一、Internet视频传输的拥塞控制策略（论文文献综述）
秦久人[1]（2021）在《移动流媒体多路传输关键技术研究》文中研究说明近年来,随着以5G为代表的移动互联通信技术的快速发展,以及智能手机、便携式电脑、可穿戴设备等硬件的快速普及,移动流媒体业务得到了长足发展。以网络课堂/会议、视频通话、即时游戏等为代表的移动流媒体应用,一方面极大的方便了人们的工作、生活,丰富了人们的娱乐方式,另一方面也带来了海量的即时数据传输需求。在移动网络环境下,由于用户移动性、无线信道干扰等因素的影响,传输层面临传输路径稳定性差,丢包率高等问题。传统以TCP为代表的单路径传输协议,难以适应复杂、多变的移动网络环境,传输速率受限于单一网络性能,且传输连接稳定性差,难以满足移动流媒体业务的传输需求。为了解决上述问题,以多路传输控制协议（Multipath Transmission Control Protocol,MPTCP）为代表的多路传输协议得到了国内外专家学者的广泛关注。MPTCP能够利用通信终端的多个网络接口（Wi-Fi,4G/5G等）在一个传输连接中建立多条子流。相较于单路径,多条子流并行传输能够有效的利用不同网络中的空闲带宽提高系统吞吐量,降低传输时延。尽管拥有上述优势,在面向移动流媒体业务时,MPTCP仍存在如下问题:（1）调度策略低效。MPTCP采用基于最短往返时延的数据分发策略,并在数据包传输失败后进行无差别的重传,在异构环境下,容易导致数据包乱序,增加传输延迟;（2）拥塞控制僵化。MPTCP采用固定的窗口调整策略,无法针对多样的输入流进行调整,导致传输效率低下;（3）网络感知匮乏。MPTCP难以感知网络环境对传输的影响,导致传输决策盲目、低效;（4）能耗管理缺失。由于移动终端的能量受限,而MPTCP缺乏能量管理机制,导致移动终端使用寿命下降,影响用户使用体验。因此,本文重点从动态数据调度、智能拥塞控制、网络环境感知、能量效率平衡等方面进行突破,并取得了如下成果:（1）针对调度策略低效问题,提出了部分可靠的多路虚拟队列调度机制。首先构建了虚拟队列模型,打破传统发送窗口约束,最大程度上保证数据包的按序到达。而后设计了面向消息的部分可靠重传算法,避免了无效重传。仿真实验结果显示,在不同网络参数下,所提方案能有效地减少数据包乱序概率,降低数据包交付时延。（2）针对拥塞控制僵化问题,设计了输入特征分析的多路智能拥塞控制机制。首先,在频域上对数据流的特征进行提取。在此基础上,利用增强学习理论对多路拥塞控制进行建模,根据网络环境及输入流动态调整控制策略。仿真实验结果表明,所提方案能够以较小的时延代价获得较高的吞吐量提升,性能优于同期解决方案。（3）针对网络感知匮乏的问题,提出了子流耦合感知的多路自适应传输方案。首先,通过提取子流耦合特征与拥塞特征,从空间与时间上对网络环境对传输的影响进行量化。而后,基于深度Q网络方法,对多路传输策略进行训练。仿真结果显示,在多种传输场景下,所提方案都能获得优于对比方案的系统吞吐量与时延。（4）针对能耗管理缺失问题,设计了能效均衡的多路传输优化算法。首先,通过设计传输效用模型,对影响传输性能的带宽、时延、能耗等问题进行综合分析。而后,通过Q-Learning方法,在兼顾传输效率的基础上对传输能耗进行优化。仿真实验结果表明,所提算法能够在保证传输吞吐量与时延性能相似的前提下,实现传输能耗的降低。本文面向移动网络环境下的流媒体多路传输,对调度、拥塞、网络、能耗等问题进行了分析。并利用统计分析、数学建模、人工智能、实验测试等方法对相关问题进行了解决。本文的研究成果能够为我国未来移动流体业务的发展提供一定的技术支撑。
王洲[2]（2021）在《卫星物联网中基于DTN的拥塞控制策略研究》文中研究表明物联网（Internetof Things）应用作为5G系统里的一个重要的应用场景,随着时代的发展将迎来近百亿的设备接入量增长、数据流量的爆炸式增长以及不断出现的新应用场景。但是由于物联网业务的空间地理区域复杂多样,因此卫星物联网（Satellite Internet of Things）作为6G网络的一个重要应用场景被提出服务于难以建立可靠的地面回程链路的位置区域。为了弥补卫星通信网络长时延、链路不稳定和频繁的链路中断等缺点,时延容忍网络（DTN,Delay Tolerant Network）应用于卫星物联网受到了广泛的关注和研究。然而DTN需要占用大量的永久存储资源。因此卫星节点的带宽资源和存储资源受限,成为卫星物联网关键的性能瓶颈。在卫星物联网中部署拥塞控制策略可以有效解决卫星节点资源受限的性能瓶颈。因此在基于DTN架构的卫星物联网中,如何进行有效的拥塞控制策略成为卫星网络技术研究中的热点研究课题之一。本论文从基于D TN架构的卫星物联网的场景出发,结合不同类型的DTN路由策略的角度,深入研究了卫星物联网中基于DTN的拥塞控制策略。论文的主要研究内容和科研创新点包括:一、基于强化学习和贝叶斯博弈的拥塞控制策略研究。卫星物联网中,卫星节点数目受限导致每个卫星节点面临着海量节点的动态接入的情况。卫星节点的星间链路带宽受限,在网络流量突增时会导致多跳路由的链路拥塞。在DTN的架构下,低轨卫星存储空间受限时会在存储-携带-转发过程中,因网络流量突增导致网络的存储拥塞。为了解决以上三个关键科学问题,将多跳路由转发和DTN存储-转发策略进行结合,本章节从分布式策略出发将多节点的动态接入建模为一个贝叶斯博弈模型。将调度策略任务通过博弈的方式在地面用户处完成拥塞控制,以解决卫星动态接入导致的调度困难问题。本章节的第一个创新点是采用强化学习方法进行博弈,使得用户在调度自身业务中,在多跳链路传输和DTN存储-转发进行权衡。让接入的同路径上的所有用户达到贝叶斯均衡,实现拥塞控制的目的。从拥塞控制的效果上看,该拥塞控制策略可以降低约30%的丢包率。本章节的第二个创新点是提出了一种有限贪心策略来实现博弈的快速收敛和拥塞解除后的均衡状态的稳定性。从收敛速率提升效果上,有限贪心算法可以提升约60%的收敛速度。二、基于时空连接图和网络流算法的拥塞控制策略研究。本章节主要考察卫星物联网基于CGR（Contact Graph Routing）路由策略的拥塞控制策略。本章节主要针对物联网业务的优先级和时延容忍度,对CGR的路由算法提供拥塞避免的调度策略。本章节的创新点在于将存储、链路、路由进行统一建模为一个时空连接图,将多跳路由和DTN的存储-携带-转发进行结合。本章节提出了 HCGR-MF（Hybrid Contact Graph Routing-Max Flow）拥塞避免算法,通过调度存储和链路资源,实现拥塞避免。