侯永宏，邢家明，王利偉

(天津大學(xué)電氣自動化與信息工程學(xué)院,天津 300072)

1 引言

基于HTTP(HyperText Transfer Protocol)的動態(tài)自適應(yīng)流媒體傳輸協(xié)議DASH(Dynamic Adaptive Streaming over HTTP)[1]可以適應(yīng)網(wǎng)絡(luò)吞吐量的實(shí)時波動以及不同顯示能力的智能終端，為用戶提供最佳的體驗(yàn)質(zhì)量QOE(Quality Of Experience)，是目前流媒體服務(wù)的主流技術(shù)。與傳統(tǒng)的RTP(Real-time Transport Protocol)/UDP(User Datagram Protocol)傳輸協(xié)議相比，DASH采用基于HTTP/TCP(Transmission Control Protocol)的傳輸機(jī)制，其主要優(yōu)勢在于[2]：(1)通用的Web(World Wide Web)服務(wù)器均支持HTTP協(xié)議，因此基于HTTP協(xié)議的服務(wù)器更易于推廣；(2)基于TCP協(xié)議的視頻傳輸可靠性更高，并且更容易穿越防火墻；(3)基于HTTP協(xié)議的可擴(kuò)展性更強(qiáng)，相較于RTP可以更容易地擴(kuò)展到CDN(Content Delivery Network)網(wǎng)絡(luò)和P2P(Peer-to-Peer)網(wǎng)絡(luò)。

在基于DASH的視頻自適應(yīng)傳輸機(jī)制中，客戶端根據(jù)當(dāng)前的網(wǎng)絡(luò)吞吐量以及緩存等因素，自適應(yīng)地調(diào)整申請的視頻碼率，來保證視頻流暢播放，并使得用戶的QOE最大化。而不同的自適應(yīng)算法給用戶帶來的QOE不同，因此如何設(shè)計一種合理的控制算法來提高用戶的QOE成為DASH的一個研究熱點(diǎn)。

目前基于DASH的自適應(yīng)算法大致可分為兩種：(1)基于網(wǎng)絡(luò)吞吐量的控制算法[2,3]。例如Thang等人[2]提出了平滑的吞吐量估計StbDASH(Smoothed throughput based DASH)算法，該算法采用加權(quán)移動平均值的方法，根據(jù)網(wǎng)絡(luò)帶寬和申請的視頻碼率的失配程度動態(tài)調(diào)整比例權(quán)重大小，并通過不同的比例權(quán)重對各個視頻切片下載完成時的網(wǎng)絡(luò)吞吐量進(jìn)行加權(quán)平均并作為下一個切片下載時的網(wǎng)絡(luò)估計吞吐量，進(jìn)而調(diào)整申請的碼率；(2)基于緩存控制的算法[4 - 6]。Müller等人[4]提出一種基于緩存的自適應(yīng)BufDASH(Buffer based DASH)算法，該算法根據(jù)緩存占用率所在的區(qū)間不同，采用不同的方式進(jìn)行吞吐量的估計，并調(diào)整申請的視頻碼率。Tian等人[5]采用了基于比例積分PI(Proportion-Integral)控制的PiDASH(PI control based DASH)算法，將緩存做為誤差反饋量，通過PI控制器調(diào)整申請的視頻碼率，進(jìn)而保證緩存穩(wěn)定在一個較為安全的狀態(tài)。Vergados等人[6]提出了一種基于模糊控制FASH(Fuzzy control based DASH)的自適應(yīng)算法，該算法將緩存以及緩存變化量作為輸入，通過模糊規(guī)則動態(tài)輸出視頻碼率的選擇標(biāo)準(zhǔn)，進(jìn)而調(diào)整申請的視頻碼率。

