基于sdp的VBR视频自适应流的质量自适应和性能预测

摘要

近年来，针对HTTP自适应流(HAS)中吞吐量波动的问题，提出了多种自适应方法。然而，这些方法大多集中在固定比特率(CBR)视频。此外，它们中的大多数都是定性的，因为性能指标只能在流会话之后获得。本文提出了一种基于随机动态规划(SDP)的可变比特率(VBR)流视频自适应方法。使用这种方法，系统应该有一个概率特性，以及一个由控制策略最小化的成本函数的定义。我们的解决方案是基于一个新的统计模型，其中未来的流性能与过去的带宽统计直接相关。我们开发数学模型来预测，并开发仿真模型来衡量适应政策的平均绩效。实验结果表明，该预测模型能够提供准确的性能预测，有助于适应策略的规划，并且在平均质量和平均质量切换方面均优于现有模型。

1.介绍

如今，视频服务在互联网上越来越流行。根据最近的研究和预测[1，到2019年，全球互联网视频流量将占整个消费者互联网流量的80%。此外，由于网络平台和宽带连接的丰富，HTTP协议已经成为视频流的一种经济有效的解决方案[2那3.］.此外，对于行业中HTTP流的互操作性，ISO / IEC MPEG开发了“动态​​自适应流过HTTP”（DASH）[4.]作为HTTP视频流的第一个标准。

DASH要求视频以多个比特率显示，并分成小段，每个小段包含几秒钟的播放时间。客户端可以根据当前网络条件和终端容量自适应地确定一个合适的数据速率，从而避免延迟，最大限度地利用可用带宽。如果视频仅以一个比特率编码，要么比特率小于可用带宽，导致平滑播放但节省资源，可以用于更好的视频质量，要么视频比特率高于可用带宽，导致视频暂停。因此，DASH使服务提供者能够提高资源利用率和体验质量(QoE)。

到目前为止，现有的研究提出了在客户处适应视频的简单启发式。这些启发式可以分为两种类型，基于缓冲的方法和基于吞吐量的方法。基于缓冲的方法的目的是将缓冲器的稳定性保持在一定范围内以确保连续视频回放。但是，当带宽急剧减少时，基于缓冲的方法可能导致比特率的突然变化[5.-8.］.同时，基于吞吐量的方法可以根据估计的吞吐量自适应地确定版本。这些方法通常能够对吞吐量的变化做出快速反应;然而，流的质量可能不稳定[9.］.

最近，已经提出了几种基于马尔可夫决策的方法，以在时变网络条件下优化流媒体客户端的决策。但是，这些现有方法主要集中在恒定的比特率（CBR）视频上。作者在[10]是第一个提出了一种自适应算法，该算法使用随机动态规划(SDP)来寻找最优决策策略时，流式VBR视频。段请求由策略控制，策略将控制参数映射到系统的每个可能状态;但仅限于比特率波动较小的视频。在作者的知识范围内，在自适应流的背景下，没有任何自适应流方法可以()支持比特率波动较大的可变比特率(VBR)视频和()预测不同流设置下的流性能，以选择最优流设置。

在本文中，我们通过提出一种使用随机动态规划的自适应方法来解决这些挑战。首先，我们对系统进行离散化处理，包括数据吞吐量、缓冲层和VBR视频的比特率，形成系统的状态。其次，我们定义了一个成本函数，考虑了影响用户主观感知质量的参数。在成本函数中，权重被分配到数据吞吐量与下一段比特率之间的差值、缓冲区与其最优值之间的方差以及视频质量切换。最后，我们构造了一个无限视界问题(IHP)并对其进行求解，以找出系统所有状态下的最优策略。策略的作用是将控制参数(即视频版本)映射到系统的每个可能状态。本文是我们在[11］.这项工作的扩展是多重的。首先，我们预测了流会话中请求版本的CDF，从而可以确定流会话的最大版本。其次，我们预测了缓冲层的CDF，以了解缓冲层在网络波动下的方差。最后，我们也评估了提出的方法，在在线的背景下，带宽的统计量是定期更新。此外，我们还在离线和在线环境下将性能预测结果与测量结果进行了比较。

