計(jì)算機(jī)和通信技術(shù)的飛速發(fā)展推動(dòng)了網(wǎng)絡(luò)視頻技術(shù)的發(fā)展,常見的應(yīng)用有遠(yuǎn)程視頻會(huì)議、視頻監(jiān)控、視頻直播等等。但是現(xiàn)有的IP網(wǎng)絡(luò)傳輸并不提供視頻質(zhì)量保證,網(wǎng)絡(luò)環(huán)境很差的時(shí)候?qū)?dǎo)致視頻數(shù)據(jù)丟失,對(duì)于實(shí)時(shí)性很高的視頻會(huì)議、直播等場(chǎng)景將導(dǎo)致用戶體驗(yàn)極差,降低視頻的QoS。因此關(guān)于如何提高視頻QoS的研究是有重要意義而且是迫切需要的。本文主要通過(guò)研究視頻傳輸?shù)膿砣刂坪鸵曨l播放控制兩個(gè)方面來(lái)提高視頻的QoS。首先對(duì)BP網(wǎng)絡(luò)、RNN網(wǎng)絡(luò)、LSTM網(wǎng)絡(luò)和馬爾科夫模型進(jìn)行研究,分析其實(shí)現(xiàn)原理和應(yīng)用場(chǎng)景,為后面算法提出打下理論基礎(chǔ)。然后,根據(jù)Internet流量數(shù)據(jù)具有時(shí)序性特點(diǎn),本文提出一種使用LSTM來(lái)預(yù)測(cè)Internet帶寬利用率的擁塞控制算法,用以緩解視頻傳輸過(guò)程中出現(xiàn)的網(wǎng)絡(luò)擁塞。核心思想是采用LSTM對(duì)Internet的帶寬利用率進(jìn)行預(yù)測(cè),根據(jù)預(yù)測(cè)的結(jié)果來(lái)動(dòng)態(tài)調(diào)整視頻的發(fā)送速率。本文重點(diǎn)對(duì)比了BP網(wǎng)絡(luò)和LSTM網(wǎng)絡(luò)對(duì)Internet帶寬利用率預(yù)測(cè)的準(zhǔn)確度。實(shí)驗(yàn)結(jié)果表明,LSTM網(wǎng)絡(luò)比BP網(wǎng)絡(luò)更能準(zhǔn)確的預(yù)測(cè)Internet帶寬利用率,該算法能準(zhǔn)確把握Internet變化情況,用于擁塞控制能達(dá)到好的效果... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同學(xué)習(xí)率的誤差收斂圖

圖 3.6 網(wǎng)絡(luò)帶寬利用率真實(shí)數(shù)據(jù)和預(yù)測(cè)值對(duì)比圖.6 是 BP 網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果和真實(shí)數(shù)據(jù)之間的實(shí)驗(yàn)對(duì)比圖，其中藍(lán)色線，紅色線條表示 BP 預(yù)測(cè)值。由于 IP 網(wǎng)絡(luò)的起伏性、不確定性和突發(fā)現(xiàn)網(wǎng)絡(luò)流量激增的情況，根據(jù)預(yù)測(cè)結(jié)果可知，在前面 3500 個(gè)驗(yàn)證對(duì)于網(wǎng)絡(luò)帶寬利用率突然增加的情況很難準(zhǔn)確的預(yù)測(cè)到，預(yù)測(cè)都會(huì)存后面通過(guò)誤差反向傳播修正權(quán)值和閾值，預(yù)測(cè)效果越來(lái)越好，在最后預(yù)測(cè)值和真實(shí)值幾乎完全重合。 BP 網(wǎng)絡(luò)自身存在泛化能力較弱，而且容易陷入局部最優(yōu)值等缺點(diǎn)，突發(fā)的情況預(yù)測(cè)精度不高，隨著時(shí)間的推移，通過(guò)反向誤差對(duì)權(quán)值和正，預(yù)測(cè)效果有所改善，但是總體預(yù)測(cè)效果依然并未達(dá)到理想的目環(huán)神經(jīng)網(wǎng)絡(luò)模型

