随着移动互联网的高速发展和视频业务的流行,视频业务产生的流量已经占据了当前大部分的网络流量。为提升用户体验,各式各样的移动终端也都支持视频观看,而终端的多样性、用户需求的多样性和时变的信道等因素都给视频传输带来了极大的挑战。目前,基于云计算的DASH系统(Cloud-based Dynamic Adaptive Streaming over HTTP System)可以很好的应对这些问题,且已经被广泛部署到实际系统中。但是该系统仍具有以下四个缺点:第一,传统DASH系统中采用固定的码率集合来应对各类场景下的网络状况和用户需求,灵活性较差;第二,同一视频的不同码率版本在核心网和基站之间重复传输造成带宽资源的浪费;第三,架设在遥远的云端的服务器在服务用户时会产生不可接受的时延;第四,核心网服务器负责所有小区用户视频的转码和存储服务,使得服务器承受的计算和存储压力过大。由于当前使用视频业务的用户多数为移动用户,且移动用户的信道变化更快更复杂,因此设计新的系统架构或者算法来解决上述问题显得非常必要。针对这些问题,本文引入边缘计算的概念,提出一种基于边缘计算的自适应视频传输系统,将转码服务器架设在基站边缘,核心网只需要向边缘转码服务器传输一次源视频流,转码服务器会根据用户需求和网络状况实时转码出一个最佳的码率集合进行传输,改善了传统DASH系统的几个缺点。此外,为了提升带宽利用率和进一步提升系统性能,本文还在边缘服务器实现无线频谱(带宽)调整的功能。本文采用跨层优化(应用层-物理层)的思想将新架构中的自适应视频传输策略问题建模为一个网络效用最大化问题,并将其进一步分解为两个子问题——码率分配子问题和带宽调整子问题。分析证明,码率分配子问题是NP-Hard问题,且没有多项式时间内的逼近算法,因此本文提出了两种启发式算法对其进行求解。针对带宽调整问题,分析得知它是一个DC(Difference of Convex)规划问题,本文提出了一种基于凹凸处理(Concave-Convex Procedure,CCCP)的低复杂度迭代算法对其进行求解,为了使该算法以一个可行初始点顺利进入迭代计算,本文又提出了一种迭代的可行初始点寻找算法找到原始DC规划问题的一个可行解,这两种算法可以组合成一个“两步算法”求解原始DC问题。大量仿真实验验证了本文提出的系统相对于传统DASH系统的优势,以及本文设计的码率分配算法和带宽调整算法的可行性和计算复杂度。仿真结果显示本文提出的系统性能要远远优于传统系统,且涉及的码率调整算法的计算复杂度和带宽调整算法的计算复杂度和收敛性均在可接受范围内。