基于播放速度预测的自适应多媒体播放算法

为了能实时地跟踪网络时延的变化,减少因时延抖动造成的对播放质量的影响,该文提出一种自适应多媒体播放(AMP)的算法.该算法利用Chebyshev不等式和时延抖动的统计特性,预测适宜的播放速度,同时利用缓冲区的状态共同调节播放速度.计算机仿真结果表明: 该算法在有效地减小缓冲区溢出可能的同时可以实时地跟踪网络延时的变化改变播放速度,播放速度的方差可以减少40%～80%;用主观视觉观测,抑制抖动的效果比原有的AMP算法更好.     

基于多层神经网络控制的动态自适应播放

基于流媒体客户端缓冲的被动变化可以通过自适应媒体播放(AM P)技术修改播放速度来调节,为了减轻AM P中速度突变对播放质量的影响,提高变速的性能,提出了一种基于多层神经网络控制的AM P方法,产生随当前缓冲动态变化的速度,并且保持缓冲稳定在一定的范围内。该方法引入了多层神经网络控制结构,并采用反向传播学习算法(BP)进行离线训练。仿真结果表明:该方法产生的速度平均幅值和变化增量可以减少0~100%,性能比原AM P方法更好。     

基于模糊逻辑控制的VoIP抖动缓冲控制算法

抖动缓冲区大小是影响基于IP的语音传输(voice over internet protocol,VoIP)语音质量的重要因素之一.为减小缓冲区时延与丢包,提高VoIP的语音质量,提出一种基于模糊逻辑控制的自适应抖动缓冲控制算法.通过监测语音包缓冲时延的长、短时变化,并制定了缓冲时延与缓冲区调节值之间的模糊控制规则,自适应调节缓冲区大小,在避免丢包的前提下,使缓冲时延最小化.仿真结果表明,该算法能有效降低VoIP的缓冲时延,相比传统的抖动缓冲自适应算法,所取得的平均缓冲时延更小,在网络突发前后收敛速度更快,具有较强的稳定性和跟踪性,可以适用于各种复杂网络环境的VoIP通信中.     

基于时延预测的VoIP抖动缓冲控制算法

网络时延抖动是影响VoIP语音质量的重要因素之一.为消除时延抖动,提高VoIP语音质量,提出一种基于时延预测的自适应抖动缓冲控制算法.算法采用AR模型为时延序列建模,通过LMS算法进行时延的一步预测,并根据时延预测值,以缓冲时延最小化为目标,自适应调节缓冲区大小.仿真试验结果表明,该算法在网络平稳时,取得了较小的缓冲时延,在网络状况突发时,具有较快的收敛速度,可以有效提高VoIP语音质量.     

一种改进的变步长自适应匹配追踪算法

压缩感知是利用信号的稀疏性和可压缩性进行信号处理的新理论.针对压缩感知中信号稀疏度未知的问题,提出了一种改进的变步长自适应匹配追踪(MVss AMP)算法.该算法通过计算余量与测量矩阵的相关性,自适应地选择候选集原子,并且通过可变步长更新支撑集,实现信号的精确重建.该算法通过设置一个参数来控制步长变化.仿真结果表明:该算法在误差范围内实现了信号精确重建,并且重建性能优于其他同类算法.     

新一代GNSS信号的自适应Kalman跟踪算法

为了提高导航服务的质量,要求新一代全球导航卫星系统(GNSS)信号的自适应跟踪算法在稳态场景下具有较好的定位精度的同时,当场景发生变化时也能保持稳健的性能。原有的自适应Kalman滤波算法应用于自适应跟踪时,在优化稳态跟踪精度或者动态稳定性方面有所不足。该文提出了一种自适应因子的Kalman滤波算法,并与双更新率的锁频辅助锁相技术结合,用于自适应跟踪环路的设计。仿真结果表明:相比原有的自适应技术,该算法具有较小的相位跟踪误差,在场景变化时的稳定性也更好。     

自适应实值分布估计算法

针对实值分布估计算法(RECEDA)求解单模和多模优化问题存在的搜索空间有限和种群多样性保持能力较差等问题,提出了一种自适应实值分布估计算法(ARECEDA),该算法根据种群多样性性能指标自适应改变新种群采样过程中的方差值,使改进算法有效地提高种群多样性.实验结果表明,自适应实值分布估计算法比原有算法在优化精度上有很大提高.     

基于M估计的自仿射投影滤波算法

研究了自仿射投影算法的收敛性能,并针对其抗突出值干扰能力不强的缺点,将稳健估计中的M估计应用于该算法,提出了一种基于M估计的改进自仿射投影算法（M-APA）,计算机模拟结果表明,该算法在基本保持原有算法收敛速度的同时,其抗突出值干扰能力远远优于原算法。提高了自适应辨识系统的稳定性和可靠性。     

P2P技术在网络媒体播放中的应用

互联网的一个重要应用就是传输媒体文件,为人们提供休闲和娱乐。本文提出一种新型的＂增强混合式P2P网络模型＂以及私有的PSTP协议和运行机制,并将这项技术应用到网络媒体播放中,从而提高媒体播放缓冲的速度和播放质量。     

基于自适应遗传算法的网络化制造盟员选择研究

针对网络化制造中动态联盟盟员选择优化问题,分析了盟友的评价指标体系,建立了盟友选择的多目标优化模型,并在此基础上提出一种自适应遗传算法.该算法设计了自适应交叉和变异概率, 使其在遗传过程中根据适应度自动选择, 从而使群体中每个个体对环境的变化具有自适应调节能力.通过保持迭代过程的最优解, 加快了搜索速度, 并保证收敛于全局最优解.