MPEG-DASH流速率控制与缓存优化研究

发布时间：2020-06-18 13:45

【摘要】：随着互联网流媒体服务的发展,人们对流媒体的观看体验提出了更高的要求。基于HTTP协议的动态自适应流媒体技术MPEG-DASH可以有效利用网络带宽资源,为用户提供动态、高质量的流媒体观看体验,且具有良好的通用性和可部署性,被主流互联网流媒体提供商广泛采用。与此同时,利用代理缓存、CDN等网络基础设施进行流媒体分发可以有效提高终端用户体验、减少骨干网压力,是当前IP网的发展方向。客户端的自适应码率判决算法是DASH协议的核心,直接影响用户的体验。然而,目前主流的码率判决算法并未考虑接入网边缘存在代理缓存的场景,导致其易受代理缓存的干扰,出现码率乒乓效应、视频卡顿等现象。同时,现有的流媒体缓存管理策略不能有效挖掘DASH流媒体的特征,性能表现也不够理想。因此,研究如何更好地利用代理缓存进行DASH流媒体分发、将二者有效地结合具有重要意义。本文针对接入网边缘存在代理缓存的DASH流媒体分发场景,研究DASH协议与代理缓存间的联系,设计了一种缓存优化的DASH自适应码率判决算法和基于灰色预测的DASH缓存管理策略。论文的主要研究工作包括:(1)分析了代理缓存对DASH自适应码率判决的影响,指出代理缓存将导致切片存在两个来源,现有的基于吞吐率预测和基于缓冲区占用率的码率判决算法易受切片二源性的影响,造成客户端的乒乓效应和播放卡顿。针对这一问题,论文提出了缓存优化的DASH码率自适应算法——COBA,该算法使用重叠、自适应调节的缓冲区区间,生成不同的缓冲区级别,消除代理缓存带来的乒乓效应,同时引入快速启动算法,加速客户端码率的收敛。(2)针对DASH流媒体切片流行度较难预测的问题,提出了基于灰色预测的DASH缓存管理策略——GPCM,设计了对应的缓存架构。GPCM策略包含两个子策略:缓存预取策略和缓存替换策略,其核心是基于RGM(1,1)模型进行在线的流行度预测,该预测具有短期预测精度较高、预测耗时短的特点。缓存预取策略依据切片流行度预测值进行预取码率计算和预取请求发送决策,缓存替换策略则依据切片流行度预测值选择需要替换的流媒体切片。(3)对COBA算法和GPCM策略的性能进行实验评估。搭建了真实的网络场景,使用FCC吞吐率数据集模拟真实网络吞吐率,测试COBA算法的性能表现。针对GPCM策略大规模的测试需求,开发了流媒体代理缓存仿真器DashProxySim,使用Trace数据集驱动仿真器,对GPCM策略的性能进行评估。实验结果表明,COBA算法可以较好地消除客户端的乒乓效应、减少播放卡顿,GPCM策略提高了缓存命中率和客户端吞吐率,将二者同时部署可以较好地提升用户体验。
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP333;N941.5

【相似文献】