决策树码率自适应算法的无数据蒸馏框架

码率自适应(Adaptive Bit-Rate,ABR)算法是流媒体视频传输中至关重要的技术.该算法根据当前网络情况和播放状态等因素,为下一个视频块选择合适的码率,以确保用户获得良好的体验质量(QoE).其中,基于学习的ABR算法因其不依赖传统模型和从头学习策略的特点,表现出良好的性能,并逐渐取代需要繁琐调优的启发式ABR算法,成为研究领域的热点.然而,这些算法使用神经网络推理,导致模型参数较多,整体计算量较大,使得在实际场景中难以部署.因此,以往的研究提出了决策树蒸馏方案,即使用轻量级的决策树来提取基于学习的ABR算法的专家策略,并在线上部署这些决策树.然而,本文的实验结果表明,过去的蒸馏框架忽略了训练环境对蒸馏后策略的影响,导致策略的泛化能力较差.因此,本文提出了一种名为NIA(data-free Network-environmental Imitationbased rate Adaptation framework)的新型无数据蒸馏框架,用于生成具有更好泛化性能的决策树A BR算法.NIA通过网络环境生成模块构建多个人工网络环境,并在每次迭代训练前使用环境选择模块来选择适合的网络场景,然后与该场景进行交互,利用基于学生驱动的模仿学习算法完成决策树的蒸馏过程.本文还设计了完整的评测平台测试NIA的性能.实验表明,NIA在各种带宽数据集上展现出良好的QoE性能和泛化性能:(1)相较于启发式算法,在QoE指标上提升了1%~46%;(2)与以往的决策树蒸馏方案相比,在低带宽场景下表现相当,但在高带宽场景下提升了近1倍;(3)总体性能接近甚至超过基于学习的算法(即专家策略)的表现.

基于MPC的音视频同步码率自适应测试

随着信息化的发展,音视频流媒体技术应用面越来越广,为了使得音视频流媒体技术尤其是在直播方面拥有更好的性能,得到更多用户的好评,采用在原本HTTP的动态自适应流标准的视频流媒体架构下引入MPC控制算法并将MPC与码率自适应算法相结合的方法,进行对AAC优化、确定预测模型、测试音视频同步的影响因素以及PSNR-Y分量、测试切片时长与跳帧时延,计算最终的QoE用户评价指标来进一步检测音视频流媒体技术的优劣;经实验仿真测试可知,相比前人的相关算法,在不同直播场景下以及不同网络环境下均有更加良好的QoE值,平均QoE用户评价指标明显更高,为1 237.282 6;综上分析可知,MPC的音视频同步码率自适应算法各项性能最好。

基于模仿学习的决策树码率自适应算法研究

码率自适应(ABR)算法是提升流媒体服务质量的有效方法,主要分为启发式算法和基于学习的算法两类。传统的启发式算法基于固定的规则,难以应对多变的网络环境,基于深度强化学习的算法映射表达能力较好,但其鲁棒性不佳且可解释性较差。针对上述问题,提出一种基于模仿学习的决策树码率自适应算法ABRTree。针对帧级别直播传输系统设计有效的专家ABR算法,并对专家算法的时序经验数据进行离散化处理。采用分类回归树作为码率决策的基础模型,基于专家算法给出的示例数据,采用DAgger算法进行决策树的训练。在此基础上,通过剪枝操作剔除出现较少的样本,从而提升决策树模型的泛化性。实验结果表明,ABRTree在多种视频场景下均能保证画面质量,同时取得较低的端到端延时和较少的卡顿,相比BBA、HYSA和FrameMPC算法,ABRTree算法的QoE性能可以提升1.0%~29.1%,且决策树模型能够直观表达输入特征与码率决策之间的关系,具有较好的可解释性和映射表达能力。

码率自适应QC-LDPC码的研究

采用码率自适应分割和部分行合并2种方法来构造码率自适应准循环低密度奇偶校验(QC-LDPC)码,将一定码率的QC-LDPC码作为母码,得到一系列不同码率的子码。仿真结果表明,2种方法构造的码率自适应QC-LDPC码均表现出良好的性能,与基于有限几何直接构造出来的单个码率QC-LDPC;码相比,性能并没有损失。

码率自适应LDPC码删余算法

鉴于无线通信信道的时变特性,信道纠错编码必须具备码率自适应的功能.现有的分组拣选算法尽管能构造出性能优秀的码率自适应删余型LDPC码,但达到的最高删余码率受到限制.对此,该文提出一种新的删余算法-分层拣选算法,解决了最高删余码率受限的问题,使码率能够无限接近1,且适用于任意LDPC码.AWGN信道下的仿真结果表明,所提出的算法较分组拣选算法具有更好的性能.

