面向視頻流媒體直播的碼率自適應(yīng)算法研究

金肱羽，武霄泳，張志龍，劉丹譜，尹方方

（1.北京郵電大學(xué)，先進(jìn)信息網(wǎng)絡(luò)北京實(shí)驗(yàn)室，網(wǎng)絡(luò)體系構(gòu)建與融合北京市重點(diǎn)實(shí)驗(yàn)室，北京 100876；2.上海無(wú)線電設(shè)備研究所，上海 201109；3.中國(guó)傳媒大學(xué)媒體融合與傳播國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100024）

1 引言

直播作為流媒體技術(shù)的重要應(yīng)用形式，近年來(lái)得到快速發(fā)展。相較于傳統(tǒng)的流媒體點(diǎn)播業(yè)務(wù)，視頻直播更具挑戰(zhàn)性。直播業(yè)務(wù)互動(dòng)性更強(qiáng)，對(duì)于實(shí)時(shí)性要求更高。因此，為提高直播用戶的體驗(yàn)質(zhì)量，不僅需要考慮視頻質(zhì)量、平滑度、卡頓等因素，還需盡量降低端到端時(shí)延。

碼率自適應(yīng)算法通過動(dòng)態(tài)選擇合適的視頻碼率，使業(yè)務(wù)適應(yīng)信道的時(shí)變特征，可以有效改善用戶的體驗(yàn)質(zhì)量?，F(xiàn)有的碼率自適應(yīng)算法多是針對(duì)點(diǎn)播場(chǎng)景設(shè)計(jì)的，并未考慮端到端的時(shí)延因素，直接應(yīng)用在直播場(chǎng)景很難獲得較好的業(yè)務(wù)性能。

近年來(lái)，已有一些針對(duì)流媒體直播的碼率自適應(yīng)算法被相繼提出。例如，Wang 等人提出了HCA[1]，通過前饋反饋機(jī)制降低時(shí)延；Xie 等人提出了動(dòng)態(tài)調(diào)整緩沖區(qū)閾值的DTBB[2]避免卡頓；Zhang等人提出以降低時(shí)延為目標(biāo)的LAPAS 算法[3]；Peng等人針對(duì)直播場(chǎng)景下，提出通過調(diào)整播放速度、增加跳幀等時(shí)延控制機(jī)制并且選擇合適的碼率，從而達(dá)到降低時(shí)延的效果[4]。

然而，很多針對(duì)直播的碼率自適應(yīng)算法未能做到在用戶體驗(yàn)質(zhì)量的影響因素之間做到很好的均衡，例如，DTBB 算法只考慮當(dāng)前客戶端的緩沖區(qū)容量，而并未考慮到時(shí)延機(jī)制優(yōu)化。因此，本文提出了基于PID的碼率自適應(yīng)算法。該算法綜合考慮網(wǎng)絡(luò)波動(dòng)狀況以及緩沖區(qū)占用情況進(jìn)行穩(wěn)健的碼率決策，同時(shí)對(duì)直播場(chǎng)景的時(shí)延機(jī)制進(jìn)行優(yōu)化。仿真實(shí)驗(yàn)表明，與基線算法相比，本文所提算法可以有效提高用戶體驗(yàn)質(zhì)量。

2 流媒體直播架構(gòu)及系統(tǒng)模型

2.1 直播架構(gòu)

基于HTTP 的自適應(yīng)流媒體(HTTP Adaptive Streaming, HAS)是目前被廣泛采用的流媒體直播技術(shù)之一。圖1 展示了使用HAS 的流媒體直播的典型框架[5]。其中，主播端提供直播內(nèi)容并上傳到HTTP服務(wù)器，原始視頻被切割成相等時(shí)長(zhǎng)的視頻切片，同一個(gè)視頻切片被編碼為不同的版本，每個(gè)版本對(duì)應(yīng)一個(gè)視頻碼率?？蛻舳丝上蚍?wù)器請(qǐng)求合適的下一個(gè)視頻切片，以降低時(shí)延和卡頓，從而提高用戶體驗(yàn)質(zhì)量。由內(nèi)容分發(fā)服務(wù)器將特定碼率的視頻切片文件發(fā)送到客戶端。

圖1 基于HAS的流媒體直播傳輸系統(tǒng)框架[5]

