黃 森，霍 旭，王安紅

（太原科技大學(xué) 電子信息工程學(xué)院，山西 太原 030024）

0 引 言

隨著多媒體技術(shù)的發(fā)展，5G移動(dòng)網(wǎng)絡(luò)和千兆無(wú)線網(wǎng)的快速普及，視頻逐漸成為互聯(lián)網(wǎng)內(nèi)容的主流，人們對(duì)網(wǎng)絡(luò)視頻的質(zhì)量要求越來(lái)越高。根據(jù)思科公司發(fā)布的最新預(yù)測(cè)，到2022年，全球IP流量使用預(yù)計(jì)達(dá)到4.8 ZB，視頻將占所有IP流量的82%。傳統(tǒng)的流媒體技術(shù)基于UDP的RTP（Real Time Protocol）和RTSP（Real Time Streaming Protocol）協(xié)議族，但是該技術(shù)兼容性差，對(duì)防火墻有較高要求，運(yùn)行成本也高。傳統(tǒng)的流媒體技術(shù)已經(jīng)滿足不了人們的需求，因此急需新的流媒體技術(shù)?；贖TTP協(xié)議的自適應(yīng)流媒體技術(shù)（Dynamic Adaptive Streaming over HTTP，DASH）[1-2]是一種新的流媒體技術(shù)，解決了傳統(tǒng)流媒體技術(shù)不兼容的問(wèn)題，可滿足人們對(duì)高質(zhì)量視頻的需求。在DASH系統(tǒng)的編碼端，每個(gè)完整的視頻被分割成多個(gè)小視頻段，每個(gè)視頻端被編碼成多種碼率版本的視頻流，并形成對(duì)應(yīng)的多媒體描述（Media Presentation Description，MPD）文件，多碼流版本的視頻流及其對(duì)應(yīng)的MPD文件都存儲(chǔ)在服務(wù)器中。DASH客戶端首先根據(jù)自身的網(wǎng)絡(luò)條件向服務(wù)器發(fā)送HTTP請(qǐng)求，得到MPD文件。之后根據(jù)MPD文件，客戶端可以選擇適合的視頻內(nèi)容進(jìn)行播放，保證了客戶端播放視頻的流暢性，提高了用戶體驗(yàn)。但是在DASH系統(tǒng)中，為了保證用戶體驗(yàn)，通常會(huì)增加多個(gè)碼率版本，盡管可以使得視頻分片更加細(xì)膩，但同時(shí)也增加了服務(wù)器的存儲(chǔ)壓力。同時(shí)，現(xiàn)有的DASH系統(tǒng)都采用數(shù)字編碼方式，其中的量化技術(shù)不可避免地會(huì)產(chǎn)生視頻質(zhì)量“閾值效應(yīng)”；而當(dāng)信道質(zhì)量下降時(shí)，由于數(shù)字編碼傳輸所采用的熵編碼和數(shù)字解調(diào)等技術(shù)不能與信道質(zhì)量相匹配，將會(huì)引起視頻質(zhì)量的突然下降，即“懸崖效應(yīng)”或者“階梯效應(yīng)”。

新近出現(xiàn)的類模擬編碼（Softcast）[3]和混合數(shù)字模擬視頻編碼（Hybrid Digital Analog，HDA）[4-5]可以克服傳統(tǒng)數(shù)字編碼傳輸?shù)娜秉c(diǎn)，使得恢復(fù)視頻質(zhì)量隨著信道質(zhì)量線性變化。其中，HDA信號(hào)由數(shù)字部分和模擬部分疊加而成，數(shù)字部分利用傳統(tǒng)的數(shù)字編碼、數(shù)字調(diào)制而形成，模擬部分由原始視頻與解碼視頻的殘差信號(hào)經(jīng)過(guò)Softcast編碼而得到。將HDA技術(shù)運(yùn)用到DASH傳輸系統(tǒng)上，可以在提升視頻質(zhì)量的同時(shí)適應(yīng)信道的時(shí)變特性，因此，王宣[7]提出基于DASH-HDA的流媒體技術(shù)方法，溫韜[8]在DASH-HDA的基礎(chǔ)上提出了單QP和多QP碼率方案下的DASH-HDA傳輸方案，并提出多QP碼率方案的自適應(yīng)功率分配算法，但是在信道碼率持續(xù)增加的情況下，仍存在“階梯效應(yīng)”。