基于强化学习的移动视频流业务码率自适应算法研究进展

近几年来,随着HTTP自适应流媒体(HAS)视频数据集和网络轨迹数据集的不断推出,强化学习、深度学习等机器学习方法被不断应用到码率自适应(ABR)算法中,通过交互学习来确定码率控制的最优策略,取得了远超过传统启发式方法的性能。在分析ABR算法研究难点的基础上,重点阐述了基于强化学习(包括深度强化学习)的ABR算法研究进展。此外,总结了代表性的HAS视频数据集和网络轨迹数据集,介绍了算法性能的评价准则,最后探讨了ABR研究目前存在的问题和未来的方向。

基于状态机的视频码率自适应算法

由于链路带宽存在随机性,已有的基于超文本传输协议的动态自适应流媒体传输技术(DASH)的码率自适应算法不能很好解决播放流畅性和视频质量之间的矛盾。为解决该问题,提出一种基于状态机的DASH(SDASH)算法,将码率切换过程用状态机进行分析与控制。首先充分考虑客户端观看体验质量(QoE)的影响因素,对影响因素进行数值分析,并设定6个码率等级状态;然后将视频码率与影响因素的数值变化之间的联系作为状态转移条件;最后在保证播放缓存和码率偏移率处于一定阈值的条件下将视频码率切换至视频质量和播放流畅性整体性能相对最佳的码率等级上。实验结果表明,该算法与基于模糊逻辑控制的码率自适应算法相比能够提高客户端请求视频的平均码率,且尽量避免出现码率骤降等情况,从而较好地平衡播放流畅性和视频质量之间的关系,提升了视频观看过程的体验质量。

基于无线网络环境移动流媒体码率自适应研究

基于校园无线网络环境,研究了流媒体视频码率自适应技术。利用分布式实时转码系统保证直播流视频转码的实时性,并根据校园无线网用户的特殊性,研究了首次接入视频码率选择策略,以减少码率切换次数。实验证明,这种方案在无线网络环境发生变化时,保证了视频播放的流畅性,为用户提供了友好的体验。

一种码率自适应信源信道联合编码系统

双LDPC码系统是新近出现的一种信源信道联合编码系统,该系统的性能虽然好但不稳定,在信源熵增加时会产生很高的误码平台。为了解决这一问题,提出了一种码率自适应双LDPC码系统,此系统采用码率自适应LDPC码作为信源码,当信源熵变化时可以灵活地调整信源码率,从而保证系统在高低不同的信源熵情况下都具有优秀、稳定的性能。仿真结果显示,在高低不同的信源熵情况下,所提出的码率自适应双LDPC码系统性能均好于传统双LDPC码系统,而且在误比特率为10-6时都没有出现误码平台。

基于RTSP的VBR多码率自适应方案探讨

VBR视频编码方式可以降低高清视频的平均码率,文章阐述了基于RTSP协议的IPTV高清视频采用VBR编码方式,如何实现用户无感知的多码率自适应需求。

面向视频流媒体直播的码率自适应算法研究

随着移动互联网技术的发展,视频流媒体直播已成为现今的热门应用。如何改善直播过程中的用户体验质量是学术界和产业界关注的焦点。码率自适应算法通过动态切换视频码率,使业务适应信道的时变特征,可以有效提升用户的体验质量。因此,研究面向流媒体直播场景的码率自适应算法具有重要意义。本文以视频流媒体直播为背景,以提高用户体验质量为目标,充分考虑业务的时延需求和传输环境特征,提出了一种基于PID控制的码率自适应算法。

基于深度强化学习的码率自适应算法研究

码率自适应(Adaptive BitRate,ABR)算法是视频客户端提高用户体验质量(Quality of Experience,QoE)的一种有效途径.针对现有ABR算法存在频繁缓冲、视频卡顿、画质较低和网络吞吐量预测不准确等问题,本文提出一种基于深度强化学习的码率自适应(Deep Reinforcement Learning based ABR,DRLA)算法.DRLA用实际网络带宽数据训练神经网络,通过收集客户端缓冲区占用率和网络吞吐量向视频服务器请求最佳码率的视频.首先,DRLA用基线函数方法优化损失函数L,用熵随机探索方法防止损失函数局部收敛;其次利用约束条件限制新旧策略的散度更新幅度提高算法的鲁棒性;最后通过置信域(trust region)优化找到最优策略,使得QoE达到最优.与现有ABR算法对比的实验结果表明:DRLA减少了训练时间,能进一步提高算法的鲁棒性和用户的QoE,并在实际环境下验证了算法的有效性.

一种基于视频分类的码率自适应算法

流媒体的码率自适应算法依据网络状态动态调节视频块的码率,提升用户体验质量,但忽略了视频类型的差异对用户体验质量的影响,导致算法性能下降。提出区分视频类型特征的码率选择算法C-ABR。设计相应的用户体验质量效用函数,使用强化学习算法训练模型A3C,提升用户体验质量。实验结果说明,相对于典型的码率自适应算法Pensieve和MPC,C-ABR算法用户体验质量分别提升22.7%和50.4%。

