基于Q强化学习的AVB数据转发时延模型研究.pptxVIP

content

目录

01

研究背景与问题提出

02

理论基础与关键技术融合

03

模型构建与算法设计

04

仿真环境搭建与实验设计

05

结果分析与性能评估

06

结论展望与应用延伸

研究背景与问题提出

01

传统以太网在音视频实时传输中面临时延不确定性挑战

时延敏感需求

音视频实时传输要求严格控制端到端延迟与抖动，传统以太网尽力而为机制难以满足确定性时序需求，导致音画不同步或卡顿等问题。

缺乏优先级保障

传统以太网采用FIFO队列调度，高优先级音视频流易受突发数据干扰，无法实现流量分级处理，造成关键帧传输延迟不可控。

动态适应性差

网络负载变化时，传统机制无法动态调整转发策略，面对多业务并发场景时资源分配僵化，加剧了时延不确定性。

AVB技术通过时间同步与流量整形提升传输确定性但仍存优化空间

01

时延确定性

AVB通过gPTP实现微秒级时间同步，结合CBS流量整形保障关键流的带宽与时延下限，显著提升传输确定性。但面对动态多变的车载业务流，静态参数配置仍难以适应复杂耦合场景。

02

调度局限性

IEEE802.1Qav标准采用信用机制控制转发时机，虽能抑制低优先级流量抢占，但在突发负载下易引发高优先级帧排队延迟波动，影响实时性能稳定性。

03

模型精度不足

传统网络演算方法对AVB端到端时延的理论分析常基于最坏情况假设，导致结果偏保守，无法准确反映实际系统中流量动态交互的真实