视频传输QoS优化方案研究
发布时间：2021-09-15 21:51
计算机和通信技术的飞速发展推动了网络视频技术的发展,常见的应用有远程视频会议、视频监控、视频直播等等。但是现有的IP网络传输并不提供视频质量保证,网络环境很差的时候将导致视频数据丢失,对于实时性很高的视频会议、直播等场景将导致用户体验极差,降低视频的QoS。因此关于如何提高视频QoS的研究是有重要意义而且是迫切需要的。本文主要通过研究视频传输的拥塞控制和视频播放控制两个方面来提高视频的QoS。首先对BP网络、RNN网络、LSTM网络和马尔科夫模型进行研究,分析其实现原理和应用场景,为后面算法提出打下理论基础。然后,根据Internet流量数据具有时序性特点,本文提出一种使用LSTM来预测Internet带宽利用率的拥塞控制算法,用以缓解视频传输过程中出现的网络拥塞。核心思想是采用LSTM对Internet的带宽利用率进行预测,根据预测的结果来动态调整视频的发送速率。本文重点对比了BP网络和LSTM网络对Internet带宽利用率预测的准确度。实验结果表明,LSTM网络比BP网络更能准确的预测Internet带宽利用率,该算法能准确把握Internet变化情况,用于拥塞控制能达到好的效果...
【文章来源】：重庆邮电大学重庆市
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
不同学习率的误差收敛图
图 3.6 网络带宽利用率真实数据和预测值对比图.6 是 BP 网络的预测结果和真实数据之间的实验对比图，其中蓝色线，红色线条表示 BP 预测值。由于 IP 网络的起伏性、不确定性和突发现网络流量激增的情况，根据预测结果可知，在前面 3500 个验证对于网络带宽利用率突然增加的情况很难准确的预测到，预测都会存后面通过误差反向传播修正权值和阈值，预测效果越来越好，在最后预测值和真实值几乎完全重合。 BP 网络自身存在泛化能力较弱，而且容易陷入局部最优值等缺点，突发的情况预测精度不高，随着时间的推移，通过反向误差对权值和正，预测效果有所改善，但是总体预测效果依然并未达到理想的目环神经网络模型
庆邮电大学硕士学位论文 第 3 章 基于神经网络的带宽预测模型和拥塞控制算法1. 实验数据采集和处理为了分析本文提出的 LSTM 模型的预测性能，使用专业的抓包软件 wireshark网络数据进行抓取，对实验室的网络数据分时段的进行抓取，其中共收集到 个数据样本库，并使用该样本集进行训练。选取样本集前 κ作为训练样本，下的部分作为测试样本。
【参考文献】：
期刊论文
[1]基于PF-LSTM网络的高效网络流量预测方法[J]. 李校林,吴腾. 计算机应用研究. 2019(12)
[2]复杂网络下具有预测与自我调节能力的拥塞控制算法[J]. 邱泽敏,万智萍. 计算机工程. 2017(12)
[3]基于马尔科夫链的电力负荷优化组合及应用[J]. 祝锦舟,张焰,华月申,潘智俊. 电网技术. 2016(08)
[4]一种异构网络TCP拥塞控制算法[J]. 王志明,曾孝平,刘学,陈礼,郭博文. 电子与信息学报. 2016(04)
[5]遗传BP神经网络在网络流量预测中的应用[J]. 张立仿. 计算机与数字工程. 2014(04)
[6]基于多步下溢概率估计的自适应媒体播放算法[J]. 张辉帅,王劲林,朱小勇,孙鹏. 网络新媒体技术. 2012(03)
[7]基于BP的远程视频传输控制方法[J]. 李玉玲,王璐. 计算机工程. 2011(22)
[8]基于概率估计的自适应媒体播放算法[J]. 范铭娜,杨坚,赵宇. 计算机工程. 2010(24)
[9]基于PID控制的自适应媒体播放算法[J]. 何菲,杨坚,奚宏生,范铭娜. 计算机工程. 2010(22)
[10]实时流媒体传输技术研究综述[J]. 熊永华,吴敏,贾维嘉. 计算机应用研究. 2009(10)
硕士论文
[1]基于长短记忆模式递归神经网络（LSTM-RNN）的异步电机参数辨识研究[D]. 陈龙.安徽大学 2018
[2]基于马尔科夫链风速修正的风电功率预测研究[D]. 赵林利.内蒙古大学 2017
[3]无线投影系统优化研究和自适应多分屏的实现[D]. 陈江南.重庆邮电大学 2017
