CN109905326A - 一种基于拥塞程度因子的速率下降参数优化方法 - Google Patents

Abstract

本发明公开了一种基于拥塞程度因子的速率下降参数优化方法，应用于基于RTP/RTCP协议的点对点多媒体实时通信系统。接收端根据帧间时延变化情况自适应选择拥塞阈值，结合当前帧的排队时延变化情况和拥塞阈值产生状态信号S，根据状态信号对发送速率进行调整。当网络发生拥塞时，量化拥塞程度并据此计算速率下降参数α，控制发送速率以α为步长下降。最后结合发送端和接收端的速率控制模块对发送速率的估计值，计算最终的发送速率。与现有技术相比，本发明能适用于各种网络环境，并能提高传入速率，降低丢包率和网络时延，为用户带来了更稳定流畅的多媒体实时通信服务。

Description

一种基于拥塞程度因子的速率下降参数优化方法

技术领域

本发明涉及多媒体实时通信系统中的拥塞控制技术，特别涉及一种基于拥塞程度因子的速率下降参数优化方法。

背景技术

目前，随着互联网的飞速发展和各类移动终端的大面积普及，人们对于多媒体实时通信服务的需求越来越多，拥塞控制是保证网络传输效率和多媒体质量的重要环节之一。

然而，大多数的拥塞控制技术都是基于TCP协议实现的，这对于目前多媒体实时通信系统使用较多的RTP/RTCP协议并不适用。TCP协议依赖滑动窗口进行流量控制，滑动窗口大小是自适应抖动变化的，对于实时传输影响很大，可能形成较大的突发时延，即有可能造成用户使用过程中突发的“卡顿”现象，严重影响用户体验。

另外谷歌提出的基于RTP/RTCP的拥塞控制算法(GCC)，通过测量单向时延变化量推测网络拥塞情况，并采用发送端和接收端协同合作方式控制速率固定下降。当检测到拥塞时，这种静态速率下降机制能够防止持续的拥塞发生。但是，固定的下降速率无法适用于不同程度的拥塞状况，这样不仅会造成网络利用率不够充分，还限制了接收速率和排队时延，影响通信质量。

发明内容

为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种基于拥塞程度因子的速率下降参数优化方法。适用于基于RTP/RTCP协议的多媒体实时通信系统，能在不同的网络环境下进行自适应调节，有效控制拥塞，降低丢包率和网络时延，为用户带来更好的多媒体实时通信体验。

本发明的目的通过以下技术方案实现：

一种基于拥塞程度因子的速率下降参数优化方法，其特征在于，包括以下步骤：

步骤1、接收端在到达时间过滤器中，根据第i帧第一个数据包发送的时间T_i和第i帧最后一个数据包到达接收端的时间t_i计算帧间延迟变化量d_m(t_i)，并估计第i帧的排队时延变化量m(t_i)。

步骤2、过载检测器结合第i帧的排队时延变化量m(t_i)和自适应拥塞阈值γ(t_i)，生成一个能够反映拥塞状况的状态信号S，并将此信号发送到速率控制器。其中S有三种状态：

状态一、当m(t_i)>γ(t_i)时，说明当前网络的队列长度在持续增大，可能出现拥塞情况，生成overuse信号；

状态二、当m(t_i)<-γ(t_i)时，说明当前传入速率可能低于可用带宽，网络的队列长度持续下降，网络负载空闲，生成underuse信号；

状态三、当-γ(t_i)≤m(t_i)≤γ(t_i)时，说明当前状态未改变，网络负载正常，生成normal信号。

步骤3、速率控制器根据生成的状态信号S，计算当前时刻基于接收端的发送速率估计值A_r(t_i)：

上式中，速率因子的取值范围根据生成的状态信号S选择执行：

条件一、当S＝overuse，即网络队列长度持续增大，可能导致拥塞时，需要降低发送速率。其中α是速率下降因子，为保证速率变化平滑，取值范围应在α∈(0.5,1)内；R(t_i)为过去500ms内的最大接收速率；

