CN104506453A - 一种面向用户体验质量的码率分配方法 - Google Patents

Abstract

本发明涉及一种面向用户体验质量的码率分配方法，包括：在一个码率分配会话期内，监测并更新参数，设定码率分配会话时长并做初始化；构造惩罚函数对于每个特定的γ_k执行后续步骤；初始化中间变量T¹＝O¹＝R^(k-1)，初始化第k次迭代的收敛标准ε₂、步长δ、加速因子α以及减缓因子β，并将迭代变量j与n的值都设为1；当j≤N时,若T^j+1＝T^j+δe_j，否则，若T^j+1＝T^j-δe_j，否则T^j+1＝T^j；接着令j:＝j+1,重复该步骤,直到j>N；当j>N时，若Oⁿ⁺¹＝T^N+1,T¹＝Oⁿ⁺¹+α(Oⁿ⁺¹-Oⁿ),n:＝n+1,j＝1,否则，若δ<ε₂,返回R^(k)＝Oⁿ并检测返回的R^(k)是否满足收敛标准若满足收敛条件,返回R^(k)，将得到的最优R^(k)分配到各个路径上去。

Description

一种面向用户体验质量的码率分配方法

技术领域

本发明涉及网络通信领域，特别涉及一种面向用户体验质量的码率分配方法。

背景技术

思科最新的市场研究报告称，2013年到2018年间，移动视频流量将增长14倍，占有超过全球移动业务流量的三分之二。移动视频业务的迅速增长使其逐渐成为移动互联网的主导业务之一。同时，智能手机和手持设备的普及进一步地加速了移动视频业务的增长。事实上，为了保证高速增长的移动视频业务的用户体验质量，移动运营商正面临着巨大的挑战。

一些移动视频业务，如实时高清的视频业务，相比其他移动业务来说具有更高的比特率和更严格的时延要求。例如，传输一个H.264编码的1080P视频平均需要6-8Mbit/s，这将超过目前主流的无线通信系统的能力。然而，随着无线接入技术的发展和多模终端的普及，多模终端具有同时连接到多个接入网的能力。因此，传输实时高清移动视频业务的一个潜在的解决方案是利用异构无线网络进行多路传输。图1为多路视频传输的示意图，其中，图中最上面的移动终端表示采用了多路视频传输技术的多模终端。

多路视频传输的一个关键技术就是码率分配方法。针对该问题，国内外学者已提出了很多的解决方法，例如基于失真的码率分配方法以及基于概率的码率分配算法。这些解决方法有各自的缺陷：首先，基于概率的码率分配方法没有考虑到异构无线网络各个网络QoS特性的异构和时变特性，因此会导致接收端视频质量的下降和播放失真；其次，基于失真的码率分配方法优化的目标是最小化接收端视频的失真，而不是用户的体验质量(QoE)，然而，用户体验质量将会成为视频业务的最重要和最有效的评价标准之一。因此，在码率分配时不考虑用户体验质量不利于提高数据传输质量。

但是，精确地描述一个QoE模型是非常困难的，因为它与很多的因素相关，例如用户的喜好，网络QoS参数以及用户环境(应用类型，地理位置和电池电量等)。在异构无线接入环境下的多路径传输视频，其码率分配会直接影响接收用户的QoE。例如，如果分配过多的码流到一个拥塞的路径将会导致严重的播放质量下降。因此，一个能够适用于异构无线接入环境下多路径视频传输的QoE预测模型是非常必要的。现有技术中尚缺乏QoE预测模型。

发明内容

本发明的目的在于克服现有技术中的缺陷，从而提供一种面向用户体验质量的码率分配方法。

为了实现上述目的，本发明提供了一种面向用户体验质量的码率分配方法，包括：

步骤1)、在一个码率分配会话期内，监测并更新包括C_i、RTT_i、L_i、π_G、π_B在内的参数；然后设定码率分配会话时长，初始化收敛标准值ε₁、步长γ_k，将用于迭代的变量k的大小设为1，将码率分配向量R初始化为R⁽⁰⁾＝{R_i|R_i＝ρ_iC_i,i∈P}；其中，

C_i表示路径i的可用带宽；RTT_i表示路径i的往返时延；L_i表示路径i的有效丢包率；π_G表示信道处于状态G的概率；π_B表示信道处于状态B的概率；R_i表示分配到路径i的码率；ρ_i表示码率分配到各个路径的比率；P表示路径的集合；

