网络时延计算方法、装置、电子设备及存储介质与流程

1.本公开涉及网络音视频播放领域，尤其涉及网络时延计算方法、装置、电子设备及存储介质。


背景技术：

2.对网络音视频播放而言，网络抖动不可避免，现在技术也有许多可以解决网络抖动的技术方案，neteq技术就是目前广泛使用的一种消除网络抖动的技术，也是目前最先进的解决网络抖动的技术。neteq估算出网络时延后，然后做出网络音频的播放决策，正常播放，加速，减速，融合，丢包补偿等，所以网络抖动的估计对后续做出播放决策至关重要，neteq计算网络时延的流程如图1所示：
3.(1)更新网络时延直方图
4.直方图的横坐标为直方图级别，直方图级别的取值为0-64，表明本次数据包到来距离上一次数据包到来的中间间隔的数据包的个数，在本实施例中，距离上一次数据包到来的中间间隔的包的个数用来表征网络时延，网络正常情况下直方图级别为1，即表示当前网络时延正常。直方图的纵坐标为直方图各个级别的占比。本次网络时延直方图的各个级别的占比需乘以上次网络时延直方图的各个级别的遗忘因子，得到本次的网络时延直方图。
5.(2)更新遗忘因子
6.见公式(1)，f为当前的遗忘因子，f'为更新后的遗忘因子，从公式上看，经过多次迭代后，遗忘因子是一个非常接近1的数。
[0007][0008]
(3)计算初始的网络时延target_level
[0009][0010]
其中，pi为直方图的各个级别的占比。根据历史时刻的直方图估计，能覆盖到直方图中95％情况的时延认为是初始的网络时延。确定初始的网络时延后，根据初始的网络时延确定预设时延门限。例如，预设时延门限可以为两倍的初始的网络时延。
[0011]
(4)当当前延迟大于预设时延门限时，并且当前帧数据包前10000帧数据包，保存延迟的信息到history_peak中；如果当前帧数据包是第10000-20000帧数据包，不做处理，不保存延迟信息；如果当前帧数据包的帧序号大于20000，重启包计数器。
[0012]
(5)如果history_peak数目大于2，且包计数器当前对应的数据包的帧序号不大于两倍的最大延迟位置所对应的帧序号，根据公式(3)更新网络时延值,否则网络时延值不变，max_history_peak为过去时刻延迟峰值。
[0013]
target_level ＝ max(target_level,max_history_peak)
ꢀꢀ
(3)
[0014]
neteq对网络时延延迟的估计算法存在如下问题：如果当前时延超出了预设时延门限，会利用过去历史时刻的最大延迟时延做调整，但是如果当前帧号是在10000-20000之前，不做处理，需要等到20000帧以后才有处理，如果网络在此时瘫痪，那么至少需要等到20000帧以后才能响应。举个较极端的例子如下：
[0015]
假设网络一直很稳定，每次数据包都能正常按时达到，即两次数据包到来时的数据包间隔个数iat＝1，这时直方图上横坐标只有iat＝1的位置有值，概率为1，遗忘因子按照公式(1)更新，稳定后，是一个很接近1的数，假设为0.995。
[0016]
但当网络状况发生突变，在传输当前帧数据包的延迟很大，iat＝10。更新网络时延直方图后，在iat等于1的地方，概率为0.995，在iat＝10的地方概率为0.005，根据公式(1)更新遗忘因子，f＝0.995*0.75 0.9993/4＝0.9961,由公式(2)得到的初步target_level值为1。
[0017]
显然，传输当前帧数据包的延迟的时延肯定超过预设时延门限，假设当前帧数据包是第10001帧数据包，那么，根据neteq的处理流程，不保存延迟信息，所以history_peak里面记录的是延迟很小的值，根据公式(3)，得到的最终target_level值很小。
[0018]
假设从10001帧数据包开始，后面的网络时延都所对应的直方图级别为iat＝10，那么，采用neteq算法将一直会估计target_level值很小，直至到第20000帧数据包以后重启包计数器，再记录history_peak信息，这样才有可能后面计算的时延延迟较合理。即从第10001-20000帧数据包neteq算法网络时延估计是正常的，不会发现网络的异常情况，因此，采用neteq算法计算网络时延并不准确，可能导致网络音视频播放决策判断的失误，进而影响网络音视频的正常播放。


技术实现要素：

[0019]