本文為進(jìn)一步提高DASH-HDA的性能，提出一種基于3D-DCT能量感知的DASH-HDA傳輸系統(tǒng)。充分研究DASH-HDA的模擬部分，取代參考方案DASH-HDA中的2D-DCT，利用3D-DCT進(jìn)一步去除時(shí)間相關(guān)性，形成視頻幀的模擬部分；根據(jù)3D-DCT系數(shù)的能量大小，對(duì)模擬信號(hào)進(jìn)行重要性排序打包，并將系數(shù)包重組為優(yōu)先級(jí)不同的DASH層。實(shí)驗(yàn)結(jié)果表明，與參考方案相比，在較低的信道碼率條件下，由于采用3D-DCT域的能量感知，可以傳輸能量較大的數(shù)據(jù)包，所提方案提升了視頻的重構(gòu)質(zhì)量[9]；同時(shí)，當(dāng)可用的信道碼率逐漸升高時(shí)，由于采用了HDA方式，所提方案可以降低視頻質(zhì)量的“階梯效應(yīng)”。

1 基于3D-DCT能量感知的DASH-HDA 傳輸系統(tǒng)

1.1 DASH-HDA編碼框架

DASH-HDA的編碼框架如圖1所示。原始視頻序列經(jīng)過(guò)DASH分段，每8幀分為一個(gè)視頻段，以視頻段為單位進(jìn)行編碼傳輸。每個(gè)視頻段首先利用H.264/AVC進(jìn)行數(shù)字編碼，其中，設(shè)置5個(gè)不同的量化參數(shù)（Quantizing parameters，QP），生成5個(gè)不同版本、不同質(zhì)量的數(shù)字碼流。每個(gè)數(shù)字碼流經(jīng)過(guò)碼率為1/2的前向糾錯(cuò)碼（Forward error correction，F(xiàn)EC），生成多QP碼率的數(shù)字集。多QP的H.264數(shù)字碼流經(jīng)過(guò)H.264/AVC解碼恢復(fù)的視頻與原始視頻段相減得到殘差數(shù)據(jù)。殘差數(shù)據(jù)經(jīng)過(guò)3D-DCT之后，組成多碼率方案下的模擬集，數(shù)字集合和模擬集存儲(chǔ)在DASH服務(wù)器上?？蛻舳藢?duì)信道帶寬進(jìn)行預(yù)測(cè)，把帶寬預(yù)測(cè)結(jié)果傳給DASH服務(wù)器，并請(qǐng)求與帶寬匹配的數(shù)字集視頻版本以及與數(shù)字集對(duì)應(yīng)的模擬集，被選中的數(shù)字集和模擬集組成DASH-HDA數(shù)據(jù)流。在服務(wù)器存儲(chǔ)能力低的情況下，也可以將方案設(shè)置單個(gè)QP參數(shù)以降低存儲(chǔ)壓力。單QP碼率的DASH-HDA系統(tǒng)與上述模型相同。設(shè)置單QP碼率的好處是可以降低服務(wù)器的存儲(chǔ)成本，在信道條件差或者波動(dòng)較大的情況下，可以減少客戶端碼率切換次數(shù)，減少視頻的卡頓。

