新一代融合媒體網絡架構

張文軍，管云峰，何大治，陳智勇，宋利，徐異凌，夏斌

（上海交通大學未來媒體網絡協同創新中心，上海 200240）

1 引言

智能終端的迅速普及使媒體的呈現形式越來越多樣化，面對靈活多樣的媒體信息，未來的媒體網絡將面臨前所未有的挑戰。媒體形式已從傳統的文本、音頻、圖片、視頻過渡到數據量更高的高清（HD,high definition）、超高清（UHD,ultra high definition）視頻等。與此同時，能給用戶帶來沉浸式體驗的3D 視頻、虛擬現實（VR,virtual reality）、增強現實（AR,augmented reality）等媒體業務正快速融入人們的生活。據預測，從2016—2021 年，移動視頻流量將增長9 倍，占據移動數據流量總量的78%[1]。如此巨大的媒體信息流量對下一代媒體網絡的負載能力、靈活性、可控性、交互性都提出了更高的要求[2]。

媒體業務的重要驅動力是不斷提升用戶體驗（QoE,quality of experience），涉及媒體數據的表示、生產、分發、呈現等全鏈路。以超高清視頻為例[3-4]，其數據表達和呈現范圍在分辨率、動態范圍、幀速率、量化和色域5 個方面都做了擴展，如圖1 所示。超高清視頻的分辨率以4K 起步，邁向8K，支持在大屏上展示更清晰的圖像細節；而高幀率（100 frame/s 或120 frame/s）則帶給用戶更流暢的觀影體驗。高動態和寬色域組合（HDR&WCG,high dynamic range &wide color gamut）能提供更加豐富的亮度、層次和色彩表現力，并將單像素量化深度從8 bit 擴展到10～12 bit。因此，從高清提升至超高清，單一視頻數據量將增加約10～50 倍，這無疑給生產和分發環節帶來巨大挑戰。

視頻編碼技術作為應對上述挑戰的重要方式，經歷MPEG-2、H.264/AVS、HEVC/AVS2 三代標準的發展，壓縮性能基本遵循倍指數規律（即壓縮比上一代翻倍）。最新的編碼標準 AV1、AVS3、VVC 等也并未突破這一規律，考慮到實現復雜度，壓縮性能的提升將更不明顯，因此，單純依靠壓縮技術的進步難以匹配數據量的快速增長[5-6]。

另一方面，新型媒體交互技術如虛擬現實、增強現實、自由視、點云、光場、全息等的發展，帶來了提升QoE 的新維度——沉浸性與交互性。虛擬現實視頻通過頭戴設備，為用戶提供360°沉浸式觀看體驗，在體育賽事直播、游戲等場景中帶來身臨其境的感受。增強現實通過智能眼鏡，實現遠程手術、在線示教等，為用戶帶來直觀的增強體驗。自由視、點云、光場和全息則進一步提升交互的自由度，實現對現實世界的三維重現和六自由度觀察。參照GSMA Intelligence 對不同應用場景下“帶寬-時延”需求坐標圖[7]，按照沉浸性和交互性的維度劃分，將當前和未來主要的視頻服務形態映射到不同的位置，如圖2 所示。沿著沉浸式維度演進，媒體表示的數據量激增，對網絡提出了高通量的傳輸需求；視頻服務也從弱交互走向強交互，必然需要傳輸網絡提供超低時延保障。從媒體服務的視角出發，綜合考慮承載網絡的演進特點，提出“基本視頻”和“增強視頻”的概念，將現有廣播網和通信網能夠提供較好QoE 保障的視頻類服務（如圖2 中虛線框所示）歸為基本視頻；而將包括超高清、自由視、點云、VR/AR 等的新媒體服務歸為增強視頻。這種服務分級的概念與 IP 網絡區分服務DiffServ）、5G 網絡切片相適配，也考慮到增強類服務部署的性價比和前向兼容性。在媒體網絡演進的過程中，通過融合、優化現有媒體網絡資源，在充分保障基本視頻服務體驗的基礎上，開展增強視頻的試驗和部署。