盡管目前已有很多基于DASH的自適應(yīng)控制算法，但這些算法仍存在很多問題?；谕掏铝康淖赃m應(yīng)算法忽略緩存視頻量對于最終用戶QOE的影響，而很多基于緩存的自適應(yīng)算法通過將緩存值穩(wěn)定在一個目標(biāo)值來保證視頻流暢播放，但這大大降低了視頻的平均質(zhì)量，而實(shí)際上緩存的視頻余量只需要穩(wěn)定在一個較為安全的區(qū)間即可。此外，現(xiàn)有的基于緩存的控制算法中關(guān)于緩存門限值如何界定的描述比較模糊，并且這些算法很難平衡視頻平均質(zhì)量和視頻播放的流暢性對于用戶QOE的影響。

鑒于此,本文提出了一種改進(jìn)的基于模糊控制的自適應(yīng)傳輸控制算法FuzDASH(improved Fuzzy control based DASH)，該算法將緩存以及申請視頻質(zhì)量和網(wǎng)絡(luò)吞吐量的碼率失配度作為輸入，并且克服了傳統(tǒng)的模糊控制算法對于輸出的控制變量物理意義界定模糊等問題。本文將下一時刻的緩存預(yù)期變化量作為模糊控制器的輸出，實(shí)現(xiàn)了對下一個時刻緩存余量的預(yù)測，進(jìn)而控制預(yù)測的緩存值穩(wěn)定在一個安全的區(qū)間。然后，通過預(yù)測值反推出所需要申請的視頻碼率，最后采用一種碼率波動性判決機(jī)制來保證視頻質(zhì)量平滑地切換。此外，為了合理設(shè)計緩存的安全區(qū)間，根據(jù)Shuai等人[7]的結(jié)論，本文將緩存安全區(qū)間的上限設(shè)為緩存最大值的70%。最后本文采用Claeys等人[8]提出的QOE評價模型對算法性能進(jìn)行評價，和傳統(tǒng)算法在虛擬和實(shí)際網(wǎng)絡(luò)環(huán)境下的對比結(jié)果顯示，算法FuzDASH可以在保證視頻播放流暢的前提下提供更好的用戶體驗(yàn)質(zhì)量。

2 系統(tǒng)介紹

如圖1所示，在DASH系統(tǒng)中，服務(wù)器在視頻傳輸之前會將同一個視頻資源編碼成N個不同的碼率版本，并將視頻資源分割成時間間隔相同的視頻切片(Segment)，同時生成一份媒體描述MPD(Media Presentation Description)文件,它包含了視頻切片的碼率、分辨率及其服務(wù)器端存儲所對應(yīng)的URL(Uniform Resource Locator)等相應(yīng)的屬性信息。客戶端會在視頻傳輸前預(yù)先下載MPD文件，并通過解析獲得服務(wù)器端視頻資源的屬性信息。在視頻傳輸時，客戶端根據(jù)網(wǎng)絡(luò)吞吐量和緩存的視頻余量以及MPD文件所提供的視頻切片屬性信息，采用HTTP-GET指令自適應(yīng)地向服務(wù)器提出視頻資源申請，直到K個視頻切片下載完成。

Figure 1 Block diagram of DASH system圖1 DASH系統(tǒng)框圖

基于DASH的視頻自適應(yīng)傳輸機(jī)制的兩個關(guān)鍵因素是網(wǎng)絡(luò)吞吐量和緩存余量。網(wǎng)絡(luò)吞吐量直接影響用戶申請的平均視頻質(zhì)量。在DASH系統(tǒng)中，第k個視頻切片下載完成時的網(wǎng)絡(luò)吞吐量Trk可表示為單位時間內(nèi)客戶端接收到的字節(jié)數(shù)[9]，即：

Trk=vk×τ/tdown

(1)

其中，tdown表示該視頻切片完成下載所需要的時間，τ表示視頻切片的時間長度，vk表示用戶申請的第k個視頻切片的碼率。

客戶端緩存的視頻余量直接影響視頻播放的流暢性。在DASH系統(tǒng)中，為了方便度量，通常用緩存的視頻時間長度作為緩存的度量單位，即第k個視頻切片下載完成時的緩存余量bk可度量為：

bk=bk-1+τ-tdown

(2)

Δbk=bk-bk-1

(3)

