dsp小波演算法
1. 通信信號處理和圖像視頻信號處理哪個更加復雜，有難度
兩者之間沒有絕對的難度，但是從日常使用的過程中來分析，通信信號的處理對硬體的要求更高，且更加精密。視頻圖像的信號處理，卻對軟體設計的要求更高，因此你所謂的復雜還需要看你是側重硬體或者是軟體。
2. dsp應用有哪些
目前DSP應用主要包括如下方面：
儀器儀表。如頻譜分析、函數發生、鎖相環、地震處理、數字濾波、模式匹配、暫態分析等。
自動控制。如引擎控制、聲控、機器人控制、磁碟控制器、激光列印機控制、電動機控制等。
家用電器。如高保真音響、音樂合成、音調控制、玩具與游戲、數字電話與電視、電動工具、固態應答機等。
信號處理。如數字濾波、自適應濾波、快速傅里葉變換、希爾伯特變換、小波變換、相關運算、譜分析、卷積、模式匹配、加窗、波形產生等。
3. 誰幫我寫一個基於DSP的小波濾波演算法的程序
參考代碼：
/* Simple implementation of Biquad filters -- Tom St Denis
*
* Based on the work
Cookbook formulae for audio EQ biquad filter coefficients
---------------------------------------------------------
by Robert Bristow-Johnson, [email protected] a.k.a. [email protected]
* Available on the web at
http://www.smartelectronix.com/musicdsp/text/filters005.txt
* Enjoy.
*
* This work is hereby placed in the public domain for all purposes, whether
* commercial, free [as in speech] or ecational, etc. Use the code and please
* give me credit if you wish.
*
* Tom St Denis -- http://tomstdenis.home.dhs.org
*/
/* this would be biquad.h */
#include <math.h>
#include <stdlib.h>
#ifndef M_LN2
#define M_LN2 0.69314718055994530942
#endif
#ifndef M_PI
#define M_PI 3.14159265358979323846
#endif
/* whatever sample type you want */
typedef double smp_type;
/* this holds the data required to update samples thru a filter */
typedef struct {
smp_type a0, a1, a2, a3, a4;
smp_type x1, x2, y1, y2;
}
biquad;
extern smp_type BiQuad(smp_type sample, biquad * b);
extern biquad *BiQuad_new(int type, smp_type dbGain, /* gain of filter */
smp_type freq, /* center frequency */
smp_type srate, /* sampling rate */
smp_type bandwidth); /* bandwidth in octaves */
/* filter types */
enum {
LPF, /* low pass filter */
HPF, /* High pass filter */
BPF, /* band pass filter */
NOTCH, /* Notch Filter */
