摘 要： 隨著移動互聯(lián)網(wǎng)的普及，基于DASH的流媒體傳輸協(xié)議的應(yīng)用越來越廣泛。如何在帶寬波動較大的移動互聯(lián)網(wǎng)環(huán)境中保證用戶實現(xiàn)流媒體的流暢點播，提高用戶的體驗度是DASH調(diào)度算法最主要研究的問題。以提高用戶體驗度為出發(fā)點，結(jié)合帶寬和緩存深度兩方面因素，對帶寬預測模型的置信度進行評價。在高置信度情況下，大膽地對網(wǎng)絡(luò)帶寬估計模型的模型參量進行調(diào)整；在低置信度情況下，以保護緩沖區(qū)深度為目的，謹慎地對模型參量進行調(diào)整。這種調(diào)整勢必會對QoE造成相應(yīng)的影響，該影響作為“罰因子”反饋回模型置信度的評價，以獲得模型參數(shù)的動態(tài)最優(yōu)解，得到一種較好的DASH調(diào)度算法。

關(guān)鍵詞： 罰因子； 體驗度； 自適應(yīng)帶寬估計； DASH

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2014）16?0045?04

DASH scheduling algorithm based on a penalty factor

YOU Xiao?quan

（Communication Engineering Department， Chengdu Technological University， Chengdu 610031， China）

Abstract： As the mobile network has become universal in recent years， DASH?based streaming media transmission protocol is used more and more widely. Thus， how to guarantee the fluent video?on?demand in the mobile network circumstance with large bandwidth fluctuation and improve the quality of experience （QoE） are the major problems for DASH algorithm. In this paper， in order to improve the users QoE， an evaluation on the confidence coefficient of the bandwidth prediction model is adopted in combination with the bandwidth and buffer depth. A bold adjustment of network bandwidth estimation model parameters under the condition of high degree of confidence. A careful adjustment of the model parameters should be conducted to protect the buffer depth under the condition of low degree of confidence. This adjustment will certainly cause corresponding influence on the QoE. The influence will be taken as the "penalty factor" evaluation of feedback back to the model confidence level for dynamic optimal solution of model parameters and better DASH scheduling algorithm.

Keywords： penalty factor； quality of experience； adaptive bandwidth estimation； DASH

DASH傳輸協(xié)議是一種基于HTTP的多媒體傳輸協(xié)議，所以基于DASH的多媒體數(shù)據(jù)在各種網(wǎng)絡(luò)設(shè)備間具有強大的穿透能力[1]。越來越多的多媒體服務(wù)商采用DASH協(xié)議進行媒體的分發(fā)，目前MPEG組織和3GPP 組織聯(lián)合提出了MPEG?DASH（MPEG Dynamic Adaptive Streaming over HTTP）協(xié)議，其結(jié)構(gòu)框圖如圖1所示[2]。

在服務(wù)器端，同一段視頻內(nèi)容被壓縮成多個碼率的分片，客戶端可以通過HTTP的GET請求不同的碼率分段，以期達到視頻流的連續(xù)回放的目的[3]。在網(wǎng)絡(luò)質(zhì)量較好的時候可以請求碼率較高的分段，而當網(wǎng)絡(luò)質(zhì)量較差的時候請求碼率較低的分段，其結(jié)果必須滿足下面四個條件[4]：盡量避免視頻流回放的停滯；在網(wǎng)絡(luò)帶寬允許的前提下，盡量獲取高質(zhì)量高碼率的視頻分片；盡量不要使不同質(zhì)量分片間的切換過于頻繁，因為從用戶體驗的角度看，視頻質(zhì)量的頻繁切換的觀看體驗度反而不及較低碼率的觀看體驗度好；視頻的初始時間最小化。在各種DASH調(diào)度算法中，動態(tài)碼率自適應(yīng)算法得到了廣泛關(guān)注，其中形成兩個主要類別：基于帶寬預測的DASH調(diào)度算法[4?5]和基于緩沖區(qū)深度的DASH調(diào)度算法[6?7]。前者通過對帶寬進行估計，據(jù)此請求相應(yīng)碼率的視頻分片，帶寬估計模型的正確性直接影響了用戶的體驗度（QoE），帶寬估計過小，用戶觀看到的視頻質(zhì)量差，帶寬估計過大，用戶觀看到的視頻就會出現(xiàn)停頓，QoE會嚴重下降。后者主要依據(jù)緩存中的媒體分片的多少來決定未來請求的碼率質(zhì)量。該方法存在的主要問題是不能及時響應(yīng)帶寬的變化情況，對碼率切換的決策都帶來一定的滯后。

