Απο όσο ξέρω, η στατιστική πολυπλεξία λειτουργεί ως εξής (αυτό είναι πολύ απλοϊκό παράδειγμα, στην πραγματικότητα υπάρχουν αρκετοί μηχανισμοί)....
Δεδομένου ένος look-ahead buffer των επόμενων δευτερολέπτων (πχ αναλύουμε τα επόμενα 2-3 δευτερόλεπτα του σήματος που περιμένει στην ουρά για να συμπιεστεί), το σύστημα κάνει μια ανάλυση για κάθε κανάλι:
1) της πολυπλοκότητας της εικόνας. Πχ σκηνές που έχουν γρασίδι ή χαλίκι, η γενικά patterns είναι πιο πολύπλοκες από έναν μονόχρωμο ουρανό ή έναν τοίχο απο ένα studio.
2) το πόση κίνηση έχουν τα καρέ μεταξύ τους και σε σχέση με τα προηγούμενα καρέ. Πχ ένας ποδοσφαιρικός κανόνας χρειάζεται περισσότερη πληροφορία απο την εικόνα ενος παρουσιαστή σε ένα studio γιατι περισσότερα pixels αλλάζουν απο καρέ σε καρε.
Με βάση αυτά τα 2 λοιπόν φτιάχνει μια στατιστική πρόγνωση για το πόσο bandwidth χρειάζεται για τον επόμενο buffer (px 2 sec).
Αυτό γίνεται για κάθε κανάλι του πολυπλέκτη. Εστω ότι το score αυτό είναι απο 0-5 (0 = απόλυτα στατική εικόνα, 5= πολύ κίνηση και πολύπλοκα καρέ με πολύ λεπτομέρεια).
Τότε ανάλογα με το το σκορ του κάθε καναλιού θα αφιερώσει ποσοστό του συνολικού bandwidht σε κάθε σταθμό για τα επόμενα λίγα δευτερόλεπτα....
Αν έχουμε πχ
Κανάλι 1: 1/5
Κανάλι 2: 4/5
Κανάλι 3: 5/5
Κανάλι 4: 2/5
Τότε το 1 θα πάρει για τα επόμενα δευτερόλεπτα το 1/(1+4+5+2) = 1/12 του bw, το 2 4/12 kok...
Στην πραγματικότητα φαντάζομαι υπάρχουν κατώτερα και ανώτερα όρια για κάθε σταθμό και άλλες παραμέτρους (πχ το προηγούμενο allocation επηρεάζει το επόμενο κτλ).