[發(fā)明專利]基于粒子群和神經(jīng)網(wǎng)絡(luò)的工業(yè)無線流媒體自適應(yīng)傳輸方法

有效

• 申請?zhí)枺?/td>: 201910733205.3
• 申請日: 2019-08-09
• 公開（公告）號: CN110460880B
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計）人: 張曉玲;李夢豪;丁進(jìn)良;柴天佑
• 申請（專利權(quán)）人: 東北大學(xué)
• 主分類號: H04N21/24
• 分類號: H04N21/24;H04N21/647;H04N21/262;G06N3/00;G06N3/04
• 代理公司: 沈陽東大知識產(chǎn)權(quán)代理有限公司 21109
• 代理人: 李在川

本發(fā)明公布了一種基于粒子群和神經(jīng)網(wǎng)絡(luò)的工業(yè)無線流媒體自適應(yīng)傳輸方法。首先從云服務(wù)器數(shù)據(jù)庫獲得指定范圍的歷史數(shù)據(jù)，完成神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，并實時監(jiān)測無線信道的各種狀態(tài)參數(shù)；然后由粒子群算法獲得使視頻體驗質(zhì)量最優(yōu)的無線網(wǎng)絡(luò)傳輸參數(shù)；其次利用已經(jīng)訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型的映射功能預(yù)測出最優(yōu)的系統(tǒng)設(shè)置參數(shù)，并完成系統(tǒng)的設(shè)置；最后獲得實際數(shù)據(jù)并存儲，并重新運用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和矯正。本發(fā)明充分考慮傳統(tǒng)的基于HTTP動態(tài)自適應(yīng)視頻DASH傳輸協(xié)議的基礎(chǔ)上提出的，能夠通過粒子群算法更快地完成參數(shù)尋優(yōu)，且通過神經(jīng)網(wǎng)絡(luò)直接映射的方式取代傳統(tǒng)的嘗試探索的方式直接獲得系統(tǒng)設(shè)置參數(shù)，有助于系統(tǒng)參數(shù)更準(zhǔn)確的設(shè)置和視頻更流暢的傳輸。

技術(shù)領(lǐng)域

本發(fā)明涉及視頻技術(shù)，具體地說是一種基于粒子群和神經(jīng)網(wǎng)絡(luò)的工業(yè)無線流媒體自適應(yīng)傳輸方法。

背景技術(shù)

視頻技術(shù)極大地改善了視頻數(shù)據(jù)加載時長的問題，通過視頻技術(shù)用戶可以分段的獲取較大的視頻數(shù)據(jù)，同時無需過多的加載時長。傳統(tǒng)的視頻服務(wù)分為兩大類：一類是采用實時流傳輸協(xié)議/實時傳輸協(xié)議(Real Time Streaming Protocol Real Time TransferProtocol，RTSP/RTP)的面向連接的實時視頻技術(shù)；另一類則是采用超文本傳輸協(xié)議(HyperText Transfer Protocol HTTP)的無連接的順序視頻技術(shù)。針對無線網(wǎng)絡(luò)和視頻傳輸過程中存在的問題，各國學(xué)者提出了基于HTTP的動態(tài)自適應(yīng)視頻傳輸協(xié)議DASH(DynamicAdaptive Streaming over HTTP)，用以適應(yīng)不穩(wěn)定的網(wǎng)絡(luò)環(huán)境，改善視頻數(shù)據(jù)的用戶體驗，使視頻數(shù)據(jù)盡可能的實現(xiàn)高碼率、低波動、無中斷的播放要求。

目前典型的基于HTTP的自適應(yīng)視頻技術(shù)主要包括：1)基于網(wǎng)絡(luò)吞吐量的自適應(yīng)傳輸方法?；诰W(wǎng)絡(luò)吞吐量的自適應(yīng)算法主要是通過估計下一時刻的網(wǎng)絡(luò)帶寬決定客戶端的申請碼率，盡可能防止視頻播放過程中的中斷。2)基于緩存控制的自適應(yīng)傳輸方法。基于緩存控制的自適應(yīng)傳輸算法主要是通過改變服務(wù)器發(fā)送速率和客戶端的媒體切換速率以保證客戶端緩沖區(qū)的視頻數(shù)據(jù)量盡可能的穩(wěn)定，進(jìn)而保證用戶體驗質(zhì)量。

然而，上述方法多為傳統(tǒng)的探索嘗試的系統(tǒng)設(shè)置方法，雖然能在一定條件下達(dá)到所需要的效果，但是依然存在參數(shù)選擇不準(zhǔn)確、估計誤差大、計算資源消耗較大、視頻體驗質(zhì)量不穩(wěn)定等問題，而且傳統(tǒng)的自適應(yīng)視頻傳輸方法一般難以直接獲得最佳參數(shù)，需要多次嘗試之后才能達(dá)到所需效果，調(diào)節(jié)周期較長，同時又由于此方法通常涉及到網(wǎng)絡(luò)的跨層設(shè)計，以及適應(yīng)各種特殊情況的動態(tài)應(yīng)對策略，因此為了保證傳輸質(zhì)量和對系統(tǒng)穩(wěn)定性和可靠性，需要更加簡便且全面的自適應(yīng)視頻方法。

發(fā)明內(nèi)容

針對智能自適應(yīng)視頻傳輸技術(shù)缺乏且傳統(tǒng)的自適應(yīng)視頻技術(shù)存在參數(shù)選擇不準(zhǔn)確、估計誤差大、計算資源消耗較大、視頻體驗質(zhì)量不穩(wěn)定等問題的現(xiàn)狀，本發(fā)明提出了一種基于粒子群和神經(jīng)網(wǎng)絡(luò)的工業(yè)無線流媒體自適應(yīng)傳輸方法，采用粒子群算法和神經(jīng)網(wǎng)絡(luò)結(jié)合的方法，實現(xiàn)視頻體驗質(zhì)量最佳的自適應(yīng)傳輸效果，其技術(shù)方案為：

一種基于粒子群和神經(jīng)網(wǎng)絡(luò)的工業(yè)無線流媒體自適應(yīng)傳輸方法，包括以下步驟：

步驟一：從云服務(wù)器數(shù)據(jù)庫獲得指定范圍的歷史數(shù)據(jù)，完成神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，并實時監(jiān)測無線信道的各種狀態(tài)參數(shù)，具體步驟如下：

1)連接云服務(wù)器并申請訪問數(shù)據(jù)庫；

2)根據(jù)計算精度要求獲取m條歷史數(shù)據(jù)(m為自然數(shù))；

3)對所述m條歷史數(shù)據(jù)進(jìn)行刪減處理，使得刪減后的歷史數(shù)據(jù)中的變量個數(shù)符合神經(jīng)網(wǎng)絡(luò)的輸入變量維度和輸出變量維度；

4)對刪減之后的歷史數(shù)據(jù)進(jìn)行平滑處理，公式如下：

X＝a*mean_x+b*(x-mean_x)