X265的平均码率控制算法优化

码率控制算法通过动态的调整编码参数,使产生的码率能在有限的带宽内稳定传输,并尽可能提高视频的质量。目前针对HEVC的并行编码以及对应码率控制已成为研究热点,现有并行结构下的平均比特率控制算法受到帧间依赖性的约束,待编码帧无法及时获得与其并行帧的实际编码比特数进行码率控制,因此本文算法利用比特数预测模型通过预测并行帧的实际比特数作为码率控制的参数,及时的进行并行编码并且在此基础提出了缓冲区的优化过程。仿真结果表明,相比原有算法,减少的平均码率误差约为4.43%,同时提高的平均PSNR约为0.21 dB。     

电力系统监控视频传输速率自适应控制设计

为解决电力系统视频监控工程领域的实际技术问题,提出一种电力系统监控实时视频传输速率的自适应控制方案。系统可以根据网络传输时间、传输延迟和数据包丢失率等参数对网络拥塞状况进行监测,并按照传输速率自适应控制的一定算法动态地调整视频发送端的输出速率,具有一定的鲁棒性,从而改善视频输出质量。经实验测试,该系统在减小视频数据包丢失率、提高网络带宽利用率和避免网络拥塞等方面,具有良好的对比效果。     

基于HTTP的流媒体自适应码率切换算法

基于HTTP的动态流媒体自适应(DASH)系统已经广泛地应用于互联网上的视频传输.针对客户端缓冲区受限和网络环境不稳定的情况,提出了一种新的基于缓冲区的码率控制算法.该算法将缓冲区分成不同等级,并采用滑动窗技术对视频的下载时间进行平滑处理,使缓存尽最大可能地维持在均衡区内.该算法在向上切换码率时采用保守策略,而在向下切换时则利用逻辑斯谛方程来决定码率切换的幅度.此外,该算法采用快速启动策略,能使系统开始时下载码率迅速匹配网络带宽.实验结果表明,算法能在复杂的网络环境中,充分利用带宽和缓冲区,降低码率的切换次数.     

基于BP神经网络QoS到QoE映射模型

随着互联网的发展,基于语音和视频的网络应用服务层出不穷,人们开始不仅仅满足于知道网络 QoS 参数,更加关注网络服务的好坏,即 QoE 评价指标。目前常用的视频 QoE 评价的方法是基于图像评价的算法如 PSNR 算法、VQM 评价算法等。这些算法需要原始视频图像进行对比,较为复杂,实时性差。本文研究了一种基于 BP 神经网络的 QoS 到流媒体 QoE 映射模型,使用抖动和丢包两个网络 QoS 参数作为输入层神经元,基于 VQM 算法的 QoE 评价值作为输出层神经元。使用若干组 QoS 和 QoE 数据训练该 BP 神经网络,分别使用单隐含层 BP 神经网络和多隐含层 BP 神经网络进行效果对比,之后使用该神经网络和 QoS 参数对 QoE 评价值进行预测,并与 QoE 实际值比较验证。得到基于 BP 神经网络的 QoS 到 QoE 的映射模型。该模型较为简单,拟合度高,RMS 误差较小。     

带宽限制下视频流形状编码的速率控制

MPEG-4的形状速率控制，仅从编码的质量上进行考虑，并没有考虑带宽的限制。因此，在带宽受限的信道上传输任意视频对象流时，现有的控制方法就不大适合。本文针对MPEG-4的二进制形状编码方法，提出了一种在带宽限制条件下的速率控制算法，实验结果表明这种方法能有效控制形式编码比特效且有较高的客观和主观图象质量。     

基于指数率失真模型的增量式码率控制算法

高速增长的视频通信需求促进了视频压缩技术的快速发展。为了进一步提高H.264/AVC的码率控制性能,提出了一种新的码率控制算法。新算法包含一种新型的指数型率失真模型,一种增量式QP计算方法,一种基于权重的帧比特位分配策略和一种线性回归模型参数更新方法。基于指数率失真模型的一阶微分特性和拉格朗日中值定理,提出的增量式QP计算方法成功地解决H.264/AVC中的"QP悖论"。编码实验结果表明,新算法与JM模型中推荐的码率控制算法相比,实际比特率更接近目标比特率,达到了更精确的缓冲控制,明显地提高了平均解码视觉质量QCIF为0.23dB,CIF为0.75dB,720p为0.12dB。     

