《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 通信與網(wǎng)絡(luò) > 業(yè)界動態(tài) > LTE中SVC視頻層數(shù)選擇和資源分配的聯(lián)合優(yōu)化*

LTE中SVC視頻層數(shù)選擇和資源分配的聯(lián)合優(yōu)化*

2018-11-05
作者:?邢志浩,楊博文,,楊堅(jiān)

0  引言

為解決用戶設(shè)備的異構(gòu)性和網(wǎng)絡(luò)狀況的時變性,,可伸縮視頻編碼(Scalable Video Coding, SVC)[1]成為了現(xiàn)代視頻傳輸系統(tǒng)中一個有吸引力的解決方案。許多研究[2-4]關(guān)注于長期演進(jìn)(Long Term Evolution, LTE)系統(tǒng)中SVC傳輸?shù)馁Y源分配問題,,但這些方法不考慮視頻服務(wù)器的層數(shù)選擇,,視頻服務(wù)器須向基站傳輸包含所有層數(shù)的SVC視頻,這無疑增大了回傳網(wǎng)絡(luò)的負(fù)擔(dān),。

由于上述原因,,有一些研究同時關(guān)注SVC視頻的層數(shù)選擇和LTE資源分配。文獻(xiàn)[5]提出了一種在LTE系統(tǒng)下傳輸SVC視頻的跨層設(shè)計(jì),,但該算法僅僅根據(jù)用戶反饋的信道質(zhì)量進(jìn)行層數(shù)劃分,,然而由于無線基站資源有限,用戶的信道質(zhì)量高并不意味著能獲得充足的帶寬,。文獻(xiàn)[6]提出了一種層數(shù)選擇和跨層資源分配算法,,與傳統(tǒng)算法相比,該算法具有視頻質(zhì)量高且中斷率小的優(yōu)點(diǎn),,但其層數(shù)選擇部分并未利用跨層信息,,決策效果受到影響。

在本文中,首先針對在LTE系統(tǒng)中傳輸SVC視頻的場景,,以服務(wù)質(zhì)量為優(yōu)化目標(biāo)建立視頻層數(shù)選擇和資源分配的問題模型,。進(jìn)一步地,考慮到視頻層數(shù)選擇和資源分配的時間尺度差異很大,,利用李雅普諾夫優(yōu)化方法將問題分離成兩個子問題,。通過對子問題特性的分析,設(shè)計(jì)并實(shí)現(xiàn)了一種視頻層數(shù)選擇和資源分配算法,。最后,,通過對比實(shí)驗(yàn)驗(yàn)證本文提出的視頻層數(shù)選擇和資源分配算法的效果。

1  系統(tǒng)模型

本文考慮單個LTE基站對多用戶傳輸SVC視頻的場景,。系統(tǒng)架構(gòu)圖如圖1所示,。N個用戶同時連接到基站,向視頻服務(wù)器發(fā)起不同的視頻請求,?;靖鶕?jù)無線信道的狀況對用戶進(jìn)行資源分配;而視頻服務(wù)器則依據(jù)基站返回的跨層信息進(jìn)行視頻層數(shù)的選擇,,從而實(shí)現(xiàn)碼率自適應(yīng),。本節(jié)針對這一場景建立問題的數(shù)學(xué)模型。

微信截圖_20181105154142.png

1.1  LTE系統(tǒng)模型

本節(jié)主要介紹LTE系統(tǒng)模型,。為減少信令開銷,,子載波被聚合成資源塊(Resource Block,RB),。調(diào)度器每隔1 ms進(jìn)行一次調(diào)度,,這個周期稱為傳輸時間間隔(Transmission Time Interval, TTI)。通常,,調(diào)度器以兩個在時域上連續(xù)的RB為調(diào)度的最小單位,,這兩個連續(xù)的RB被稱為調(diào)度塊(Scheduling Block, SB)。設(shè)一個TTI內(nèi),,所有可用的SB集合為I={1,2,…,I},。

LTE中速率的配置通過調(diào)制與編碼策略(Modulation and Coding Scheme, MCS)索引值實(shí)現(xiàn),一旦為調(diào)度塊i選擇了MCS索引j,,它的傳輸速率r(j) 也就隨之確定[7],。其中j∈{1,2,…,J},代表最大的MCS索引。MCS索引越大,,則碼率越高,,r(j)也越大,編碼的冗余度則越小,。