在考察业务的优先级时,将调度问题转化为一个有约束的多维背包问题。本章节另一个创新点在于将该背包问题建模成一个复杂网络的最小费用流问题,提出了 HCGR-MC（Hybrid Contact Graph Routing-Min Cost）拥塞控制算法。通过最小费用流的计算,得到可以使得不同特征业务的最优调度策略。通过仿真验证,从到达率上,HCGR-MF拥塞避免策略比CGR提升约50%的到达率,比多跳路由提升约30%的到达率。从加权投递率上,HCGR-MC相比HCGR-MF 提升约20%的加权到达率。三、基于流量控制和存储管理的拥塞控制策略研究。本章节主要考察卫星物联网基于传染路由的策略。对于传染路由中研究较多的VACCINE免疫传播策略,其在网络低速率带宽下的性能较差,因此不适用于卫星物联网资源受限的场景中。因此本章节从存储空间的管理角度设计调度策略,重点考察VACCINE免疫传播策略在低速率下的缺陷,对VACCINE免疫传播策略进行改进,提出了 CCS-ACS（Congestion Control Strategy With Adaptive Congestion State）拥塞拥塞策略。本章节的创新点在于基于流量控制算法,采用动态阈值的方法解决缓冲膨胀所带来的问题,结合主动丢弃、调整消息接收概率、副本控制动作,设计了基于流量控制和存储管理的拥塞控制策略。对比VACCINE免疫传播策略,可以在较低的网络开销下,整个时间区间上到达率可以实现约10%的效果提升。
王目[3]（2020）在《面向移动多媒体的信息中心网络关键技术研究》文中指出得益于无线通信技术的快速演进以及智能终端的广泛普及,移动互联网在近年来获得了快速的发展。随着移动互联网规模的扩张,以移动视频服务为代表的移动多媒体应用呈现出爆发式增长的趋势。然而,现有移动互联网仍然沿用传统TCP/IP的网络体系结构。TCP/IP以主机通信（Host Communication）为目标的设计理念已经难以适应当前互联网以内容分发为主的功能需求。传统的多媒体分发解决方案如内容分发网络（Content Delivery Network）以及对等网络（Peer-to-Peer）通过构建覆盖网络来实现大规模多媒体内容的分发。而覆盖网络设计不仅带来了额外的通信开销,拓扑动态自适应差,很难在节点位置高速切换的移动场景下为用户提供连续、就近的内容获取,严重影响多媒体用户的体验质量以及整体网络性能。为了解决TCP/IP网络的缺陷,国内外不少学者都在近年来开展了未来互联网架构的研究。信息中心网络（Information-Centric Networking,ICN）作为其中的代表之一,受到了学术界和工业界广泛关注。不同于传统TCP/IP命名主机的设计理念,ICN通过表示网络中数据的方法,建立按内容名字路由的网络架构。这种以信息为中心的设计特性保证了数据传输过程不会因为用户网络位置而发生变化,因此能够更好地支持移动场景。另外,ICN还引入了在路径缓存机制,实现了内容的就近获取。尽管ICN在支持移动网络内容分发上具有诸多优势,然而如何实现信息中心网络下高质量的移动多媒体服务仍然面临着一系列挑战,具体表现为:（1）现有ICN的缓存机制主要考虑将内容部署在网络接入节点以及固网路由器上,大量边缘移动设备的缓存资源得不到充分利用,严重影响了缓存资源利用率。此外,所采用的依概率缓存策略存在着缓存命中提升困难等问题;（2）移动场景下的ICN转发机制始终面临着转发时延和开销之间的矛盾,造成转发效率低下,难以支持移动多媒体大规模、低时延的传输需求;（3）当前ICN传输控制研究大多针对固网场景,难以适应移动环境下多变的网络拓扑以及用户行为变化,造成通信资源利用率低且多媒体传输质量提升困难;（4）随着自适应流媒体技术（Dynamic Adaptive Streaming,DAS）的广泛应用,实现ICN DAS服务成为了近年来的研究热点。然而现有ICNDAS仍然沿用了传统IP网络端到端的传输机制,缺乏对ICN多播、多速率以及在路径缓存等特点的考虑。如何实现ICNDAS中高效码率自适应对于多媒体服务在ICN中的广泛部署具有重要意义。针对以上挑战,本文研究了面向移动多媒体服务的ICN关键技术,重点从面向移动多媒体的ICN缓存、转发、传输控制等方面进行了深入研究,具体取得了如下成果:（1）设计了时间阈值的ICN多媒体协作缓存策略。首先针对移动协作缓存场景,构建了缓存分布-用户需求演化模型来描述移动Device-to-Device（D2D）通信场景下缓存分布与用户请求之间的变化关系。在该模型的基础上,本文以联合优化缓存开销以及内容获取时延为目标构建了优化问题。进一步地,通过理论及数值分析发现,基于时间阈值的缓存策略要优于依概率的缓存策略。因此,根据缓存优化问题提出了时间阈值协作缓存算法。通过仿真实验,验证了所提缓存算法的有效性。（2）在协作缓存的基础上,进一步提出了一种偏好与移动感知的ICN转发策略。首先将具有相似多媒体内容请求行为以及移动行为的节点进行聚类,并建立偏好感知的转发节点选择策略来选择能够最小化时延以及最大化传输可靠性的下一跳节点。除此之外,还提出了一种移动自适应的数据回传机制,保证了数据转发的连续性。（3）设计了一种分布式随机优化的ICN数据传输控制算法。针对移动多媒体场景下节点高动态、带宽受限等问题,结合ICN多路传输特性,将ICN数据传输控制问题建模为最大化网络平均效用的网络随机优化问题。将构建的问题转化为min-drift-minus-penalty形式,并进一步将其分解为请求调度子问题以及传输速率控制子问题。为解决该问题,设计了分布式交替下降算法对两个子问题进行迭代求解。通过理论以及数值分析证明了所提出解决方法的最优收敛性。仿真实验验证了在实际网络中部署该算法的优越性。（4）为了进一步提升ICN下DAS的体验质量,提出了面向ICN DAS传输的分布式异步优化策略。首先将原问题抽象描述为分段优化问题:在第一阶段,以最大化传输速率效用为优化目标构建ICN流控制优化问题;在第二阶段,将视频码率选择问题抽象为随机优化问题。为求解该问题,进一步提出了一种分布式异步优化算法（Distributed Asynchronous Optimization Algorithm,DAOA）,该算法包括了一种分布式交替镜像下降方法来求解第一阶段问题,以及基于虚队列的算法方法来求解第二阶段问题。本文从理论上证明了 DAOA的收敛性、复杂度以及动态自适应能力,并通过搭建仿真平台的方法验证了 DAOA的有效性。本研究针对ICN下的移动多媒体服务,考虑了多种不同应用场景,从数据缓存、转发、传输控制等方面开展了系统性的研究。在研究方法上,主要采用了数学建模、问题形式化描述、特定场景优化算法设计、算法性能理论与数值分析以及仿真实验等一系列研究方法。本文所取得的成果对我国未来网络体系架构优化、新型网络下的多媒体服务发展具有一定的借鉴意义。
