葛志輝，白軒瑜，李陶深

(廣西大學 計算機與電子信息學院，廣西 南寧 530004)

0 引言

隨著移動設(shè)備的普及以及通信技術(shù)的急速發(fā)展，目前人們對形式多樣的多媒體數(shù)據(jù)的需求量有增無減。在未來的幾年中移動數(shù)據(jù)流量將大幅度增加，從2014年的64 %的視頻流量占有率到2021年估計將達到49 EB,并且其中接近80 %的流量為視頻流量[1]。因此,高效視頻流算法的設(shè)計對于提供高質(zhì)量的用戶體驗(user’s quality of experience，QoE)具有關(guān)鍵意義。

目前市場上絕大部分的瀏覽器均支持HTTP傳輸協(xié)議的。而HTTP流和iS0/MPEG標準就被稱為動態(tài)自適應(yīng)HTTP流,簡稱DASH(dynamic adaptive streaming over HTTP)。DASH正廣泛應(yīng)用于網(wǎng)絡(luò)視頻傳輸，而目前瀏覽器使用的都是HTTP/1.1，因為其本身固有的缺陷導致DASH一直難以獲得最佳性能，因此HTTP/2協(xié)議應(yīng)運而生。與前一代協(xié)議相比，HTTP/2協(xié)議擁有了許多新的特性，如服務(wù)器推送、多路復(fù)用、流中止等。 這些特性可以有效地改進網(wǎng)絡(luò)連接效率，進而優(yōu)化DASH的表現(xiàn)。近年來對DASH自適應(yīng)算法的研究主要集中在兩個方向。一個方向是基于帶寬的自適應(yīng)算法，通過預(yù)測帶寬的變化選擇盡可能接近實際帶寬的視頻比特率作為分片傳輸?shù)拇a率,這樣可以盡可能減少帶寬資源的浪費,給用戶帶來較高的觀看體驗。但是由于帶寬在實際情況中可能存在較大的波動，預(yù)測帶寬變得不那么容易，同時還可能使視頻發(fā)生中斷進而影響QoE[2]。另一個方向則是基于緩存的自適應(yīng)算法，根據(jù)客戶端當前的緩存狀態(tài)選擇視頻碼率。通過這種方法,可以盡可能地在變化的網(wǎng)絡(luò)場景中保持緩沖區(qū)的穩(wěn)定,避免緩沖區(qū)耗盡,從而減少了視頻的中斷次數(shù)。但是這種方法對于網(wǎng)絡(luò)的快速變化有著明顯的滯后性，在不穩(wěn)定的網(wǎng)絡(luò)中調(diào)整視頻碼率的速度跟不上網(wǎng)絡(luò)的變化[3]。所以說這兩種方法各有利弊，都做不到盡善盡美。

目前絕大部分的研究都是基于HTTP/2對以上兩種算法進行優(yōu)化和整合。一般都是把重點放在了如何改進傳輸效率上，這點在PC端上當然沒有問題，因為當用戶使用PC端時可以不用考慮電量的消耗。但是正如前文提到的，在未來幾年移動數(shù)據(jù)流量將大幅增加，人們在移動設(shè)備上觀看視頻的需求會越來越大。而制約移動設(shè)備的關(guān)鍵性能之一就是設(shè)備電量。事實上，人們對于觀看視頻時設(shè)備電量的損耗是十分在意的。移動設(shè)備的剩余電量已經(jīng)成為影響QoE的重要因素。同時目前移動設(shè)備上觀看視頻的應(yīng)用越來越廣泛，其中不乏一些觀看短視頻的應(yīng)用，對于短視頻和長視頻應(yīng)該區(qū)別對待。這些都是不曾被前人注意過的。同時，用戶處于不同的環(huán)境下使用移動端時，影響QoE的因素也會有所不同。例如當用戶在家中使用移動設(shè)備時，說明他正處于一個網(wǎng)絡(luò)比較穩(wěn)定同時不需要擔心移動設(shè)備剩余電量的環(huán)境中，這時候?qū)oE影響比較大的就是視頻的質(zhì)量了，設(shè)備能量的損耗可以不去考慮。而當用戶處于移動狀態(tài)時，很可能出現(xiàn)網(wǎng)絡(luò)急速波動的狀態(tài)，同時沒有外接電源的情況。這時候就需要在盡可能地保持視頻流暢度的同時盡量地減少移動設(shè)備的能量損耗。目前研究HTTP/2協(xié)議在網(wǎng)絡(luò)傳輸上的表現(xiàn)時考慮移動設(shè)備剩余電量QoE模型的相對較為少見，比較具有研究意義。

