基于DASH標(biāo)準(zhǔn)的碼率平滑切換算法

黃勝 付園鵬 張倩云

摘 要：針對(duì)現(xiàn)有的基于超文本傳輸協(xié)議的動(dòng)態(tài)自適應(yīng)流（DASH）碼率自適應(yīng)算法在無(wú)線網(wǎng)絡(luò)環(huán)境中碼率切換頻繁以及平均碼率偏低的問題，提出一種基于DASH標(biāo)準(zhǔn)的碼率平滑切換（RSS）算法。首先，算法的帶寬檢測(cè)機(jī)制利用滑動(dòng)窗口對(duì)歷史下載速率進(jìn)行取樣以計(jì)算帶寬偏移系數(shù)，根據(jù)帶寬偏移系數(shù)的大小初步判斷帶寬的波動(dòng)情況，并對(duì)波動(dòng)較大的情況進(jìn)一步確定是否存在一致性變化趨勢(shì)，從而區(qū)分出帶寬的持續(xù)變化和短暫抖動(dòng)，同時(shí)計(jì)算出相應(yīng)情況下的帶寬預(yù)測(cè)值;其次，算法的碼率決策模型綜合考慮帶寬波動(dòng)情況、緩存占用和變化情況及帶寬預(yù)測(cè)值等，并且分別采取快速緩沖（FB）、緩慢切換（SS）、快速上升（FR）、約束下降（LD）、穩(wěn)定保持（SH）策略和休眠機(jī)制對(duì)碼率選擇過程進(jìn)行動(dòng)態(tài)控制。實(shí)驗(yàn)結(jié)果表明，與基于模糊邏輯的碼率自適應(yīng)算法以及吞吐量調(diào)節(jié)驅(qū)動(dòng)的碼率自適應(yīng)算法相比，該算法在播放開始時(shí)能夠在最短時(shí)間內(nèi)將視頻碼率提升到最佳水平，提高視頻播放過程中的平均碼率，在播放過程中帶寬驟變和交替性頻繁波動(dòng)情況下都能夠很好地維持視頻碼率的穩(wěn)定，將切換次數(shù)降到最低，從而獲得良好的無(wú)線端視頻體驗(yàn)質(zhì)量。

關(guān)鍵詞：無(wú)線網(wǎng)絡(luò);基于超文本傳輸協(xié)議的動(dòng)態(tài)自適應(yīng)流;帶寬檢測(cè);帶寬一致性變化趨勢(shì);體驗(yàn)質(zhì)量

中圖分類號(hào)：TN919.8;TP393

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-9081（2019）04-1122-05

Abstract： Concerning the fact that the existing rate adaptation algorithms based on Dynamic Adaptive Streaming over HTTP （DASH） have frequent bitrate switching and low average bitrate in wireless network， a Rate Smooth Switching （RSS） algorithm based on DASH standard was proposed. Firstly， a sliding window was used by the bandwidth detection mechanism of the algorithm to sample the download speed of historical segments to calculate the bandwidth offset coefficient， the fluctuation of the bandwidth was initially determined according to the value of offset coefficient， and the situation of the fluctuation was further determined whether there was a consistent variation trend， thereby distinguishing continuous variation and short-term jitter of the bandwidth， and the bandwidth prediction value corresponding to each circumstance was calculated. Secondly， with bandwidth fluctuation， buffer occupancy and variation， bandwidth prediction value considered， the rate decision model of the algorithm adopted Fast Buffering （FB）， Slow Switching （SS）， Fast Rising （FR）， Limited Declining （LD）， Stable Holding （SH） strategies and sleeping mechanism to dynamically control the video bitrate selection process. The experimental results show that compared with fuzzy-based DASH rate adaptation algorithm and modulated throughput driven rate adaptation algorithm， the proposed algorithm can not only increase the bitrate to optimum level in the shortest time at the beginning of video playback to improve the average bitrate， but also minimize the number of bitrates'?switching in the case of sudden change and frequent fluctuation of bandwidth， thus obtaining a good quality of experience for wireless video users.