移动网络下流媒体传输拥塞控制机制的研究

在移动网络环境下,实现流媒体数据的传输已经得到非常广泛的应用。由于经典的TCP友好速率控制机制,在网络发生拥塞时,将无线误码丢包误认为拥塞丢包,会降低网络传输速率,导致网络利用率过度降低。如何保证移动网络环境下流媒体发送端正确区分拥塞丢包和无线链路丢包,实现网络传输速率的准确调整是个很重要的研究课题。本文分析了TFRC协议以及AIMD等拥塞控制机制在该数据传输问题中的适用性,提出了在TFRC协议基础上的一种改进的M TFRC协议,添加了丢包区分算法,可以准确区分丢包类型。通过NS2分析仿真,验证了M TFRC相比TFRC提高了网络吞吐量,维持较高的网络利用率,从而保证移动网络环境下流媒体服务质量。     

基于深度学习的视频多目标码率分配策略

在高效视频编码（HEVC）中,最新的λ域码率控制方案自适应地对每个像素分配比特数,在自适应分配比特数的过程中,不考虑目标对象的编码质量。针对该问题提出了基于深度学习的视频多目标码率分配方案。在该方案中,首先采用目标检测算法SSD来检测识别编码视频中的多目标对象,获取对象信息。然后在帧级码率分配过程中,根据帧间差异,采用自适应比特比率,为每帧视频分配合理的比特数。最后,以更小的量化参数（QP）来提升目标对象编码质量。实验结果表明,与HM16.9相比,改进的算法在码控精度几乎不变的情况下,对全局的平均质量提升0.15 dB, 目标区域的质量提升0.35 dB。     

基于 actor-critic 框架的在线积分强化学习算法研究

针对轮式移动机器人动力学系统难以实现无模型的最优跟踪控制问题,提出了一种基于actor-critic框架的在线积分强化学习控制算法。首先,构建RBF评价神经网络并基于近似贝尔曼误差设计该网络的权值更新律,以拟合二次型跟踪控制性能指标函数。其次,构建RBF行为神经网络并以最小化性能指标函数为目标设计权值更新律,补偿动力学系统中的未知项。最后,通过Lyapunov理论证明了所提出的积分强化学习控制算法可以使得价值函数,行为神经网络权值误差与评价神经网络权值误差一致最终有界。仿真和实验结果表明,该算法不仅可以实现对恒定速度以及时变速度的跟踪,还可以在嵌入式平台上进行实现。     

无线可伸缩视频实时传输系统设计与实现

为保障和提高时变无线信道下实时视频传输的服务质量,设计和实现了嵌入式端到端无线可伸缩实时视频传输系统.在视频传输过程中,可伸缩控制模块基于改进的加增乘减(AIMD)算法根据无线信道状态实时地进行传输速率预测;同时采用空间伸缩和质量伸缩联合可伸缩方案匹配最佳的视频传输参数,由传输控制协议(TCP)进行可靠反馈.测试结果表明,该系统能有效保证时变无线环境下的实时视频传输的质量.     

无线紫外光MIMO湍流信道中BCOSTBC编码研究

针对在准确估计信道情况下无线紫外光MIMO湍流信道中如何有效地获得全分集增益这一问题。首先研究了无线紫外光通信的传输特性,然后研究了MIMO信道以及影响紫外光通信的主要因素。最后,采用比特补码式正交空时码(BCOSTBC)编码,推导出在弱湍流情况下直视(LOS)和非直视(NLOS)的误码率公式。实验结果表明,采用编码后1×2、2×1和2×2系统的误码率性能在LOS和NLOS情况下分别约改善了3、6和9 d B。增加光电探测器数目可以提高分集增益,有益于系统性能的改善;其中,2×2系统需要的发射功率最小,传输的距离更远,数据传输速率更大,误码率更低;在NLOS条件下通过小角度收发仰角能够改善系统的误码率性能。     

一种信道预测下的自适应QAM调制方法

提出一种自适应矩形多幅度调制方法,能够更有效应用于无线移动通信中的多径衰落信道.其中发送端的信道状态信息(CSI)通过基于预处理的ESPRIT信道预测算法获得.理论分析和仿真实验表明,这种信道预测算法下的自适应QAM调制方法,在保证目标误码率的前提下,实现了比无自适应传输技术更快的比特率,提高了带宽利用率.     

基于OS-ELM的宽带电力线通信解映射优化算法

针对传统信道估计技术会降低通信系统有效性的缺陷,提出了一种基于在线序贯极限学习机(OS-ELM)的宽带PLC解映射优化算法,用以提高宽带电力线通信系统的通信质量。以我国广东省某小区用户电能表的实际采集数据作为原始数据,搭建了宽带电力线通信系统仿真模型,在实测的500 m四径信道下进行仿真测试并与BP神经网络以及传统的ELM进行性能对比和比较分析。试验结果表明,在各种不同信噪比的通信环境下,引入OS-ELM均表现出更快的训练速度和更好的抗干扰特性。除去信噪比过低的极端恶劣的通信环境以外,该算法均可以有效提高通信质量,降低误码率。     

基于软件无线电的Turbo码编码通信系统实现

为保障和提高无线信道下的数据传输可靠性和灵活性,基于通用软件无线电外设（USRP）平台设计和实现了以Turbo码作为信道编码方案的通信系统.系统发射机可采用1/2或1/3码率的Turbo码对传输数据进行编码,接收机通过软解调方法和软输入软输出的Max-Log-MAP迭代译码算法获得编码增益.仿真与测试结果表明,采用Turbo码作为编码方案可有效对抗噪声和衰落,降低传输误比特率,进而提高无线通信系统的可靠性.此外,通过文件传输等应用,进一步验证了本系统的可行性.     