PEQ, /* Peaking band EQ filter */
LSH, /* Low shelf filter */
HSH /* High shelf filter */
};
/* Below this would be biquad.c */
/* Computes a BiQuad filter on a sample */
smp_type BiQuad(smp_type sample, biquad * b)
{
smp_type result;
/* compute result */
result = b->a0 * sample + b->a1 * b->x1 + b->a2 * b->x2 -
b->a3 * b->y1 - b->a4 * b->y2;
/* shift x1 to x2, sample to x1 */
b->x2 = b->x1;
b->x1 = sample;
/* shift y1 to y2, result to y1 */
b->y2 = b->y1;
b->y1 = result;
return result;
}
/* sets up a BiQuad Filter */
biquad *BiQuad_new(int type, smp_type dbGain, smp_type freq,
smp_type srate, smp_type bandwidth)
{
biquad *b;
smp_type A, omega, sn, cs, alpha, beta;
smp_type a0, a1, a2, b0, b1, b2;
b = malloc(sizeof(biquad));
if (b == NULL)
return NULL;
/* setup variables */
A = pow(10, dbGain /40);
omega = 2 * M_PI * freq /srate;
sn = sin(omega);
cs = cos(omega);
alpha = sn * sinh(M_LN2 /2 * bandwidth * omega /sn);
beta = sqrt(A + A);
switch (type) {
case LPF:
b0 = (1 - cs) /2;
b1 = 1 - cs;
b2 = (1 - cs) /2;
a0 = 1 + alpha;
a1 = -2 * cs;
a2 = 1 - alpha;
break;
case HPF:
b0 = (1 + cs) /2;
b1 = -(1 + cs);
b2 = (1 + cs) /2;
a0 = 1 + alpha;
a1 = -2 * cs;
a2 = 1 - alpha;
break;
case BPF:
b0 = alpha;
b1 = 0;
b2 = -alpha;
a0 = 1 + alpha;
a1 = -2 * cs;
a2 = 1 - alpha;
break;
case NOTCH:
b0 = 1;
b1 = -2 * cs;
b2 = 1;
a0 = 1 + alpha;
a1 = -2 * cs;
a2 = 1 - alpha;
break;
case PEQ:
b0 = 1 + (alpha * A);
b1 = -2 * cs;
b2 = 1 - (alpha * A);
a0 = 1 + (alpha /A);
a1 = -2 * cs;
a2 = 1 - (alpha /A);
break;
case LSH:
b0 = A * ((A + 1) - (A - 1) * cs + beta * sn);
b1 = 2 * A * ((A - 1) - (A + 1) * cs);
b2 = A * ((A + 1) - (A - 1) * cs - beta * sn);
a0 = (A + 1) + (A - 1) * cs + beta * sn;
a1 = -2 * ((A - 1) + (A + 1) * cs);
a2 = (A + 1) + (A - 1) * cs - beta * sn;
