基于缓存补偿的视频码率自适应算法

针对基于超文本传输协议（HTTP）的动态自适应流（DASH）码率自适应算法未能充分利用视频缓存以及平均码率偏低的问题,提出一种DASH标准的基于缓存补偿的码率自适应切换（BASBC）算法。首先,根据最近下载分片的下载速率分析带宽波动程度并得到预估带宽;其次,依据预估带宽和当前码率等级在缓存区设置码率上切阈值和码率下切阈值,并利用动态上切阈值控制码率向上切换,消耗缓存时长,而利用动态下切阈值控制码率向下逐级切换,累积缓存时长,从而在缓存区形成累积-消耗的缓存状态循环。BASBC算法在视频播放平均码率上高于动态自适应的HTTP流码率渐进切换（DASBS）算法,有效提高了带宽利用率;虽然所提算法的平均码率稍低于基于DASH标准的码率平滑切换（RSS）算法,但所提算法的码率切换更为平滑,整体切换稳定性表现更优。实验结果表明,所提算法在动态网络环境中具有高带宽利用、切换平滑且稳定的良好表现,能够有效提高用户的体验质量（QoE）。     

基于DASH标准的码率平滑切换算法

针对现有的基于超文本传输协议的动态自适应流（DASH）码率自适应算法在无线网络环境中码率切换频繁以及平均码率偏低的问题，提出一种基于DASH标准的码率平滑切换（RSS）算法。首先，算法的带宽检测机制利用滑动窗口对历史下载速率进行取样以计算带宽偏移系数，根据带宽偏移系数的大小初步判断带宽的波动情况，并对波动较大的情况进一步确定是否存在一致性变化趋势，从而区分出带宽的持续变化和短暂抖动，同时计算出相应情况下的带宽预测值；其次，算法的码率决策模型综合考虑带宽波动情况、缓存占用和变化情况及带宽预测值等，并且分别采取快速缓冲（FB）、缓慢切换（SS）、快速上升（FR）、约束下降（LD）、稳定保持（SH）策略和休眠机制对码率选择过程进行动态控制。实验结果表明，与基于模糊逻辑的码率自适应算法以及吞吐量调节驱动的码率自适应算法相比，该算法在播放开始时能够在最短时间内将视频码率提升到最佳水平，提高视频播放过程中的平均码率，在播放过程中带宽骤变和交替性频繁波动情况下都能够很好地维持视频码率的稳定，将切换次数降到最低，从而获得良好的无线端视频体验质量。     

基于视点预测的全景视频码率自适应策略

为解决全景视频传输中存在的视频卡顿多、用户体验质量（quality of experience,QoE）低等问题,研究当前主流的视点自适应传输方案,提出一种基于视点预测的码率自适应策略（VPBAS）。首先,构建了一种基于长短期记忆网络和全卷积网络的视点预测模型,模型将视点数据和视频显著性信息进行特征融合,实现不同模态数据的相互补充和修正,提高视点预测的准确率;然后,客户端采用随机森林算法预测当前的可用带宽,并根据视点预测结果和可用带宽信息为视频分块选择码率。最后,客户端把选择的码率信息定期发送给服务器,服务器根据反馈的信息向客户端推送最佳码率的全景视频流,这种交互过程在视频播放期间不断地重复,直至客户端观看完毕。实验结果表明,与现有传输方案相比,VPBAS能有效提高带宽受限情况下的视频观看体验。     

基于模糊控制的流媒体自适应传输算法

基于HTTP的动态自适应流媒体DASH传输协议可以使用户根据自身的终端显示能力和信道条件选择合适的视频质量,是网络视频服务技术的发展方向。如何根据网络吞吐量的变化自适应地选择视频码率,以获得最佳的用户体验质量QOE,在已有的DASH系统中还没有得到很好的解决。 提出了一种基于模糊控制的自适应传输算法,将缓存的视频余量以及用户申请的视频码率和网络吞吐量的码率失配度作为输入,将预期的缓存变化量作为输出,通过模糊逻辑实现以下控制目的：(1）将缓存稳定在一个安全的区间;(2）使传输视频的平均质量最大化;(3）避免因带宽波动所造成的视频播放中断。最后,分别在两种虚拟网络环境和两种实际网络环境下进行性能测试,实验结果表明,与已有的算法相比较,本文提出的算法可以给用户带来更好的QOE。     

