黨 毅

(皖西學(xué)院實(shí)驗(yàn)實(shí)訓(xùn)教學(xué)管理部，安徽六安 237012)

0 引言

隨著互聯(lián)網(wǎng)技術(shù)、解編碼技術(shù)的發(fā)展，傳統(tǒng)單一媒體授課形式逐漸被基于移動(dòng)終端的多媒體教學(xué)形式取代，教育者可通過手機(jī)、電腦、平板等移動(dòng)終端進(jìn)行各種線上教學(xué)[1].隨著多媒體應(yīng)用范圍的推廣，用戶對(duì)其實(shí)時(shí)通信服務(wù)提出了更高的質(zhì)量要求.尤其在多媒體教學(xué)方面，要求在不同網(wǎng)絡(luò)條件下，仍具有較高的數(shù)據(jù)傳輸效率以及數(shù)據(jù)傳輸質(zhì)量[2].抖動(dòng)緩沖是多媒體數(shù)據(jù)傳輸?shù)闹匾h(huán)節(jié)，其能在一定程度上彌補(bǔ)網(wǎng)絡(luò)抖動(dòng)、提高相應(yīng)視頻播放質(zhì)量，確保數(shù)據(jù)傳輸平滑順利[3-4].移動(dòng)終端的多媒體教學(xué)中，主要是通過視頻通信的方式實(shí)現(xiàn)教學(xué)內(nèi)容的傳授.而視頻通信的用戶體驗(yàn)質(zhì)量(QualityofExperience，QoE)容易被時(shí)延、抖動(dòng)、丟包率等因素影響，為了保障QoE，此次研究將在改進(jìn)抖動(dòng)緩沖的基礎(chǔ)上進(jìn)行數(shù)據(jù)傳輸?shù)膬?yōu)化.

1 多媒體教學(xué)數(shù)據(jù)傳輸中抖動(dòng)緩沖算法的改進(jìn)

1.1抖動(dòng)緩沖分析與設(shè)置

抖動(dòng)是指多媒體實(shí)時(shí)數(shù)據(jù)傳輸過程中，不同數(shù)據(jù)組的轉(zhuǎn)發(fā)路徑相同，但接收端接受數(shù)據(jù)包的間隔存在變化的情況[5].

如圖1所示，抖動(dòng)即為多媒體實(shí)時(shí)數(shù)據(jù)傳輸過程中，相鄰數(shù)據(jù)包的相對(duì)延時(shí)變化.除抖動(dòng)之外，數(shù)據(jù)包傳輸過程還存在亂序、丟包、到達(dá)太晚等問題[6].此次研究從網(wǎng)絡(luò)數(shù)據(jù)傳輸抖動(dòng)入手，通過抖動(dòng)的緩沖優(yōu)化，實(shí)現(xiàn)多媒體教學(xué)數(shù)據(jù)傳輸優(yōu)化.網(wǎng)絡(luò)數(shù)據(jù)傳輸抖動(dòng)受傳輸路徑、不同節(jié)點(diǎn)負(fù)載等兩方面的影響.路徑選擇不同，傳輸距離不同，傳輸時(shí)延不同；當(dāng)選擇同一條傳輸路徑時(shí)，不同節(jié)點(diǎn)負(fù)載不同，每個(gè)數(shù)據(jù)包排隊(duì)時(shí)延不同，造成數(shù)據(jù)包間的傳輸時(shí)間的不同[7].

圖1 數(shù)據(jù)包在傳輸過程中發(fā)生的異常Fig.1 Exceptions occurring during packet transmission

抖動(dòng)易造成數(shù)據(jù)包亂序、丟失、網(wǎng)絡(luò)擁塞，影響媒體播放質(zhì)量.在接收端設(shè)置抖動(dòng)緩沖模板，能夠彌補(bǔ)抖動(dòng)，從而確保多媒體教學(xué)中數(shù)據(jù)傳輸質(zhì)量、平滑性及實(shí)時(shí)性[8].抖動(dòng)緩沖模板的工作包含緩沖區(qū)接收新數(shù)據(jù)包、數(shù)據(jù)包的重排組幀、計(jì)算抖動(dòng)時(shí)延并輸出.