圖1 與視頻質量相關的因素

圖2 按沉浸性和交互性的強弱，將視頻服務分為“基本視頻”和“增強視頻”

進一步提升QoE 還需從媒體內容本身考慮，這將提出“智能化”新需求[8]。一方面，通過人工智能技術實現用戶畫像和行為分析，為不同用戶提供定制個性化內容，實現“千人千影”觀看體驗。另一方面，通過內容感知和智能關聯，不斷豐富媒體中的元數據，提升交互維度，支持用戶多種模態地與媒體內容進行實時互動，實現全新的觀看體驗。

綜上所述，未來融合媒體服務提出了更高的QoE 需求，驅動承載媒體服務的網絡不斷演進，走向高通量、強交互、低時延和智能化的新業態。本文首先回顧媒體網絡發展已有的2 個階段（獨立演進和初步融合），重點論述了應用場景、業務需求和關鍵技術。進而提出了具備“物理層全覆蓋、協議層全融合、通信計算全協同”特性的新一代融合媒體網絡架構。

2 媒體網絡1.0：獨立演進

從20 世紀90 年代開始，數字電視廣播首先成為提供大范圍視頻媒體服的主要方式。數字電視廣播系統大致可以分為“臺”“網”和“端”3 個部分，如圖3 所示。

“臺”主要是指電視臺和信息服務提供商，通過攝/錄像機、后期制作、編碼器和復用器組成視頻服務器或者直播服務器，為觀眾提供錄制/直播電視節目。“網”承擔著內容傳輸和網絡控制的功能，通過將電視節目進行數據的封裝和復用后映射到實際的物理幀，結合實際的網絡傳輸手段（有線、無線和衛星）實現電視節目的分發傳輸。“端”主要是通過電視機和機頂盒，將網絡傳輸的電視節目呈現給觀眾。數字電視廣播網絡的主要特點是可以通過單頻組網實現信息的大范圍播發，但無法進行雙向交互，所以其網絡架構更注重提高傳輸效率和服務品質。

圖3 數字電視廣播網系統架構

從21 世紀開始，移動通信網絡開始逐步提供視頻服務，其網絡架構主要由信號源、骨干網、傳輸網（包括核心網和接入網）和智能終端組成。為了更好地應對大流量的視頻服務，4G 網絡架構在以下幾個方面進行改進：1)實現全面分組化，所有業務由分組域實現，數據傳輸速率得到提升；2)簡化網絡設備，基站eNode B 直接與核心網直連，信息轉發效率得到改善；3)數據全IP 化，模塊接口相互統一，不同網絡融合成為可能。

在即將到來的5G 移動通信網中，由于基站的小型化、部署的密集化，接入網將采用C-RAN 等新型架構；核心網也會引入SDN、NFV 來進一步提高靈活性，以實現控制平面和用戶平面分離、硬件和軟件解耦、網絡切片等特性[9]，可以為用戶提供更大容量、更低時延和更多連接的視頻服務。總的來說，與數字電視廣播相比，移動通信的網絡架構更注重提高靈活性和個性化，如圖4 所示。

過去20 年，數字電視廣播和移動通信都積累了大量特定的技術，實現了大范圍的實際網絡部署，為用戶提供了媒體服務。但2 種網絡始終都在獨立和并行地發展，因其應用需求的差異，數字電視廣播和移動通信在網絡容量、覆蓋面、數據速率、移動性支持等方面有較大差異。

3 媒體網絡2.0：初步融合

隨著視頻內容流量呈指數級增長與網絡傳輸需求、用戶終端的多元化，傳統媒體網絡的獨立并行發展模式已不能滿足用戶對于內容的高通量及個性化消費要求。融合媒體網絡，綜合利用廣播和寬帶網的優勢，成為實現數據高效傳輸、滿足用戶泛在化消費需求的有效途徑：無線廣播網擁有較高并且穩定的傳輸帶寬，可推送高碼率視頻；移動通信網可以根據用戶請求的方式來發送，使用戶得以獲取定制化內容[10]。這種直接利用廣播與移動網絡各自傳輸優勢的網絡融合嘗試，被稱為媒體網絡2.0。

