Mô hình hóa và phân loại lưu lượng video vbr mpeg bằng phương pháp mờ

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA ĐIỆN – ĐIỆN TỬ ĐẶNG QUANG VINH MÔ HÌNH HÓA VÀ PHÂN LOẠI LƯU LƯNG VIDEO VBR MPEG BẰNG PHƯƠNG PHÁP MỜ Chuyên ngành: KỸ THUẬT VÔ TUYẾN-ĐIỆN TỬ Mã số ngành: 2.07.01 LUẬN VĂN THẠC SĨ Thành phố Hồ Chí Minh, 07/2006 CƠNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: PGS.TS LÊ TIẾN THƯỜNG TS HỒNG ĐÌNH CHIẾN Ký tên Ký tên Cán chấm nhận xét 1: TS NGUYỄN NHƯ ANH…………………………………… Ký tên Cán chấm nhận xét 2: TS NGUYỄN ĐỨC THÀNH………………………………… Ký tên Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày 14 tháng 07 năm 2006 TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày 06 tháng 02 năm 2006 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: ĐẶNG QUANG VINH Phái: Nam Ngày, tháng, năm sinh: 28/06/1981 Nơi sinh: Long An Chuyên ngành: Kỹ thuật Vô tuyến – Điện tử MSHV: 01403340 I- TÊN ĐỀ TÀI: Mơ hình hóa phân loại lưu lượng video VBR MPEG phương pháp mờ II- NHIỆM VỤ VÀ NỘI DUNG: - Tìm hiểu chuẩn nén MPEG lưu lượng video MPEG tốc độ thay đổi - Tìm hiểu tập mờ loại (loại fuzzy set) hệ thống logic mờ loại (loại fuzzy logic system) - Nghiên cứu thực mơ hình hóa kích thước khung (frame size) cùa khung I/P/B sử dụng phương pháp phân nhóm (clustering) tìm hiểu giải thuật phân nhóm mờ cmeans (fuzzy c-means clustering) - Nghiên cứu phân loại thống kê phân loại mờ, áp dụng cho lưu lượng video MPEG - Nghiên cứu dùng Matlab để mơ hình lưu lượng video mơ phân loại - Nghiên cứu trình thiết kế phần cứng, ngôn ngữ VHDL, phần mềm Xilinx ISE, board lập trình XUP Development System (FPGA Virtex-II Pro) - Nghiên cứu thực hóa phân loại mờ loại loại công nghệ FPGA (Virtex – II Pro) III- NGÀY GIAO NHIỆM VỤ : 06/02/2006 IV- NGÀY HOÀN THÀNH NHIỆM VỤ: 30/06/2006 V- CÁN BỘ HƯỚNG DẪN : PGS-TS LÊ TIẾN THƯỜNG TS HỒNG ĐÌNH CHIẾN CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH CN BỘ MÔN QL CHUYÊN NGÀNH Nội dung đề cương luận văn thạc sĩ Hội đồng chuyên ngành thông qua TRƯỞNG PHÒNG ĐT – SĐH Ngày tháng năm TRƯỞNG KHOA QL NGÀNH LỜI CẢM ƠN Tôi xin chân thành bày tỏ lịng biết ơn kính trọng sâu sắc đến Thầy PGS-TS Lê Tiến Thường TS Hồng Đình Chiến Thầy tận tình hướng dẫn, tạo điều kiện thuận lợi tài liệu thiết bị để tơi hồn thành luận văn thạc sĩ Tơi xin chân thành cảm ơn quý thầy cô khoa Điện-Điện tử trường Đại học Bách khoa, người truyền đạt kiến thức, định hướng cho suốt trình học tập nghiên cứu sau đại học Con xin cảm ơn ba, mẹ gia đình tạo điều kiện, ủng hộ động viên suốt q trình học tập Cuối tơi xin cảm ơn tất bạn bè giúp đỡ suốt khóa học q trình thực luận văn Xin trân trọng ghi nhớ Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video VBR MPEG phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến ABSTRACT Multimedia services, among which are video services, are becoming the major traffic sources in future broadband networks Video applications such as video on demand, video teleconferencing, etc., involve storage and processing of massive amounts of compressed video data So, to classify the compressed (such as MPEG) video traffic directly without decompressing it will be an essential step for ensuring the effectiveness of these systems Researches exist for MPEG video traffic characteristic modeling and predicting than for classification Most of previous researches on modeling and classifying compressed video traffic mainly belonged to statistical model-based approaches However, real variable bit rate (VBR) video traffic is highly bursty, and