其中，Δbk表示第k個視頻切片下載完成時的緩存變化量k>1。

根據(jù)式(1)～式(3)，當(dāng)申請的視頻碼率大于當(dāng)前的網(wǎng)絡(luò)吞吐量時，由于帶寬的限制，緩存的視頻余量減少，此時應(yīng)當(dāng)降低申請的視頻碼率，否則當(dāng)緩存的視頻余量降低為0 s時緩存下溢，視頻播放中斷；當(dāng)申請的視頻碼率小于當(dāng)前的網(wǎng)絡(luò)吞吐量時，緩存視頻余量增加，此時應(yīng)當(dāng)提高申請的視頻碼率，否則當(dāng)緩存的視頻余量高于某個門限值時，容易造成緩存上溢和帶寬浪費(fèi)。因此，緩存的安全性是視頻流暢播放的前提。傳統(tǒng)的基于緩存的算法多將緩存穩(wěn)定在一個目標(biāo)值，這樣的控制方式直接降低了申請視頻的平均質(zhì)量，使得算法過于保守，極大程度地限制了用戶的QOE。因此，一個合理的算法應(yīng)當(dāng)是將緩存穩(wěn)定在一個較為安全的區(qū)間，以此來提高傳輸?shù)囊曨l質(zhì)量，即：

bleng=bhigh-blow

(4)

其中，bhigh、blow和bleng分別表示緩存安全區(qū)間btar的上、下界限和緩存安全區(qū)間的長度。

此外,在DASH系統(tǒng)中，關(guān)于緩存門限值如何界定的解釋比較模糊，極少的算法會考慮到不同的緩存門限值對用戶QOE的影響。本文根據(jù)Shuai等人[7]的結(jié)論,將緩存安全區(qū)間的上限bhigh設(shè)為緩存最大值的70%。

在視頻自適應(yīng)傳輸時，用戶根據(jù)網(wǎng)絡(luò)吞吐量以及緩存余量自適應(yīng)地調(diào)整申請的碼率。由式(1)～式(3)可得，第k個視頻切片的碼率為：

×Trk

(5)

根據(jù)式(5)可知，當(dāng)申請下一個視頻切片即第k+1個視頻切片時，可通過對下一視頻切片下載期間的網(wǎng)絡(luò)吞吐量和下載完成后的緩存變化量進(jìn)行預(yù)測來確定下一個視頻切片的碼率vk+1。因此，本文采用上一個視頻切片下載完成時的網(wǎng)絡(luò)實(shí)際吞吐量作為下一個視頻切片下載期間的網(wǎng)絡(luò)估計吞吐量Tek[9]，即：

Tek+1=Trk,k>1

(6)

自適應(yīng)傳輸算法FuzDASH通過模糊推理輸出緩存預(yù)期變化量，進(jìn)而可通過式(5)和式(6)調(diào)整下一個視頻切片的碼率.

3 基于模糊控制的自適應(yīng)傳輸算法

為合理地對下一個切片的緩存預(yù)期變化量進(jìn)行預(yù)測，基于模糊控制的自適應(yīng)控制算法FuzDASH將當(dāng)前的緩存以及碼率失配度作為模糊控制器的輸入，通過模糊推理輸出下一個視頻切片下載完成時的緩存預(yù)期變化量，這樣可以解決傳統(tǒng)的基于緩存的控制算法輸出的控制變量物理意義界定比較模糊的問題。同時通過設(shè)計合理的輸入和輸出變量的隸屬函數(shù)，使緩存穩(wěn)定在一個安全區(qū)間，提高申請視頻的平均質(zhì)量，使得用戶QOE最大化。

Figure 2 Block diagram of FuzDASH圖2 FuzDASH框圖

圖2所示為本文算法FuzDASH的系統(tǒng)框圖，其中模糊控制模塊是以模糊集合論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種計算機(jī)數(shù)字控制技術(shù)，主要分為四步：模糊化、模糊邏輯、模糊判斷和解模糊。