本公开实施例提供一种网络时延计算方法、装置、电子设备及存储介质，能够解决采用neteq算法计算网络时延并不准确，可能导致网络音视频播放决策判断的失误，进而影响网络音视频的正常播放的问题。所述技术方案如下：
[0020]
根据本公开实施例的第一方面，提供一种网络时延计算方法，包括：
[0021]
根据自回归(auto regressive，ar)模型确定即将传输当前帧数据包时网络时延的初始预测值；
[0022]
根据历史网络时延直方图确定网络时延的初始值，所述历史网络时延直方图为最近n帧数据包的网络时延直方图；
[0023]
根据所述初始值以及所述初始预测值计算即将传输当前帧数据包时的网络时延值。
[0024]
本公开实施例提供的网络时延计算方法，能够根据自回归ar模型确定即将传输当前帧数据包时网络时延的初始预测值；根据历史网络时延直方图确定网络时延的初始值，所述历史网络时延直方图为最近n帧数据包的网络时延直方图；根据所述初始值以及所述初始预测值计算即将传输当前帧数据包时的网络时延值，能够准确的计算出网络时延，避免了采用neteq算法计算网络时延并不准确，可能导致网络音视频播放决策判断的失误，进而影响网络音视频的正常播放的问题。
[0025]
在一个实施例中，所述根据ar模型确定网络时延的第一预测值前，所述方法还包
括：
[0026]
获取所述ar模型的系数；
[0027]
获取ar模型的系数后，根据所述ar模型获取第一帧数据包在传输的第一网络时延预测值，所述第一帧数据包为所述当前帧数据包之前的数据包；
[0028]
获取所述第一帧数据包在传输时的第一网络时延实际值；
[0029]
计算所述第一网络时延预测值与所述第一网络时延实际值的第一差值；
[0030]
所述根据ar模型确定即将传输当前帧数据包时网络时延的第一预测值包括：
[0031]
若所述第一差值小于或者等于差值阈值，则根据ar模型确定即将传输当前帧数据包时网络时延的第一预测值。
[0032]
在一个实施例中，所述方法还包括：
[0033]
若所第一述差值均大于差值阈值，根据所述ar模型分别获取m帧第二数据包中的每帧数据包在传输时的m个第二网络时延预测值，所述m帧第二数据包为与所述第一帧数据包相邻的且在所述第一帧数据包之后的m帧数据包；
[0034]
分别获取所述m帧第二数据包中的每帧数据包在传输时的m个第二网络时延实际值；
[0035]
分别计算所述m个第二网络时延预测值与m个所述第二网络时延实际值的m个第二差值；
[0036]
若m个第二差值均大于预设差值阈值，则重新获取所述ar模型的系数。
[0037]
在一个实施例中，所述获取所述ar模型的系数包括：
[0038]
在所述第一帧数据包传输时，获取近p次网络时延值，p为levinsion-durbin算法的自相关长度；
[0039]
根据所述levinsion-durbin算法以及所述p次网络时延值计算ar模型的系数并确定所述ar模型状态是否稳定；
[0040]
所述根据所述ar模型获取第一帧数据包在传输的网络时延预测值包括：
[0041]
若确定所述ar模型状态稳定，则根据所述ar模型获取第一帧数据包在传输的网络时延预测值。
[0042]
在一个实施例中，所述方法还包括：
[0043]
若确定所述ar模型状态不稳定，则在q帧第三数据包中的每帧数据包传输时，分别获取近p次网络时延值，所述q帧第三数据包为与所述第一帧数据包相邻且在所述第一帧数据包之后的q帧数据包；
[0044]
分别根据q个近p次网络时延值以及所述levinsion-durbin算法计算ar模型的系数并确定所述ar模型状态是否稳定；
[0045]
若q次计算均确定ar模型状态不稳定，则确定网络状态不稳定；
[0046]
确定网络状态不稳定后，向用户提示消息，所述提示消息用于提示用户网络状态不稳定。
[0047]
根据本公开实施例的第二方面，提供一种网络时延计算装置，包括：
[0048]
初始预测值确定模块，用于根据自回归ar模型确定即将传输当前帧数据包时网络时延的初始预测值；
[0049]
初始值确定模块，用于根据历史网络时延直方图确定网络时延的初始值，所述历
史网络时延直方图为最近n帧数据包的网络时延直方图；
[0050]
网络时延值确定模块，用于根据所述初始值以及所述初始预测值计算即将传输当前帧数据包时的网络时延值。
[0051]
在一个实施例中，所述装置还包括：ar模型系数获取模块用于：
[0052]
获取所述ar模型的系数；
[0053]