2.2 系統(tǒng)模型

系統(tǒng)模型由視頻傳輸模型、緩沖區(qū)模型、時(shí)延控制模型以及QoE模型組成。

a)視頻傳輸模型

主播端從t= 0 時(shí)刻開始采集并上傳視頻內(nèi)容到服務(wù)器，服務(wù)器對(duì)視頻進(jìn)行編碼和切片處理。在基于HTTP 的動(dòng)態(tài)自適應(yīng)流標(biāo)準(zhǔn)(Dynamic Adaptive Streaming over HTTP, DASH)的視頻流媒體架構(gòu)下，視頻切片的時(shí)長(zhǎng)通常為2-10 秒，而面向直播場(chǎng)景時(shí)，通常使用時(shí)長(zhǎng)更短的視頻切片。在本文中，視頻切片的時(shí)長(zhǎng)用L秒進(jìn)行表示。

假設(shè)直播過程中視頻內(nèi)容共分為N個(gè)視頻切片。在服務(wù)器端，每個(gè)視頻切片都有K個(gè)不同碼率和分辨率的版本，并且其大小滿足V1＜V2＜…＜VK。K個(gè)碼率等級(jí)對(duì)應(yīng)的碼率大小用{ }R1,R2,…,RK

表示。用戶在觀看直播時(shí)，按照上傳順序從服務(wù)器端下載視頻切片。由于視頻內(nèi)容是以視頻切片為單位，用戶在下載每個(gè)視頻切片時(shí)都可以從K個(gè)版本中進(jìn)行選擇。

相比于視頻點(diǎn)播，直播的主要特點(diǎn)在于其視頻內(nèi)容是實(shí)時(shí)生成的。為聚焦問題，本文在建立視頻傳輸模型中，不考慮實(shí)時(shí)視頻封裝以及視頻編碼解碼過程的耗時(shí)。第n個(gè)視頻切片于t=nL時(shí)刻開始生成，由于客戶端無(wú)法向服務(wù)器請(qǐng)求還未生成的視頻內(nèi)容，所以客戶端開始下載和播放第n個(gè)視頻切片時(shí)刻tn需滿足以下約束條件：

令τn代表下載第n個(gè)視頻切片所用的時(shí)間，可以表示為:

其中，Sn(Rn)表示第n個(gè)視頻切片對(duì)應(yīng)碼率為Rn的視頻大小，Cn表示下載過程中網(wǎng)絡(luò)平均吞吐量。當(dāng)?shù)趎個(gè)視頻切片于時(shí)刻完成下載，而第n+ 1個(gè)視頻切片還未完全生成時(shí)，即＜(n+ 1)L情況下，用戶無(wú)法從服務(wù)器端獲取視頻數(shù)據(jù)，需要等待Δtn方可進(jìn)行下一個(gè)視頻切片的下載；≥(n+ 1)L時(shí)，第n+ 1個(gè)視頻切片需從t=tn+τn時(shí)刻開始下載。Δtn可以表示為：

b)緩沖區(qū)模型

緩沖區(qū)位于客戶端，其狀態(tài)示意圖如圖2所示，視頻切片從服務(wù)器端下載后會(huì)先存儲(chǔ)到客戶端的緩沖區(qū)中，用戶播放視頻時(shí)從緩沖區(qū)取出視頻內(nèi)容進(jìn)行觀看。

圖2 緩沖區(qū)狀態(tài)示意圖

緩沖區(qū)占用大小由視頻填充速率和播放速率共同決定。設(shè)B(t)表示t時(shí)刻緩沖區(qū)的占用大小，以視頻切片為單位，當(dāng)下載完成一個(gè)視頻切片并開始下載下一個(gè)切片時(shí)，緩沖區(qū)大小增加一個(gè)視頻切片的時(shí)長(zhǎng)，并且減去下載視頻切片過程以及等待時(shí)間中客戶端播放的視頻時(shí)長(zhǎng)。緩沖區(qū)占用量不能小于0，開始下載第n+ 1個(gè)視頻切片tn+1時(shí)緩沖區(qū)占用量用Bn+1可以表示為：

其中，λn代表著第n個(gè)視頻的播放速度。在直播場(chǎng)景下，為避免卡頓以及降低時(shí)延，引入播放速度控制機(jī)制。播放速度會(huì)根據(jù)需求改變，播放速度的選擇會(huì)在下一節(jié)時(shí)延控制模型中進(jìn)行說明。

在下載過程t∈(nL,nL+τn]中，可以對(duì)緩沖區(qū)占用量進(jìn)行求導(dǎo)得到視頻填充速率。在下載第n個(gè)視頻切片過程中，求導(dǎo)過程可以表述為：

