云社交電視的用戶視頻質(zhì)量體驗

范　煒，楊澍彬，譚忠凱

(荊州市視信網(wǎng)絡有限公司 多媒體業(yè)務部，湖北 荊州 434000)

云社交電視的用戶視頻質(zhì)量體驗

范煒，楊澍彬，譚忠凱

(荊州市視信網(wǎng)絡有限公司 多媒體業(yè)務部，湖北 荊州 434000)

摘要:近年來，多屏云社交電視將社交體驗引入了傳統(tǒng)的電視領(lǐng)域中。觀看同一內(nèi)容社交電視的觀眾雖然來自不同的地方，但是仍然可以通過文本、圖像、音頻和視頻來進行互動，這就在傳統(tǒng)體驗上增強了社會屬性。筆者將社交電視用戶體驗分為3個要素(用戶延遲、視頻質(zhì)量體驗和資源利用率)，并且提供一個通用算法來提高用戶體驗。具體來說就是提出了一個基于云計算的最佳播放速率分配方案，最大限度提高整體視頻質(zhì)量體驗(QoE)和用戶間的延遲上限。實驗結(jié)果表明，該算法實現(xiàn)了用戶間延遲和視頻質(zhì)量的最優(yōu)組合，并論證了無線信道快速衰弱下的最優(yōu)性能。

關(guān)鍵詞:視頻質(zhì)量體驗；用戶間延遲；資源利用率

云社交電視正將傳統(tǒng)電視收視習慣轉(zhuǎn)變?yōu)橐环N社交網(wǎng)絡體驗。用戶的媒體消費行為從電視屏幕上遷移到了智能手機或平板電腦上，多屏云社交電視[1]提出要顛覆傳統(tǒng)電視的體驗，通過多屏互動的社會特點，將不同地點的觀眾帶入同一個網(wǎng)絡，形成一個虛擬客廳，這個虛擬客廳具備強大的觀眾交互體驗性，這樣就能使得各種形式的信息(即文本、圖像、音頻和視頻)對正在播放的視頻內(nèi)容進行互動。

但是在實際部署云社交電視網(wǎng)絡時，復雜的網(wǎng)絡情況卻給用戶體驗帶來了巨大的挑戰(zhàn)。首先，由于無線網(wǎng)絡的固有隨機性，視頻質(zhì)量在信號衰弱的情況下會下降。其次，用戶間的視頻延遲可能會影響彼此的互動體驗。想象一下，張三和李四在同一個社交網(wǎng)絡里看同一場足球比賽。張三激動地向李四講述他看見的一個進球，可是李四卻由于網(wǎng)絡延遲的原因，壓根還沒看到這個進球，卻提前知道了比分，李四的興奮感就立刻被打亂了，這就是網(wǎng)絡延遲帶來的負面體驗。此外，云社交電視網(wǎng)絡還應仔細計算運營成本。因此，一個有效的云社交電視的設計應該能夠同時解決上述3個問題。

這一領(lǐng)域目前的方案都是純粹的考慮增強QoE(QoE)或者是降低多媒體服務的運營成本，卻沒有將用戶延遲、QoE、資源利用率綜合考慮，有的為了提高QoE而加大帶寬，有的為了加大帶寬而占用大量資源，而資源占用太多又直接造成了運營成本的增加，始終都沒有找到一個合適的契合點來平衡三者之間的關(guān)系。所有環(huán)節(jié)的責任方都只考慮到了自己的環(huán)節(jié)，從而導致了用戶的負面體驗。

在本文中，筆者基于云社交電視系統(tǒng)，構(gòu)建了一個以云為中心的媒體平臺，通過這個平臺來統(tǒng)一調(diào)度管理QoE、用戶延遲和成本。具體來說，筆者將在最大限度提高視頻質(zhì)量的同時，對運營成本和用戶延遲進行優(yōu)化設置。根據(jù)制定好的優(yōu)化約束條件，來分析各種延遲情況下的QoE，然后再設計一個速率分配方案，以提高用戶體驗。實驗結(jié)果表明，筆者所提出的方案優(yōu)于兩種可供選擇的策略(即最大和最小延遲狀態(tài)下的QoE方案)，該解決方案也為未來的商業(yè)社交電視系統(tǒng)設計指明了道路，具有良好的實踐性。

