- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种新的mpeg-4视频流量多重分形模型
1 基于mpeg-4的视频流量多重分形模型
众所周知,对于视频服务提供商和网络设计师来说,精确的视频流量模型(视频服务提供商)可以提供更好的访问控制、资源分配和规划策略。此外,它还确保了用户的qos需求,并为下一代提供了一个相对完整的视频服务的参考依据。
随着编码算法复杂度的增加及新的流量特性的不断发现, 人们提出了各种类型的模型。最初, 针对没有或只有很少场景切换的视频会议, 人们发展了能描述其短相关 (SRD) 特性的auto-regressive、discrete auto-regressive (DAR) 及Markov模型
但令人关注的是, 传统的多重分形模型 (MFM) 在描述流量小尺度多重分形特性的同时, 并不能精确表示流量序列的LRD特性;同时, 由于其生成树的根节点系数是独立同分布 (IID, independent identically distributed) 的, 因此当最终模型序列需要由多个重分形树生成时, 树与树间的相关性将会被破坏, 不具有连贯性, 因此, MFM不像AR、FARIMA模型那样, 可以用来描述实时视频或对视频流量进行预测, 这是多重分形模型最大的缺陷。
针对以上问题, 本文从多重分形构成树的定义出发, 在理论上分析了多重分形模型各尺度系数边缘分布及其相关性, 由分析得到的2个结论提出了一种基于MPEG-4的视频流量多重分形模型 (PMFM) 。与传统的MFM相比, PMFM考虑了各级尺度系数的自相关性及系数间的互相关性, 通过多乘性级联把最粗尺度上的SRD特性与最终流量序列的LRD特性联系起来, 即通过对最粗尺度系数进行AR预测建模, 使得最终生成的多重分形流量序列具有特定尺度上的流量预测能力, 弥补了传统多重分形模型难于用来进行流量预测的缺陷;同时, 对各尺度上乘子的建模方式进行了改进, 增强了最粗尺度系数和各尺度乘子的参数估计的顽健性, 提高了PMFM的模型的建模稳定性。
本文的结构如下:第2节为多重分形模型的定义说明及其缺点分析, 第3节导出了2个结论, 第4节具体给出了的MPEG-4视频流多重分形模型PMFM, 第5节为性能分析和结论。
2 构造过程介绍
乘性级联是多重分形的核心, 通过乘子, 给定的集合被细化为更小的子集。多重分形的构造过程可以通过图1说明。给定最粗尺度j=0时的系数X
各级尺度系数X
在建立模型时, 关注的是最粗尺度系数X
目前所有的多重分形建模方法都假定最粗尺度系数X
目前, 人们认为改善模型性能的关键在于对各尺度乘子r
另一个值得关注的问题是, 人们在评价乘子r
3 多重分形理论分析
本节从多重分形模型定义出发, 考察了多重分形模型各尺度系数的边缘分布及相关性, 推导出了2个重要结论, 以此作为本文提出的多重分形模型的理论基础。
3.1 级联多重分形
结论1通常认为, MPEG-4视频流中的I帧序列主题部分符合Gamma分布, 则在级联多重分形的各级尺度上, 各级尺度系数X
证明如下:
根据式 (1) , 尺度N-1上的值X
这里假定X
其中, Y
这里Y
由式 (5) 可以看出, X
3.2 模型的归一化和验证
结论2多重分形树中各级尺度系数间存在相关性, 其自相关函数 (ACF) 在时间轴上具有伸缩性, 设尺度j上系数X
证明如下:根据自相关的定义, 尺度j上的系数X
于是, 根据多重分形基本性质有
其中,
于是, R
按照式 (7) 的结论
可得出R
从式 (7) 中发现, 通过尺度间乘子
为此, 得到结论
对式 (12) 进行归一化后, 就得到了结论2。利用实际视频对结论2进行进一步分析和验证。图3、图4为电影“星球大战”的I帧序列进行多重分形分析后的结果, 从图3可以看出, 乘子间几乎不带有相关性信息, 也就是说原始视频序列ACF的形状信息仍然保留在各级尺度系数上。图4中, 不同尺度系数与I帧序列的自相关函数形状满足结论2, 具体比较j=N与j=N-7时的ACF形状可知, 在j=N-7时尺度系数ACF结构与原始I帧序列的ACF结构具有大致相同的主体形状, 不同的是在j=N-7时其ACF是SRD的, 而原始I帧序列是LRD的。因此, 如果在尺度j=N-7上对系数进行短相关建模, 则通过多重分形级联, 可最终演进为具有相似ACF结构的LRD流量序列。
4 视频流量的多段模型
本节对MPEG-4的I帧序列进行多重分形建模, 并利用图像组 (GoP) 内相关性对P帧和B帧进行建模。
4.1 最粗尺度及模型求解
与传统的通过乘子控制相关性方法不同, 这里根据多重分形级联树各尺度系数间相关性的关系, 提出了可预测的MFM (PMFM) 建模方法。
建模的第一步必须确定多重分形模型的最粗尺度J。根据传统多重
文档评论(0)