当它最小化平均成本时，策略是最佳的。基于所获得的策略和构造的系统模型，我们开发了数学模型，可以预测新的流媒体会话的流性能，包括平均视频版本，平均版本切换每个段，平均缓冲器和平均下溢概率。进行实验以通过比较从模型获得的预测性能和测量的性能来验证数学模型。所提出的方法在两个语境中进行评估（)使用历史记录和带宽跟踪的统计信息的脱机上下文()在线上下文，使用以前视频段的带宽统计。

论文的结构如下。部分2简要回顾相关工作。部分3.详细描述了系统的组成和系统的建模。部分4.呈现通过SDP解决的IHP的制剂。在部分中给出了性能预测5.．部分6.呈现实验结果和讨论。最后，部分7.总结我们的工作。

2.相关工作

近年来，已经开发了许多用于自适应流的启发式适应方法（例如，[5.-9.那14]). 对典型的适应方法进行了广泛的评估[15］.虽然这些方法在其特定的设置下被证明是有效的，但它们不能定量地告诉不同的系统设置下的流性能。此外，他们大多数集中在CBR视频。

对于流式VBR视频，提出了几种基于接收缓冲区灵敏度的自适应方法[6.那16］.Dubin等人。[16]提出一种自适应逻辑，支持基于客户端缓冲区冗余的带宽估计决策。该方法考虑了移动网络的波动，但没有强调VBR视频码率波动的特点，缺乏平滑性。在[6.]，开发了一个部分线性趋势预测模型来估计客户端缓冲区级别变化的趋势。当估计的缓冲区级别没有显著变化时，客户端将继续使用下一段的当前版本。这种方法的缺点是，当实际缓冲区级别急剧下降时，会突然切换版本。在[14]，提出了一种基于比特率估计的VBR视频自适应逻辑。该方法能保持缓冲区的稳定和高水平，表现出有效的适应行为;然而，它仍然是定性的，没有机制来平衡流性能。

最近的几项研究提出了基于流视频的数学模型的适应方法[17-21]. 本文提出了一个数学模型[17]，基于初始延迟和最大缓冲计算VBR信道下VBR流的底流概率。然而，这项工作只考虑了一个版本的VBR视频和恒定的播放曲线，而没有开发任何自适应逻辑。同时，Kang等人[18]提出了一种无参考、基于内容的基于神经网络的无线视频流服务质量估计模型。然而，神经网络计算复杂，需要大量的训练数据和较长的训练时间。此外，Xiang等人[19]提出使用Markov决策过程的速率适应方法，以获得VBR视频的最佳流策略。尽管如此，他们的提案无法适应真实带宽的变化，并且没有性能预测。首先提出流媒体性能的预测，用于在[20[21Liu等。在他们的研究中，一个视频环节被分成几个小环节。在给定目标重缓冲概率的情况下，分别预测了CBR视频/VBR视频流的视频比特率/每个流子会话的平均视频比特率。结果表明，采用这些方法得到的平均实际重缓冲概率与目标相当接近。但是，他们没有对视频质量和视频质量切换进行任何评估，因此可能会影响QoE。

近年来，SDP被认为是解决视频流优化问题的有效技术[10那22那23］.例如，作者在[22]应用SDP来寻找在无线网络上按需播放可扩展VBR视频时选择发送速率的最优策略。然而，他们没有考虑通道状态感知自适应的影响。同时，García等人[10]构建了一个无限视界问题，并针对HTTP自适应流应用SDP解决该问题。他们提出了一种信道模型，在该模型中，传输只可能到相邻状态，概率相等，只适用于稳定带宽，波动小。此外，通过观察用VBR编码的段大小直方图，作者假设段大小(与段比特率成正比)可以通过离散高斯分布建模。然后，利用分段大小的概率分布来计算转移概率。然而，在成本函数中，没有考虑分段规模的概率分布。相反，使用表示每个版本的比特率的平均比特率。只有当段大小(即段比特率)的偏差很小时，这才合理。在另一项研究中，Xing等人[23]使用SDP来寻找高级视频编码内容的优化时，通过多个无线连接同时流。它们提供了一个基于QoE的成本函数，但其模型的计算复杂性主要由每个状态中的8个系统变量造成。