获取ar模型的系数后，根据所述ar模型获取第一帧数据包在传输的第一网络时延预测值，所述第一帧数据包为所述当前帧数据包之前的数据包；
[0054]
获取所述第一帧数据包在传输时的第一网络时延实际值；
[0055]
计算所述第一网络时延预测值与所述第一网络时延实际值的第一差值；
[0056]
所述网络时延值确定模块用于：
[0057]
若所述第一差值小于或者等于差值阈值，则根据ar模型确定即将传输当前帧数据包时网络时延的第一预测值。
[0058]
在一个实施例中，所述ar模型系数获取模块用于：
[0059]
若所第一述差值均大于差值阈值，根据所述ar模型分别获取m帧第二数据包中的每帧数据包在传输时的m个第二网络时延预测值，所述m帧第二数据包为与所述第一帧数据包相邻的且在所述第一帧数据包之后的m帧数据包；
[0060]
分别获取所述m帧第二数据包中的每帧数据包在传输时的m个第二网络时延实际值；
[0061]
分别计算所述m个第二网络时延预测值与m个所述第二网络时延实际值的m个第二差值；
[0062]
若m个第二差值均大于预设差值阈值，则重新获取所述ar模型的系数。
[0063]
在一个实施例中，所述ar模型系数获取模块用于：
[0064]
在所述第一帧数据包传输时，获取近p次网络时延值，p为levinsion-durbin算法的自相关长度；
[0065]
根据所述levinsion-durbin算法以及所述p次网络时延值计算ar模型的系数并确定所述ar模型状态是否稳定；
[0066]
所述根据所述ar模型获取第一帧数据包在传输的网络时延预测值包括：
[0067]
若确定所述ar模型状态稳定，则根据所述ar模型获取第一帧数据包在传输的网络时延预测值。
[0068]
在一个实施例中，所述装置还包括：提示消息发送模块，用于：
[0069]
若确定所述ar模型状态不稳定，则在q帧第三数据包中的每帧数据包传输时，分别获取近p次网络时延值，所述q帧第三数据包为与所述第一帧数据包相邻且在所述第一帧数据包之后的q帧数据包；
[0070]
分别根据q个近p次网络时延值以及所述levinsion-durbin算法计算ar模型的系数并确定所述ar模型状态是否稳定；
[0071]
若q次计算均确定ar模型状态不稳定，则确定网络状态不稳定；
[0072]
确定网络状态不稳定后，向用户提示消息，所述提示消息用于提示用户网络状态不稳定。
[0073]
根据本公开实施例的第三方面，提供一种电子设备，所述电子设备包括处理器和
存储器，所述存储器中存储有至少一条计算机指令，所述指令由所述处理器加载并执行以实现第一方面中任一项所述的网络时延计算方法中所执行的步骤。
[0074]
根据本公开实施例的第四方面，提供一种计算机可读存储介质，所述存储介质中存储有至少一条计算机指令，所述指令由处理器加载并执行以实现第一方面中任一项所述的网络时延计算方法中所执行的步骤。
[0075]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0076]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0077]
图1是现有技术提供的一种网络时延计算方法的流程图；
[0078]
图2是本公开实施例提供的一种网络时延计算方法的流程图一；
[0079]
图3是本公开实施例提供的一种网络时延计算方法的流程图二；
[0080]
图4是本公开实施例提供的一种网络时延计算装置的结构图一；
[0081]
图5是本公开实施例提供的一种网络时延计算装置的结构图二；
[0082]
图6是本公开实施例提供的一种电子设备的结构图。
具体实施方式
[0083]
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0084]
图2是本公开实施例提供的一种网络时延计算方法的流程图一。如图2所示，该方法包括：
[0085]
s201、根据ar模型确定即将传输当前帧数据包时网络时延的初始预测值。
[0086]
示例性地，ar模型如公式(4)所示：
[0087]
x
t
＝α0 α1x
t-1
α2x
t-2
... α
p
x
t-p
ε
t
ꢀꢀ
(4)
[0088]
其中，x
t
为t时刻的网络时延，x
t-1
,x
t-2
,...x
t-p
为前p时刻的网络时延。
[0089]
α0，α1，...α
p
为ar模型的系数，ε
t
为随机干扰，e(xs,ε
t
)＝0 s＜t
