MPEG4视频流量预测自适应算法的研究

为了保证用户的服务质量(QOS),宽带分组网在传送视频信息时需要进行动态带宽分配,而视频流量预测在动态带宽分配中发挥着重要的作用。本文从自相关性、自相似性的Hurst参数两个方面,阐明GOP时间尺度上的流量能够体现原始帧序列的流量特性,并在固定步长的LMS自适应算法(FSSA)的基础上提出的一种新的可变步长自适应算法(VSSA),在GOP的大时间尺度上预测MPEG4视频流量,通过大量的仿真实验表明,VSSA算法可以明显地改善预测性能。     

一种平滑的可变步长算法

本文从长时相关性(LRD)和突发性两个方面,阐明图像组(GOP)时间尺度上的流量能够体现原有视频帧序列的流量特性。并在固定步长自适应算法(FSSA)和可变步长自适应算法(VSSA)的基础上提出了一种新的平滑的可变步长自适应算法(S-VSSA),这种算法可以在GOP所表示的大时间尺度上预测MPEG-4视频流量。仿真实验结果显示:该算法收敛速度快,预测误差低,可以明显改善预测性能。     

基于VBR视频流量预测的动态带宽分配滞回算法

研究表明VBR视频流量具有较强的长时相关性和突发性,该文利用高阶自回归过程预测其流量,并进行概率分布转换,同时提出了一种新的动态带宽分配算法--滞回算法,与Chiruvolu(1998)提出的门限算法,及Iraqi(1999)提出的基于GOP场景检测的带宽分配方案相比,对缓存尺寸的需求、信元丢失率等性能有明显提高。仿真表明,该算法能够以较低的开销(带宽重分配次数百分比2%)同时兼顾了信元丢失率和带宽利用率,而且只有在缓存队长超过迂回门限时才触发带宽重分配过程,有利于在线实现。     

基于多重分形小波GPON带宽分配算法

当前吉比特无源光网络中动态带宽分配算法主要是基于轮询机制,该算法是OLT根据各个ONU发送请求带宽信息进行动态分配带宽,但该算法不能实时获取各个ONU的请求信息.由于GPON网络业务流量具有多重分形特性,因此可以通过多重分形小波对网络流量进行预测,得到ONU实时的带宽信息.文章将预测结果应用于GPON上行信道动态带宽分配,提出一种改进动态带宽分配算法.     

基于最小均方差预测的多队列调度EPON DBA

针对以太网无源光网络(EPON)系统中上行链路的时分复用机制,提出了一种基于最小均方差预测的多队列调度动态带宽分配(DBA)算法.仿真结果表明,该算法可以准确地预测高优先级业务的流量,根据预测结果再合理分配带宽,从根本上避免了轻载惩罚,减小了高优先级业务的延迟.     

基于多业务预测的EPON动态带宽分配算法

针对EPON系统中上行链路的时分复用机制,提出了一种支持流量预测与预分机制的动态带宽分配算法(PEM-DBA).该算法能够对高优先级业务进行流量预测,并根据预测结果预先分配带宽.仿真结果表明,该算法能在保障高优先级业务优的同时,降低数据时延,提高带宽的利用率.     

WDM EPON中的动态波长带宽分配算法

基于WDM EPON系统结构和已有波长带宽分配算法(DWBA)的不足,提出了一种结合流量预测与预分配机制的动态波长带宽分配算法--DWBPA.仿真表明在不同网络负载情况下,该算法不仅保证了波长带宽分配的公平性,而且能够满足高优先级业务的延时要求.     

网络流量预测中的时间序列模型比较研究

网络流量预测在新一代网络协议设计、网络管理与诊断、设计高性能路由器等方面都具有重要意义.目前通常采用ARMA和FARIMA时序模型对网络流量序列进行拟合与预测,但没有对时间尺度的大小与模型选择的关系进行研究.本文对实际网络流量在不同时间尺度(毫秒、秒、分)下进行了流量预测建模并对预测性能进行比较,分析表明使用时序模型进行流量预测时,大时间尺度(分)流量预测较小时间尺度(毫秒、秒)具有更小的预测误差.并且,对于小时间尺度上的自相似流量序列,自相似模型FARIMA并没有较其他时序模型有更好的预测性能.     

一种基于预测的GPON动态带宽分配算法

动态带宽分配( Dynamic Bandwidth Allocation, DBA )技术是吉比特无源光网络( Gigabit Passive Optical Network, GPON )的关键技术之一,对GPON系统的性能指标有着重要的意义。针对动态带宽分配过程中存在的时延等问题,结合现有的DBA算法,提出了一种基于预测和分级轮询的动态带宽分配算法;进一步通过OPNET进行了仿真实验。实验结果表明该算法能够有效地降低时延和丢包率。     

基于VBR视频流量预测技术的DVB-H复用器调度算法

DVB-H采用的时间分片技术对现有的复用器算法提出了挑战.本文在VBR视频流量预测技术的基础上提出了基于VBR视频流量预测技术的DVB-H网络复用器调度算法.本算法根据VBR视频码率的预测值,预先分配下一调度周期的带宽,满足了时间分片技术对复用器调度算法的要求.与CBR调度算法相比,本算法具有较小的时延和较高的带宽利用率.     

