高铁场景中基于DASH协议的流媒体自适应云协同传输方法

高铁逐渐成为流行的出行选择,高铁途中用户对流媒体服务有着较高的需求.但是高速移动场景下用户带宽抖动严重、用户的媒体体验难以得到保障.为此,本文提出了一种基于DASH协议的跨层流媒体自适应云协同传输优化方法.首先提出了一个基于DASH协议的跨层流媒体自适应云协同传输架构,并提出一个高铁环境下用户的QoE模型.在此基础上构建了基于DASH的跨层流媒体自适应云协同传输的优化模型,并提出了基于DASH协议的跨层流媒体云协同自适应码率选取算法,提升用户的媒体体验.最后仿真实验结果表明,本文提出的方法能很好地提高高铁用户的媒体体验,有助于高速移动场景下流媒体优化传输的研究.

基于对比敏感度的DASH客户端码率选择算法研究

基于带宽估算的码率选择算法具有带宽利用率高的优点,但是同时也存在容易受网络波动影响造成计算出的目标码率出现瞬时峰值而造成带宽浪费的问题。针对于此,该文提出一种基于人眼对比敏感度特征的码率选择算法,在客户端利用人眼对比敏感度模型计算当前观看条件下人眼截止空间频率,选择服务器中和截止空间频率差的绝对值最小视频分片对应的码率作为目标码率。和基于带宽估算选择目标码率的方法进行对比实验,测试二者在不同视角内计算的目标码率,得到两者的码率计算结果阶梯图。实验结果表明,在视角为5o到15o情况下,所提方法较带宽估计方法在确保视频效果前提下能够有效节约带宽。

一种基于HTTP/3传输特性的加密视频识别方法

视频流量逐渐在网络中占据主导地位,且视频平台大多对其进行加密传输。虽然加密传输视频可以有效保护用户隐私,但是也增加了监管有害视频传播的难度.现有的加密视频识别方法基于TCP(Transmission Control Protocol)传输协议头部信息和HTTP/1.1(Hypertext Transfer Protocol Version1.1)的传输模式,提取应用层音视频数据单元传输长度序列来实现视频识别.但是随着基于UDP(User Datagram Protocol)的QUIC(Quick UDP Internet Connections)协议及基于QUIC实现的HTTP/3(Hypertext Transfer Protocol Version 3)协议应用于视频传输,已有方法不再适用.HTTP/3协议缺少类似TCP的头部信息,且使用了多路复用机制,并对几乎所有数据进行了加密,此外,视频平台开始使用多片段合并分发技术,这给从网络流量中精准识别加密视频带来了巨大挑战。本文基于HTTP/3协议中的控制信息特征,提出了从HTTP/3加密视频流中提取数据传输特征并进行修正的方法,最大程度复原出应用层音视频长度特征.面向多片段合并分发导致的海量匹配问题,本文基于明文指纹库设计了键值数据库来实现视频的快速识别.实验结果表明,本文提出的基于HTTP/3传输特性的加密视频识别方法能够在包含36万个真实视频指纹的YouTube大规模指纹库中达到接近99%的准确率,100%的精确率以及99.32%的F1得分,对传输过程中加人了填充顿的Facebook平台,在包含28万个真实视频指纹的大规模指纹库中达到95%的准确率、100%的精确率以及96.45%的F1得分,在具有同样特性的Instagram平台中,最高可达到97.57%的F1得分,且本方法在所有指纹库中的平均视频识别时间均低于0.4秒.本文的方法首次解决了使用HTTP/3传输的加密视频在大规模指纹库场景中的识别问题,具有很强的实用性和通用性.