3.1 模糊化

模糊化是將輸入的精確數(shù)值通過隸屬函數(shù)映射到其論域的各個子集的過程。本文將緩存以及視頻切片的碼率失配度作為模糊控制算法的輸入，下一個視頻切片下載完成時的緩存預(yù)期變化量作為輸出。第k個視頻切片碼率和網(wǎng)絡(luò)吞吐量的碼率失配度pk定義為:

(7)

其中，pk表示第k個視頻切片下載完成時的碼率失配度，可以反映緩存的變化趨勢。

為了使得視頻可以流暢播放,通常的做法是盡量避免申請的視頻質(zhì)量和網(wǎng)絡(luò)吞吐量的失配,因此本文以0作為參照標(biāo)準(zhǔn),設(shè)計模糊集合{正大(P)，匹配(M)，負(fù)大(N)}來描述碼率失配程度pk，其隸屬函數(shù)如圖3a所示。當(dāng)pk>0時,碼率失配度正大，申請的視頻質(zhì)量較為保守，繼續(xù)以該碼率進(jìn)行傳輸會造成緩存的上溢；當(dāng)pk<0時，碼率失配度負(fù)大，申請的視頻質(zhì)量較為激進(jìn)，繼續(xù)以該碼率進(jìn)行傳輸會造成緩存下溢，當(dāng)緩存降低為0 s時，視頻播放中斷；當(dāng)pk=0時，申請的視頻質(zhì)量和網(wǎng)絡(luò)吞吐量完全匹配，此時是最優(yōu)的狀態(tài)，但由于服務(wù)器視頻編碼等級和網(wǎng)絡(luò)帶寬實(shí)時波動的限制，申請的視頻質(zhì)量很難和網(wǎng)絡(luò)吞吐量完全匹配。

模糊集合{較高(H)，安全(S)，較低(L)}用于對緩存余量進(jìn)行模糊化處理，緩存的隸屬函數(shù)如圖3b所示。當(dāng)緩存高于緩存安全區(qū)間上限時，緩存處于較高的狀態(tài)；當(dāng)緩存低于緩存區(qū)間下限時，緩存處于較低狀態(tài);當(dāng)緩存處于安全區(qū)間時，緩存則處于一個安全狀態(tài)。

在傳統(tǒng)的基于緩存的控制算法中，通常通過輸出一個控制因子來對下一個視頻切片的質(zhì)量進(jìn)行調(diào)整，但這些控制因子的物理意義界定比較模糊，而本文所提的算法FuzDASH采用實(shí)際的物理量作為輸出，即將緩存預(yù)期的變化量作為輸出。模糊子集{大增(BI)，小增(SI)，不變(NC)，小減(SD)，大減(BD)}用來描述緩存預(yù)期的變化量的狀態(tài)。通過調(diào)整緩存預(yù)期變化量的大小反推出申請的視頻碼率，進(jìn)而使緩存余量穩(wěn)定在安全區(qū)間，其隸屬函數(shù)如圖4所示，N1、N2、Z、P1、P2為輸出隸屬函數(shù)的各個中心值。

Figure 3 Membership function of the input variable圖3 輸入變量的隸屬函數(shù)

Figure 4 Membership function of the output variable 圖4 輸出變量的隸屬函數(shù)

3.2 模糊邏輯確立

模糊控制的關(guān)鍵是根據(jù)模糊推理獲得模糊規(guī)則庫。模糊推理主要表現(xiàn)為If-Then的專家決策[10]。根據(jù)DASH系統(tǒng)的實(shí)際控制經(jīng)驗(yàn)，可根據(jù)緩存狀態(tài)和碼率失配度輸出下一個視頻切片下載完成時的緩存預(yù)期變化量，進(jìn)而調(diào)整申請視頻的碼率，以此來使新的緩存值穩(wěn)定在一個安全區(qū)間,并使碼率失配度最小。例如當(dāng)緩存較高，且碼率失配度正大時，若繼續(xù)以當(dāng)前碼率進(jìn)行傳輸可能會造成緩存上溢，浪費(fèi)帶寬，此時輸出的緩存預(yù)期的變化量應(yīng)當(dāng)大減，進(jìn)而保證緩存收斂回安全區(qū)間，其他情況同理。模糊規(guī)則設(shè)計如表1所示。