在移動互聯(lián)網(wǎng)應(yīng)用中，短時平均帶寬的起伏較大，上述兩種方法所存在的問題都有可能使得QoE產(chǎn)生嚴重的下降。所以，DASH調(diào)度算法的決策應(yīng)當充分考慮帶寬和緩存區(qū)深度兩方面的問題，即在充分的考慮帶寬估計模型的置信度的同時，也應(yīng)當考慮緩存區(qū)深度的變化情況以及它們之間的相互關(guān)系。因此本文首先分析了QoE的影響因素，以提高用戶體驗度為出發(fā)點，結(jié)合帶寬和緩存深度兩方面因素，對帶寬預測模型的置信度進行評價。在高置信度情況下，大膽地對網(wǎng)絡(luò)帶寬估計模型的模型參量進行調(diào)整；在低置信度情況下，以保護緩沖區(qū)深度為目的，謹慎地對模型參量進行調(diào)整。這些調(diào)整勢必會對QoE造成相應(yīng)的影響，該影響作為“罰因子”反饋回模型置信度的評價，以獲得模型參數(shù)的動態(tài)最優(yōu)解，得到一種較好的DASH調(diào)度算法。

圖1 MPEG?DASH協(xié)議的系統(tǒng)結(jié)構(gòu)

1 QoE的影響因素分析

在前文所述的四個條件中，前面三個條件均能對QoE產(chǎn)生顯著的影響，其中視頻流停滯對QoE的影響最大，可以描述為式（1）：

[BW≥f（si）?titi+tn] （1）

式中：BW為當前網(wǎng)絡(luò)的平均帶寬；ti為下一個分片的時長；tn為緩存區(qū)已存儲分片的時長；f（si）為所第i個時間片的視頻流碼率：其次為視頻流碼率對QoE的影響，視頻流平均碼率可以描述為式（2）：

[μbitrate=i=0Nfsi?tiT] （2）

式中：T為視頻流的總時長。為了得到較高的用戶體驗，要求視頻流的平均碼率盡可能高。

最次為視頻流切換對QoE的影響，其切換的代價函數(shù)可以描述為式（3）：

[σ2=i=0Ngsi] （3）

式中的[gsi]可以描述為：

[gsi=0，fsi-1=fsi1，other]

上式反映了視頻流的波動會造成QoE的下降。

通過分析，BW預測的誤差會帶來如下幾種情況：

（1） 當BW預測值超出實際值過大，導致式不成立，造成嚴重的QoE下降，這也是最嚴重的一種后果；

（2） 當BW預測值遠低于實際值，導致式中的平均碼率過低，造成QoE的下降；

（3） 當BW預測值在實際值周圍較大波動時，就會造成緩存深度的波動，導致式中切換的頻繁發(fā)生，造成QoE的下降。由此可見，帶寬預測模型的正確性直接決定了QoE的下降與否。

2 基于“罰因子”的DASH調(diào)度模型

一種較為準確的帶寬預測模型是依據(jù)歷史的實際帶寬和預測數(shù)據(jù)來估計當前的帶寬預測值，一階預測模型可以表示為：

[BWi=P?BRi-1+1-P?BWi-1] （4）

式中：[BRi-1]為上一時刻帶寬的實測值，該值可以在客戶端下載數(shù)據(jù)時計算得到；[BWi-1]為上一時刻帶寬的預測值，[BWi]為當前時刻帶寬的預測值；P為模型因子，本文稱作“罰因子”。式（4）所表示的預測模型可以理解為：當前預測值是對上一時刻預測值和實測值的折中[9?11]。如果“罰因子”較大，說明預測模型存在較大的誤差，那么當前的預測值更多的相信上一時刻的實測值；如果“罰因子”較小，說明模型比較可靠，應(yīng)該更多的相信模型的預測值?？紤]到視頻流的碼率也存在一定的波動，在實際應(yīng)用里，采用緩存深度波動代替預測誤差，即實際帶寬與選擇的視頻流碼率不匹配時，緩存深度變化較大，“罰因子”應(yīng)取較大值，反之取較小值。本文構(gòu)造的“罰因子”如下的一個連續(xù)函數(shù)：

