近年来,视频服务市场出现了爆炸式增长[1,2]。囿于终端用户在设备性能、网络带宽、需求品质等多方面的不同,传统的视频点播服务已经不能满足用户的需求。在这种情况下,基于超文本传输协议(Hyper text transfer protocol,HTTP)的动态自适应流媒体技术成为研究人员和流媒体服务商的新选择[3]。在这类方案中,调度算法会根据用户的网络带宽、缓存状态等情况动态地选择合适码率的视频进行传输。

目前国际上主要有4种基于HTTP协议的动态自适应流媒体解决方案:苹果公司的HTTP live streaming(HLS)[4],微软的Smooth streaming(SS)[5],Adobe公司的HTTP dynamic streaming(HDS)[6],以及MPEG-DASH[7]。前3个方案分别由不同的公司提出,但它们也有各自的不足。如,HDS和SS不可以放在普通的WEB服务器上,HLS不支持快速的信道切换,HDS不支持多声音信道。最重要的问题在于,这3个技术各自互不兼容,因而促进了MPEG-DASH的产生。基于HTTP的自适应流媒体传输(Dynamic adaptive streaming over HTTP,DASH)是第一个基于HTTP协议的自适应码率的国际标准流媒体解决方案,由动态图像专家组(Moving pictures experts group,MPEG)组织于2010年开始开发,在2011年1月成为国际标准草案[8]。MPEG-DASH作为该技术的一个标准,规定了视频分片(Segment)[9]的组织结构,并将分片的各种信息记录在媒体描述文件(Media presentation description,MPD)[10]。MPD文件是一个XML格式的文件,记录了视频按照DASH标准转码切割后所得文件的详细信息,包括视频分片的码率、时长以及顺序等,实现了文件和文件结构的分离。但MPD文件中提供的码率信息只是该视频的平均码率,并不是每一视频分片的实际码率,因此通过下载的MPD文件中的码率信息与当前带宽进行比较选择,容易造成误差以致卡顿或带宽利用不充分等问题。本文在后续内容中对这一情况可能造成的不良影响进行了详细描述,并提出了改善方案。

在路桥施工过程中，需要用到很多种机械设备，除常用的装载机、挖掘机和压路机外，还要用到搅拌站、切割装置、电焊机等，机械设备的种类繁琐，现场机械设备管理为一大难点，在实际工作中，应采取以下应对措施[1]。

1 相关工作

DASH技术提供了一种根据带宽自动调整视频码率的观看方式,而DASH算法的作用就是智能地调整码率,减少播放卡顿,减小延迟,保证平均码率较高和码率切换平滑,提高观看体验。因此,DASH技术吸引了大量研究人员关注[11-17]。

影响客户端码率选择的主要因素是实际带宽,当然客户端也可以参考本地缓存的时长进行码率选择。Luca等人[11,12]先后提出两种基于缓存的码率自适应切换算法,为之后的基于缓存的码率切换算法提供了参考。相应地,Thang等人[13] 侧重于带宽,提出了基于带宽预测的码率切换算法;其他预测算法还包括Vergados提出的基于失真的码率自适应算法[14]和基于控制的码率切换算法[15]。本文将会简述其中几种不同类型的码率选择算法,在后续内容中通过仿真传输,综合评价其中几种算法的播放性能。并对其中性能较优的基于缓存的码率选择算法进行优化改进,提出一种基于码率预测补偿的优化调度算法。

该算法选择两个历史视频分片的下载速率作为参考,分别赋予其不同的权重,以此来预测下一个视频分片的下载速率,计算如下

maxbw(si)=

例如，在学习人教版小学数学四年级《平均数与条形统计图》时，教师可以改变过去单纯的解说式教学法，通过多媒体技术进行课堂实际操作，在课堂上教师可以通过屏幕在对条形统计图进行现场制作，结合各种资料，让学生亲身认识和理解课文知识，实现数学知识形象化，提高学生的学习效率，还可以有效引导学生进行自主学习，培养学生的自主学习能力，促进学生综合素质的培养。

 

(1)

式中:maxbw(si)表示客户端根据当前缓存情况所能选择的最高码率,因此,客户端要在现有码率中选择不超过这个值的最大值对应的视频分片。i代表视频分片的序号,bw(si-1)是下载第i-1个视频分片文件时的真实带宽,bli是当前缓存视频分片的时长与缓冲区能够缓存的最大时长的比值。