[4]基于LSTM神经网络的美股股指价格趋势预测模型的研究[D]. 孙瑞奇.首都经济贸易大学 2016
[5]视频实时流式传输QoS的研究与实现[D]. 冼真会.华南理工大学 2014
[6]深度学习中的自编码器的表达能力研究[D]. 王雅思.哈尔滨工业大学 2014
[7]视频会议终端实时传输子系统及其QoS保障的研究与实现[D]. 邱宏丰.华南理工大学 2011
[8]IP电话中媒体流的实时传输与控制[D]. 韩银俊.南京理工大学 2003
本文编号：3396869
【文章来源】：重庆邮电大学重庆市
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
不同学习率的误差收敛图
图 3.6 网络带宽利用率真实数据和预测值对比图.6 是 BP 网络的预测结果和真实数据之间的实验对比图，其中蓝色线，红色线条表示 BP 预测值。由于 IP 网络的起伏性、不确定性和突发现网络流量激增的情况，根据预测结果可知，在前面 3500 个验证对于网络带宽利用率突然增加的情况很难准确的预测到，预测都会存后面通过误差反向传播修正权值和阈值，预测效果越来越好，在最后预测值和真实值几乎完全重合。 BP 网络自身存在泛化能力较弱，而且容易陷入局部最优值等缺点，突发的情况预测精度不高，随着时间的推移，通过反向误差对权值和正，预测效果有所改善，但是总体预测效果依然并未达到理想的目环神经网络模型
庆邮电大学硕士学位论文 第 3 章 基于神经网络的带宽预测模型和拥塞控制算法1. 实验数据采集和处理为了分析本文提出的 LSTM 模型的预测性能，使用专业的抓包软件 wireshark网络数据进行抓取，对实验室的网络数据分时段的进行抓取，其中共收集到 个数据样本库，并使用该样本集进行训练。选取样本集前 κ作为训练样本，下的部分作为测试样本。
【参考文献】：
期刊论文
[1]基于PF-LSTM网络的高效网络流量预测方法[J]. 李校林,吴腾. 计算机应用研究. 2019(12)
[2]复杂网络下具有预测与自我调节能力的拥塞控制算法[J]. 邱泽敏,万智萍. 计算机工程. 2017(12)
[3]基于马尔科夫链的电力负荷优化组合及应用[J]. 祝锦舟,张焰,华月申,潘智俊. 电网技术. 2016(08)
[4]一种异构网络TCP拥塞控制算法[J]. 王志明,曾孝平,刘学,陈礼,郭博文. 电子与信息学报. 2016(04)
[5]遗传BP神经网络在网络流量预测中的应用[J]. 张立仿. 计算机与数字工程. 2014(04)
[6]基于多步下溢概率估计的自适应媒体播放算法[J]. 张辉帅,王劲林,朱小勇,孙鹏. 网络新媒体技术. 2012(03)
[7]基于BP的远程视频传输控制方法[J]. 李玉玲,王璐. 计算机工程. 2011(22)
[8]基于概率估计的自适应媒体播放算法[J]. 范铭娜,杨坚,赵宇. 计算机工程. 2010(24)
[9]基于PID控制的自适应媒体播放算法[J]. 何菲,杨坚,奚宏生,范铭娜. 计算机工程. 2010(22)
[10]实时流媒体传输技术研究综述[J]. 熊永华,吴敏,贾维嘉. 计算机应用研究. 2009(10)
硕士论文
[1]基于长短记忆模式递归神经网络（LSTM-RNN）的异步电机参数辨识研究[D]. 陈龙.安徽大学 2018
[2]基于马尔科夫链风速修正的风电功率预测研究[D]. 赵林利.内蒙古大学 2017
[3]无线投影系统优化研究和自适应多分屏的实现[D]. 陈江南.重庆邮电大学 2017
[4]基于LSTM神经网络的美股股指价格趋势预测模型的研究[D]. 孙瑞奇.首都经济贸易大学 2016
[5]视频实时流式传输QoS的研究与实现[D]. 冼真会.华南理工大学 2014
[6]深度学习中的自编码器的表达能力研究[D]. 王雅思.哈尔滨工业大学 2014
[7]视频会议终端实时传输子系统及其QoS保障的研究与实现[D]. 邱宏丰.华南理工大学 2011
[8]IP电话中媒体流的实时传输与控制[D]. 韩银俊.南京理工大学 2003
本文编号：3396869
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3396869.html