break;
case HSH:
b0 = A * ((A + 1) + (A - 1) * cs + beta * sn);
b1 = -2 * A * ((A - 1) + (A + 1) * cs);
b2 = A * ((A + 1) + (A - 1) * cs - beta * sn);
a0 = (A + 1) - (A - 1) * cs + beta * sn;
a1 = 2 * ((A - 1) - (A + 1) * cs);
a2 = (A + 1) - (A - 1) * cs - beta * sn;
break;
default:
free(b);
return NULL;
}
/* precompute the coefficients */
b->a0 = b0 /a0;
b->a1 = b1 /a0;
b->a2 = b2 /a0;
b->a3 = a1 /a0;
b->a4 = a2 /a0;
/* zero initial samples */
b->x1 = b->x2 = 0;
b->y1 = b->y2 = 0;
return b;
}
/* crc==3062280887, version==4, Sat Jul 7 00:03:23 2001 */
4. 用DSP做圖像處理和分析，研究生在讀，無人指導
隨著圖像處理技術的深入研究和廣泛應用，不斷涌現的處理演算法和各種現實需求對硬體系統性能的要求越來越高，單一處理器在許多場合已不能滿足需要，並行、通用且處理能力強大的系統逐漸受到人們的青睞。另外尋求新的數學演算法來強化信息的表達能力是科學家們滿足這種需要而進行的一項重要探索。像模糊論集的引入、神經網路理論的實用化以及分形幾何學的應用都是其中的成功範例。小波分析是一個新的數學分支,它被諭為是泛函分析、Fourier 分析、樣條分析、調和分析、數值分析的最完美結晶,如何把新的數學理論應用於圖像數據處理也是近年來科學家們正在研究的課題。
1、多DSP並行處理系統
按照Flynn 分類法，並行系統按照處理指令流和處理數據流的多樣性，可分為SISD(單指令流單數據流)系統、SIMD(單指令流多數據流)系統、MISD(多指令流單數據流)系統和MIMD(多指令流多數據流)系統。隨著技術的發展，SISD 系統和曾經風靡一時的SIMD 系統逐漸淡出了歷史舞台；關於MISD 結構，正像Flynn 和Rudd 所指出的，從熟悉的編程結構到MISD 組織缺乏自然的映射，這抑制了人們對該體系結構的興趣。當代絕大多數並行系統都屬於MIMD 系統。
TI 公司的DSP 在全球市場上的佔有率在一半以上，而TMS320C6416 則是其最高端的產品，具有主頻高、雙套外部地址和數據匯流排等特點，非常適合用於圖像處理等領域，但是在多晶元集成處理上AD 公司的DSP 晶元性能更好一些。圖像處理演算法靈活多樣，而且還在不斷的迅速發展中。從通用性考慮出發，系統中處理器之間需要靈活的、高帶寬的通信和握手機制[8]。多處理器系統需要考慮兩方面的性能：計算能力和通信能力。主要包括分布式實時操作系統的性能、圖像處理能力和圖像序列並行處理能力[9]。
2 、基於小波變換的圖像處理方法在DSP上的實現
小波分析是近年迅速發展起來的新興學科, 與Fourier 分析和Gabor變換相比,小波變換是時間(空間)頻率的局部化分析, 它通過伸縮平移運算對信號逐步進行多尺度細化, 最終達到高頻處時間細分和低頻處頻率細分,能自動適應時頻信號分析的要求,從而可聚焦到信號的任意細節,解決了Fourier分析不能解決的許多問題。目前許多小波演算法的軟體實現已經很成熟了,但是很難達到實時性的效果。而在硬體方面,隨著數字信號處理器(DSP)和現場可編程門陣列器件(FPGA)的發展,採用DSP+FPGA 的數字硬體系統顯示出其優越性,可以把二者的優點結合在一起,兼顧速度和靈活性,因此DSP+FPGA 結構正愈來愈得到人們的重視, 應用的領域也越來越廣泛。DSP+FPGA 系統最大的優點是結構靈活,有較強的通用性, 適合於模塊化設計, 從而能夠提高演算法效率; 同時其開發周期較短, 系統容易維護和擴展, 適合實時信號處理。所以本文介紹的系統設計就是基於DSP+FPGA 結構的小波圖像處理系統。小波分析由於具有良好的時頻局部化性能, 已經在信號分析、圖像處理、語音合成、故障診斷、地質勘探等領域取得一系列重要應用。而且各種快速有效的演算法也促進了小波分析在實際系統中的應用。由於DSP 速度越來越快, 成本越來越低, FPGA 的容量越來越大, 使得DSP+FPGA 組成的系統成為解決系統設計的重要選擇方案之一, 應用領域非常廣泛