本方案有三重意義：

1)本方案提供了一個優(yōu)化組合方案，可以提高所有用戶的整體體驗，是真正意義上從社交互動角度來考慮用戶間延遲的影響。

2) 本方案解決了優(yōu)化問題，提出了一個播放速率分配方案，在保證QoE的情況下平衡用戶延遲與資源利用率之間的關(guān)系。此外，本文還提供了在社交電視平臺上的具體實現(xiàn)方法。

3) 本方案通過實驗論證了該方案的有效性，探討了實踐中可能會遇到的問題。結(jié)果表明，本方案可以很好地平衡用戶間延遲、視頻質(zhì)量、資源利用率三者之間的關(guān)系。

1系統(tǒng)模型與條件制定

1.1系統(tǒng)架構(gòu)

社交電視架構(gòu)如圖1所示，與現(xiàn)有的大多數(shù)云媒體系統(tǒng)一樣，通過內(nèi)容服務器、有線/無線網(wǎng)絡、嵌入式媒體處理和調(diào)度模塊來對視頻點播服務進行支持。

圖1　多屏社交電視云系統(tǒng)構(gòu)架圖

圖2展示的是社交電視用戶體驗三要素和他們的相關(guān)因素(即播放速率和動態(tài)信道)。在無線網(wǎng)絡中，一個主要的難題是無線信道質(zhì)量的不確定性，這會影響用戶體驗中的兩個要素：用戶間延遲和視頻質(zhì)量。同時，理想的視頻質(zhì)量與實際得到的視頻質(zhì)量，又影響了用戶的體驗。因此，云社交電視應能夠根據(jù)自身的動態(tài)信道狀態(tài)來最大限度地提高視頻質(zhì)量。

圖2　無線網(wǎng)絡狀態(tài)下社交電視的用戶體驗

本文所用的主要符號及含義為：C表示每個用戶的平均資源預算；G表示用戶間最大的用戶延遲；T表示視頻片段的播放時間；Ri表示第i個用戶的可用傳輸速率；Si表示第i個用戶的請求段大??；Di表示第i個用戶的傳輸延遲；Qi表示第i個用戶的觀賞體驗；Si表示第i個用戶的分配段大小。

1.2資源約束

1.2.1存儲模型

在每個會話建立的基礎上，云社交電視將為每個用戶分配資源。邊緣服務器將存儲每個用戶的視頻片段，而基站則會根據(jù)每個用戶的需求來負責具體的投放。這兩個任務會產(chǎn)生一定的資金成本。根據(jù)用戶實際大小來計算存儲成本，存儲以比特為單位

(1)

1.2.2無線通信模型

(2)

式中：P為基站的固定傳輸功率；W是信道帶寬；N0是噪聲功率譜密度。

由于社交電視的使用者主要是3G/4G網(wǎng)絡和WiFi網(wǎng)絡，所以可以假設功率增益是瑞利分布的隨機變量，動態(tài)信道增益噪聲比為hi，c0是每瓦特的成本，那么每比特無線通信成本bi就可以表示為

bi=c0P/log(1+hiP)

(3)

bi隨hi動態(tài)變化。

于是可以得出通信成本公式

(4)

最后，再假設一個社交電視圈內(nèi)有n個用戶，總成本預算為C×n，資源約束可以表示為

(5)

1.2.3用戶延遲模型

在這個部分中，筆者主要關(guān)注每個片段的延遲。對于每個片段來說，傳輸延遲主要受制于兩個因素，即片段的視頻質(zhì)量和信道質(zhì)量。前者與傳輸片段大小相關(guān)，后者與有效傳輸率相關(guān)。將式(1)代入，則可以得到

Di=Si^/Ri=Si^/(Wlog1+hiP)

(6)

在實際使用過程中，當一個視頻片段正在播放時，下一個視頻會在后臺同時進行下載，這種情況下，只要傳輸延遲Di小于當前片段的播放時間T，用戶就不會感受到任何延遲。因此，筆者引入了“用戶間播放延遲”這個概念，用公式表述

(7)

為了保證虛擬客廳體驗，在所有用戶的用戶間最大延遲的基礎上再加上“用戶間延遲約束”的下限條件，即

(8)

其中，G代表最大可容忍用戶間延遲。

1.2.4體驗質(zhì)量模型

視頻觀看的體驗感是QoE來決定的。QoE是從大量用戶觀看同一個視頻取得的平均意見得分而得來的[2]。由于它的精確程度取決于音視頻流的傳輸服務[3]，所以采取對數(shù)模型，從而得到

Qi=a1log(a3+a2S^/Si)

(9)