ꢀꢀ
(5)。
[0090]
在采用ar模型计算将传输当前帧数据包时网络时延时，需确定ar模型计算时延的准确性。下面对如何确定ar模型计算时延的准确性进行说明。
[0091]
获取所述ar模型的系数；
[0092]
获取ar模型的系数后，根据所述ar模型获取第一帧数据包在传输的第一网络时延预测值，所述第一帧数据包为所述当前帧数据包之前的数据包；
[0093]
获取所述第一帧数据包在传输时的第一网络时延实际值；
[0094]
计算所述第一网络时延预测值与所述第一网络时延实际值的第一差值；
[0095]
所述根据ar模型确定即将传输当前帧数据包时网络时延的第一预测值包括：
[0096]
若所述第一差值小于或者等于差值阈值，则根据ar模型确定即将传输当前帧数据
包时网络时延的第一预测值。
[0097]
通过ar模型获取第一帧数据包在传输的第一网络时延预测值，并计算所述第一网络时延预测值与第一网络时延实际值的第一差值，在第一差值小于或者等于差值阈值时，根据ar模型确定即将传输当前帧数据包时网络时延的第一预测值，能够确保ar模型预测时延的准确性。
[0098]
示例性地，所述方法还包括：
[0099]
若所述第一述差值均大于差值阈值，根据所述ar模型分别获取m帧第二数据包中的每帧数据包在传输时的m个第二网络时延预测值，所述m帧第二数据包为与所述第一帧数据包相邻的且在所述第一帧数据包之后的m帧数据包；
[0100]
分别获取所述m帧第二数据包中的每帧数据包在传输时的m个第二网络时延实际值；
[0101]
分别计算所述m个第二网络时延预测值与m个所述第二网络时延实际值的m个第二差值；
[0102]
若m个第二差值均大于预设差值阈值，则重新获取所述ar模型的系数。
[0103]
若所述第一述差值均大于差值阈值，则需再次验证ar模型计算时延的的准确性，即重新采用ar模型连续计算m帧第二数据包中每帧数据包的传输时延。例如，在本实施例中，m取值为5，若采用ar模型连续5次计算第二数据包中每帧数据包的传输时延与实际时延的差值均超过预设差值阈值，说明ar模型计算时延的准确性不高，需重新获取ar模型系数。
[0104]
下面对如何获取ar模型的系数进行说明。
[0105]
在所述第一帧数据包传输时，获取近p次网络时延值，p为levinsion-durbin算法的自相关长度；
[0106]
根据所述levinsion-durbin算法以及所述p次网络时延值计算ar模型的系数并确定所述ar模型状态是否稳定；
[0107]
所述根据所述ar模型获取第一帧数据包在传输的网络时延预测值包括：
[0108]
若确定所述ar模型状态稳定，则根据所述ar模型获取第一帧数据包在传输的网络时延预测值。
[0109]
对ar模型的求解，可以使用levinsion-durbin算法，levinsion-durbin算法除了可以求解出ar模型的系数，还可以返回ar模型状态是否稳定。考虑到计算的复杂度，ar模型阶数取6，自相关长度p取100，即需要保存最近100次网络抖动值。即在本实施例中，6帧第一帧数据包中的每帧数据包传输时，分别获取近100次网络时延值；分别将6帧第一帧数据包中的每帧数据包传输时，分别获取的近100次网络时延值代入levinsion-durbin算法中，计算ar模型的系数并确定所述ar模型状态是否稳定。确定ar模型状态稳定，ar模型才可用于计算网络时延，再根据ar模型获取第一帧数据包在传输的网络时延预测值。
[0110]
示例性地，所述方法还包括：
[0111]
若确定所述ar模型状态不稳定，则在q帧第三数据包中的每帧数据包传输时，分别获取近p次网络时延值，所述q帧第三数据包为与所述第一帧数据包相邻且在所述第一帧数据包之后的q帧数据包；
[0112]
分别根据q个近p次网络时延值以及所述levinsion-durbin算法计算ar模型的系数并确定所述ar模型状态是否稳定；
[0113]
若q次计算均确定ar模型状态不稳定，则确定网络状态不稳定；
[0114]
确定网络状态不稳定后，向用户提示消息，所述提示消息用于提示用户网络状态不稳定。
[0115]
在本实施例中，q可以取100，即确定ar模型状态不稳定，则下一帧数据包到来时，再用最近的100次网络时延值计算ar模型的参数并确定ar模型状态是否稳定，如果连续100次计算均确定ar模型状态都不稳定，说明网络状态极差，上报给用户。
[0116]
