运维联盟委员,腾讯云布道师,腾讯课堂运维讲师,EXIN DevOps Maste...

    织云平台团队
  • 一文讲透了什么是机器视觉!

    机器视觉 就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分 CMOS 和CCD 两种)将被摄取目标转换成图像信号,传送给专...

    AI算法与图像处理
  • 企业级需求管理工具选型报告

    近年来,随着利率市场化、互联网金融的冲击,银行面临市场竞争压力越来越大。特别是商业银行一方面要面临互联网金融企业(如:支付宝、微信)的市场挤压,必须持续业务创新...

    用户7177459
  • APM(应用性能管理)与Dapper原理介绍

    APM (Application Performance Management) 即应用性能管理(应用性能监控)

    谙忆
  • 腾讯织云:DevOps流水线应用平台践行之路

    持续交付是DevOps的核心工程实践,持续交付流水线驱动着DevOps的落地,昨天在云+峰会的开发者专场,腾讯跟大家揭开了DevOps流水线平台的神秘面纱。同时...

    DevOps时代
  • 【秋招备战计划第二弹】最后俩月能提升的知识清单

    又是一个 比较庸俗的标题做开头 这一期 分享一下 秋招要准备的必备知识点 当然 仅仅是站在我自己 春招的面试经验上 得知的 看看自己哪里还有疏漏的 可以尽...

    韩旭051
  • 工业镜头参数

    机器视觉系统中,镜头作为机器的眼睛,其主要作用是将目标物体的图像聚焦在图像传感器(相机)的光敏器件上。数据系统所处理的所有图像信息均需要通过镜头得到,镜头的质量...

    vv彭
  • Rest Notes-基于网络应用的架构风格

    itliusir
  • 广义张量和压缩感知网络(GTSNET):一种易于学习的压缩感知操作

    In CS literature, the efforts can be divided into two groups: finding a measurem...

    用户8818293
  • etl作业部署与调度——taskctl管理概述

    TASKCTL是一款功能全面的作业自动化调度技术管理工具。所谓作业,是指部署在网络中不同计算机上的各种程序或系统命令。通过TASKCTL,可以快速将这些作业组织...

    taskctl官方频道
  • 企业是如何选择技术栈来做离线数仓

    最近在跟一位粉丝聊天,聊起来了做离线数仓时该用那些技术栈。于是根据我的经验和参考一些资料于就有本篇文章。在这里我会分享三个案例,仅供参考。

    大数据老哥
  • 上海联通大数据与机器学习驱动的离网预测模型

    用户1737318
  • 阿里构建实时大数据系统的秘诀——流计算

    内容来源:2018 年 6 月 23 日,阿里巴巴云计算平台事业部产品经理郭华在“数据智能实践技术沙龙”进行《基于流计算构建实时大数据处理系统》演讲分享。IT ...

    IT大咖说
  • 系统之眼!Linux系统性能监控工具Glances

    glances是一个基于python语言开发,可以为linux或者UNIX性能提供监视和分析性能数据的功能。glances在用户的终端上显示重要的系统信息,并动...

    民工哥
  • 一文详解工业相机和镜头选取

    一问价格,至少都是大几千,贵的在十几万,心里就不禁有疑问,就这么一个破相机,为啥就卖这么贵?它跟我们常见的单反相机有什么区别?我用单反相机来拍,色彩又好,成像又...

    计算机视觉
  • 一文详解工业相机和镜头选取

    一问价格,至少都是大几千,贵的在十几万,心里就不禁有疑问,就这么一个破相机,为啥就卖这么贵?它跟我们常见的单反相机有什么区别?我用单反相机来拍,色彩又好,成像又...

    3D视觉工坊

扫码关注云+社区

领取腾讯云代金券