1 相關(guān)研究

隨著流媒體應(yīng)用的飛速發(fā)展，越來越多的人對QoE的優(yōu)化問題進行了研究。XIAO等[4]提出了并設(shè)計了動態(tài)自適應(yīng)流媒體DASH2M(exploring HTTP/2 for internet streaming to mobile devices)，通過研究HTTP/2的新功能服務(wù)器推送(服務(wù)器能夠在接收到相應(yīng)請求之前推測性地向客戶端推送響應(yīng))和流終止(通過從發(fā)送方或接收方發(fā)送特定的幀來實現(xiàn))并將其應(yīng)用于DASH2M，DASH2M通過綜合考慮用戶所需的QoE，可能出現(xiàn)的網(wǎng)絡(luò)波動，潛在的用戶提前終止視頻的可能性以及移動設(shè)備的電量消耗，精心安排了分段交付，能夠自動根據(jù)帶寬預(yù)測確定推送周期中每個相關(guān)段的比特率，極大地提高了用戶體驗。但是對于移動設(shè)備的電量消耗控制得并不理想，XIAO等[5]基于服務(wù)器的HTTP視頻流推送機制，提出了基于k-push改進的推送方案，因為之前的方案在網(wǎng)絡(luò)波動的情況下表現(xiàn)不佳，無法應(yīng)對網(wǎng)絡(luò)快速波動的情況。因此使用服務(wù)器推送技術(shù)改善了之前的k-push方案，動態(tài)地預(yù)測網(wǎng)絡(luò)帶寬的變化，根據(jù)預(yù)測結(jié)果去不斷地改變推送段的大小以適應(yīng)網(wǎng)絡(luò)的波動。改進后的自適應(yīng)推送提高了網(wǎng)絡(luò)適應(yīng)性并且有效緩解過度推送問題。但對于電量則沒有考慮。CHANH等[6]研究了服務(wù)器推送過程中的不公平競爭問題，提出了一種新的框架來改善HTTP/2在進行自適應(yīng)傳輸時出現(xiàn)的不公平問題。實驗結(jié)果證實了所提出框架在確保公平性，協(xié)助客戶端避免重新緩沖事件和降低比特率降級幅度的同時維持服務(wù)器推送功能機制方面的表現(xiàn)出色。ZHAO等[7]認為由于HTTP/2仍然是使用的TCP來進行媒體傳輸?shù)?，所以TCP中的一些眾所周知的老問題比如慢啟動和窗口崩潰等，仍然會限制了DASH媒體傳輸?shù)乃俾?。因此將使用UDP傳輸數(shù)據(jù)的WebRTC數(shù)據(jù)通道作為攜帶DASH視頻會話的傳輸工具，也成功地減少了40.22 %的啟動延遲和57.96 %的視頻切換延遲，顯著地改善了QoE。HOOFT等[8]認為把視頻段的長度進一步縮小即超短視頻段可以顯著地減少啟動延遲，還可以在緩存區(qū)大小有限的情況下更好地應(yīng)對網(wǎng)絡(luò)波動。但是短視頻也有缺點，首先，由于每個段必須以瞬時解碼器刷新(IDR)幀開始，使其獨立于其他段，因此會引入顯著的編碼開銷；其次，需要大量的HTTP GET請求來檢索分段，導致更大的網(wǎng)絡(luò)和服務(wù)器開銷。而服務(wù)器推送也可以減少啟動延遲和切換延遲，但是當客戶端切換到另一個質(zhì)量等級時，舊質(zhì)量等級的推送流與要以新質(zhì)量等級下載的分段會相互競爭。這會導致客戶端的交換延遲的增加以及網(wǎng)絡(luò)中帶寬開銷的增加。所以提出了一種新的基于服務(wù)器推送的方法來為服務(wù)器提供來自客戶端的更加明確的反饋，以避免網(wǎng)絡(luò)帶寬下降時的網(wǎng)絡(luò)擁塞和緩沖區(qū)匱乏。同時對短視頻段的編碼開銷進行了詳細分析，并將評估擴展到可用帶寬和網(wǎng)絡(luò)延遲變化較大的多客戶端移動網(wǎng)絡(luò)場景。跟現(xiàn)有的方法相比，提出了一種有效限制服務(wù)器推送的分段數(shù)量的方法，并對不同分段持續(xù)時間和網(wǎng)絡(luò)延遲進行了最佳值分析。此外，還詳細討論了由短視頻段引入的編碼開銷。通過實驗，新方法可以將啟動延遲減少30 %。該方法將應(yīng)用于客戶端在網(wǎng)絡(luò)擁塞情況下的公平性研究。上述的研究都沒有考慮到移動設(shè)備的剩余電量對QoE的影響。