圖2顯示抖動(dòng)緩沖模塊更新流程，此次研究利用網(wǎng)頁(yè)實(shí)時(shí)通信系統(tǒng)(WebReal-TimeCommunication，WebRTC)調(diào)節(jié)抖動(dòng)緩沖區(qū)“深度”.設(shè)置抖動(dòng)時(shí)延的“深度”時(shí)，需注意“深度”過大，會(huì)導(dǎo)致端到端的時(shí)延過大，不利于通信實(shí)時(shí)性；“深度”過小，會(huì)導(dǎo)致系統(tǒng)丟包率增加，不利于保障媒體的傳輸質(zhì)量[9].其中QoS為服務(wù)質(zhì)量(QualityofService)，結(jié)合服務(wù)質(zhì)量統(tǒng)計(jì)信息，設(shè)置QoS參數(shù)，進(jìn)而設(shè)置緩沖器控制參數(shù)，完成動(dòng)態(tài)抖動(dòng)緩沖.

圖2 抖動(dòng)緩沖模塊更新流程圖Fig.2 Updating flow chart of dither buffer module

1.2 抖動(dòng)緩沖預(yù)測(cè)模型的構(gòu)建

鑒于低丟包率是建立在犧牲端到端的時(shí)延上，二者不可兼得，具體情況如圖3所示.

圖3 端到端時(shí)延與丟包率等二者間的關(guān)系Fig.3 Relationship between end-to-end delay and packet loss rate, etc

如圖3所示，隨著端到端時(shí)延的減少，抖動(dòng)時(shí)延的丟包率增加；抖動(dòng)時(shí)延a的丟包率小于抖動(dòng)時(shí)延b，但后者端到端時(shí)延小于抖動(dòng)時(shí)延a，因此無法直接判斷抖動(dòng)時(shí)延a以及抖動(dòng)時(shí)延b的好壞.可通過加權(quán)的方式，對(duì)二者進(jìn)行度量.

(1)

式(1)為丟包率P與端到端時(shí)延的加權(quán)調(diào)和平均值F，其中β、D分別表示權(quán)值因子(顯示數(shù)據(jù)傳輸中丟包率與端到端時(shí)延的重要性)、歸一化后的端到端時(shí)延.當(dāng)β>1時(shí)，顯示端到端時(shí)延更為重要；當(dāng)β<1時(shí)，顯示丟包率更為重要；此次實(shí)驗(yàn)取β=1，兩者重要性相當(dāng).與F相關(guān)系數(shù)最高的特征包括抖動(dòng)時(shí)延、多媒體信道傳輸速率、數(shù)據(jù)傳輸中網(wǎng)絡(luò)排隊(duì)時(shí)延差及其變化趨勢(shì)，因此需將這幾個(gè)特征納入后續(xù)模型訓(xùn)練.

針對(duì)數(shù)據(jù)中存在的數(shù)據(jù)缺失狀況，可通過直接丟棄、填充、轉(zhuǎn)換數(shù)據(jù)類型等方式進(jìn)行處理；在處理異常值(明顯偏離平均分布值)時(shí)，具體方法如表1所示.

實(shí)驗(yàn)中利用AdaBoost模型進(jìn)行抖動(dòng)緩沖預(yù)測(cè)模型的訓(xùn)練，AdaBoost模型訓(xùn)練中通過每輪基學(xué)習(xí)器擬合上一輪訓(xùn)練殘差，最終將基學(xué)習(xí)器的預(yù)測(cè)值相加，獲取最終預(yù)測(cè)值.

JitterDelay=iFrameDelay+noiseDelay

(2)

(3)

(4)

公式(2)中JitterDelay指總抖動(dòng)時(shí)延，是彌補(bǔ)傳輸大幀造成的抖動(dòng)時(shí)延iFrameDelay以及彌補(bǔ)網(wǎng)絡(luò)噪聲引起的抖動(dòng)時(shí)延noiseDelay等兩種時(shí)延組成.式(3)中“MaxFS”指“MaxFrameSize”，是多媒體通信過程中收到的最大幀值；“AvgFS”指“AverageFrameSize”，是截止到目前時(shí)刻的多媒體通信過程中，接收到的所有幀的平均大?。籆為信道傳輸速率.式(4)中noiseStdDevs、noiseStdDevOff、varNoise分別指網(wǎng)絡(luò)噪聲系數(shù)、網(wǎng)絡(luò)噪聲扣除常數(shù)、網(wǎng)絡(luò)噪聲的方差.

