基于DASH的混合控制碼率算法

靳雁霞,馬光遠,雷海衛

(中北大學 計算機與控制工程學院, 太原 030051) (*通信作者電子郵箱867860804@qq.com)

基于DASH的混合控制碼率算法

靳雁霞,馬光遠*,雷海衛

(中北大學 計算機與控制工程學院, 太原 030051) (*通信作者電子郵箱867860804@qq.com)

針對平滑流(SF)算法在帶寬預測時存在的“毛刺”現象以及僅依靠帶寬預測而沒有緩存區控制所導致的頻繁播放停滯的問題,提出一種動態自適應混合控制碼率算法。首先,通過使用標準差來代替原SF算法中波動參數的計算,消除了預測帶寬存在的“毛刺”現象;其次,針對原SF算法存在沒有考慮緩存區狀態所帶來的頻繁播放停滯問題以及傳統緩存區控制算法存在分級困難的問題,引入一種基于緩存區容量的新型緩存區控制策略;最后,將改進SF算法與新型緩存區控制策略相結合形成混合算法來選擇視頻碼率。實驗結果表明,混合算法不但消除了原SF算法在帶寬預測中存在的毛刺現象,而且彌補了僅依靠單一算法選擇碼率的不足,使得所選碼率視頻既降低了播放停滯頻率(惡劣網絡環境下效果明顯,降低43%左右)又符合實際網絡情況,提高了用戶的觀看體驗。

基于HTTP的動態自適應流;緩存區;帶寬預測;碼率選擇;流媒體

0 引言

隨著互聯網以及移動智能終端的高速發展,多媒體服務在人們的日常生活中起到越來越大的作用[1]。但是隨著多媒體數據流量的增加和用戶要求的不斷提高,當前廣泛使用的基于用戶數據報協議(User Datagram Protocol, UDP)的實時傳輸協議/實時流傳輸協議(Real-time Transport Protocol/Real Time Stream Protocol, RTP/RTSP)存在著部署成本高、面向連接、難于穿越防火墻,以及與內容分發網絡不兼容等一系列問題[2-4],這些問題嚴重制約了流媒體技術的進一步推廣,影響用戶的觀看體驗,已經越來越不能滿足人們的需要[5-6]。

為了解決上述問題,動態圖像專家組(Moving Picture Experts Group, MPEG)聯合第三代合作伙伴計劃(3rd Generation Partnership Project, 3GPP)共同開發了新一代基于超文本傳輸協議的動態自適應流(Dynamic Adaptive Streaming Over HTTP, DASH)媒體[7-9]。但是DASH標準只對多媒體文件的切分、存儲、傳輸等內容進行了規范,對提高用戶觀看體驗的動態自適應碼率選擇算法卻沒有作具體規范說明,所以該算法成為現今的研究熱點之一[6,10-11]。

當前存在多種碼率選擇算法,比較經典的是Thang等[12]提出的基于帶寬預測的平滑流(Smooth Flow, SF)碼率選擇算法,但是該算法存在以下兩個問題：首先,當網絡帶寬發生短時劇烈變化時,其及時響應機制會導致預測帶寬出現劇烈變化(即產生“毛刺”現象),嚴重影響用戶觀看體驗；其次,該算法并沒有考慮緩存區的狀態,這極可能導致緩存區出現“溢出”,發生播放停滯。

針對上述問題,本文做了以下工作:首先，為了消除SF算法在帶寬預測上存在的毛刺現象,使用標準差的方式代替原算法對波動參數的計算,使得帶寬預測結果更加平滑;其次，為了解決SF算法不考慮緩存區狀態所導致的頻繁播放停滯,以及傳統緩存區存在的分級困難等問題,引入了一種新的緩存區管理策略;最后將該策略與預測帶寬相結合,避免了僅依靠單一算法選擇碼率的不足,使所選碼率切片既能適應實際網絡變化,又能保證流暢播放。實驗結果表明,本文算法不但能夠有效消除SF算法中由于“毛刺”現象造成的碼率選擇不平滑,而且有效降低了緩存區“溢出”的可能性,實現視頻的流暢播放,極大提高用戶觀看體驗。

