专利名称：认知的无线网络视频流传输方法
认知的无线网络视频流传输方法技术领域
本发明以无线网络中流媒体传输为背景，以机器学习中的SVM算法为基础，提出 一种认知的无线网络视频流传输方法。该方法主要借鉴跨层设计的思想，根据网络各层的 参数利用动态规划计算出合适的MAC层重传次数，并用其训练SVM，得到分类器。然而理论 计算值往往不能反映实时的网络状况，因此动态规划得到的训练样例不十分具有代表性， 为了提高SVM的精度，本方法采用了根据实际情况更新训练样例的方法。为了更好的适应 网络的变化，本方法还提出一种在线调节的算法。本发明方法涉及到跨层设计、认知无线 电、机器学习、流媒体传输等技术领域，属于无线网络视频流传输方法的技术领域。
背景技术：
无线通信技术的发展，无线信道容量的增大，使得通过无线网络传输多媒体成为 可能。特别是无线网络中的流媒体传输技术在娱乐、抢险救灾和军事等领域得到广泛的应 用。然而，不同接入技术、多径衰落、信道间干扰、噪声及终端移动性，使得无线网络环境呈 现出变化快、时延大，误码率高的特点。对此要求系统能够根据网络变化进行动态调节。通 常，无线网络中对网络单独某一层参数的调节无法达到较好效果，因此需同时对多个层的 参数进行调节，但这又带来新的问题。首先，对某一层参数的调节需要其他层的信息，这就 需要实现层与层之间有效的通信；其次是如何进行层与层间参数的协调。多层之间的参数 优化是一个多目标、非线性的问题，加上网络的动态性和不确定性，使问题变得更加复杂。
针对层与层之间通信机制的问题，人们提出了跨层设计方法，包括自上向下、自下 向上、以应用层为中心、以MAC层为中心等。但是这些方法都无法很好解决问题。对此，学 者们又引入了垂直平面的概念。如图1所示，网络各层将可配置参数传递给垂直平面进行 处理，得到各个参数的值并反馈回网络各层。这样既实现了网络各层之间的交互，又保留了 原有层与层之间接口，避免了对现有协议的更改。
针对层与层之间参数的协同，一种可行的方法是通过学习。虽然目前出现了一种 利用动态规划得到的样例训练SVM，进而调节MAC层重传次数以适应无线网络动态多变特 征的方法，但是该方法仍存在一些问题。首先，由于网络的动态性和不确定性，无法准确地 进行网络建模。因此通过建模并用动态规划产生的训练样例不具备代表性，训练得到的策 略也将无法很好地对实际情况进行分类；其次，无法根据网络的实时状态进行在线调节。发明内容
技术问题本发明公布了一种认知的无线网络视频流传输方法。该方法针对无线 网络带宽小，变化快，误码率高等特点，根据网络状态以及视频特征等参数动态调节发送端 MAC层参数。由于网络各层参数的优化是一个多目标非线性的问题，本发明采用机器学习的 方法来解决该问题——离线训练，在线分类。由于机器学习方法只有在训练样例具有代表 性时才具有较高精度，因此必需根据实际情况修正训练样例。动态规划得到的样例虽然不 十分准确，但仍可用来初始化整个过程，加速收敛。最后，本发明还提出一种在线调节算法，能够根据实际网络状态在线调节，使得系统具有更大灵活性，弥补了机器学习方法的不足。
技术方案一种认知的无线网络视频流传输方法，该方法的步骤为
本发明认知的无线网络视频流传输方法，其特征在于该方法的步骤为
1)用动态规划计算在各种网络状态和视频流特征作为输入的情况下理论最佳的 MAC层重传次数，将得到的训练样例离线训练SVM ；
2)发送端感知网络状态、视频流特征信息，做为SVM的输入，得到MAC层理论最佳 重传次数；
3)根据在线调节算法调节MAC层重传次数，据此发送数据包，并将此时网络状况 和所选参数暂时保存，这里将对应的训练样例称为发送样例；
4)接收端将丢包情况、时延以及时延抖动信息反馈给发送端；
5)发送端根据反馈信息，将与成功发送的数据包对应的发送样例保存，成为新的 训练样例；
6)用新的训练样例代替旧的训练样例，如果是第一次替换，那么旧的训练样例即 动态规划计算得到的训练样例；
7)由新训练样例训练SVM得到新策略。
优选地，步骤幻所述的在线调节方法包括如下步骤
a)如果α大于阈值aT，m力口一，α设为0 ；
b)如果β大于阈值βτ，πι减一，β设为0 ；
c)如果根据理论计算，数据包j在m+1次重传时仍然能够成功被对端接收，则将 α值加一，β设为0，并返回m+1作为MAC层的理论最佳重传次数；
d)否则如果数据包j在m次重传时无法被对端成功接收，那么设α为0，β加一， 并返回此时理论计算得到的重传次数作为MAC层的理论最佳重传次数；
e)如果以上两种情况均不成立，则返回SVM输出的值m作为MAC层的理论最佳重 传次数；
其中α，β分别表示连续上调或者下调重传次数总数，ατ，βτ分别为α，β的 阈值，m表示根据网络实时状况和视频流特征通过SVM得到的重传次数，将α，β分别初始 值都为0。
有益效果
通过认知的无线网络视频流传输方法，我们能够实现
1.通过SVM算法根据网络状态和视频媒体特征等信息对MAC层重传次数进行调 节，能够较好地适应网络状态的变化；