视频抗误码技术在无线网络中的应用研究

随着第3代移动通信的发展,基于无线的视频抗误码技术成为多媒体通信领域研究的热点之一。以H.263视频编码标准为基础,根据实时视频传输的特点,提出2种可用于无线的视频抗误码技术,即基于反馈的帧内刷新和插入重同步标识。经CDMA2000 1x网络的测试,这2种方法在少量增加编码比特率的情况下,能较大程度地改善因传输误码而引起的视频质量恶化情况,适合于实时的无线视频传输系统。     

基于ISSA-BP神经网络的滑坡区输电铁塔状态预测模型

滑坡区输电铁塔基础发生位移时，会导致铁塔的最大位移及杆件所受最大应力发生变化，建立铁塔状态预测模型可得到铁塔的最大位移及杆件所受最大应力变化趋势，进而预防灾害事故的发生。提出一种改进麻雀搜索算法优化BP神经网络的预测模型，首先利用Sin混沌序列与步长因子动态调整策略对麻雀搜索算法进行优化，其次用优化后的模型对BP神经网络的权值及阈值进行参数寻优，得到预测模型。将铁塔基础在XYZ方向的位移值作为预测模型的输入量，得到铁塔最大位移值及铁塔杆件最大应力的预测值。本预测模型较BP神经网络模型相比，方根误差RSME值最高下降了63.4%,平均相对误差MAPE值最高下降了60.4%,绝对值平均绝对误差MAE值最高下降了62.6%,同时本文预测模型预测值符合真实值的变化趋势，综上本预测模型能较准确地预测输电铁塔运行状态，为其安全运行提供有力保障。     

基于压缩感知的特高压输电塔实时监测系统数据传输方法研究

特高压输电塔形成的强电磁场干扰及所处的野外恶劣自然环境严重影响无线传感器网络的数据传输质量,造成了无线传感网络通信数据溢出、误码率增加等问题,文章以基于无线传感器网络构建的特高压输电塔实时监测系统为基础,对无线传感器网络在强电磁环境下的通信特性进行了研究,提出了一种基于压缩感知理论的低信噪比信道编码传输方法（ LSCC ）,该方法对测量矩阵进行了改进,并在信道删除概率的基础上自适应调整信息发送的比特量,减少重构所需测量值个数。实验验证表明,低信噪比信道编码传输方法降低了特高压输电塔强电磁场引起的信道干扰带来的数据溢出率11．29％,有效地增强了输电塔监测系统的实际应用性能。     

无线通信实验室信道仿真器的设计与实现

移动无线信道传输特性的仿真对移动通信的研究具有重要意义,本文介绍了一种基于ARM和FPGA设计的信道仿真器。该信道仿真器不仅可以实时模拟移动通信信道的基本性质(移动通信信道的性质是通过误码率变化来实现的),实现移动终端(仿真电台)的集群通信,还可以验证通信网络的组网能力。文中主要介绍了信道仿真器整体的设计及在工程上的实现方法。实验证明,该信道仿真器可灵活改变信道的参数,能够满足多种测试环境的需要,具有一定的使用价值。     

基于 IPOA-BP 的输电塔复合基础极限抗拔承载力 预测模型

为了实现输电塔复合基础极限抗拔承载力的准确预测,克服传统理论、经验公式误差大,计算慢的问题,提出一种改 进鹈鹕智能算法(IPOA) 来优化BP 神经网络的承载力预测模型。首先,利用SPM 混沌映射、Levy 飞行以及融合非线性惯性 权重因子 w 的正余弦优化策略,对鹈鹕优化算法(POA) 改进;然后,利用IPOA 对 BP 神经网络的权值和阈值参数寻优,得到 IPOA-BP 预测模型;最后,基于验证后的数值试验构建数据集,对 IPOA-BP 预测模型进行训练和测试。结果表明,IPOA-BP 与 POA-BP 预测模型相比,方根误差下降65.75%,绝对平均误差下降65.79%,平均相对误差下降65.60%,可见 IPOA-BP 神经网络能够实现复合基础抗拔承载力较准确的预测,为该类型基础的承载力预测提供了新方法。