自适应视频流媒体理论控制模型论文理解-视频MPC

1、自适应网络流驱动模型

QoE：用户体验

Throughput：网络吞吐量，某一个时刻可以看作为网络带宽

Buffer：缓存占用

Bitrate Controller：码率控制

2、几个概念

• 自适应网络流的优化方法分为三个大的方向：Client-side，Server-side，Network

• 自适应视频流的目标

  The goal of an adaptive video player is to choose the bitrate level for future chunks to deliver the highest possible QoE; e.g., maximizing bitrate while minimizing the likelihood of rebuffering and avoiding too many bitrate switches

  在最大码率的同时最小化二次缓冲可能性和码率切换的约束下，选择合适码率的视频，来尽可能的提高用户的体验

• 在最大码率的同时最小化二次缓冲可能性和码率切换的约束下，选择合适码率的视频，构成了Bitrate Controller的行为

   

3、为了算法的实现，我们需要对上述过程中的几个重要概念进行抽象和量化

抽象下载过程

 

: 开始下载第个chunk时buffer 占用情况 。

: 下载第个chunk的时间 。

:下载第个chunk的码率。

:以码率下载第个chunk时的大小

:下载第个chunk时的网络吞吐量，即带宽

:下载完第个chunk等待时间后开始第 个chunk的下载

:为第个chunk的下载时间

 

• 量化用户体验

在所有过程中，如何量化用户体验时一个比较困难且必须的过程，因为用户体验是优化算法的优化方向，也是算法优略的指标。

在这里我们明确几个概念：

1、在我们的优化范围内，理想情况下的用户体验：本地播放最合适码率的视频（在特定的设备上，高码率并不一定能带来很高的体验优化）

2、一次播放行为中序列是已知的，那么理想视频的平均质量：,其中 是码率的第个chunk的视频质量

3、平均切换质量：

4、缓冲时间：,其中为,保证为非负

5、启动延时 ，假设：, 为最大可利用的缓存

6、用户的质量为： ,我们的目标是：

4、MPC算法的实践

借用作者的话，MPC并不一定是最好的途径，但是它天然的具有处理视频流自适应的能力。

作者对MPC算法的应用经历了三个过程：基本MPC工作流 -- robustMPC（提高了健壮性） -- FastMPC（优化了算法速度性能）

在介绍算法前定义一个公式：

, 其中为预测网速（在该论文中作者没有关注预测算法的设计，基于一个“已有预测器”的假设），为下载第个chunk是的码率

可以看到预测输入考虑的是1、当前的 buffer情况，2、预测带宽，3、以往码率三个因素

在实际的算法中，没有必要观测以往的所有码率，这里只考虑过往的一个码率，网速的预测也不对所有过往的网速进行观测，仅观测过往的个

算法流程

 

论文原文链接：https://download.****.net/download/hongye_main/12753739