条件二、当S＝underuse，即当前网络的负载较小时，可用带宽较大，可以逐渐增大发送速率；其中η是速率增长因子，参考范围为η∈[1.005,1.3]；

条件三、当S＝normal，即当前网络负载正常，暂时不需要调整发送速率。

步骤4、速率控制器将当前时刻基于接收端计算的目标速率A_r(t_i)封装到REMB报文中，通过RTCP报文反馈到发送端。

步骤5、发送端基于RTCP报文中t_i时刻的丢包率f_l(t_i)，计算当前时刻基于发送端的发送速率估计值A_s(t_i)：

上式中，根据丢包率选择执行速率因子的取值以及速率估计值的取值：

条件一、当丢包率在0.02到0.1之间时，说明此时网络状况正常，A_s(t_i)保持不变；

条件二、当丢包率高于0.1时，说明此时网络排队情况严重，可能发生拥塞，A_s(t_i)将根据丢包率的大小降低发送端发送速率；

条件三、当丢包率低于0.02时，说明网络负载较小，可以适当提高发送端的发送速率。其中β是速率增长因子，参考范围为β∈[1.005,1.3]；

步骤6、协同发送端和接收端对速率控制的估计，计算最终执行的发送速率A(t_i)，并将A(t_i)传递到发送端的发送引擎中，让发送端以A(t_i)的速率发送数据包。

在上述的基于拥塞程度因子的速率下降参数优化方法，步骤1中采用了最小二乘法线性回归估计当前的网络排队时延m(t_i)，避免噪声的影响。其中每个散列点横轴为当前帧的到达时间，纵轴表示平滑后的相对延迟，根据目前的散列点集合计算网络排队时延波动的斜率，即网络排队时延变化趋势。最后根据当前帧的到达时间，计算得到本次估计的网络延迟m(t_i)。其计算过程调用如下：

步骤1.1、接收端在到达时间过滤器中，基于相邻两帧接收时间和发送时间之差计算单向时延变化量d_m(t_i)。单向时延可避免由于同步发送端和接收端时钟信号所造成的误差，具体计算公式如下：

d_m(t_i)＝(t_i-t_i-1)-(T_i-T_i-1)

其中t_i表示第i帧的最后一个数据包到达接收端的时间，T_i表示第i帧的第一个数据包发送的时间。

步骤1.2、将目前收到的所有单向时延变化量进行累加，得到当前时刻的单向时延累计值acc(t_i)。然后进行平滑计算，得到当前时刻的单向时延平滑值smo(t_i)：

smo(t_i)＝alpha*smo(t_i-1)+(1-alpha)*acc(t_i)

其中d_m(t_i)为当前时刻的单向时延变化量；alpha是平滑因子，默认取值为0.9。

步骤1.3、分别计算并更新当前时刻时延累计值的均值avg_acc(t_i)，以及时延平滑值的均值avg_smo(t_i)：

其中acc(t_i)和smo(t_i)分别为到目前为止的单向时延累计值和单向时延平滑值，i为到目前为止所收到的帧的总数。

步骤1.4、更新排队时延趋势斜率k(t_i)，然后计算当前的网络排队时延估计m(t_i)：

m(t_i)＝t_i*k(t_i)

其中t_i为第i帧的最后一个数据包到达接收端的时间，avg_acc(t_i)为当前时刻的时延累计值acc(t_i)的均值，avg_smo(t_i)为当前时刻时延平滑值smo(t_i)的均值。

在上述的基于拥塞程度因子的速率下降参数优化方法，步骤2中采用了自适应的拥塞阈值机制，阈值的选择是以排队时延变化量为依据的，能适应不同网络状况，具体包括以下步骤：

步骤2.1、计算接收端相邻帧到达时间间隔ΔT＝t_i-t_i-1

步骤2.2、选择增益变量k_γ(t_i)：

其中γ(t_i-1)为上一帧接收时的拥塞阈值；k_d和k_u分别表示阈值增加和减小的速度。

步骤2.3、根据增益变量k_γ(t_i)，上一帧的拥塞阈值γ(t_i-1)，相邻视频帧到达的时间差ΔT＝t_i-t_i-1来动态调整当前时刻的拥塞阈值。具体公式如下：

γ(t_i)＝γ(t_i-1)+ΔT·k_γ(t_i)(|m(t_i)|-γ(t_i-1))

在上述的基于拥塞程度因子的速率下降参数优化方法，步骤3中将当前传输网络的“拥塞程度”量化表示为deg，具体公式如下：

其中m(t_i)和γ(t_i)分别表示的是排队时延变化量和自适应拥塞阈值。

拥塞阈值的大小可直接影响算法的敏感度，当排队时延变化量和拥塞阈值的差值相同，但是拥塞阈值不同时，拥塞阈值越小，当前的拥塞程度越严重。所以在一定程度上，自适应的拥塞阈值的大小能够反映当前网络的承受能力。