Key words： wireless network; Dynamic Adaptive Streaming over HTTP （DASH）; bandwidth detection; consistent variation trend of bandwidth; Quality of Experience （QoE）

0?引言

近年來(lái)，以音視頻為主的多媒體內(nèi)容一直是互聯(lián)網(wǎng)流量的主要增長(zhǎng)點(diǎn)，由于在傳輸視頻數(shù)據(jù)時(shí)很少會(huì)根據(jù)當(dāng)前的網(wǎng)絡(luò)環(huán)境和終端設(shè)備的狀態(tài)來(lái)動(dòng)態(tài)調(diào)節(jié)傳輸參數(shù)，傳統(tǒng)的流媒體技術(shù)已經(jīng)很難滿足移動(dòng)端視頻用戶的業(yè)務(wù)需求;于是，基于超文本傳輸協(xié)議（Hyper Text Transfer Protocol， HTTP）的動(dòng)態(tài)自適應(yīng)流（Dynamic Adaptive Streaming over HTTP， DASH）[1]應(yīng)運(yùn)而生，作為一種新興的流媒體傳輸技術(shù)，DASH通過在服務(wù)端存儲(chǔ)多種碼率的視頻切片，使終端用戶可以根據(jù)自身的需求和網(wǎng)絡(luò)條件自適應(yīng)地選擇最佳碼率的切片進(jìn)行下載、播放，大幅提高了視頻終端的主動(dòng)性和播放質(zhì)量。此外，DASH還具有部署成本低、拓展性強(qiáng)、兼容性好等諸多優(yōu)點(diǎn)[2]?，F(xiàn)有基于DASH標(biāo)準(zhǔn)的碼率自適應(yīng)算法主要包括兩類：

一類是基于緩存的碼率自適應(yīng)算法，例如文獻(xiàn)[3]提出的是一種基于緩存分區(qū)的碼率自適應(yīng)算法，其通過對(duì)緩存分等級(jí)設(shè)置不同的倍增系數(shù)決定待請(qǐng)求切片的估計(jì)碼率;文獻(xiàn)[4]提出基于模糊邏輯的FDASH（Fuzzy-based DASH）碼率自適應(yīng)算法，根據(jù)緩存增量變化以及當(dāng)前緩存與目標(biāo)緩存的差值，實(shí)現(xiàn)模糊控制系統(tǒng)選擇合適碼率。

基于緩存的碼率自適應(yīng)算法通過考慮緩存占用率和緩存變化率完成對(duì)自適應(yīng)策略的建模能夠有效減少網(wǎng)絡(luò)條件劇烈變化對(duì)視頻碼率穩(wěn)定性的負(fù)面影響，保證視頻流暢播放;但是不能靈活、快速地跟隨網(wǎng)絡(luò)切換視頻碼率，容易造成帶寬資源利用不足、平均碼率偏低。

另一類是基于帶寬的碼率自適應(yīng)算法，例如文獻(xiàn)[5]提出了一種基于MACD（Moving Average Convergence and Divergence）的帶寬估計(jì)方案，利用股市預(yù)測(cè)中的EMA（Exponential Moving Average）指數(shù)計(jì)算可用帶寬后進(jìn)行碼率適配;文獻(xiàn)[6]中提到Adobe公司的開源媒體框架（Open Source Media Framework，OSMF）流媒體播放器，其自適應(yīng)機(jī)制則是根據(jù)最近請(qǐng)求的兩個(gè)片段的下載時(shí)長(zhǎng)來(lái)估計(jì)可用帶寬，從而選擇不高于該估計(jì)值最大碼率的切片進(jìn)行下載。

基于帶寬的碼率自適應(yīng)算法研究重點(diǎn)在于如何準(zhǔn)確可靠地預(yù)測(cè)可用帶寬，這類方法有效實(shí)現(xiàn)了碼率的靈活、快速切換;但是在網(wǎng)絡(luò)狀態(tài)不穩(wěn)定的環(huán)境下，碼率會(huì)隨著帶寬變化頻繁切換，導(dǎo)致播放不流暢。無(wú)線鏈路由于是利用電磁波來(lái)傳輸數(shù)據(jù)，信號(hào)傳輸過程中易受干擾、信道的時(shí)變性比較強(qiáng)[7]，因此將兩類碼率自適應(yīng)算法直接運(yùn)用于無(wú)線端容易造成視頻碼率切換頻繁或平均碼率偏低。