郭慧[4]（2020）在《基于H.265流媒体网络实时传输机制的研究》文中认为随着互联网技术的不断发展,流媒体在很大程度上提升了人们对于网络应用的体验。传统的因特网传输表现形式单一,而实时流式传输技术集音频、视频和文字等多种信息于一体,成为实时视频传输的主要解决策略。目前,绝大多数数据业务基于TCP协议进行传输,通过TCP协议自身的拥塞控制机制保证传输质量。但是在实际应用中由于TCP协议的重传机制,视频数据的传输多采用UDP协议,而UDP协议本身并不具有拥塞控制机制,在网络拥塞的状态下会同TCP流抢占带宽。因此,研究适合视频数据传输并对TCP流友好的拥塞控制机制是很有实际意义的。本课题以H.265编码的视频数据为研究对象,介绍并分析了RTP协议、RTCP协议以及RTSP协议,研究了网络拥塞的产生原因及拥塞控制策略的分类,进行了传输机制验证平台的总体设计,对编码模块、流媒体服务器模块以及客户端模块分别予以介绍。由于视频数据的传输对延迟抖动和稳定性均具有要求,拥塞控制机制选用基于模型的TFRC算法,并在TFRC算法的基础上提出了改进的TFRC算法。针对TFRC算法在拥塞避免阶段的不足,从两方面对吞吐量公式进行修正,考虑了相邻往返时间延迟的变化以及采用调整因子对丢失事件率进行调整。然后使用NS-2对改进的TFRC算法进行性能测试,分别从TCP友好性性能、吞吐量变化、延迟抖动变化以及丢包率变化四个方面验证。实验结果表明改进的TFRC算法较传统的TFRC算法而言在这几方面均有所改善,更加适合H.265编码的视频流传输。
苏光远[5]（2020）在《移动视频直播低延迟拥塞控制技术研究》文中进行了进一步梳理目前,尽管移动视频直播服务已经被广泛使用,但是用户的体验质量（Quality of Experience,QoE）仍然不能令人满意。另外,以往的研究工作都是基于模拟实验或者小规模真实实验来研究这一问题,基于大量真实应用数据的研究还不多见。本课题首先从合作方（国内一个主要视频直播服务提供商）处获得了超过7.7TB的视频直播网络状态数据。分析这些数据发现视频编码层和传输层二者工作的不协调造成了视频卡顿和图像模糊等低QoE的现象。针对该问题,本课题设计并实现了基于深度强化学习算法A3C的智能拥塞控制算法,该算法从海量的历史网络数据中提取到视频编码层和传输层的高层特征,通过训练,使得算法能够在运行时,协调视频编码层和传输层的联动,让二者不再各行其是。另外,为了加速算法训练过程,本课题设计并实现了压缩时间的视频直播模拟器,该模拟器能够在3.6分钟内模拟完成24小时的直播过程。最后,本课题对算法进行了性能评估,发现其相比于其他视频传输解决方案,性能平均提升10%左右。
李辉[6]（2020）在《命名数据网络中的拥塞控制策略研究》文中指出命名数据网络（Named Data Networking）因其具有无连接、泛在缓存、逐跳转发等特征而成为最具有希望代替当今TCP/IP网络的未来互联网架构之一。相比于TCP/IP网络,NDN网络关注的是命名数据而不是其所在的位置（IP地址）,数据成为NDN的一级实体。新网络架构的产生会带来新的研究内容,拥塞控制就是其中关注的焦点内容之一。虽然NDN拥有消费者驱动,一个兴趣包返回一个数据包的传输模式,能够在一定程度上维持网络流量的自平衡;但另一方面,网络流量的不可预知性、网络资源的有限性以及NDN多源、多路径的传输模式导致网络中存在大量冗余数据,使得拥塞仍然是NDN网络的固有属性。由于NDN具有新的网络架构和传输模式,传统TCP/IP网络的拥塞控制机制在NDN中表现不佳。另外,基于窗口的拥塞控制算法在NDN中被广泛使用,但由于无法确定最佳发送窗口大小而达不到最佳吞吐量;再者,NDN路由与转发平面分离,固有地支持无环多路径转发,为NDN的拥塞控制带来新的解决思路,但现有的多路径转发方案大多存在对拥塞反应滞后、难以扩展以及复杂度高等问题。所有这些情况迫使我们设计一些新的拥塞控制机制来解决这些问题。本文从NDN网络架构入手,首先介绍了这种新型网络架构的相关拥塞技术,然后在现有拥塞控制研究成果的基础上设计了一种基于精确反馈的显式拥塞控制方案PFECC（Precise Feedback-based Explicit Congestion Control）。PFECC从消费者和中间节点两方面来设计拥塞控制策略。消费者根据数据包携带的显式反馈标记精确、及时地调整每个流的发送窗口,以快速收敛到目标速率,提高网络吞吐量;PFECC下游路由器通过监测上游路由器队列数据包的排队时延趋势来分流兴趣包流量,以及时、有效地利用负载较低的链路进行多路径转发。当链路状态恢复正常后,多路径转发策略又可以将流量自动地切换到最佳路径进行转发,有效地避免了拥塞现象的发生,提高了网络的吞吐量。最后,本文把所提出的方案在ndnSIM平台上进行了仿真实验,并与相关算法进行了比较。结果表明PFECC能有效减少数据包传输时延,公平地对待每个流并能更快地收敛到最佳吞吐量。
梁文博[7]（2019）在《流媒体技术在远程教育中的研究与应用》文中认为随着计算机和网络信息技术的飞速发展,以互联网、多媒体等技术为基础的现代远程教育正逐步成为一种新兴的教育方式。同时,流媒体技术的日益成熟也促成了现代远程教育对资源共享的优势,这也为解决城乡、区域间教育发展的不均衡以及实现更公平的教育资源共享提供了条件。本文基于RTP/RTCP协议、多slice编码数据传输技术、拥塞控制技术及流媒体数据缓冲等技术,提出一种以软硬件相结合的方式来实现流媒体技术与远程教育的有效融合。采用海思Hi3531A作为核心处理器的嵌入式服务架构,实现了身份验证登录模块、控制台模块、实时数据采集模块、互动教学模块、信息存储模块以及通信传输核心模块。通信传输核心功能采用基于RTP/RTCP协议的具有QoS保障功能的实时传输技术,首先应用多slice编码并实现AAC-LC音频和H.264视频编码数据RTP封装的方式来减小数据量的传输。其次为提供更好的QoS保障功能,提出镜面伸缩策略以及改进的RAP拥塞控制策略,并将两种策略相结合,同时基于RTCP协议完成对QoS的实时监测。最后为提高嵌入式系统的整体性能以及确保数据解码顺序的正确性,在接收数据时完成自定义排序缓冲区的建立。测试结果表明嵌入式系统可以提供有效的流媒体实时传输功能,且在网络状况不良的情况下,能保障音视频传输的服务质量,降低延时,减小丢包率。该远程教育嵌入式系统良好的解决了异地教育的网络化、信息化,具有巨大的实用价值和可推广性。