式中：Si^和Si分別是需要分配的片段大??；a1，a2，a3由視頻內(nèi)容和其他系統(tǒng)參數(shù)決定。

1.2.5優(yōu)化問題

社交電視服務的目標就是為每名用戶分配最優(yōu)播放速率，使得整體QoE最大化。為了達到這一目標，需要處理兩種情況。一種是用戶在不同場景下需要不同的視頻質(zhì)量，例如平板電腦需要的分辨率通常比手機要高，又或者一部動作電影需要的播放速率遠遠高于靜態(tài)場景劇。另一方面無線信道對于用戶的位置和移動速度非常敏感，會同時影響到可傳輸速率和比特成本。這反過來又限制了每名用戶所能實際獲得的播放速率。

從數(shù)學的角度將上述問題轉(zhuǎn)化為以下問題

(10)

其中S^=(S1^,S2^,S3^,…,Sn^)表示將要被優(yōu)化的分配字段大小向量。進一步假設分配的播放速率不能超過實際需要的播放速率。那么前面所給的優(yōu)化公式就變成

maxS^^/Si)

(11)

(12)

(13)

C3：0≤Si^≤Si,?i∈{1,2,3,…,n}

(14)

2最佳播放速率分配

2.1方案推導

通過檢查優(yōu)化問題及其約束條件，可以得出以下結(jié)論。首先，目標函數(shù)是個凸狀拋物線，由于hessian矩陣是陽性的。

其次，雖然C1和C3是凸狀線性的，但是用戶間的時延約束C2卻較為復雜，需要進一步推導。

因此，將該公式重寫為

(15)

可以看出如果mini{Di}≤T，那么就不會存在非線性變量，假設maxiDi≥T,這樣可以不考慮一些次要因素，例如零延時的情況等。這樣就可以分兩種情況來進行討論，即maxi{Di}≤T和miniDi≥T。

2.1.1輕微延遲

(16)

上面的約束都是線性的，使用拉格朗日乘數(shù)法則來解決該問題。在將最大化問題轉(zhuǎn)化為相關(guān)最小化問題并引入一組離散參數(shù)后，式(16)內(nèi)的拉格朗日函數(shù)就變成了

(17)

利用KKT條件，可以通過解下列等式來找到全局最優(yōu)化解決方案

(18)

(19)

(20)

(21)

(22)

(23)

(24)

由于上述幾個等式不僅是線性的，而且是全排列，所以很容易求解。本文中，直接利用MATLAB軟件自帶的函數(shù)fsolve來求解。

2.1.2嚴重延遲

當一個會話中的所有用戶都受到信道嚴重衰減影響時，所有的傳輸延遲時間都大于T。那么非線性參數(shù)就可以被移除，可以得到

maxi{(Di-T)+}-mini{(Di-T)+}=

maxi{(Di-T)}-mini{(Di-T)}=

maxi(Di)-mini(Di)

(25)

(26)

同式(16)相比，T被一個未知變量所minj{Si^/Rj}取代。這樣無法直接采取前面的方法來求解，所以采取拉格朗日對偶方法以便達到最優(yōu)化效果。需要特別指出的是，定義了一個k參數(shù)

k=argminj{Si^/Rj}

(27)

這樣拉格朗日函數(shù)就變成了

(28)

將Si剝離出來，可以得到

?Li/?Si^=α1α2/[Si(α3+α2Si^/Si)]-λ(a+bi)-

μi-βi/Ri+θi=0

(29)

(30)

在式(28)中的拉格朗日乘法器可以使用下面的公式利用迭代的等式來求得

(31)

(32)

(33)

尤為重要的是，迭代算法發(fā)現(xiàn)了最小傳輸延遲，例如每一輪中的min和每一輪用它來更新的以下系數(shù)

(34)

其中：k用來控制收斂速度和精度。

2.2最優(yōu)方案的實施

圖3為播放速率分配協(xié)議的示例圖。在每個字段循環(huán)的開始，每名用戶會通過上傳開銷向云端進行反饋。這些包含了重要的本地信息，例如下行信道狀態(tài)、需要的字段大小以及前一字段的延遲信息。信道狀態(tài)可以由下行信道估算值獲取。

圖3　基于云播放的速率分配方案

云社交電視默認執(zhí)行算法1，當延遲嚴重時會執(zhí)行算法2。如果可以獲取歷史延遲信息，服務器可以假定目前的延遲狀態(tài)并選擇相應的算法。算法的選擇是根據(jù)延遲狀態(tài)來進行切換的，這取決于信道質(zhì)量和用戶的請求數(shù)量，通常來說不會變換得太頻繁。但是一旦服務器發(fā)現(xiàn)有一個延遲狀態(tài)改變了，就會自動在算法間切換。