步骤2)、将γ_k作为松弛变量构造惩罚函数对于每个特定的γ_k，都执行一次步骤3)；其中，

$\stackrel{\&OverBar;}{Q}(R,{\mathrm{\&gamma;}}_k)=Q\left(R\right)+{\mathrm{\&gamma;}}_k\underset{i\&Element;P}{\mathrm{\&Sigma;}}\log \left(g\left(R_i\right)\right);$

其中，g(R_i)＝C_i-R_i，在QoE预测模型Q(R,f,L)中只考虑R为自变量，将f作为固定值，将L刻画在限制条件里，得到所述Q(R)，其中 $Q(R,f,L)=-\frac{a_1+\ln \left(\frac{1+{\left|\right|R\left|\right|}_1}{a_2}\right)+a_3\&CenterDot;f}{a_4+e^{a_5\&CenterDot;L}};$

||R||₁＝|R₁|+|R₂|+…+|R_N|；f为帧率；a₁、a₄用于调节R和L为0和1时的初始值，a₂是调节R对QoE的影响因子，a₃是调节f对QoE的影响因子，a₅是调节L对QoE的影响因子；

步骤3)、初始化中间变量T¹＝O¹＝R^(k-1)，初始化第k次迭代的收敛标准ε₂、步长δ、加速因子α以及减缓因子β，并将迭代变量j与n的值都设为1，然后执行步骤4)；其中，

R^(k-1)是第k-1次迭代得到的值；

步骤4)、当j≤N时,首先判断下列条件是否成立：如果成立，那么T^j+1＝T^j+δe_j，如果不成立，进一步判断下列条件是否成立：如果成立,那么T^j+1＝T^j-δe_j，如果不成立,T^j+1＝T^j；接着令j:＝j+1,重复该步骤,直到j>N，然后执行下一步；其中，e_j是在方向j上的单位向量；

步骤5)、当j>N时，判断下列条件是否成立：若成立，令Oⁿ⁺¹＝T^N+1,T¹＝Oⁿ⁺¹+α(Oⁿ⁺¹-Oⁿ),n:＝n+1,j＝1,然后重新执行步骤4)若不成立，进一步判断下列条件是否成立：δ<ε₂,如果成立，返回R^(k)＝Oⁿ并检测返回的R^(k)是否满足收敛标准如果不满足的话,令γ_k+1＝γ_k/10,k:＝k+1,然后执行步骤2)，若满足收敛条件,返回R^(k)，然后执行步骤6)；如果不成立，即δ≥ε₂，令δ:＝βδ,T¹＝Oⁿ,Oⁿ⁺¹＝Oⁿ,n:＝n+1,j＝1,然后执行步骤4)；

步骤6)、在每个码率分配会话期内,将得到的最优R^(k)分配到各个路径上去。

上述技术方案中，在步骤1)中，将收敛标准值ε₁的大小设定为1；将步长γ_k的大小设为1。

上述技术方案中，在步骤1)中，码率分配会话时长设定为2秒。

上述技术方案中，在步骤3)中，所述第k次迭代的收敛标准ε₂的初始值设为10，所述步长δ的初始值设为200，加速因子α的初始值设为2，减缓因子β的初始值设为0.5。

本发明的优点在于：

1)实用性：本发明首先提出一个新的QoE模型，能够针对不同类型的视频序列和视频编码器训练出不同的模型参数，使得模型能够有广泛的实用性；

2)适应性：本发明提出的面向QoE的码率分配方法是能适用于不同类型的视频序列，本发明验证了不同类型的视频序列采用本发明方法的性能，发现均能提高接收端的视频质量，说明本发明方法具有较好的适应性；

3)有效性：与基于失真和基于概率的码率分配方法相比，本发明提出的面向QoE的码率分配方法能够有效的提高接收端的视频质量。与前两种方法相比，本发明提出的方法在MOS值，峰值信噪比以及丢包率上都能有明显的提升。