圖1 DASH-HDA編碼框架

1.2 基于能量感知的DASH-HDA數(shù)據(jù)流組織

1.2.1 基于能量感知的DASH數(shù)據(jù)重組

3D-DCT在2D-DCT的基礎(chǔ)上增加了時(shí)間軸上的一維DCT變換，能消除時(shí)間上的冗余，保證高的壓縮率。因此，本文方案利用3D-DCT以去除視頻段的幀間相關(guān)性。同時(shí)，由于3D-DCT不同頻帶系數(shù)的能量不同，根據(jù)DCT系數(shù)[10]特性（即能量大的數(shù)據(jù)集中在圖像的左上角），提出基于能量感知的DASH數(shù)據(jù)重組。具體做法為：將視頻每8幀組成一個(gè)視頻段，將模擬殘差數(shù)據(jù)抽取為288×352×8的三維立方體數(shù)據(jù)，劃分每個(gè)塊的大小為36×44，組成一個(gè)數(shù)據(jù)包，因此一個(gè)視頻幀由512個(gè)數(shù)據(jù)包組成。對(duì)這512個(gè)數(shù)據(jù)包按照能量大小進(jìn)行排序，并記錄包的位置信息。模擬數(shù)據(jù)的512個(gè)數(shù)據(jù)包如圖2所示。位置信息以元數(shù)據(jù)的方式進(jìn)行傳輸，數(shù)據(jù)包（Packet）的能量關(guān)系為：

圖2 視頻段的模擬數(shù)據(jù)包

經(jīng)過(guò)能量大小排序后，將這些數(shù)據(jù)包分成64個(gè) DASH層，每一層包含8個(gè)數(shù)據(jù)包，DASH層的優(yōu)先級(jí)依次降低，如圖3所示。由于一個(gè)圖像經(jīng)過(guò)DCT變換后能量低的高頻部分基本為零，因此在編碼模擬部分的數(shù)據(jù)時(shí)可以丟掉高頻部分，而在恢復(fù)的時(shí)候用零填補(bǔ)丟掉的數(shù)據(jù)，這樣可以達(dá)到壓縮的目的。在形成DASH層之后，對(duì)模擬DASH數(shù)據(jù)進(jìn)行去均值、功率分配以及哈達(dá)瑪變換。在傳輸過(guò)程中，根據(jù)帶寬大小，優(yōu)先傳輸那些優(yōu)先級(jí)較高的DASH層；在一個(gè)數(shù)字版本的帶寬范圍內(nèi)，隨著帶寬的逐漸增大，傳輸?shù)腄ASH層數(shù)也逐漸增多；DASH層數(shù)傳輸越多，解碼的視頻質(zhì)量越高。除了DASH層數(shù)據(jù)，DASH-HDA要傳輸?shù)脑獢?shù)據(jù)包括DASH層中的模擬數(shù)據(jù)包的位置信息、方差以及均值，客戶端需要這些元數(shù)據(jù)進(jìn)行LLSE視頻重建。

圖3 DASH層重組模型

1.2.2 DASH-HDA數(shù)據(jù)流生成

DASH-HDA數(shù)據(jù)流是模擬和數(shù)字部分的疊加信號(hào)，因此，要確定數(shù)字部分碼率，并選擇合適的DASH層，而DASH層的選擇必須與數(shù)字碼率相對(duì)應(yīng)。在本文方案中，QP參數(shù)設(shè)置為5個(gè)，因此數(shù)字版本1≤n≤5。當(dāng)選擇數(shù)字版本m時(shí)，對(duì)應(yīng)的模擬集1≤m≤64。DASH-HDA數(shù)據(jù)流生成過(guò)程如圖4所示。

圖4 DASH-HDA數(shù)據(jù)流生成

與傳統(tǒng)方案相比，在64個(gè)DASH層中，兩種方案在第一層能量相差最大。隨著優(yōu)先級(jí)降低，能量相差越來(lái)越小。在帶寬不足的情況下，本文方案可以傳輸能量較大的數(shù)據(jù)包。在傳輸過(guò)程中，數(shù)據(jù)包的位置信息數(shù)據(jù)以元數(shù)據(jù)的方式與包的均值方差一并進(jìn)行傳輸。位置信息所產(chǎn)生的元數(shù)據(jù)可以忽略不計(jì)。隨著帶寬逐漸增加，傳輸?shù)臄?shù)據(jù)包也隨之增加。