嵌入式多通道无线视频传输的码率自适应算法

无线视频传输和视频压缩技术是当前众多物联网(IoT)应用和嵌入式系统的基础和核心。而在多通道传输时无线网络状态的不断变化,会导致视频丢帧和延时抖动问题。虽然自适应算法能够在一定程度上解决在PC或服务器平台下的视频传输问题,但在嵌入式平台和无线网络下仍不能满足实时性和服务质量(QoS)要求。为此,基于DM368芯片设计了一从视频采集、压缩、WiFi传输、控制单元接收到上位机显示的完整平台。同时充分考虑了嵌入式平台的特点,提出一种结合信号质量、网络带宽、缓存状态和拥塞控制的码率自适应算法。该算法利用高斯函数统计网络带宽,使用分段反比例函数调整缓存状态,利用加权移动法对码率进行平滑,并使用极值抑制法进行码率均衡。该算法实现了码率的平滑调整,并被应用于所提平台来实现控制单元对多个WiFi相机的管理、多通道传输和负载均衡。以QoS为评价指标进行实验验证,结果表明:该算法在设计的嵌入式平台上性能良好,平滑性和缓存稳定性都有很大提升,多通道状态下的公平性和带宽利用率也有显著提高。在单相机信号质量动态变化或多相机竞争带宽等多种情况下,相对于MDI(McGinely Dynamic Indicator)算法,该算法的平滑性提升了16%~59%;相对于BBA(Buffer-Based Algorithm),该算法的缓存抖动降低了15%~72%,时延抖动降低了12%~76%。

基于缓存补偿的视频码率自适应算法

针对基于超文本传输协议(HTTP)的动态自适应流(DASH)码率自适应算法未能充分利用视频缓存以及平均码率偏低的问题,提出一种DASH标准的基于缓存补偿的码率自适应切换(BASBC)算法。首先,根据最近下载分片的下载速率分析带宽波动程度并得到预估带宽;其次,依据预估带宽和当前码率等级在缓存区设置码率上切阈值和码率下切阈值,并利用动态上切阈值控制码率向上切换,消耗缓存时长,而利用动态下切阈值控制码率向下逐级切换,累积缓存时长,从而在缓存区形成累积-消耗的缓存状态循环。BASBC算法在视频播放平均码率上高于动态自适应的HTTP流码率渐进切换(DASBS)算法,有效提高了带宽利用率;虽然所提算法的平均码率稍低于基于DASH标准的码率平滑切换(RSS)算法,但所提算法的码率切换更为平滑,整体切换稳定性表现更优。实验结果表明,所提算法在动态网络环境中具有高带宽利用、切换平滑且稳定的良好表现,能够有效提高用户的体验质量(QoE)。

基于无线网络环境的手机视频码率自适应技术研究

随着无线宽带的普及,手机视频业务受到越来越多的关注。然后在无线网络环境发生变化的时候,用户体验往往不能令人满意。为了解决这个问题,文中介绍了几种手机视频码率自适应技术,并基于这几种技术提出一种有效的码率自适应方案,同时设计了一套完整的原型系统。通过在中国移动手机视频现行网络环境中的测试结果,证明了这种码率自适应技术能够在网络环境发生变化的情况下保证视频传输的质量和流畅度,给用户一个友好的体验。

流媒体网关上视频码率自适应技术的研究与应用

网络环境和用户终端的性能是决定视频能否流畅播放的重要因素，网络的异构性主要体现在带宽的不同，终端的异构性体现在处理和显示能力的不同。在流媒体网关中应用视频码率自适应技术可以有效解决终端和传输网络的差异性的问题。

流媒体文件多码率自适应处理系统研究

为了应付流媒体系统应用网络带宽不足问题,设计了基于多码率文件传输技术和可变编解码参数Filters播放链路动态重连机制的自适应流媒体传输系统。该系统在网络带宽发生波动的条件下,能够自适应地选择与可用带宽相匹配码率的视频数据进行动态传输,进而减少视频数据缓冲等待次数和等待时间,有效提高网络带宽利用率和媒体内容服务质量,同时采用"最短"的链路进行媒体内容的动态重连,避免Filters动态重连中出现"卡塞感",有效提高流媒体系统的服务质量。

基于神经网络的终端码率自适应技术研究

在复杂的网络环境下保证用户体验的统一是云桌面行业内的一个难题,在有限的网络资源下,既要保证桌面的流畅,又要保证桌面的画质,对终端码率的传输有较高的要求。本文提出一种云桌面终端码率自适应的技术与系统设计,根据云桌面用户终端运行情况自动适配帧频和分辨率,通过客观数据充分训练神经网络模型并用于云桌面终端的性能预测,同时保证了云桌面产品的画面质量与运行流畅度。

码率自适应原模图LDPC码的设计

无线通信信道的时变性,使得纠错编码必须具备码率自适应的功能。原模图低密度奇偶校验码(low density parity check code,LDPC)可通过删余和扩展实现码率自适应,并能解决传统LDPC码编码复杂度高的难题。将具有原模图结构的AR4JA码(accumulate repeat-4 jagged-accumulate code)作为母码,提出"逐节点删余"算法,实现AR4JA码率从0.5～0.8的变化,利用矩阵扩展实现码率从0.5～0.25的降低。在加性高斯白噪声信道(additive white Gaussian noise,AWGN)下的仿真结果表明,在BER为10-6数量级处,结合删余和扩展方法构造的码率自适应AR4JA码并未出现错误地板。