论文部分内容阅读
近年来,IP网络规模不断扩大、网络用户数目逐年递增、网络业务种类日趋多样化,这些发展促进了数据传输网络和语音通信网络的逐渐融合,产生了新的业务——Vo IP。语音通信要求实时性、可靠性,因此对Vo IP网络的运营、维护和管理提出更高的要求,与此同时,掌握Vo IP网络的运行规律,对网络协议和设备的开发研究也有重要意义,同样也促使了Vo IP网络业务量和语音质量的研究。本文围绕Vo IP网络业务流建模及语音质量评价两方面展开研究。VoIP网络的业务量特性研究是网络测量、网络行为学、网络性能分析等研究方向的关键部分。VoIP网络中的业务量特性具有与传统的IP网络业务量模型极为不同的性质,所以我们力图构造有效的VoIP网络测量基础结构,获得VoIP网络的性能指标,掌握VoIP网络的业务性能,理解其运行规律,建立其行为模型。对于VoIP网络的语音质量评价方面,因为影响VoIP语音质量的因素很多,首先我们分类分析了不同因素对语音质量的影响,然后重点分析各种因素与语音质量之间的关系,最后给出新的高效地模型评价Vo IP语音质量。本文的主要研究工作和成果如下:(1)基于真实的网络,对Vo IP网络端到端的时延特征进行分析发现:网络中总排队时延的大小反映了网络“忙闲”的变化,排队时延具有自相似性、非平稳性和非线性的特点。根据真实网络中排队时延的特征,构造合理的网络结构,选取合适的泛函网络基函数。为了能够确切地表征时延的非线性特点,我们用泛函网络来辨识网络系统,并且为了充分反映时延的非平稳性,我们运用自适应算法来修正泛函网络中各神经元函数的参数。最后,用所搭建的实验环境检验所建立的模型和算法的有效性,在不同时间段进行验证分析的结果表明:泛函网络和自适应算法能够准确表征Vo IP网络业务流的大小。(2)虽然神经网络模型已经被应用到测评网络语音质量的领域,但是早期的方法依赖于代价高的主观测试结果,并且主观测试很难考虑复杂的输入条件,例如Internet中的变化因素。L.Sun提出一种新的神经网络模型,该模型是一种客观评价方法,但是当时还没有P.862标准,而且他使用的不是真实的实验平台。在本文中,提出的基于泛函网络的语音质量评价模型,使用最新的PESQ算法测得的值作为实测值,来训练所建立的泛函网络模型,并且使用真实的网络作为实验平台。本模型仅使用网络时延抖动标准差MSED和网络丢包率networkE作为输入,输出只有一个MOS值。用F检验得出由所建模型求得的方程是显著的,并且最后验证了所建模型是准确和有效的。