過去5 年，網絡融合在協議層實現了突破，在沒有改變廣播與寬帶各自傳輸層架構的條件下實現了業務上的融合，即用戶能夠在點播各種網絡視頻的同時也能享受高質量廣播服務[11]。以歐洲為代表的數字電視運營商，以“電視”向“互聯網”靠攏為宗旨，從數字電視運營中發展增值業務，并推出基于中間件平臺兼容互聯網（寬帶）架構的雙模業務系統——HbbTV[12]，綜合增強互動電視業務的信令設計、傳輸方式和呈現機制，實現了廣播服務與寬帶數據業務的無縫封裝。但其缺少對多終端服務的支持，無法解決多終端、多網絡之間呈現同步的問題，在一定程度上影響了媒體服務的質量。Google公司在互聯網瀏覽器架構上形成了GoogleTV[13]，整合了計算機系統、媒體播放與網絡應用，但其沒有支持廣播通道的數字電視協議，難以被數字電視運營商接收并用來開展增值業務。

為了更好地綜合利用廣播和寬帶網各自的優勢，實現多網協同傳輸，為用戶提供更加靈活高效的媒體服務，設計更具兼容性和靈活性協議層成為實現網絡融合的首要目標。新一代的智能媒體傳輸（SMT,smart media transport）系統能夠實現廣播與寬帶網媒體資源協同傳輸與呈現[14]，如圖5 所示。首先，針對不同網絡媒體封裝格式不統一，采用融合網絡數據模型，對媒體內容的碎片化處理，進行多源媒體統一封裝，實現了多組件內容的靈活存儲與傳輸。然后，針對單向和雙向通道，傳輸模型可以高效響應服務內容的動態配置，實現了內容組件間無縫切換。最后，針對多終端多源內容同步呈現場景，呈現模型能夠按照信令信息來組合媒體服務，一方面提供媒體數據在終端正確解碼處理的提示信息，另一方面在空間布置和時域更新上為不同終端提供媒體呈現策略，實現多源內容在多終端上的靈活組織與精準同步。

圖4 移動通信網系統架構

圖5 SMT 與HbbTV 的系統對比

隨著融合網絡標準化工作的發展和各項應用的成功落地，融合網絡為用戶提供了大流量、可交互、低時延視頻服務，但其在有效利用帶寬、合理分配網絡資源等方面還存在局限性，因此需要發展進一步的網絡融合技術。

4 媒體網絡3.0：全面融合

媒體網絡2.0 實現了無線廣播網和移動通信網在協議層面上的初步融合，提供了以連接和交互為目標的高效媒體服務。隨著新一輪移動信息浪潮的到來，媒體內容多樣化、媒體平臺復雜化及媒體呈現多元化，媒體網絡產業迫切需求打造廣播與蜂窩、信息和網絡全面深度融合的新型網絡架構，如圖6 所示，此為媒體網絡3.0。

4.1 物理層全覆蓋

圖6 廣播與蜂窩全面融合的網絡架構

利用已有地面無線廣播網和移動通信蜂窩網進行協同覆蓋是實現信號全覆蓋的主要途徑。基于基站的演進型多媒體廣播/多播業務（eMBMS,evolved multimedia broadcast multicast service）已經在3GPP 中得到制定，該方案可以對抗200 μs 長度的多徑，站間距達到60 km，能夠與現有地面廣播形成協同覆蓋。目前基于eMBMS 有3 個方向的全覆蓋研究[15]：1)Reimers 教授提出的Tower Overlay方式[16]，在不影響傳統廣播電視的前提下，利用DVB-T2 的擴展幀來發射eMBMS 廣播信號實現大范圍集中廣播業務的流量分擔[17]；2)我國提出的先進交互式廣播（AIB,advanced interactive broadcasting）[18-19]方案和歐洲的5G-Xcast 項目[20]，都在圍繞多小區的混合廣播（MC-MM,multi-cell mix mode）進行研究，即根據需求，靈活利用地面廣播、eMBMS 的基站廣播和單小區廣播（SC-PTM,single cell point to multipoint）進行混合廣播；3)羅德與施瓦茨公司參與的5G-Today 項目，專注于eMBMS方案的參數改進和實現，即進一步演進的多媒體廣播多播業務（FeMBMS,further evolved multimedia broadcast multicast service）[21]。在上述研究中，基于混合廣播的技術研究成果最為期待，該技術將實現真正意義上的信號全覆蓋。