一种动态自适应HTTP流媒体码率切换算法

近年来,基于HTTP的动态自适应流媒体技术,已经被各种网络视频播放服务广泛采用.针对客户端缓冲区受限和网络环境不稳定的情况,提出一种基于客户端缓冲区长度的动态自适应码率选择算法.该算法通过对缓冲区进行分级实现了带宽的不同比例的缩放,并采用滑动窗口技术对带宽进行平滑处理.同时,通过设置每个缓冲区等级的带宽持续上升或下降时间的限制和采用高低带宽的中间码率等级,使码率等级不会剧烈变化.实验结果表明,该算法能在带宽利用和视频质量的平滑之间取得较好的平衡,提供良好的视频播放用户体验.     

动态自适应的HTTP流码率渐进切换算法

针对在动态网络环境和有限缓存容量限制下用户观看视频体验质量低的问题，提出一种综合考虑带宽和缓存因素的动态自适应的HTTP流码率渐进切换（DASBS）算法。首先，利用滑动窗口分析最近下载分片得到带宽初步估值；然后，依据实时带宽波动程度和缓存状态设置双矫正因子进一步平滑带宽估值；最后，设置缓存阈值使其与当前码率建立相关关系，并利用带宽估值和缓存动态阈值共同控制码率切换。使用libdash平台验证算法性能，DASBS在切换平滑性上优于VQCQ（Video Quality Control for QoE）算法，视频播放平均码率更高，有效提高了带宽利用率；平均码率稍低于EABS（Evolution of Adaptive Bitrate Switching）算法时，切换次数得到大幅下降，整体切换稳定性表现更优。实验结果表明，所提算法在动态网络环境中具有带宽高利用、切换平滑和切换稳定的良好表现，能够有效改善用户体验。     

基于内容优化动态自适应HTTP流传输主观质量

针对传统DASH流技术仅仅自适应码率变化而不能整体优化回放质量,尤其是主观质量的问题,提出了基于内容的DASH流传输策略.该策略以镜头为自适应单元,基于运动级别设置安全因子和分配网络资源,使用动态规划算法决策并下载整体主观质量最大化的DASH片段序列.实验结果表明,运动级别较高的视频内容因获得较多传输资源而保证了较高的主观质量,平均最低质量也得到较大提升,且码率切换频率低,无播放停顿发生.     

基于无线网络环境移动流媒体码率自适应研究

基于校园无线网络环境,研究了流媒体视频码率自适应技术.利用分布式实时转码系统保证直播流视频转码的实时性,并根据校园无线网用户的特殊性,研究了首次接入视频码率选择策略,以减少码率切换次数.实验证明,这种方案在无线网络环境发生变化时,保证了视频播放的流畅性,为用户提供了友好的体验.     

基于电量状态的移动流媒体码率自适应策略

为提升移动流媒体的用户体验质量(quality of experience,QoE)和设备续航时长,提出一种基于移动设备电量状态的Qo E模型,模型的参数包括初始延迟、重新缓冲、平均视频质量、码率切换平滑度以及设备电量状态.在模型的基础上,给出一种基于网络吞吐量,同时又考虑设备电量状态的码率自适应策略.策略能避免客户端...     

一种基于视频分类的码率自适应算法

流媒体的码率自适应算法依据网络状态动态调节视频块的码率,提升用户体验质量,但忽略了视频类型的差异对用户体验质量的影响,导致算法性能下降。提出区分视频类型特征的码率选择算法C-ABR。设计相应的用户体验质量效用函数,使用强化学习算法训练模型A3C,提升用户体验质量。实验结果说明,相对于典型的码率自适应算法Pensieve和MPC,C-ABR算法用户体验质量分别提升22.7%和50.4%。     