no statistical model can really illustrate the uncertain nature of the I/P/B frames Therefore, a method based on the fuzzy logic ( fuzzy logic systems are model free and their membership functions are not based on statistical distributions) is presented to model and classify MPEG (Moving Pictures Experts Group) VBR video traffic A type-1 and type-2 fuzzy membership functions from the approach are used to model I/P/B frame sizes in MPEG video stream It is shown that a type-2 membership function is the most suitable due to uncertain property of video traffic The fuzzy c-means algorithm is utilized to achieve the means and the standard deviations of I/P/B frame sizes in the case of unkown frame categories Five fuzzy classifiers (type-1 singleton, tpe-1 nonsingleton, type-2 singleton, type-2 nonsingleton 1, type-2 nonsingleton 2) and Bayesian classifier are designed for video product classification Then, obtained results from MATLAB simulation are compared to determine the classifier with the best performance Based on these results, the thesis also designs two of all classifers (type-1 singleton classifier and type-2 singleton classifier) on XUP Virtex II Pro Development System board of Xilinx (FPGA Virtex-II ProTM XC2VP30-FF896) for verifying the output results in comparison with MATLAB based-simulation results Keywords: Fuzzy classifier, Bayes classifier, fuzzy c-means, MPEG VBR video, type-2 fuzzy logic system, FPGA, VHDL, floating point exponential function,… Abstract i HVTH: KS Đặng Quang Vinh Mô hình hóa phân loại lưu lượng video VBR MPEG phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến TĨM TẮT NỘI DUNG Các dịch vụ đa phương tiện mà video trở thành nguồn lưu lượng mạng băng rộng tương lai Các ứng dụng video theo yêu cầu, hội nghị video từ xa,… đòi hỏi lưu trữ xử lý lượng lớn liệu video số nén Vì vậy, để phân loại lưu lượng video nén (ví dụ MPEG) trực tiếp mà khơng cần giải nén bước quan trọng để đảm bảo hoat động hiệu cho hệ thống Các cơng trình nghiên cứu trực tiếp đặc tính lưu lượng video nén MPEG chủ yếu mơ hình hóa dự đoán phân loại Tất phương pháp trước tiếp cận theo cách xử lý tín hiệu theo mơ hình phân phối thống kê Tuy nhiên, lưu lượng video tốc độ bit biến đổi (variable bit rate - VBR) có tính đột biến cao khơng có mơ hình thống kê thể chất không xác định khung I/P/B Do đó, luận văn đưa phương pháp dựa logic mờ (các hệ thống logic mờ khơng phụ thuộc vào mơ hình hàm thuộc chúng không dựa vào phân bố thống kê) để thực mơ hình hóa phân loại lưu lượng video có tốc độ thay đổi nén theo chuẩn MPEG Luận văn chứng minh hàm thuộc mờ loại loại dùng để mơ hình hóa kích thước khung I/P/B dịng video nén MPEG Trong đó, tính chất bất định dòng lưu lượng video nên hàm thuộc loại thích hợp Giải thuật phân nhóm mờ c-means (fuzzy c-means) sử dụng để nhận giá trị trung bình độ lệch chuẩn khung I/P/B loại khung trước Năm phân loại mờ (vạch-đơn loại 1, không-vạch-đơn loại 1, vạch-đơn loại 2, không-vạch-đơn-1 loại 2, không-vạch-đơn2 loại ) phân loại kiểu Bayes thiết kế để sử dụng cho việc phân loại Các kết mô MATLAB phân loại so sánh với để tìm phân loại cho chất lượng tốt nhất, thích hợp với chất bất định lưu lượng video VBR MPEG Dựa kết này, luận văn thực thiết kế phân loại mờ vạchđơn loại phân loại mờ vạch-đơn loại board XUP Virtex II Pro Development System hãng Xilinx (dùng chip FPGA Virtex-II ProTM XC2VP30FF896) để kiểm chứng với kết mô mơi trường MATLAB Từ khóa: Fuzzy classifier, Bayes classifier, fuzzy c-means, MPEG VBR video, type-2 