基于DASH的混合控制码率算法

针对平滑流(SF)算法在带宽预测时存在的"毛刺"现象以及仅依靠带宽预测而没有缓存区控制所导致的频繁播放停滞的问题,提出一种动态自适应混合控制码率算法。首先,通过使用标准差来代替原SF算法中波动参数的计算,消除了预测带宽存在的"毛刺"现象;其次,针对原SF算法存在没有考虑缓存区状态所带来的频繁播放停滞问题以及传统缓存区控制算法存在分级困难的问题,引入一种基于缓存区容量的新型缓存区控制策略;最后,将改进SF算法与新型缓存区控制策略相结合形成混合算法来选择视频码率。实验结果表明,混合算法不但消除了原SF算法在带宽预测中存在的毛刺现象,而且弥补了仅依靠单一算法选择码率的不足,使得所选码率视频既降低了播放停滞频率(恶劣网络环境下效果明显,降低43%左右)又符合实际网络情况,提高了用户的观看体验。

基于DASH标准的码率平滑切换算法

针对现有的基于超文本传输协议的动态自适应流(DASH)码率自适应算法在无线网络环境中码率切换频繁以及平均码率偏低的问题,提出一种基于DASH标准的码率平滑切换(RSS)算法。首先,算法的带宽检测机制利用滑动窗口对历史下载速率进行取样以计算带宽偏移系数,根据带宽偏移系数的大小初步判断带宽的波动情况,并对波动较大的情况进一步确定是否存在一致性变化趋势,从而区分出带宽的持续变化和短暂抖动,同时计算出相应情况下的带宽预测值;其次,算法的码率决策模型综合考虑带宽波动情况、缓存占用和变化情况及带宽预测值等,并且分别采取快速缓冲(FB)、缓慢切换(SS)、快速上升(FR)、约束下降(LD)、稳定保持(SH)策略和休眠机制对码率选择过程进行动态控制。实验结果表明,与基于模糊逻辑的码率自适应算法以及吞吐量调节驱动的码率自适应算法相比,该算法在播放开始时能够在最短时间内将视频码率提升到最佳水平,提高视频播放过程中的平均码率,在播放过程中带宽骤变和交替性频繁波动情况下都能够很好地维持视频码率的稳定,将切换次数降到最低,从而获得良好的无线端视频体验质量。

融合HDR技术的智能视频处理与分发系统设计

分析高动态范围(High Dynamic Range,HDR)视频处理与分发面临的挑战,提出一种融合HDR技术的智能视频处理与分发系统。该系统通过深度学习算法实现HDR视频的智能处理,包括场景分析、动态范围扩展和色彩增强等。在分发端,该系统采用自适应比特率流媒体技术。实验结果表明,该系统在视频质量提升、用户体验优化和传输效率提高方面均取得显著成效,为HDR视频的智能处理和高效分发提供了新的解决方案。

基于DASH流媒体的TCP拥塞控制算法优化

随着互联网视频流量的快速增长,流媒体传输技术也日新月异,从传统的使用UDP传输协议的实时流媒体协议到使用TCP传输协议的HTTP协议,各大视频服务提供商都在为获得更多用户不断发展新的流媒体传输技术.超文本传输协议上的动态自适应流媒体作为目前最流行的自适应流媒体传输技术,在提高用户观影体验方面具有很多的优点.但是它的分片传输所形成的ON-OFF传输模式会造成TCP流的突发.这种间歇性的流突发会对其他的应用产生一定的影响.当多个客户端同时竞争带宽时会造成播放器错误估计网络带宽,从而产生视频分辨率频繁切换,对用户体验产生极大的负面影响.TCP作为传输层的协议,其拥塞控制算法对视频的传输效率起着决定性作用,由于传统的拥塞控制算法不能很好地适应DASH流媒体的传输,提出了TCP-HAS拥塞控制算法.该算法基于TCP Vegas进行了优化,将带宽估计值与视频码率相结合用于设置TCP拥塞控制参数.实验表明TCP-HAS能够提升网络QoS,并能在多个用户共享链路带宽时提升用户观影体验.

SDN中DASH路由规划和码率调节联合决策算法

随着互联网技术的快速发展以及智能设备的普及,基于HTTP的动态自适应流媒体(Dynamic Adaptive Streaming over HTTP,DASH)业务发展迅速.但在带宽受限网络中,大规模用户的视频请求,将会加重网络负载,严重影响网络带宽资源的有效利用,同时用户码率调节缺乏全局协调控制机制,容易造成网络拥塞.针对软件定义网络中的DASH视频传输业务,将视频业务提供商长期平均收益最大化作为优化目标,设计并实现了基于神经元动态规划的DASH视频路由和用户码率调节联合决策算法.最后,通过在Mininet平台上建立SDN(Software-Defined Networking)网络环境并进行对比实验,我们验证了本文提出的联合决策算法能够提高网络带宽资源利用率,最大化DASH视频业务提供商长期平均收益.

