摘要: 为了适应剧烈变化的网络波动与长尾问题,提出了基于深度学习的自适应比特率算法模型,该算法以视频码率、码率切换频率、视频暂停时间为优化对象,可以更加适应网络波动随机性。 与对比模型相比,所提模型在无线网络的大尺度波动的场景下具有更优越的性能。 在最差的网络条件下,对比模型造成视频播放卡顿的概率高达16% ,而所提模型的卡顿概率仅为 1% ,且平均体验质量指标比对比模型高了 30% 。
中图分类号:
陈峻磊 刘凯俊 董辰 周虹媛. 一种基于无线网络场景的自适应比特率算法模型[J]. 北京邮电大学学报, 2022, 45(5): 115-120.
CHEN Chunlei, LIU Kaijun, DONG Chen, ZHOU Hongyuan. An Adaptive Bit Rate Algorithm Model Based on Wireless Network[J]. Journal of Beijing University of Posts and Telecommunications, 2022, 45(5): 115-120.