由图2,3可知,基于下载速率的算法在下载112个视频分片的过程中卡顿36次;而基于缓冲的算法卡顿29次,这是由于基于缓冲等级的算法考虑了缓冲,尽量保证了缓冲不被耗尽,这就减少了卡顿次数。所以从卡顿次数因素进行评价,基于缓冲等级的算法略优于基于下载速率的算法,因而本文选择基于缓冲等级的码率选择算法进行优化改进。

3.3针对治疗难度大的患者进行重点药学监护。根据所在科室的技术规范对相关患者进行重点药学监护并设计有效的药学监护方案,加强与主治医师以及护理人员的交流及合作,提高对病人用药情况的监测,及时掌握病情变化、药品疗效、不良反应等情况,同时细化对药物治疗效果的评价,以患者的病情发展实际提出用药方案的调整建议。对重点药学监护患者,应按规范书写药历,并按有关规定妥善保存。患者病情好转或消除重点药学监护因素,转入常规药物治疗药学监护后,即可结束重点药学监护。

上述算法都有各自的优点和不足,基于缓冲等级的码率切换算法的切换幅度较大,基于预测的码率切换算法计算复杂,在网络突然变差时反应较慢,而基于下载速率的码率切换算法码率切换过于频繁,对观看有一定影响,并且没有考虑客户端的硬件限制。这些算法虽都能基本满足MPEG-DASH解决方案的预期效果,但若要达到良好的用户体验效果,还需要进行优化。

本文优化算法的核心思想就是将每一视频分片的实际大小与原有算法所使用的视频平均码率比较,并进行补偿。如果该分片的实际大小与平均码率相差过大,则适当调整下一分片的下载码率;如果二者相差不大,则继续以平均码率作为划分标准,从而减少卡顿,充分利用带宽,提升算法性能,增强用户体验。

 

(2)

基于缓冲等级的码率切换算法将缓冲区的时长作为主要参考因素,如果已经缓冲完成的时间比较充足,可以在网速较低的情况下选择较高的码率文件进行下载。虽然下载文件片的时长超过其播放时长,但是由于缓冲区的时间足够,不会出现播放卡顿现象,并且提高了观看体验。该算法中的网络带宽是以上一个文件片的下载速率作为参考值。当缓冲区时间较小时,选择一个较小的码率;当缓冲区时间足够时,选择高于现有带宽的码率,具体算法如式(1)所示

平泉市城绿地景观建设的现状水平较低，达到要求的绿地微乎其微，东山公园、滨河绿地虽经过多年规划，但配套设施缺乏。绿地指标大大低于国家有关指标。比如，城市北城分区现有绿地面积11.44hm2，占城市建设用地的1.7%，人均绿地1.38。其中，公共绿地面积仅0.78hm2，人均公共绿地不足1m2。

因此,可以认为,当-0.3<δ(i)<0.3时,切片比特率与视频平均码率比较变化不大,可以用平均码率来预估下一个切片的比特率。当δ(i)>0.3时,说明分片比特率明显高于平均码率,这时用平均码率作为比较对象会造成选择的分片的比特率大于带宽,此时就会造成卡顿,因此,选择的码率要相应地降低一级。同理,当δ(i)<-0.3时,分片比特率明显小于平均码率,此时就可以在原有选择基础上提高一个码率等级。

 

(3)

式中:Te(i)代表下载第个视频分片时带宽的预估值,Tmin表示分辨率最低的视频的码率,Td表示下载视频分片时的带宽。α是一个常量,α值越大,预测的带宽越接近当前带宽,算法的灵敏度就越高。α越接近0.5时,码率切换越平稳,切换次数越少。

在第i个视频分片下载完成后,通过计算视频分片的大小L和下载时间ti的比值,得到该视频分片的下载速率Td(i),计算公式如下

2 优化算法

前面几种码率切换算法默认将平均比特率作为每一分片的码率,而实际情况下,每一个分片的比特率和整段视频的码率差距很大。为综合全面考虑,本文分别统计了3种不同视频类型的每一视频分片的实际大小和对应视频的平均码率大小,如图1所示。

  

图1 3种典型视频实际分段大小

由图1可以看出,视频每个分片的比特率波动范围较大。如果不考虑这一因素,即使带宽预测准确,由于分片比特率大于平均码率,仍会导致卡顿。

有研究发现，机体 25-羟维生素 D3［25-（OH）D3］的缺乏与冠心病、高血压等心血管疾病的发生密切相关［3］。白细胞计数及其亚型与心血管疾病关系密切。中性粒细胞／淋巴细胞比值（NLR）包含中性粒细胞、淋巴细胞两种亚型信息，对心血管疾病具有更高的预测价值［4］。心肌酶学指标是反映心肌损伤程度的指标。但上述指标对AMI患者并发恶性室性心律失常的预测价值相关研究较少。本研究旨在探讨 AMI患者血清25-（OH）D3、NLR及心肌酶学指标的变化及其意义。