1 相關工作

DASH協議綜合當前三大主流流媒體協議優點,規定了多媒體內容的切分、存儲、傳輸等規范[13-14],但對其重要的一環即動態自適應碼率選擇算法卻沒有作出具體的規范[15],現在的碼率選擇算法主要包括以下兩種:第一種是基于帶寬預測的碼率選擇算法,例如,文獻[16]提出了根據當前切片的帶寬去預測未來可利用帶寬;文獻[12]對上述方法進行了改進,提出不僅依靠當前帶寬,還要結合歷史情況的預測方法。第二種是基于緩存區容量的碼率選擇算法,例如，文獻[17]提出一種基于緩存區等級的選擇算法，文獻[3]提出了一種基于緩存區等級的改良算法。

1.1 碼率選擇算法目標

基于DASH協議的動態自適應流媒體技術在設置碼率選擇算法時按照優先級從高到低應當依次滿足以下四個要求[18]:盡量確保視頻的流暢播放;盡量減少視頻碼率的切換次數;盡量提高所選擇視頻切片的平均碼率;盡量降低視頻在開始播放時的延時。

1.2 基于帶寬預測的碼率選擇算法

其主要思想是通過對之前下載的視頻切片的帶寬進行收集處理,進而預測下載下一個切片的網絡帶寬。比較典型的是SF算法[12],該算法對網絡帶寬變化的敏感度比較高,可以比較精確地估計網絡帶寬。預測公式如下:

(1)

其中:Be(i)表示下載第i個切片的估計帶寬;Bs(i)表示第i個切片的實際下載帶寬值。Bs(i)的計算公式如下:

(2)

其中:μbit(i)為第i個切片的碼率;θ為切片持續時長,本文θ為常量2 s;tend(i)為第i個切片下載完成的時間;tstar(i)為第i切片開始下載的時間。

δ為帶寬變化系數,其取值范圍為(0,1)。當帶寬變化較大時,為了保證對網絡變化的敏感性,δ值也較大,那么估計帶寬值就越接近上一個切片的實際帶寬值,估計越準確;當帶寬變化較小時,為了保證帶寬預測值的平滑性,δ的值也較小,那么估計帶寬值就越接近歷史情況,估計值越平滑。δ的計算公式為:

(3)

其中:k和p0為特定值,為保證p與δ滿足圖1所示關系(當pgt;0.4時視為網絡帶寬波動較大,plt;0.1時視為帶寬波動較小)，這里取k=21,p0=0.2。p值的計算公式為:

(4)

p-δ符合logistic函數模型:當pgt;0.4時,δ的值趨近于1;當plt;0.1時δ值較小(δlt;0.1)。p-δ關系如圖1所示。

圖1 Logistic函數模型

在SF算法中,當帶寬屬于中長期小幅度波動時,該算法由于考慮了歷史因素的影響,可以實現對帶寬的平滑預測,減少視頻碼率的切換次數,即可以滿足1.1節第二條要求;而且當帶寬屬于長期大幅度波動時,p和δ參數可以使帶寬預測更符合實際情況,更加準確。但是從實際情況來看，該碼率自適應算法是存在缺陷的,首先,由1.1節提及的四點要求可知該算法只滿足了第二點,其他三點要求尤其是最重要的第一點在算法中并未體現,這樣會增加出現視頻播放停滯的可能性,出現用戶最不愿意看到的視頻播放停滯；其次在一些情況下第二點要求也不能很好地滿足。具體原因如下:因為無線信道受到的影響因素較多,信道不穩定、易突變,極可能由帶寬的瞬時劇烈變化導致預測帶寬發生突變,即產生“毛刺”現象。這會直接造成所選擇視頻切片碼率的短時劇烈波動,導致視頻播放出現抖動,嚴重影響客戶的觀看體驗。

1.3 傳統的基于緩存區容量控制的碼率選擇算法

其主要思想是通過將客戶端緩存區劃分為多個閾值區間,依據當前緩存區容量所處區間選擇不同碼率的視頻切片。Muller等[17]提出了一種類似算法,該算法可以根據緩存區等級設置不同的帶寬系數,系數隨著緩存區等級的增加而增加,下一個切片碼率由上一個切片的碼率和緩存區系數共同決定,如式(5)所示:

(5)

其中:r(si)表示算法選擇的碼率;bw表示切片碼率;si表示切片序號;bli表示當前緩存區切片數量所占緩存區總容量的比例。

Muller等所提算法同許多基于緩沖區的碼率選擇算法一樣,有許多共同的缺點:首先基于緩存區的碼率選擇算法完全沒有考慮實際網絡帶寬變化對所選碼率造成的影響,極易造成所選切片碼率與實際帶寬的較大差異,造成碼率頻繁切換;其次傳統的基于緩存區容量控制的碼率選擇算法其緩存區等級很難設置,等級設置過于密集會使碼率頻繁切換,設置過于稀疏又不能及時調整所選碼率,造成播放停滯。

為有效解決SF算法和傳統基于緩存區容量控制的碼率選擇算法存在的問題，并充分考慮碼率選擇目標，本文提出了一種混合控制碼率選擇算法。

2 改進算法

2.1 改進SF算法

對于SF算法中帶寬瞬時突變所帶來的“毛刺”現象,客戶并不希望所選切片碼率也隨之劇烈變化,相反,更希望設計的算法可以有效抵御這種現象,平滑預測帶寬,減少碼率的切換次數,提高用戶觀看體驗。

“毛刺”現象產生的主要原因是當網絡帶寬發生瞬時突變時,由于p僅僅依靠過去一個切片的實際帶寬與預測帶寬來決定,那么當p值發生劇烈改變時,δ也會發生較大變化,由式(1)可知預測帶寬大部分會由下載上一個切片時的實際帶寬所決定,這樣就產生了“毛刺”現象。因為p的大小決定了網絡波動的大小,因此,為了解決這種現象使預測帶寬更加平滑,本文將p的計算方法作了改變。由于標準差可以反映數據波動程度的大小,所以本文用它來計算p,即:不再依靠過去一個切片的實際帶寬與預測帶寬來決定,而是依靠過去一組帶寬數據的標準差來決定,這樣即使出現帶寬的瞬時突變,預測帶寬也會保持平滑,從而解決“毛刺”現象。

p的計算公式如式(6)所示：

(6)

其中：s(i)表示標準差；Bs(i)表示下載第i個切片的網絡帶寬。s(i)和Bs(i)的計算公式如下：

(7)

(8)

2.2 新型緩存區模型

針對傳統的緩存區控制策略存在等級劃分困難,提出了一種新型緩存區控制策略。該策略只在緩存區加入兩個“閾值”qmin和qmax:當緩存區切片數小于qmin時,存在下溢出的可能性；當切片數大于qmax時,存在上溢出的可能性。為避免由緩存區下溢導致的視頻播放停滯,同時為避免由緩存區上溢,導致的帶寬浪費,這里要盡可能保證緩存區切片數在這兩個閾值之間。

2.3 混合控制碼率選擇算法

本文算法的參數和含義如表1。

表1 算法參數及含義

由于僅使用帶寬預測的算法選擇碼率不能顧及帶緩存區的變化,僅根據緩存區容量進行碼率選擇又不能兼顧帶寬的實際情況。為了使碼率選擇算法所選碼率既能適配實際網絡帶寬情況,又可以有效減少由緩存區溢出導致的播放停滯或帶寬資源的浪費,本文提出一種混合控制碼率選擇算法,該算法將改進的SF算法與緩存區管理相結合。若第i個切片為待下載的切片,則其碼率可以根據當前緩存區所處的不同狀態并結合預測帶寬來共同選擇。第i個切片下載完成后緩存區的剩余時長公式如(9)所示：

T(tend(i))=T(tstar(i))+θ-(tend(i)-tstar(i))

(9)

(10)

將(10)代入式(9)可得:

(11)

混合控制碼率選擇算法步驟如下:

1)當T(tstar(i))lt;qmin時，緩存區的切片有用完的可能性,為確保第i個切片下載完成后緩沖區有足夠的視頻切片，必須保證T(tend(i))≥qmin，則其碼率應該滿足式(12)：

(12)