才新[8]（2019）在《基于SDN网络的视频流媒体传输性能研究》文中指出伴随着互联网行业与多媒体技术的蓬勃发展,视频流媒体应用在互联网上大放异彩。其严格的QoS需求为人们的生活和工作带来了便利,但同时也给网络传输带来了不小的挑战。传统网络尽力而为的转发方式和分布式的控制形式常常导致网络中流量调度的迟滞,这会造成视频传输的不稳定,严重影响视频传输的服务质量。软件定义网络（Software Defined Network,SDN）是一种与传统网络结构有所不同的网络架构,其转控分离、集中控制、可编程的思想为网络中的流量工程、QoS路由等问题提供了独特的解决思路。本文旨在利用SDN的特性提高视频流媒体的传输性能,主要研究内容有以下几个方面:首先,本文将网络中的业务分为四种类型,并根据业务对QoS需求的不同,对业务进行优先级的区分并为他们设定不同的优先级值,提出了视频流媒体的QoS控制策略。其次,基于遗传算法的QoS路由为视频流媒体（最高优先级业务）计算传输路径,基于Dijkstra算法以跳数为代价为其他优先级业务计算传输路径。当控制器监测到视频流媒体的传输路径出现拥塞时,采取动态路由措施更好地保障视频流媒体的QoS。再次,使用HTB队列规则在OpenFlow交换机上实现不同优先级业务的区分调度,优先保障视频流媒体业务的QoS。同时提供带宽充足时的借带宽机制,尽力保障每个业务流的传输需求。最后,对QoS控制策略中的拓扑管理模块、链路信息测量模块、路由管理模块以及队列调度模块分别进行了设计与实现,并在由Mninet、Ryu控制器、摄像头等软硬件搭建的SDN网络传输环境中,对QoS控制策略进行了仿真测试。测试结果表明,相比Dijstra算法基于跳数选出的路径,QoS控制策略能为视频流媒体选择一条符合其时延在10s以内、丢包率在20×10的路径进行传输;当传输路径拥塞时,相比未使用动态路由机制,QoS控制策略能减少视频流吞吐量恢复至稳定的时间,减少了63.5%;QoS控制策略能在数据转发层保障不同优先级业务的QoS,较好地保证了视频流媒体业务端到端的QoS需求。
周鹏[9]（2019）在《视频传输QoS优化方案研究》文中研究说明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。
黄军华[10]（2018）在《会议视频中提高QoS的传输方案研究》文中研究指明相比于传统的现场会议,网络视频会议更加方便,能够更进一步地促进交流。同时,当前网络朝着异构网络方向进行发展,例如无线网络、移动蜂窝网络等。这也使得网络视频会议在异构网络中的运用出现了新的问题,由于传输系统未考虑异构网络中丢包多样性和带宽波动性,会使得系统性能降低。所以,增加传输系统对异构网络的适用性,对于提高网络视频会议的系统性能具有重要意义。本文针对视频传输方案中的拥塞控制和播放控制进行研究。首先,通过对视频传输方案进行研究,指出传输系统方案中两个关键的控制模块,视频传输拥塞控制和视频播放控制,并对这两个模块相关的研究进展进行了详细介绍,分析总结它们的优缺点。其次,本文针对传输方案中拥塞控制缺乏有效的丢包区分算法问题,提出一种基于卡尔曼滤波的丢包区分算法,用以提高拥塞控制算法在异构网络中的丢包区分精度。算法通过使用卡尔曼滤波计算包到达时间间隔,从而提高时延估计的准确度。算法通过比较丢包时段和稳定时段内包到达时间间隔,判断丢包类型,并将判断值用于信息反馈。本文将基于卡尔曼滤波的丢包区分算法运用到TFRC拥塞控制算法中,并在NS2中搭建视频传输系统验证该算法的有效性。仿真结果表明,改进的TFRC算法较其他拥塞控制算法具有更低的丢包误判率和更高的吞吐量。最后,本文针对传统的视频播放控制算法对播放速率调整过快导致的用户体验降低的问题,提出一种基于状态转移概率的视频播放算法。算法首先计算缓冲区的状态转移概率,并结合当前缓冲区状态进行下一状态的估计,之后根据估计的状态进行播放速率的调整。状态转移概率通过缓冲区剩余帧数滑动窗口进行计算。本文在NS2上搭建视频传输系统,并在其上进行所提视频播放算法的仿真实验。仿真结果表明,相比于传统的AMP-Mean和基于概率估计的播放算法,本文算法具有更稳定的播放速率调整和播放时延,能够更好地提高系统QoS。
二、Internet视频传输的拥塞控制策略（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Internet视频传输的拥塞控制策略（论文提纲范文）
（1）移动流媒体多路传输关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 本文主要缩略语 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 论文选题依据 |
| 1.3 论文主要研究内容 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文组织结构 |
| 第二章 相关工作综述 |
| 2.1 移动网络下的流媒体业务 |
| 2.2 移动流媒体单路传输技术 |
| 2.3 移动流媒体多路传输技术 |
| 2.4 本章小结 |
| 第三章 部分可靠的多路虚拟队列调度机制 |
| 3.1 本章引言 |
| 3.2 延迟预测的多路虚拟队列分发 |
| 3.2.1 传输丢包分析模型 |
| 3.2.2 基于混沌理论的到达预测 |
| 3.2.3 多路虚拟队列分发 |
| 3.3 面向消息的部分可靠重传算法 |
| 3.3.1 MPTCP部分可靠协议扩展 |
| 3.3.2 面向消息的重传算法 |
| 3.4 仿真实验 |
| 3.4.1 FD-MVQS性能验证 |
| 3.4.2 MO-PR性能验证 |
| 3.5 本章小结 |
| 第四章 输入特征分析的多路智能拥塞控制机制 |
| 4.1 本章引言 |
| 4.2 系统设计 |
| 4.3 RL-PSD算法 |
| 4.3.1 输入流功率谱密度分析 |
| 4.3.2 多路传输状态分析 |