1.3 DASH-HDA的自適應(yīng)碼率選擇

本文系統(tǒng)可以根據(jù)用戶信道條件自適應(yīng)地改變傳送視頻的碼率。設(shè)視頻的數(shù)字帶寬為BWd，信道帶寬為BW，客戶端根據(jù)解析的MPD文件，向服務(wù)器請(qǐng)求相應(yīng)的視頻段索引。因此，請(qǐng)求的數(shù)字碼率應(yīng)滿足：

設(shè)置n種數(shù)字碼率，對(duì)應(yīng)的數(shù)字碼率為BWd,n，則：

在已知帶寬下，為了得到所能傳輸?shù)臄?shù)字版本的最高碼率，數(shù)字碼率對(duì)應(yīng)的索引為i，則i的取值應(yīng)滿足：

由于HDA要傳送的調(diào)制符號(hào)[11]是復(fù)數(shù)形式，如a+bj，實(shí)部由一個(gè)數(shù)字信號(hào)和一個(gè)模擬信號(hào)疊加，虛部是另一個(gè)模擬符號(hào)，即一個(gè)HDA符號(hào)包含兩個(gè)模擬符號(hào)，因此一個(gè)DASH層的數(shù)據(jù)大小為：

式中：BWpacket是一個(gè)DCT系數(shù)包的帶寬；Fsegment是每段的幀數(shù)。帶寬是隨機(jī)的，要傳輸?shù)腄ASH層數(shù)必須為整數(shù)。因此，在帶寬BW的情況下，能傳輸?shù)腄ASH層數(shù)為NUM：

式中：NUM向下取整。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 對(duì)比2D-DCT和3D-DCT在DASH-HDA中的 性能

選取Foreman序列的36個(gè)視頻段進(jìn)行測(cè)試。在相同的信道噪聲比（Signal-Noise Ratio，SNR）和信道碼率下，分別仿真了基于2D-DCT的DASHHDA和基于3D-DCT的DASH-HDA的峰值信噪比（Peak Signal to Noise Ratio，PSNR）性能，對(duì)比結(jié)果如圖5所示?？梢钥闯觯瑢?duì)模擬數(shù)據(jù)進(jìn)行3D-DCT變換，恢復(fù)視頻的PSNR比2D-DCT增加了0.1～0.5 dB。

圖5 不同維度DCT性能對(duì)比

2.2 測(cè)試不同信道SNR下的3D-DCT能量感知傳輸性能

在本實(shí)驗(yàn)中，選取Foreman序列的其中一個(gè)視頻段進(jìn)行仿真。用JM編碼器設(shè)置5個(gè)QP，得到5種不同碼率版本的視頻段。假設(shè)信道所能傳輸?shù)拇a率是逐漸增加的，對(duì)比方案的模擬數(shù)據(jù)采用2D-DCT變換，對(duì)DCT系數(shù)從上到下、從左到右進(jìn)行逐幀分組。為了方便對(duì)比，選取5 dB、10 dB、 15 dB及20 dB共4個(gè)固定的SNR，信道模型為平坦衰落的高斯白噪聲信道。實(shí)驗(yàn)結(jié)果如圖6所示，其中，M-QP-bitrate是多QP碼率下基于2D-DCT的傳統(tǒng)能量感知方案[11]，本文方案是基于3D-DCT的能量感知方案。

