A QoS Routing Protocol based on Available Bandwidth Estimation for Wireless Ad Hoc Networks
在移动Ad hoc网络中出现多媒体业务的同时，引入服务质量（QoS）的研究也受到了广泛的关注。然而，在设计QoS解决方案时，可用资源的估计仍然是主要问题之一。本文提出了一种估计节点上可用资源的方法。这种方法是基于共享渠道的繁忙率的估计。我们认为，在我们的估计有关的Ad hoc传输模式，如干扰现象的几个限制。这种方法是在AODV路由协议上实现的。我们称AODVwithQOS为新的路由协议。我们还进行了性能评估模拟使用NS2模拟器。实验结果表明，AODVwithQoS协议能够以较低的开销和较好的性能在adhoc无线网络中提供QoS支持。
2011-01-20 cs.NI
Offline Meta-learning for Real-time Bandwidth Estimation
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Microsoft（微软）
本文提出Ivy方法，利用离线元学习提升实时带宽估计的准确性，通过动态选择最佳算法提高用户体验质量，实验显示在Microsoft Teams中QoE提升5.9%-11.2%。
2026-03-23 cs.NI
End-to-End Available Bandwidth Measurement Tools : A Comparative Evaluation of Performances
近年来，人们对测量网络路径的可用带宽产生了浓厚的兴趣。已经提出了几种方法和技术，并开发和评估了各种测量工具。然而，很少有关于这些工具的实际性能的比较研究。本文对可用带宽测量技术进行了研究，并从测量精度、侵入性和响应时间等方面对主动探测工具进行了比较分析。最后，对测量误差和测量工具的不确定度进行了分析，得出了总体结论。
2007-06-27 cs.NI
Estimation of available bandwidth and measurement infrastructure for Russian segment of Internet
本文提出了一种不需要高级工具的可用带宽估计方法。我们的方法是基于测量网络延迟$D$为不同大小的数据包$W$。证明了可用带宽$B_{av} =(W_2-W_1)/(D_2-D_1)$的简单表达式。为了进行实验测试，在RFBR赠款06-07-89074的框架内安装了俄罗斯互联网部分的测量基础设施。
2008-07-02 cs.NI cs.PF
A System Theoretic Approach to Bandwidth Estimation
它表明，在分组网络中的带宽估计可以被视为最小加线性系统理论。链路或完整路径的可用带宽用{ \em服务曲线}表示，该函数出现在网络演算中，用于表示业务流可用的服务。基于探测分组序列的测量或到达的样本路径的被动测量来估计服务曲线。结果表明，现有的带宽估计方法可以在网络演算的最小加代数中导出，从而为这些方法提供了进一步的数学证明。从网络探测器的测量估计可用带宽的主要困难与底层网络的潜在非线性有关。当网络被看作是在线性或非线性状态下运行的系统时，有人认为探测方案在网络从线性状态过渡到非线性状态时提取的信息最多。在犹他大学的Emulab测试平台上进行的实验评估了网络理论解释在实践中的系统鲁棒性。多节点实验评估最小加代数的卷积运算如何从各个链路的估计中提供路径的可用带宽的估计。
2008-01-03 cs.NI cs.PF
Real-Time Multi-path Tracking of Probabilistic Available Bandwidth
诸如流量工程和网络供应之类的应用可以从实时的知道在给定路径上传输而不引起拥塞的最大输入速率是多少而大大受益。我们考虑可用带宽的概率公式，其中用户指定的概率，实现输出速率几乎一样大的输入速率。我们感兴趣的是估计和跟踪网络范围内的概率可用带宽（PAB）的多条路径上同时在网络上的开销最小。我们提出了一个新的框架，啁啾，贝叶斯推理，信念传播和主动采样的基础上估计PAB。我们还考虑了时间演变的PAB形成一个动态模型，并设计了基于粒子滤波器的跟踪算法。我们实现我们的方法在一个轻量级的和实用的工具，已部署在PlanetLab网络做在线实验。我们通过这些实验和模拟表明，我们的方法优于基于块的算法在输入速率成本和成功传输的概率。
2010-10-07 cs.NI
DietTopp: A first implementation and evaluation of a simplified bandwidth measurement method
本文介绍了主动可用带宽测量工具DietTopp。它测量具有一个瓶颈链路的端到端路径上的可用带宽和链路容量。DietTopp基于简化的TOPP方法。本文描述和激励的简化和假设TOPP。此外，本文还介绍了一些DietTopp的实施问题。第一次评估的DietTopp在一个试验台的情况下。在该评估中，DietTopp的性能和测量精度与最先进的工具Pathload和Pathrate进行了比较。我们表明，DietTopp提供了快速和准确的估计的可用带宽和瓶颈链路的链路容量。
2023-01-16 cs.NI
Measurement-based Online Available Bandwidth Estimation employing Reinforcement Learning
