基于还宽需求预测的VBR业务速率分配

本文在对ＶＢＲ业务带宽需求预测的基础上，提出了一种综合考虑信元丢失率、信道利用率、缓冲延时和缓冲器空量需求等方面的ＶＢＲ业务频带动态分配的方法。对如何确定有关控制参数等问题，进行了研究，并就运用最佳线性预测和递归最小地乘法（ＲＩＳ）等估计理论，对ＶＢＲ业务流量速率的预测和控制，系统的性能作了分析和模拟。     

基于L—MBP神经网络的VBR业务预测

ATM网络中,利用实时预测技术进行动态带宽分配,可以极大地提高ATM网络资源的利用率以及VBR业务的QOS保障。针对传统BP算法训练周期冗长的缺点,本文提出用L-MBP神经网络对VBR业务进行实时预测,文中给出了VBR业务的预测模型,并对该模型进行了仿真。结果表明,本文给出的模型显著地改变了神经网络的学习速度。     

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。     

VBR业务下的ATM交换机缓冲策略研究

ATM交换机的缓冲信元是基于业务流的实时状态而动态赋值的,因此,不同类型的业务客观上对ATM交换机的缓冲器容量提出不同的要求。本文对可变比特速率(VBR)业务下的ATM交换机缓冲策略进行研究,并给出了计算机模拟结果。     

一种新的VBR视频业务理论分析模型

目前没有一个理论分析模型可以描述Ｇａｍｍａ分布以及负指数下降的自相关性质，而这些性质对视频业务模型是很重要的。本文在ＤＡＲ（１）模型的基础上发展出一种适合理论分析的视频业务模型Ｃ－ＤＡＲ（１）。它是一个符合视频业务Ｇａｍｍａ分布及自相关特点的分析模型。文中同时指出了一条将离散时间马氏链模型转化为连续时间马氏链的途径。     

一种新的ATM网VBR视频业务模型

许多研究工作表明ＶＢＲ视频业务的每帧信元数服从Ｇａｍｍａ分布，便是考虑这一性质的视频业务模型却很少。本文提出一种新的视频业务模型，一阶自回归Ｇａｍｍａ序列，以值是Ｇａｍｍａ分布的随机变量，文中给出ＧＡＲ模型的定义及有关性质，对ＧＡＲ（１）视频模型的参数估计方法也作了研究。     

自相似VBR业务环境下ABR流量控制算法的性能分析

近年的研究表明,无论是ＬＡＮ还是ＷＡＮ业务流,都表现出自相似业务特征。为准确评价ＡＢＲ流量控制算法在起初网络中的性能。本文用仿真方法研究了ＡＢＲ流量控制算法在自相似ＶＢＲ业务环境下的动态特性。其目的在于：为交换机设计另ＡＢＲ流量控制算法的选择提供理论依据;通过仿真来确定算法的优缺点,为进上步改进算法性能提供参考。     

ATM网络中VBR复用器的硬件实现

提出了一种用于ＡＴＭ网络中ＶＢＲ业务的复用器设计方案,探讨了如何将一种基于令牌 桶控制的ＵＰＣ算法用于ＡＴＭ统计复用器的信源接入控制,并用“在系统编程技术”加以硬件实现。     

ATM交换机的带宽分配

概述了ＡＴＭ交换机各类不同的业务源，并加以区分。基于这些业务源的特性，本文推荐一种名为Ｔ１，Ｔ２的带宽分配手段，并示以实说明，最后对动态带宽分配的主要特点进行了总结。     

VBR视频流在MPLS网中的传输及其带宽分配算法研究

为宽带网络提供合理有效的QoS保证已成为当前网络界的研究热点之一。在DiffServ over MPLS方案的基础上，对PS业务的资源管理策略进行了研究，同时结合VBR视频流的流量特性和带宽需求，提出了一种新的基于管道的动态带宽分配算法，并对算法进行了仿真验证。     

用支持向量机网络实现VBR视频通信量的预测

VBR(Variable Bit Rate)视频信号具有时变性、非线性和突发性等特点,实现该信号通信量的高精度预测是提高信息传输速度和提高网络带宽资源利用效率的重要手段.针对以上问题,本文提出了一种用于VBR视频通信量预测的差分输入支持向量机(SVM:Support Vector Machine)网络模型.该网络模型采用结构风险最小化准则,在最小化经验风险的同时,尽量缩小模型预测误差的上界,从而使网络模型具有更好的推广能力.实验结果表明:支持向量机网络模型的预测误差为0.0018,而梯度径向基函数(Gradient Radial Basis Function:GRBF)神经网络模型的预测误差为0.0029.可以看出,支持向量机网络模型的预测精度要比GRBF网络模型的预测精度高出大约40%.     