那么第i片所選取的碼率μbit(i)應該為max(μbit(1),ψ),但是由于碼率值是一系列離散值,所以在保證視頻播放流暢的前提下最終的碼率值為距離max(μbit(1),ψ)最近的小于或等于max(μbit(1),ψ)的值。

2)當T(tstar(i))gt;qmax時，緩存區有了充足的切片,繼續下載有上溢出的可能性,為了確保第i個切片下載完成后緩存區不發生上溢，必須保證T(tend(i))≤qmax,則其碼率應該滿足式(13):

(13)

這時,根據μbit(p)與ξ的關系,有以下幾種情況:

1)當μbit(p)≥ξ時,為了保證視頻畫面盡可能小的抖動,選取的碼率值應該為ξ,但是由于碼率值是一系列離散值,所以最終的碼率值為距離ξ最近的大于或等于ξ的值。

2)當μbit(p)lt;ξ時，繼續下載必定會出現緩存區上溢,為了避免這種情況發生,啟動睡眠機制,即下載會被暫停一段時間(這里暫停時間為一個切片持續時間2 s)。暫停過后重新計算緩沖區剩余的時長,繼續進行碼率判決。

3)當qminlt;T(tstar(i))lt;qmax時，緩沖區的分片數在一個最優的范圍中,碼率的取值范圍如式(14)所示。為減少碼率波動對觀看體驗造成的影響,這里讓本次請求的碼率值與上一個切片碼率值保持相同,即μbit(i)=μbit(i-1)。

(14)

3 實驗與分析

3.1 實驗環境配置與參數設置

實驗的組織結構如圖2所示,服務器使用了apache tomcat-8.0.23,運行在Windows 7(64位)系統上,對網絡環境的模擬用Dummynet網絡控制器實現；客戶端使用聯想Y-470 PC,操作系統為Windows 7(64位),CPU為2.3 GHz,2 GB RAM。

圖2 系統結構

實驗所用數據來源Big Buck Bunny,所有切片持續播放時間為2 s,實驗選用8種碼率(100 Kb/s,200 Kb/s,400 Kb/s,600 Kb/s,700 Kb/s,800 Kb/s,900 Kb/s,1 000 Kb/s)。緩存區最大時長為30 s,綜合考慮緩存區容量與切片持續時長,現將緩存區下溢閾值qmin設置為10 s,上溢閾值qmax為20 s。計算前n個切片標準差時,n的值選擇太大會降低算法對帶寬的靈敏度,導致碼率選擇發生遲滯,n值選擇太小又不能起到平滑帶寬的作用。實驗測得,n取值為5～8效果較好,這里讓n取5。為了保證實驗對比結果,本文其余參數與SF算法保持一致。

實驗分兩部分進行,第一部分比較了在帶寬發生突變時,SF算法與改進算法在帶寬預測中的不同表現,第二部分通過12次實驗比較了在不同網絡環境下(每種環境3次)本文所提算法與SF算法在播放300 s視頻過程中的平均停滯頻率。

圖3 帶寬預測

圖4 碼率選擇

3.2 算法性能分析

圖3顯示了SF算法和本文改進算法對帶寬的預測結果,從中可以看到實際帶寬在第136 s發生了短時劇烈變化,預測帶寬隨后也跟著發生了較大波動(即出現毛刺現象)；再由圖4可看到其預測帶寬的波動導致了選擇視頻碼率的劇烈變化,其主要原因是SF算法不涉及緩存區,選擇的碼率為低于預測帶寬,且距離預測帶寬最近的可用碼率值,所以才會由帶寬波動引起選擇碼率的變化。這在實際情況中會出現畫質抖動,降低用戶的觀看體驗。但是,由圖3可知本文的改進算法在帶寬發生短時突變時,預測帶寬波動較小,很好地消除了原算法存在的毛刺現象,實現了帶寬的平滑預測；而且在圖4可以看到其碼率保存不變,沒有產生波動,達到了最初目標。從圖4還可以看出，帶寬在105～117 s內發生了較長時間較大的波動,SF算法在這段時間里碼率切換頻率大于本文算法,主要原因是本文設置的緩存區會抵消部分帶寬波動對選擇碼率的影響,減少了切換頻率。

