vbr视频通信预测的神经网络方法研究.pdfVIP

摘要 摘 要 Bit 本文对神经网络方法在可变比特率(VBR：VafiableRate)视频通信量预 测中的应用进行了研究，主要内容如下： 1．刈VBR视频通信量预测的研究方法和进展进行了综述，重点是神经网络方 法。基于这些神经网络方法的成功应用，作者得出了一条结论：用斗|IM压缩 算法产生的VBR通信量，在经归一化处理后，将具有相同的时间序列模型。 RadialBasis 本文采用的梯度径向基函数(GRBF：Gradient Function)模型， Neural 吼及提出的基于自适应滤波的抽头延迟神经网络TDNN(TappedDelay Network)模型都是基于这个结论。 2．提出把GRBF模型应用于VBR视频通信量预测中，由于采用差分输入，能 消除局部平均值变化对预测精度的影响，同常用的基于最小均方差(LMS) 的线性模型和静态TDNN模型相比，其预测精度得到明显提高。 3．提出基于自适应滤波TDNN预测模型并应用于VBR视频通信量的预测中， 该网络训练分为离线学习和在线二次学习两个阶段：离线阶段，神经网络的 训练采用基于卡尔曼滤波的训练及删剪算法，通过删除隐层神经元，得到一 个结构紧凑的网络拓扑结构，作为下一步在线预测与权重更新的先验知识； Least 在线阶段采用递归最小方差(RLS：Reeursive Square)算法进行预测与 权重更新，以离线阶段得到的权重矢量与协方差矩阵为迭代起点。VBR视频 通信量预测的仿真结果表明，同已有的预测方法相比，该模型的预测精度得 到明显提高。通过比较可以发现，本模型是对VBR视频通信量预测所期望的 精确性与实时性的一个很好的折中。 关键词：可变比特率，视频通信量，神经网络，时阳J序列预测，梯度径向基函数 自适应滤波，卡尔曼滤波，递归最小方差 ABSTRACT ABSTRACT VBR is The ofneuralnetwork in videotraffic application approaches prediction studiedin thesis．The issummarizedas this emphasis following． VBRvideotraffiC firstofall．andthe A ofrelativeworkon iS survey prodictiongiven iS onnetlraInetwork the oftheseneura】 SUCCESS emphasisplaced approaches．From author toaconclusion：afterare