fuzzy logic system, FPGA, VHDL, floating point exponential function,… Tóm tắt nội dung ii HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video VBR MPEG phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến MỤC LỤC ABSTRACT i TÓM TẮT NỘI DUNG ii DANH SÁCH CÁC BẢNG vii DANH SÁCH CÁC HÌNH viii CÁC TỪ VIẾT TẮT xi CHƯƠNG 1: GIỚI THIỆU 1.1 Đặt vấn đề .1 1.2 Tổng quan tình hình nghiên cứu .2 1.3 Mục tiêu, đối tượng phạm vi nghiên cứu 1.3.1 Mục tiêu đề tài 1.3.2 Đối tượng phạm vi nghiên cứu .3 1.4 Nội dung nghiên cứu 1.5 Bố cục luận văn 1.6 Ý nghĩa đề tài 1.6.1 Ý nghĩa khoa học .5 1.6.2 Ý nghĩa kinh tế xã hội CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Lưu lượng video MPEG 2.1.1 Tiêu chuẩn nén video MPEG 2.1.2 Các đặc tính thống kê dòng MPEG 13 2.2 Logic mờ .20 2.2.1 Tập mờ hàm thuộc 20 2.2.2 Các phép toán tập mờ .23 2.2.3 Luật hợp thành IF-THEN 24 2.2.4 Hệ thống logic mờ 26 2.2.5 Giải thuật phân nhóm fuzzy c-means 29 2.3 Logic mờ loại .30 Mục lục iii HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video VBR MPEG phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến 2.3.1 Giới thiệu 30 2.3.2 Hệ thống logic mờ loại 31 2.3.3 Meet (giao) join (hội) tập mờ interval 32 2.3.4 Các hàm thuộc hệ thống logic mờ loại 33 2.3.5 Hệ thống logic mờ loại dạng khoảng 33 2.3.6 Giảm loại (type reduction) giải mờ 35 2.3.7 Thiết kế hệ thống logic mờ loại dạng khoảng cách điều chỉnh 37 2.4 FPGA 39 2.4.1 Giới thiệu 39 2.4.2 Kiến trúc FPGA .40 2.4.3 Phát triển ứng dụng FPGA .43 2.4.4 Quá trình thực thi FPGA 44 CHƯƠNG 3: MƠ HÌNH HĨA CÁC KHUNG I/P/B TRONG LƯU LƯỢNG MPEG VBR 45 3.1 Mơ hình hóa phân nhóm có giám sát (supervised clustering) .45 3.2 Mơ hình hóa phân nhóm khơng giám sát (unsupervised clustering) 48 CHƯƠNG 4: CÁC BỘ PHÂN LOẠI CHO LƯU LƯỢNG VIDEO 53 4.1 Bộ phân loại mờ .53 4.1.1 Hệ thống logic mờ loại vạch-đơn không-vạch-đơn 53 4.1.2 Hệ thống logic mờ loại vạch-đơn không-vạch-đơn 54 4.2 Bộ phân loại kiểu Bayes .59 CHƯƠNG 5: MÔ PHỎNG BẲNG MATLAB 61 5.1 Thiết kế sáu phân loại 61 5.1.1 Thiết kế phân loại mờ loại .61 5.1.2 Thiết kế phân loại mờ loại .63 5.1.3 Thiết kế phân loại Bayes 64 5.2 Chương trình mơ mơ hình hóa phân loại 65 5.2.1 Giao diện chương trình 65 5.2.2 Kết mô đánh giá 68 Mục lục iv HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video VBR MPEG phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến CHƯƠNG 6: THỰC HIỆN BỘ PHÂN LOẠI TRÊN PHẦN CỨNG FPGA 72 6.1 Tổng quát 72 6.2 Ngôn ngữ mô tả phần cứng (HDL) 72 6.2.1 Giới thiệu 72 6.2.2 Sơ đồ luồng thiết kế tổng quát với ngôn ngữ HDL 73 6.2.3 Thiết kế số với VHDL .77 6.3 Board XUP Virtex II Pro Development System 78 6.3.1 Các cores RocketIO/RocketIO X MGT 81 6.3.2 Khối xử lý PowerPC 405 81 6.3.3 Các khối Vào/Ra IOBs (Input/Output Blocks) 82 6.3.4 Các khối CLB (Configurable Logic Blocks) 82 6.3.5 Block SelectRAM+ tài nguyên 83 6.3.6 Các nhân 18 x 18 bit 83 6.3.7 Bộ đệm ghép xung clock toàn cục 84 6.4 Phần mềm Xilinx ISE 85 6.4.1 Giới thiệu 85 6.4.2 Module tạo CORE 87 6.5 Thiết kế phần cứng cho phân loại mờ .88 6.5.1 Mơ hình tổng qt 89 6.5.2 Khối UART1 90 6.5.3 Khối UART2 91 6.5.4 Khối CENTRAL_UNIT 92 6.5.5 Khối Training_block 94 6.5.6 Khối Classifying_block 96 6.5.7 Khối RAM_BLOCK 106 6.5.8 Tổng hợp thiết kế 106 6.5.9 Đánh giá kết thực thi phần cứng .108 CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 113 7.1 Kết đề tài 113 Mục lục v HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video VBR MPEG phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến 7.2 