| 4.3.3 拥塞控制动作定义 |
| 4.3.4 基于传输效用函数的回报计算 |
| 4.3.5 双层协作的Q-表生成与维护 |
| 4.4 性能分析 |
| 4.4.1 实验场景设计 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 第五章 子流耦合感知的多路自适应传输方案 |
| 5.1 本章引言 |
| 5.2 系统设计 |
| 5.3 基于小波去噪的子流耦合识别 |
| 5.3.1 柔性阈值的小波去噪 |
| 5.3.2 子流耦合特征识别 |
| 5.4 基于DQN的多路传输控制 |
| 5.4.1 多路DQN传输模型 |
| 5.4.2 多路DQN拥塞控制算法 |
| 5.5 性能分析 |
| 5.5.1 实验场景设计 |
| 5.5.2 实验结果分析 |
| 5.6 本章小结 |
| 第六章 能效均衡的多路传输优化算法 |
| 6.1 本章引言 |
| 6.2 系统设计 |
| 6.3 QE-MCC算法 |
| 6.3.1 传输系统状态定义 |
| 6.3.2 能量感知的传输能效模型 |
| 6.3.3 基于Q-Learning的多路拥塞控制 |
| 6.4 性能分析 |
| 6.4.1 实验场景设计 |
| 6.4.2 实验结果分析 |
| 6.5 本章小结 |
| 第七章 结语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术成果 |
| 攻读博士学位期间参与的科研项目 |
（2）卫星物联网中基于DTN的拥塞控制策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和创新点 |
| 1.4 论文结构安排 |
| 第二章 卫星物联网的系统架构协议 |
| 2.1 概述 |
| 2.2 卫星物联网的系统架构 |
| 2.2.1 卫星物联网的典型应用场景 |
| 2.2.2 卫星物联网的通信系统设计 |
| 2.3 卫星物联网中基于DTN的协议体系 |
| 2.3.1 DTN的协议架构 |
| 2.3.2 DTN架构的基本概念 |
| 2.3.3 DTN架构的特点 |
| 2.3.4 DTN的路由策略 |
| 2.3.5 DTN网络拥塞的产生和拥塞控制 |
| 第三章 基于强化学习和贝叶斯博弈的拥塞控制策略研究 |
| 3.1 概述 |
| 3.2 场景描述 |
| 3.3 系统模型 |
| 3.4 LGFCC有限贪心快速拥塞控制算法 |
| 3.4.1 强化学习及Q-learning算法的基本原理 |
| 3.4.2 基于Q-leaming的贝叶斯博弈学习算法 |
| 3.4.3 有限贪心快速收敛策略 |
| 3.5 仿真和性能分析 |
| 3.6 本章小结 |
| 第四章 基于时空连接图和网络流算法的拥塞控制策略研究 |
| 4.1 概述 |
| 4.2 场景描述 |
| 4.3 系统模型 |
| 4.4 基于最大流的HCGR-MF拥塞避免算法 |
| 4.4.1 Ford-Fulkerson最大流算法 |
| 4.4.2 HCGR-MF拥塞避免算法描述 |
| 4.5 基于最小费用最大流的HCGR-MC拥塞控制算法 |
| 4.5.1 问题描述 |
| 4.5.2 HCGR-MC拥塞控制算法描述 |
| 4.6 仿真和性能分析 |
| 4.6.1 STK仿真工具简介 |
| 4.6.2 铱星星座仿真模型建立 |
| 4.6.3 测量指标 |
| 4.6.4 仿真结果和结论分析 |
| 4.7 本章小结 |
| 第五章 基于流量控制和存储管理的拥塞控制策略研究 |
| 5.1 概述 |
| 5.2 场景描述 |
| 5.3 系统模型 |
| 5.4 拥塞控制策略系统流程设计 |
| 5.4.1 基于EWMA的存储变化速率检测 |
| 5.4.2 基于概率接收的流量控制策略 |
| 5.4.3 基于流量卸载的存储管理策略 |
| 5.4.4 CCS-ACS拥塞控制策略 |
| 5.5 仿真和性能分析 |
| 5.5.1 ONE仿真工具简介 |
| 5.5.2 Walker星座三层仿真模型建立 |
| 5.5.3 测量指标 |
| 5.5.4 仿真和性能分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（3）面向移动多媒体的信息中心网络关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.1.1 移动多媒体服务发展概述 |
| 1.1.2 信息中心网络的特性 |
| 1.1.3 信息中心网络下移动多媒体服务面临的挑战 |
| 1.2 论文选题依据 |
| 1.3 论文主要研究内容 |
| 1.4 论文主要贡献与创新 |
| 1.5 论文组织结构 |
| 1.6 本章参考文献 |
| 第二章 相关工作综述 |
| 2.1 传统IP网络下的移动多媒体服务解决方案 |
| 2.1.1 概述 |
| 2.1.2 基于MP2P的移动多媒体服务 |
| 2.2 信息中心网络下的多媒体服务技术 |
| 2.2.1 概述 |
| 2.2.2 ICN下的数据缓存机制 |
| 2.2.3 ICN下的数据转发机制 |
| 2.2.4 ICN下的传输控制机制 |
| 2.2.5 面向DAS的ICN传输机制 |
| 2.3 本章小结 |
| 2.4 本章参考文献 |
| 第三章 时间阈值的ICN多媒体协作缓存策略 |
| 3.1 本章引言 |
| 3.2 系统建模 |
| 3.2.1 网络条件假设 |
| 3.2.2 网络节点的角色及状态定义 |
| 3.2.3 节点状态演化流模型 |
| 3.2.4 状态演化方程组构建 |
| 3.3 基于状态演化模型的ICN协作缓存优化 |
| 3.3.1 缓存性能与开销联合优化问题建模 |
| 3.3.2 最优化时间阈值的缓存控制 |
| 3.3.3 时间阈值缓存算法ζ~*-OCP |
| 3.4 仿真实验 |
| 3.5 本章小节 |
| 3.6 本章参考文献 |
| 第四章 偏好与移动感知的ICN转发策略 |
| 4.1 本章引言 |
| 4.2 用户行为分析 |
| 4.3 偏好转发表的构建 |
| 4.3.1 基于偏好、移动相似性评估的关联节点选择 |
| 4.3.2 偏好转发表(HPCT)构建 |
| 4.3.3 偏好转发表(HPCT)的维护机制 |
| 4.4 ICN转发机制设计 |