支持多业务的EPON动态带宽分配算法

EPON的关键技术之一是动态带宽分配(DBA)问题。为了支持语音、视频、数据等多业务和保证不同的服务质量(Qo S)和有效克服轻载惩罚问题,本文提出了一种支持多业务的EPON动态带宽分配算法。通过对ONU侧的业务按照优先级进行区分,对到来的业务按照严格的优先级排队,以此保证高优先级业务的时延要求;引入预测避免出现了轻载惩罚,在OLT侧预测高优先级业务的到来情况,为ONU多分配预测的带宽大小。实验表明,本文算法提高了网络的服务质量。     

一种新的HomePNA网络动态带宽分配算法

基于同轴的家庭电话线网络联盟(HomePNA)3.0网络是一个上下行共享同一频段,使用同步媒体接入控制(SMAC)或异步媒体接入控制(AMAC)方式工作的系统.为保障视频、语音和数据等多业务的服务质量(QoS)特性,文章提出了一种新的动态带宽分配算法,即高优先级业务基于流的带宽预留和低优先级业务基于流量统计的上行带宽分配.给出了模型和仿真结果,证明了这种算法的正确性.     

基于领域知识内嵌的深度学习网络流量预测研究

首先针对流量数据可能存在的时域分布突变问题设计了一种基于JS散度的异常检测算法，以获得能够反映流量变化规律的数据。而考虑到网络流量的自相似性、长时相关性和周期性特点，提出一种基于卷积生成网络和自适应注意力元网络组成的动态时域生成流量预测模型（GDTN），能够有效地降噪、生成和预测流量数据，并根据不同输入条件动态分配不同多时域流量特征的重要性。最后在智能城域网端口数据集上进行实验，验证了该算法相比于多种经典时序预测算法在预测准确度、存储资源占用和时间效用等方面具备明显优势。     

面向业务的带宽预测及分配方法的研究

针对目前的带宽预测主要围绕聚合流量的问题,本文将IP网络承载业务分类,分析了数据、语音、视频等业务的特性及QoS需求,通过建立时延与缓存长度的映射关系,提出一种既满足业务流量的统计特性,又考虑不同业务的可容忍时延及丢失率的带宽预测及分配方法.这种预测及分配方法区分对待网络承载的业务,适用于细粒度的网络资源管理和流量控制.     

避免轻载惩罚支持多业务的EPON动态带宽分配

为了支持语音、视频和数据等多业务接入,以太网无源光网络(EPON)动态带宽分配算法需要保证不同业务的优先级以提供不同的服务质量(QoS)、减小实时业务时间延迟,这会带来轻载惩罚问题.针对该问题,文章提出一种基于多队列带宽分配方案,即光网络单元为不同优先级的业务分别申请带宽并引入预测机制.给出了具体算法并进行了算法仿真.仿真结果表明,该方案不仅能支持语音、视频和数据等多业务接入,还能从根本上避免轻载惩罚,通过预测可以进一步提高高优先级业务的QoS.     

GPON动态带宽分配算法研究

针对GPON系统动态带宽分配过程中存在的时延特性,将经过最小均方误差算法修正的线性预测模型引入基于T-CONT的周期轮询动态带宽分配算法中,通过预测每个T-CONT在等待时间内到达的数据流量,来提高ONO向OLT申请带宽的准确度,降低业务传输时延.最后利用OPNET软件对改进算法进行仿真验证,仿真结果表明引入预测机制后...     

结合状态指示和流量预测的GPON DBA算法

提出了一种支持多业务的结合上行物理层开销Ind域状态指示与流量预测的GPON动态带宽分配算法.该算法由光线路终端(OLT)设备通过检测上行流物理层开销Ind字段,判断各光网络单元(ONU)缓存中数据的有无,在此基础上根据AR模型计算并预测ONU的流量.该算法提高了ONU流量预测的精度,并且采用分组机制减少开销,同时有利于异厂商OLT和ONU设备的互通.仿真结果表明,该算法不仅保证多业务的不同QoS要求,而且具有较高的带宽利用率.     

一种保证EPON中DBA公平性的算法

动态带宽分配是以太网无源光网络(EPON)系统的一个重要研究领域,文章提出一种在EPON系统中保证动态带宽分配公平性的新型算法.该算法计算量适中, 同时兼顾了动态带宽分配的效率和公平性.文中通过推导给出了最优算法,并在模拟流量下进行了仿真,通过与已有算法的对比,证明其有很好的性能.     

EPON中的一种新型动态带宽分配算法

动态带宽分配是以太网无源光网络(EPON)系统中的一个重要研究领域,提出了一种基于业务的两层三次带宽分配的DBA新型算法.该算法在兼顾动态带宽分配的带宽利用率和QOS保证方面进行了改进,通过研究分析给出了最优算法,并在模拟流量下进行了性能分析.通过与已有算法的对比,证明其有很好的性能.     

基于集成深度神经网络流量预测的动态网络切片迁移算法

针对5G网络切片(NS)场景下由于缺乏提前对物理网络资源进行感知而导致切片迁移滞后的问题,该文提出一种基于集成深度神经网络流量预测的动态切片调整和迁移算法(DSAM)。首先建立了基于计算、内存、带宽资源配置的网络总惩罚模型;其次,提出基于集成深度神经网络的流量预测算法预测未来网络流量情况,并根据流量类型的不同将其转换成对未来时刻物理网络的资源占用及切片的资源需求感知;最后,根据感知结果,以尽可能大地降低运营商惩罚为目标,通过动态切片调整和迁移策略将虚拟网络功能(VNF)和虚拟链路迁移到满足资源限制的物理节点和链路上。仿真结果表明,所提算法有效提高了切片迁移的效率和网络资源利用率。