表2為沒有緩存區管理的SF算法與本文所提混合算法在不同網絡環境下對視頻播放停滯情況的比較。從表2可看出：在網絡情況良好時,兩種算法都沒有發生視頻停滯;在網絡情況一般時，選擇小碼率進行下載使得SF算法與本文算法的停滯頻率沒有太大差別；在網絡情況差時(網絡帶寬與延時都加以限制)，本文算法的視頻停滯頻率明顯低于SF算法(約降低43%)，這是由于本文算法所設置的緩存區有效抵御了網絡波動，減少了緩存區溢出次數。

表2 不同網絡環境下視頻停滯比較

4 結語

本文提出了一種基于DASH的動態自適應混合控制碼率選擇算法,該算法先對SF算法[12]進行改進,消除了原算法由于帶寬突變導致預測帶寬出現毛刺現象;其次引入了一種新型緩存區控制策略,并將帶寬預測與緩存區控制相結合,按照1.1節提到的碼率選擇算法目標的重要程度,實現了在優先保證流暢播放的前提下對實際網絡變化的跟蹤響應,最優化視頻觀看體驗。但是也應該注意到,本文算法為了保證流暢、平滑的播放效果,犧牲了對網絡變化的反應速度,使得本文算法相對于原算法在帶寬預測的精確度有所降低,這也是下一步要研究解決的問題。

References)

[1] 朱曉晨. 基于HTTP的網絡視頻傳送技術及其應用研究[D]. 南京: 南京郵電大學, 2013: 2-24. (ZHU X C. Research on technology of network video transport over HTTP and its applications[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2013: 2-24.)

[2] 夏勃. 動態自適應流媒體技術的研究與實現[D]. 北京: 中國科學院研究生院, 2014: 2-26. (XIA B. Research and implementation of dynamic adaptive streaming over HTTP [D]. Beijing: Graduate University of Chinese Academy of Sciences, 2014: 2-26.)

[3] 謝偉男. 基于DASH協議的Android平臺流媒體播控系統和質量優化[D]. 北京: 北京郵電大學, 2015: 6-47. (XIE W N. Design and implementation of DASH protocol based mobile multimedia system on Android [D]. Beijing: Beijing University of Posts and Telecommunications, 2015: 6-47.)

[4] 田苗. 基于DASH標準的具有視頻預覽功能的移動多媒體系統[D]. 北京: 北京郵電大學, 2014: 2-31. (MIAO T. DASH protocol based moblie multimedia system with video preview function[D]. Beijing: Beijing University of Posts and Telecommunications, 2014: 2-31.)

[5] 劉娟. 無線環境下DASH的性能優化研究與實現[D]. 北京: 北京郵電大學, 2013: 4-19. (LIU J. Research and implementation of DASH performance optimization in wireless[D]. Beijing: Beijing University of Posts and Telecommunications, 2013: 4-19.)

[6] 李志峰. 基于MPEG-DASH標準的流媒體服務器搭建和播控優化[D]. 北京: 北京郵電大學, 2014: 12-51. (LI Z F. The set-up of streaming media server based on MPEG-DASH standard and broadcast control optimization[D]. Beijing: Beijing University of Posts and Telecommunications, 2014: 12-51.)

[7] ZHOU C, LIN C W, GUO Z. mDASH: a Markov decision-based rate adaptation approach for dynamic HTTP streaming[J]. IEEE Transactions on Multimedia, 2016, 18(4): 738-751.

[8] HWANG J, LEE J, YOO C. Eliminating bandwidth estimation from adaptive video streaming in wireless networks[J]. Signal Processing: Image Communication, 2016, 47: 242-251.

[9] PETRANGELI S, BOUTEN N, DEJONGHE E, et al. Design and evaluation of a DASH-compliant second screen video player for live events in mobile scenarios[C]// Proceedings of the 2015 IFIP/IEEE International Symposium on Integrated Network Management. Piscataway, NJ: IEEE, 2015.