(5)

式(5)為噪聲noise的計(jì)算式，其中frameDelay、deltaFS分別指幀間時(shí)延、相對(duì)幀長(zhǎng)，m指網(wǎng)絡(luò)排隊(duì)時(shí)延差.

dm(ti)=ti-ti-1-(Ti-Ti-1)

(6)

(7)

式(6、7)中dm(ti)指幀間時(shí)延，第i幀中所有數(shù)據(jù)包均順利且無遺漏的到達(dá)接收端時(shí)間為ti，其對(duì)應(yīng)的網(wǎng)絡(luò)排隊(duì)時(shí)延差為m(ti)；第i幀中發(fā)送出第一個(gè)數(shù)據(jù)包的具體時(shí)間為Ti.

1.3 基于抖動(dòng)緩沖算法的多媒體教學(xué)數(shù)據(jù)傳輸質(zhì)量評(píng)估模型

為了測(cè)試多媒體教學(xué)數(shù)據(jù)實(shí)時(shí)傳輸?shù)臓顟B(tài)，本次研究將媒體傳輸質(zhì)量指標(biāo)(MediaDeliveryIndex，MDI)與QoS參數(shù)，建立傳輸質(zhì)量評(píng)估模型.該模型的建立考慮了丟包率、端到端時(shí)延、播放抖動(dòng)等三項(xiàng)指標(biāo).

丟包率是指?jìng)鬏斶^程中數(shù)據(jù)包丟失的數(shù)量占發(fā)送端發(fā)送總數(shù)據(jù)包數(shù)量的比重.丟包異常將影響視頻質(zhì)量，導(dǎo)致視頻圖像播放效果變差，因此丟包率越低，數(shù)據(jù)的傳輸質(zhì)量越高.

表2為用戶感官與端到端時(shí)延的聯(lián)系，端到端時(shí)延由采集時(shí)延、編碼時(shí)延等多種時(shí)延構(gòu)成.隨著端到端時(shí)延的降低，多媒體通信實(shí)時(shí)性增加，多媒體教學(xué)數(shù)據(jù)傳輸質(zhì)量越高.為了保障多媒體教學(xué)視頻通信質(zhì)量，應(yīng)確保端到端時(shí)延在400 ms以下.實(shí)驗(yàn)中利用合頁(yè)損失函數(shù)(HingeLoss)完成時(shí)延的控制，函數(shù)表達(dá)式如式(8)所示.

(8)

式(8)中|wx+b|指點(diǎn)x到平面上的距離；y(wx+b)可用于分類正確性與距離確信度的表示，其絕對(duì)值越大，決策邊界對(duì)樣本的區(qū)分度越好；w為法向量(原點(diǎn)到超平面的最短距離)，b為位移實(shí)數(shù).

圖4 合頁(yè)損失函數(shù)與二次平滑合頁(yè)損失函數(shù)Fig.4 Hinge loss function and quadratic smoothing hinge loss function

delay=end_to_delay+hinge_loss

(9)

(10)

式(9)為在二次方平滑合頁(yè)函數(shù)下，端到端時(shí)延的表現(xiàn)評(píng)估delay.由公式(9、10)可推測(cè)出，當(dāng)端到端時(shí)延大于400 ms時(shí)，HingeLoss函數(shù)將充當(dāng)高于400 ms部分時(shí)延的二次函數(shù).換而言之，當(dāng)時(shí)延超過400 ms時(shí)，對(duì)超過閾值的部分進(jìn)行懲罰，多媒體機(jī)教學(xué)數(shù)據(jù)傳輸質(zhì)量評(píng)估值由端到端時(shí)延與懲罰值組成.

playout_jitter=(renderi-renderi-1)-(renderi-1-renderi-2)

(11)

式(11)為播放抖動(dòng)playout_ jitter的計(jì)算式，其與連續(xù)的三個(gè)視頻幀(renderi-2、renderi-1、renderi)的具體播放時(shí)刻相關(guān).播放抖動(dòng)表示的是幀間相對(duì)播放穩(wěn)定性，一般情況下，playout_jitter取絕對(duì)值.當(dāng)播放抖動(dòng)大于0時(shí)，說明與上一幀相比，當(dāng)前幀播放速度降低.