Đánh giá kết hướng phát triển đề tài 114 TÀI LIỆU THAM KHẢO 115 PHỤ LỤC I A Số thực dấu chấm động (dạng 32 bit) I 7.2.1 A.1 Biểu diễn theo chuẩn IEEE 754 I 7.2.2 A.2 Phép cộng hai số thực dấu II A.3 Phép cộng hai số thực trái dấu IV 7.2.3 A.4 Phép nhân hai số thực .V 7.2.4 A.5 Phép chia hai số thực VI B Tính toán hàm mũ dùng số thực dấu chấm động VII 7.2.5 B.1 Giới thiệu VII 7.2.6 B.2 Mô tả giải thuật VII LÝ LỊCH TRÍCH NGANG X Mục lục vi HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 7.1 Kết đề tài Luận văn thực kết sau: • Luận văn trình bày hai cách mơ hình kích thước khung I/P/B lưu lượng video MPEG tốc độ bit thay đổi VBR, sử dụng tập mờ loại tập mờ loại • Đối với lưu lượng video khoảng thời gian dài (long-range), hàm thuộc Gauss với độ lệch chuẩn bất định thích hợp để mơ hình kích thước khung I/P/B Khi loại khung khơng biết trước phương pháp phân nhóm mờ FCM sử dụng để phân nhóm mơ hình kích thước khung • Trong luận văn, năm phân loại mờ vạch-đơn loại (type-1 SFC), khôngvạch-đơn loaị (type-1 NSFC), vạch-đơn loại (type-2 SFC), không-vạchđơn-1 loại (type-2 NSFC-1), không-vạch-đơn-2 loại (type-2 NSFC-2) thiết kế mô mô trường Matlab để phân loại lưu lượng video MPEG VBR cho kết sau: Khi sản phẩm video kiểm tra chứa sản phẩm huấn luyện (các khung video kiểm tra khung dùng huấn luyện) phân loại mờ type-2 NSFC-1 phân loại Bayes thực tốt Khi sản phẩm video kiểm tra không thuộc sản phẩm dùng huấn luyện phân loại type-2 NSFC-1 tốt • Luận văn thực thi thành công hai phân loại mờ (vạch-đơn loại vạch-đơn loại 2) board Xilinx XUP Virtex II Pro Development System sử dụng chip FPGA Virtex-II ProTM XC2VP30-FF896 Kết phân loại thực mô Matlab phần cứng FPGA tương tự cho thấy tính khả thi giải pháp dùng logic mờ để phân loại lưu lượng video nén (cả mô phần mềm thực thi phân cứng) đồng thời cho thấy khả ứng dụng hệ thống phân loại mờ thực tế đặc biệt triển khai hệ thống SoC (System on Chip) Kết luận 113 HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến 7.2 Đánh giá kết hướng phát triển đề tài • Luận văn dừng lại việc phân loại hai loại sản phẩm video movie sport (chỉ đơn vấn đề đưa định nhị phân) Hướng phát triển xây dựng hệ thống phân loại mờ cho nhiều loại sản phẩm video (ví dụ loại sản phẩm movie, sport, talk, mtv) có tỉ lệ FAR thấp • Trong luận văn phân loại xây dựng dựa vào kiến thức thống kê liệu video huấn luyện mà điều chỉnh tham số phân loại Do tính ổn định hệ thống phân loại đuợc thiết kế chưa cao Đây hạn chế đề tài lý thời gian khắc phục nghiên cứu • Về phần thực phần cứng FPGA, luận văn dừng thiết kế hệ thống phân loại mờ loại loại (vạch-đơn) Hướng phát triển thiết kế phân loại mờ loại (không-vạch-đơn, ngõ vào mờ hóa thành tập mờ loại tập mờ loại ) đồng thời nghiên cứu tích hợp phần mơ hình hóa lưu lượng FPGA làm việc trực tiếp với lưu lượng video MPEG thời gian thực • Vì thời gian hạn chế nên thiết kế chưa quan tâm đến vấn đề mặt thời gian thực cho hệ thống phân loại Trong nghiên cứu sau này, đề tài cố gắng tập trung tối ưú thời gian thực thi hệ thống mức độ sử dụng tài nguyên hệ thống để thiết kế tốt Kết luận 114 HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến TÀI LIỆU THAM KHẢO [1] Hung Tien Bui, Bashar Khalaf, & Sofiène Tahar, “Table-Driven Floating-Point Exponential Function”, Technical Report, Department of Electrical and Computer Engineering, Concordia University, 10/1998 [2] P R Chang & J T Hu, “Optimal nonlinear adaptive prediction and modeling of MPEG video in ATM networks using pipelined recurrent neural networks”, IEEE