s202、根据历史网络时延直方图确定网络时延的初始值，所述历史网络时延直方图为最近n帧数据包的网络时延直方图。
[0117]
在本实施例中，n取值可以为500。即在获取历史网络时延直方图时，只统计最近的500帧数据包的时延，不用像neteq那样整个历史过程的数据包的时延都统计。再更新历史网络时延直方图的各个级别的遗忘因子并计算网络时延的初始值target_level。
[0118]
计算网络时延的初始值target_level和neteq方法一致，见公式(1)和(2)，本实施例此处不再赘述。
[0119]
s203、根据所述初始值以及所述初始预测值计算即将传输当前帧数据包时的网络时延值。
[0120]
具体如公式(6)所示：
[0121][0122]
其中，n1为最近500帧里最近一次网络时延持续小于或者等预设时延阈值的次数，n2为最近一次网络时延大于预设时延阈值的次数,d1为最近一次网络时延小于或者等预设时延阈值时的数据包距离当前帧数据包的帧号差值，d2最近一次网络时延大于预设时延阈值时的数据包距离当前帧数据包的帧号差值，n1和n2的初始值为0。base_level为步骤s202得到的网络时延的初始值target_level，est_level为用ar模型预测出的网络时延，level为计算出最终的网络时延，η为一个0～1的数，例如可以取0.7。公式(6)分为两种情况，一种是当n2＝0,即最近的500帧数据包的传输时延偏差都满足要求，这时用base_level和est_level加权求得；当n2＞0时，base_level和est_level的加权系数计算相对复杂些。
[0123]
采用本公开实施例提供的网络时延计算方法，在网络状况发生突变时，能较早的发现网络状况变化。在网络突然变化，例如当前帧数据包传输时延iat＝10时，预测值和实际值偏差肯定会超过门限，若一直持续，则再过m帧就会重新计算ar模型系数，如果ar模型不稳定，再过q帧就可以获知网络状况不佳。如果用neteq的计算方法，是无法准确计算网络时延的。
[0124]
另外，本专利的网络延迟计算方法，结合过去历史时刻的初始时延值和当前预测时延值，计算出的网络时延值也更精确。
[0125]
本公开实施例提供的网络时延计算方法，能够根据自回归ar模型确定即将传输当前帧数据包时网络时延的初始预测值；根据历史网络时延直方图确定网络时延的初始值，所述历史网络时延直方图为最近n帧数据包的网络时延直方图；根据所述初始值以及所述初始预测值计算即将传输当前帧数据包时的网络时延值，能够准确的计算出网络时延，避
免了采用neteq算法计算网络时延并不准确，可能导致网络音视频播放决策判断的失误，进而影响网络音视频的正常播放的问题。
[0126]
下面结合图3，对本实施例提供的网络时延计算方法作进一步详细说明。图3是本公开实施例提供的一种网络时延计算方法的流程图二。如图3所示，该方法包括：
[0127]
s301、初始化参数，考虑到计算的复杂度，ar模型阶数取6，n1为最近500帧里最近一次抖动偏差吻合持续的次数，n2为最近一次抖动偏差不吻合持续的次数,d1为最近一次抖动偏差吻合距离当前帧的帧号差值，d2为最近一次抖动偏差不吻合距离当前帧的帧号差值，n1＝0,n2＝0。
[0128]
s302、计算ar模型系数，用levinsion-durbin算法，自相关长度取100，即需要保存最近100次网络时延值，若算法得出状态不稳定，则下一帧数据到来时，再用最近的100次时延值计算，如果连续100次状态都不稳定，说明网络状态极差，上报给用户。
[0129]
s303、得到ar模型系数后，在每一包到来时，用公式(4)估算下一包的延迟；并计算本次实际延迟和预测的延迟差值是否在预设范围内。若连续5次都超出了预设范围，重新计算ar模型系数；如果在预设范围内，计算网络抖动，网络时延的计算方法和neteq的方法有些差异。
[0130]
s304、更新网络抖动直方图
[0131]
直方图范围为(0-64),只统计最近的500帧的延迟，不用像neteq那样整个过程都统计。
[0132]
s305、更新遗忘因子和计算初步的target_level。
[0133]
和neteq方法一致，见公式(1)和(2)。
[0134]
s306、调整target_level，详见公式(6)
[0135]
基于上述图2至图3对应的实施例中所描述的网络时延计算方法，下述为本公开装置实施例，可以用于执行本公开方法实施例。
[0136]
图4是本公开实施例提供一种网络时延计算装置的结构图。如图所示，该装置40包括：