3.3 邏輯判斷

模仿人類下判斷時的模糊概念,運(yùn)用模糊邏輯和模糊規(guī)則進(jìn)行推論，得到模糊控制信號。FuzDASH 通過選擇兩個輸入變量隸屬程度較大的數(shù)值作為該規(guī)則的程度值，以此來綜合兩個輸入變量對該規(guī)則的影響。設(shè)第i條規(guī)則兩輸入變量xi、yi的隸屬程度分別為Lxi、Lyi，則第i條規(guī)則的程度值ri為:

Table 1 Fuzzy control rules

ri=maxLxi,Lyi,i=1,2,…,9

(8)

3.4 解模糊

將輸入模糊化后的模糊值轉(zhuǎn)換為明確的控制信號，并作為系統(tǒng)的輸出值。此步，本文采用重心法進(jìn)行解模糊，根據(jù)輸出的隸屬函數(shù)的各個中心值，最終得到緩存預(yù)期的變化量Δbpre，即：

Δbpre=(N2×BR+N1×SR+Z×NC+P1×

SI+P2×BI)/(BR+SR+NC+SI+BI)

(9)

其中,N1、N2、Z、P1、P2為輸出隸屬函數(shù)的各個中心值，BR、SR、NC、SI、BI根據(jù)模糊規(guī)則通過式(10)計算，即：

BI=r1

SI=r2+r4

NC=r3+r5+r7

SD=r6+r8

BD=r9

(10)

根據(jù)式(6)所得到的下一個視頻切片下載期間的網(wǎng)絡(luò)估計吞吐量Tek+1,同時結(jié)合模糊控制器輸出的緩存預(yù)期變化量Δbpre，即：

Δb(k+1)=Δbpre

(11)

采用式(5)，對下一個視頻切片對應(yīng)的碼率vk+1進(jìn)行調(diào)整。

此外，為了避免視頻質(zhì)量產(chǎn)生不必要的波動，需對當(dāng)前申請視頻質(zhì)量進(jìn)行碼率波動性分析。采用當(dāng)前的視頻切片碼率繼續(xù)申請25個視頻切片后，緩存視頻余量的估計值bprek，即：

bprek=bk+25×Δbk

(12)

設(shè)緩存的最優(yōu)值為bref

bref=blow+bhigh/2

(13)

(1)當(dāng)下一個視頻切片的碼率需要提高時，若bprek>bref，說明當(dāng)前的視頻質(zhì)量較為保守，需要提高申請的視頻質(zhì)量，即采用新的視頻碼率進(jìn)行申請，否則保持原視頻碼率不變。

(2)當(dāng)下一個視頻切片的碼率需要降低時，若bprek

4 實(shí)驗(yàn)

4.1 實(shí)驗(yàn)平臺

本文在Ubuntu14.04上搭建Apache服務(wù)器，采用Big Buck Bunny[11]作為測試序列，模擬時長為400 s和600 s的視頻傳輸。采用x265作為視頻編碼器，借鑒Netflix[12]編碼方案將視頻編碼成5個視頻等級：300 Kbps、700 Kbps、1 500 Kbps、2 500 Kbps、3 500 Kbps。選用Mp4box工具對視頻進(jìn)行封裝和切割?？蛻舳瞬捎瞄_源的C++平臺Libdash[13]。此外，為了模擬網(wǎng)絡(luò)環(huán)境，本文采用DummyNet[14]軟件模擬了文獻(xiàn)[12]所設(shè)計的兩種網(wǎng)絡(luò)環(huán)境：帶寬長周期(Long-term)波動和帶寬短周期(Short-term)波動，并在文獻(xiàn)[4]提到的兩種實(shí)際環(huán)境(Real1，Real2)中進(jìn)行了性能測試，最后采用Matlab做數(shù)據(jù)處理。此外，根據(jù)實(shí)際的實(shí)驗(yàn)環(huán)境，本文將最大緩存設(shè)置為35 s，根據(jù)文獻(xiàn)[7]的結(jié)論，將緩存安全區(qū)間上限設(shè)置為最大緩存的70%，結(jié)合文獻(xiàn)[12]的經(jīng)驗(yàn)將緩存安全區(qū)間長度設(shè)置為15 s，即btar為 [10 s,25 s]。根據(jù)多次實(shí)驗(yàn)，將輸出隸屬函數(shù)的各個中心值N1、N2、Z、P1、P2分別設(shè)置為-2、-1.5、0、0.75、1.5。

