NDN网络下可伸缩流媒体传输的动态自适应方法、设备及介质技术

本发明专利技术公开了一种NDN网络下可伸缩流媒体传输的动态自适应方法、设备及介质，能提升视频流在NDN网络中的传输效率以及用户QoE，当热门视频对应的数据流在无线局域网下被频繁请求时，本发明专利技术通过AP利用NDN的无线组播特性一对多的向不同客户端返回数据；此外，中间节点还对传输数据进行网内缓存。从而有效减小视频数据的传输时间。通过本发明专利技术训练得到的自适应方法能使客户端在更少卡顿时间以及更小视频质量震荡的条件下，观看更高质量的视频。观看更高质量的视频。观看更高质量的视频。

【技术实现步骤摘要】
NDN网络下可伸缩流媒体传输的动态自适应方法、设备及介质


[0001]本专利技术涉及NDN可伸缩流媒体传输领域，特别涉及一种NDN网络下可伸缩流媒体传输的动态自适应方法、设备及介质。

技术介绍

[0002]近年来，随着人们上网需求的变化以及视频观看设备的多样化，视频流量在所有网络流量中占比超过50％，并且视频流消费者当前主要使用无线局域网接入网络。因此，伴随着终端设备的普及和终端设备的多样化，网络环境尤其是无线网络环境越来越复杂，这为高效且高质量的视频传输带来巨大挑战。
[0003]当前越来越多的传统媒体向互联网迁移，MPEG组织提出了动态自适应流(DASH)视频传输标准来提高用户的质量。DAS服务器将视频分成若干时长相同的段，对每个段进行码率编码后存储。动态比特率算法ABR(dynamic bitrate algorithm)则是DAS中优化QoE体验质量(Quality of Experience，QoE)的主要工具，DAS运行在客户端。ABR需要为视频客户端决定要下载哪一个比特率的视频块。因此，用户要追求高的QoE就需要有一个优秀的ABR，这样当网络状况波动时，客户端播放器就可以调整视频片段所要求的比特率。然而，实现高质量的QoE仍然是一个挑战，因为它通常需要考虑几个相互矛盾的要求：尽量高的视频质量；尽量少的卡顿时间以及视频段之间的质量波动要尽量小。
[0004]然而，目前大部分视频提供商实现的DAS标准都是基于TCP/IP协议栈中的应用层HTTP协议进行视频传输的。由于端到端的TCP/IP网络架构主要关注的是内容的位置，而不是内容本身，因此TCP/IP网络在处理对带宽要求很高、数据内容在短时间内会被高频率请求的传输场景(如自适应视频流)时遭遇瓶颈。为了克服IP网络以主机为中心的通信模型在处理视频流传输场景存在的局限性，信息中心网络被提出作为一种面向大规模数据传输的网络架构。而NDN作为信息中心网络的实例架构，它关注的是内容本身并且对网内缓存、多源、多路径、组播等功能有更好的支持，可以有效地减少骨干网中承载的相同内容的流量，充分利用网络的可用带宽。另一方面ABR算法需要直接或间接的对网络带宽进行估计，在TCP/IP网络中可以用过去几个视频块下载速度的滑动平均值作为可用带宽的估计，然而在NDN网络中由于网内缓存及组播等特点导致很难对可用带宽做出准确的估计，这为NDN网络下设计ABR算法带来挑战。
[0005]此外，从视频编码的角度来看，目前大部分ABR的工作都是针对AVC编码的视频的，这些ABR算法可分为以下几类：1)基于客户端估计带宽和回放缓存信息的固定策略算法；2)多目标优化控制算法；3)深度强化学习算法训练适应环境波动的ABR算法训练。这些针对AVC的方法只对一个视频片段做出一个质量的下载决策。这样，每个视频片段的决策粒度就比较大。因此，如果决策质量太大，播放器将卡顿很长时间；相反，如果决策质量太小，则无法充分利用网络带宽。在AVC编码方式下，同一视频段的不同质量级别对应的视频块会独立编码，ABR对每一个段只进行一次比特率决策和下载。ABR的决策粒度较大，且其对QoE的优化效果严重依赖ABR的准确性。例如，ABR对带宽的估计过高，导致其错误请求段的最大比特
率版本，最终会造成长时间的卡顿；ABR对带宽估计过低，导致其错误请求段的最小比特率版本，不能充分利用网络带宽并使视频段的质量较低。
[0006]为解决AVC的局限，SVC编码方式将一个视频段编码成一个基本层和若干增强层。从而，a).ABR的决策粒度能一定程度减小；b).ABR对同一个段能进行多次下载；c).ABR能对播放缓存中的所有段进行质量升级。因此，SVC的质量升级能力给ABR提供更灵活的下载决策，从而更灵敏快速地对带宽波动做出调整以提升QoE。SVC给相应ABR带来了更大的决策空间，因为它可以决定对已缓存视频段下载增强层进行质量升级，也可以下载下一个视频段的基本层。因此，这也为可伸缩流媒体视频的传输优化带来挑战。
[0007]目前对NDN网络下可伸缩视频流传输的自适应方法的相关研究和技术较少，且这些方法都是固定策略的方法，很难对环境改变做出及时的策略调整；此外这些自适应方法未能充分考虑NDN特性。