另一類的研究工作則是基于設(shè)備的耗電量或者剩余電量展開的。TAO等[9]提出DASH能量效率的視頻流算法，該算法考慮結(jié)合網(wǎng)絡(luò)資源分配、視頻質(zhì)量適應(yīng)優(yōu)化傳輸機制，實現(xiàn)了視頻QoE和能效之間的權(quán)衡。但是將剩余電量作為計算能效比的參數(shù)，而提出算法中并沒有考慮剩余電量對能耗的影響，更沒有提出剩余電量對QoE的影響。KHAN等[10]提出多用戶資源分配針對DRX(discontinuous reception)參數(shù)的QoE策略，在保證一定視頻質(zhì)量的前提下，降低了設(shè)備能耗。但是該策略沒有考慮在不同設(shè)備剩余電量狀態(tài)下，QoE考慮情況的視頻質(zhì)量選擇問題。HU等[11]認為視頻播放完成之前，用戶操作快進或者退出會造成的能耗和帶寬浪費，從而提出了能耗感知的節(jié)能策略。該方案實現(xiàn)延遲和帶寬的權(quán)衡，節(jié)省了大量能耗，卻沒有評估QoE，在該方案下，QoE得不到保證。ZHANG等[12]通過分析無線資源控制RRC(radio resource control)，量化片段長度和緩存區(qū)對能耗的影響。認為較大片段長度和較大緩存區(qū)可減少能耗。但只考慮了節(jié)能，并沒有考慮QoE。HOQUE等[13]希望估測用戶放棄觀看視頻概率來預(yù)取視頻內(nèi)容，平衡能量損耗。并在算法中加入快啟動算法，加快片段下載速度，但是在模擬環(huán)境中進行測試的，未將算法整合到真實的DASH環(huán)境中。

2 基于HTTP/2服務(wù)器推送特性的QoE模型

HTTP/2協(xié)議提供了許多新特性，這些特性可以用來降低請求開銷、減少傳輸延遲，比如HTTP/2協(xié)議支持服務(wù)器在未收到客戶端的對應(yīng)請求的情況下預(yù)測性地向客戶端回復(fù)HTTP響應(yīng)[14]。通過這種模式服務(wù)器在響應(yīng)客戶端對某個片段的請求時可以一次性推送多個片段到客戶端，而客戶端也可以對推送的數(shù)據(jù)流數(shù)量進行限制并調(diào)整數(shù)據(jù)流控制窗口，還可以發(fā)出命令讓服務(wù)器停止推送[15]。

筆者選擇利用服務(wù)器推送將視頻段提前推送到客戶端，客戶端可以選擇緩存這些推送，這樣在面對不穩(wěn)定的網(wǎng)絡(luò)狀況時適應(yīng)能力比較強，不會輕易出現(xiàn)卡頓，可以有效地提高用戶QoE[16]。但是這么做也有新的問題出現(xiàn)了，那就是如果用戶放棄觀看視頻，那么推送過去的大量視頻片段都沒有用了，就會造成帶寬和流量的損失。推送的視頻段數(shù)量大小設(shè)置的過大會提高網(wǎng)絡(luò)資源浪費的風險；另一方面如果將推送的視頻段數(shù)量設(shè)置的過小的話，固然可以最大限度地減少風險，但是推送的次數(shù)也會隨之增加[17]。過多的推送次數(shù)又會過多地消耗移動設(shè)備的電量，也會影響QoE。

因此考慮了用戶放棄視頻的可能性，用戶觀看視頻的時間越長就認為其對視頻的興趣越大，隨著用戶觀看時間的增加去逐漸增大服務(wù)器給客戶端推送視頻段的數(shù)量，直到推送數(shù)量達到預(yù)設(shè)的閾值。筆者設(shè)計了基于HTTP/2服務(wù)器推送特性的QoE評估模型BMSQ(battery of the mobile state QoE)，旨在解決用戶移動帶來的客戶端緩存浪費以及服務(wù)器推送過量消耗移動設(shè)備電量的問題。

基于HTTP/2協(xié)議下剩余電量、網(wǎng)絡(luò)狀態(tài)、視頻質(zhì)量高低對QoE的損傷如式(1)所示：

IQoE=αIP+βID+γIR，

(1)

