VBR視頻通信量預測的神經網(wǎng)絡方法研究.pdf

1、該文對神經網(wǎng)絡方法在可變比特率(VBR:Variable Bit Rate)視頻通信量預測中的應用進行了研究,主要內容如下:1.對VBR視頻通信量預測的研究方法和進展進行了綜述,重點是神經網(wǎng)絡方法.基于這些神經網(wǎng)絡方法的成功應用,作者得出了一條結論:用相同壓縮算法產生的VBR通信量,在經歸一化處理后,將具有相同的時間序列模型.該文采用的梯度徑向基函數(shù)(GRBF:Gradient Radient Basis Function)模型,以及提

2、出的基于自適應濾波的抽頭延遲神經網(wǎng)絡TDNN(Tapped Delay Neural Network)模型都是基于這個結論.2.提出把GRBF模型應用于VBR視頻通信量預測中,由于采用差分輸入,能消除局部平均值變化對預測精度的影響,同常用的基于最小均方差(LMS)的線性模型和靜態(tài)TDNN模型相比,其預測精度得到明顯提高.3.提出基于自適應濾波TDNN預測模型并應用于VBR視頻通信量的預測中,該網(wǎng)絡訓練分為離線學習和在線二次學習兩個階段:

3、離線階段,神經網(wǎng)絡的訓練采用基于卡爾曼濾波的訓練及刪剪算法,通過刪除隱層神經元,得到一個結構緊湊的網(wǎng)絡拓撲結構,作為下一步在線預測與權重更新的先驗知識;在線階段采用遞歸最小方差(RLS:Recursive Least Square)算法進行預測與權重更新,以離線階段得到的權重矢量與協(xié)方差矩陣為迭代起點.VBR視頻通信量預測的仿真結果表明,同已有的預測方法相比,該模型的預測精度得到明顯提高.通過比較可以發(fā)現(xiàn),該模型是對VBR視頻通信量預測