[0137]
初始预测值确定模块401，用于根据自回归ar模型确定即将传输当前帧数据包时网络时延的初始预测值；
[0138]
初始值确定模块402，用于根据历史网络时延直方图确定网络时延的初始值，所述历史网络时延直方图为最近n帧数据包的网络时延直方图；
[0139]
网络时延值确定模块403，用于根据所述初始值以及所述初始预测值计算即将传输当前帧数据包时的网络时延值。
[0140]
在一个实施例中，如图5所示，所述装置40还包括：ar模型系数获取模块404，用于：
[0141]
获取所述ar模型的系数；
[0142]
获取ar模型的系数后，根据所述ar模型获取第一帧数据包在传输的第一网络时延预测值，所述第一帧数据包为所述当前帧数据包之前的数据包；
[0143]
获取所述第一帧数据包在传输时的第一网络时延实际值；
[0144]
计算所述第一网络时延预测值与所述第一网络时延实际值的第一差值；
[0145]
所述网络时延值确定模块用于：
[0146]
若所述第一差值小于或者等于差值阈值，则根据ar模型确定即将传输当前帧数据
包时网络时延的第一预测值。
[0147]
在一个实施例中，所述ar模型系数获取模块404用于：
[0148]
若所第一述差值均大于差值阈值，根据所述ar模型分别获取m帧第二数据包中的每帧数据包在传输时的m个第二网络时延预测值，所述m帧第二数据包为与所述第一帧数据包相邻的且在所述第一帧数据包之后的m帧数据包；
[0149]
分别获取所述m帧第二数据包中的每帧数据包在传输时的m个第二网络时延实际值；
[0150]
分别计算所述m个第二网络时延预测值与m个所述第二网络时延实际值的m个第二差值；
[0151]
若m个第二差值均大于预设差值阈值，则重新获取所述ar模型的系数。
[0152]
在一个实施例中，所述ar模型系数获取模块404用于：
[0153]
在所述第一帧数据包传输时，获取近p次网络时延值，p为levinsion-durbin算法的自相关长度；
[0154]
根据所述levinsion-durbin算法以及所述p次网络时延值计算ar模型的系数并确定所述ar模型状态是否稳定；
[0155]
所述根据所述ar模型获取第一帧数据包在传输的网络时延预测值包括：
[0156]
若确定所述ar模型状态稳定，则根据所述ar模型获取第一帧数据包在传输的网络时延预测值。
[0157]
在一个实施例中，所述装置404还包括：提示消息发送模块405，用于：
[0158]
若确定所述ar模型状态不稳定，则在q帧第三数据包中的每帧数据包传输时，分别获取近p次网络时延值，所述q帧第三数据包为与所述第一帧数据包相邻且在所述第一帧数据包之后的q帧数据包；
[0159]
分别根据q个近p次网络时延值以及所述levinsion-durbin算法计算ar模型的系数并确定所述ar模型状态是否稳定；
[0160]
若q次计算均确定ar模型状态不稳定，则确定网络状态不稳定；
[0161]
确定网络状态不稳定后，向用户提示消息，所述提示消息用于提示用户网络状态不稳定。
[0162]
本公开实施例提供的网络时延计算装置，其实现过程和技术效果可以参见上述图2实施例，在此不再赘述。
[0163]
图6为本公开实施例提供的一种电子设备的结构图。如图6所示，该电子设备60包括：
[0164]
处理器601和存储器602，所述存储器602中存储有至少一条计算机指令，所述指令由所述处理器601加载并执行以实现上述方法实施例中所描述的网络时延计算方法。
[0165]
基于上述图1对应的实施例中所描述的网络时延计算方法，本公开实施例还提供一种计算机可读存储介质，例如，非临时性计算机可读存储介质可以是只读存储器(英文：read only memory，rom)、随机存取存储器(英文：random access memory，ram)、cd-rom、磁带、软盘和光数据存储装置等。该存储介质上存储有计算机指令，用于执行上述图1对应的实施例中所描述网络时延计算方法，此处不再赘述。
[0166]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件
来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0167]
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。