随着通信技术的发展,人和人之间的信息交换手段已经从原始文本,面对面对话等方式发展成更加精确、快速的方式,如打电话、发短信等。其中,视频会议便是现在人们使用比较广泛的远程信息交换手段之一。为了提高视频会议用户的使用体验,研究如何提高视频会议的服务质量（Quality of Service,Qo S）越来越具有重要性。本文主要针对视频会议系统中的视频传输和视频传输拥塞控制机制进行研究。首先,本文针对视频会议的传输方案和相关传输协议进行分析,并对BP神经网络、RNN神经网络、GRU神经网络进行研究。根据视频会议的视频流量时序性特点,本文将小波变换的思想融合到循环神经网络中,提出一种数据经过小波变换处理后基于GRU神经网络的视频流量预测模型,将数据经过小波变换处理,分解为高频和低频分量,并采用GRU神经网络模型对分解后的高频低频分量进行预测,对预测结果采用小波变换进行重构,重构后得到的结果便是未来时刻的视频流量发送情况。实验结果表明,本文提出的视频流量预测模型能更加准确的预测出下一时刻的数据。其次,本文提出一种改进的TFRC拥塞控制算法;将基于预测的发送速率作为参考因子与原TFRC算法计算的的预估值共同作用于调节发送速率中,进行视频流量发送速率的调节。实验证明,本章提出的改进拥塞控制策略可以更好地保证视频传输的Qo S。最后,本文在实际项目需求的基础上,设计并实现基于SFU的移动端多人音视频会议系统,并对系统的内存、流量、FPS等指标进行性能测试分析。测试结果显示本系统内存占用较低,流量情况正常,视频FPS情况稳定。通过视频会议的实际应用表明本系统具有鲁棒性和稳定性。