5. 實時傳輸的詳細介紹
隨著移動通信業務的增加，無線通信已獲得非常廣泛的應用。無線網路除了提供語音服務之外，還提供多媒體、高速數據和視頻圖像業務。無線通信環境（無線信道、移動終端等）以及移動多媒體應用業務的特點對視頻圖像的視頻圖像編碼與傳輸技術已成為當今信息科學與技術的前沿課題。
1 無線視頻傳輸技術面臨的挑戰
數字視頻信號具有如下特點：
·數據量大
例如，移動可視電話一般採用QCIF解析度的圖像，它有176X144=25344像開綠燈。如果每個像素由24位來表示，一幀圖像的數據量依達594kbit。考慮到實時視頻圖像傳輸要求的幀頻（電視信號每秒25幀），數據傳輸速率將達到14.5Mbps！
·實時性要求高
人眼對視頻信號的基本要求是，延遲小，實時性好。而普通的數據通信對實時性的要求依比較低，因此相對普通數據通信而言，視頻通信要求更好的實時性。
無線環境則具有如下特點：
·無線信道資源有限
由於無線信道環境惡劣，有效的帶寬資源十分有限。實現大數據量的視頻信號的傳輸，尤其在面向大眾的無線可視應用中，無線信道的資源尤其緊張。
·無線網路是一個時變的網路
無線信道的物理特點決定了無線網路是一個時變的網路。
·無線視頻的Qos保障
在移動通信中，用戶的移動造成無線視頻的Qos保障十分復雜。
由此可以看出，視頻信號對傳輸的需要和無線環境的特點存在尖銳的矛盾，因此無線視頻傳輸面臨著巨大的挑戰。一般來說，無線視頻傳輸系統的研究設計目標如表1所示。
表1 無線視頻傳輸系統的主要性能指標和設計目標
性能指標 設計目標
視頻壓縮比
視頻傳輸實時性
視頻恢復質量
視頻傳輸魯棒性
支持Qos的視頻業務 用盡量少的比特描述視頻圖像
更短的傳輸時延，更快的編碼速度
獲得用戶更滿意的視頻恢復質量
更好適應傳輸信道的誤比特干擾
提供和用戶支持費用相當的服務
事實上，表1中許多性能指標是相互制約的。例如，視頻圖像壓縮比的提高會增加編碼演算法的復雜度，因此會影響演算法的實時實現，並且可能降低視頻的恢復質量。
2 視頻壓縮編碼技術
視頻信息的數據量十分驚人，要在帶寬有限的無線網路上傳送，必須經過壓縮編碼。目前國際上存在兩大標准化組織——ITU-T和MPEG——專門研究視頻編碼方法，負責制公平統一的標准，方便各種視頻產品間的互通性。這些協議集中了學術界最優秀的成果。
除各種基於國際標準的編碼技術外，還有許多新技術的發展十分引人注目。
2.1 基於協議的視頻壓縮編碼技術
國際電信聯盟（ITU-T）已經制定的視頻編碼標准包括H.261（1990年）、H.263（1995年）、H.263+（1998年），2000年11月份將通過H.263++的最終文本。H.26X系列標準是專門用於低比特率視頻通信的視頻編碼標准，具有較高的壓縮比，因此特別適合於無線視頻傳輸的需要。它們採用的基本技術包括：DCT變換、運動補償、量化、熵編碼等。H.263+和H.263++中更增加考慮了較為惡劣的無線環境，設計了多種增強碼流魯棒性的方法，定義了分線編碼的語法規則。
MPEG制定的視頻編碼標准有MPEG-1（1990年）、MPEG-2（1994年）、MPEG-4（完善中）。其中MPEG-1、MPEG-2基本已經定稿，使用的基本技術和H.26X相同。MPEG-1、MPEG-2的特點在於針對的應用主要是數字存儲媒體，碼率高，它們並不適於無線視頻傳輸。人們熟知的VCD、DVD是MPEG-1、MPEG-2的典型應用。隨後，MPEG組織注意到了低比特率應用潛在的巨大市場，開始和ITU-T進行競爭。在MPEG-4的制定中，不僅考慮了高比特率應用，還特別包含了適於無線傳輸的低比特率應用。MPEG-4標準的最大特點是基於視頻對象的編碼方法。