ATM网VBR编码会议电视业务模型的研究

文章研究了ATM网中VBR编码的会议电视业务的模型，提出一阶自回归、瑞利分布残差而不是高斯分布的AR序列模型──RAR（1），实验表明，该模型能产生足够多的大信元帧数，这对于研究信元丢失率特性具有至关重要的影响，而且简单实用。此外，RAR（1）模型在较少（16个）和较多（128个）VBR信源统计复用时，能很好地拟合实际的会议电视业务的统计数据。     

智能集成VBR MPEG视频流量预测模型

作为数字媒体网络视频通信的主要方式,VBR MPEG视频流量的预测能力是直接关系缓冲区设计、动态带宽分配及拥塞控制等提高网络服务质量的关键因素.因此针对MPEG视频流的复杂特性,充分利用人工智能方法的优势,提出并建立了基于模糊神经网络的智能集成VBR MPEG 视频流量预测模型.采用模糊预测模型提高预测精度,利用神经网络解决预测的实时性问题.实验结果表明,与标准AR预测模型相比,该模型预测的准确度和可靠性显著提高,且算法简单易于推广到其他方法中使用.     

基于HFC网络的VBR视频流传输

本文讨论了基于HFC网络的变比特率（VBR）视频流的传输问题,提出了一种共享信道上的协作型传输方案;分别利用了中心极限定理和直方图卷积的方法;给出了两种接纳控制算法,通过仿真实验表明了这种方案比传统的无缓冲复用方案在带宽利用率上提高了约25％,同时验证了两种接纳控制算法。     

用于VBR视频通信量预测的梯度径向基函数网络模型

提出采用梯度径向基函数(GRBF,gradientradialbasisfunction)神经网络实现VBR(variablebitrate)视频通信量的预测,由于GRBF神经网络采用差分输入,能够消除由于局部平均值随时间变化而造成的不稳定性,特别适合于非平稳时间序列预测。仿真结果显示,GRBF神经网络模型的预测误差(相对均方误差)为2.9×10-3,而其它几种常见预测模型的预测误差在(1.6～8.5)×10-2之间。     

一种基于区分服务的适应性带宽控制策略

基于区分服务(DiffServ)这种对各种IP业务,尤其是对QoS要求不断增长的实时通信量提出解决方案的模型,文章根据应用的不同将多种应用在中间节点上采用两种不同等级的策略进行带宽和缓冲区分配,并且进行自适应性调节,使得节点的资源利用率最大化。     

对ATM中一种VBR业务流模型的分析

本文介绍了一种ＶＢＲ业务流模型，并重点对它的损失率计算提出了一种方案，这种模型在一定程度上能反映业务流的客观实际，同时又便于分析，利用这种模型可以比较容易的计算平均时延和信包的损失率，模型参数也可以通过实际测量来直接或间接获得。     

Policing of realistic VBR video traffic in an ATM network

ATM has been accepted by CCITT as the transport mechanism for the future BISDN and will also be widely used in future customer premises networks. Networks based on the ATM principle are expected to provide a very flexible communications infrastructure allowing customers to make effective use of a wide variety of offered services. To provide this flexibility with an acceptable quality of service while operating the network in an economic way, elaborate traffic management functions will be necessary to control the traffic flows within the network. This paper will study one of these functions—the so-called ‘usage parameter control’ or ‘policing’ function—in some detail to illustrate some of the problems that arise and point out possible solutions. The mechanisms chosen to implement the policing function will be the ‘leaky bucket’ mechanism, the ‘jumping window’ mechanism and the ‘moving window’ mechanism. The input streams used to assess the mechanisms represent different types of video communication—videophone, video conference and entertainment video—coded according to different variable bit-rate (VBR) algorithms. In contrast to most of the previous studies, where artificial, statistical traffic sources have been used, the sources used in this paper are directly based on measured ‘real-life’ video data. This ensures that all the statistical properties of the actual traffic stream are preserved and allows identification of the different factors that influence the dimensioning and the performance of the policing mechanism. The results of this study show that the uncertainty about the key parameters at call set-up and the considerable impact of single scenes make the proper dimensioning of policing mechanisms difficult. Furthermore, it seems not to be practical to use the long term mean bit-rate as the key traffic control parameter for these sources. Results indicating that the long-term cell loss ratio is not a sufficient measure for the quality of service are also presented. A comparison of the mechanisms shows that from a performance perspective, the ‘leaky bucket’ mechanism is superior to the two window mechanisms. This work is relevant to evolving standards for both BISDN traffic management and variable bit-rate video coding.