J Select Areas Communication, volume 15, 08/1997 [3] A M Dawood & M Ghanbari, “MPEG video modeling based on scene description”, IEEE International Conference Image Processing, volume 2, Chicago, IL, 10/1998 [4] A M Dawood & M Ghanbari, “Content-based MPEG video traffic modeling”, IEEE Transactions on Multimedia, volume 1, 03/1999 [5] N Dimitrova & F Golshani, “Motion recovery for video content classification”, ACM Transactions Information System, volume 13, no 4, 10/1995 [6] Marco Duarte & Yu-Hen Hu, “Vehicle Classification in Distributed Sensor Networks”, Journal of Parallel and Distributed Computing, Vol 64 No 7, pp 826838, 2004 [7] P Dulyakarn & Y Rangsanseri, “Fuzzy c-means clustering using spatial information with application to remote sensing”, 22nd Asian Conference on Remote Sensing 05-09/11/2001, Singapore [8] Didier Le Gall, “MPEG: A Video Compression Standard for Multimedia Applications”, Inications of The ACM, Volume 34, Number 4, pages 47-58, 04/1991 [9] S Ghosh, Q Razouqi, H J Schumacher, & A Celmins, “A survey of recent advances in fuzzy logic in telecommunications networks and new challenges” , IEEE Transactions on Fuzzy Systems, volume 6, 08/1998 [10] D P Heyman, A Tabatabi, & T V Lakshman, “Statistical analysis of MPEG-2 coded VBR video traffic”, in 6th International Workshop on Packet Video, Portland, OR, 09/1994 [11] J Jantzen, “Neurofuzzy Modelling”, Technical University of Denmark, Department of Automation, Tech report no 98-H-874 , 30/10/1998 Tài liệu tham khảo 115 HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến [12] N N Karnik, J M Mendel, & Q Liang, “Type-2 fuzzy logic systems”, IEEE Transactions on Fuzzy Systems, volume 7, 12/1999 [13] M Krunz, R Sass, & H Hughes, “Statistical characteristics and multiplexing of MPEG stream”, Proc IEEE Int Conf Computer Communication INFOCOM’s 95, volume 2, Boston, MA, 04/1995 [14] M Krunz & A M Makowski, “Modeling video traffic using M/G/∞ input processes: A compromise between Markovian and LRD models”, IEEE J Select Areas Communication, volume 16, 06/1998 [15] K I Kuncheva, Fuzzy Classifier Design Heidelberg: Physica-Verlag, 2000 [16] Q Liang & J M Mendel, “Interval type-2 fuzzy logic systems: Theory and design”, IEEE Transactions on Fuzzy Systems, volume 8, 10/2000 [17] Q Liang & J M Mendel, “MPEG VBR video traffic modeling and classification using fuzzy technique”, IEEE Transactions on Fuzzy Systems, volume 9, 02/2001 [18] J M Mendel, “Fuzzy Logic Systems for Engineering: A tutorial”, Proceedings IEEE, volume 83, pages 345-377, 03/1995 [19] G C Mouzouris & J M Mendel, “Nonsingleton fuzzy logic systems: Theory and application,” IEEE Transactions Fuzzy System, volume 5, 02/1997 [20] N Patel & I K Sethi, “Video shot detection and characterization for video databases”, Pattern Recognition, volume 30, number 4, 1997 [21] P Pancha & M El-Zarki, “A look at the MPEG video coding standard for variable bit rate video transmission”, in Proc.IEEE INFOCOM’92, Florence, Italy, 1992 [22] O Rose, "Statistical properties of MPEG video traffic and their impact on traffic modeling in ATM systems", Proceedings of the 20th Annual Conference on Local Computer Networks, Minneapolis, MN, 1995, pp 397-406 [23] O Rose, “Traffic Modeling of Variable Bit Rate MPEG Video and its Impacts on ATM Networks”, Dissertatiom zur Erlangung des naturwissenschaftlichen Doktorgrades der Bayerischen Julius – Maximilians – Universität Würzburg, 1997 [24] K Skahill, “VHDL for Programmable Logic”, Addison Wesley