其中，IQoE為視頻播放過程中設(shè)備剩余電量、網(wǎng)絡(luò)狀態(tài)、視頻質(zhì)量高低對QoE的損傷程度；α為剩余電量對QoE的損傷權(quán)值；IP為剩余電量對QoE的損傷程度；β為網(wǎng)絡(luò)狀態(tài)對QoE的損傷權(quán)值；ID為網(wǎng)絡(luò)狀態(tài)對QoE的損傷程度；γ為視頻質(zhì)量高低對QoE的損傷權(quán)值；IR為視頻質(zhì)量高低對QoE的損傷程度。α、β和γ滿足條件0≤α≤1，0≤β≤1，0≤γ≤1，α+β+γ=1。

2.1 剩余電量

采用平均意見得分(MOS，mean opinion score)測試方法，針對移動設(shè)備處在不同電量下時對QoE的影響做了主觀測試。最終得出剩余電量與QoE的關(guān)系為式(2)所示：

IP=5-SBexp(vp/vc)，

(2)

其中：SB為MOS規(guī)模常量；vp為設(shè)備初始電量；vc為視頻當前電量。

2.2 網(wǎng)絡(luò)狀態(tài)

考慮了網(wǎng)絡(luò)吞吐量對移動設(shè)備網(wǎng)絡(luò)狀態(tài)的影響，移動設(shè)備網(wǎng)絡(luò)狀態(tài)與QoE的關(guān)系為式(3)所示：

ID=λ(MSD/SFT)，

(3)

其中：λ為當前視頻碼率；MSD為視頻分片時間；SFT為下載視頻分片所需時間。

2.3 視頻質(zhì)量

考慮到播放過程中視頻碼率高低和切換視頻碼率的頻率對QoE都有一定影響，視頻的碼率越高，視頻的切換頻率越低，則可認為視頻的質(zhì)量越高。播放的視頻碼率高低和切換視頻碼率的頻率與QoE的關(guān)系如式(4)所示：

(4)

其中，Rmax為視頻最大碼率，Ri為第i個視頻的碼率，Rs為當前視頻碼率切換次數(shù)。

2.4 參數(shù)變量

根據(jù)移動設(shè)備不同電量與QoE的關(guān)系，提出了QoE評估模型。

(5)

針對實驗環(huán)境進行了大量測試，移動設(shè)備不同情況下α、β、γ的最優(yōu)值如下：

① 當移動設(shè)備處于滿電狀態(tài)或者有WiFi連接時，用戶對于設(shè)備剩余電量的問題無需考慮，此時用戶希望得到最高質(zhì)量的視頻，這時視頻質(zhì)量對QoE的影響最大，即使會因此使得視頻陷入短暫的停頓也是可以忍受的。故該情況下可以使用流推送將段的初始大小設(shè)為最大推送給客戶端，此時α=0，β=0.2，γ=0.8。

② 當移動設(shè)備處于中等電量情況下，且沒有連接到WiFi時，用戶開始關(guān)注剩余電量，同時對視頻的流暢度也有較高的要求，此時網(wǎng)絡(luò)狀態(tài)對QoE的影響最大而視頻質(zhì)量次之，最后才是剩余電量。故該情況下在流推送時將段的初始大小設(shè)為閾值的一半，之后再慢慢增加到閾值，此時α=0.2，β=0.5，γ=0.3。

③ 當移動設(shè)備處于低電量情況下，且沒有連接到WiFi時，用戶最關(guān)注的是移動設(shè)備的能耗問題，希望可以盡可能地減少設(shè)備的電量消耗，此時剩余電量對QoE的影響最大而網(wǎng)絡(luò)狀態(tài)次之，最后才是視頻質(zhì)量故該情況下在流推送時將段的初始大小設(shè)為最小，之后再慢慢增加到閾值，此時α=0.6，β=0.3，γ=0.1。

筆者提出一種基于HTTP/2流推送特性和移動設(shè)備應(yīng)用場景的碼率控制策略CSHAS(rate control strategy for HTTP/2 and application scenarios)，具體操作步驟如下：

Begin

Step 1:獲取當前網(wǎng)絡(luò)吞吐量和預(yù)測吞吐量。

Step 2:設(shè)置服務(wù)器推送的初始段數(shù)大小為最小。

Step 3:獲取當前設(shè)備請求碼率、預(yù)測碼率。

Step 4:識別移動設(shè)備上目前正在使用的應(yīng)用場景，當識別到短視頻APP時，則執(zhí)行step 5，當識別到非短視頻APP時，則執(zhí)行step 6。

Step 5:使用服務(wù)器推送將內(nèi)容一次全部推送到客戶端。

Step 6:感知設(shè)備所處的移動狀態(tài)以及設(shè)備剩余電量，當處于滿電狀態(tài)或者有WiFi連接時，則執(zhí)行step 7;當處于中等電量情況下，且沒有連接到WiFi時，則執(zhí)行step 8;當處于低電量情況下，且沒有連接到WiFi時，則執(zhí)行step 9。