每個用戶根據(jù)各SB塊級別的等效信號與干擾加噪聲比(Signal to Interference plus Noise Ratio, SINR)估計(jì)出可以選擇的最高M(jìn)CS索引,,并將這個最高M(jìn)CS以信道質(zhì)量指示(Channel Quality Indicator, CQI)的形式向基站上報(bào),。等效SINR與MCS、CQI的映射表可見參考文獻(xiàn)[8]中的表1,。用閾值Γj表示MCS索引取j時,,使塊誤碼率(Block Error Rate, BLER)小于10%的最小SINR。則對于用戶n而言,,調(diào)度塊i的SINR為γn,i時,,可以選取的最大MCS索引可以表示為:

Jn,i=max{j|Γj≤γn,i,j=0,1,2,…,J}(1)

其中,Γ0等于負(fù)無窮,,對應(yīng)的MCS索引j=0表示超出范圍,,傳輸速率視為0,。

在LTE系統(tǒng)的MCS選擇中,,有一個重要約束,即在一個TTI內(nèi),,所有分配給同一用戶的SB必須選擇相同的MCS[9],。令bn,j(t)∈{0,1} 表示第t個TTI時用戶n的MCS選擇,bn,j=1表示用戶n選擇MCS索引j,,bn,j=0 則相反,。由于一個用戶只能選擇一個MCS,因此有:

微信截圖_20181105154847.png

令an,i(t)∈{0,1}表示第t個TTI時調(diào)度塊的分配,,an,i=1表示將調(diào)度塊i分配給用戶,,反之則表示不分配。因?yàn)橐粋€調(diào)度塊最多只能分配給一個用戶,,所以an,i滿足

微信截圖_20181105154856.png

其中,,N={1,2,…,N} 代表用戶的集合,N為用戶總數(shù),。

為避免過大的誤碼率,,如果一個調(diào)度塊采用了過高的MCS,則它的速率被視為0,,從而用戶n在第t個TTI時的比特率可以表示為:

微信截圖_20181105155025.png

由于第二個求和符號的上限是Jn,i,,選取超過Jn,i的MCS會導(dǎo)致求和的結(jié)果為0。

1.2 視頻流化模型

為實(shí)現(xiàn)碼率自適應(yīng),,采用SVC技術(shù)來得到不同速率的碼流,。視頻以質(zhì)量可伸縮的方式被編碼為L層,其中包括一個基本層和L-1個增強(qiáng)層,。通過增加和減少視頻層數(shù),,視頻碼率得以適應(yīng)網(wǎng)絡(luò)狀況的變化。

由于一個圖像組(Group of Pictures, GoP)內(nèi)視頻幀的相互依賴,,視頻碼率的決策一般以GoP為粒度進(jìn)行,。為保證視頻的壓縮率,,GoP通常包含10幀以上的數(shù)據(jù),至少持續(xù)上百毫秒,。另一方面,,LTE資源調(diào)度在每個TTI進(jìn)行,而一個TTI僅持續(xù)1 ms,,這意味著資源分配要比層數(shù)決策頻繁得多,。為方便起見,假設(shè)GoP的持續(xù)時間是TTI的整數(shù)倍,,一個GoP包含T個連續(xù)的TTI,。從而,視頻層數(shù)的決策每隔T個TTI進(jìn)行一次,。

視頻層數(shù)決策僅在第(k-1)T+1個TTI的開始進(jìn)行,,其中k為正整數(shù)。第k個GoP決策后的T 個TTI滿足t∈[(k-1)T+1,kT],。用第k個GoP的平均視頻比特率代表這個時間段的視頻碼率:

微信截圖_20181105155138.png

其中dkn(l)表示用戶n選擇了層數(shù)l時第k個GoP的總比特?cái)?shù),,Ts表示一個TTI的持續(xù)時間。同樣地,,用第k個GoP的平均視頻質(zhì)量來代表這段時間內(nèi)的視頻質(zhì)量:

微信截圖_20181105155204.png

其中微信截圖_20181105155211.png為用戶選擇了層數(shù)l時第k個GoP的平均視頻質(zhì)量,,如峰值信噪比(Peak Signal to Noise Ratio, PSNR)或平均意見分(Mean Opinion Score, MOS)等。

如果選取的視頻碼率持續(xù)大于用戶可用的比特率,,則客戶端的播放會發(fā)生中斷,,進(jìn)而導(dǎo)致服務(wù)質(zhì)量的下降。為此,,引入一個約束來避免中斷的發(fā)生:

微信截圖_20181105155224.png

其中,,微信截圖_20181105155235.png,即用戶n的時間平均比特率,;而微信截圖_20181105155245.png,,即用戶n的時間平均視頻碼率。這里采用時間平均約束而非瞬時約束,,是因?yàn)樗矔r約束過于嚴(yán)格,,一旦網(wǎng)絡(luò)波動就會造成視頻碼率的波動;而時間平均約束則寬松一些,,只要客戶端有緩存,,即可在網(wǎng)絡(luò)波動的情況下保持碼率的相對穩(wěn)定。簡而言之,,公式(7)刻畫了排隊(duì)系統(tǒng)的穩(wěn)定性,。在此約束下,依靠客戶端的預(yù)先緩存機(jī)制,,播放中斷率可以控制在較小的水平,,乃至不發(fā)生中斷,。

1.3  聯(lián)合優(yōu)化問題模型

系統(tǒng)的瞬時效用定義為所有用戶的視頻質(zhì)量之和:

微信截圖_20181105155650.png

從而系統(tǒng)的時間平均效用定義為:

微信截圖_20181105155657.png

在傳輸速率約束(式(7))和資源分配約束(式(2)、式(3))下,,聯(lián)合優(yōu)化層數(shù)選擇和資源分配,,以最大化系統(tǒng)的時間平均效用。系統(tǒng)效用最大化的問題可以描述為:

微信截圖_20181105160547.png

顯然,,式(10)是一個隨機(jī)優(yōu)化問題,,在對信道情況的分布沒有先驗(yàn)知識的情況下難以求解。為此,,本文算法不依賴先驗(yàn)統(tǒng)計(jì)知識,,而使用在線的方法求解。

2  問題求解

本節(jié)基于李雅普諾夫優(yōu)化理論,,提出一種雙時間尺度的算法,。首先利用李雅普諾夫漂移將問題分離成兩個子問題,再根據(jù)子問題的特性進(jìn)行求解,。

2.1  利用李雅普諾夫優(yōu)化理論分離問題

為利用李雅普諾夫優(yōu)化方法求解式(10),,引入一個虛擬隊(duì)列Hn(t),將時間平均約束式(7)轉(zhuǎn)化成隊(duì)列穩(wěn)定性約束,。隊(duì)列Hn(t)的遞推關(guān)系如下:

微信截圖_20181105160638.png

其中微信截圖_20181105160710.png。根據(jù)參考文獻(xiàn)[10],,隊(duì)列Hn(t)的平均速率穩(wěn)定意味著時間平均約束式(7)成立,。為分析隊(duì)列穩(wěn)定性,引入李雅普諾夫函數(shù)

微信截圖_20181105161025.png

微信截圖_20181105161031.png表示所有用戶t時刻的虛擬隊(duì)列長度,,則T個TTI內(nèi)的條件李雅普諾夫漂移定義為這段時間內(nèi)李雅普諾夫函數(shù)變化的期望:

微信截圖_20181105161043.png

根據(jù)李雅普諾夫漂移理論,,時間平均約束式(7)可以轉(zhuǎn)化為最小化李雅普諾夫漂移ΔT(t)。由于目標(biāo)是在式(7)約束下最大化系統(tǒng)效用,,將漂移ΔT(t)與目標(biāo)函數(shù)相結(jié)合,,如下式:

微信截圖_20181105161057.png

其中,微信截圖_20181105161221.png為T個TTI的總效用的期望,。V是常量,,代表系統(tǒng)效用和隊(duì)列穩(wěn)定性的折衷。從而,,聯(lián)合優(yōu)化問題式(10)被轉(zhuǎn)化為最小化公式(15),。

在每個TTI進(jìn)行資源分配時,可以通過用戶反饋的CQI估計(jì)信道質(zhì)量,,根據(jù)當(dāng)前的觀測進(jìn)行決策,;然而,視頻的層數(shù)選擇每隔T個TTI才執(zhí)行一次,,決策時難以知道未來T個TTI的虛擬隊(duì)列長度,。為解決這個困難,,采取參考文獻(xiàn)[11]中的思想,將當(dāng)前的隊(duì)列長度作為未來隊(duì)列長度的近似,,以得到公式(15)的一個松弛的上界,。下面給出這個上界和證明過程。