| 4.4.1 基于HPCT的ICN兴趣包转发方法 |
| 4.4.2 移动自适应的ICN数据转发机制 |
| 4.5 性能评估 |
| 4.6 本章小节 |
| 4.7 本章参考文献 |
| 第五章 基于分布式随机优化的ICN传输控制方法 |
| 5.1 本章引言 |
| 5.2 系统模型 |
| 5.2.1 网络和传输模型 |
| 5.2.2 请求等待队列 |
| 5.2.3 策略空间 |
| 5.2.4 问题形式建模 |
| 5.2.5 随机问题分解 |
| 5.3 DADM设计 |
| 5.3.1 面向DADM的ICN转发平面设计 |
| 5.3.2 算法详细设计 |
| 5.4 DADM的主要结果 |
| 5.4.1 计算复杂度 |
| 5.4.2 队列稳定性 |
| 5.4.3 算法最优性收敛 |
| 5.5 仿真测试 |
| 5.5.1 实验设置与实现 |
| 5.5.2 基础设施场景 |
| 5.5.3 基于Mesh的移动场景 |
| 5.6 本章小结 |
| 5.7 本章参考文献 |
| 第六章 面向ICN自适应视频流传输的分布式异步优化 |
| 6.1 本章引言 |
| 6.2 场景描述 |
| 6.2.1 网络模型 |
| 6.3 问题形式化 |
| 6.3.1 第一阶段:ICN DAS流控制优化 |
| 6.3.2 第二阶段:请求比特率自适应问题 |
| 6.4 分布式异步优化算法设计 |
| 6.4.1 问题P1的算法 |
| 6.4.2 问题P2算法 |
| 6.5 主要理论结果 |
| 6.5.1 算法收敛性分析 |
| 6.5.2 复杂度分析 |
| 6.5.3 时变自适应 |
| 6.6 性能评估 |
| 6.6.1 参数设置 |
| 6.6.2 森林拓扑结构 |
| 6.6.3 基于CDN的拓扑 |
| 6.6.4 大规模网络场景 |
| 本章小结 |
| 本章参考文献 |
| 第七章 结语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 附录A 第三章中定理证明 |
| A-Ⅰ 定理3.1证明 |
| A-Ⅱ 定理3.2证明 |
| A-Ⅲ 参考文献 |
| 附录B 第五章中定理证明 |
| B-Ⅰ 定理5.1证明 |
| B-Ⅱ 定理5.2证明 |
| B-Ⅲ 定理5.3证明 |
| 附录C 第六章中定理证明 |
| C-Ⅰ交替镜像下降法介绍 |
| C-Ⅱ 命题6.1证明 |
| C-Ⅲ 定理6.2证明 |
| C-Ⅲ 定理6.3证明 |
| C-Ⅲ 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术成果 |
| 攻读博士学位期间主持或参与的科研项目 |
（4）基于H.265流媒体网络实时传输机制的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 课题主要研究内容 |
| 第二章 流媒体相关技术概述 |
| 2.1 H.265编码概述 |
| 2.1.1 H.265编码框架 |
| 2.1.2 H.265的分层结构 |
| 2.2 RTP/RTCP协议 |
| 2.2.1 RTP包头格式 |
| 2.2.2 RTP载荷类型 |
| 2.2.3 RTCP数据包类型 |
| 2.3 RTSP协议 |
| 2.4 本章小结 |
| 第三章 网络拥塞控制协议TFRC的研究 |
| 3.1 网络拥塞控制策略 |
| 3.1.1 网络拥塞的产生因素 |
| 3.1.2 网络拥塞控制机制 |
| 3.2 TFRC协议基本原理 |
| 3.3 TFRC协议拥塞控制的两大阶段 |
| 3.3.1 慢启动阶段 |
| 3.3.2 拥塞避免阶段 |
| 3.4 吞吐量公式中两大关键参数的实现 |
| 3.4.1 回环时间 |
| 3.4.2 丢失事件率 |
| 3.5 本章小结 |
| 第四章 TFRC协议的优化与仿真 |
| 4.1 TFRC算法改进的实现 |
| 4.1.1 回环时间的改进 |
| 4.1.2 事件丢失率的改进 |
| 4.2 NS-2仿真与结果分析 |
| 4.2.1 NS-2仿真工具的介绍 |
| 4.2.2 TFRC算法仿真分析 |
| 4.3 本章小结 |
| 第五章 H.265流媒体传输系统的设计与实现 |
| 5.1 总体设计 |
| 5.2 H.265编码的实现 |
| 5.3 服务端的设计与实现 |
| 5.3.1 live555开源平台 |
| 5.3.2 基于live555的服务端实现 |
| 5.4 客户端的设计与实现 |
| 5.5 结果测试 |
| 5.5.1 实验环境 |
| 5.5.2 实验步骤 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文及取得的科研成果 |
| 个人简历 |
（5）移动视频直播低延迟拥塞控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关技术 |
| 2.1 视频直播相关技术 |
| 2.1.1 视频直播系统 |
| 2.1.2 实时视频传输系统 |
| 2.1.3 谷歌拥塞控制算法 |
| 2.1.4 基于人工智能的协议 |
| 2.2 强化学习算法基础 |
| 2.2.1 强化学习概述 |
| 2.2.2 基于价值的强化学习方法 |
| 2.2.3 基于策略的强化学习方法 |
| 2.2.4 基于Actor-Critic的强化学习方法 |
| 2.3 本章小结 |
| 第三章 对直播数据的分析与问题定位 |
| 3.1 直播数据的获取与存储 |
| 3.2 对直播数据的宏观分析 |
| 3.3 对直播性能不佳原因的分析 |
| 3.3.1 对比实验 |
| 3.3.2 对直播性能不佳原因的分析 |
| 3.4 本章小结 |
| 第四章 基于强化学习的拥塞控制算法设计 |
| 4.1 拥塞控制算法的系统设计 |
| 4.2 强化学习模型 |
| 4.2.1 模型的输入和输出 |
| 4.2.2 模型的反馈 |
| 4.2.3 模型的神经网络结构 |
| 4.3 模型梯度训练设计 |
| 4.3.1 增加探索性设计 |
| 4.3.2 异步训练设计 |
| 4.4 本章小结 |
| 第五章 智能拥塞控制算法实现与评估 |
| 5.1 视频直播模拟器设计 |
| 5.1.1 模拟器的网络结构设计 |
| 5.1.2 模拟器时钟的设计 |
| 5.2 视频直播模拟器的实现 |