4.2 算法性能評價標(biāo)準(zhǔn)

為了評估算法的性能,本文采用引言提到的四種算法StbDASH、BufDASH、FASH、PiDASH作為對比算法，并分別在4.1節(jié)提到的兩種模擬網(wǎng)絡(luò)環(huán)境和兩種實(shí)際網(wǎng)絡(luò)環(huán)境中進(jìn)行性能測試。

在基于DASH的自適應(yīng)傳輸系統(tǒng)中,不同的傳輸算法所呈現(xiàn)的QOE指標(biāo)不同。為了對每個算法進(jìn)行性能評估，本文采用Claeys等人[8]提出的QOE評價模型，該模型強(qiáng)調(diào)影響QOE的三個主要因素為：申請視頻的平均質(zhì)量、視頻播放流暢度以及視頻質(zhì)量的波動性。因此，將三個因素按照不同的權(quán)重線性結(jié)合，最終根據(jù)數(shù)值直觀地評價用戶體驗(yàn)質(zhì)量，即：

QOE=4.85×Q-4.95×F-1.57×S+0.5

(14)

其中,Q表示申請視頻平均質(zhì)量，Q值越高，則傳輸?shù)目偞a率越高，因此相同的網(wǎng)絡(luò)環(huán)境下帶寬利用率越高；F表示視頻播放的流暢度，當(dāng)客戶端緩存降低為0 s時，客戶端發(fā)生視頻播放中斷。根據(jù)實(shí)際的用戶體驗(yàn)，視頻播放中斷次數(shù)越高和中斷時間越長，F(xiàn)值越高；S表示視頻質(zhì)量的波動情況，視頻質(zhì)量波動越頻繁且視頻質(zhì)量波動的碼率深度越大，S值越大。根據(jù)文獻(xiàn)[8]，Q、F、S量化后的數(shù)學(xué)模型表示為：

(15)

其中，K代表傳輸?shù)囊曨l切片總數(shù)量;vL為最大質(zhì)量等級的視頻碼率，v1表示最低質(zhì)量等級的視頻碼率;frfref和frtime分別表示視頻停頓頻率和停頓時間;swnumber和swdepth分別表示視頻質(zhì)量波動次數(shù)和碼率波動平均深度。

Figure 5 Video bitrate adaptation under short-term bandwidth variations圖5 帶寬短周期變化環(huán)境下各算法碼率自適應(yīng)過程

4.3 實(shí)驗(yàn)結(jié)果和分析

本文首先采用兩種模擬的網(wǎng)絡(luò)環(huán)境：帶寬短周期(Short-term)波動和帶寬長周期(Long-term)波動來測試各算法性能。如圖5所示，網(wǎng)絡(luò)吞吐量先保持在2 Mbps，并在4 Mbps 和0.5 Mbps波動，每次波動的時間長度為2～4 s的短周期，該環(huán)境用于測試算法對于帶寬即時波動的靈敏度。如圖6所示，網(wǎng)絡(luò)吞吐量從2 Mbps開始，在區(qū)間3 Mbps和1.5 Mbps以長周期50～100 s進(jìn)行平滑波動，該環(huán)境用于測試算法在帶寬平滑波動的網(wǎng)絡(luò)環(huán)境下的穩(wěn)定性。實(shí)驗(yàn)結(jié)果如圖5和圖6所示。各個算法在這兩種網(wǎng)絡(luò)環(huán)境下的性能指標(biāo)匯總至表2和表3。