技术实现思路

[0008]为了克服上述技术问题，本专利技术提供一种NDN网络下可伸缩流媒体传输的动态自适应方法、设备及介质。
[0009]一种NDN网络下可伸缩流媒体传输的动态自适应方法，包括以下步骤：
[0010]步骤1，视频服务器按照现有DAS标准对视频进行分段、编码并提供MPD；
[0011]步骤2，视频客户端首先请求MPD文件，并在收到完整MPD文件后从中获取包括视频分段、编码、质量分级数量和码率在内的信息；
[0012]步骤3，当MPD文件或上一个视频块完成下载，则由神经网络根据客户端当前状态信息来作出下载新视频段的基本层或者已下载视频段的对应增强层的决策；
[0013]步骤4，客户端根据决策，以兴趣包Interest的形式向服务器发送对应视频块的文件请求；
[0014]步骤5，Interest在转发过程中，每经过一个包含AP在内的中间路由器即中间节点，就对中间节点的PIT表和CS表进行更新；
[0015]步骤6，服务器收到客户端发来的Interest后，向客户端返回Interest对应的数据包Data，Data向下游的转发路径与Interest的上游转发路径完全相反，并且互相对应的Interest和Data的命名规则是相同的；
[0016]步骤7：Data在转发的过程中，每经过一个中间节点，则也对中间节点的PIT和CS表进行更新；
[0017]步骤8：客户端完整接受视频块对应的所有Data包后，计算步骤3中决策的对应奖励reward；收集经验；并更新神经网络参数：
[0018]步骤9：如果所有视频段都已完成下载，则跳转到步骤1进入下一个训练回合；否则，跳转到步骤3进行后续的视频段下载决策过程；当训练的误差和回合奖励收敛后，进入步骤10；
[0019]步骤10：保存神经网络对应参数；然后删除步骤8，并继续执行其他步骤，即实现NDN网络下可伸缩流媒体传输的动态自适应方法。
[0020]所述的方法，所述的步骤1包括：
[0021]1.1、将完整的视频拆分成若干个时间长度相等的视频段；
[0022]1.2、通过现有H.264/SVC编码方式将一个视频段编码成一个基本层和多个增强层；各个质量层的关系依次递进：基本层能够被单独解码构成该视频段最低码率的视频块，后续的增强层则能够依次将码率升级到更高等级，从而形成更高码率的视频块；
[0023]1.3、提供MPD文件，其中包含：1)视频分段数量；2)视频编码方式；3)视频编码提供的质量级别数量；4)各质量级别对应的所有视频段的平均码率。
[0024]所述的方法，所述的步骤3包括：
[0025]3.1、收集客户端的状态信息以表征客户端当前的网络和播放缓本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种NDN网络下可伸缩流媒体传输的动态自适应方法，其特征在于，包括以下步骤：步骤1，视频服务器按照现有DAS标准对视频进行分段、编码并提供MPD；步骤2，视频客户端首先请求MPD文件，并在收到完整MPD文件后从中获取包括视频分段、编码、质量分级数量和码率在内的信息；步骤3，当MPD文件或上一个视频块完成下载，则由神经网络根据客户端当前状态信息来作出下载新视频段的基本层或者已下载视频段的对应增强层的决策；步骤4，客户端根据决策，以兴趣包Interest的形式向服务器发送对应视频块的文件请求；步骤5，Interest在转发过程中，每经过一个包含AP在内的中间路由器即中间节点，就对中间节点的PIT表和CS表进行更新；步骤6，服务器收到客户端发来的Interest后，向客户端返回Interest对应