其中，Cn代表下載第n個(gè)視頻切片過程中的平均吞吐量，Rn代表第n個(gè)視頻切片對(duì)應(yīng)的碼率。

c)時(shí)延控制模型

本文所考慮的端到端的時(shí)延由兩部分構(gòu)成，一部分為直播用戶緩沖區(qū)中已經(jīng)緩沖的視頻時(shí)長(zhǎng)，一部分為存儲(chǔ)到服務(wù)器端但尚未下載的部分。

時(shí)延控制機(jī)制由兩部分構(gòu)成：調(diào)整視頻播放速度以及跳幀機(jī)制。調(diào)整視頻播放速度通過加快或減緩客戶端播放視頻的速度，達(dá)到降低時(shí)延及減少卡頓的目的。通過調(diào)整播放速度降低時(shí)延的能力有限，當(dāng)時(shí)延比較大時(shí)，執(zhí)行跳幀操作，即超過時(shí)延閾值時(shí)，客戶端跳過當(dāng)前正在進(jìn)行的下載，直接請(qǐng)求下載下一個(gè)關(guān)鍵幀，從而降低時(shí)延。

首先，對(duì)視頻播放速度進(jìn)行調(diào)整。最基本的方法是通過比較實(shí)際緩沖區(qū)的占用情況和預(yù)設(shè)的緩沖區(qū)閾值來(lái)控制播放速度。 假設(shè)閾值為(Bmin,Btarget,Bmax)，其中Btarget代表目標(biāo)緩沖區(qū)水平，Bmin和Bmax分別代表緩沖區(qū)閾值的上限和下限。緩沖區(qū)閾值需要滿足Bmin＜Btarget＜Bmax。緩沖區(qū)占用量大于Bmax，加快視頻播放速度，播放速度為正常播放速度的rfast倍；緩沖區(qū)占用量小于Bmin，減緩視頻播放速度，播放速度為正常播放速度的rslow倍；其他情況則選擇正常的播放速度。

綜上所述，第n個(gè)視頻切片的播放速度λn可以表示為：

其次，對(duì)跳幀的閾值進(jìn)行選擇。對(duì)于第n個(gè)視頻切片執(zhí)行跳幀的時(shí)延閾值表示為ln，即當(dāng)Ln＞ln時(shí)，客戶端向服務(wù)器請(qǐng)求新的關(guān)鍵幀，跳過的幀數(shù)表示為Sn。通常情況下將ln設(shè)置為常數(shù)，即每一個(gè)視頻切片觸發(fā)跳幀的時(shí)延閾值都相同。

d)QoE模型

碼率自適應(yīng)算法以提高QoE 為目標(biāo)[6]，為了明確視頻流媒體直播QoE 與其影響因素之間的定量關(guān)系，需要對(duì)QoE 進(jìn)行客觀評(píng)價(jià)?？梢詫oE 映射為數(shù)值，為之后設(shè)計(jì)碼率自適應(yīng)算法并且進(jìn)行性能優(yōu)化和比較建立基礎(chǔ)。在評(píng)價(jià)視頻點(diǎn)播業(yè)務(wù)的性能時(shí)，文獻(xiàn)[7]提出將各個(gè)QoE 指標(biāo)進(jìn)行加權(quán)平均，得到的數(shù)值作為QoE 估計(jì)值。面向直播場(chǎng)景時(shí)，QoE 不僅需要考慮視頻質(zhì)量、碼率切換頻次、卡頓時(shí)長(zhǎng)等影響因素以外，還需計(jì)算端到端的時(shí)延以及跳幀時(shí)長(zhǎng)對(duì)QoE 數(shù)值的影響。因此，本文建立如下直播QoE 模型：

其中，N代表該直播視頻總共由N個(gè)視頻切片組成，QoEtotal表示N個(gè)視頻切片的QoE 數(shù)值的總和，Rn表示第n個(gè)視頻切片的碼率大?。籪(Rn)為計(jì)算視頻質(zhì)量的函數(shù)，通常可以計(jì)算視頻切片中每幀的視頻質(zhì)量并進(jìn)行求和，表示為：f(Rn)=RnτframeFn。其中，τframe表示每幀的時(shí)長(zhǎng)，由視頻畫面每秒傳輸?shù)膸瑪?shù)決定，F(xiàn)n代表第n個(gè)視頻切片所包含的幀數(shù)，f(Rn)隨著碼率增加而增大；Tn表示由于緩沖區(qū)耗盡而造成的卡頓時(shí)長(zhǎng)；Ln代表端到端的時(shí)延；Sn表示跳幀的時(shí)長(zhǎng)；|Rn+1-Rn|代表碼率切換的幅度；θq、θr、θd、θs、θa分別代表各個(gè)指標(biāo)的權(quán)重指數(shù)，由于不同的用戶對(duì)于視頻觀看有著不同的偏好，可以根據(jù)不同的用戶需求以及應(yīng)用場(chǎng)景設(shè)置不同的參數(shù)。