針對(duì)上述問題，本文綜合考慮帶寬和緩存兩方面因素，提出一種基于DASH標(biāo)準(zhǔn)的碼率平滑切換（Rate Smooth Switching， RSS）算法，針對(duì)多種網(wǎng)絡(luò)變化情況制定更加細(xì)致、高效的碼率自適應(yīng)策略，提升移動(dòng)端視頻用戶體驗(yàn)質(zhì)量（Quality of Experience， QoE）。

RSS算法主要包括帶寬檢測(cè)機(jī)制和碼率決策模型兩部分。帶寬檢測(cè)機(jī)制能夠區(qū)分帶寬的短暫波動(dòng)和持續(xù)變化，對(duì)帶寬的“尖峰”進(jìn)行平滑處理并計(jì)算帶寬預(yù)測(cè)值;碼率決策模型則綜合考慮帶寬波動(dòng)情況、帶寬預(yù)測(cè)結(jié)果、緩存變化等情況，采取相應(yīng)的調(diào)整策略對(duì)切片碼率進(jìn)行自適應(yīng)選擇。

1?DASH流媒體碼率平滑切換算法

1.1?帶寬檢測(cè)機(jī)制

其中：為最近請(qǐng)求的N（N≥10）個(gè)切片的下載速率的平均值;σN為N（N≥10）個(gè)切片的下載速率的標(biāo)準(zhǔn)差。

第i個(gè)切片的下載速率可以參考文獻(xiàn)[9]，由第i個(gè)切片數(shù)據(jù)量，即切片碼率S（li）與其持續(xù)時(shí)長(zhǎng) τ 的乘積，除以下載該切片花費(fèi)的時(shí)間得到，如式（4）所示：di=S（li）·τΔti（4）

下載切片所花費(fèi)時(shí)間則近似看作該切片下載完成時(shí)刻減去前一切片下載完成的時(shí)刻[9]，計(jì)算公式如式（5）所示：

帶寬偏移系數(shù)cv顯示了最近N個(gè)切片實(shí)際下載速率值的離散程度，cv的值較小時(shí)說明帶寬在一段時(shí)間內(nèi)波動(dòng)變化小，盡管可能存在短暫大幅波動(dòng)，但鏈路帶寬整體變化趨勢(shì)是相對(duì)平穩(wěn)的;反之，cv的值較大時(shí)說明帶寬具有持續(xù)性大幅波動(dòng)。因此，定義一個(gè)穩(wěn)定閾值θ，用來(lái)衡量當(dāng)前帶寬的波動(dòng)程度：若偏移系數(shù)cv在（0，θ）內(nèi)時(shí)，當(dāng)前鏈路帶寬處于平穩(wěn)狀態(tài);否則，帶寬存在持續(xù)較長(zhǎng)時(shí)間的大幅度波動(dòng)。

在完成對(duì)帶寬波動(dòng)情況的判斷之后，帶寬檢測(cè)機(jī)制還需要進(jìn)一步計(jì)算帶寬預(yù)測(cè)值，記作

d?～i+1

?？紤]到帶寬預(yù)測(cè)值與帶寬波動(dòng)情況有很大相關(guān)性，因此，對(duì)不同波動(dòng)情況下的帶寬預(yù)測(cè)值進(jìn)行分類討論：1）對(duì)于cv≤θ，即帶寬處于平穩(wěn)狀態(tài)的情形，考慮到帶寬可能存在短暫波動(dòng)，利用最近M（M≤N）個(gè)切片下載速率的平均值作為帶寬預(yù)測(cè)值，能夠較好地降低帶寬驟變對(duì)視頻碼率穩(wěn)定性的不良影響。