的数据包Data，Data向下游的转发路径与Interest的上游转发路径完全相反，并且互相对应的Interest和Data的命名规则是相同的；步骤7：Data在转发的过程中，每经过一个中间节点，则也对中间节点的PIT和CS表进行更新；步骤8：客户端完整接受视频块对应的所有Data包后，计算步骤3中决策的对应奖励reward；收集经验；并更新神经网络参数：步骤9：如果所有视频段都已完成下载，则跳转到步骤1进入下一个训练回合；否则，跳转到步骤3进行后续的视频段下载决策过程；当训练的误差和回合奖励收敛后，进入步骤10；步骤10：保存神经网络对应参数；然后删除步骤8，并继续执行其他步骤，即实现NDN网络下可伸缩流媒体传输的动态自适应方法。2.根据权利要求1所述的方法，其特征在于，所述的步骤1包括：1.1、将完整的视频拆分成若干个时间长度相等的视频段；1.2、通过现有H.264/SVC编码方式将一个视频段编码成一个基本层和多个增强层；各个质量层的关系依次递进：基本层能够被单独解码构成该视频段最低码率的视频块，后续的增强层则能够依次将码率升级到更高等级，从而形成更高码率的视频块；1.3、提供MPD文件，其中包含：1)视频分段数量；2)视频编码方式；3)视频编码提供的质量级别数量；4)各质量级别对应的所有视频段的平均码率。3.根据权利要求1所述的方法，其特征在于，所述的步骤3包括：3.1、收集客户端的状态信息以表征客户端当前的网络和播放缓存状况，并作为神经网络的输入；其中，b
t
指当前客户端的播放缓存的占用率，即已缓存视频段与播放缓存最大可缓存视频段数量的比例；z
t
指当前仍未下载的视频段数量；和分别表示过去n个视频块的下载速率和下载时间，表示过去n个已下载视频块的文件大小；表示播放缓存中过去n个视频段距离被播放的时间；3.2、客户端完成s
t
的收集后，将s
t
输入到神经网络中的前向传播，输出层的n个神经元将输出n个动作的Q值即Q(s，a)，从而表示在状态s执行动作a的价值优势，然后使用∈
‑
贪婪法选择动作a：即在大部分情况下选择最大Q值对应的动作；在小概率下随机选择动作，并且
随机选择动作的小概率随着智能体的训练迭代次数进一步减小；3.3、在得到一个离散的动作值a∈{0，1，...，n
‑
1}后，再将a转换为具有具体意义的下载决策：在客户端的播放缓存中动态维护一个固定大小的滑动窗口，滑动窗口大小与神经网络输出层神经元个数都为n；同时将播放缓存队列中从队头开始第一个视频质量不是最高水平的视频段编号设为x，此时，滑动窗口包含的视频段编号区间为[x，x+n)；则动作a表示下载视频段x+a的对应质量层的视频块；其中神经网络的决策遵循以下模式：1)当网络状况不佳时下载新视频段的基本层以减少卡顿时间；2)如果视频段之间的比特率之间存在波动，则下载适当视频段的对应增强层以提升视频质量平滑度；3)如果网络状况较好且已缓存视频段之间没有较大的比特率波动，则下载播放缓存最后一个视频段的对应增强层。4.根据权利要求1所述的方法，其特征在于，所述的步骤4包括：基于NDN的兴趣包Interest对应数据包Data的传输模式，将文件请求拆分成若干个Interest请求并对这些Interest包进行命名；其中Interest使用以下规则命名：/视频名称/seg{视频段号}
‑
L{质量层编号}#{Interest编号}。5.根据权利要求1所述的方法，其特征在于，所述的步骤5包括：更新CS表的过程包括：Inte...

【专利技术属性】
技术研发人员：阳旺，邓世超，
申请(专利权)人：中南大学，
类型：发明
国别省市：