Figure 6 Video bitrate adaptation under long-term bandwidth variations圖6 帶寬長周期變化環(huán)境下各算法碼率自適應(yīng)過程

StbDASH在長周期和短周期的帶寬波動環(huán)境下，申請的視頻質(zhì)量比較保守，該算法申請的視頻質(zhì)量低于網(wǎng)絡(luò)估計吞吐量，從表2和表3可以看出，StbDASH算法的Q值遠(yuǎn)低于其他幾種算法的Q值,因此用戶申請的平均視頻質(zhì)量較低。此外，從圖5a和圖6a可以看出，StbDASH算法在兩種環(huán)境中均出現(xiàn)了緩存上溢，因此會使帶寬利用率降低。如圖5b、圖5d和圖6b、圖6d所示，在兩種虛擬網(wǎng)絡(luò)環(huán)境中BufDASH和PiDASH算法分別將緩存穩(wěn)定在一個較為安全的緩存值18 s，但犧牲掉了視頻質(zhì)量切換的流暢性，因此導(dǎo)致視頻質(zhì)量波動較為頻繁，從表2和表3可以看出，在兩種虛擬網(wǎng)絡(luò)環(huán)境下，BufDASH和PiDASH算法傳輸?shù)囊曨l平均質(zhì)量保持在一個較高的水平，但由于視頻質(zhì)量切換較為頻繁,視頻質(zhì)量波動性指標(biāo)S較高，因此用戶QOE沒有最大化。如圖5c和圖6c所示，F(xiàn)ASH算法在兩種模擬網(wǎng)絡(luò)環(huán)境中表現(xiàn)出的性能相對保守，由于緩存的視頻余量超過了最大門限，因此出現(xiàn)了緩存上溢的現(xiàn)象，使得帶寬利用率和視頻的平均質(zhì)量較低，由于本文實(shí)驗(yàn)環(huán)境的最大緩存為35 s，目標(biāo)緩存為17～18 s，使得該算法在防止視頻質(zhì)量抖動方面的方案失效，視頻質(zhì)量抖動較為明顯，S較高，且傳輸?shù)囊曨l平均質(zhì)量較低，Q值明顯低于BufDASH和PiDASH算法的Q值，因此QOE較低。如圖5e和圖6e所示，本文所提出的算法FuzDASH在兩種網(wǎng)絡(luò)環(huán)境中表現(xiàn)出較好的性能，視頻緩存穩(wěn)定在安全的區(qū)間[10 s,25 s]，盡管S值較StbDASH算法略高，但其相較其他算法仍保持較低的水平，并且犧牲掉視頻質(zhì)量較小的波動，可以換取更高的視頻總碼率，因此，在這兩種模擬網(wǎng)絡(luò)環(huán)境下，F(xiàn)uzDASH的Q值均較高，所以總的QOE指標(biāo)更優(yōu)，給用戶帶來的體驗(yàn)質(zhì)量更好。

Figure 7 Video bitrate adaptation under Real1圖7 實(shí)際網(wǎng)絡(luò)環(huán)境Real1下各算法碼率自適應(yīng)過程

算法Q/%S/%F/%QOEStbDASH44.51.802.631BufDASH55.713.602.988FASH54.212.602.934PiDASH55.28.103.049FuzDASH56.22.103.195

此外，為了對各個算法的實(shí)際性能進(jìn)行測試，分別在兩種實(shí)際網(wǎng)絡(luò)環(huán)境 (Real1,Real2) 下進(jìn)行5種算法的性能測試，最終實(shí)驗(yàn)結(jié)果如圖7和圖8

Table 3 Performance of each algorithmunder long-term bandwidth variations

所示。各算法在這兩種網(wǎng)絡(luò)環(huán)境下的性能指標(biāo)匯總至表4和表5。

Figure 8 Video bitrate adaptation under Real2圖8 實(shí)際網(wǎng)絡(luò)環(huán)境Real2下各算法碼率自適應(yīng)過程