Institute of Communications Technology\ Universit\" a t Hannover
准确、快速地估计具有不同交叉流量的网络中的可用带宽是一项具有挑战性的任务。公认的探测工具，先进先出复用的瓶颈链路的流体流模型的基础上，通过测量数据包分散估计可用带宽。估计变得更加困难，如果数据包分散偏离假设的流体流模型中存在的非流体突发的交叉流量，多个瓶颈链路，和不准确的时间戳。这促使我们探索使用机器学习工具进行可用带宽估计。因此，我们考虑强化学习并实现单状态多臂强盗技术，该技术遵循$ε$ -贪心算法来找到可用带宽。我们的测量和测试表明，我们提出的方法确定可用带宽具有高精度。此外，我们的方法收敛到可用带宽下的各种臭名昭著的困难条件下，如沉重的流量突发，不同的交叉流量强度，多个瓶颈链路，并在网络中的紧张链路和瓶颈链路是不一样的。与分段线性网络（一种采用卡尔曼滤波器的基于模型的直接探测技术）相比，我们的方法在某些网络场景中显示出更准确的估计和更快的收敛速度，并且不需要测量噪声统计。
2019-06-05 cs.LG cs.NI stat.ML
Efficient Upload Bandwidth Estimation and Communication Resource Allocation Techniques
在本文中，我们解决两个问题，为此，我们提出了新的，有效的，算法的解决方案。第一个问题是由实际情况的动机，并与有效的估计机器的上传带宽，特别是在一个点对点的内容共享和分发应用程序的上下文中。第二个问题更多的是理论性质的，并且考虑了受约束的通信资源分配情况。
2010-01-09 cs.DC cs.DS cs.NI
ACM MMSys 2024 Bandwidth Estimation in Real Time Communications Challenge
该挑战利用离线强化学习和真实世界数据，将奖励与用户感知QoE对齐，以改进RTC带宽估计模型，获胜模型性能与顶级行为策略相当。
2024-03-15 cs.MM cs.NI
Multi-path Probabilistic Available Bandwidth Estimation through Bayesian Active Learning
McGill University（麦吉尔大学）
当在视频流中选择传输速率或在对等应用中选择对等点时，知道可以在端到端路径上发送数据的最大速率，使得出口速率以高概率等于入口速率可能是非常实用的。我们引入概率可用带宽，这是定义在入口速率和出口速率的路径上的流量，而不是在容量和利用率的组成链路的路径，如标准的可用带宽度量。在本文中，我们描述了一个分布式算法，概率图模型和贝叶斯主动学习的基础上，同时估计通过网络的多条路径的概率可用带宽。我们的程序利用了这样一个事实，即每个包训练提供的信息，不仅关于它穿越的路径，但也有关于任何共享一个链接与监测path.Simulations和PlanetLab实验表明，这个过程可以显着减少所需的探针的数量，以产生准确的估计。
2010-01-06 cs.LG cs.NI
Human-in-the-Loop Bandwidth Estimation for Quality of Experience Optimization in Real-Time Video Communication
针对实时视频通信中带宽估计挑战，提出人机协同数据驱动框架，利用离线强化学习训练带宽估计器，真实A/B测试降低差通话率11.41%。
2025-10-14 cs.AI cs.MM cs.NI
Reinforcement learning for bandwidth estimation and congestion control in real-time communications
Microsoft（微软）
用于实时的【形】通信的带宽估计和拥塞控制（即，音频和视频会议）仍然是一个困难的问题，尽管进行了多年的研究。为最终用户实现高质量的体验（QoE）需要不断更新，因为网络架构和技术不断变化。在本文中，我们首次将强化学习应用于实时的【形】通信（RTC）问题，在这里我们寻求优化用户感知质量。我们提出了初步的概念验证的结果，在这里我们学习一个代理来控制RTC系统中的发送速率，使用网络模拟和真实的互联网视频通话进行评估。我们讨论了我们观察到的挑战，特别是在设计反映QoE的现实奖励函数，以及弥合训练环境和现实网络之间的差距。
2019-12-04 cs.LG cs.NI
Estimation of Sparse MIMO Channels with Common Support
我们考虑的问题估计稀疏通信信道的MIMO环境。在小到中等带宽通信中，如在OFDM和CDMA通信系统的当前标准（带宽高达20 MHz）中，这样的信道是单独稀疏的，并且同时共享公共支持集。由于底层的物理信道本质上是连续时间的，我们提出了一种基于有限创新率（FRI）原则的参数稀疏估计技术。参数估计与MIMO通信特别相关，因为它允许信道的鲁棒估计和简洁描述。该算法的核心是将传统的谱估计方法推广到具有公共支集的多输入信号。我们展示了我们的技术在OFDM（均匀/连续DFT导频）和CDMA下行链路（Walsh-Hadamard编码方案）的信道估计的应用。在存在加性高斯白噪声的情况下，推导了瑞利衰落条件下SCS信道参数估计的理论下界。最后，推导出解析空间信道模型，并且在OFDM设置中对该模型的仿真显示，与标准非参数方法（例如，低通内插）相比，符号出错率（SER）降低了2倍（SNR为0 dB）至5倍（高SNR）。
