[发明专利]一种码率策略选择方法、装置、电子设备及存储介质

说明书

本发明公开了一种码率策略选择方法、装置、电子设备及存储介质，本发明实施例通过更新通话时长基线值，并且根据当前通话时长与更新后的通话时长基线值的第一差值，确定目标通话时长，进而根据目标通话时长更新历史通话时长。从而消除了周期趋势的影响，解决了相关技术中在有周期性音视频通话场景中，直接对不同码率策略对应的通话时长进行采样导致算法收敛错误，导致最终选择的码率策略并非是最佳策略的问题，提高了码率策略选择的准确性。

技术领域

本发明涉及技术领域，尤其涉及一种码率策略选择方法、装置、电子设备及存储介质。

背景技术

在音视频通话场景中，往往需要通过调整码率策略实现通话时长的最大化。MAB算法，即多臂老虎机算法(Multi-Armed Bandit Algorithm)是一种通过去探索不同策略，获取经验，并通过现有经验优化其决策的算法模型。其基本概念是在未知策略收益的环境下，通过对不同策略的探索与利用，实现收益最大化的目标。其中，MAB算法对静态环境的假设是：奖励信号服从均值稳定的随机分布。近年来MAB算法在优化任务中得到了广泛的应用，例如参数调优、广告推荐、医药临床测试。在音视频通话场景中，也应用MAB算法来选取码率策略进而实现通话时长的最大化。

在随机分布的场景中，MAB算法往往能有效的找到最优解，但是音视频通话场景是具有周期性的环境，即音视频通话场景存在固定时间段的通话高峰期和低峰期。在音视频通话场景中，现有的MAB算法直接对不同码率策略对应的通话时长进行采样会导致算法收敛错误，导致最终选择的码率策略并非是最佳策略。

发明内容

本发明实施例提供了一种码率策略选择方法、装置、电子设备及存储介质，用以解决现有的MAB算法直接对不同码率策略对应的通话时长进行采样会导致算法收敛错误，导致最终选择的码率策略并非是最佳策略的问题。

本发明实施例提供了一种码率策略选择方法，所述方法包括：

根据音视频通话场景的周期时长，确定音视频通话场景对应的基线数组，其中，所述基线数组中的每一个元素用于记录对应时间段的通话时长基线值；

获取并根据每个候选码率策略对应的历史通话时长，选择目标码率策略；获取执行所述目标码率策略后对应的当前通话时长，根据所述当前通话时长对所述基线数组中对应时间段的通话时长基线值进行更新；

根据所述当前通话时长与更新后的通话时长基线值的第一差值，确定目标通话时长，并根据所述目标通话时长对所述目标码率策略对应的历史通话时长进行更新；将所述目标码率策略作为候选码率策略，以根据每个候选码率策略对应的历史通话时长，进行下次目标码率策略的选择。

另一方面，本发明实施例提供了一种码率策略选择装置，所述装置包括：

确定模块，用于根据音视频通话场景的周期时长，确定音视频通话场景对应的基线数组，其中，所述基线数组中的每一个元素用于记录对应时间段的通话时长基线值；

更新模块，用于获取并根据每个候选码率策略对应的历史通话时长，选择目标码率策略；获取执行所述目标码率策略后对应的当前通话时长，根据所述当前通话时长对所述基线数组中对应时间段的通话时长基线值进行更新；

选择模块，用于根据所述当前通话时长与更新后的通话时长基线值的第一差值，确定目标通话时长，并根据所述目标通话时长对所述目标码率策略对应的历史通话时长进行更新；将所述目标码率策略作为候选码率策略，以根据每个候选码率策略对应的历史通话时长，进行下次目标码率策略的选择。

再一方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述任一项所述的方法步骤。