E=ω1·packet_loss+ω2·delay+ω3·playout_jitter

(12)

式(12)為最終傳輸質(zhì)量評(píng)價(jià)值E，w表示各指標(biāo)對(duì)數(shù)據(jù)傳輸質(zhì)量的影響權(quán)值，其中丟包率(packet_loss)的w1取0.4，端到端時(shí)延(delay)的w2取0.3，播放抖動(dòng)(playout_ jitter)的w3取0.3.

2 多媒體教學(xué)數(shù)據(jù)傳輸優(yōu)化效果

為了驗(yàn)證AdaBoost模型的效果，此次研究將比較嶺回歸法、決策樹回歸法、隨機(jī)森林法、AdaBoost法等四種模型的效果.其中嶺回歸屬于單個(gè)學(xué)習(xí)器法，它通過找到一組參數(shù)，增加自身所構(gòu)建預(yù)測(cè)模型預(yù)測(cè)輸出標(biāo)簽的準(zhǔn)確性；決策樹法屬于單個(gè)機(jī)器學(xué)習(xí)法，隨機(jī)森林法和AdaBoost法屬于集成學(xué)習(xí)法.上述四種模型的均方誤差如圖5所示.

圖5 不同參數(shù)選擇下四種模型的均方誤差Fig.5 MSE of the four models with different parameter choices

由圖5可知，當(dāng)參數(shù)在14時(shí)，嶺回歸模型的均方誤差最低，其值僅為0.135；當(dāng)參數(shù)為9時(shí)，決策樹模型的均方誤差最低，其值為0.141；當(dāng)最大特征數(shù)為總特征的0.3時(shí)，隨機(jī)森林的均方誤差最低為0.137；當(dāng)AdaBoost法利用30個(gè)弱學(xué)習(xí)器進(jìn)行模型訓(xùn)練時(shí)，AdaBoost模型均方誤差最低為0.127.由此可見，本次研究選擇的AdaBoost模型，是較為適合作為抖動(dòng)緩沖預(yù)測(cè)模型.

由圖6可知，基于移動(dòng)終端的多媒體教學(xué)數(shù)據(jù)傳輸中，對(duì)數(shù)據(jù)傳輸質(zhì)量影響最大的是數(shù)據(jù)傳輸過程中的丟包率，其次分別為播放抖動(dòng)與端到端時(shí)延，后兩者對(duì)多媒體教學(xué)數(shù)據(jù)傳輸質(zhì)量的影響程度基本一致.為了驗(yàn)證多媒體教學(xué)數(shù)據(jù)傳輸?shù)膬?yōu)化效果，本次實(shí)驗(yàn)將選擇正常網(wǎng)絡(luò)環(huán)境(寬帶1000 Kb/s，丟包率2%)與擁塞網(wǎng)絡(luò)環(huán)境(寬帶500 Kb/s，丟包率5%)，比較不同環(huán)境下，原WebRTC中抖動(dòng)緩沖算法與優(yōu)化后的抖動(dòng)緩沖算法的工作效果差異.

圖6 QoS參數(shù)對(duì)傳輸質(zhì)量的影響Fig.6 Influence of QoS parameters on transmission quality

圖7為正常網(wǎng)絡(luò)環(huán)境下，以錄制1min示例視頻充當(dāng)視頻輸入源，分別在兩種不同算法的多媒體數(shù)據(jù)傳輸方式下，進(jìn)行三次有效視頻通信的具體結(jié)果.原算法中，丟包率均值達(dá)2.99%，端到端時(shí)延均值達(dá)114.33 ms，播放抖動(dòng)均值達(dá)13.41 ms，傳輸質(zhì)量評(píng)估僅為0.201.可見與基于原網(wǎng)頁(yè)實(shí)時(shí)通信系統(tǒng)(WebRTC)的抖動(dòng)緩沖算法相比，本次研究提出的優(yōu)化后的抖動(dòng)緩沖預(yù)測(cè)算法的丟包率較低(2.35%)，端到端時(shí)延較短(96.4 ms)，播放抖動(dòng)均值較低(10.71ms)，多媒體教學(xué)數(shù)據(jù)傳輸質(zhì)量評(píng)估值更高(0.249).丟包率越低、端到端時(shí)延越短、播放抖動(dòng)均值越低，說明基于該優(yōu)化算法能得出更合適的抖動(dòng)時(shí)延調(diào)整，其數(shù)據(jù)傳輸質(zhì)量更高，延時(shí)更低，教學(xué)視頻通信更穩(wěn)定，系統(tǒng)的工作效果更好.繼續(xù)進(jìn)行擁塞網(wǎng)絡(luò)環(huán)境下，原抖動(dòng)緩沖算法和優(yōu)化后抖動(dòng)緩沖算法的工作效果比較，其具體的比較結(jié)果如圖8所示.

