论文部分内容阅读
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,一定程度上能提高视频传输的QoS。最后,本文针对现有的播放控制算法存在的不足,提出了一种基于马尔科夫链的播放控制算法。算法的核心思想是将接收端缓冲区划分为上溢态、平稳态和下溢态三种状态,将上一时刻的状态输入到马尔科夫模型计算状态转移矩阵,从而预测出缓冲区下一时刻的状态,视频的播放速率根据预测的状态来动态调整。最后在仿真平台NS2上搭建实验环境,对本文提出的算法进行验证。结果表明,本文提出的播放控制算法相较于其他算法,视频播放速率波动较小,根据缓冲区的实际状态来调节视频的播放速率降低视频的平均播放时延,一定程度上提高了视频的QoS。