定理1令t=kT,,k為非負(fù)整數(shù),。在任意可行決策下,有

微信截圖_20181105161237.png

其中正常數(shù)B定義為B微信截圖_20181105161332.png,。

證明:將虛擬隊(duì)列的遞推公式式(12)兩邊取平方并展開,,可以得到

微信截圖_20181105161348.png

那么,

微信截圖_20181105161508.png

將上式兩邊減去效用U,,并在[t,t+T-1]區(qū)間內(nèi)求和,,稍作整理可得:

微信截圖_20181105161545.png

其中,Aleft表示式(15),,微信截圖_20181105161744.png,。

接下來,對式(19)的右半部分,,用Hn(t)來近似Hn(τ),,以得到更寬松的條件:

微信截圖_20181105161825.png

從而有:

微信截圖_20181105161832.png

將式(21)、式(22)帶入式(19),,即得到式(16),。定理1得證。

根據(jù)李亞普諾夫漂移和優(yōu)化理論,,聯(lián)合優(yōu)化問題的決策可以通過最小化上界式(16)得出,,而無須直接最小化公式(15)。

2.2  子問題的分析和聯(lián)合優(yōu)化算法

可以觀察到,,定理1中上界式(16)右邊的第二項(xiàng)僅與視頻層數(shù)決策ln相關(guān),;而最后一項(xiàng)則與SB分配an,i和MCS選擇bn,j相關(guān)。由于這樣的特殊結(jié)構(gòu),,優(yōu)化問題可以被分離成兩個并行的子問題,,一個是視頻層數(shù)選擇問題,另一個是LTE資源分配問題,。

2.2.1  視頻層數(shù)選擇

基于前述上界(16)的特性,,層數(shù)選擇決策可以通過最大化式(16)右邊的第二項(xiàng)得到。即在第t個TTI(t=(k-1)T+1,,k=1,2,…)時,,求解以下問題:

微信截圖_20181105162104.png

在式(23)的目標(biāo)函數(shù)中,第二項(xiàng)是虛擬隊(duì)列長度乘以視頻比特率,,由李亞普諾夫漂移引入,,起到穩(wěn)定隊(duì)列的作用,。較大的V使決策傾向于選擇更高層數(shù)以改善用戶視頻質(zhì)量,而較小的V更利于虛擬隊(duì)列的穩(wěn)定,。

由于每個用戶的層數(shù)決策相互獨(dú)立,,式(23)可以進(jìn)一步分離成N個子問題。通常而言,,在實(shí)際系統(tǒng)中視頻的總層數(shù)不會太多,,因此,視頻層數(shù)的決策可以通過遍歷所有可行的層數(shù)得到,。并且,,層數(shù)決策每隔T個TTI才會執(zhí)行一次,因此,,層數(shù)選擇的計(jì)算開銷非常低,。

2.2.2  LTE資源分配問題

SB分配和MCS選擇可以通過最小化式(16)中的最后一項(xiàng)來得到。將式(4)帶入式(16)的最后一項(xiàng),,LTE資源分配問題可以描述為:

微信截圖_20181105162312.png

問題中的目標(biāo)函數(shù)可以視為用虛擬隊(duì)列長度加權(quán)了的用戶速率,。在資源分配問題中,如果像層數(shù)選擇一樣采用GoP開始時的虛擬隊(duì)列長度進(jìn)行決策,,則會造成在一個GoP內(nèi)資源過多地向隊(duì)列長的用戶傾斜,。所以,必須采用每個TTI實(shí)際的虛擬隊(duì)列長度,,這樣當(dāng)一個用戶得到過多調(diào)度時,,其虛擬隊(duì)列的長度會相對變短,其他用戶就會得到調(diào)度,,從而保證算法的公平性。

首先,,式(25)是一個非線性問題,,難以直接取得最優(yōu)解。根據(jù)文獻(xiàn)[7]和文獻(xiàn)[12]的闡述,,通過換元法,,可將該問題轉(zhuǎn)化成一個整數(shù)線性規(guī)劃問題。然而,,求解整數(shù)線性規(guī)劃需要消耗大量的計(jì)算量,。同時,如果MCS約束式(2)不存在,,即同一TTI內(nèi)分配給同一用戶的SB可以選取不同的MCS,,式(25)可以進(jìn)一步分離為I個子問題,每個子問題對應(yīng)一個SB的調(diào)度,。這樣一來,,無論調(diào)度塊i分配給哪個用戶n,,都可以選取最高M(jìn)CS 索引Jn,i;從而,,為最大化目標(biāo)函數(shù),,調(diào)度塊i應(yīng)該被分配給虛擬隊(duì)列和速率乘積最大的用戶,即

