一种基于深度学习的实时视频传输自适应前向纠错方法和系统技术方案

本发明专利技术公开了一种基于深度学习的实时视频传输自适应前向纠错方法和系统，能够在网络状况发生波动时，预测未来一段时间的网络情况变化趋势，自适应地改变前向纠错算法的参数，从而保证实时视频数据的传输质量。本发明专利技术的主要贡献包括：(1)通过神经网络模型学习网络状况的变化规律，从而针对过去的网络状况预测未来的网络丢包情况。(2)在模型中添加了计数器模块，将模型输出从网络特征序列转变成了网络丢包率，简化了模型的输出并且提高了预测准确率。(3)在神经网络学习和预测时在过去与未来的时间段之间设置了间隔，解决了网络状况实时反馈所存在的问题，从而保证了能够在实时视频传输系统中使用神经网络模型进行实时预测。

【技术实现步骤摘要】
一种基于深度学习的实时视频传输自适应前向纠错方法和系统
本专利技术属于网络流媒体传输
，具体涉及到一种实现网络自适应前向纠错从而减少传输丢包的实时视频传输方法和系统。
技术介绍
近年来，实时视频流越来越普遍。预计到2022年，网络视频流将占互联网流量的82％。与此同时，越来越多的网络视频将采用流媒体直播的形式，实时视频通信正引起越来越多的用户和研究者的关注。然而，分组丢失是实时视频通信中的一个关键问题，因为它会导致失真和解码错误，从而降低用户的体验质量。国际电信联盟(ITU)标准对视频会议等实时通信应用的单向时延限制在200ms以内，所以通过重传的方法来恢复丢失的分组是非常困难的。自动请求重传是一种传统的纠错方法，但其恢复延迟往往长于往返时延。为了有效地解决这一问题，前人提出了应用层前向纠错技术。应用层前向纠错技术将前向纠错编码算法应用于数据源包，产生冗余包，使得接收端在数据包丢失时能够以相对较低的延迟恢复丢失的源包。实践事实证明应用层前向纠错技术是实现低延迟分组传输的有效技术，但是在网络状况不断变化的情况下如何提高数据传输效率仍本文档来自技高网...

【技术保护点】
1.一种基于深度学习的实时视频传输自适应前向纠错方法，适用于发送端，其特征在于，包括以下步骤：/n从接收端接收数据包元信息；/n将数据包元信息输入神经网络，通过神经网络输出未来网络特征；/n根据未来网络特征得到网络状况估计值；/n根据网络状况估计值对原始数据包进行前向纠错编码，得到冗余数据包；/n将原始数据包、冗余数据包发送至信道。/n

【技术特征摘要】
1.一种基于深度学习的实时视频传输自适应前向纠错方法，适用于发送端，其特征在于，包括以下步骤：
从接收端接收数据包元信息；
将数据包元信息输入神经网络，通过神经网络输出未来网络特征；
根据未来网络特征得到网络状况估计值；
根据网络状况估计值对原始数据包进行前向纠错编码，得到冗余数据包；
将原始数据包、冗余数据包发送至信道。


2.根据权利要求1所述的方法，其特征在于，所述数据包元信息是数据包的丢包信息；所述未来网络特征是神经网络计算得出的特征序列，其中隐含对未来网络丢包情况的预测。


3.根据权利要求1所述的方法，其特征在于，所述神经网络是LSTM神经网络。


4.根据权利要求3所述的方法，其特征在于，所述LSTM神经网络的训练过程包括：
针对待应用的网络环境进行数据传输测试，记录传输过程中的丢包信息，作为神经网络的数据集；
对数据集进行预处理和切分，生成长度统一的数据样本，其中每个数据样本由输入丢包序列和输出丢包概率两部分组成；
将数据样本集输入LSTM神经网络，运用梯度下降的优化方法训练LSTM神经网络，依据输入丢包序列预测输出丢包概率的准确性。


5.根据权利要求1所述的方法，其特征在于，在过去与未来之间设置间隔，即在已经发送的n号数据包与即将发送的m号数据包之间设置间隔；控制间隔大小使得在预测m号数据包的丢包概率时，n号数据包的反馈报文能够抵达数据包发送端。


6.一种基于深度学习的实时视频传输自适应前向纠错方法，适用于接收端，其特...

【专利技术属性】
技术研发人员：张行功，程晟，胡晗，郭宗明，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京;11