基于速率的流媒体网络拥塞算法研究

来源 :兰州理工大学 | 被引量 : 0次 | 上传用户:madywu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
伴随着流媒体的广泛应用和人们对高服务质量的追求,流媒体传输技术成为网络应用的一大热点。流媒体集音频视频及图文于一体,具有数据量大、低时延、低抖动等特性。流媒体数据在网络中传输时常采用的是UDP协议,而非TCP。但是UDP并不提供任何的拥塞控制机制,这使得服务质量不能得到有效保障。并且流媒体传输会消耗大量的网络资源,拥塞控制的缺乏将会影响到网络的正常运行。因此,为流媒体传输引入适当的拥塞控制机制势在必行。实践证明,最有发展前景的捌塞控制算法应该在保证媒体流QoS的同时,又注重与TCP数据流的友好共处。  基于以上要求,本文首先分析了拥塞产生的原因、拥塞控制的特点和研究意义,其次对流媒体和实时流式传输作了详细的阐述,接着研究了TCP拥塞控制的基本原理、支持实时传输的RTP和RTCP协议,然后重点研究了基于速率的拥塞控制算法TFRC(TCP-Friendly Rate Control protocol)。针对TFRC算法中缺乏对单向延迟抖动的控制、发送速率变化波动性大、慢启动时间过长等不足,本文对TFRC算法进行改进,提出一种更适合流媒体传输的拥塞控制算法,称之为FS-TFRC(Improved TFRC in respect ofFairness and Smoothness)。利用RTCP反馈信息包获取计算吞吐率的参数RTT和丢包率p,根据吞吐量模型来计算相应的发送速率,从而起到平滑发送速率的作用。特别是在慢启动阶段利用FS-TFRC降低了慢启动时间,将单向传输延迟抖动作为反馈信号来修正FS-TFRC的发送速率,同时采用一种自适应阈值调节方案,根据历史情况动态的调整抖动延迟阈值。最后通过仿真实验,验证了改进算法FS-TFRC在降低时延、减缓抖动和保证平滑性等方面都取得了较好的结果,能够更好地适应流媒体实时传输。
其他文献
基于视频的移动目标检测是图像处理的一个重要分支,在许多实际应用中担当核心的任务。理想情况下运动目标检测算法是基于静态背景的,但在实际应用中,运动目标所处的场景往往
随着大数据时代的到来,爆炸式增长的海量数据迫切需要有效的存储和管理。大规模分布式存储技术的飞跃式发展势不可挡。人们对存储系统的要求也更为广泛,譬如存储容量、I/O性能
随着大数据技术在业界和学术界的发展,大量的分布式计算平台投入运行,其中以Apache Hadoop平台应用最为广泛。Hadoop屏蔽了分布式系统的底层实现细节,使得应用程序开发人员可
随着网络和信息技术的发展,不同组织域之间的信息共享和分布式协作变得日益广泛。一方面为现代社会生产和生活提供了很大便利,而另一方面,又会带来各种信息安全问题。各个组织域
随着以微博为代表的社交网络的兴起,在带给人们前所未有的资讯体验的同时,社交网络中层出不穷、愈演愈烈的谣言信息也成为日益突出的问题。谣言的自动检测研究作为社交网络谣言
近年来,世界经济发展迅速,但是很多国家的交通设施的建设速度都不及机动车增长速度,导致交通拥堵问题愈演愈烈。交通拥堵会造成极大的时间浪费和经济浪费,也会造成空气污染、噪音
Web服务作为一种新型的Web应用模式,近年来得到了迅速的发展。如何把现存的各种Web服务整合起来形成新的、增值的服务并满足用户对服务质量的要求成为服务组合领域的应用需求
近年来云计算技术发展迅猛,作为云计算技术主要应用形式之一的VDI[1](Virtual Desktop Infrastructure)也在随着企业用户和普通用户实际应用需求的变化而不断改进与完善。VDI
硬件的普及推进了软件的发展。随着高精度数码相机的普及,一些原本得不到推广的技术变得当普遍。车牌识别就是其中之一。这项技术主要用于高速公路违章记录,停车场收费管理系统
在数字图像处理领域中,图像的分辨率可以反映图像的清晰程度,是评价图像质量的关键指标。由于人脸图像在计算机视觉,模式识别等领域中起着至关重要的作用,所以关于人脸图像超分辨