微信截圖_20181105162657.png

根據(jù)上述原因,,本文借鑒了文獻(xiàn)[8]中的思想來解決這個問題,,采用一種次優(yōu)方法進(jìn)行資源分配,描述如下:

(1)對于每個SB,,按照式(27)進(jìn)行SB的分配,;

(2)對于每個用戶,根據(jù)分配給它們的SB的CQI,,估計(jì)出這幾個SB的SINR值γn,i,,根據(jù)式(1)有:

微信截圖_20181105162710.png

其中ΔΓ是加在閾值Γj 上的一個正偏移量。

(3)根據(jù)γn,i的估計(jì)值,,通過下式(調(diào)和平均方法)計(jì)算出等效SINR值微信截圖_20181105162956.png

微信截圖_20181105162846.png

(4)對于每個用戶,,根據(jù)等效SINR值HMn得到合適的MCS,類似式(1)有:

微信截圖_20181105162858.png

其中,,Jn為用戶n最終選擇的MCS,。

上述資源分配算法只需要遍歷用戶即可確定一個SB的分配;對于每個用戶MCS的選擇,,也只需要進(jìn)行調(diào)和平均數(shù)的計(jì)算和查映射表的操作,。因此,該資源分配算法具有較高的效率,。

3  仿真實(shí)驗(yàn)

通過仿真實(shí)驗(yàn)?zāi)M多用戶連入同一個資源有限的基站進(jìn)行不同視頻請求的場景,,以驗(yàn)證本文所提出的層數(shù)選擇和資源分配算法的有效性。然后通過對比實(shí)驗(yàn)評估本文所提算法的性能,。

3.1  參數(shù)設(shè)置

在仿真實(shí)驗(yàn)中,,考慮單個LTE基站,用戶隨機(jī)散布在基站覆蓋范圍內(nèi),。一個TTI中有25個可用SB(即將頻域劃分成25個RB),,每個RB有12個子載波,相應(yīng)仿真參數(shù)如表 1所示,。

微信截圖_20181105163119.png

對于SVC視頻,,選取了幾個參數(shù)相同的視頻流,視頻編碼器的設(shè)置如表 2所示,。連入基站的用戶隨機(jī)選擇一個視頻發(fā)起請求,,緩沖區(qū)達(dá)到10個GoP時開始播放,并持續(xù)播放100個GoP。

微信截圖_20181105163158.png

3.2  性能評估

為評估所提算法的性能,,將實(shí)驗(yàn)結(jié)果與QCLS算法[6]進(jìn)行對比,。用PSNR作為視頻質(zhì)量的衡量指標(biāo),在用戶數(shù)不同的情況下進(jìn)行實(shí)驗(yàn),,平均PSNR如圖2所示,。從圖2可以看出,本文所提算法的PSNR整體優(yōu)于QCLS算法,。QCLS算法的性能依賴于R-D模型的擬合效果,,然而R-D曲線難以表現(xiàn)出視頻碼率和質(zhì)量隨時間的變化。而在本文算法中,,這些信息將實(shí)時影響隊(duì)列長度,,從而影響決策。

微信截圖_20181105163228.png

除視頻質(zhì)量以外,,中斷率也是影響服務(wù)質(zhì)量的重要指標(biāo),,圖3展示了兩種算法在不同用戶數(shù)下的中斷情況。本文算法的中斷率較少,,這說明本文提出的算法通過確保虛擬隊(duì)列的穩(wěn)定性來使公式(7)成立,,能有效地防止中斷的發(fā)生。

微信截圖_20181105163237.png

同時,,采用最小-最大指數(shù)[6]作為公平性指標(biāo)對算法的公平性進(jìn)行比較,。仿真結(jié)果如圖4所示??梢钥闯?,本文所提算法的公平性要優(yōu)于QCLS算法。如式(25)下方所討論的,,當(dāng)一個用戶過多地得到調(diào)度時,,其虛擬隊(duì)列長度將會變短,從而使虛擬隊(duì)列長的用戶得到調(diào)度,,保證了算法的公平性,。