Longman Inc, 1996 Tài liệu tham khảo 116 HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến [25] K Tanaka, M Sano, & H.Watanabe, “Modeling and control of carbon monoxide concentration using a neuro-fuzzy technique”, IEEE Transactions Fuzzy System, volume 3, 08/1995 [26] D Tsang, B Bensaou, & S Lam, “Fuzzy-based rate control for real-time MPEG video”, IEEE Transactions on Fuzzy Systems, volume 6, 11/1998 [27] Ping Tak Peter Tang, “Table-Driven Implementation of the Exponential Function in IEEE Floating-Point Arithmetic”, ACM Transactions on Mathematical Software, Volume 15, Number 2, pages 144-157, 1989 [28] O Wolkenhauer, “Data Engineering: Fuzzy Mathematics in Systems Theory and Data Analysis”, John Wiley & Sons Inc, 2001 [29] Đỗ Hồng Tiến Dương Thanh Phưong, “Truyền hình kỹ thuật số”, Nhà xuất Khoa học Kỹ thuật, Hà Nội, 2004 [30] Phan Văn Ca, “Công nghệ SoC (System On Chip) ứng dụng vào giám sát điều khiển tín hiệu giao thơng dùng logic mờ”, Luận văn Thạc sĩ, 07/2005, Đại học Bách Khoa Tp Hồ Chí Minh, Việt Nam, người hướng dẫn: PGS TS Lê Tiến Thường [31] Cao Tuấn Vũ, “Xây dựng Core xử lý âm hệ thống đa phương tiện”, Luận văn Thạc sĩ, 08/2005, Đại học Bách Khoa Tp Hồ Chí Minh, Việt Nam, người hướng dẫn: PGS TS Lê Tiến Thường [32] www.altera.com [33] www.xilinx.com [34] http://fourier.eng.hmc.edu/e161/lectures/classification/classification.html [35] Xilinx University Program Virtex-II Pro Development System, “Hardware Reference Manual”, version 1.0, 08/03/2005 [36] Xilinx Company, “Virtex-II Pro and Virtex-II Pro X FPGA User Guide(v4.0)” 23/03/2005 [37] Xilinx Company, “Virtex-II Pro and Virtex-II Pro X Platform FPGAs: Complete Data Sheet(v4.5)”, 10/10/2005 Tài liệu tham khảo 117 HVTH: KS Đặng Quang Vinh Mô hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến PHỤ LỤC A Số thực dấu chấm động (dạng 32 bit) 7.2.1.A.1 Biểu diễn theo chuẩn IEEE 754 Một số thực N có giá trị N=(-1)S x 2E-127 x (1.M) biểu diễn theo chuẩn IEEE 754 với độ xác đơn (single precision) 32 bit sau: 23 S: bit dấu S E M E: số mũ, 0Ye: dịch phải Ym để tạo thành Ym x 2Ye-Xe B2: Tính tổng hai phần định trị Xm x 2Xe-Ye + Ym Xm + Ym x 2Ye-Xe B3: Nếu kết chuẩn hóa tiếp đến bước 4, chưa thực trình chuẩn hóa: Dịch trái kết giảm số mũ kết (vd: kết 0.001… ) hay Dịch phải kết tăng số mũ kết (vd: kết 10.1……) Tiếp tục bit ẩn B4: Kiểm tra phần số mũ kết quả: • Nếu lớn số mũ lớn cho phép trả lỗi tràn số mũ • Nếu nhỏ số mũ nhỏ cho phép trả lỗi số mũ B5: Nếu phần định trị kết 0, thiết lập phần số mũ để trả số A.2.2 Ví dụ Cộng hai số thực X Y biểu diễn dạng dấu chấm động sau: X = 2345.12510 biểu diễn 10001010 00100101001001000000000 Y= 0.75 10 biểu diễn 01111110 10000000000000000000000 (1): Canh chỉnh điểm nhị phân Dấu kết quả: Xe>Ye nên phần mũ kết = Xe = 10001010 = 13810 Xe-Ye = 10001010 – 01111110 = 00001100 = 1210 Dịch phải Ym 1210 vị trí để tạo thành Ym x 2Ye-Xe = Ym x 2-12 = 0.00000000000110000000000 (2) Cộng hai phần định trị: Xm + Ym x 2-12 = 1.00100101001001000000000 + 0.00000000000110000000000 = 1.00100101001111000000000 Phụ lục III HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến (3) Đã chuẩn hố chưa? Rồi (4) Tràn? Khơng Dưới ngưỡng? Không (5) Kết 0? Không Vậy kết 10001010 00100101001111000000000 Tương ứng với số thập phân 1.00100101001111000000000 x 2138-127 = 1.00100101001111000000000 x 211= 100100101001 111000000000 = 2345.87510 A.3 Phép cộng hai số thực trái dấu A.3.1 Giải thuật Giả sử hai toán hạng dạng IEEE 754, thực phép trừ dấu chấm động: Kết = X - Y = (Xm