2011-07-07 cs.NI
ProCAVE: A Self-Adaptive, Full-Lifecycle Edge Caching Framework for Video Streaming via Predictive Bandwidth Estimation and Preference-Aware Deep Reinforcement Learning
Tarbiat Modares University（塔比尔·莫达雷斯大学）；ICT Research Institute（信息通信技术研究所）
该研究针对现有边缘缓存方法在无线动态环境下响应与协调不足的问题，提出ProCAVE框架，结合轻量Transformer、PPO、DDPG实现预测带宽建模与偏好感知缓存控制，实验表明其在字节命中率、回传负载、QoE上优于FlyCache等基线。
2026-08-05 cs.MM cs.NI eess.IV
FastScan: Robust Low-Complexity Rate Adaptation Algorithm for Video Streaming over HTTP
本文提出并评估了一种新的算法，流媒体视频通过HTTP。该问题被制定为一个非凸优化问题，它是由预测的可用带宽，块的最后期限，可用的视频速率，和缓冲区占用率的约束。目标是优化QoE度量，该QoE度量在最大化每个块的回放速率和确保不同块之间的公平性以最小的重新缓冲时间之间保持折衷。我们提出FastScan，一个低复杂度的算法，解决了这个问题。在线适应动态带宽环境提出了不完善的可用带宽预测。由可变比特率（VBR）编码视频、视频平台系统（dash.js）和公共数据集的蜂窝带宽跟踪驱动的实验结果揭示了FastScan算法的在线版本的鲁棒性，并证明了其与所考虑的最先进的视频流算法相比的显著性能改进。例如，在跨越不同可用带宽制度的公共数据集的100个真实蜂窝可用带宽轨迹上进行的实验上，我们提出的算法（FastScan）与Bola、Festive、BBA、RB和FastMPC以及Pensieve算法相比，在每个轨迹中实现了最小重新缓冲（停顿）时间和最大平均回放速率。
2019-01-21 cs.MM cs.NI
Analysis of bandwidth measurement methodologies over WLAN systems
WLAN设备已经成为当今网络部署的基本组件。然而，即使传统的网络应用程序在无线链路上运行时基本不变，但这些应用程序与无线传输动态之间的实际交互尚未完全了解。这种应用的一个重要例子是带宽估计工具。这一领域已经成为一个成熟的研究课题，并取得了丰硕的成果。不幸的是，最近的研究表明，这些结果的WLAN链路的应用程序是不简单的。其主要原因是，开发带宽测量工具所采用的假设在存在无线链路（例如，非FIFO调度）的情况下不再成立。本文建立从这些观察，其主要目标是分析探测数据包和WLAN传输之间的相互作用，在带宽估计过程中。本文提出了一个分析模型，更好地考虑到WLAN链路的特殊性。该模型通过广泛的实验和仿真进行了验证，并揭示了（1）传输探测数据包的延迟分布对于整个探测序列并不相同，这会导致测量过程出现偏差;（2）现有工具和技术指向可实现的吞吐量，而不是可用的吞吐量。带宽或容量，如前所述。
2009-02-03 cs.NI cs.PF
Offline to Online Learning for Real-Time Bandwidth Estimation
Department of Computer Science, University of Texas at Austin, Austin, Texas（德克萨斯大学奥斯汀分校计算机科学系，奥斯汀，德克萨斯）；Microsoft, Redmond, Washington（微软，雷蒙德，华盛顿）
本文提出Merlin算法，通过离线行为克隆和在线微调实现带宽估计的个性化，相比传统方法在用户体验上提升7.8%。
2025-02-12 cs.LG cs.NI
A Reinforcement Learning Approach to Optimize Available Network Bandwidth Utilization
University at Buffalo (SUNY)（纽约州立大学布法罗分校）
通过高速、长距离共享网络进行高效数据传输需要正确利用可用网络带宽。使用并行TCP流使应用程序能够利用网络并行性，并可以提高传输吞吐量;然而，由于共享同一网络的不确定性背景流量，找到并行TCP流的最佳数量是具有挑战性的。此外，主机系统中网络信号的非平稳性、多目标性和部分可观察性增加了查找当前网络状况的额外复杂性。在这项工作中，我们提出了一种新的方法来找到最佳数量的并行TCP流使用深度强化学习（RL）。我们设计了一个基于学习的算法，能够概括不同的网络条件和智能地利用可用的网络带宽。与基于规则的算法在未知网络场景中不能很好地推广相反，我们基于RL的解决方案可以动态地发现和调整并行TCP流的数量，以最大限度地提高网络带宽利用率，而不会拥塞网络，并确保竞争传输之间的公平性。我们广泛地评估了我们的RL为基础的算法的性能，比较它与几个国家的最先进的在线优化算法。结果表明，我们的基于RL的算法可以找到接近最优的解决方案快40%，同时实现高达15%的吞吐量提高。我们还表明，不同于一个贪心算法，我们设计的基于RL的算法可以避免网络拥塞和公平地共享可用的网络资源之间的竞争传输。
2022-12-01 cs.AI cs.DC cs.NI
