伴随着移动终端的发展及其在线视频内容的日益丰富,流媒体视频业务应用传输需求不断增加,正在成为无线网络中主要的流量类型。虚拟现实(Virtual Reality,VR)穿戴设备的飞速发展使得VR流媒体视频业务应用迅速进入人们的视线和生活,广泛应用于视频直播、沉浸式游戏、在线展厅、全景街景等多个领域。但是随着流媒体视频业务的广泛应用和内容的爆炸式发展,业务需求与无线网络传输能力的矛盾也越来越突出。作为新型多媒体业务,VR流媒体视频业务的传输面临两个大的挑战:极大的带宽要求和严格的时延要求。现有的传输网络很难通过直接传输满足业务需求,要么会牺牲画面质量,要么会出现严重的画面卡顿和场景切换延迟,引发观看者的眩晕感。然而,作为观看者,一定希望呈现的画质生动细腻,传递的视频信息丰富即时。另外,当多条基于超文本传输协议(Hyper Text Transfer Protocol,HTTP)的动态自适应流媒体(Dynamic Adaptive Streaming over HTTP,DASH)流共同请求下载时,彼此之间的竞争会导致瓶颈带宽的出现,降低带宽的利用率,也牺牲了DASH服务的性能,影响了用户的服务体验。如何在带宽利用和用户观看体验之间达到平衡,尤其是解决多DASH流之间的竞争协调,也是本课题的研究重点之一。针对上述挑战,本课题结合DASH策略,在业务和网络之间建立辅助通信机制,分别从业务适配网络和网络适配业务的角度,也就是跨层优化,设计实现了两种面向VR视频传输的无线网络跨层优化方案,在传统开放式系统互联通信参考模型(Open System Interconnection Reference Model,OSI)基础上,实现系统性能的优化与提升。首先,以裸眼三维(Three Dimension,3D)视频类应用为例,从业务适配网络的角度,提出用户体验质量(Quality of Experience,QoE)驱动和网络辅助的裸眼3D自适应流传输(QoE-driven and Network-assisted naked-eye 3D Adaptive video streaming over wireless Network Algorithm,QNANA)优化方案,既能降低业务对网络承载能力的要求,提升资源利用率,又能保证用户观看体验质量。实验结果表明,QNANA能明显提升带宽预测准确率,进而提升资源利用率,明显改善卡顿。其次,以全景视频类应用为例,从网络适配业务的角度,提出基于视点反馈的多DASH流非协作资源调度(Viewpoint-Feedback based multi-user Non-Cooperative Resource scheduling algorithm,VFNCR)优化方案,建立业务信息的反馈机制,在保证资源分配过程中的效率与公平性的同时,改善业务的性能表现。VFNCR算法通过建立正向反馈环,维持业务侧的缓存队列的健康状态,避免卡顿的同时降低了时延,提升了资源利用率,又能兼顾系统吞吐量和资源分配公平性,实验结果表明,性能有所提升。