基于數據流量的碼率自適應方法概述

黃浩銘 鄭瀅 王博 王興辰

北方工業大學 北京 100144

引言

隨著越來越多的人習慣于通過移動視頻獲取和共享信息，移動視頻流量已經占據了移動網絡流量的一大部分。然而，通過無線網絡傳輸高質量的流媒體視頻仍極具挑戰性。在5G時代，數據風暴正在加劇，相比4G的價格，5G移動視頻的數據成本不可忽略。提升移動視頻QoE的一個流行技術是碼率自適應(ABR)[1]技術。ABR的基本思想是，在播放過程中用戶應該主動調整視頻碼率，使之與實時網絡條件相適應，從而減少因為視頻碼率與網絡條件之間的不匹配造成的播放卡頓。因此，更智能的ABR算法需要考慮比特率調整中的流量約束，在用戶指定的可承受流量范圍內提高移動視頻QoE。為解決上述問題，本文考慮了一種基于數據流量的碼率自適應算法。為此，我們首先分析不同碼率切換和流量消耗對移動視頻QoE的影響，給出流量感知的QoE預測模型；其次，提出一種基于數據流量的碼率自適應策略；該策略以可承受交通為約束；最后，通過仿真實驗將本文算法與經典ABR算法進行比較，驗證了本文算法的有效性。

1 QoE建模

根據用戶指定的流量限制與剩余視頻長度，可以計算出下載剩余視頻的平均碼率R。 我們計算第j個視頻片段在t時刻的QoE得分如下：

其中，α，β，μ是控制不同QoE因素重要性的權重值。S(j)反映了碼率切換的影響，為平均視頻碼率，I(t)是一個0-1變量，表示下一個視頻塊的下載是否會使流量超出指定值，超出則取0。我們將以最大化QoEMem(j, t)為選擇下一個視頻碼率的目標。

2 基于數據流量的碼率自適應方法

現有的ABR算法忽視了移動數據流量的成本，本文提出一種混合自適應碼率選擇算法，可以根據當前的網絡和流量使用情況來優化QoEMem(j, t)。

為了使ABR算法盡可能地貼合移動視頻用戶的需求，自適應的目標函數如下：

其中，T為用戶指定的流量限制，traffic截至目前下載視頻所用的總流量。

本文通過增強學習模型來進行碼率的選擇，并利用“Actor-Critic”技術[2]來訓練模型。在基于數據流量的ABR系統中，當前網絡狀態、視頻源、視頻播放器、數據流量限制將作為增強學習模型的環境；由深度學習網絡組成碼率自適應選擇的代理，其能夠隨時間積累慢慢優化，從而做出最優的行為；環境信息將作為狀態st(t)傳遞給代理，使代理做出碼率選擇決策。我們以QoEMem(j, t)作為增強學習模型的激勵函數。當前碼率選擇作用在當前環境后（即改變碼率），將會產生新的狀態st(t+1)，在新狀態下獲得的QoE指標被輸入到激勵函數，作為模型參數更新的依據。

3 傳輸性能比對

仿真結果表明，在600秒的視頻播放過程中，本文方法的碼率切換次數最小。由于本文方法可以根據網絡條件和流量約束更快速地調整視頻碼率，對環境變化更敏感。此外，我們將碼率分為五個等級，并計算了各ABR方法下載視頻塊時不同碼率的占比。本文方法主要有三個碼率等級其中占比較高，具有良好的穩定性。而其他ABR方法則涵蓋了五個等級。

4 結束語

為了在給定的數據流量范圍內，提供更優的觀看體驗，本文首先定義了QoE模型，特別考慮了流量消耗對QoE的影響。其次，提出了一種基于數據流量的碼率自適應算法，并采用增強學習求解。最后，通過仿真實驗驗證了本文算法的敏銳性和穩定性。