且，发送拥塞时，基于拥塞程度deg选择速率下降参数，具体包括以下步骤：

步骤3.1、基于拥塞程度deg，计算拥塞程度因子

步骤3.2、计算动态下降参数α，并控制α在[0.80,0.95]内，以保证发送速率变化平滑，结合拥塞程度进行下降速率控制：

步骤3.3、以α为下降步长，计算基于接收端的目标速率估计值：

A_r(t_i)＝αR(t_i)

与现有技术相比，本发明具有以下优点和有益效果：

(1)本发明基于RTP/RTCP协议，满足目前大部分多媒体实时通信系统的优化需求，更能满足多媒体通信对高实时性的要求。

(2)本发明根据当前网络状况自适应选择拥塞判断阈值，可避免网络已产生拥塞，但由于未能产生拥塞信号进而无法对持续拥塞进行控制的情况。因此，无论处于怎样的网络状态下，系统都可以自适应选择最佳的策略应对网络拥塞，优化网络整体传输质量。

(3)本发明根据当前网络拥塞程度自适应选择速率下降步长α。相比于静态的速率下降机制，自适应选择下降速率的算法显著提高了对网络的利用率，提高了数据传入速率，并能减少视频丢包，降低网络时延，为用户带来更好的视频质量。

附图说明

图1为本算法的流程架构图。

图2为本实施例中RTCPRR报文结构图。

图3为单向时延变化量计算示意图。

图4为本算法中速率控制器的状态转化示意图。

图5为本实施例中REMB报文结构图。

具体实施方式

下面结合实施例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。

实施例

本实施例具体使用了两台Windows系统的电脑作为客户端1和客户端2，在两个客户端上分别运行基于WebRTC框架的实时视频通信程序。服务器程序运行在客户端1上，为两个客户端提供信令处理等服务。所有设备均连接同一局域网，利用网络模拟器，固定网络属性参数：可用带宽500Kbps、网络丢包2％、传播时延100ms。

本实施例基于拥塞程度因子的速率下降参数优化方法，具体工作可分为发送端与接收端两部分，具体流程结构如附图1。

其中接收端需要完成以下工作：

(1)统计接收到的RTP数据包中的丢包率、抖动时延等相关信息，构造RTCPRR报文，并反馈到发送端。具体报文结构如附图2所示。

(2)在到达时间过滤器中，根据第i帧第一个数据包发送的时间T_i和第i帧最后一个数据包到达接收端的时间t_i计算基于帧间延迟变化量d_m(t_i)，计算示意如附图3所示，计算公式为：

d_m(t_i)＝(t_i-T_i)-(t_i-1-T_i-1)＝(t_i-t_i-1)-(T_i-T_i-1)

(3)利用最小二乘回归计算排队时延变化量的估计m(t_i)，计算公式如下：

①将单向时延变化量进行累加，进行平滑计算，本例中平滑因子alpha取值为0.9：

smo(t_i)＝alpha*smo(t_i-1)+(1-alpha)*acc(t_i)

②更新时延累计和平滑时延的均值：

③更新排队时延趋势斜率k(t_i)，然后计算当前的网络排队时延估计m(t_i)：

m(t_i)＝t_i*k(t_i)

(4)基于排队时延变化量m(t_i)自适应计算拥塞判断阈值，具体公式如下：

γ(t_i)＝γ(t_i-1)+ΔT·k_γ(t_i)(|m(t_i)|-γ(t_i-1))

其中ΔT＝t_i-t_i-1，为接收端接收数据包到达的时间间隔；k_γ(t_i)为增益变量：

其中k_d和k_u分别表示阈值增加和减小的速度，本例中取值k_d＝0.00018和k_u＝0.01。

(5)过载检测器结合排队时延变化量m(t_i)和自适应拥塞阈值γ(t_i)，生成一个能够反映拥塞状况的状态信号S，并将此信号发送到速率控制器。信号S共有三种状态，它们之间的转化关系如附图4所示：

①当m(t_i)>γ(t_i)时，说明当前网络排队队列在持续增大，生成overuse信号；

②当m(t_i)<-γ(t_i)时，说明网络的队列长度持续下降，生成underuse信号；

③当-γ(t_i)≤m(t_i)≤γ(t_i)时，说明当前状态未改变，生成normal信号。

(6)速率控制器根据状态信号S，计算接收端对发送速率控制的估计值A_r(t_i)：

①当前状态为overuse时，需要降低发送速率。其中R(t_i)为过去500ms的接收速率；α为速率下降因子，在范围α∈[0.8,0.95]内根据拥塞程度自适应取值：

