[发明专利]一种基于直播流媒体的自适应码率计算方法

说明书

本发明公开了一种基于直播流媒体的自适应码率计算方法，基于网络特征分类的目标缓冲大小决策方式，实现了同时根据缓冲区和吞吐量进行更精准的决策、根据当前缓冲区大小进行快慢播调整为用户带来更流畅的直播体验、在各种网络环境下实现QoE最优化。相较于现有技术，本发明根据当前的网络状况以及缓存大小动态地判断出流媒体直播快播和慢播的时机；带给用户更加流畅的直播观看体验；更加精准地预测当前的网络带宽，为自适应码率决策提供了强力保障；根据当前的网络状况、缓存大小自适应地选择较为合适的码率，使得在当前网络下实现收益最大化；增加了快慢播的切换，保证在不影响观看体验的同时，尽可能的提高QoE。

技术领域

本发明涉及互联网、流媒体技术领域，特别是涉及一种基于直播流媒体的自适应码率算法。

背景技术

为了能够使用户在动态的网络环境中获得更好的用户体验质量(QoE)，国内外很多直播平台采用基于HTTP的DASH协议的方式。基本的流程是首先在内容分发网络(CDN)中存储已经按照不同码率编码完毕的视频块，用户所在的客户端会不断地向服务器请求某个特定码率下的视频块，每个被切分的视频块包含几秒钟的视频内容，服务器把相应的视频块传输给客户端，客户端会把收到的相应的视频块保存在本地的缓冲区(Buffer)中。在用户观看直播的过程中，Buffer会实时消耗。因此，当用户的下载速率与码率不相适应的条件下，就会出现Buffer清空或者累计Buffer直至溢出的情况；当用户的带宽远远低于码率的时候就会出现卡顿。于是各个平台通过自适应码率算法根据来根据当前网络状况和Buffer长度来选择合适的码率优化QoE。

ABR算法提高了用户观看直播时的体验质量，但当前的不同的ABR算法仍存在各种缺点，部分功能无法满足用户需求，对于使用者来说就需要对于功能需求进行一定的妥协。传统ABR算法有三种，分别是：Rate-based，Buffer-based，Hybrid。Rate-based算法是根据吞吐量进行估计，之后选择与吞吐量接近或者略低的码率。Buffer-based算法是基于用户的缓冲区进行码率预测，该算法的基本策略是在Buffer小的时候选择相对低的码率，在吞吐量抖动剧烈时较难预测，经常给出不正确的决策，导致QoE下降；具体例如Buffer大的时候选择相对高的码率、在buffer长度较小时比较保守，出现频繁切换码率的现。Hybrid算法是同时基于吞吐量和缓冲区进行码率决策，其基本逻辑是对用户所在的客户端的播放逻辑进行简单的建模，从而利用吞吐量和缓冲区大小来决策适合的码率大小，以便用户可以得到的更佳QoE，运行的过程中的模型参数对实时网络的网络条件比较敏感。

发明内容

本发明针对上述问题，提出了一种直播流媒体的自适应码率算法，基于网络特征分类的目标缓冲大小决策方式，实现了同时根据缓冲区和吞吐量进行更精准的决策、根据当前缓冲区大小进行快慢播调整为用户带来更流畅的直播体验、在各种网络环境下实现QoE最优化。

本发明的一种基于直播流媒体的自适应码率计算方法，具体包括以下步骤：

步骤1：进行预处理，包括：初始化自定义成员变量，读取当前5个切片传输周期的数据，包括码率、当前周期帧数、码率类型数和目标缓冲大小；获取当前传输周期内的帧个数，判定当前传输周期是否存在I帧并进行处理；

步骤2：进行带宽估计，包括：获取过去5个周期的历史带宽和当前周期的带宽；接下来，根据近5个周期的带宽参数采用最小二乘法预测当前的带宽，根据网络状态通过误差估计得到带宽误差，进而做出相应的带宽调整，

步骤3：根据步骤2计算出的5组带宽误差，来判断网络是否震荡网络还是平稳网络，再根据20组带宽的平均带宽来判断当前网络状态，对弱或强带宽周期计数，反馈给下一时刻的网络类型预测；

若网络属于平稳网络，用步骤2所得的带宽预测结果与WEAK_BOUND和STRONG_BOUND相比，

若满足以下条件：

则判断当前网络状况为弱网；