基于WP-MLP神经网络的VoIP自适应抖动缓冲算法

为解决抖动缓冲区播放延时和丢包之间的矛盾,实现缓冲区的动态调整使延时和丢包达到最优的平衡,提出一种基于WP-MLP神经网络的自适应抖动缓冲算法。首先,对抖动缓冲区的基本原理进行了分析并给出了丢包率与缓冲延时之间的函数关系;其次,提出了WP-MLP神经网络抖动缓冲算法的网络模型并对算法流程进行了分析;最后,通过VoIP网络仿真进行建模对比几种常用抖动缓冲算法,结果表明,本文所提算法能够在播放延时和丢包率之间保持更好的平衡,对缓冲区大小的动态调节表现出更优异的性能。

MAX-MOS自适应抖动缓冲算法研究

抖动是影响VoIP服务质量的一个重要因素。VoIP系统通常通过设置抖动缓冲区来尽可能的减小抖动带来的影响。本文采用帕累托分布对网络延时进行建模,利用E-Model方法计算当前MOS值,通过搜索延时与丢包之间的良好折衷设置缓冲区的大小,从而自适应地获得MOS值的提升。实验表明,该算法在各种实验网络状况下均可以有效的提高VoIP系统服务质量。