移动视频流终端的解码计算量大，能耗高，成为严重制约用户体验的最重要因素之一。而在云媒体服务环境下，云端服务可为终端提供所需要的服务，前提是移动终端解码器能够提供系统的运行状态（如计算能力、剩余可用电量等）和用户需求等信息，这为终端系统降低能耗提供了新的机会。但是，现有的解码系统由于不能感知实际播放视频的质量，因而缺少在功耗（解码复杂度）和视频质量间进行折中优化的机制。因此，迫切需要研究在这种应用模式下如何降低移动视频解码的能耗的新方法。　　针对上述需求，提出了质量感知的移动视频解码端低功耗设计模型和跨层优化框架。为了能够准确地把握视频解码能耗需求和感知用户体验质量，分别提出了简单、可靠的解码复杂度预测线性模型和视频客观质量PSNR（峰值信噪比）评估模型。两个模型都选取视频序列的分辨率、码率和视频纹理及运动量特性作为预测因子。为了量化视频纹理和运动量特性，定义了MSI（Mean Spatial Information）和MTI（Mean Temporal Information）量作为视频特性因子。通过视频特性因子MSI和MTI实现对解码复杂度线性模型两系数的预测，利用复杂度与能耗之间的依赖关系，建立了通用的能耗预测模型。对于视频客观质量PSNR，采用的是先预测均值码率对应的PSNR基值，再结合PSNR随码率改变的变化规律，从而实现对视频质量的感知。基于上述能耗和质量预测模型，提出了质量感知的跨层优化框架。在满足用户质量体验的基础上，系统根据运行状态和用户需求确定合适的分辨率和码率并反馈给编码云端，使之为其提供所需的视频服务，从而实现在保证视频质量的前提下，降低能耗。　　实验结果表明，解码复杂度线性预测模型可以保持3％以内的预测误差，视频客观质量预测模型预测误差在2.5dB以内。两个预测模型在实现时经过优化，其增加的计算复杂度只占解码复杂度的2％。最终，在用户可接受的视频质量感官体验的基础上，在解码端可以节省的能耗可达75％的能耗。