2）?對(duì)于cv>θ，即帶寬處于持續(xù)性大幅波動(dòng)狀態(tài)的情形，考慮到該情形下切片實(shí)際下載速率有可能跟歷史數(shù)據(jù)的平均值相差很大，因此本文引入切片下載速率差值對(duì)帶寬的一致性變化趨勢(shì)進(jìn)行判斷，定義為第i個(gè)切片下載速率相對(duì)第i -1個(gè)切片下載速率的增量，如式（6）所示：

通過分析Δdi的值，可以確定短期內(nèi)帶寬的變化趨勢(shì)是上升還是下降。定義L為帶寬一致性變化的動(dòng)態(tài)周期，此外，關(guān)于帶寬是否存在一致性變化趨勢(shì)的判斷，考慮到L值較小的情況，不能確定帶寬是否具有長(zhǎng)期一致性變化趨勢(shì)，因此對(duì)于周期L需要設(shè)定一個(gè)閾值TL，當(dāng)L ≤ TL時(shí)，此時(shí)帶寬整體變化趨勢(shì)并不明顯，上升和下降情況交替出現(xiàn)，不具有一致性變化特征，仍由M個(gè)切片下載速率的平均值作為帶寬預(yù)測(cè)值。

1.2?碼率決策模型

算法在執(zhí)行完帶寬檢測(cè)機(jī)制后，接著對(duì)切片碼率進(jìn)行選擇，本文算法對(duì)最大可容納時(shí)長(zhǎng)為q的緩存空間設(shè)置兩個(gè)閾值：qmin和qmax，如圖1所示。兩個(gè)緩存閾值之間的區(qū)域?yàn)槟繕?biāo)緩存區(qū)間，且目標(biāo)區(qū)間的中值為目標(biāo)緩存值qtar，即qtar=（qmin+qmax）/2。

2）若cv> θ 且L ≤ TL，即帶寬已出現(xiàn)大幅波動(dòng)但還不能確定具有一致性變化趨勢(shì)時(shí)，考慮帶寬可能出現(xiàn)較大幅度的短暫波動(dòng)，因此，對(duì)于碼率選擇采取穩(wěn)定保持（Stable Holding， SH）策略，選擇和前一切片相同的碼率等級(jí)，即 li+1=li。

3）若cv>θ且L > TL，即帶寬變化趨勢(shì)具有明顯一致性時(shí)，考慮帶寬具有較大幅度的長(zhǎng)期波動(dòng)，且分兩種情況：長(zhǎng)期大幅上升及長(zhǎng)期大幅下降。對(duì)于上升趨勢(shì)，采取快速上升策略，即選擇不高于帶寬預(yù)測(cè)值的最小碼率所對(duì)應(yīng)的等級(jí)，在最短時(shí)間內(nèi)提升碼率等級(jí)至可用帶寬允許的最佳水平;對(duì)于下降趨勢(shì)，考慮在播放過程中，減小視頻碼率時(shí)切片碼率等級(jí)不宜一次性下降幅度過大，因此對(duì)碼率等級(jí)向下調(diào)節(jié)過程采取步長(zhǎng)約束方法。以上內(nèi)容的具體實(shí)現(xiàn)方法如下所述：

②若Δdi遞減，帶寬具有長(zhǎng)期大幅下降趨勢(shì)，采取約束下降（Limited Declining， LD）策略，優(yōu)先碼率等級(jí)的下降幅度，即一次性下降的碼率等級(jí)限定最多不超過3，在此基礎(chǔ)上盡可能地選取低于帶寬預(yù)測(cè)值的最佳碼率。

情形三?若當(dāng)前緩存時(shí)長(zhǎng)q（ti）滿足qmax≤q（ti）

1.3?算法執(zhí)行流程

考慮到本文算法需要利用滑動(dòng)窗口取N個(gè)切片實(shí)際下載速率作為帶寬檢測(cè)的數(shù)據(jù)樣本，因此，在初始啟動(dòng)階段，首先以最低碼率等級(jí)r0請(qǐng)求前三個(gè)切片，之后N-3個(gè)切片的下載則采取快速上升策略切換碼率，在保證緩存充足的情況下以最快的速度將視頻碼率提升到當(dāng)前帶寬所允許的最佳水平。