| 5.2.1 相关数据结构 |
| 5.2.2 模拟器关键部分的实现 |
| 5.3 基于强化学习的拥塞控制算法实现 |
| 5.3.1 神经网络结构的实现 |
| 5.3.2 强化学习模型的训练 |
| 5.3.3 强化学习模型的使用 |
| 5.4 性能评估 |
| 5.4.1 性能评估的方法 |
| 5.4.2 强化学习算法的效果 |
| 5.4.3 不同算法性能比较 |
| 5.4.4 算法参数对性能的影响 |
| 5.5 本章总结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文及研究成果 |
（6）命名数据网络中的拥塞控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 NDN拥塞控制算法研究现状 |
| 1.2.2 NDN转发策略研究现状 |
| 1.3 研究内容和创新点 |
| 1.4 论文组织结构 |
| 第2章 相关理论和概念 |
| 2.1 命名数据网络概述 |
| 2.1.1 NDN的体系架构 |
| 2.1.2 NDN路由器的数据结构及其转发模型 |
| 2.2 拥塞控制分析 |
| 2.2.1 传统TCP/IP网络中的拥塞控制 |
| 2.2.2 NDN的拥塞控制 |
| 2.3 ndnSIM简介 |
| 2.4 本章小结 |
| 第3章 基于精确反馈的显式拥塞控制策略 |
| 3.1 引言 |
| 3.2 拥塞控制模型 |
| 3.3 PFECC算法设计细节 |
| 3.3.1 拥塞检测 |
| 3.3.2 显式反馈标记 |
| 3.3.3 消费者窗口调整算法 |
| 3.3.4 多路径转发算法 |
| 3.4 本章小结 |
| 第4章 仿真实验与性能分析 |
| 4.1 仿真实验与参数设置 |
| 4.2 仿真结果与分析 |
| 4.2.1 PFECC的有效性 |
| 4.2.2 PFECC的吞吐量与多路径转发的性能 |
| 4.2.3 总体性能 |
| 4.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
（7）流媒体技术在远程教育中的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 远程教育发展状况 |
| 1.2.2 实时流媒体传输技术 |
| 1.3 论文结构安排 |
| 2 远程教育嵌入式系统分析 |
| 2.1 远程教育嵌入式系统组网方案 |
| 2.2 嵌入式系统结构设计 |
| 2.2.1 硬件结构 |
| 2.2.2 设备嵌入式服务架构 |
| 2.3 本章小结 |
| 3 远程教育嵌入式设备的核心功能设计 |
| 3.1 远程教育嵌入式设备开发环境 |
| 3.2 登录模块的实现 |
| 3.3 控制台模块的实现 |
| 3.4 音视频采集模块的实现 |
| 3.4.1 视频采集 |
| 3.4.2 音频采集 |
| 3.5 音视频教学模块的实现 |
| 3.5.1 实时预览 |
| 3.5.2 镜面伸缩 |
| 3.5.3 发言功能 |
| 3.6 流媒体存储模块的实现 |
| 3.7 本章小结 |
| 4 远程教育通信传输核心功能设计 |
| 4.1 嵌入式设备与服务端之间的通信传输模块 |
| 4.2 嵌入式设备与服务端之间的实时传输模块 |
| 4.3 RTP发送处理的实现 |
| 4.3.1 多slice(片)编码 |
| 4.3.2 AAC-LC音频数据和H.264 视频数据的RTP封装 |
| 4.3.3 RTP数据的发送过程 |
| 4.3.4 自适应拥塞控制策略 |
| 4.4 RTP接收处理的实现 |
| 4.4.1 RTP数据的接收过程 |
| 4.4.2 排序缓冲区的建立 |
| 4.5 基于RTCP的 QoS监测 |
| 4.5.1 QoS参数计算 |
| 4.5.2 RTCP包的传输时间间隔 |
| 4.6 本章小结 |
| 5 实验与测试 |
| 5.1 测试目的 |
| 5.2 测试环境 |
| 5.3 测试内容与分析 |
| 5.3.1 基本功能测试 |
| 5.3.2 终端网络的QoS保障测试 |
| 5.3.3 网络测量测试 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 有待继续研究的内容 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
（8）基于SDN网络的视频流媒体传输性能研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 SDN研究现状 |
| 1.2.2 SDN网络中视频流媒体Qo S控制策略的研究现状 |
| 1.2.3 视频流媒体Qo S研究存在的问题 |
| 1.3 论文的主要研究内容及结构安排 |
| 1.3.1 论文的主要内容 |
| 1.3.2 论文的结构安排 |
| 2 SDN中 QoS相关技术分析 |
| 2.1 QoS技术 |
| 2.1.1 QoS定义 |
| 2.1.2 Qo S服务模型及机制分析 |
| 2.2 传统网络下的流媒体传输分析 |
| 2.3 SDN相关技术 |
| 2.3.1 SDN控制器 |
| 2.3.2 OpenFlow |
| 2.3.3 OpenFlow对 QoS的支持 |
| 2.3.4 智能算法在SDN上运行的可行性及SDN特性分析 |
| 2.4 本章小结 |
| 3 QoS控制策略需求分析与设计 |
| 3.1 需求分析 |
| 3.1.1 应用环境分析 |
| 3.1.2 应用需求分析 |
| 3.2 QoS控制策略框架 |
| 3.2.1 数据流分类 |
| 3.2.2 QoS控制策略设计 |
| 3.3 QoS控制策略框架模块分析 |
| 3.3.1 QoS路由框架 |
| 3.3.2 队列调度策略 |
| 3.4 基于遗传算法的多Qo S约束路由算法分析与设计 |
| 3.4.1 路由度量数学模型 |
| 3.4.2 遗传算法基本概念 |
| 3.4.3 染色体编码设计 |
| 3.4.4 种群初始化设计 |
| 3.4.5 适应度函数设计 |
| 3.4.6 遗传算子设计 |
| 3.5 本章小结 |
| 4 QoS控制策略实现 |
| 4.1 QoS控制框架实现概述 |
| 4.2 QoS路由的实现 |
| 4.2.1 链路性能测量模块的实现 |