附图说明

图1是异构无线接入环境下的多路视频传输的示意图；

图2是采用本发明方法的异构无线接入环境下的多路视频传输的示意图；

图3是本发明的面向用户体验质量的码率分配方法的流程图；

图4是不同码率分配方法下的在每个码率分配会话期内获得的平局意见值的示意图；

图5(a)为IntoTree视频序列在本发明的面向QoE码率分配方法下的PSNR曲线图；

图5(b)为IntoTree视频序列在基于失真的码率分配方法下的PSNR曲线图；

图5(c)为IntoTree视频序列在基于概率的码率分配方法下的PSNR曲线图；

图6(a)为ParkJoy视频序列在本发明的面向QoE码率分配方法下的PSNR曲线图；

图6(b)为ParkJoy视频序列在基于失真的码率分配方法下的PSNR曲线图；

图6(c)为ParkJoy视频序列在基于概率的码率分配方法下的PSNR曲线图；

图7(a)为CrowdRun视频序列在本发明的面向QoE码率分配方法下的PSNR曲线图；

图7(b)为CrowdRun视频序列在基于失真的码率分配方法下的PSNR曲线图；

图7(c)为CrowdRun视频序列在基于概率的码率分配方法下的PSNR曲线图；

图8表示了不同码率分配方法下的有效丢包率。

具体实施方式

现结合附图对本发明作进一步的描述。

本发明首先提出了一个新的QoE预测模型来提升异构无线接入环境下不同码率分配的用户体验质量，然后将异构无线接入环境下多路视频传输的码率分配问题建模为受约束的非线性优化问题。为了有效地解决该问题，本发明引入松弛函数(也叫惩罚函数)和模式搜索方法来求取近似最优的码率分配方案。

为了便于理解，首先对本发明的应用场景进行说明。

图2为异构无线接入环境下多路视频传输的示意图，在这一应用场景中，通信系统包括移动多模终端、服务器端；两个通信终端之间存在有多条通信路径。在一次视频传输过程中，移动多模终端首先向服务器请求时长为T的视频并通知服务器可用的接口数目；为了提供实时的码率自适应能力，服务器可将整个视频切割成多个等时长的视频分段，对于每一个视频分段，在服务器端提供不同码率的多个版本的视频段，然后服务器在每个码率分配会话期间，根据网络的状态选择最优的发送比特率发送视频分段。在这一过程中，最为关键的是QoE预测模型的建立与码率分配，所述QoE预测模型用于评估QoE的值，所述码率分配则用于分配不同的码率到不同的接入网。

在图2所示的异构无线接入环境下，两个通信终端之间存在N条通信路径，定义这些路径的集合为P＝{i|1≤i≤N,N≥2}。假设这些通信路径是独立不相关的，也就是说，这些路径没有共享相同的瓶颈链路。因为无线网络受限的带宽和时变的信道状态，无线接入侧最有可能成为端到端通信的瓶颈，因此上述假设是可行的。其中，端到端通信链路的状态由下面几个网络属性来刻画：

(1)、路径i的往返时延RTT_i，表示数据包从开始发送到接收到确认应答的时间，这个属性可以用来预测路径的拥塞情况；

(2)、路径i的可用带宽C_i，表示该应用能到达的最大可用比特率，该属性是时变的；

(3)、路径i的有效丢包率L_i，包括传输丢包率Π_i和延时丢包率Ω_i。

由于无线接入网络侧的时变性和异构性，每个无线接入网的上述属性都需要重复定期地在每个码率分配会话期内进行计算。这些网络属性的计算方式如下：

(1)本发明所实现的码率分配可以采用向量的形式来表示：R＝{R_i}_i∈P，其中每个元素R_i表示相应的分配到路径i的码率。定义路径i的剩余带宽为e_i＝C_i-R_i，由路径i的剩余带宽e_i以及路径i的往返时延RTT_i可估计端到端时延的大小。

(2)路径i的可用带宽C_i；该值可通过对链路状态的监测得到。

(3)有效丢包包括传输丢包和延时丢包。

为了描述每条路径上的传输丢包，本发明采用吉尔伯特-艾略特(GE)丢包模型，因为视频丢包通常是连续性和突发性的。GE丢包模型能通过具有两个状态的马尔科夫链来描述。定义信道好的状态为G，信道差的状态为B。在信道状态为G时,丢包以较低的概率p_G发生；相反，在信道状态为B，丢包以较高的概率p_B发生。每个状态下的丢包都是独立的。因此，信道处于状态G和B的概率分别为和其中，p_GB和p_BG分别是从状态G转移到状态B的概率和从状态B转移到状态G的概率。因此，路径i的传输丢包率为Π_i＝p_Gπ_G+p_Bπ_B。上述参数p_G,π_G,p_B,π_B的值均可通过对信道状态的监测得到。