RSS算法的執(zhí)行流程描述如下：輸入?切片序號(hào)i、第i個(gè)切片的碼率等級(jí)li、第i個(gè)切片下載完成時(shí)刻ti以及緩存占用水平q（ti）。

輸出?第i+1個(gè)切片的碼率等級(jí)li+1、休眠時(shí)長(zhǎng)ts。

1）帶寬檢測(cè)機(jī)制。

①若i

②啟動(dòng)滑動(dòng)窗口采集數(shù)據(jù)樣本，計(jì)算最近N個(gè)切片實(shí)際下載速率的cv、和σN。

③判斷偏移系數(shù)是否小于閾值，若cv≤θ，計(jì)算最近M個(gè)切片實(shí)際下載速率平均值作為d?～i+1并執(zhí)行步驟⑤;否則，繼續(xù)向下執(zhí)行。

④利用下載速率差值判斷帶寬變化趨勢(shì)是否具有一致性，若L≤TL，計(jì)算最近M個(gè)切片實(shí)際下載速率平均值作為d?～i+1;否則，計(jì)算下載速率差值的預(yù)測(cè)值與第i個(gè)切片下載速率之和，得到d?～i+1。

⑤結(jié)束帶寬檢測(cè)。

2）碼率決策模型。

①若i<3，返回li+1=r0，直接執(zhí)行步驟⑨;否則，繼續(xù)向下執(zhí)行。

②若3≤i

③判斷緩存占用水平，若q（ti）

④確定返回的休眠時(shí)長(zhǎng)，若q（ti）>qmax，返回ts=q（ti）-qmax并更新q（ti）;否則返回ts=0。

⑤判斷帶寬波動(dòng)情況，若cv≤ θ，執(zhí)行步驟⑥;否則執(zhí)行步驟 ⑦。

⑥計(jì)算平滑可用帶寬，采取SS策略返回li+1，執(zhí)行步驟⑨。

⑦判斷是否具有一致性變化趨勢(shì)，若L≤TL，采取SH策略返回li+1并執(zhí)行步驟⑨;否則，繼續(xù)向下執(zhí)行。

⑧判斷一致性變化趨勢(shì)為上升還是下降，若為下降，采取LD策略返回li+1;否則采取FR策略返回li+1。

⑨結(jié)束碼率選擇。

2?性能仿真與分析

2.1?仿真環(huán)境與參數(shù)

為驗(yàn)證本文算法的自適應(yīng)效果，采用NS3中DASH模塊進(jìn)行仿真。操作系統(tǒng)為Ubuntu 14.04，主機(jī)CPU為2.3GHz，RAM為4GB。

將文獻(xiàn)[4]中FDASH碼率自適應(yīng)算法和文獻(xiàn)[12]中針對(duì)無(wú)線網(wǎng)絡(luò)設(shè)計(jì)的吞吐量調(diào)節(jié)驅(qū)動(dòng)的碼率自適應(yīng)（Modulated Throughput Driven Rate Adaptation， MTDRA）算法作為比較對(duì)象，對(duì)3種碼率自適應(yīng)算法在相同網(wǎng)絡(luò)環(huán)境下進(jìn)行仿真，并分析其結(jié)果。在算法的驗(yàn)證實(shí)驗(yàn)中，將RSS算法的滑動(dòng)窗口長(zhǎng)度N設(shè)為12，計(jì)算帶寬預(yù)測(cè)值所需數(shù)據(jù)個(gè)數(shù)M設(shè)為10，帶寬一致性變化周期閾值TL設(shè)為3，播放緩存閾值qmin、qmax分別設(shè)置為4s、75s，帶寬偏移系數(shù)的穩(wěn)定閾值θ設(shè)置為0.2。FDASH算法的目標(biāo)播放緩存設(shè)置為35s，吞吐量估計(jì)周期設(shè)置為10s，輸出成員函數(shù)的系數(shù)N1、N2、Z、P1、P2分別設(shè)置為 0.5、0.25、1、1.5、2。將MTDRA算法的平滑因子γ設(shè)置為0.5，緩存閾值Bl、Bh分別設(shè)置為20s、60s。本文實(shí)驗(yàn)中服務(wù)端存儲(chǔ)的視頻碼率設(shè)定為500Kb/s、700Kb/s、1000Kb/s、1300Kb/s、1600Kb/s、2000Kb/s、2550Kb/s、3100Kb/s、3650Kb/s、4200Kb/s十種版本，為保證盡可能低的初始播放時(shí)延，將初始碼率設(shè)置為r0[13]，即所有的算法初始碼率都選擇為500Kb/s，視頻切片的持續(xù)時(shí)長(zhǎng)τ設(shè)置為2s，仿真時(shí)長(zhǎng)設(shè)置為400s。