圖7 正常網(wǎng)絡(luò)環(huán)境下不同算法結(jié)構(gòu)對(duì)比Fig.7 Comparison of different algorithm structures in normal network environment

圖8 擁塞網(wǎng)絡(luò)環(huán)境下不同算法結(jié)構(gòu)對(duì)比Fig.8 Comparison of different algorithm structures in congestion network environment

圖8為三次有效視頻通信實(shí)驗(yàn)下丟包率、端到端延時(shí)、傳輸質(zhì)量等三種指標(biāo)的均值，由這三種指標(biāo)均值計(jì)算數(shù)據(jù)傳輸質(zhì)量.并比較擁塞網(wǎng)絡(luò)環(huán)境下(寬帶500 Kb/s，丟包率5%)，原WebRTC抖動(dòng)緩沖算法與此次研究提出的優(yōu)化抖動(dòng)緩沖預(yù)測(cè)算法的工作效果.圖8顯示，與原WebRTC抖動(dòng)緩沖算法相比，優(yōu)化后的算法在數(shù)據(jù)丟包率、端到端延時(shí)、視頻播放抖動(dòng)等指標(biāo)的工作效果方面均有所提升，提升幅度依次為18.2%、14.1%、18.1%.從多媒體教學(xué)數(shù)據(jù)傳輸質(zhì)量上看，原算法的傳輸質(zhì)量評(píng)估值僅為0.561，優(yōu)化算法的數(shù)據(jù)傳輸質(zhì)量為0.680，顯著提升17.5%.

3 結(jié)論

利用移動(dòng)終端進(jìn)行多媒體教學(xué)成為傳授知識(shí)的新方式，這要求著更高質(zhì)量的多媒體實(shí)時(shí)通信服務(wù)，即高質(zhì)量的數(shù)據(jù)傳輸.抖動(dòng)緩沖可有效平滑數(shù)據(jù)傳輸，提高數(shù)據(jù)傳輸質(zhì)量.有鑒于此，本次實(shí)驗(yàn)在分析抖動(dòng)緩沖算法的基礎(chǔ)上，提出了一種抖動(dòng)緩沖預(yù)測(cè)模型，并以該模型實(shí)現(xiàn)基于移動(dòng)終端的多媒體教學(xué)數(shù)據(jù)傳輸優(yōu)化.實(shí)驗(yàn)結(jié)果顯示，選擇以AdaBoost法構(gòu)建抖動(dòng)緩沖預(yù)測(cè)模型時(shí)，該模型的均方誤差最低，僅為0.127；對(duì)多媒體教學(xué)數(shù)據(jù)傳輸質(zhì)量影響最大的是數(shù)據(jù)丟包率(62.6%)，其次為播放抖動(dòng)(18.8%)和端到端時(shí)延(18.6%)，這三種指標(biāo)的值越低，數(shù)據(jù)傳輸效果越好，數(shù)據(jù)傳輸質(zhì)量越高；兩種不同的網(wǎng)絡(luò)環(huán)境中，原WebRTC抖動(dòng)緩沖算法的丟包率、端到端時(shí)延、播放抖動(dòng)等各項(xiàng)指標(biāo)值均高于此次研究提出的抖動(dòng)緩沖遺傳算法，后者的數(shù)據(jù)傳輸質(zhì)量評(píng)估值高于前者.綜上所述，此次研究提出的基于抖動(dòng)緩沖預(yù)測(cè)算法，能顯著提高的多媒體數(shù)據(jù)傳輸質(zhì)量.此次研究雖然取得一定成果，但尚未進(jìn)行幀長(zhǎng)變化規(guī)律的優(yōu)化，未來應(yīng)通過幀長(zhǎng)規(guī)律的學(xué)習(xí)，進(jìn)一步改進(jìn)抖動(dòng)緩沖算法.