延时丢包表示的是在播放期限内未到达接收端的视频包，这种类型的丢包由端到端的路径时延决定。定义路径i的端到端时延为d_i，播放期限为t_d。路径的时延服从指数分布，因此，路径i延时丢包率可以表示为Ω_i＝P{d_i>t_d}＝exp{-Θ·t_d}，其中，Θ表示路径i端到端时延期望的倒数，也就是E{d_i}与路径i的剩余带宽有关，可以表示为其中，α_i是平滑参数，可以用上一个码率分配会话期间的RTT_i和e_i来表示，等于

因此，路径i的有效丢包率L_i可以表示为L_i＝Π_i+(1-Π_i)exp{-Θ·t_d}，定义为码率分配到各个路径的比率。总的有效丢包率等于各个路径的有效丢包率的加权和，即是 $L=\underset{i\&Element;P}{\mathrm{\&Sigma;}}{\mathrm{\&rho;}}_i\&CenterDot;L_i=\underset{i\&Element;P}{\mathrm{\&Sigma;}}{\mathrm{\&rho;}}_i\&CenterDot;({\mathrm{\&Pi;}}_i+(1-{\mathrm{\&Pi;}}_i)\exp \{-\mathrm{\&Theta;}\&CenterDot;t_d\left\}\right).$

本发明中所建立的QoE预测模型是基于内容的，也就是说，视频将根据视频的空域和时域特征进行聚类分析，分成三种不同的类型，分别是弱运动强度视频段(SM)，中等运动强度视频段(GW)和强运动强度视频段(RM)。通过大量的线下实验，得出QoE预测模型的表达式如下：

$Q(R,f,L)=-\frac{a_1+\ln \left(\frac{1+{\left|\right|R\left|\right|}_1}{a_2}\right)+a_3\&CenterDot;f}{a_4+e^{a_5\&CenterDot;L}}$

其中，a₁、a₂、a₃、a₄、a₅对于不同的视频编码器和视频内容类型来说是不同的常量参数，可以通过训练集的非线性回归来求得。具体的说，a₁、a₄用于调节R和L为0和1时的初始值，a₂是调节R对QoE的影响因子，a₃是调节f对QoE的影响因子，a₅是调节L对QoE的影响因子。在本发明中，采用H.264/AVC编码器，有效丢包率的范围从0到1。由于码率分配策略可采用向量的形式R＝{R_i}_i∈P，所以发送比特率是码率分配向量的一维范数，也即是||R||₁＝|R₁|+|R₂|+…+|R_N|。

在之前所建立的QoE预测模型的基础上，为码率分配问题建立模型。本发明认为，对于实时码率自适应的视频来说，在每个码率分配会话期内，发送速率都是变化的。因此，假设视频编码器能够实时地产生码率自适应的视频流(这种技术可以是H.264/SVC，多版本视频等，本发明采用H.264/AVC编码的多版本视频)，在每个码率分配会话期内，寻求最优的码率分配向量R＝{R_i}_i∈P使得：

$\underset{R}{\max }Q(R,f,L)=-\frac{a_1+\ln \left(\frac{1+{\left|\right|R\left|\right|}_1}{a_2}\right)+a_3\&CenterDot;f}{a_4+e^{a_5\&CenterDot;L}}---\left(1\right)$

$s.t.\left\{\begin{array}{c}{R}_i\&le;C_i,i\&Element;P\\ L=\underset{i\&Element;P}{\mathrm{\&Sigma;}}{\mathrm{\&rho;}}_i\&CenterDot;L_i\\ L_i={\mathrm{\&Pi;}}_i+(1-{\mathrm{\&Pi;}}_i)\exp \&CenterDot;\{-\mathrm{\&Theta;}\&CenterDot;t_d\}\\ {\mathrm{\&Pi;}}_i=p_G{\mathrm{\&pi;}}_G+p_B{\mathrm{\&pi;}}_B\\ \underset{i\&Element;P}{\mathrm{\&Sigma;}}{\mathrm{\&rho;}}_i=1\end{array}\right.$