考虑到这个因素,可以对基于缓冲等级的码率切换算法进行优化,下载第i个切片完成后,记录切片大小L,下载时间ti和切片播放时长Ti,则该切片的比特率Bd(i)可以通过式(4)计算得到

为了更好地理解这门课程，我们首先要明白，研究性学习具有什么样的特点，它的价值定位是什么，以及它与学科教学，与活动课有什么联系和区别。

 

(4)

切片的下载速率Td(i)计算为

 

(5)

基于缓冲等级的码率切换算法在决策时以上一个文件片的下载速率作为参考值。当缓冲区时间较小时,选择一个较小的码率;当缓冲区时间足够时,选择高于现有带宽的码率,具体算法如式(1)所示。

原有算法进行到此,就可直接将带宽预测值Te(i)和视频平均码率做对比,根据比较结果选择码率,对其进行优化,记误差率δ(i)

 

(6)

根据大数定律中的切比雪夫不等式

 

(7)

变形可得

 

(8)

而P(|Bd(i)-E(Bd(i))|<0.3E(Bd(i)))≥0.911,该不等式可理解为,切片比特率在视频平均比特率上下30%内波动的样本占样本总体的91.1%以上。本文认为,当计算结果基于90%以上的准确率时,所得出的结果将更优化。所以,设定δ(i)的临界值为±0.3。

Te(i)=

3 性能评估

通过OMNeT++仿真软件进行视频传输仿真,通过分析带宽变化、视频分片码率信息、视频卡顿次数以及码率等级切换次数等,可以得到不同DASH码率选择算法的性能差异。

本文首先对已有的两种算法,即基于下载速率码率切换算法和基于缓冲等级的码率切换算法进行仿真。这两种算法的带宽大小与分片的选择码率大小比较如图2和图3所示。

  

图2 基于下载速率的码率切换算法

  

图3 基于缓冲等级的码率切换算法

基于下载速率的码率切换算法弥补了前面算法灵敏性的不足,码率选择能够迅速跟随带宽变化而变化。该算法同样要计算视频分片的大小和下载时长,计算出下载速率作为当前带宽,下一个视频分片下载时需要参考这个值。

仿真时,考虑到视频分片可以根据不同的实际情况来划分不同的切片长度,所以,本文分别将视频分片分为2 s,4 s,6 s,8 s和10 s 5种情况进行仿真,并对结果进行分析。以下为以不同参考因素作为评价标准的算法优化前后的仿真结果对比。

2.创造性地提出建设服务型、创新型马克思主义执政党。报告提出要“建设学习型、服务型、创新型的马克思主义执政党”［1］，具有突出的创新性。

当以下一分片码率选择作为评价标准时,优化前后的仿真结果对比如图4(a)(视频分片长度为4 s)和图4(b)(视频分片长度为8 s)所示。

由图4分析可知,无论是短分片(4 s)还是长分片(8 s),本文优化算法仿真结果的码率选择波动振幅均小于传统算法。通过统计分析,基于本文预测补偿的样本标准差为596,而传统的基于缓存状态算法的样本标准差为709,因此,本文算法更稳定。

  

图4 码率选择对比

当以下一分片选择的平均码率作为评价标准时,优化前后的仿真结果如图5所示。由图5可知,优化后算法选择的下一分片的平均码率仅比原算法略低,对视频的整体观赏感受影响不大,可忽略不计。当以视频播放卡顿次数作为评价标准时,由图6可知,优化算法在视频播放过程的卡顿次数方面明显进步。对于所有类型的视频分片长度,其卡顿次数均明显降低,从而大幅度提升了用户的观赏体验。此外,随着分片时长增加,客户端的请求次数减少,所有算法的卡顿次数均会减少。

  

图5 下一分片选择的平均码率对比

当以码率等级切换次数作为评价标准时,优化前后的仿真结果对比如图7所示。由图7可知,同卡顿次数一样,当分片时长增加时,其切换次数会相应减少。这也是由于客户端减少了请求次数,码率切换次数自然相应减少。对于不同分片长度类型的视频,本优化算法都可以有效降低其码率等级切换次数,从而减少视频清晰度的过度波动,最终提升了用户的观赏体验。