[P=α， δ≤δ01-2α1-2δ0δ-δ0+α， δ0<δ≤1-δ01-α， else] （5）

式中：α為一較小的正數(shù)，如0.1，用于增加模型的擾動；[δ]為緩存深度的變化率，定義為： [δ=tn-1-tntn]。[δ0]為模型的臨界值，也為一較小的正數(shù)，如0.05。當[δ≤δ0]時，認為帶寬預測模型比較可靠，當[δ≥δ0]時認為帶寬的預測模型較粗糙，需要增加“罰因子”。

上述基于“罰因子”的帶寬預測模型可以用于預測帶寬的預測值，實際帶寬往往在其預測值左右擺動，這就存在一個帶寬預測值的置信度概率密度分布，將該概率密度函數(shù)記為，其中BW為帶寬。一般的，應(yīng)為一條連續(xù)的曲線，為了簡化模型的復雜度，可以用折線法近似地替代該曲線，如圖2所示。

圖2 帶寬預測模型置信度概率分布

圖2中，BWmax為網(wǎng)絡(luò)的最大接入帶寬值，BWi為根據(jù)“罰因子”帶寬預測模型得到的帶寬預測值；P0～P2為各自帶寬值所對應(yīng)的概率密度，可以將其看作概率分布函數(shù)的參數(shù)，可用于評價帶寬預測模型的可靠性，如果預測模型可靠，則P0較大，P1與P2較小，實際帶寬在BWi附近的可能性較大；反之亦然。根據(jù)概率密度的性質(zhì)為：

[0+∞PBWdBW=1] （6）

式（6）表明，圖2中折線和BW軸所圍的面積恒等于1，說明已知P0～P2和BWi就可以獲得帶寬預測模型可靠性的概率模型，其中BWi可由帶寬預測模型得到，而P0～P2可以根據(jù)下述方法得到：在下載分片數(shù)據(jù)的過程中，客戶端一定可以測得當前網(wǎng)絡(luò)的實際帶寬。借此，可以對上述帶寬預測模型的可靠性進行檢驗。如果預測值與實際值相差不大，那么就可以認為預測模型是準確的，可以將圖2中的P0加大，反之減小P0。在實際操作中可以結(jié)合P0～P2同時調(diào)整，即當實際帶寬大于預測帶寬時等比例的加大P0與P1，同時減小P2，反之加大P0和P2，同時減小P1。在這種方法中，注意保證滿足式（6）所規(guī)定的條件。只要預測值與實際值相差不大，該方法會加大P0，對預測模型的可靠性做出評價。

通過式（1）可以計算出發(fā)生QoE停滯損耗的臨界帶寬BWc式所述的，其QoE下降的風險概率為：

[DQoE=0BWcPBWdBW] （7）

當式（7）中的[DQoE]較大時，說明發(fā)生式（1）所描述的QoE下降概率較大，而應(yīng)該出于謹慎的態(tài)度選擇碼率較低的視頻流分片，直至式（7）中的[DQoE]能夠被接受。當式（7）中的[DQoE]較小時，說明式（4）所預測的[BWi]具有較高的置信度，DASH的調(diào)度應(yīng)該按照式所述的方式進行。

3 實驗及結(jié)果

本文所述的DASH調(diào)度算法以VLC為實驗平臺，視頻分片流采用12個不同碼率（200 Kb/s，300 Kb/s，400 Kb/s，500 Kb/s，600 Kb/s，700 Kb/s，800 Kb/s，1 000 Kb/s，1 200 Kb/s，1 400 Kb/s，1 600 Kb/s，1 800 Kb/s）編碼壓縮的Big Buck Bunny[12]，編碼器為X264。其實驗結(jié)構(gòu)如圖3所示。

