【摘要】：理论上，采用马尔科夫模型就能对丢包率进行分析和预测，但由于视频传输的实时性要求及其预测的准确性问题，直接采用该模型并不合适。这说明当前的网络状态只与离此刻最近的前一时间段内的网络状态有关，而网络状态直接影响了丢包事件发生概率的大小，即决定了丢包率的大小。反之，相应的丢包率也直接对应一个网络状态。
通过上述两节的分析可知，数据传输过程中的丢包事件之间具有马尔科夫性。丢包事件是导致视频失真的主要原因，如何准确预测丢包率并采用相应的信道编码方案，对提高视频传输的可靠性起着关键作用。理论上，采用马尔科夫模型就能对丢包率进行分析和预测，但由于视频传输的实时性要求及其预测的准确性问题，直接采用该模型并不合适。常用的丢包率预测方法，如端到端网络测量方法、指数平滑方法、基于时空关联的最优估计方法、卡尔曼滤波估计方法等，在互联网越来越复杂的异构化趋势下，由于这些方法忽略了丢包率、时延等QoS参数的内在联系，其局限性更加明显，已无法满足用户的需要。
事实上，实验表明网络QoS 不但具有一定的自相关性，而且呈现出一阶离散马尔科夫性，即具有以下性质：(www.xing528.com)
其中，Xn =i表示在n 时刻处于状态i。这说明当前的网络状态只与离此刻最近的前一时间段内的网络状态有关，而网络状态直接影响了丢包事件发生概率的大小，即决定了丢包率的大小。反之，相应的丢包率也直接对应一个网络状态。因此，为充分利用二者之间的内在联系，利用HMM将对网络数据包丢失事件建模，在此基础上，对丢包率进行预测，再选择合适的信道编码方案，该方法的有效性也在本章的仿真实验中得到了验证。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