1)算法1，輕微延遲狀態(tài)，偽代碼如下：

set flag=severe,goto 算法2

else

fori∈1,…,ndo

estimateRi,biusinghi,P,W and (1),(2)

end for

establish equation set(15)-(21)

end if

end if

2)算法2，嚴重延遲狀態(tài)，偽代碼如下：

fori∈1,…,ndo

estimateRi,biusinghi,P,W and (1),(2)

end for

while |Sl^-Sl-1^|>εdo

determin mini{Si^/Ri}

calculateSi^for alli∈1,…,nusing (27)

l++

end while

end if

盡管算法是在一個字段循環(huán)內(nèi)執(zhí)行，但是他對于所有的連續(xù)字段都是有效的。對于式(8)中所體現(xiàn)的用戶間延遲約束，只需要在當前延遲中加入前一字段的延遲反饋來修正目前的約束條件

?i,j∈{1,2,3,…,n}

(35)

前一字段的延遲在經(jīng)過修正后被傳遞到當前字段，所以提出的方案可以隨著時間的推移不斷自動調(diào)整修正方案。從用戶的角度來看，體驗就得到了大幅增強。

3數(shù)值分析與結(jié)果

3.1QoE數(shù)據(jù)和參數(shù)設置

非專家組成的志愿者們根據(jù)他們觀看QoE對整個算法進行打分(表1～表2)，遵循標準化的測試流程，每個視頻的播放時間為10 s。

表1平均意見得分

鴨子視頻船員視頻冰雪視頻速率平均意見得分速率/(Mbit·s-1)平均意見得分速率/(Mbit·s-1)平均意見得分38968.010.013041.610.04605.210.016217.010.04857.68.02266.610.05757.88.02550.07.01146.08.02623.86.81244.66.0673.46.02354.66.0933.26.0541.66.012436.0788.24.0417.85.0284.44.0209.02.8122.84.02344.0144.42.885.84.0153.64.096.42.057.44.0

實驗中，鴨子、船員、冰雪分別代表高中低3種不同類型的播放速率，且全部為H.264編碼格式，他們的綜合得分如表1所示。式(9)中的參數(shù)由理論模型和實際數(shù)據(jù)之間的最小均方誤差來決定。這些參數(shù)都在表2中列出，可以看出QoE對數(shù)函數(shù)與所有視頻都高度吻合。

表2均方誤差表

視頻類型最小速率/(Mbit·s-1)最大速率/(Mbit·s-1)均方誤差鴨子153.6162170.1028船員96.44857.60.1140冰雪57.42266.60.1096

無線模型遵循式(2)，通過平均信道增益為每個用戶都分配一個獨立可識別的瑞利衰落信道。為了符合大多數(shù)的實際情況，將信道帶寬設為2 MHz，假定每比特開銷包含存儲和通信兩個部分。每個字段的播放時長為10 s。為了保證觀看時的社會體驗，允許用戶間的播放延遲差值G不超過3 s。

首先簡要地描述2個極限速率分配方案作為性能基準。

3.1.1最大化QoE方案

社交電視云在完全忽略延遲約束條件的情況下，為了滿足每名用戶的QoE需求盡可能地分配足夠多的資源。

3.1.2最小延遲方案

社交電視云給可能的傳輸速率Ri分配資源。在這種情況下，每名用戶都具備同樣的延遲，這樣延遲差值就成了0。

首先考察QoE和延遲性能對比可用資源的情況。具體而言，可用資源就是可以分配給用戶的最大播放速率。如圖4所示，所有的QoE資源曲線也是由QoE速率對數(shù)函數(shù)來決定的，最大QoE方案和優(yōu)化方案就形成了最高的QoE，最小延遲方案則會產(chǎn)生最低QoE。圖5顯示資源延遲曲線，最小延遲方案是零延遲，最大QoE方案則與用戶間延遲相關(guān)。本方案的用戶間延遲增長了，但是還在可容忍范圍內(nèi)。

圖4　QoE資源曲線

圖5　資源延遲曲線

結(jié)合圖4和圖5可以看出，最小延遲機制是利用低QoE的代價來換取低用戶間延遲，而最大的延遲機制則存在無限延遲的情況。對于所有的3種視頻類型，會在用戶間延遲時間，例如不高于3 s的情況下，來實現(xiàn)最優(yōu)QoE解決方案。所以本文方案中的用戶間延遲時間一定介于最高和最低QoE之間的用戶間延遲時間。