α(t_i)＝0.80+0.15·e^-(deg)

其中，拥塞程度deg是结合排队时延变化量m(t_i)和网络拥塞阈值γ(t_i)计算而来：

②当前状态为underuse时，可以适当增大发送速率。其中η是速率上升因子，取值范围为η∈[1.005,1.3]，本例中取η＝1.05；

③当前状态为normal时，表示暂时不需要调整发送速率。

(7)速率控制器将接收端控制器计算的目标速率A_r(t_i)通过执行REMB处理模块，封装到RTCP REMB报文中，将其反馈给发送端，具体REMB报文结构如附图5所示。

发送端的工作具体步骤如下：

(1)接收来自接收端的RTCP信息反馈，主要提取其中RTCP RR报文中的丢包信息和REMB报文中接收端对发送速率的估计值A_r(t_i)。

(2)基于RTCP报文中的丢包率，计算当前时刻基于发送端对发送速率的估计值A_s(t_i)，具体计算策略如下：

①当丢包率在0.02到0.1之间时，说明当前发送速率设置合适，A_s(t_i)保持不变；

②当丢包率高于0.1时，说明此时网络传输负荷较大，A_s(t_i)将根据具体丢包率的大小降低发送端速率；

③当丢包率低于0.02时，说明网络带宽相对空闲，在一定范围内增加发送端原有发送速率。β为速率增长因子，本例中取值β＝1.05。

(3)协同发送端对速率控制的估计值A_s(t_i)和接收端对速率控制的估计值A_r(t_i)，计算最终执行的发送速率A(t_i)，并将A(t_i)传递到发送端的发送引擎中。A(t_i)具体计算公式如下：

A(t_i)＝min(A_s(t_i),A_r(t_i))

(4)发送引擎中的Encoder和PacedSender模块，在编码器的内部调整编码速率，以及平滑发送端RTP数据包的发送速率，让发送端接下来以A(t_i)的速率发送数据包。上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (4)

1.一种基于拥塞程度因子的速率下降参数优化方法，其特征在于，包括以下步骤：

步骤1、接收端在到达时间过滤器中，根据第i帧第一个数据包发送的时间T_i和第i帧最后一个数据包到达接收端的时间t_i计算帧间延迟变化量d_m(t_i)，并估计第i帧的排队时延变化量m(t_i)；

步骤2、过载检测器结合第i帧的排队时延变化量m(t_i)和自适应拥塞阈值γ(t_i)，生成一个能够反映拥塞状况的状态信号S，并将此信号发送到速率控制器；其中S有三种状态：

状态一、当m(t_i)＞γ(t_i)时，说明当前网络的队列长度在持续增大，可能出现拥塞情况，生成overuse信号；

状态二、当m(t_i)＜-γ(t_i)时，说明当前传入速率可能低于可用带宽，网络的队列长度持续下降，网络负载空闲，生成underuse信号；

状态三、当-γ(t_i)≤m(t_i)≤γ(t_i)时，说明当前状态未改变，网络负载正常，生成normal信号；

步骤3、速率控制器根据生成的状态信号S，计算当前时刻基于接收端的发送速率估计值A_r(t_i)：

上式中，速率因子的取值范围根据生成的状态信号S选择执行：

条件一、当S＝overuse，即网络队列长度持续增大，可能导致拥塞时，需要降低发送速率；其中α是速率下降因子，为保证速率变化平滑，取值范围应在α∈(0.5，1)内；R(t_i)为过去500ms内的最大接收速率；

条件二、当S＝underuse，即当前网络的负载较小时，可用带宽较大，可以逐渐增大发送速率；其中η是速率增长因子，参考范围为η∈[1.005，1.3]；

条件三、当S＝norma]，即当前网络负载正常，暂时不需要调整发送速率；

步骤4、速率控制器将当前时刻基于接收端计算的目标速率A_r(t_i)封装到REMB报文中，通过RTCP报文反馈到发送端；

步骤5、发送端基于RTCP报文中t_i时刻的丢包率f_l(t_i)，计算当前时刻基于发送端的发送速率估计值A_s(t_i)：

上式中，根据丢包率选择执行速率因子的取值以及速率估计值的取值：

条件一、当丢包率在0.02到0.1之间时，说明此时网络状况正常，A_s(t_i)保持不变；

条件二、当丢包率高于0.1时，说明此时网络排队情况严重，可能发生拥塞，A_s(t_i)将根据丢包率的大小降低发送端发送速率；

条件三、当丢包率低于0.02时，说明网络负载较小，可以适当提高发送端的发送速率；其中β是速率增长因子，参考范围为β∈[1.005，1.3]；

步骤6、协同发送端和接收端对速率控制的估计，计算最终执行的发送速率A(t_i)，并将A(t_i)传递到发送端的发送引擎中，让发送端以A(t_i)的速率发送数据包；