無線通信終端是多種多樣的，其所處的網路結構、規模也是互異的。視頻碼流的精細可分級性（Fine Granularity Scalability）適應了傳輸環境的多樣性。
編碼協議並不提供完全齊備的解決方案。一般來說，協議內容主要包括碼流的語法結構、技術路線、解碼方法等，而並未嚴格規定其中一些關鍵演算法，如運動估計演算法、碼率控制演算法等。運動估計演算法在第3部分有較為詳細的介紹。碼率控制方案在第4部分有較為詳細的介紹。
2.2 其他視頻壓縮編碼技術
除上述基於協議的視頻標准之外，還有一些優秀的演算法由於商業的原因，暫時沒有被國際標准完全接納。典型的例子是DCT變換和小波變換之爭。雖然利用小波變換可以取得更好的圖像恢復質量，但是因為DCT變換使用較早，有很多商業產品的支持，因此小波變換很難在一夜之間取代DCT變換現有的地位。其他編碼方法如，分形編碼、基於模型的編碼方法、感興趣區優先編碼方法等也都取得了一定的成果，具有更強的壓縮能力。但是演算法實現過於復雜，達到完全實用尚有一段距離。
在基於小波的低比特率圖像壓縮演算法的研究中，根據小波圖像系數的空間分布特性，以及小波多解析度的視頻特點，人們引入矢量量化以充分利用小波圖像系數的相關性。根據傳統的運動補償難以與小波變換相結合這一情況，人們還提出了將空間二維幀內小波變換與時間軸一維小波變換相結合的三維小波變換方法。
人類的視覺是一種積極的感受行為，不僅與生理因素有關，還取決於心理因素。人們觀察與理解圖像時常常會不自覺地對某引起區域產生興趣。整幅圖像的視覺質量往往取決於感興趣區（ROI：Region of Interest）的圖像質量。在保障ROI區部分圖像質量的前提下，其他部分可以進行更高的壓縮。這樣在大大壓縮數據量的同時，仍有滿意的圖像恢復質量。這就是感興趣區優先編碼策略。
3 視頻編碼實時性研究
由於視頻數據的特殊性，視頻傳輸系統對實時性要求很高。這里重點介紹基於視頻編碼協議演算法的實時性問題。小波編碼等演算法雖然有許多優點，但是演算法復雜度太高，目前難於達到實時性要求。下面介紹基於協議編碼演算法中的幾個重要環節，它們對提高視頻編碼系統實時性有重要作用。
3.1 運動估計
預測編碼可以有效去除時間域上的冗餘信息，運動估計則是預測編碼的重要環節。運動估計是要在參考幀中找到一個和當前幀圖像塊最相似的圖像塊，即最佳匹配塊。估計結果用運動向量來表示。研究運動估計演算法就是要研究匹配塊搜索演算法。
研究分析表示，原始運動估計演算法在編碼器運行中消耗了編碼器70%左右的執行時間。因此，為了提高編碼器執行速度必須首先提高運動估計演算法的效率。
窮盡搜索法是最原始的運動估計演算法，它能得到全局最優結果，但是由於運算量大，不宜在實現應用中使用。快速運動估計演算法通過減小搜索空間，加快了搜索過程。雖然快速運動估計演算法得到的運動向量沒有窮盡搜索法的結果那樣精確，但是由於它可以顯著減少運算時間，精度也能滿足很多應用的需要，因而它們的應用十分廣泛。典型的快速搜索演算法有：共軛方向搜索法（CDS）、二維對數法（TDL）、三步搜索法（TSS）、交叉搜索法（CSA）等。
3.2 演算法結構的並行化
並行化處理的體系結構十分有利於提高系統處理能力，加之視頻編碼演算法有很強的並行處理潛力，因此，人們研究了編碼演算法的並行運算能力，進一步保障了編碼演算法的實時實現。
例如，如果有兩個並行處理器，依可以同時進行兩個圖像塊的運行估計或者DCT變換，這樣依把運動估計和DCT變換環節的運算時間縮短了一倍。
3.3 高速DSP晶元和專用DSP設計
微電子技術的發展，也使近年來DSP晶元有了很大的進步。每秒幾十或上百BOPS次的運算速度（1個BOPS為每秒10億次）DSP晶元已經出現，這為系統實時處理提高了硬體保證。
通用高速DSP晶元在視頻編碼演算法的研究開發中扮演了重要角色。許多DSP生產廠商甚至提供實現某種編碼協議的專用晶元。
4 碼率控制研究
編碼策略是編碼器中重要環節。碼率控制技術是視頻通信應用中的關鍵技術之一，它負責編碼器各個環節與傳輸信道和解碼器之間的協調，在編碼器中具有重要地位。因為碼率控制策略需要由具體應用場合決定，所以象H.263+、MPEG-4等視頻編碼協議，都沒有規定具體碼率控制方法。