[10] LIN Q, LIU Y, SHEN Y, et al. Bandwidth estimation of rate adaption algorithm in DASH[C]// Proceedings of the 2014 Globecom Workshops. Piscataway, NJ: IEEE, 2014: 243-247.

[11] XING M, XIANG S, CAI L. Rate adaptation strategy for video streaming over multiple wireless access networks[C]// Proceedings of the 2012 IEEE Global Communications Conference. Piscataway, NJ: IEEE, 2012: 5745-5750.

[12] THANG T C, HO Q D, KANG J W, et al. Adaptive streaming of audiovisual content using MPEG DASH[J]. IEEE Transactions on Consumer Electronics, 2012, 58(1): 78-85.

[13] ROMERO L R. A dynamic adaptive HTTP streaming video service for Google Android[EB/OL]. [2017- 01- 10]. http://www.diva-portal.org/smash/get/diva2: 507848/fulltext01.

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

[15] LI Y, WANG Y, WANG S, et al. An adaptative bitrate algorithm for DASH[C]// Proceedings of the 2016 IEEE International Conference on Multimedia amp; Expo Workshops. Washington, DC: IEEE Computer Society, 2016: 1-4.

[16] LIU C, BOUAZIZI I, GABBOUJ M. Rate adaptation for adaptive HTTP streaming[C]// MMSys 2011: Proceedings of the Second Annual ACM Conference on Multimedia Systems. New York: ACM, 2011: 169-174.

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

[18] 丁雪瑤. 基于DASH協議的自適應流媒體傳輸系統研究[D]. 北京: 北京郵電大學, 2013: 7-21. (DING X Y. The study of adaptive streaming system based on the DASH protocol[D]. Beijing: Beijing University of Posts and Telecommunications, 2013: 7-21.)

HybridcontrolratealgorithmbasedondynamicadaptivestreamingoverHTTPprotocol

JIN Yanxia, MA Guangyuan*, LEI Haiwei

(SchoolofComputerScienceandControlEngineering,NorthUniversityofChina,TaiyuanShanxi030051,China)

Concerning the problem that Smooth Flow (SF) algorithm in bandwidth prediction has flash phenomenon and frequent play stagnation caused by bandwidth prediction without cache control, a dynamic adaptive hybrid rate control algorithm was proposed. First of all, calculation of fluctuation parameter in original SF algorithm was replaced by standard deviation, which can eliminate the flash phenomenon. Secondly, for the original SF algorithm, there is frequent play stagnation problem because the bandwidth prediction does not consider the cache state, at the same time, the traditional cache control method has problem with hierarchical difficulties, a new cache control strategy was intoduced to solve these problems. Finally, the improved SF algorithm was combined with the new cache control strategy to form a hybrid algorithm to select the video bitrate. The experimental results show that the hybrid algorithm not only eliminates the flash phenomenon of SF algorithm in bandwidth prediction, but also overcomes the shortcoming of selecting bit rate by only single algorithm; the selected video not only reduces the frequency of play stagnation (the frequency was significantly decreased by about 43% under bad network environment), but also obey the actual network situation, improving the users’ viewing experience.

Dynamic Adaptive Streaming over HTTP (DASH); buffer; bandwidth forecast;bitrate choice; streaming media

2017- 05- 03;

2017- 07- 06。

國家自然科學基金資助項目(61379080)。

靳雁霞(1973—),女,山西太原人,副教授,博士,CCF會員,主要研究方向:虛擬現實、優化算法; 馬光遠(1992—),男,山西大同人,碩士研究生,主要研究方向:視頻編碼、視頻傳輸; 雷海衛(1980—),男,河北定州人,講師,博士研究生,主要研究方向:視頻信號處理、3D視頻編碼。

1001- 9081(2017)10- 2907- 05

10.11772/j.issn.1001- 9081.2017.10.2907

TP391.41

A

This work is partially supported by the National Natural Science Foundation of China (61379080).

JINYanxia, born in 1973, Ph. D., associate professor. Her research interests include virtual reality, optimization algorithm.

MAGuangyuan, born in 1992, M. S. candidate. His research interests include video coding and video transmission.

LEIHaiwei, born in 1980, Ph. D. candidate, lecturer. His research interests include video signal processing, 3D video coding.