x 2Xe) - (Ym x 2Ye) theo bước sau: B1: Canh chỉnh điểm nhị phân: • Số mũ kết quả: số lớn Xe Ye • Tính: Xe-Ye Ye-Xe • Nếu Ye>Xe: dịch phải Xm để tạo thành Xm x 2Xe-Ye • Nếu Xe>Ye: dịch phải Ym để tạo thành Ym x 2Ye-Xe B2: • Dấu kết dấu số không bị dịch (số lớn) • Tính hiệu hai phần định trị Ym-Xm x 2Xe-Ye Xm - Ym x 2Ye-Xe B3: Nếu kết chuẩn hóa tiếp đến bước 4, chưa thực q trình chuẩn hóa: Dịch trái kết giảm số mũ kết (vd: kết 0.001… ) hay Dịch phải kết tăng số mũ kết (vd: kết 10.1……) Tiếp tục bit ẩn B4: Kiểm tra phần số mũ kết quả: • Nếu lớn số mũ lớn cho phép trả lỗi tràn số mũ • Nếu nhỏ số mũ nhỏ cho phép trả lỗi số mũ Phụ lục IV HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến B5: Nếu phần định trị kết 0, thiết lập phần số mũ để trả số A.3.2 Ví dụ Cộng hai số thực X Y biểu diễn dạng dấu chấm động sau: X = -2345.12510 biểu diễn 10001010 00100101001001000000000 Y= 0.75 10 biểu diễn 01111110 10000000000000000000000 (1): Canh chỉnh điểm nhị phân Xe>Ye nên phần mũ kết = Xe = 10001010 = 13810 Xe-Ye = 10001010 – 01111110 = 00001100 = 1210 Dịch phải Ym 1210 vị trí để tạo thành Ym x 2Ye-Xe = Ym x 2-12 = 0.00000000000110000000000 (2) Dấu kết dấu trừ Trừ hai phần định trị: Xm - Ym x 2-12 = 1.00100101001001000000000 - 0.00000000000110000000000 = 1.00100101000011000000000 (3) Đã chuẩn hố chưa? Rồi (4) Tràn? Khơng Dưới ngưỡng? Không (5) Kết 0? Không Vậy kết 10001010 00100101000011000000000 Tương ứng với số thập phân -1.00100101001111000000000 x 2138-127 = -1.00100101001111000000000 x 211= -100100101000 011000000000 = 2344.37510 7.2.3.A.4 Phép nhân hai số thực Giải thuật Phụ lục V HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến Giả sử toán hạng dạng dấu chấm động, thực phép nhân: Kết = R = X * Y = (-1)Xs(Xm x 2Xe) * (-1)Ys(Ym x 2Ye) B1: Nếu hai toán hạng 0, trả kết 0, không thực bước B2: Tính dấu kết quả: Xs XOR Ys B3: Tính phần định trị kết • Nhân phần định trị: Xm*Ym (dùng phép dịch) • Làm tròn kết số bit cho phép phần định trị B4: Tính số mũ kết = Xe + Ye – 127 B5: Chuẩn hóa cần thiết B6: Kiểm tra số mũ kết xem có overflow/underflow 7.2.4.A.5 Phép chia hai số thực Giải thuật Giả sử toán hạng dạng dấu chấm động, thực phép chia: Kết = R = X / Y = (-1)Xs(Xm x 2Xe) / (-1)Ys(Ym x 2Ye) B1: Nếu Y 0, trả kết “Infinity”, X Y 0, trả “NaN” B2: Tính dấu kết quả: Xs XOR Ys B3: Tính phần định trị kết • Phần định trị số bị chia mở rộng thành 48 bit cách thêm vào bit bên phải bit LSB • 48 bit số bị chia đem chia cho 24 bit Ym thương 24 bit B4: Tính số mũ kết = Xe - Ye + 127 B5: Chuẩn hóa cần thiết B6: Kiểm tra số mũ kết xem có overflow/underflow Phụ lục VI HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hoàng Đình Chiến B Tính tốn hàm mũ dùng số thực dấu chấm động 7.2.5.B.1 Giới thiệu Giải thuật tính hàm mũ theo bảng sử dụng Ping Tak Peter Tang [27] bao gồm ba phần Giá trị ngõ vào trước hết giảm tới khoảng làm việc Sau đó, hàm mũ dịch tính cách sử dụng xấp xỉ đa thức Cuối cùng, hàm mũ biến vào ban đầu xây dựng lại theo công thức cụ thể Ngõ vào X xem gồm nhiều phần [27] : x = (32* m + j ) *(ln 2) / 32 + (r1 + r2 ) (B.1) Với r1 + r2 ≤ (log 2) / 64 , m j số nguyên, r1 r2 số thực Xấp xỉ đa thức: exp(r)-1 biểu diễn chuỗi Taylor: p(r ) = r + a1r + a2 r + (B.2) Với a1 a2 hệ số r biến chuỗi Taylor Hàm mũ sau xây dựng lại (B.1) đặt r=r1+r2 x = (32* m + j ) *(ln 2) / 32 + r (B.3) x = m *ln + ( j *ln 2) / 32 + r (B.4) exp( x) = exp(m *ln + ( j / 32) *ln + r ) (B.5) exp( x) = exp(ln 2m + ln j / 32 + r ) (B.6) exp( x) = exp(ln 2m ) *exp(ln j / 32 ) *exp(r ) (B.7) exp( x) = 2m * j / 32 *( p (r ) + 1) (B.8) exp( x) = 2m *(2 j / 32 + j / 32 * p( r )) (B.9) Mục tiêu giải thuật tìm m, j hệ số đa thức (a1 a2) 7.2.6.B.2 Mô tả giải thuật Giải thuật bắt đầu việc kiểm tra trường hợp đặc biệt ngõ vào Đây ngõ vào mà làm cho giải thuật sai cho kết khơng xác định Ví dụ NaN (not a number), cà hai trường hợp vô cùng, giới hạn cho ngõ dương vô giới hạn cho ngõ xấp xỉ phép toán số Phụ lục VII HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến học đơn giản Nếu ngõ vào không rơi vào trường hợp kể trên, giải thuật tiếp tục [1] Bước tính giá trị m j Nhân phương trình (B.1) với 32/ln2, ta được: X *32 /(ln 2) = (32* m + j ) + (r1 + r2 ) *32 /(ln 2) (B.10) Biết giá trị (r1 + r2 ) *32 /(ln 2) vượt 0.5 (bởi r1 + r2 ≤ (ln 2) / 64 ), phương trình xấp xỉ bằng: INTEGER ( X *32 /(ln 2)) = (32* m + j ) (B.11) Vế bên trái (B.11) giải dễ dàng đặt N Sử dụng hàm modulo-32, giá trị 32*m j, đặt N1 N2: Phương trình (B.11) đuợc viết lại sau: N= N1 + N2 (B.12) với N = INTEGER( X *32 /(ln 2)) , N1=32*m, N2=j Các biến m j rút từ kết trước: m=N1/32 (B.15) j=N2 (B.14) Với N tìm được, giá trị r1 tính sau: Nếu N < 29 r1 = ( X − N * L1 ) (B.15) ngược lại r1 = ( X − N * L1 ) − N 2* L1 (B.16) r2 = − N * L2 (B.17) Giá trị r2 nhận bằng: L1 L2 hai số mà L1 + L2 xấp xỉ ln2/32 Lí chia giá trị thành hai số để gia tăng độ xác Giá trị hai số L1 L2 cho [27] Phụ lục VIII HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến Sử dụng r = r1+r2 chuỗi Taylor (B.2), hàm exp(r)-1 xấp xỉ Để cho thuận lợi tính tốn, ba số hạng chuỗi xét đến Hệ số a1 a2 số tính Ping Tak Peter Tang [27] Giá trị 2j/32 (j từ đến 31) tính trước lưu bảng Với giá trị 2m , j / 32 p(r) tìm kết cuối hàm mũ xác định dễ dàng theo phương trình (B.9) Phụ lục IX HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video MPEG VBR phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hoàng Đình Chiến LÝ LỊCH TRÍCH NGANG Họ tên: ĐẶNG QUANG VINH Ngày, tháng, năm sinh: 28/06/1981 Nơi sinh: Long An Địa liên lạc: 666/16/5, đường tháng 2, quận 10, thành phố Hồ chí Minh Q trình đào tạo • 2004-nay: học viên Cao học Trường Đại học Bách Khoa, khoa Điện-Điện tử, chuyên ngành Kỹ thuật vơ tuyến điện tử • 1998-2003: học Đại học ngành Điện tử - Viễn thông Học viện Công nghệ Bưu viễn thơng sở thành phố Hồ Chí Minh, luận văn “Xây dựng dự án thiết lập phòng thí nghiệm DSL” Q trình cơng tác • 06/2003-10/2004: kỹ sư viễn thông Công ty TNHH Sản xuất thiết bị viễn thơng TELEQ • 02/2003-05/2003: kỹ sư thiết kế nhớ Công ty Silicon Design Solutions (SDS) Kỹ • Đọc hiểu tiếng Anh: tốt, nghe nói tiếng Anh: • Có kiến thức lập trình Visual C++ • Có kiến thức hệ thống viễn thơng nói chung, đặc biệt tổng đài EWSD, cơng nghệ DSL mạng ATM Vấn đề quan tâm: Mạng viễn thông hệ NGN, kỹ thuật lưu lượng mạng MPLS logic mờ Sở thích: • Nghe nhạc • Đọc sách lịch sử, vật lý thiên văn • Chơi bóng bàn Lý lịch trích ngang HVTH: KS Đặng Quang Vinh ... ĐỀ TÀI: Mơ hình hóa phân loại lưu lượng video VBR MPEG phương pháp mờ II- NHIỆM VỤ VÀ NỘI DUNG: - Tìm hiểu chuẩn nén MPEG lưu lượng video MPEG tốc độ thay đổi - Tìm hiểu tập mờ loại (loại fuzzy... [15], thiết kế mờ loại (loại 1) Bởi tính khơng xác định mơ hình phân loại lưu lượng video nên sử dụng logic mờ loại (loại fuzzy logic) so sánh kết phân loại nhận từ hai phân loại loại loại Trong... sách hình viii HVTH: KS Đặng Quang Vinh Mơ hình hóa phân loại lưu lượng video VBR MPEG phương pháp mờ THD: PGS-TS Lê Tiến Thường TS Hồng Đình Chiến Hình 5.2 Giao diện thực khảo sát mơ hình hóa lưu