2.2?仿真結(jié)果分析

DASH碼率自適應(yīng)算法動(dòng)態(tài)調(diào)整碼率的目的是為了讓用戶在帶寬不穩(wěn)定環(huán)境中獲得良好QoE。根據(jù)文獻(xiàn)[14]的研究表明，QoE的主要影響因素為：視頻碼率、碼率切換的頻率及幅度、播放停頓次數(shù)及停頓時(shí)長(zhǎng)。其中，視頻播放的流暢程度對(duì)于用戶的QoE影響最大，而視頻的平均碼率和切換的次數(shù)同樣會(huì)對(duì)用戶的QoE產(chǎn)生影響，平均碼率高則意味著帶寬利用率高、視頻畫質(zhì)更加清晰，碼率切換次數(shù)過于頻繁則會(huì)增加用戶的視覺疲勞。另外，播放的初始時(shí)延對(duì)于用戶的體驗(yàn)質(zhì)量也至關(guān)重要，考慮到本文在仿真時(shí)將三種算法的初始碼率都設(shè)置為500Kb/s，因此初始時(shí)延相同，而且FDASH算法、MTDRA算法與RSS算法都有相應(yīng)的緩存控制機(jī)制，在仿真過程過程中未出現(xiàn)緩存下溢（表現(xiàn)為播放中斷）情況，所以本文選擇播放平均碼率和碼率切換次數(shù)作為碼率自適應(yīng)算法的QoE評(píng)價(jià)指標(biāo)。

圖2（b）顯示了三種算法在圖2（a）所示帶寬緩慢變化過程中的碼率選擇結(jié)果，F(xiàn)DASH 碼率自適應(yīng)算法在仿真開始時(shí)將視頻切片碼率穩(wěn)定在700Kb/s，仿真持續(xù)到80s左右時(shí)，F(xiàn)DASH算法選擇的碼率才攀升至當(dāng)前帶寬允許的最佳水平，即2000Kb/s，在之后的仿真過程中，F(xiàn)DASH算法能夠獲得很好的自適應(yīng)效果?？紤]到現(xiàn)實(shí)網(wǎng)絡(luò)環(huán)境中視頻終端接入網(wǎng)絡(luò)時(shí)，帶寬并不是由0Kb/s逐漸增大，所以FDASH算法在終端接入網(wǎng)絡(luò)后，初期的碼率自適應(yīng)過程可能如仿真結(jié)果所示，需要花費(fèi)較長(zhǎng)時(shí)間將視頻碼率調(diào)節(jié)至帶寬允許最大可用水平，這將會(huì)明顯降低視頻播放初期的用戶體驗(yàn)質(zhì)量。相比之下，MTDRA算法能夠在初始階段較快地將碼率提升到最佳水平，在整個(gè)仿真過程中也取得了不低的平均碼率，但是由于MTDRA算法努力將緩存控制在目標(biāo)區(qū)間內(nèi)，所以增加了一些不必要的碼率切換次數(shù)，降低了播放過程中用戶體驗(yàn)質(zhì)量。至于本文提出的RSS算法，在視頻播放的初始階段則能夠在最短時(shí)間內(nèi)將碼率提升至最佳的水平，充分利用帶寬資源，提高整個(gè)播放過程中的平均碼率。在仿真的中后期，RSS算法每次切換碼率的時(shí)刻相對(duì)于FDASH算法略微滯后，但也都能準(zhǔn)確、及時(shí)地跟隨帶寬變化對(duì)視頻碼率進(jìn)行相應(yīng)的調(diào)整。