圖3 DASH實驗設(shè)備拓撲結(jié)構(gòu)示意圖

其中Bandwidth Shaping可以模擬網(wǎng)絡(luò)帶寬的變化，本文實驗首先采用隨機帶寬模型和文獻[6]所描述的算法進行對比，網(wǎng)絡(luò)帶寬設(shè)置為0～100 s為600 Kb/s，100～200 s網(wǎng)絡(luò)帶寬上升為1 600 Kb/s，200～300 s網(wǎng)絡(luò)帶寬又下降為600 Kb/s。文獻[6]算法的實驗結(jié)果如圖4所示，從中可以發(fā)現(xiàn)該算法在響應(yīng)網(wǎng)絡(luò)帶寬的變化有一定的滯后，并且緩沖區(qū)深度在200 s處有明顯的下降，該下降存在QoE的停滯下降可能。

圖4 基于緩沖區(qū)深度的DASH調(diào)度算法結(jié)果

圖5是采用本文算法的實驗結(jié)果，從該實驗結(jié)果可以看到本算法對網(wǎng)絡(luò)帶寬的適應(yīng)性較強，并在網(wǎng)絡(luò)帶寬發(fā)生突變時緩沖區(qū)深度變化不大，造成QoE停滯下降的風險比文獻[6]的小。在隨機變化的信道中也有相似之處。

4 結(jié) 論

本文采用一種基于“罰因子”的帶寬預測模型對網(wǎng)絡(luò)帶寬進行預測，同時利用實際帶寬值對該模型的置信度進行評價，在QoE下降風險可接受的前提下對DASH進行調(diào)度決策。實驗結(jié)果表明，該方法能夠及時響應(yīng)帶寬的變化，另一方面，式（5）中“罰因子”的計算是采用緩存中剩余時間得到的，這能抵消部分由于視頻碼率的波動所造成的影響，從圖5中緩存剩余時間也可以得到相應(yīng)結(jié)果。綜上所述，本文所述的算法是一種較好的DASH調(diào)度算法。

圖5 本文算法結(jié)果

參考文獻

[1] BEGEN A， AKGUL T， BAUGHER M. Watching video over the web： Part 1：Streaming protocols [J]. IEEE Internet Computing， 2011， 15（2）： 54?63.

[2] SODAGAR I. The mpeg?dash standard for multimedia streaming over the internet [J]. IEEE Multi Media， 2011， 18（4）： 62?67.

[3] EVENSEN K， KASPAR D， GRIWODZ C， et al. Using bandwidth aggregation to improve the performance of quality?adaptive streaming [J]. Signal Process?Image， 2012， 27（4）： 312?328.

[4] LIU C， BOUAZIZI I， GABBOUJ M. Rate adaptation for adaptive HTTP streaming [C]// Proceedings of the second annual ACM conference on Multimedia systems. USA： ACM， 2011： 169?174.

[5] MULLER C， LEDERER S， TIMMERER C. An evaluation of dynamic adaptive streaming over http in vehicular environments [C]// Proceedings of the 4th Workshop on Mobile Video. USA： ACM， 2012： 37?42.

[6] ZHOU C， ZHANG X， HUO L. A control?theoretic approach to rate adaptation for dynamic HTTP streaming [C]// 2012 IEEE Visual Communications and Image Processing （VCIP）. [S.l.]： IEEE， 2012： 1?6.

[7] MULLER C， TIMMERER C. A test?bed for the dynamic adaptive streaming over HTTP featuring session mobility [C]// Proceedings of the second annual ACM conference on Multimedia systems. USA： ACM， 2011： 271?276.

[8] TIMMERER C. Special issue on modern media transport?dynamic adaptive streaming over HTTP （DASH） [J]. Image Signal Processing， 2012， 27（4）： 269?70.

[9] 尤小泉，彭映杰.結(jié)合分塊Hough變換與Kalman預測的車道線檢測方法[J].科學技術(shù)與工程，2013（24）：7087?7092.

[10] 尤小泉，彭映杰.結(jié)合Hough變換與運動估計的車道線提取方法[J].電視技術(shù)，2013（11）：191?193.

[11] 尤小泉，彭映杰.一種基于指令預測的目標跟蹤方法[J].電視技術(shù)，2010（2）：81?84.