圖7和圖8、表4和表5的實(shí)驗(yàn)結(jié)果表明，StbDASH算法在實(shí)際網(wǎng)絡(luò)環(huán)境中依舊表現(xiàn)出較為保守的性能，緩存上溢，因此平均視頻質(zhì)量較低。BufDASH和FASH算法相對較為穩(wěn)定，但最終的QOE指標(biāo)均低于FuzDASH。PiDASH算法在網(wǎng)絡(luò)環(huán)境Real1中，連續(xù)出現(xiàn)了兩次視頻中斷，使得視頻播放流暢性指標(biāo)F達(dá)到23.8，這大大降低了用戶的QOE。而本文提出的算法FuzDASH 在兩種實(shí)際網(wǎng)絡(luò)環(huán)境中均表現(xiàn)出較好的性能，盡管在實(shí)際的網(wǎng)絡(luò)環(huán)境下仍然會造成一定量的視頻碼率抖動，但受限于實(shí)際的網(wǎng)絡(luò)帶寬環(huán)境這種損失是無法避免的，且FuzDASH已將視頻抖動所造成的負(fù)面影響降低到最小，并在S值較小的前提下，盡量提高視頻碼率，以此來提高Q值，使總的QOE較高。表4和表5的實(shí)驗(yàn)結(jié)果表明，與其他的算法對比，F(xiàn)uzDASH有更好的性能。

Table 4 Performance of each algorithm under Real 1

Table 5 Performance of each algorithm under Real 2

為了方便對比，本文將各算法在不同的網(wǎng)絡(luò)環(huán)境中的QOE指標(biāo)匯總并用柱狀圖表示成圖9。通過比較各算法的QOE可知，StbDASH算法傳輸?shù)囊曨l平均質(zhì)量較低，因此在各環(huán)境下的QOE指標(biāo)值較低。BufDASH、FASH、PiDASH三種算法所呈現(xiàn)的QOE指標(biāo)值較為接近，其中PiDASH在帶寬長周期波動的環(huán)境中所呈現(xiàn)的QOE指標(biāo)值為3.406，該性能明顯優(yōu)于StbDASH、BufDASH和FASH，但是由于PiDASH在網(wǎng)絡(luò)環(huán)境Real1中發(fā)生了兩次視頻中斷，使得QOE指標(biāo)在該環(huán)境下最低，可見該算法的性能穩(wěn)定性較差。本文所提出的算法FuzDASH在四種網(wǎng)絡(luò)環(huán)境下的QOE指標(biāo)最高，因此相較于其他的算法，F(xiàn)uzDASH的性能更優(yōu)且性能較為穩(wěn)定。

Figure 9 QOE of each algorithm under different network conditions圖9 各算法在不同的網(wǎng)絡(luò)環(huán)境中的QOE指標(biāo)

5 結(jié)束語

本文在已有研究的基礎(chǔ)上，提出了一種基于模糊控制的視頻自適應(yīng)傳輸算法FuzDASH,該算法將緩存以及碼率失配度作為系統(tǒng)輸入，通過模糊推理將下一個時刻預(yù)期的緩存變化量作為輸出，進(jìn)而調(diào)整所申請的視頻碼率，以此來使緩存穩(wěn)定在一個較為安全的區(qū)間。為了使視頻流暢播放，F(xiàn)uzDASH對當(dāng)前申請視頻質(zhì)量進(jìn)行碼率波動性分析來決定是否改變當(dāng)前申請的視頻碼率，以避免不必要的視頻質(zhì)量波動。最后在兩種虛擬網(wǎng)絡(luò)環(huán)境和兩種實(shí)際網(wǎng)絡(luò)環(huán)境下進(jìn)行性能測試，本文所提的算法FuzDASH 相對于其他的幾種對比算法，表現(xiàn)出更高的QOE指標(biāo)，因此可以給用戶帶來更好的用戶體驗(yàn)。