由於視頻碼流結構具有分層的特點，因而碼率控制方案的研究一般分成了兩個層交人，圖像層碼率控制、宏塊層碼率控制。圖像層碼率控制的主要任務是，根據系統對編碼器輸出碼率的期望、系統傳輸延遲的限制、傳送緩沖區的滿溢程度等同，在一幀圖像編碼前，確定該幀圖像的輸出期望比特數。宏塊層碼率控制的主要任務是，根據圖像層碼率控制確定的該幀圖像的輸出期望比特數，給圖像各部分選擇合適的量化步長。宏塊層碼率控制的主要依據是率失真（Rate-Distortion）模型。
TMN8碼率控制方案，是迄今為止一套優秀的碼率控制方案。它被H.263+的TMN8模型的MPEG-4（Version 1）的VM8模型所採納。該方案的精化部分在於宏塊層碼率控制部分，它採用了一種十分有效的率失真模型，是宏塊層碼率控制的誤差很小；在圖像層碼率控制方面，該方案的前提較為簡單，主要考慮了編碼時延、緩沖區滿溢程度等因素，並且要求編碼器的工作幀頻恆定。
在很多情況下，視頻編碼的幀頻不可能保持恆定，或者不「應該」恆定。考慮到視頻編碼器工作點的變化，以及現有率失真模型可能存在的誤差，人們將現代控制理論引入到圖碼率控制中，設計了更穩定的碼率控制方案。
由於宏塊層碼率控制環節直接決定圖像各宏塊使用的量化步長，因此利用宏塊層友率控制方法，可以輕易實現圖像感興趣區優先編碼策略。使用感興趣區優先編碼策略時，雖然對整幅圖像而言仍屬低碼率編碼范疇，但對於感興趣區域而言卻存在局部高碼率編碼。現有低碼率控制演算法，包括TMN8方案，都沒有考慮到這一現象。它們將整幅圖像所有部分都作為低碼率編碼對象，並以此建立碼率控制模型。因此這些碼率控制方案直接與感興趣區優先編碼策略相結合時，會導致不應有的碼率控制誤差。為此，人們又提出了一套用不動聲色低碼率應用的碼率控制框架，它適應了感興趣區優先編碼策略的需要。
5 魯棒性研究
無線信道干擾因素多，誤碼率高，因此無線視頻的魯棒傳輸研究對於無線視頻傳輸的實用化十分重要。
5.1 魯棒的壓縮編碼
視頻壓縮編碼的最後一個環節是熵編碼。熵編碼的特點決定了視頻碼流對誤比特高度敏感。於是，人們設計了多種技術用於在視頻編碼環節進行差錯復原，提高碼流魯棒性。MPEG-4中定義的主要差錯控制技術有：重同步（Resynchronization）、數據分割（Data Partition）、可逆變長編碼（RVLC）。H.263+中用於差錯復原的技術主要包括前向糾錯編碼（FEC）、條帶模式（Slice Mode）、獨立分段解碼（Independent Segment Decoding）和參考圖像選擇（Reference Picture Selection）等。H.263++則又增加了數據分割的條帶模式，並對參考圖像選擇模式進行了修改。
此外，在信源解碼端，人們又設計了數據恢復（Data Recovery）和差錯掩蓋（Error Concealment）等技術，以便盡量減少碼流中錯誤比特的負面影響。
5.2 魯棒的復用環節
多媒體通信中，復用是緊隨編碼環節的一個環節。以ITU定義的H.324標准為例，該標准由若干協議組成，包括音頻編碼協議G.723、視頻編碼協議H.26X、控制協議H.245和復用協議H.223。H.223是一個面向連接的復用器，負責把多媒體終端的多個數據源（音頻、視頻、數據等）復合為一個碼流。Villasenor等已經注意到復用器出現的差錯對視頻可能產生的影響，但沒有特點深入的研究成果。
5.3 魯棒的信道編碼環節
信道編碼也稱差錯控制編碼。與信源編碼的目的不同，信源編碼是盡量壓縮數據，用盡量少的比特描述原始視頻圖像；信道編碼是利用附加比特來保障原始比特能正確無誤地到達目的地。信道傳輸中的糾錯方法包括：前向誤碼糾錯（FEC）、自動重發（ARQ）和混合糾錯（HEC）。
Shannon從理論上給出了信道傳輸能力的上限。信道編碼方法的研究設計目標有二，一是盡量利用信道容量，二是抗干擾性能更強。
Turbo碼是近年來紀錯編碼領域的活躍分支，由法國學者C.Berrou等人在1993年看出的，其模擬性能紀錯能力。但是Turbo碼的解碼演算法十分復雜，關於Turbo碼解碼的實時實現是當前研究熱點之一。