上述式(1)就是所建立的码率分配问题模型。

由于有效丢包率在每个码率分配会话期内与码率分配向量相关，而帧率f通常是常量，因此，本发明中只将码率分配向量R作为优化变量。上述问题是一个受约束的非线性优化问题，在本发明中首先需要将受约束的优化问题转化成无约束的优化问题，因此定义惩罚函数(松弛函数)为：其中γ_k为松弛变量，g(R_i)＝C_i-R_i，Q(R)由QoE预测模型Q(R,f,L)而来，在QoE预测模型Q(R,f,L)中只考虑R为自变量，f相对来说是固定的，通常是30帧/s，L刻画在限制条件里。显然地，当每个路径上分配到的码率等于有效带宽C_i时，趋向负无穷。上述惩罚函数的最优解不可能在边界上求得。因此，上述的受约束的非线性最优化问题可以转化为无约束的线性优化问题：

$\underset{R\&Element;D}{\max }\stackrel{\&OverBar;}{Q}(R,{\mathrm{\&gamma;}}_k)---\left(2\right)$

$\left\{\begin{array}{c}\stackrel{\&OverBar;}{Q}(R,{\mathrm{\&gamma;}}_k)=Q\left(R\right)+{\mathrm{\&gamma;}}_k\underset{i\&Element;P}{\mathrm{\&Sigma;}}\log \left(g\left(R_i\right)\right)\\ D=\left\{R\right|g\left(R_i\right)>0,i\&Element;P\}\end{array}\right.$

优化问题(2)的最优解与γ_k相关，并随着γ_k的减少，它的最优解趋近于原问题(1)的最优解。定义容忍误差为ε₁和收敛标准为

以之前所建立的模型为基础，本发明的码率分配方法通过引入惩罚函数和模式搜索方法在每个码率分配会话期内求得能最大化QoE的码率分配向量R，参考图3，具体包括如下步骤：

步骤1)、在一个码率分配会话期内，监测并更新包括C_i、RTT_i、L_i、π_G、π_B在内的参数；然后设定码率分配会话时长，初始化收敛标准值ε₁、步长γ_k，将用于迭代的变量k的大小设为1，将码率分配向量R初始化为R⁽⁰⁾＝{R_i|R_i＝ρ_iC_i,i∈P}；

作为一种可选的实现方式，码率分配会话时长设定为2秒，但在其他实施例中，码率分配会话时长也可以是其他值。

作为一种可选的实现方式，收敛标准值ε₁的大小设为0.1，步长γ_k的大小设为1，这两个值关系到收敛的快慢，用户可根据需要选择其他的值。

步骤2)、构造惩罚函数对于每个特定的γ_k，都执行一次步骤3)；

步骤3)、初始化中间变量T¹＝O¹＝R^(k-1),ε₂＝10,δ＝200,α＝2,β＝0.5,j＝1,n＝1，然后执行步骤4)；其中，R^(k-1)是第k-1次迭代得到的值；j、n都是迭代时所用到的变量，ε₂是第k次迭代的收敛标准，β是减缓因子，通常取(0，1)之间；α是加速因子，通常大于1；δ也是步长；

步骤4)、当j≤N时,首先判断下列条件是否成立：如果成立，那么T^j+1＝T^j+δe_j，如果不成立，进一步判断下列条件是否成立：如果成立,那么T^j+1＝T^j-δe_j，如果不成立,T^j+1＝T^j；接着令j:＝j+1,重复该步骤,直到j>N；其中，e_j是在方向j上的单位向量；

步骤5)、当j>N时，判断下列条件是否成立：若成立，令Oⁿ⁺¹＝T^N+1,T¹＝Oⁿ⁺¹+α(Oⁿ⁺¹-Oⁿ),n:＝n+1,j＝1,然后重新执行步骤4)若不成立，进一步判断下列条件是否成立：δ<ε₂,如果成立，返回R^(k)＝Oⁿ并检测返回的R^(k)是否满足收敛标准如果不满足的话,令γ_k+1＝γ_k/10,k:＝k+1,然后执行步骤2)，若满足收敛条件,返回R^(k)，然后执行步骤6)；如果不成立，即δ≥ε₂，令δ:＝βδ,T¹＝Oⁿ,Oⁿ⁺¹＝Oⁿ,n:＝n+1,j＝1,然后执行步骤4)；

步骤6)、在每个码率分配会话期内,将得到的最优R^(k)分配到各个路径上去。

下面结合实例和应用场景对本发明方法的效果进行描述。

采用平均主观评测MOS值，图像峰值信噪比(PSNR)以及丢包率作为本发明提出的面向QoE的码率分配方法的评价标准，利用NS-2以及Matlab仿真软件来验证本发明算法的性能，在仿真中采用真实的视频trace，搭建的应用场景如图1所示。