微信截圖_20181105163311.png

4  結(jié)論

本文基于李雅普諾夫優(yōu)化理論,針對在LTE網(wǎng)絡(luò)中傳輸SVC視頻的場景,,提出了一種層數(shù)選擇和資源分配算法。通過對比實(shí)驗(yàn),,表明本文所提的算法提升了視頻的PSNR,,保證了視頻的流暢播放,同時具有較好的公平性,。


參考文獻(xiàn)

[1] SCHWARZ H, MARPE D, WIEGAND T. Overview of the scalable video coding extension of the H.264/AVC standard [J]. IEEE Transactions on Circuits and Systems for Video Technology, 2007, 17(9): 1103-1120.

[2] FU B, STAEHLE D, KUNZMANN G, et al. QoE-based SVC layer dropping in LTE networks using content-aware layer priorities [J]. ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM), 2015, 12(1): 1-23.

[3] KHAN N, MARTINI M G. Hysteresis based rate adaptation for scalable video traffic over an LTE downlink [C]//2015 IEEE International Conference on Communication Workshop (ICCW), London. IEEE, 2015: 1434-1439.

[4] 田建軍. 長期演進(jìn)系統(tǒng)中視頻流調(diào)度方法研究[D]. 合肥:中國科學(xué)技術(shù)大學(xué),,2011.

[5] RADHAKRISHNAN R, NAYAK A. Cross layer design for efficient video streaming over LTE using scalable video coding [C]//2012 IEEE International Conference on Communications (ICC), Ottawa, ON. IEEE, 2012: 6509-6513.

[6] DENG R, LIU G. QoE driven cross-layer scheme for DASH-based scalable video transmission over LTE [J]. Multimedia Tools and Applications, 2017(2): 1-25.

[7] KWAN R, LEUNG C, ZHANG J. Resource allocation in an LTE cellular communication system [C]//2009 IEEE International Conference on Communications (ICC), Dresden. IEEE, 2009: 1-5.

[8] FAN J, YIN Q, LI G Y, et al. MCS selection for throughput improvement in downlink LTE systems [C]//Proceedings of 20th International Conference on Computer Communications and Networks (ICCCN), Maui, HI. IEEE, 2011: 1-5.

[9] 李龍飛,陳昕,向旭東.QoS保障的LTE-A飛蜂窩資源塊分配與MCS選擇研究[J].計(jì)算機(jī)科學(xué),2015,42(8):95-100.

[10] NEELY M J. Stochastic network optimization with application to communication and queueing systems [J]. Synthesis Lectures on Communication Networks, 2010, 3(1): 211.

[11] YAO Y, HUANG L, SHARMA A B, et al. Power cost reduction in distributed data centers: a two-time-scale approach for delay tolerant workloads [J]. IEEE Transactions on Parallel and Distributed Systems, 2014, 25(1): 200-211.

[12] LIU X. Solving the nonlinear LTE resource allocation problem with a linear approach [C]//2016 IEEE 83rd Vehicular Technology Conference (VTC Spring), Nanjing. IEEE, 2016: 1-5.

(收稿日期:2018-03-30)

 

作者簡介:

邢志浩(1993-),男,,碩士研究生,,主要研究方向:網(wǎng)絡(luò)系統(tǒng)建模與優(yōu)化,。

楊博文(1992-),男,,博士研究生,,主要研究方向:多媒體通信、未來網(wǎng)絡(luò)以及隨機(jī)優(yōu)化,。

楊堅(jiān)(1977-),,男,博士,,教授,,主要研究方向:網(wǎng)絡(luò)系統(tǒng)建模與優(yōu)化、多媒體通信,、未來網(wǎng)絡(luò)及隨機(jī)優(yōu)化理論,。

 


*基金項(xiàng)目:國家自然科學(xué)基金重點(diǎn)項(xiàng)目(61233003)


本站內(nèi)容除特別聲明的原創(chuàng)文章之外,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,,并不代表本網(wǎng)站贊同其觀點(diǎn),。轉(zhuǎn)載的所有的文章、圖片,、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有,。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認(rèn)版權(quán)者。如涉及作品內(nèi)容,、版權(quán)和其它問題,,請及時通過電子郵件或電話通知我們,以便迅速采取適當(dāng)措施,,避免給雙方造成不必要的經(jīng)濟(jì)損失,。聯(lián)系電話:010-82306118;郵箱:[email protected],。