运动感知基于缓存的自适应视频流传输

目的 基于缓存的自适应视频流传输策略无需估测实时带宽,直接通过缓存变化量与码率的映射函数选取符合当前网络状况的最佳质量码流传输。传统基于缓存的自适应视频传输不考虑内容特征,在码率选择上为不同运动级别视频内容均使用相同的码率映射函数,在不稳定的无线网络环境中高运动强度内容的码率急剧降低会严重伤害用户体验质量（QoE）,提出运动感知基于缓存的自适应视频流传输（MA-BBA）算法。方法 MA-BBA算法根据片段运动级别确定码率映射函数,对运动强度高的内容快速切换到较高码率,而对于运动强度较低的内容则使用较为保守的码率,从而使得缓存资源能够位于安全边界之上且较多分配给高级别运动内容,提高不同运动强度内容的平均质量,使整体QoE得到优化。结果 在公开的无线网络带宽数据集上实现本文MA-BBA算法,基于吞吐量的自适应传输算法（TBA）和基于缓存的自适应传输算法（BBA）。MA-BBA在高运动强度内容的平均质量上比TBA和BBA分别提高1.7%和1.2%,且质量波动区间更小。MA-BBA在平均缓存利用率上达到72%,大大高于TBA的45.9%和BBA的45.4%。结论 MA-BBA算法与现有的码率自适应算法TBA和BBA相比,大大提高了缓存资源利用率,提高了对资源要求最苛刻的高级别运动内容的传输质量,减小码率切换幅度频率,优化了视频服务的整体QoE。     

QoE driven cross-layer scheme for DASH-based scalable video transmission over LTE

Recently using Scalable Video Coding (SVC) in Dynamic Adaptive Streaming of over HTTP (DASH) has attracted more and more attention. In this paper, we present a Quality-of-Experience (QoE) driven Cross-Layer Scheme (QCLS) for DASH-based scalable video transmission over LTE. Specifically, assuming the priority-based extraction be exploited for bitstream adaption, we first propose a new continuous Rate-Distortion (RD) model for scalable video stream. Then to guarantee continuous playback, a two-level rate adaption algorithm is presented: a novel throughput-based algorithm is implemented for dynamic selection of segment bitrate on the DASH client side at the first level, and the second level applies the rate adaption by designing a suitable packet scheduling strategy at the Base Station. The packets of each segment with lower priority that are still left in the packet queues when their playback deadline is missed, would be considered as the ones that are beyond the actual transmission ability and discarded by the second-level rate adaption. Furthermore, in order to reasonably utilize the wireless resources in LTE (Long-Term Evolution) system, a cross-layer optimization problem that maximizes the total weighted received quality of the currently transmitted segments for all clients is formulated. In view of its high complexity of obtaining the optimal solution, we develop an approach of the suboptimal solution, which can determine a locally optimal transmission strategy in resource allocation as well as the corresponding Modulation and Coding Scheme. Accordingly, the transmission rate of each client can be obtained. Simulation results show that our proposed cross-layer scheme can provide better performance than the existing ones for DASH-based scalable video transmission over LTE.     

大规模客户端视频流带宽调度

视频流服务的迅猛发展, 大规模用户共享带宽链路的场景不断增多. 现存的DASH视频流采用的ABR算法多用于提高单客户端用户的体验质量(quality of experience, QoE), 还有一些算法仅针对数个客户端的情况. 本文提出一种应用于大规模客户端场景的带宽调度算法, 通过聚类算法减小调度规模, 再将带宽分...     

基于网络流量预测的DASH系统优化

近年来基于超文本传输协议（HTTP）的自适应视频流量大幅上升,传统HTTP动态自适应流（DASH）速率算法无法准确预测网络吞吐量,导致网络带宽波动,使传输控制协议慢启动并触发抛弃规则,从而降低视频质量。提出一种基于网络流量预测的改进DASH速率算法。将DASH算法分为视频质量选择阶段、视频下载阶段和请求等待阶段,在视频质量选择阶段引入支持向量回归模型和长短期记忆网络预测网络吞吐量,结合缓冲时长选择更优质量的视频片段,在视频下载阶段通过预测实时吞吐量降低触发抛弃规则的次数。仿真结果表明,该算法可自适应流速率并减少抛弃规则的命中次数,有效提高视频体验质量。