圖3（a）中顯示了鏈路實(shí)際帶寬變化與RSS算法的估計(jì)帶寬變化的對(duì)比效果，RSS算法的帶寬檢測(cè)機(jī)制平滑處理了帶寬的兩次“尖峰”跳變，在150～180s帶寬周期性波動(dòng)期間也能夠較好平滑帶寬估計(jì)值。

圖3（b）是三種算法在圖3（a）所示帶寬劇烈波動(dòng)過程中碼率選擇結(jié)果，F(xiàn)DASH算法在仿真開初始階段的碼率自適應(yīng)過程與圖2（b）中類似，需要花費(fèi)較長(zhǎng)時(shí)間提升碼率至最佳水平。在之后帶寬周期性波動(dòng)期間，F(xiàn)DASH算法能夠很好地維持碼率的穩(wěn)定，降低碼率切換頻率，但是在帶寬兩次短暫跳變過程中，F(xiàn)DASH的碼率卻出現(xiàn)了明顯的抖動(dòng)。MTDRA算法在帶寬兩次短暫跳變過程中都能很好地維持碼率穩(wěn)定，降低切換頻率，但是在帶寬周期性波動(dòng)的后期，碼率發(fā)生了明顯地上下抖動(dòng)。同前面帶寬緩慢變化情況下一樣，RSS算法在仿真初始階段能迅速將碼率調(diào)整到最佳水平，在之后帶寬兩次短暫跳變、周期性波動(dòng)期間，都能夠很好地維持碼率穩(wěn)定，大幅降低帶寬劇烈波動(dòng)環(huán)境中碼率切換頻率。另外，在250～310s鏈路傳輸速率處于持續(xù)“低迷”情況下，RSS算法能夠較長(zhǎng)時(shí)間維持相對(duì)較高的碼率水平，從而提高整個(gè)仿真過程中的平均碼率。

表1顯示了三種碼率自適應(yīng)算法分別在圖2（a）和圖3（a）帶寬變化情況下的QoE指標(biāo)統(tǒng)計(jì)結(jié)果，可以看出：在帶寬緩慢變化情況下，RSS算法能夠在切換次數(shù)最少的基礎(chǔ)上獲得最大的平均碼率，分別高出MTDRA算法和FDASH算法55.0Kb/s和192.9Kb/s;在帶寬劇烈波動(dòng)情況下，RSS算法的平均碼率依然高于另外兩種碼率自適應(yīng)算法，在切換頻率上，RSS算法在仿真過程中切換了8次碼率，少于MTDRA算法和FDASH算法的12次和15次，即在帶寬波動(dòng)幅度較大、頻率較高的情況下，RSS算法的碼率自適應(yīng)過程比另外兩種算法碼率切換次數(shù)更少，穩(wěn)定性更好。

3?結(jié)語(yǔ)

針對(duì)無(wú)線網(wǎng)絡(luò)環(huán)境中，現(xiàn)有DASH碼率自適應(yīng)算法在視頻播放過程中碼率切換頻繁以及帶寬利用率偏低的問題，本文提出一種基于DASH的流媒體碼率平滑切換算法，利用帶寬檢測(cè)機(jī)制對(duì)當(dāng)前可用帶寬進(jìn)行平滑估計(jì)，同時(shí)利用碼率決策模型中的不同碼率等級(jí)調(diào)整策略動(dòng)態(tài)選擇視頻碼率。實(shí)驗(yàn)結(jié)果表明，本文算法能夠較好減少帶寬短暫波動(dòng)時(shí)碼率切換次數(shù)且取得較高平均碼率，為無(wú)線端視頻用戶提供良好的QoE。下一步工作將在實(shí)際視頻傳輸系統(tǒng)中應(yīng)用本文算法，對(duì)移動(dòng)客戶端碼率切換效果進(jìn)行分析，并對(duì)局域網(wǎng)多客戶端視頻傳輸算法進(jìn)行研究。

參考文獻(xiàn)（References）

[1] 朱曉晨，沈蘇彬. 基于HTTP的動(dòng)態(tài)自適應(yīng)流技術(shù)綜述[J]. 系統(tǒng)仿真學(xué)報(bào)， 2013， 25（11）： 2522-2527. （ZHU X C， SHEN S B. Survey of HTTP-based dynamic adaptive flow technology [J]. Journal of System Simulation， 2013， 25（11）： 2522-2527.）

[2] STOCKHAMMER T. Dynamic adaptive streaming over HTTP — standards and design principles [C]// Proceedings of the 2011 Annual ACM Conference on Multimedia Systems. New York： ACM， 2011： 133-144.