圖6 在特定SNR下峰值信噪比隨信道碼率變換曲線

從圖6的結(jié)果可以看出，在SNR確定的情況下，本文方案要優(yōu)于對(duì)比方案。在信道所能傳輸數(shù)據(jù)較少的情況下，可選擇的數(shù)據(jù)包數(shù)量較少時(shí)，傳輸?shù)腄ASH層數(shù)也少；在傳輸相同DASH層數(shù)時(shí)，兩種方案DASH層之間的能量相差較大。當(dāng)信道所能傳輸?shù)臄?shù)據(jù)逐漸增加，所能傳輸?shù)臄?shù)據(jù)包增多，兩種方案DASH層之間的能量相差越來(lái)越小。因此，在信道碼率逐漸增加時(shí)，兩者的仿真曲線越來(lái)越接近。隨著SNR增加，兩個(gè)方案性能都逐漸增加，本文方案的增加幅度要大于對(duì)比方案。因?yàn)閿?shù)字部分具有多個(gè)版本碼率，所以隨著信道碼率增加，會(huì)產(chǎn)生“階梯效應(yīng)”。從圖中可以看出，本文方案可以降低“階梯效應(yīng)”，提高用戶體驗(yàn)質(zhì)量。Foreman序列第一幀的視覺(jué)質(zhì)量對(duì)比如圖7所示，其中，文獻(xiàn)[11]方案的PSNR=37.03 dB，本文方案的PSNR=39.27 dB?？梢钥闯觯谛诺罈l件較好的情況下，本文方案更接近原始圖像，與對(duì)比方案相比，可以顯示更多的細(xì)節(jié)信息。

圖7 Foreman序列第一幀的視覺(jué)質(zhì)量對(duì)比

2.3 測(cè)試本文方案對(duì)不同視頻序列的性能并對(duì)比文獻(xiàn)[11]中的DASH-HDA的性能

實(shí)驗(yàn)2.2選取Foreman序列的一個(gè)視頻段進(jìn)行仿真，在實(shí)際應(yīng)用中使用較多的是整個(gè)視頻段。因此本實(shí)驗(yàn)選取Foreman序列的所有視頻段進(jìn)行測(cè)試。為了方便對(duì)比，選取News序列、Bridge序列以及Hall序列的所有視頻段進(jìn)行仿真，實(shí)驗(yàn)結(jié)果如 圖8所示。可以看出，由于3D-DCT相比2D-DCT減少了幀間相關(guān)性，本文的能量感知方案可以傳輸能量更高的數(shù)據(jù)包，因此本文方案對(duì)4個(gè)視頻測(cè)試的結(jié)果都優(yōu)于對(duì)比方案的結(jié)果。對(duì)Foreman序列，本文方案有0.1～3 dB的提升，對(duì)Bridge序列有4 dB左右的提升，對(duì)News序列有5 dB左右的提升。同時(shí)，由于視頻內(nèi)容之間存在差異，如有的視頻段轉(zhuǎn)場(chǎng)和細(xì)節(jié)等信息較多，視頻之間的性能差異就越大。

圖8 兩種方案對(duì)不同視頻序列的性能對(duì)比

3 結(jié) 語(yǔ)

針對(duì)流媒體技術(shù)需求的提升，本文深入研究了DASH-HDA傳輸系統(tǒng)，提出基于3D-DCT能量感知的DASH-HDA傳輸方案。對(duì)視頻幀的模擬部分進(jìn)行3D-DCT變換，對(duì)視頻的DCT系數(shù)進(jìn)行重要性劃分，重組為優(yōu)先級(jí)不同的DASH層；客戶端根據(jù)自身的網(wǎng)絡(luò)條件向服務(wù)器請(qǐng)求相適應(yīng)的數(shù)字碼率版本和對(duì)應(yīng)的DASH層。實(shí)驗(yàn)結(jié)果表明，在低信道碼率下，所提方案具有明顯優(yōu)勢(shì)，有效提升了視頻的PSNR；在信道碼率持續(xù)增加時(shí)，降低了傳輸系統(tǒng)的“階梯效應(yīng)”。