近些年来360度全景视频因为其能为观众带来沉浸式的观看体验特性而变得越来越受大众欢迎。然而,要想实现在线观看360度全景视频需要超高带宽的网络环境,该条件在目前已有的网络链路传输条件下难以满足。为了尽可能地降低360度全景视频在网络在线观看中的传输带宽需求,本文提出了一种针对基于空间切片的360度全景视频流媒体自适应传输设计的传输策略,这种策略能够在有限且时变的网络环境下最大化观众的观看体验（QoE）。具体来说,我们1.在研究用户观看360度全景视频时的预测用户观看视野范围问题中,提出了计算预测用户可视画面区域的计算方式。具体的,本文采用已提出的用户在观看视频时头部旋转角度预测方法来预测用户在未来一段时间内头部旋转角度,并且通过实验误差样本数据拟合该预测方法产生的预测误差分布函数,该分布函数的参数与预测窗长度有关。在此基础上,我们通过计算不同置信度水平的误差分布置信区间获取不同可视概率的预测用户可视画面区域:预测视野区、预测边缘区和预测不可视区域。该预测可视画面区域计算方式能够结合播放器的缓冲区占用情况动态调整预测误差分布函数,进而调整可视区域的范围,有效地避免预测视野区域和实际用户观看视野不一致的状况的发生。2.在研究不同空间切片划分方式对同等用户QoE条件下获得的传输效率问题中,提出了在同一个视频时间切片内使用多种间隔尺寸的空间切片自适应划分的方案。该方案首先在视频服务器端预先存储多种不同间隔尺寸空间切片的360度全景视频文件,在客户端请求下载视频内容时,使用提出的空间切片间隔尺寸自适应划分算法,根据每个空间切片的预测可视概率自适应地调整全景视频画面中不同位置的空间切片间隔尺寸。随后的仿真实验验证了我们提出的方案能够在同等用户QoE条件下最小化流媒体传输文件的编码冗余信息和质量冗余信息,使得所需传输的视频流媒体文件码率最小。3.在研究360度全景视频流媒体码率自适应问题中,以时间和空间上的视频切片码率/质量版本选择作为优化变量对在有限带宽条件下用户观看360度全景视频时获得的长期QoE进行了联合优化。通过建立以最小化画面失真度、播放延迟时长和时间上画面质量平滑度为优化目标的非线性整数规划问题,优化时空切片的码率/质量版本选择。随后,为了对该优化问题进行快速有效地求解,本文提出了基于深度强化学习技术的360度全景视频码率自适应算法,通过数据样本训练的方式学习能够使得用户QoE最大化的码率/质量版本选择策略,利用神经网络的函数拟合能力解决了360度全景视频流媒体码率自适应算法中的码率/质量版本选择组合爆炸问题,达到了使用轻量化的神经网络求解出最优的空间切片码率/质量版本组合的目的。最后的对比实验显示我们提出的算法在不同带宽条件和不同测试视频上都取得了最优的QoE指标。