[3] CHRISTOPHER M， LEDERER S， TIMMERER C. An evaluation of dynamic adaptive streaming over HTTP in vehicular environments[C]// Proceedings of the 2012 ACM 4th Workshop on Mobile Video. New York： ACM， 2012：37-42.

[4] VERGADOS D J， MICHALAS A， SGORA A， et al. FDASH： a fuzzy-based MPEG/DASH adaptation algorithm [J]. IEEE Systems Journal， 2016， 10（2）： 859-868.

[5] VU V H， CHUNG T Y. Bandwidth estimation based on MACD for DASH [C]// Proceedings of the 2016 10th International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing. Piscataway， NJ： IEEE， 2016： 176-181.

[6] AKHSHABI S， BEGEN A C， DOVROLIS C. An experimental evaluation of rate-adaptation algorithms in adaptive streaming over HTTP [C]// Proceedings of the 2011 ACM Conference on Multimedia Systems. New York： ACM， 2011： 157-168.

[7] 李陶深， 蔣波， 葛志輝. 移動(dòng)流媒體動(dòng)態(tài)自適應(yīng)速率選擇算法研究 [J]. 廣西大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017， 42（6）： 2198-2207. （LI T S， JIANG B， GE Z H. On the dynamic adaptive rate selection algorithm of mobile streaming media [J]. Journal of Guangxi University （Natural Science Edition）， 2017， 42（6）： 2198-2207.）

[8] 靳雁霞， 馬光遠(yuǎn)， 雷海衛(wèi). 基于DASH的混合控制碼率算法[J]. 計(jì)算機(jī)應(yīng)用， 2017， 37（10）： 2907-2911. （JIN Y X， MA G Y， LEI H W. Hybrid control rate algorithm based on DASH protocol[J]. Journal of Computer Applications， 2017， 37（10）： 2907-2911.）

[9] SHEN H， LIU Y T， WANG T Y， et al. QoE-optimal rate adaptation for HTTP adaptive streaming [C]// Proceedings of the 2016 IEEE/CIC International Conference on Communications in China. Piscataway， NJ： IEEE， 2016： 1-6.

[10] ZHOU C， ZHANG X G， HUO L S， et al. A control-theoretic approach to rate adaptation for dynamic HTTP streaming [C]// Proceedings of the 2012 Visual Communications and Image Processing. Piscataway， NJ： IEEE， 2012： 1-6.

[11] MILLER K， QUACCHIO E， GENNARI G， et al. Adaptation algorithm for adaptive streaming over HTTP [C]// Proceedings of the 2012 19th International Packet Video Workshop. Piscataway， NJ： IEEE， 2012： 173-178.

[12] VENKATA P K M， MAHAPATRA S. A modulated throughput driven rate adaptation algorithm for dynamic HTTP streaming[C]// Proceedings of the 2016 International Symposium on Wireless Communication Systems. Piscataway， NJ： IEEE， 2016： 143-147.

[13] 黃勝， 胡凌煒， 付園鵬. 基于狀態(tài)機(jī)的視頻碼率自適應(yīng)算法[J]. 計(jì)算機(jī)應(yīng)用， 2018， 37（7）： 2001-2004. （HUANG S， HU L W， FU Y P. State machine based video rate adaptation algorithm [J]. Journal of Computer Applications， 2018， 37（7）： 2001-2004.）

[14] SEUFERT M， EGGER S， SLANINA M， et al. A survey on quality of experience of HTTP adaptive streaming [J]. IEEE Communications Surveys & Tutorials， 2015， 17（1）： 469-492.