因爲我本專業是雲計算這塊的，所以下面這篇介紹的時候可能存在誤差甚至錯誤，如果你們發現，還希望評估中指出來，謝謝。

一，簡單介紹

將視頻序列的GOP進行3D-DCT變換之後，由於能量可以反映一定的重要性，所以根據方差將每塊劃分爲BL信號和EL信號，其中方差表示3D-DCT係數的平均能量。將塊按方差的下降順序排序，然後將排序後的塊一分爲二，分爲M塊BL信號塊，M塊EL信號塊。BL、EL通過SC放在一個物理數據包中，帶寬如果不足的情況下會採用和softcast類似的丟包策略，即放棄某些係數。這篇論文裏用戶分爲兩類，即近端用戶和遠端用戶。BS(基站)將不同功率級別賦予疊加信號，以區分他們在功率域的不同。更多的功率分配給BL信號，因爲BL需要能保證被遠端用戶接收。近端用戶部署的SIC算法(排除干擾)能夠正確解碼BL信號，並在解碼EL信號之前將其減去，所以可以同時解碼BL和EL信號，獲得更好的重建質量。遠端用戶只能解碼BL信號，EL信號視爲干擾。BL信號塊是低頻的，具有高能量，人眼對低頻信號很敏感，所以遠端用戶可以接受BL信號重建的視頻質量，近端用戶在BL信號重建視頻的基礎上，使用EL的高頻繼續提高視頻質量。

這篇文章裏提到了功率複用，這是NOMA裏面的特色，目的是爲了充分利用帶寬。所以這裏需要考慮功率分配的問題，爲了保證遠端用戶在EL信號干擾下的解碼性能，BL塊分配更多的功率。視頻重建的質量這裏使用失真來衡量，近端用戶的失真主要來自L塊上的LLSE解碼錯誤，大概由於BL功率大，而且近端用戶接受時傳輸的距離很短，所以幾乎是無干擾傳輸。對於遠端用戶而言，多了一個EL信號干擾。最後整理的失真就是近端用戶的失真加上遠端用戶的失真，再加上遠端用戶完全不能解碼EL塊而導致的MSE失真（常數）。具體公式如下圖：

二、問題公式化即建模

該篇論文中主要優化兩個問題，一功率分配問題和BL、EL塊匹配的問題。並將這兩個合併描述爲失真最小化的問題，是一個NP難問題。

以上問題難解優化，所以將問題拆解爲兩個小問題，即功率分配問題和塊調度問題。

1，功率分配問題

以上的問題由於存在干擾，很難將非線性優化問題轉換爲凸優化問題。而且該問題是廣義多項式分式函數，可以使用分支定界算法可以得到全局最優解。通過求解一個等價問題，進一步將轉換爲一系列線性規劃問題。因爲逆向LP問題的數量與優化變量的維數有關，所以全局最優不現實。前提假設，塊調度已經給定。該篇論文中採用兩階段功率分配：第一階段，在不考慮信道增益和干擾的情況下，根據塊對於重構的重要性預先分配功率。可用拉格朗日乘數法解決功率預分配問題，分配功率如下