除了信號全覆蓋外，還需要構建物理層的網絡全覆蓋。當前移動網絡中傳播內容與傳輸網絡之間耦合關系較弱，媒體網絡3.0 需要充分挖掘兩者之間的內在屬性，重新組織和設計適配內容的網絡傳輸方式。一方面，媒體內容具有高度的分集特征，如聚集性、模塊化、時效性等，在同等比特信息下給用戶群體帶來的價值不盡相同。另一方面，多元格局下的無線網絡在傳輸形態（如蜂窩、廣播、Wi-Fi等）、存儲能力、計算能力及復雜度上都存在巨大差異。所涉及的媒體網絡3.0 架構（如圖6 所示），通過對媒體內容特征的解析，利用無線網絡基礎設施的異構多集優勢，協同邊緣存儲與計算資源對媒體內容的差異化分流及管理，實現媒體內容與傳輸網絡的適配，并最終獲得內容傳播效率質的突破。

4.2 協議層全融合

協議層全融合目的是在包容異構性的基礎上實現統一、高效的通信服務，以節省開支并充分利用現有的網絡資源。融合網絡系統與現有的通信系統相比，支持的業務更加多樣化，通過多種接入技術并存、協同工作，支持終端移動性，提供可信任有保障的服務，實現多種網絡接入技術的無縫切換與漫游。這對協議層全融合提出了更高的要求。在協議棧的各個層次，各種接入網絡存在差異，協議層融合必須解決網絡各個層次的差異性問題。當多種接入網絡共存時，通過統一的承載協議完成各種接入網絡之間的信息共享和資源的協同管理，提供高質量保障的服務。

因此，媒體網絡3.0 架構需要建立支持媒體內容提供者與網絡運營者之間的動態協商機制，實現多元融合網絡資源的有效控制，支持多種網絡協議，實現多業務協同傳播。進一步地，在包容異構性的基礎上發揮各無線接入技術的獨特優勢，實現協同配置和高效利用并重。

協議層全融合應采用開放的分層式架構。為適應高速數據處理并支持多通信接入技術并存下的復雜控制，協議層全融合需要支持數據處理功能與控制功能分離。數據處理功能在原有應用層、傳輸層、網絡層、鏈路層及物理層的基礎上，增加了網絡通信聚合功能并提升網絡通信效能，如圖7 所示。

圖7 協議層全融合架構

為了實現異構網絡的融合傳輸，需要設計統一的應用層傳輸協議。該協議需具有以內容為核心的通用封裝單元，獨立可解、靈活關聯，并設計相關信令和控制機制，以實現新媒體多源元素的靈活組合、協同傳輸、精準呈現。同時，在鏈路層增加上層協議與下層技術的通信接口，對底層不同的接入技術進行統一的標準化封裝，為上層提供統一的接口，對異構網絡資源進行統一的管理。與傳統單一網絡系統相比，異構網絡中的資源不僅包括頻譜，還包括信道編碼、發射功率、連接模式等，為此需要針對異構網絡設計有效的資源管理方式，目前較為成功的有聯合無線資源管理和多無線資源管理2種方法。由于異構網絡融合，端到端的服務不僅會跨越不同的網絡、采用不同的接入技術，而且不同網絡的QoS 支持能力與QoS 控制策略可能無法在服務發起前獲知，因此，QoS 管理需要提供基于IP的QoS 協商機制，不同網絡的QoS 信息能夠在同一體系中被表示與計算，并引入跨層的反饋交互機制，最終實現自適應的端到端QoS 保證。最后，針對融合網絡的最優網絡接入問題，許多研究者提出了隨機接入、高帶寬優先接入等接入管理算法，但這些算法只考慮用戶端或總體網絡容量，缺乏對異構資源影響的考慮。網絡接入管理算法需要細致分析異構網絡環境中網絡選擇的需求和特點，從多層協調的思想出發研究相應的數據信息模型。由于受各異構網絡特征的影響，需要引入多目標決策理論，在有限資源的限制條件下找到一種平衡方案。