2.根据权利要求1所述的基于拥塞程度因子的速率下降参数优化方法，其特征在于：步骤1中采用了最小二乘法线性回归估计当前的网络排队时延m(t_i)，避免噪声的影响；其中每个散列点横轴为当前帧的到达时间，纵轴表示平滑后的相对延迟，根据目前的散列点集合计算网络排队时延波动的斜率，即网络排队时延变化趋势；最后根据当前帧的到达时间，计算得到本次估计的网络延迟m(t_i)；其计算过程调用如下：

步骤1.1、接收端在到达时间过滤器中，基于相邻两帧接收时间和发送时间之差计算单向时延变化量d_m(t_i)；单向时延可避免由于同步发送端和接收端时钟信号所造成的误差，具体计算公式如下：

d_m(t_i)＝(t_i-t_i-1)-(T_i-T_i-1)

其中t_i表示第i帧的最后一个数据包到达接收端的时间，T_i表示第i帧的第一个数据包发送的时间；

步骤1.2、将目前收到的所有单向时延变化量进行累加，得到当前时刻的单向时延累计值acc(t_i)；然后进行平滑计算，得到当前时刻的单向时延平滑值smo(t_i)：

smo(t_i)＝alpha*smo(t_i-1)+(1-alpha)*acc(t_i)

其中d_m(t_i)为当前时刻的单向时延变化量；alpha是平滑因子，默认取值为0.9；

步骤1.3、分别计算并更新当前时刻时延累计值的均值avg_acc(t_i)，以及时延平滑值的均值avg_smo(t_i)：

其中acc(t_i)和smo(t_i)分别为到目前为止的单向时延累计值和单向时延平滑值，i为到目前为止所收到的帧的总数；

步骤1.4、更新排队时延趋势斜率k(t_i)，然后计算当前的网络排队时延估计m(t_i)：

m(t_i)＝t_i*k(t_i)

其中t_i为第i帧的最后一个数据包到达接收端的时间，avg_acc(t_i)为当前时刻的时延累计值acc(t_i)的均值，avg_smo(t_i)为当前时刻时延平滑值smo(t_i)的均值。

3.根据权利要求2所述的基于拥塞程度因子的速率下降参数优化方法，其特征在于：步骤2中采用了自适应的拥塞阈值机制，阈值的选择是以排队时延变化量为依据的，能适应不同网络状况，具体包括以下步骤：

步骤2.1、计算接收端相邻帧到达时间间隔ΔT＝t_i-t_i-1

步骤2.2、选择增益变量k_γ(t_i)：

其中γ(t_i-1)为上一帧接收时的拥塞阈值；k_d和k_u分别表示阈值增加和减小的速度；

步骤2.3、根据增益变量k_γ(t_i)，上一帧的拥塞阈值γ(t_i-1)，相邻视频帧到达的时间差ΔT＝t_i-t_i-1来动态调整当前时刻的拥塞阈值；具体公式如下：

γ(t_i)＝γ(t_i-1)+ΔT·k_γ(t_i)(|m(t_i)|-γ(t_i-1))。

4.根据权利要求1所述的基于拥塞程度因子的速率下降参数优化方法，其特征在于：步骤3中将当前传输网络的“拥塞程度”量化表示为deg，具体公式如下：

其中m(t_i)和γ(t_i)分别表示的是排队时延变化量和自适应拥塞阈值；

拥塞阈值的大小可直接影响算法的敏感度，当排队时延变化量和拥塞阈值的差值相同，但是拥塞阈值不同时，拥塞阈值越小，当前的拥塞程度越严重；所以在一定程度上，自适应的拥塞阈值的大小能够反映当前网络的承受能力；

且，发送拥塞时，基于拥塞程度deg选择速率下降参数，具体包括以下步骤：

步骤3.1、基于拥塞程度deg，计算拥塞程度因子

步骤3.2、计算动态下降参数α，并控制α在[0.80，0.95]内，以保证发送速率变化平滑，结合拥塞程度进行下降速率控制：

步骤3.3、以α为下降步长，计算基于接收端的目标速率估计值：

A_r(t_i)＝αR(t_i)。