码率分配策略由图2中的码率分配模块决定，服务器每隔2s定时地监测网络的QoS因素，例如有效带宽，时延等。三个各有250帧的高清的视频序列：IntoTree，ParkJoy和CrowdRun依序地从服务器发送到多模移动终端。这些视频序列的像素都是1929x1088，帧率f为25帧/s，时长为10s。每个视频序列都利用H.264/AVC编码器进行编码，GoP的长度为8，帧结构为IBBPBBPI。所有这些视频序列都被编码成多个具有不同发送速率的版本。因此，根据检测到的QoS参数，码率分配模型选择合适的版本进行传输，然后将按照提出的面向QoE的码率分配方法将码流分到不同的路径。每个视频帧都会封包成大小为1052字节的数据包进行传输。为了更真实地模拟现实网络中的背景流量，仿真中的数据包有25％大小为1500字节，25％为44字节和50％为576字节。

三种不同的评价标准被利用来对比各个算法之间的性能，分别是QoE(MOS值)，PSNR以及丢包率。其中，QoE是最主要的主观评价标准，它是21个参与评测的志愿者的平均意见值。PSNR是主观评价视频质量的主流标准之一，它是关于原始视频与接收视频之间平均方差的一个函数。丢包率也是一个评价算法性能的有用的参数之一。如果越多的丢包参数，接收端的视频质量下降的就越快。

QoE预测模型精度分析

为了提升多路视频传输的用户体验，我们首先验证提出的QoE预测模型的精度。预测模型的参数通过非线性回归获得。训练集是(MOS值，丢包率L，发送码率R，帧率f)。我们采用Matlab软件的nlintool函数进行非线性回归，拟合的模型参数如表1所示。其中，R²表示拟合的好坏程度。

Coefficients	SM	GW	RM
				a1	-0.213	-0.274	-0.314
a2	65.214	81.156	103.516
				a3	0.016	0.018	0.014
a4	0.053	0.086	0.116
				a5	5.425	4.510	4.110
R2	90.54％	85.27％	80.36％

表1

主观MOS值

图4表示的是不同码率分配方法下的在每个码率分配会话期内获得的平局意见值。从图4可以看出，面向QoE的码率分配方法相比其他两种码率分配方法能够获得更高的平均意见值。

为了更好验证本发明提出的方法的性能，也采用了客观的评价，例如PSNR和丢包率的对比。图5、图6和图7分别画出了IntoTree，ParkJoy和CrowdRun三个视频序列在不同码率分配方法下，从第1帧到第250帧的PSNR曲线对比图。具体的说，图5(a)为IntoTree视频序列在本发明的面向QoE码率分配方法下的PSNR曲线图，图5(b)为IntoTree视频序列在基于失真的码率分配方法下的PSNR曲线图，图5(c)为IntoTree视频序列在基于概率的码率分配方法下的PSNR曲线图。图6(a)为ParkJoy视频序列在本发明的面向QoE码率分配方法下的PSNR曲线图，图6(b)为ParkJoy视频序列在基于失真的码率分配方法下的PSNR曲线图，图6(c)为ParkJoy视频序列在基于概率的码率分配方法下的PSNR曲线图。图7(a)为CrowdRun视频序列在本发明的面向QoE码率分配方法下的PSNR曲线图，图7(b)为CrowdRun视频序列在基于失真的码率分配方法下的PSNR曲线图，图7(c)为CrowdRun视频序列在基于概率的码率分配方法下的PSNR曲线图。我们可以看出其他两种码率分配方法下，接收端的视频质量会更加频繁地波动，造成用户体验的下降。而本发明提出的方法能够获得更加平滑的视频播放。

图8表示了不同码率分配方法下的有效丢包率，包括传输丢包和延时丢包。丢包率越高，接收端的视频质量就越低。因此，本发明采用了丢包率作为评价方法性能的标准之一。从图8可以看到，面向QoE的码率分配相对其他两种码率分配方法具有较低的丢包率。这是因为在面向QoE的码率分配中传输丢包和延时丢包都被有效地抑制了。