Step 7:將段的初始大小調(diào)到閾值，質(zhì)量最高。

Step 8:將段的初始大小調(diào)到中等，以類慢開始算法的方式慢慢增大，直至閾值。

Step 9:將段的初始大小調(diào)到最小，以類慢開始算法方式慢慢增大，直至閾值。

End

3 實驗結(jié)果

BMSQ模型參數(shù)包括設(shè)備當前電量、設(shè)備當前網(wǎng)絡(luò)狀態(tài)、設(shè)備當前播放的視頻的質(zhì)量，通過BMSQ模型參數(shù)對DASH、DASH2M進行性能參數(shù)對比,對比結(jié)果見圖1至圖6。

從圖1、圖2、圖3中得出，DASH自帶的算法是根據(jù)平均吞吐量來估測當前的網(wǎng)絡(luò)帶寬的，在帶寬環(huán)境較好時能提供質(zhì)量較高的視頻段，但是對于網(wǎng)絡(luò)變化的情況過于敏感，一但網(wǎng)絡(luò)帶寬變得較差時，為了維持播放就會選擇頻繁切換視頻碼率，對QoE造成影響。DASH2M總體來說比DASH好些，但是面對急劇變化的網(wǎng)絡(luò)狀態(tài)時適應(yīng)力同樣不是很強。而本文提出的BMSQ算法根據(jù)設(shè)備剩余電量和網(wǎng)絡(luò)狀態(tài)綜合來進行碼率選擇，當帶寬處于不穩(wěn)定狀態(tài)時，將會優(yōu)先選擇請求較低的碼率的視頻片段，同時碼率切換的頻率與幅度也會相應(yīng)地下降，直到網(wǎng)絡(luò)穩(wěn)定時才向上切換碼率，可以有效保證QoE。當設(shè)備處于低電量狀態(tài)時，也會選擇請求低碼率視頻片段來實現(xiàn)視頻質(zhì)量與設(shè)備電量的平衡。

圖1 電量較高狀態(tài)時碼率選擇Fig.1 Bit rate selection when the battery is high

圖2 電量中等狀態(tài)時的碼率選擇Fig.2 Bit rate selection when the battery level is medium

圖3 電量較低時的碼率選擇Fig.3 Bit rate selection when the battery is low

圖4 高電量狀態(tài)下QoE損傷Fig.4 QoE damage under high power state

圖5 中等電量狀態(tài)下QoE損傷Fig.5 QoE damage under medium charge state

圖6 低電量狀態(tài)下QoE損傷Fig.6 QoE damage in low battery state

從圖4至圖6中可以得出，當電量處于充電狀態(tài)或者高電量狀態(tài)下時，設(shè)備當前剩余電量造成的QoE損傷可以忽略不計，而網(wǎng)絡(luò)狀態(tài)造成的QoE損傷很小，這時視頻質(zhì)量切換造成的QoE損傷最大，此時各個算法差別不大，BMSQ算法的整體QoE損傷最少。當電量處于中等電量狀態(tài)時，設(shè)備當前剩余電量和視頻質(zhì)量切換造成的QoE損傷較小，而網(wǎng)絡(luò)狀態(tài)造成的QoE損傷較大，此時BMSQ算法的電量損傷控制得很好，整體QoE損傷也最少。當電量處于低電量狀態(tài)下時，網(wǎng)絡(luò)狀態(tài)和視頻質(zhì)量切換造成的QoE損傷較小，而設(shè)備當前剩余電量造成的QoE損傷最大，此時其他算法都在盡可能地請求高質(zhì)量的視頻，這樣反而會加快設(shè)備電量的消耗，給QoE造成較大的損傷，BMSQ算法則會盡可能地請求較低質(zhì)量的視頻，通過減少設(shè)備電量消耗的方式來保證QoE。

4 結(jié)語

本文基于HTTP/2研究了移動設(shè)備當前剩余電量在不同應(yīng)用場景下對QoE的影響，主要提出了一種基于HTTP/2服務(wù)器推送特性的QoE評估模型。本文在保證一定QoE的前提下，提出一種基于HTTP/2服務(wù)器推送的自適應(yīng)算法，根據(jù)移動設(shè)備的不同應(yīng)用場景去推送不同初始大小的段。實驗結(jié)果表明，該策略可以實現(xiàn)移動設(shè)備電量消耗和視頻質(zhì)量間的平衡，提升QoE。未來工作將結(jié)合移動設(shè)備端耗電應(yīng)用的優(yōu)化，進一步減少電量的消耗，同時考慮參考用戶的視頻記錄來預(yù)測用戶的行為。