HAS(HTTP Adaptive Streaming)能够实现流畅播放和视频质量的平衡,为用户提供更好的服务质量体验。大多数基于HAS的流媒体用户体验质量(Quality of Experience,QoE)模型考虑了当前系统或网络条件,但对用户所处环境的客观影响、用户心理因素的考虑较少。面向移动流媒体客户端的应用场景,从客观感知影响参数和心理效应影响参数两个方面来考虑移动端流媒体的QoE影响因素,设计用户QoE评估模型。提出移动设备抖动状态检测和用户观看位置检测方法,并将设备抖动状态、用户观看位置与流媒体服务质量相结合,再根据心理学系列位置效应来综合评估用户的质量体验情况。最后通过实验证明了所提的用户QoE模型能够提供准确有效且符合用户实际体验的QoE评估结果。
码率自适应算法是HTTP自适应流技术的热点和难点。提出一种综合网络带宽和缓存两个因素的终端码率自适应算法(Combined with Bandwidth and Buffer,CBB)。该算法采用"探测"的机制在应用层上估算网络实时带宽,避免视频码率频繁切换;然后构建随缓存状态动态变化的平滑因子模型,并基于指数加权移动平均(EWMA)实现带宽的平滑处理;利用推动缓存趋近均衡级别变化的调度策略,尽可能使缓存区的数据量处于均衡的范围。整个算法经带宽估算、平滑处理、量化及确定调度时间构成一个循环作用的闭环。在使用MPEG-DASH标准的参考平台libdash上验证该算法的性能,结果表明,在变化的网络状况中所提算法表现良好。