2.根据实际状态下，接收端的反馈信息，不断更新训练样例，使得训练样例更具代 表性，从而实现根据无线网络状态的变化进行“粗调”；
3.利用在线调节算法，可以根据网络的变化做出快速的反应，实现“细调”；
4.利用离线训练，在线分类的方法，可以进行实时调节。
图1是跨层设计的示意图2是认知的无线网络视频流传输系统示意图3是认知的无线网络视频流学习环示意图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明
认知的无线网络视频流传输方法可以经过认知的无线网络视频流学习环进行调 整，便可提高分类器精度，如图2、3所示。这里仅介绍了选择MAC层重传次数的例子，其他 参数如数据包大小，由于它关系到时延、时延抖动和丢包率，也可作为可调节参数加入到动 态规划过程中，再通过多输出的SVM进行训练。该方法的步骤如下
1)用动态规划计算在各种网络状态和视频流特征的作为输入的情况下最佳的 MAC层重传次数，将得到的训练样例离线训练SVM ；
2)发送端感知网络状态、视频流特征等信息，做为SVM的输入，得到MAC层“最佳” 重传次数；
3)根据在线调节算法调节MAC层重传次数，据此发送数据包，并将此时网络状况 和所选参数暂时保存，这里将对应的训练样例称为发送样例；
4)接收端将丢包情况、时延以及时延抖动等信息反馈给发送端；
5)发送端根据反馈信息，将与成功发送的数据包对应的发送样例保存，成为新的 训练样例；
6)用新的训练样例代替旧的训练样例(如果是第一次替换，那么旧的训练样例即 动态规划计算得到的样例)；
7)由新训练样例训练SVM得到新策略。
其中步骤3)的在线调节算法用于在实时情况下根据网络的实际情况修正MAC层 重传次数，以适应网络动态多变的特点，弥补了机器学习方法的不足，实现“细调”。该算法 的具体描述如下假设α，β分别表示连续上调或者下调重传次数的总数，ατ, βτ分别为 它们的阈值，m表示SVM计算得到的重传次数，将α，β分别初始化为0，在线调节方法的步 骤为
a)如果α大于阈值aT，m力口一，α设为0 ；
b)如果β大于阈值β T，m减一，β设为0 ；
c)如果 TimeAvg(m+l，j) < Deadline (j) _TimeA。t，即理论计算的数据包 j 在 m 加一 次重传时仍然能够成功被对端接收，将α值加一，β设为0，并返回m+1作为MAC层的重传 次数；
d)否贝丨J 如果 TimeAvg(m，j) > Deadline (j) _TimeAct，即数据包 j 在 m 次 重传时无法被对端成功接收，那么设α为0，β加一，并返回理论计算得到的值
权利要求
1.一种认知的无线网络视频流传输方法，其特征在于该方法的步骤为1)用动态规划计算在各种网络状态和视频流特征作为输入的情况下理论最佳的MAC 层重传次数，将得到的训练样例离线训练SVM ；2)发送端感知网络状态、视频流特征信息，做为SVM的输入，得到MAC层理论最佳重传 次数；3)根据在线调节算法调节MAC层重传次数，据此发送数据包，并将此时网络状况和所 选参数暂时保存，这里将对应的训练样例称为发送样例；4)接收端将丢包情况、时延以及时延抖动信息反馈给发送端；5)发送端根据反馈信息，将与成功发送的数据包对应的发送样例保存，成为新的训练 样例；6)用新的训练样例代替旧的训练样例，如果是第一次替换，那么旧的训练样例即动态 规划计算得到的训练样例；7)由新训练样例训练SVM得到新策略。
2.根据权利要求1所述的认知的无线网络视频流传输方法，其特征在于步骤3)所述的 在线调节方法包括如下步骤a)如果α大于阈值αT，m加一，α设为0 ；b)如果β大于阈值βT，m减一，β设为0 ；c)如果根据理论计算，数据包j在m+1次重传时仍然能够成功被对端接收，则将α值 加一，β设为0，并返回m+1作为MAC层的理论最佳重传次数；d)否则如果数据包j在m次重传时无法被对端成功接收，那么设α为0，β加一，并 返回此时理论计算得到的重传次数作为MAC层的理论最佳重传次数；e)如果以上两种情况均不成立，则返回SVM输出的值m作为MAC层的理论最佳重传次数；其中α，β分别表示连续上调或者下调重传次数总数，ατ，βτ分别为α，β的阈值， m表示根据网络实时状况和视频流特征通过SVM得到的重传次数，将α，β分别初始值都 为0。
全文摘要
本发明公布了一种认知的无线网络视频流传输方法。本发明方法根据网络各层的参数利用动态规划计算出合适的MAC层重传次数，并用其训练SVM，得到分类器；采用了根据实际情况更新训练样例的方法。为了更好的适应网络的变化，本方法还提出一种在线调节的算法，能够根据实际网络状态对网络参数进行在线调节，使得系统具有更大灵活性。
文档编号H04W28/04GK102045765SQ20101057614
公开日2011年5月4日 申请日期2010年12月7日 优先权日2010年12月7日
发明者亓晋, 孙雁飞, 张顺颐, 王攀, 顾成杰, 黄桂松 申请人:南京邮电大学