該模型不僅體現(xiàn)了服務(wù)質(zhì)量，還體現(xiàn)用戶對(duì)于不同影響因素的偏好，可用于評(píng)價(jià)視頻流媒體直播的QoE。

本文的設(shè)計(jì)目標(biāo)為最大化用戶在直播會(huì)話過程中的QoE，同時(shí)盡量減少卡頓以及端到端的時(shí)延。

3 基于PID的碼率自適應(yīng)算法

3.1 基于PID控制的碼率自適應(yīng)算法

PID 控制即比例(Proportional)、積分(Integral)、微分(Derivative)控制，是一種常見的閉環(huán)控制算法，由于其結(jié)構(gòu)簡(jiǎn)單、魯棒性強(qiáng)，常用于工業(yè)控制中。PID控制結(jié)構(gòu)示意圖如圖3所示。

圖3 PID控制結(jié)構(gòu)示意圖

PID 控制器利用實(shí)際輸出值c(t)作為反饋信號(hào)，將根據(jù)所給定的目標(biāo)值r(t)以及c(t)所構(gòu)成偏差值e(t)=r(t)-c(t),將偏差值進(jìn)行比例、積分、微分運(yùn)算，并將計(jì)算結(jié)果通過線性組合構(gòu)成控制量u(t)對(duì)受控對(duì)象進(jìn)行控制。u(t)可以表示為：

其中，u(t) 表示PID 控制器的輸出值，其中Kp、Ki、Kd分別為比例、積分、微分系數(shù)。

PID控制的各部分作用如下：

（1）比例部分：比例部分直接通過偏差值對(duì)被控對(duì)象進(jìn)行控制；

（2）積分部分：?jiǎn)渭兪褂帽壤糠诌M(jìn)行控制時(shí)，由于存在靜態(tài)誤差，通過積分對(duì)過去偏差值的累積即可消除靜態(tài)誤差；

（3）微分部分：微分控制的主要作用是減少超調(diào)量，避免因?yàn)閷?shí)際輸出值變化過快而超過目標(biāo)值，從而增加系統(tǒng)的穩(wěn)定性。

在觀看視頻直播的過程中，當(dāng)緩沖區(qū)占用量過大時(shí)，說明當(dāng)前所選擇的視頻切片碼率較小，支持選擇更高碼率的版本，且端到端的時(shí)延也會(huì)增加；而當(dāng)緩沖區(qū)占用量較小時(shí)，說明當(dāng)前所選擇的視頻切片碼率較大，緩沖區(qū)即將耗盡，面臨卡頓的風(fēng)險(xiǎn)。因此，可通過緩沖區(qū)占用情況作為反饋信號(hào)，選擇合適的目標(biāo)緩沖區(qū)閾值作為目標(biāo)給定值，結(jié)合PID控制器，并且利用預(yù)估網(wǎng)絡(luò)吞吐量一起對(duì)視頻切片的碼率進(jìn)行選擇。

基于PID 控制的碼率自適應(yīng)算法原理框圖如圖4所示，該算法由以下幾部分組成：

圖4 基于PID的碼率自適應(yīng)算法的結(jié)構(gòu)框圖

（1）目標(biāo)緩沖區(qū)選擇

根據(jù)2.2節(jié)中提到的時(shí)延控制模型，提供兩種目標(biāo)緩沖區(qū)水平供以選擇，決策集合為t arg et_buffern={0 ,1} ，所對(duì)應(yīng)的目標(biāo)緩沖區(qū)水平分別為當(dāng)t arg et_buffern=0時(shí)，偏向于減小時(shí)延，但有卡頓風(fēng)險(xiǎn)；t arg et_buffern=1時(shí)，偏向于避免卡頓，同時(shí)會(huì)增加一定時(shí)延。因此，需要在卡頓和時(shí)延之間進(jìn)行權(quán)衡，選擇合適的目標(biāo)緩沖區(qū)水平從而提高整體用戶體驗(yàn)質(zhì)量。目標(biāo)緩沖區(qū)的選擇使用文獻(xiàn)[4]提出的目標(biāo)緩沖區(qū)選擇方法，第n個(gè)視頻切片的目標(biāo)緩沖區(qū)水平可利用以下公式進(jìn)行決策：