本文提出的基于sdp的HTTP流方法是与以往的研究有几点不同．首先，我们的方法考虑移动网络的实际时变带宽。其次，有效地支持了实际VBR视频的急剧比特率波动。第三，我们开发数学模型来预测流媒体的性能，有助于提前选择允许的最大版本参数。

3.系统建模

3.1。系统总览

图形1展示了一个由服务器和客户端组成的通用DASH系统的功能图。服务器拥有不同质量版本的媒体文件。每个版本进一步分成小片段。客户端拥有有关媒体片段的特征和位置的信息，并可以在流媒体会话期间请求其中任何一个。对于下一个部分，客户端根据客户端缓冲区的当前状态和数据吞吐量来决定请求什么视频版本，以提供可能的最佳流体验。在本文中，客户端段选择策略的目标是在平均版本(即平均质量)和平均版本切换(即质量变化)之间保持一个合理水平的客户端缓冲区。

为了应用SDP，我们将系统建模为一个离散时间随机系统。具体来说，时间轴分为时间阶段。在每个阶段时，系统用状态变量表示．当下一段完全下载阶段 ，系统移动到状态．当系统过渡到下一个状态时，就会产生一定的成本。此外，信道、缓冲器和媒体被离散化，如下小节所述。

３．２．通道、缓冲区和媒体模型

在我们的工作中，我们将带宽范围离散为的水平。离散化前后的带宽轨迹如图所示2和W.= 10。在此量子化水平下，量子化带宽很好地覆盖了原始带宽。然后,我们创建不同的带宽状态 来自这些带宽级别。每个带宽状态的值是相应带宽级别的最大值和最小值的平均值。要将从一个带宽状态转换到另一个带宽状态空间的转换，我们使用在以前的研究中广泛使用的马尔可夫链模型[10那24那25］.

图形3.呈现一般马尔可夫链模型，由三个带宽状态组成。每个状态由一个数据吞吐量值表示。当带宽在每次步骤之后从一个状态移动到另一个状态时存在转换概率。因此，通过简单地从带宽历史中提取统计数据，生成所有带宽状态之间的转换概率。

类似于带宽跟踪，我们将缓冲区分为水平从0到,为缓冲区大小。另外，我们用表示视频版本表示质量最低的版本为V.=1，最高质量为V.=V.Max假设视频有V.马克斯不同版本。VBR视频的不同版本的比特率如图所示4.．

因为VBR视频版本的段比特率非常强烈地波动，我们将每个版本的比特分开到间隔（从间隔1到间隔一世），每个每个都由其平均比特率值表示。例如，如果将最高比特率为5000 kbps的版本被分成10个比特率间隔，则间隔1的范围为0至500kbps，其代表比特率为250 kbps。

我们假设位于比特率间隔的所有版本代表了单独的视频流。如果当前的段位位于一个间隔，则下一个段比特率也将属于该间隔，而不管段版本如何。有了这个假设，我们会生成不同的策略集比特率的间隔。当一个段完全下载后，客户端测量它的比特率来找到它所属的比特率间隔。然后，客户端将确定与该比特率间隔相对应的策略集。