對于視頻類型而言，視頻速率越低則所獲得的QoE增長越快，最終會在資源充足的情況下達到一個理論值。這也是符合預期的，因為高速率視頻必然需要更多的資源。此外輕微延遲狀態(tài)下的QoE在低速率視頻時會增益得更為明顯，因為在優(yōu)化的速率分配中有更多的資源可以自行分配。

3.2自適應速率分配

利用式(33)中的“積累延遲約束”制定了一套自適應速率分配方案。自適應方案的本質(zhì)是考慮積累的用戶間延遲，而不是當前的片段延遲。所以用戶體驗并不會隨著時間推移而變得更加糟糕。圖6和圖7展示了實時QoE和累積用戶延遲。為了模擬快速變化的信道，為每個片段都賦予了獨立同分布的瑞利衰落。正如所看到的，自適應方案偶爾會帶來額外的性能損失，但是整體性能依然表現(xiàn)良好。此外，在整個視頻中，用戶間延遲也在區(qū)間內(nèi)變化，所以虛擬客廳體驗得到了充分保證。

圖6　QoE延遲

圖7　累積用戶延遲

目前為止，都是假設所觀看的視頻片段是連續(xù)的，所以本文提出的速率分配方案所能帶來的好處都能夠得到充分證明。然而目前的社交電視框架僅僅支持5種分辨率。所以進一步模擬視頻片段大小只取5個值。要確保當連續(xù)值接近最近的離散值時，資源約束條件依然能夠得到滿足。所有曲線的離散化場景都在圖4～圖7中，可以看到離散化帶來一定的損失。然而良好的性能還是在最大程度上得到了保留，離散方案還是有效的。

4結(jié)論

筆者介紹了社交電視的用戶體驗，提供了一種可優(yōu)化的播放速率分配方案。該方案在信道質(zhì)量和用戶請求發(fā)生變化時，可以動態(tài)分配資源。這樣最大程度地保證了視頻質(zhì)量和虛擬客廳體驗。筆者還提供了實現(xiàn)細節(jié)，并通過實驗表明，該算法即使是在信道質(zhì)量快速衰減的情況下，也能平衡最佳視頻質(zhì)量和最低用戶延遲之間的關(guān)系，取得了良好的效果。

參考文獻：

[1]MONTPETIT M J，M′EDARD M. Social television: enabling technologies and architectures[J].Proceedings of the IEEE，2012，100(100)：1395-1399.

[2]REICHL P，EGGER S，SCHATZ R，et al. The logarithmic nature of QoE and the role of the Weber-Fechner law in

QoE assessment[C]//IEEE International Conference on Communications.[S.l.]：IEEE,2010:1-5.

[3]REICHL P，TUFFIN B，SCHATZ R. Logarithmic laws in service quality perception: where microeconomics meets psychophysics and quality of experience[J].Telecommunication systems，2013，52(2)：587-600.

責任編輯：許盈

Cloud social TV user video quality experience

FAN Wei, YANG Shubin, TAN Zhongkai

(MultimediaServiceDepartment,JingzhouCableTVCo.,Ltd.,HubeiJingzhou434000,China)

Abstract:In recent years, multi-screen cloud social TV introduces social experience in the field of traditional TV. While watching the same content of social TV viewers from different places, but still can interact through text, images, audio and video, which in the traditional experience to enhance the social attributes. In this paper, the social TV user experience is divided into three elements (user delay, video quality experience and resource utilization), and provides a general algorithm to improve the user experience. Specifically, it is proposed that an optimal playback rate allocation scheme based on cloud computing is proposed to maximize the overall video quality experience (QoE) and the delay between users. Experimental results show that the algorithm can achieve the optimal combination of user's latency and video quality, and demonstrates the best performance of the fast fading wireless channel.

Key words:video quality experience; inter-user delay; resource utilization

中圖分類號:TN949.6

文獻標志碼：B

DOI：10.16280/j.videoe.2016.06.019

收稿日期：2015-08-20

文獻引用格式：范煒，楊澍彬，譚忠凱. 云社交電視的用戶視頻質(zhì)量體驗[J].電視技術(shù)，2016，40(6)：103-110.

FAN W，YANG S B，TAN Z K. Cloud social TV user video quality experience [J].Video engineering，2016，40(6)：103-110.