4.3 通信計算全協同

媒體網絡2.0 之前依靠通信擴容手段來滿足多元化移動媒體內容流量的爆炸式增長。受香農容量的限制，通信擴容的步伐越來越慢，所需成本越來越高。借助于媒體內容對帶寬、計算與存儲高需求屬性，媒體網絡3.0 通過基于通信與計算的深度融合，突破傳統的容量擴展模式，運用分布全網的多元、彈性計算和存儲資源，通過“以計算和存儲換帶寬”的架構設計，突破海量媒體內容移動傳播的瓶頸，進一步釋放媒體網絡通信潛能，提供可持續增長的承載能力[22-23]。

因此，通信與計算全協同是媒體網絡3.0 的核心功能。如圖8 所示，移動邊緣計算（MEC,mobile edge computing）將計算和存儲功能從云端下沉到移動邊緣側，通過通信、計算和存儲三域資源的高效協同和配置，為高效廣域協同媒體內容分發與傳輸提供更好的支持。具體來說，邊緣內容緩存技術極大地降低了內容源節點與用戶節點間的連接限制，通過挖掘內容屬性和用戶行為特征，支持動態地將內容緩存到網絡中的指定位置，賦予了媒體網絡3.0進行內容分發更大的自由度，對解決網絡密集化所遇到的內容回源、冗余傳輸、干擾管理等問題具有巨大優勢。邊緣媒體計算可以將媒體內容下沉到網絡邊緣節點及終端設備，通過云、邊緣和終端計算資源的協同，可以大幅度降低無線帶寬需求，同時滿足用戶服務質量需求。

在滿足8K 超高清、VR/AR 等對帶寬和計算資源均消耗巨大的增強視頻服務方面，通信與計算全協同技術潛力巨大。以VR 視頻為例，在保證端到端傳輸時延的基礎上，利用基站和終端協同計算能力可以顯著降低移動VR 視頻傳輸所需帶寬。如圖9所示，相對于VR 視頻在基站邊緣完成渲染后傳輸到終端的機制，將VR 視頻部分渲染任務卸載到終端，即基站與終端協同渲染的機制，可以節省大量的無線帶寬需求。仿真計算表明，在主頻為3 GHz的計算終端上，協同機制帶來67%的帶寬增益，即從260 MHz 帶寬消耗降低到85 MHz 帶寬消耗。該仿真結果表明了通信計算全協同在緩解媒體網絡空口流量壓力方面的巨大潛能。

圖8 基于MEC 的融合網絡架構

圖9 基站與終端協同計算能力換取通信帶寬需求性能

綜合上述物理層全覆蓋、協議層全融合和通信計算全協同，可以描繪出融合媒體網絡3.0 下媒體內容分發的未來圖景：富媒體節目由多個關聯的內容模塊組成，各內容模塊帶有流行度、時效性等屬性標簽；當用戶發起觀看請求，媒體網絡3.0 自動地完成內容模塊與網絡傳輸的適配，將流行度高的內容通過廣播或多播推送，個性化的內容通過單播方式傳送，并支持已被緩存的內容在用戶間通過Wi-Fi/D2D 進行分享；用戶無縫地接收來自不同傳輸通道的多個內容模塊，在終端上完成按需組裝及同步呈現。

5 結束語

提供高質量的融合媒體服務對現有的無線廣播網和移動通信網提出新的挑戰，數字廣播和移動通信的全面深度融合是有效的解決之道。通過物理層全覆蓋、協議層全融合和通信計算全協同，將有效發揮無線廣播網與移動通信網的各自優勢，構建面向融合媒體的新一代媒體網絡。

此外，通過與不斷發展的人工智能技術相結合，新一代融合媒體網絡將進一步演化為服務所定義的網絡，具備“內容感知網絡、網絡適配內容”的新型媒體網絡服務能力。