5.4 信源信道組合編碼
不同的信道編碼策略對信元的保護能力也不同。根據信元的重要程度，合理地予以差錯控制編碼，將有效地提高傳輸系統的效率。這是不平等的保護策略（Unequal Error Protection）。信元的重要程度，可以有多種劃分方法，如按照信元對解碼所起作用，或者按照信元對人眼感知所起作用，等等。
還有許多學者研究了信道模型在信源信道組合編碼中的應用。三種典型無線信道模型是二進制對稱雜訊通道（Binary Symmetric Channels）、加性白高斯雜訊通道（Additie White Gaussian Channels）、G-E突發雜訊通道（Gilbert-Elliott Bursty Channels）。Chang Wen Chen等在研究這些信道模型的基礎上，研究了新的率失真模型，該模型不僅描述了量化引入的誤差，而且將信道雜訊考慮在內。在一定的信道傳輸速率要求下，利用這樣的率失真模型，不僅可以在子信源之間合理分配比特，而且可以更好地平衡信源編碼精度與信道編碼保護兩者對碼率的需要。
6 無線視頻傳輸系統的優化與管理
在前面幾部分的研究中，主要目標是解決無線視頻傳輸的基礎問題：視頻數據的壓縮問題、編碼的實時實現、視頻碼流的魯棒傳輸。事實上，除了上述問題，還有許多與無線視頻傳輸密切相關的領域，它們對無線視頻傳輸的實現、推廣有著舉足輕重的影響。
6.1 通信協議的研究
中國公眾多媒體通信網是一個基於IP協議的通信網，它的通信協議是基於TCP/IP的。當然，IP協議和TCP協議僅是核心協議。為保證實時視頻通信業務能很好地運行，需要使用實時傳送協議（RTP）和實時傳送控制協議（RTCP）。為了給實時業務或其它特定業務的傳送留有足夠寬的通道，還必須使用資源預留協議（RSVP）。上述五個通信協議是IP網的主要通信協議。
Ipv6作Internet Protocol的新版本，將繼承和取代傳統IP（Ipv4）。從Ipv4到Ipv6的改變將為下一代網際網路奠定更堅實的基礎，如,Ipv6力求使網路管理變得更加簡單，考慮到不同用戶對服務質量的不同需要，其中若干技術十分有利於實時多媒體業務的實理。
6.2 接入控制（Admissior Control）
類似有線網路，無線網路要決定是否允許新連接接入；此外無線網路還要決定是否允許切換連接，並要在二者之間謀求最優解決方案。
Naghshineh在1996年提出虛擬連接樹的新概念，設計了基於虛擬連接樹的高速移動ATM網路體系，並研究了在該體系結構下的接入控制方案。簡單說，作者用一個虛擬樹來描述位於一定距離內小區的移動用戶。一旦移動用戶的呼叫被允許，他依可以在虛擬樹內的所有小區間自由切換，而無須重新請求。
在高速無線多媒體網路中，Oliveira等則提出了基於帶寬預留的接入控制方案，即在建立呼叫小區附近入的小區中，進行帶寬預留，以保障服務質量。當用戶進入一個新的小區，被預留的帶寬將被利用。
6.3 資源預留（Resource Reservation）
對於視頻、話音等實時業務，為保證可接受的服務質量，應該保留一定的連接帶寬。此外，與新呼叫相比，切換呼叫應有更高的優先權。
6.4 Qos業務模型（Qos Service Model）
無線多媒體Qos支持的基本目標是，在帶寬有限情況下，提供和用戶支付費用相當的服務質量。建立合適的業務模型是首先要解決的問題。所謂業務模型，就是要根據各種具體應用的特點，將其劃分成不同類型。例如，在支持Qos和ATM中定義了幾種業務模型：恆定比特率（CBR）業務、實時可變比特率（rt-VBR）業務、非實時可變比特率（nrt-VBR）業務、可用比特率（ABR）業務和不定比特率（UBR）業務。恆定比特率業務對帶寬的要求最為嚴格，其他類型對帶寬的要求依次放鬆。
現有的大理多媒體業務是在基於IP的網路上開展的，而rc設計IP協議的初衷是傳輸數據的，是一種「盡力而為」的網路，並不支持Qos。為此，其上的實時業務模型被分為兩類：有保障業務（Guaranteed Service）和無保障業務（Predictive Service）。