(2)PID控制器

PID控制器的輸入分別為：目標(biāo)緩沖區(qū)Btarget以及現(xiàn)有緩沖區(qū)占用大小B(t)，則偏差值e(t)可以表示為：

根據(jù)PID控制模型，PID控制器的輸出量u(t)如下：

由于在實(shí)際情況中，視頻播放過程或以視頻幀為單位或以視頻切片為單位進(jìn)行播放，e(t)實(shí)際上是離散變量。本文中以視頻切片為單位，并且考慮過去五個(gè)視頻切片的偏差值，將u(t)離散化表示為：

其中，e(n)代表第n個(gè)視頻切片開始下載時(shí)刻的偏差值表示第n個(gè)視頻切片的目標(biāo)緩沖區(qū)水平，Bn代表第n個(gè)視頻切片開始下載時(shí)刻的緩沖區(qū)占用量。

（3）吞吐量預(yù)測(cè)

利用平均值法即通過計(jì)算前5個(gè)視頻切片的平均網(wǎng)絡(luò)吞吐量對(duì)未來(lái)網(wǎng)絡(luò)吞吐量進(jìn)行預(yù)測(cè)。預(yù)測(cè)的第n個(gè)視頻切片的平均網(wǎng)絡(luò)吞吐量可表示為：

（4）碼率選擇

碼率選擇是PID模型中的控制進(jìn)程部分。引入PID控制器的目標(biāo)是為了通過控制碼率的選擇使緩沖區(qū)的占用水平接近目標(biāo)緩沖區(qū)，避免因緩沖區(qū)過大或過小造成的QoE下降。開始下載第n個(gè)視頻切片時(shí)，對(duì)視頻切片n的碼率進(jìn)行決策，目的是使Bn+1=Btarget,此時(shí)緩沖區(qū)的占用量為Bn。

在t=nL時(shí)刻，偏差值為e(n)=Btarget-Bn。在本文中，PID控制器的輸出值表示為u(n)。下載時(shí)間過長(zhǎng)會(huì)導(dǎo)致下載時(shí)間內(nèi)緩沖區(qū)耗盡，引起卡頓。為便于分析，令τn=L，根據(jù)第2節(jié)緩沖區(qū)模型中公式（5）對(duì)緩沖區(qū)占用量進(jìn)行求導(dǎo)，可以表示為：

第n個(gè)視頻切片的碼率選擇不超過Rtarget的最大碼率，表示為：

同時(shí)，需要考慮到跳幀機(jī)制對(duì)用戶體驗(yàn)的影響。一方面，跳幀可以減少端到端時(shí)延，對(duì)QoE產(chǎn)生積極影響；另一方面，跳幀會(huì)導(dǎo)致用戶跳過部分畫面，視頻觀看的連續(xù)性下降，對(duì)QoE產(chǎn)生消極影響。為提高QoE，本文采用文獻(xiàn)[4]所提方法，自適應(yīng)性調(diào)整觸發(fā)跳幀的延遲閾值。具體的，在客戶端下載第n個(gè)視頻切片時(shí)，如果端到端的時(shí)延高于ln，則觸發(fā)跳幀且跳幀數(shù)量為Sn。用QoEsp和QoEsn分別表示QoE的積極和消極影響，并采用如下模型：

其中，ηln用于估計(jì)不觸發(fā)跳幀情況時(shí)的平均時(shí)延，τframe表示視頻幀的時(shí)長(zhǎng)，當(dāng)QoEsp＞QoEsn觸發(fā)跳幀。ln可以設(shè)置為：

碼率自適應(yīng)過程的算法如表1所示：

表1 碼率自適應(yīng)算法

4 仿真結(jié)果

本文采用的仿真環(huán)境源于2019年ACM Multimedia的為提高用戶體驗(yàn)質(zhì)量而進(jìn)行的流媒體直播競(jìng)賽的仿真環(huán)境[8]。在仿真過程中，選擇不同直播場(chǎng)景以及網(wǎng)絡(luò)環(huán)境的數(shù)據(jù)集，其中每種網(wǎng)絡(luò)都有20個(gè)數(shù)據(jù)文件，對(duì)應(yīng)20種網(wǎng)絡(luò)條件。根據(jù)公式(8)計(jì)算用戶QoE，平均后最后得到該網(wǎng)絡(luò)下用戶的平均QoE。