慶郵電大學(xué)碩士學(xué)位論文 第 3 章 基于神經(jīng)網(wǎng)絡(luò)的帶寬預(yù)測(cè)模型和擁塞控制算法1. 實(shí)驗(yàn)數(shù)據(jù)采集和處理為了分析本文提出的 LSTM 模型的預(yù)測(cè)性能，使用專業(yè)的抓包軟件 wireshark網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行抓取，對(duì)實(shí)驗(yàn)室的網(wǎng)絡(luò)數(shù)據(jù)分時(shí)段的進(jìn)行抓取，其中共收集到 個(gè)數(shù)據(jù)樣本庫(kù)，并使用該樣本集進(jìn)行訓(xùn)練。選取樣本集前 κ作為訓(xùn)練樣本，下的部分作為測(cè)試樣本。

【參考文獻(xiàn)】：
期刊論文
[1]基于PF-LSTM網(wǎng)絡(luò)的高效網(wǎng)絡(luò)流量預(yù)測(cè)方法[J]. 李校林,吳騰.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[2]復(fù)雜網(wǎng)絡(luò)下具有預(yù)測(cè)與自我調(diào)節(jié)能力的擁塞控制算法[J]. 邱澤敏,萬(wàn)智萍.  計(jì)算機(jī)工程. 2017(12)
[3]基于馬爾科夫鏈的電力負(fù)荷優(yōu)化組合及應(yīng)用[J]. 祝錦舟,張焰,華月申,潘智俊.  電網(wǎng)技術(shù). 2016(08)
[4]一種異構(gòu)網(wǎng)絡(luò)TCP擁塞控制算法[J]. 王志明,曾孝平,劉學(xué),陳禮,郭博文.  電子與信息學(xué)報(bào). 2016(04)
[5]遺傳BP神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)流量預(yù)測(cè)中的應(yīng)用[J]. 張立仿.  計(jì)算機(jī)與數(shù)字工程. 2014(04)
[6]基于多步下溢概率估計(jì)的自適應(yīng)媒體播放算法[J]. 張輝帥,王勁林,朱小勇,孫鵬.  網(wǎng)絡(luò)新媒體技術(shù). 2012(03)
[7]基于BP的遠(yuǎn)程視頻傳輸控制方法[J]. 李玉玲,王璐.  計(jì)算機(jī)工程. 2011(22)
[8]基于概率估計(jì)的自適應(yīng)媒體播放算法[J]. 范銘娜,楊堅(jiān),趙宇.  計(jì)算機(jī)工程. 2010(24)
[9]基于PID控制的自適應(yīng)媒體播放算法[J]. 何菲,楊堅(jiān),奚宏生,范銘娜.  計(jì)算機(jī)工程. 2010(22)
[10]實(shí)時(shí)流媒體傳輸技術(shù)研究綜述[J]. 熊永華,吳敏,賈維嘉.  計(jì)算機(jī)應(yīng)用研究. 2009(10)

碩士論文
[1]基于長(zhǎng)短記憶模式遞歸神經(jīng)網(wǎng)絡(luò)（LSTM-RNN）的異步電機(jī)參數(shù)辨識(shí)研究[D]. 陳龍.安徽大學(xué) 2018
[2]基于馬爾科夫鏈風(fēng)速修正的風(fēng)電功率預(yù)測(cè)研究[D]. 趙林利.內(nèi)蒙古大學(xué) 2017
[3]無(wú)線投影系統(tǒng)優(yōu)化研究和自適應(yīng)多分屏的實(shí)現(xiàn)[D]. 陳江南.重慶郵電大學(xué) 2017
[4]基于LSTM神經(jīng)網(wǎng)絡(luò)的美股股指價(jià)格趨勢(shì)預(yù)測(cè)模型的研究[D]. 孫瑞奇.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2016
[5]視頻實(shí)時(shí)流式傳輸QoS的研究與實(shí)現(xiàn)[D]. 冼真會(huì).華南理工大學(xué) 2014
[6]深度學(xué)習(xí)中的自編碼器的表達(dá)能力研究[D]. 王雅思.哈爾濱工業(yè)大學(xué) 2014
[7]視頻會(huì)議終端實(shí)時(shí)傳輸子系統(tǒng)及其QoS保障的研究與實(shí)現(xiàn)[D]. 邱宏豐.華南理工大學(xué) 2011
[8]IP電話中媒體流的實(shí)時(shí)傳輸與控制[D]. 韓銀俊.南京理工大學(xué) 2003



本文編號(hào)：3396869