總之，在無線多媒體環境下，建立起合理的業務模型對保障Qos至關重要。在這一領域，人們始終在做出努力。如，較早時候，Oliverira等只用實時業務與非實時業務加以區分；1999年，Talukder等提出三類業務模型；2000年，Lei Huang等不僅考慮帶寬和延遲需要，還考慮了移動用戶的運動特性，提出多達七類業務模型。
6.5 圖像質量評價准則
恰當的圖像質量評價方法是無線多媒體通信的基本需要。由於無線環境帶寬有限，不可能為所有用戶都提供相同質量的服務，所以只能提供和用戶支付費用相當的服務質量。因此必須有一套能准確反映用戶接受服務的客觀質量標准。
除了些特殊場合，純粹額觀評價（如基於均方誤差的評價方法）已經被普遍認為不是真正「客觀」的圖像質量評價，越來越多的人認為，人眼視覺系統（HVS）的特性應該考慮在內。
Westen等人在1995年提出了基於多通道的HVS模型，用來評價圖像的感受質量。宋堅信等人最近又提出一種壓縮視頻感覺質量的計算方法，其核心思想是，利用視覺掩蔽特性， 分析與壓縮視頻質量有關的視覺特性及視頻圖像內容特性，提出視覺掩蔽計算結構及用模糊學方法進行視覺閾值提升的計算方法。
總之，面向惡劣無線環境的數字視頻傳輸技術尚未成熟；面向大眾應用的無線視頻傳輸技術元未成熟。因此，現在加強在該領域的研究力度，是增強我國科技實力的一次機遇，對於我國在未來通信領域占據一席之地將起重要作用。
6. 做dsp需要學習c數據結構與演算法嗎
至少要有一定的演算法基礎。
DSP上跑演算法是較適合的，所謂數字信號處理器所做的就是用演算法處理數據，在DSP上要考慮的是如何最高效地利用所有可利用的優化(包括硬體和軟體上的)來達到一個理想的效果。所以編寫要求最高的DSP演算法需要對所運行的DSP的軟、硬體環境有一個全面和透徹的理解。
一般我們不會去摳演算法這一塊，我們會做一些演算法移植(比如把ARM上或PC上現成的演算法移植到DSP)，DSP廠家一般會提供一些已經優化的演算法基礎函數，我們會調用這些庫，移植得不好就選一款更快的DSP。
其他的控製程序就和PC機、ARM編程差不多了。
7. 我想學DSP，希望給點指點
DSP專門用於數學運算的，如果你有基礎入門比較簡單，只要主要了解各個寄存器及其的配置方式，指令的應用就可以編寫程序了，用它寫個來運行個led流水燈還是比較簡單的。
但這不是DSP的專長，要能用好DSP，你必須有數學的基礎，比如評價DSP晶元的性能除了MIPS（百萬條指令/秒）之外，有人還用FFT（快速傅立葉變換）和MAC（兩個數相乘並加上一個數）的速度來評價這顆晶元。
做DSP開發主要是做演算法，雖然硬體的設計也需要注意，但主要重點是做軟體方面的東西。
現在來正面回答你的問題，要精通DSP沒有快速的。DSP晶元有很多鍾，不同廠商的晶元它們的指令和結構都不一樣。先找市面上最常用的那些練著，個人認為排行最靠前的是德州儀器（TI）和ADC公司的，我只用過TI的TMS320F2812、F2407。這些晶元大多是貼片的，所以建議買它的開發板來學（好幾百呢）。買本對應型號的教科書來入門（相同廠商晶元型號不一樣結構和指令也有不同的，所以教科書講的內容要和開發板對應，否則兩個白買了）。跟學單片機一樣，先了解他的指令系統，內部結構，寄存器的使用。然後對著書本的例子先拿開發板做一次，熟悉熟悉晶元。
學這個的同時，不要忘了數學，因為DSP除了是（digital singnal processor數字信號處理器）的簡稱外，還是（Digital Signal Processing數字信號處理）的簡稱。就是如何編寫演算法進行數字信號的處理，肯定就涉及到數學得東西了，而且不僅僅是普通的高等數學，重要的有工程數學和信號分析（如FFT，小波分析），沒有這知識，就算你會DSP的編程，也做不了DSP的開發。我剛開始做DSP的時候，非常吃力，因為不知道傅立葉變換、拉普拉斯變換這些東西（都是研究生才學的，我們本科生雖然也開這類課程，但是要求不高，上課也沒仔細聽，也聽不懂）。最後自己買本厚厚的研究生課本來慢慢琢磨，才慢慢理解。
所以說學DSP沒有捷徑的！不要看似很賺錢的行業就想找小道鑽，一步一步腳踏實地的學才是真道理。
就說這么多了，都是泛泛而談，等你真正理解DSP這三個字母之後就會明白怎麼學了！