一种基于多服务器的DASH客户端优化算法

在多服务器场景下,基于HTTP的动态自适应流媒体在传输过程中,由于用户请求的高度动态性及多服务器传输带宽的差异性,客户端获取的视频质量波动较频繁,影响到用户体验质量。针对上述问题,提出一种基于软件定义网络的视频分片请求调度算法。将多个分片组成一个视频块,利用分配策略把这多个分片分配至多个服务器,实现同一视频块内视频分片的码率同步,并使分片有序下载。同时,客户端算法采用Q学习方法,根据不同的环境状态决策出相应的码率。仿真实验结果表明,该算法可减少视频质量的波动,提高客户端平均视频质量。

基于SVC与DASH的视频流媒体系统

随着现代网络技术的高速发展,高清甚至超清流媒体视频业务在网络数据流量中占据越来越高的比例。为统一视频流媒体的传输格式,国际MPEG组织发起制定一种标准的动态自适应流媒体(Dynamic Adaptive Streaming over HTTP,DASH)传输框架。然而,现有DASH框架常采用固定码率的视频编码技术,如H.264,一定程度限制其码流的网络适应性。对此,该研究将可伸缩视频编码(Scalable video coding,SVC)与DASH相结合的流媒体传输方案,提出SVC码流到DASH的映射方案,并在Internet上真正实现了这种码率可伸缩的DASH传输系统,测试验证了系统的调控性能。

基于动态异构集成的多标签数据流分类算法

使用反映数据变化机制的自适应模型可以更好处理数据流问题。为实现自适应调整集成分类器使其更符合数据特性,提出一种基于动态异构集成的多标签数据流分类算法。通过使用H个不同分类算法分别训练固定大小的数据块,生成候选分类器组E={E 1,…,E H},利用几何加权公式计算每个E i中候选基分类器的权重实现组内的动态更新;提出一种新的自适应选择策略生成最终的异构集成分类器。通过在6个数据集上的大量实验验证,提出算法比现有算法在准确度、基于实例的F1值、微观F1值、宏观F1值上有更好的性能。

基于网络流量预测的DASH系统优化

近年来基于超文本传输协议(HTTP)的自适应视频流量大幅上升,传统HTTP动态自适应流(DASH)速率算法无法准确预测网络吞吐量,导致网络带宽波动,使传输控制协议慢启动并触发抛弃规则,从而降低视频质量。提出一种基于网络流量预测的改进DASH速率算法。将DASH算法分为视频质量选择阶段、视频下载阶段和请求等待阶段,在视频质量选择阶段引入支持向量回归模型和长短期记忆网络预测网络吞吐量,结合缓冲时长选择更优质量的视频片段,在视频下载阶段通过预测实时吞吐量降低触发抛弃规则的次数。仿真结果表明,该算法可自适应流速率并减少抛弃规则的命中次数,有效提高视频体验质量。

A Stochastic Optimization Approach for Dynamic Adaptive Streaming over NDN

Nowadays,video streaming counts for the major part of network traffic over the Internet.However,on account of the host-to-host mechanism of the traditional IP network,video distribution over IP-based Internet encounters bottlenecks.Fortunately,a new proposed future Internet architecture,named data networking(NDN)can improve the performance of video distribution by its features such as in-network storage,multi-path forwarding,etc.In this paper,we design an adaptive bitrate algorithm based on Lyapunov optimization theory over NDN to optimize the long-term quality-of-experience(QoE)of video distribution while ensuring the stability of the whole system.When the network condition is abundant and stable,the problem can be simplified by approximating to a fixed-slot queuing model,but the theoretical performance will degrade when the network status is poor and fluctuate fiercely.Therefore,we divide the problem into two models of fixed time slot and non-fixed time slot and design two Lyapunov optimization algorithms to adapt different network scenarios.The proposed algorithms do not require prior knowledge of the network bandwidth and are capable of running online with the client’s available information.Simulation and realistic experiment results demonstrate that our algorithms perform better than others in NDN.