通过本发明所提出的面向QoE的码率分配方法与基于失真的和基于概率的码率分配算法进行客观和主观评价标准上的比较，可以说明本发明提出的面向QoE的码率分配方法相比其他两种码率分配方法具有更强的有效性、适应性和实用性，能够有效地保证接收端的视频质量的稳定性和可靠性，提升了用户的体验质量。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种面向用户体验质量的码率分配方法，包括：

步骤1)、在一个码率分配会话期内，监测并更新包括C_i、RTT_i、L_i、π_G、π_B在内的参数；然后设定码率分配会话时长，初始化收敛标准值ε₁、步长γ_k，将用于迭代的变量k的大小设为1，将码率分配向量R初始化为R⁽⁰⁾＝{R_i|R_i＝ρ_iC_i,i∈P}；其中，

C_i表示路径i的可用带宽；RTT_i表示路径i的往返时延；L_i表示路径i的有效丢包率；π_G表示信道处于状态G的概率；π_B表示信道处于状态B的概率；R_i表示分配到路径i的码率；ρ_i表示码率分配到各个路径的比率；P表示路径的集合；

步骤2)、将γ_k作为松弛变量构造惩罚函数对于每个特定的γ_k，都执行一次步骤3)；其中，

$\stackrel{\&OverBar;}{Q}(R,{\mathrm{\&gamma;}}_k)=Q\left(R\right)+{\mathrm{\&gamma;}}_k\underset{i\&Element;P}{\mathrm{\&Sigma;}}\log \left(g\left(R_i\right)\right);$

其中，g(R_i)＝C_i-R_i，在QoE预测模型Q(R,f,L)中只考虑R为自变量，将f作为固定值，将L刻画在限制条件里，得到所述Q(R)，其中 $Q(R,f,L)=-\frac{a_1+\ln \left(\frac{1+{\left|\right|R\left|\right|}_1}{a_2}\right)+a_3\&CenterDot;f}{a_4+e^{a_5\&CenterDot;L};}$

||R||₁＝|R₁|+|R₂|+…+|R_N|；f为帧率；a₁、a₄用于调节R和L为0和1时的初始值，a₂是调节R对QoE的影响因子，a₃是调节f对QoE的影响因子，a₅是调节L对QoE的影响因子；

步骤3)、初始化中间变量T¹＝O¹＝R^(k-1)，初始化第k次迭代的收敛标准ε²、步长δ、加速因子α以及减缓因子β，并将迭代变量j与n的值都设为1，然后执行步骤4)；其中，

R^(k-1)是第k-1次迭代得到的值；

步骤4)、当j≤N时,首先判断下列条件是否成立：如果成立，那么T^j+1＝T^j+δe_j，如果不成立，进一步判断下列条件是否成立：如果成立,那么T^j+1＝T^j-δe_j，如果不成立,T^j+1＝T^j；接着令j:＝j+1,重复该步骤,直到j>N，然后执行下一步；其中，e_j是在方向j上的单位向量；

步骤5)、当j>N时，判断下列条件是否成立：若成立，令Oⁿ⁺¹＝T^N+1,T¹＝Oⁿ⁺¹+α(Oⁿ⁺¹-Oⁿ),n:＝n+1,j＝1,然后重新执行步骤4)若不成立，进一步判断下列条件是否成立：δ<ε₂,如果成立，返回R^(k)＝Oⁿ并检测返回的R^(k)是否满足收敛标准如果不满足的话,令γ_k+1＝γ_k/10,k:＝k+1,然后执行步骤2)，若满足收敛条件返回R^(k)，然后执行步骤6)；如果不成立，即δ≥ε₂，令δ:＝βδ,T¹＝Oⁿ,Oⁿ⁺¹＝Oⁿ,n:＝n+1,j＝1,然后执行步骤4)；

步骤6)、在每个码率分配会话期内,将得到的最优R^(k)分配到各个路径上去。

2.根据权利要求1所述的面向用户体验质量的码率分配方法，其特征在于，在步骤1)中，将收敛标准值ε₁的大小设定为1；将步长γ_k的大小设为1。

3.根据权利要求1所述的面向用户体验质量的码率分配方法，其特征在于，在步骤1)中，码率分配会话时长设定为2秒。

4.根据权利要求1所述的面向用户体验质量的码率分配方法，其特征在于，在步骤3)中，所述第k次迭代的收敛标准ε₂的初始值设为10，所述步长δ的初始值设为200，加速因子α的初始值设为2，减缓因子β的初始值设为0.5。