基于多层神经网络控制的动态自适应播放

基于多层神经网络控制的动态自适应播放

ID:33483435

大小:218.39 KB

页数:4页

时间:2019-02-26

基于多层神经网络控制的动态自适应播放_第1页
基于多层神经网络控制的动态自适应播放_第2页
基于多层神经网络控制的动态自适应播放_第3页
基于多层神经网络控制的动态自适应播放_第4页
资源描述:

《基于多层神经网络控制的动态自适应播放》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、ISSN100020054清华大学学报(自然科学版)2006年第46卷第1期35ö41CN1122223öNJTsinghuaUniv(Sci&Tech),2006,Vol.46,No.11332136基于多层神经网络控制的动态自适应播放曾 涛, 戴琼海(清华大学自动化系,北京100084)摘 要:基于流媒体客户端缓冲的被动变化可以通过自适能很快就会耗尽,即缓冲下溢;较大的缓冲带来的应媒体播放(AMP)技术修改播放速度来调节,为了减轻过分延迟又不适合于实时性要求较高的应用。AMP中速度突变对播放质量的影响,提高变速的性能,提出自适应媒体播放技术[24

2、]的提出为缓冲的随机了一种基于多层神经网络控制的AMP方法,产生随当前缓变化问题找到了一种主动修正的平衡方案。与传统冲动态变化的速度,并且保持缓冲稳定在一定的范围内。该[5]的码率控制的方法不同,它只基于客户端的调节,方法引入了多层神经网络控制结构,并采用反向传播学习算利用了播放速度对缓冲的相关性,实时减缓缓冲的法(BP)进行离线训练。仿真结果表明:该方法产生的速度平被动变化。速度加快可以减少缓冲,反之可以增加缓均幅值和变化增量可以减少0~100%,性能比原AMP方冲。这种方法提高了客户端抵御恶劣网络环境的能法更好。力,在下溢概率一定时获得了更小的平

3、均延迟。关键词:多媒体通信;缓冲;自适应媒体播放;神经网络AMP2Mean是文[3]中提出的一种使用静态的中图分类号:TN919.8文献标识码:A变速因子的自适应媒体播放(AMP)方法,能在缓冲文章编号:100020054(2006)0120133204过多时加速播放来减小平均延迟。然而,固定的速度因子会造成速度的突然变化,给用户的观看带来较Adaptivemediaplayoutbasedon差的效果。本文将针对这个问题提出一种动态自适multiplayerneuralnetworkcontrol应播放的方法,实现距稳定值越远的缓冲能获得更ZENG

4、Tao,DAIQionghai大幅度变速的目标,这样可以保证播放速度的变化(DepartmentofAutomation,TsinghuaUniversity,具有更小的递增量而实现随缓冲渐进的变化,同时Beijing100084,China)也降低了速度的平均幅值。为了实现速度的动态变Abstract:Adaptivemediaplayout(AMP)activelyadjuststothe化,需要考虑更加复杂的控制结构。引入了神经网络passivevariationsofthestreamingclientbuffer'ssizebychangi

5、ng控制方法,利用其自适应性、学习能力和函数逼近性theplayoutspeedtoimprovethestability.AnAMPschemebasedonthemultilayerneuralnetworkcontrolwasdevelopedtoreduce的优势,可以产生更为渐变的播放速度,减少了因速thespeedvariationsinpreviousAMPsystemsandimprovethe度突变造成的对播放质量的损害。performance.Thesystemdynamicallyexportsthespeedvariation

6、sbasedonthecurrentbuffer'sstatusandensuresthatthebufferis1 神经网络控制系统模型stableinsideafixedrange.Thesystemusesamultilayerneuralnetworkarchitecturetrainedofflinebyabackpropagation(BP)1.1 系统模型learningalgorithm.Extensivesimulationsconfirmedthatthescheme客户端缓冲可以简化为图1所示的系统模型。gives0~100%r

7、eductionoftheaveragespeedvariations,whichis缓冲中的阴影部分表示已有的数据,假设为Lc。LnbetterthantheoriginalAMPmethod.是期望缓冲稳定值,令Lt=Lc-Ln表示当前缓冲与Keywords:multimediacommunications;buffer;adaptivemediaplayout;neuralnetworks稳定值的差值。收稿日期:2005201210流媒体数据的实时连续性要求每帧数据必须在基金项目:国家自然科学基金资助项目(60432030)[1]其播放之前到达

8、客户端,实际网络信道所造成的作者简介:曾涛(19802),男(汉),四川,硕士研究生。随机数据丢失带来的抖动

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。