為了驗(yàn)證所提算法的性能，將所提算法與HYSA[4]、HCA[1]進(jìn)行性能對(duì)比。

HYSA算法引入播放速度控制機(jī)制，選擇合適的目標(biāo)緩沖區(qū)，控制視頻播放速度；估計(jì)跳幀的影響，調(diào)整跳幀閾值；估計(jì)下一個(gè)視頻切片的時(shí)延，選擇使時(shí)延最小的碼率。

HCA算法同時(shí)采用前饋和反饋機(jī)制，通過混合控制使碼率決策更精確。其中，前饋是指利用預(yù)測(cè)的網(wǎng)絡(luò)吞吐量來(lái)優(yōu)化QoE，以適應(yīng)網(wǎng)絡(luò)變化，同時(shí)利用緩沖區(qū)占用情況作為反饋信號(hào)。HCA 算法通過前饋控制對(duì)網(wǎng)絡(luò)吞吐量變化做出快速反應(yīng)，同時(shí)借助反饋機(jī)制抵抗錯(cuò)誤預(yù)測(cè)的影響。

圖5 所示為三種算法的平均QoE 的CDF 曲線圖，從圖中可以看出所提算法相比于HYSA、HCA 能達(dá)到更高的QoE，總體性能比較好。

圖5 三種算法的平均QoE的CDF曲線

圖6 展示了三種算法在不同場(chǎng)景下的平均QoE。通過游戲直播、體育直播以及室內(nèi)直播三種直播場(chǎng)景的視頻序列進(jìn)行比較，所提算法的平均QoE在三種場(chǎng)景下都達(dá)到最高。

圖6 不同直播場(chǎng)景下三種算法的平均QoE

圖7展示了三種算法在四種不同網(wǎng)絡(luò)環(huán)境的平均QoE，通過比較可以看出所提算法在四種網(wǎng)絡(luò)環(huán)境（復(fù)雜、強(qiáng)網(wǎng)、中網(wǎng)、弱網(wǎng)）下，與HYSA、HCA 算法比較，所提算法的平均QoE均達(dá)到最高。

圖7 不同網(wǎng)絡(luò)環(huán)境下三種算法的平均QoE

為驗(yàn)證算法在QoE細(xì)分指標(biāo)方面的表現(xiàn)，選擇視頻質(zhì)量、卡頓時(shí)長(zhǎng)以及平均時(shí)延3個(gè)指標(biāo)進(jìn)行仿真和分析。

表2展示了三種算法在以上三個(gè)方面的表現(xiàn)。其中視頻質(zhì)量用平均碼率表示。總體QoE比HCA算法提高13.1%，比HYSA算法提高6.5%。從細(xì)分指標(biāo)上看，在視頻質(zhì)量方面，所提算法的平均碼率最高，視頻質(zhì)量最高，比HYSA算法提高5%。卡頓方面，HYSA、HCA算法偏向于選擇較小的碼率，所提算法卡頓時(shí)長(zhǎng)有所增加。在端到端的時(shí)延方面，三種算法的時(shí)延都比較低，體現(xiàn)針對(duì)直播場(chǎng)景實(shí)時(shí)性要求而設(shè)計(jì)的特點(diǎn)，所提算法三種算法平均時(shí)延最小。從各項(xiàng)指標(biāo)可以看出，每種算法都有其優(yōu)勢(shì)所在，若想達(dá)到平均QoE最佳，需要算法在進(jìn)行碼率決策時(shí)對(duì)QoE的影響因素進(jìn)行均衡，以HYSA為例，在碼率決策時(shí)關(guān)注的重心在于降低時(shí)延，視頻質(zhì)量較低，而所提算法兼顧了視頻質(zhì)量與平均時(shí)延，總體的QoE比以上兩種算法更高。

表2 不同算法各項(xiàng)指標(biāo)比較

5 結(jié)論

本文以提高用戶體驗(yàn)質(zhì)量為目標(biāo)，引入PID 控制模型，通過權(quán)衡直播場(chǎng)景下影響用戶體驗(yàn)質(zhì)量的關(guān)鍵指標(biāo)，選擇合適的切片碼率從而提高用戶體驗(yàn)質(zhì)量。仿真結(jié)果表明，所提算法與基線算法相比，整體性能更好，能夠有效提高用戶的體驗(yàn)質(zhì)量。