圖3 DASH實驗設(shè)備拓撲結(jié)構(gòu)示意圖

其中Bandwidth Shaping可以模擬網(wǎng)絡(luò)帶寬的變化，本文實驗首先采用隨機帶寬模型和文獻[6]所描述的算法進行對比，網(wǎng)絡(luò)帶寬設(shè)置為0～100 s為600 Kb/s，100～200 s網(wǎng)絡(luò)帶寬上升為1 600 Kb/s，200～300 s網(wǎng)絡(luò)帶寬又下降為600 Kb/s。文獻[6]算法的實驗結(jié)果如圖4所示，從中可以發(fā)現(xiàn)該算法在響應(yīng)網(wǎng)絡(luò)帶寬的變化有一定的滯后，并且緩沖區(qū)深度在200 s處有明顯的下降，該下降存在QoE的停滯下降可能。

圖4 基于緩沖區(qū)深度的DASH調(diào)度算法結(jié)果

圖5是采用本文算法的實驗結(jié)果，從該實驗結(jié)果可以看到本算法對網(wǎng)絡(luò)帶寬的適應(yīng)性較強，并在網(wǎng)絡(luò)帶寬發(fā)生突變時緩沖區(qū)深度變化不大，造成QoE停滯下降的風險比文獻[6]的小。在隨機變化的信道中也有相似之處。

4 結(jié) 論

本文采用一種基于“罰因子”的帶寬預測模型對網(wǎng)絡(luò)帶寬進行預測，同時利用實際帶寬值對該模型的置信度進行評價，在QoE下降風險可接受的前提下對DASH進行調(diào)度決策。實驗結(jié)果表明，該方法能夠及時響應(yīng)帶寬的變化，另一方面，式（5）中“罰因子”的計算是采用緩存中剩余時間得到的，這能抵消部分由于視頻碼率的波動所造成的影響，從圖5中緩存剩余時間也可以得到相應(yīng)結(jié)果。綜上所述，本文所述的算法是一種較好的DASH調(diào)度算法。

圖5 本文算法結(jié)果

參考文獻

[1] BEGEN A， AKGUL T， BAUGHER M. Watching video over the web： Part 1：Streaming protocols [J]. IEEE Internet Computing， 2011， 15（2）： 54?63.

[2] SODAGAR I. The mpeg?dash standard for multimedia streaming over the internet [J]. IEEE Multi Media， 2011， 18（4）： 62?67.

[3] EVENSEN K， KASPAR D， GRIWODZ C， et al. Using bandwidth aggregation to improve the performance of quality?adaptive streaming [J]. Signal Process?Image， 2012， 27（4）： 312?328.

[4] LIU C， BOUAZIZI I， GABBOUJ M. Rate adaptation for adaptive HTTP streaming [C]// Proceedings of the second annual ACM conference on Multimedia systems. USA： ACM， 2011： 169?174.

[5] MULLER C， LEDERER S， TIMMERER C. An evaluation of dynamic adaptive streaming over http in vehicular environments [C]// Proceedings of the 4th Workshop on Mobile Video. USA： ACM， 2012： 37?42.

[6] ZHOU C， ZHANG X， HUO L. A control?theoretic approach to rate adaptation for dynamic HTTP streaming [C]// 2012 IEEE Visual Communications and Image Processing （VCIP）. [S.l.]： IEEE， 2012： 1?6.

[7] MULLER C， TIMMERER C. A test?bed for the dynamic adaptive streaming over HTTP featuring session mobility [C]// Proceedings of the second annual ACM conference on Multimedia systems. USA： ACM， 2011： 271?276.

[8] TIMMERER C. Special issue on modern media transport?dynamic adaptive streaming over HTTP （DASH） [J]. Image Signal Processing， 2012， 27（4）： 269?70.

[9] 尤小泉，彭映杰.結(jié)合分塊Hough變換與Kalman預測的車道線檢測方法[J].科學技術(shù)與工程，2013（24）：7087?7092.

[10] 尤小泉，彭映杰.結(jié)合Hough變換與運動估計的車道線提取方法[J].電視技術(shù)，2013（11）：191?193.

[11] 尤小泉，彭映杰.一種基于指令預測的目標跟蹤方法[J].電視技術(shù)，2010（2）：81?84.