基于内容优化动态自适应HTTP流传输主观质量

针对传统DASH流技术仅仅自适应码率变化而不能整体优化回放质量,尤其是主观质量的问题,提出了基于内容的DASH流传输策略.该策略以镜头为自适应单元,基于运动级别设置安全因子和分配网络资源,使用动态规划算法决策并下载整体主观质量最大化的DASH片段序列.实验结果表明,运动级别较高的视频内容因获得较多传输资源而保证了较高的主观质量,平均最低质量也得到较大提升,且码率切换频率低,无播放停顿发生.

基于HTTP的视频流网络传输

近年来,基于HTTP(Hyper Text Transport Protocol)的网络视频流传输方式越来越受到人们的关注,同时出现了若干相近的解决方案,实现了在HTTP上的动态自适应视频流传输。MPEG和3GPP在这些方案的基础上制定了一个新的基于HTTP的网络动态自适应流传输标准——DASH,并成为ISO/IEC国际标准于2012年正式发布。DASH系统工作于普通的Web服务器/客户端方式,它将同一内容的多个不同质量的视频流分片、定位和描述,使得这些视频分片能够如同普通文件一样通过HTTP协议在网络中传输。用户可以向服务器请求所需的视频,动态自适应地根据自己的网络带宽、接受能力进行选择、接收、解码和播放。DASH为视频流传输提供了一种高效、便捷的传送方式,特别适用于视频直播、点播、多屏显示等业务。随着DASH标准的逐渐完善,基于HTTP的网络视频流传输必将具有更加广泛的应用前景。

QoE驱动的基于CDN缓存命中率的码率自适应算法

随着移动流媒体用户群的增长,内容分发网(CDN)已经成为提高网络容量和用户体验质量(QoE)的重要途径。为了研究如何提升移动流媒体用户的QoE,提出基于CDN节点缓存命中率的QoE模型,该模型参数包含CDN节点缓存命中率、带宽吞吐量和客户端缓存变化量。在该模型的基础上,提出基于CDN节点缓存命中率的码率自适应算法,解决在网络条件不佳的情况下,根据用户码率请求参数的分布情况调整缓存策略,以提高CDN缓存命中率,降低时延,提高用户QoE。通过实验结果分析可以得出在网络条件相对较差的情况下,基于CDN缓存命中率的码率自适应算法能明显降低用户的RTT,提高用户QoE。

基于Gossip协议的P2P流媒体算法优化

通过分析具有代表性的P2P流媒体系统中所使用的Gossip协议,针对其没有考虑节点和网络的动态异质性等因素,提出动态自适应Gossip协议,该协议采取对节点的能力度进行排序的方式,充分利用能力强的节点,具有良好的适应性,能够反映P2P网络中节点和资源的动态性,在一定程度上提高了系统的整体效率。

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。

基于卡尔曼滤波的稀疏流信号动态压缩感知

提出一种针对稀疏流信号的卡尔曼滤波压缩感知恢复方法。该算法采用交叉随机模型对信号进行压缩采样,基于前后窗口内信号之间的相关性,建立信号的状态转移方程,利用卡尔曼滤波算法与贪婪算法相结合得到信号最小均方误差估计。信号重构阶段,基于压缩感知贪婪算法进行支撑集更新,采用自适应误差阈值判别方法,不断迭代减小残差以找到精确程度较高的支撑集,将其用于卡尔曼滤波得到信号最优估计。仿真结果表明,与同类算法相比,本算法提高了重构精度和抗干扰能力,并且算法的复杂度较低。

数据流上的一种适应性调度策略MultiFactor

本文针对数据流系统中的查询处理机制进行了深入的研究,从内存使用量、系统的响应时间和查询的实时性三个方面进行综合考虑,提出了一种基于多因素的动态调度策略MultiFactor.该策略根据单位时间查询内各操作符消耗的元组数动态调整操作符调度次序,按系统截止时间确定各操作符调度时间.本文还给出了MultiFactor策略的相应算法,并通过实验证明了其性能优势.