基于DASH技術(shù)的評(píng)價(jià)模型與自適應(yīng)算法的研究.pdf

1、近年來(lái)，隨著人們對(duì)流媒體的業(yè)務(wù)需求的不斷增長(zhǎng)，現(xiàn)有的網(wǎng)絡(luò)帶寬環(huán)境已經(jīng)遠(yuǎn)遠(yuǎn)不足以維持所有的視頻都能以高質(zhì)量或無(wú)再緩沖的狀態(tài)播放。因此，如何有效利用可用帶寬來(lái)最大限度地解決視頻在緩沖現(xiàn)象并提高用戶對(duì)流媒體業(yè)務(wù)的QoE成為了研究熱點(diǎn)。
　　DASH(Dynamic Adaptive Streaming over HTTP)技術(shù)提出的目的在于在充分利用網(wǎng)絡(luò)中可用的帶寬，為用戶帶來(lái)了更優(yōu)質(zhì)流媒體業(yè)務(wù)質(zhì)量體驗(yàn)。因而，對(duì)在DASH技術(shù)中處于核心

2、部分的自適應(yīng)算法進(jìn)行優(yōu)化和改進(jìn)，并且建立有效準(zhǔn)確的DASH業(yè)務(wù)QoE評(píng)價(jià)模型，對(duì)DASH技術(shù)的發(fā)展和提升具有重要意義。本文對(duì)影響DASH業(yè)務(wù)QoE的因素進(jìn)行了主觀測(cè)試分析，并根據(jù)分析的結(jié)果提出了一種基于BPNN的DASH業(yè)務(wù)評(píng)價(jià)模型。針對(duì)目前DASH碼率自適應(yīng)算法存在的問(wèn)題，提出了一種基于客戶端緩沖區(qū)狀態(tài)的碼率切換改進(jìn)算法。本文主要的研究點(diǎn)和創(chuàng)新點(diǎn)主要如下:
　　(1)針對(duì)目前傳統(tǒng)流媒體業(yè)務(wù)的QoE評(píng)價(jià)模型不適用于DASH業(yè)務(wù)評(píng)價(jià)

3、模型的問(wèn)題，提出了一種基于反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)的DASH業(yè)務(wù)QoE評(píng)價(jià)模型。本文首先對(duì)DASH業(yè)務(wù)進(jìn)行了大量的主觀測(cè)試以獲取用戶對(duì)當(dāng)前播放視頻的平均得分，然后通過(guò)二值方差法確定影響DASH業(yè)務(wù)的幾個(gè)關(guān)鍵因素。最后，基于這幾個(gè)關(guān)鍵因素，通過(guò)BPNN對(duì)樣本學(xué)習(xí)并不斷修正權(quán)值來(lái)最終確定這些關(guān)鍵因素對(duì)DASH業(yè)務(wù)QoE的影響權(quán)值。實(shí)驗(yàn)結(jié)果表明，該評(píng)價(jià)模型能較好地根據(jù)用戶觀看視頻時(shí)幾個(gè)關(guān)鍵因素的數(shù)值來(lái)預(yù)測(cè)用戶的QoE，預(yù)測(cè)結(jié)果和實(shí)際值的誤

4、差在可接受范圍以內(nèi)。
　　(2)針對(duì)目前DASH技術(shù)亟需解決的降低視頻播放的初始延遲、提高視頻的平均質(zhì)量、減少視頻出現(xiàn)再緩沖的次數(shù)和持續(xù)時(shí)間、減少不同質(zhì)量視頻之間的切換頻率等問(wèn)題，提出了一種基于QoE友好的碼率自適應(yīng)算法。在該算法中，通過(guò)設(shè)計(jì)一種以最低碼率的視頻片段為初始播放文件方法來(lái)降低視頻的初始延遲;通過(guò)設(shè)計(jì)一種快速啟動(dòng)算法實(shí)現(xiàn)在當(dāng)前帶寬環(huán)境滿足的情況下盡快地提高視頻碼率;通過(guò)將視頻轉(zhuǎn)換成多個(gè)碼率的視頻，使之在網(wǎng)絡(luò)平均帶寬大于

5、最低的碼率視頻情況下不會(huì)出現(xiàn)視頻再緩沖的現(xiàn)象，保證了在最低初始延遲情況下能提高視頻的平均質(zhì)量;通過(guò)判斷當(dāng)前緩沖狀態(tài)和一段時(shí)間內(nèi)的平均帶寬來(lái)決定是否切換視頻碼率，有效地降低了碼率的平均切換次數(shù)。實(shí)驗(yàn)結(jié)果表明，該算法能在保證視頻的平均質(zhì)量基礎(chǔ)上盡可能地降低視頻出現(xiàn)再緩沖和不同質(zhì)量視頻之間的切換頻率，并能有效提高用戶對(duì)DASH業(yè)務(wù)QoE。
　　本文提出的基于BPNN的DASH業(yè)務(wù)QoE評(píng)價(jià)模型和基于客戶端緩沖區(qū)的改進(jìn)自適應(yīng)算法都是從影響