圖3 DASH實驗設(shè)備拓撲結(jié)構(gòu)示意圖

其中Bandwidth Shaping可以模擬網(wǎng)絡(luò)帶寬的變化，本文實驗首先采用隨機帶寬模型和文獻[6]所描述的算法進行對比，網(wǎng)絡(luò)帶寬設(shè)置為0～100 s為600 Kb/s，100～200 s網(wǎng)絡(luò)帶寬上升為1 600 Kb/s，200～300 s網(wǎng)絡(luò)帶寬又下降為600 Kb/s。文獻[6]算法的實驗結(jié)果如圖4所示，從中可以發(fā)現(xiàn)該算法在響應(yīng)網(wǎng)絡(luò)帶寬的變化有一定的滯后，并且緩沖區(qū)深度在200 s處有明顯的下降，該下降存在QoE的停滯下降可能。

圖4 基于緩沖區(qū)深度的DASH調(diào)度算法結(jié)果

圖5是采用本文算法的實驗結(jié)果，從該實驗結(jié)果可以看到本算法對網(wǎng)絡(luò)帶寬的適應(yīng)性較強，并在網(wǎng)絡(luò)帶寬發(fā)生突變時緩沖區(qū)深度變化不大，造成QoE停滯下降的風險比文獻[6]的小。在隨機變化的信道中也有相似之處。

4 結(jié) 論

本文采用一種基于“罰因子”的帶寬預測模型對網(wǎng)絡(luò)帶寬進行預測，同時利用實際帶寬值對該模型的置信度進行評價，在QoE下降風險可接受的前提下對DASH進行調(diào)度決策。實驗結(jié)果表明，該方法能夠及時響應(yīng)帶寬的變化，另一方面，式（5）中“罰因子”的計算是采用緩存中剩余時間得到的，這能抵消部分由于視頻碼率的波動所造成的影響，從圖5中緩存剩余時間也可以得到相應(yīng)結(jié)果。綜上所述，本文所述的算法是一種較好的DASH調(diào)度算法。

圖5 本文算法結(jié)果

參考文獻

[1] BEGEN A， AKGUL T， BAUGHER M. Watching video over the web： Part 1：Streaming protocols [J]. IEEE Internet Computing， 2011， 15（2）： 54?63.

[2] SODAGAR I. The mpeg?dash standard for multimedia streaming over the internet [J]. IEEE Multi Media， 2011， 18（4）： 62?67.

[3] EVENSEN K， KASPAR D， GRIWODZ C， et al. Using bandwidth aggregation to improve the performance of quality?adaptive streaming [J]. Signal Process?Image， 2012， 27（4）： 312?328.

[4] LIU C， BOUAZIZI I， GABBOUJ M. Rate adaptation for adaptive HTTP streaming [C]// Proceedings of the second annual ACM conference on Multimedia systems. USA： ACM， 2011： 169?174.

[5] MULLER C， LEDERER S， TIMMERER C. An evaluation of dynamic adaptive streaming over http in vehicular environments [C]// Proceedings of the 4th Workshop on Mobile Video. USA： ACM， 2012： 37?42.

[6] ZHOU C， ZHANG X， HUO L. A control?theoretic approach to rate adaptation for dynamic HTTP streaming [C]// 2012 IEEE Visual Communications and Image Processing （VCIP）. [S.l.]： IEEE， 2012： 1?6.

[7] MULLER C， TIMMERER C. A test?bed for the dynamic adaptive streaming over HTTP featuring session mobility [C]// Proceedings of the second annual ACM conference on Multimedia systems. USA： ACM， 2011： 271?276.

[8] TIMMERER C. Special issue on modern media transport?dynamic adaptive streaming over HTTP （DASH） [J]. Image Signal Processing， 2012， 27（4）： 269?70.

[9] 尤小泉，彭映杰.結(jié)合分塊Hough變換與Kalman預測的車道線檢測方法[J].科學技術(shù)與工程，2013（24）：7087?7092.

[10] 尤小泉，彭映杰.結(jié)合Hough變換與運動估計的車道線提取方法[J].電視技術(shù)，2013（11）：191?193.

[11] 尤小泉，彭映杰.一種基于指令預測的目標跟蹤方法[J].電視技術(shù)，2010（2）：81?84.