  

图6 优化前后卡顿次数对比

  

图7 优化前后码率等级切换次数对比

4 结束语

本文通过对每一视频分片的实际大小进行预测补偿,对基于缓冲等级的码率切换算法进行了优化。优化算法在视频播放卡顿次数和码率等级切换次数方面的性能大幅度提高,下一分片的平均码率略有降低。最影响用户体验感受的是码率切换次数和视频播放卡顿次数,而本优化算法在这两方面均取得很大改善,直接提升了用户的体验感受,弥补了平均码率略微降低的轻微影响。

参考文献:

[1]张志明,周晋,陈震,等. 基于网络编码的对等网流媒体传输模型和算法[J]. 软件学报,2012,23(3):648-661.

Zhang Zhiming,Zhou Jin,Chen Zhen,et al. Modeling and algorithm for network coding based P2P Streaming[J]. Journal of Software,2012,23(3):648-661.

[2] 沈铮,吴薇. 基于视频图像的公交车人群异常情况检测[J]. 南京理工大学学报,2017,41(1):65-73.

Shen Zheng,Wu Wei. Video-based abnormal crowd behavior detection on bus[J]. Journal of Nanjing University of Science and Technology,2017,41(1):65-73.

[3] Bouzakaria N,Concolato C,Feuvre J L. Overhead and performance of low latency live streaming using MPEG-DASH[C]//International Conference on Information,Intelligence,Systems and Applications. Chania,Greece:IISA,2014:92-97.

[4] Lai C F,Hwang R H,Chao H C,et al. A buffer-aware HTTP live streaming approach for SDN-enabled 5G wireless networks[J]. IEEE Network,2015,29(1):49-55.

[5] Akhshabi S,Begen A C,Dovrolis C. An experimental evaluation of rate-adaptation algorithms in adaptive streaming over HTTP[C]//Proceedings of the Second Annual ACM Conference on Multimedia Systems. Jan Jose,US:ACM,2011:157-168.

[6] Adobe. HTTP dynamic streaming[EB/OL]. http://www. adobe. com/products/hds-dynamic-streaming. html,2010-08-16.

[7] Sodagar I. The MPEG-DASH standard for multimedia streaming over the internet[J]. IEEE Multimedia,2011,18(4):62-67.

[8] Timmerer C,Weinberger D,Smole M,et al. Live transcoding and streaming-as-a-service with MPEG-DASH[C]//IEEE International Conference on Multimedia & Expo Workshops. Torino,Italy:IEEE,2015:1-4.

[9] Seema A,Schwoebel L,Shah T,et al. WVSNP-DASH:Name-based segmented video streaming[J]. IEEE Transactions on Broadcasting,2015,61(3):1.

[10] Ran D,Dvir A,Hadar O,et al. Novel ad insertion technique for MPEG-DASH[C]//Consumer Communications and Netovorking Conference(CNNCC),2015 12th Annual IEEE. Las Vegas,US:IEEE,2015:582-587.

[11] De Cicco L,Mascolo S. Controlling player buffer and video encoder for adaptive video streaming[P]. US20150146778,2015.

[12] De Cicco L,Mascolo S,Palmisano V. Feedback control for adaptive live video streaming[C]//Proceedings of the Second Annual ACM Conference on Multimedia Systems. San Jose,US:ACM,2011:145-156.

[13] Thang T C,Ho Q D,Kang J W,et al. Adaptive streaming of audiovisual content using MPEG DASH[J]. Consumer Electronics,IEEE Transactions on,2012,58(1):78-85.

[14] Vergados D J,Michalas A,Sgora A,et al. FDASH:A fuzzy-based MPEG/DASH adaptation algorithm[J]. IEEE Systems Journal,2016,10(2):859-868.

[15] Vergados D J,Michalas A,Sgora A,et al. A control-based algorithm for rate adaption in MPEG-DASH[C]//International Conference on Information,Intelligence,Systems and Applications. Chania,Greece:IISA,2014:438-442.

[16] Thomas E,Van Deventer M O,Stockhammer T,et al. Enhancing MPEG DASH performance via server and network assistance[J]. SMPTE Motion Imaging Journal,2017,126(1):22-27.

[17] Concolato C,Le Feuvre J,Denoual F,et al. Adaptive streaming of HEVC tiled videos using MPEG-DASH[J]. IEEE Transactions on Circuits and Systems for Video Technology,DOI 10.1109/TCSVT.2688491,2017:99.