| 4.2.2 拓扑管理模块的实现 |
| 4.2.3 路由管理模块 |
| 4.2.4 遗传算法的实现 |
| 4.3 队列调度策略的实现 |
| 4.4 本章小结 |
| 5 实验仿真与结果分析 |
| 5.1 仿真实验环境介绍 |
| 5.1.1 网络仿真软件Mininet |
| 5.1.2 其他实验环境及相关软件介绍 |
| 5.2 网络环境搭建 |
| 5.2.1 拓扑环境搭建 |
| 5.2.2 视频服务器搭建 |
| 5.3 实验仿真与结果分析 |
| 5.3.1 QoS路由计算有效性分析 |
| 5.3.2 动态路由有效性分析 |
| 5.3.3 队列调度的Qo S控制性能测试 |
| 5.3.4 QoS控制策略性能分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（9）视频传输QoS优化方案研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 视频传输应用研究现状 |
| 1.2.2 视频传输QoS研究现状 |
| 1.3 本文的主要工作 |
| 1.4 论文组织结构 |
| 第2章 视频传输及QoS保障相关技术研究 |
| 2.1 视频传输相关技术研究 |
| 2.1.1 视频传输整体架构设计 |
| 2.1.2 视频传输拥塞控制技术 |
| 2.1.3 视频播放控制技术 |
| 2.1.4 RTP/RTCP协议介绍 |
| 2.2 QoS保障技术研究 |
| 2.2.1 QoS技术的介绍 |
| 2.2.2 基于终端的AQoS技术 |
| 2.2.3 基于网络的NQoS技术 |
| 2.3 本章小结 |
| 第3章 基于神经网络的带宽预测模型和拥塞控制算法 |
| 3.1 神经网络概述 |
| 3.2 BP神经网络模型 |
| 3.2.1 BP神经网络模型原理 |
| 3.2.2 BP神经网络模型理论分析 |
| 3.2.3 基于BP神经网络模型的网络带宽利用率预测模型 |
| 3.3 循环神经网络模型 |
| 3.3.1 循环神经网络模型原理 |
| 3.3.2 循环神经网络模型理论分析 |
| 3.4 LSTM神经网络模型 |
| 3.4.1 LSTM神经网络模型介绍 |
| 3.4.2 LSTM神经网络的前向计算过程 |
| 3.4.3 基于LSTM神经网络模型的网络带宽利用率预测模型 |
| 3.5 实验结果及分析 |
| 3.6 本章小结 |
| 第4章 基于马尔科夫链的视频播放控制算法 |
| 4.1 视频播放控制概述 |
| 4.2 视频播放控制算法研究 |
| 4.2.1 传统的视频播放控制算法 |
| 4.2.2 改进的视频播放控制算法 |
| 4.3 马尔科夫模型及视频播放算法 |
| 4.3.1 马尔科夫模型理论分析 |
| 4.3.2 视频播放控制算法分析 |
| 4.3.3 缓冲区参数选取和视频播放速率控制 |
| 4.4 视频播放仿真实验 |
| 4.4.1 视频播放仿真系统设计 |
| 4.4.2 仿真结果及分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（10）会议视频中提高QoS的传输方案研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 会议视频系统的发展现状 |
| 1.2.2 视频传输系统研究进展 |
| 1.3 本文的主要工作 |
| 1.4 本文结构 |
| 第2章 视频传输方案相关技术研究 |
| 2.1 视频传输方案研究 |
| 2.1.1 视频传输方案整体框架 |
| 2.1.2 主要模块 |
| 2.2 视频传输技术研究 |
| 2.2.1 基于网络层的视频传输技术 |
| 2.2.2 视频传输拥塞控制技术 |
| 2.3 视频播放控制 |
| 2.3.1 流媒体连续播放 |
| 2.3.2 传输时延及时延抖动 |
| 2.3.3 播放速率、缓冲区长度和发送速率的关联 |
| 2.4 系统Qo S与用户Qo E |
| 2.5 网络仿真软件 |
| 2.6 本章小结 |
| 第3章 异构网络的丢包区分和拥塞控制方法 |
| 3.1 TCP友好性速率控制算法 |
| 3.2 异构网络丢包区分算法研究 |
| 3.3 基于卡尔曼滤波的拥塞控制算法设计 |
| 3.3.1 卡尔曼滤波 |
| 3.3.2 基于卡尔曼滤波的丢包区分算法 |
| 3.3.3 拥塞反馈控制 |
| 3.4 仿真实验结果及分析 |
| 3.5 本章小结 |
| 第4章 基于状态转移概率的视频播放控制算法 |
| 4.1 经典视频播放算法分析 |
| 4.2 算法设计 |
| 4.2.1 缓冲区长度选取 |
| 4.2.2 播放速率控制模型 |
| 4.2.3 基于状态溢出估计的播放控制算法 |
| 4.3 仿真模型 |
| 4.4 视频播放仿真系统设计与实现 |
| 4.4.1 视频发送和接收模块 |
| 4.4.2 视频传输控制模块 |
| 4.4.3 播放控制模块 |
| 4.5 仿真结果及分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
四、Internet视频传输的拥塞控制策略（论文参考文献）
- [1]移动流媒体多路传输关键技术研究[D]. 秦久人. 北京邮电大学, 2021(01)
- [2]卫星物联网中基于DTN的拥塞控制策略研究[D]. 王洲. 北京邮电大学, 2021(01)
- [3]面向移动多媒体的信息中心网络关键技术研究[D]. 王目. 北京邮电大学, 2020(01)
- [4]基于H.265流媒体网络实时传输机制的研究[D]. 郭慧. 内蒙古工业大学, 2020(02)
- [5]移动视频直播低延迟拥塞控制技术研究[D]. 苏光远. 北京邮电大学, 2020(04)
- [6]命名数据网络中的拥塞控制策略研究[D]. 李辉. 兰州理工大学, 2020(10)
- [7]流媒体技术在远程教育中的研究与应用[D]. 梁文博. 西安科技大学, 2019(01)
- [8]基于SDN网络的视频流媒体传输性能研究[D]. 才新. 西安工业大学, 2019(03)
- [9]视频传输QoS优化方案研究[D]. 周鹏. 重庆邮电大学, 2019(02)
- [10]会议视频中提高QoS的传输方案研究[D]. 黄军华. 重庆邮电大学, 2018(01)