4.问题配方和解决方案

4．1.系统状态

当系统被离散化时，我们观察系统的状态变量 当视频段在舞台上完全下载时．在这里,缓冲级别是否表示缓冲区中可用的段数，值所属的带宽,是下载段的版本索引。的情况 对应于缓冲区下溢事件。在每个州时，系统可选择任何操作．对于我们的系统，一个动作基本上是关于下一个段的版本的决定。有些可供选择的版本，我们完全可能的行动。然后系统随机移动到一个新状态在下一个时间步骤那导致相应的成本 ．每个比特率间隔 ，我们有一个系统状态集和一个政策组 让的状态数，我们有

4.2。过渡概率

因为系统是随机的，这意味着每个行动的系统结果是不确定的，每两个状态之间的状态转移概率取决于行动必须建设。我们表示州的概率将导致国家鉴于行动如下: 由于相互之间的独立性 ， 我们有

在…的右边3.)，第一项可计算如下: 哪里是基于当前系统状态和操作的下一个缓冲区级别．我们计算如下: 哪里是目标版本的比特率。

当吞吐量显著下降时，意味着那可能低于零。但是，在新阶段开始时，有一个段正在下载，导致至少一个段始终在缓冲区中。所以,(5.）可以修改如下：

第二项易于从带宽模型获得。第三个术语可以简单地计算

因此，表达（3.)可以简化为:

4.3. 成本函数

在本节中，定义了一个成本函数来惩罚可能导致用户QoE降低的情况。我们着重研究了影响用户主观感知的三个客观参数，即质量水平、视频延迟和质量切换。首先，代价函数应该有利于选择的比特率接近当前带宽，从而惩罚差异在当前带宽和由动作选择的下一段的比特率之间, 第二，为了防止视频停滞，缓冲区级别永远不应该是下溢的。我们定义了一个最佳的缓冲区级别这是客户端在流会话期间应尝试保持的期望值。当缓冲区级别接近，避免了缓冲区下溢。因此，成本职能惩罚偏差当前缓冲区级别与最佳缓冲区级别的比较，其中 第三，为了减少质量转换，成本函数应该包含差异在选定的质量和最后的质量之间。为了惩罚由于高质量变化而导致的QoE减少，我们定义如下:

让 为质量等级、视频延时、质量切换三个对象的权衡参数。当系统从状态改变时产生的成本州鉴于行动可以计算

4.4。优化解决方案

由于系统是离散的，并且状态数很大，我们可以形成一个无限视界问题。对于每一个国家，最合适的行动，称为国家政策，必须做出决定，使每个州的平均成本最低。如上所述，我们的系统已经对应的系统状态集比特率间隔，所以我们要找到相应的策略集。为简单起见，我们只给出了具有系统状态集的一般比特率区间的优化解以及相应的策略集．为所有比特率区间寻找最佳解决方案的过程将以类似的方式进行。数学上，我们需要最小化这是下载后获得的平均成本视频段。计算公式如下: 和 是下载后产生的成本段。在这里,是状态转换的次数，也是会话中视频片段的次数。基于标准策略迭代算法(PIA) [26，我们使用算法中提出的算法来解决IHP问题1．

申请SDP的PIA比特率的间隔，我们会产生策略集，它类似于查找表将每个状态映射到最佳动作。因此，客户端能够基于当前系统条件来确定用于下一个段的适当版本。

让 分别为转移概率计算的计算复杂性和从一个状态到剩余状态的成本。让是算法的计算复杂性1．我们模型的复杂性是 ．对于每个区间、每个动作和每个状态，我们考虑到的代价和到的转移概率 剩下的国家。因此，计算转移概率和代价的复杂性描述如下:

基于[27]， 我们有

因此，我们模型的复杂性是

5.性能预测

后部分4.我们实现了对应于视频比特率的间隔。在本节中，我们使用马尔可夫链模型来预测一个会话的流性能。相似的部分4.4，本节仅介绍了具有系统状态集的常规比特率间隔的性能预测以及相应的策略集．预测所有比特率间隔的性能将是类似的。执行所有计算后比特率间隔，我们将平均值作为最终结果。

关键是确定平均状态概率 和 是系统在在整个流媒体会话中的状态。概率下载后状态概率的平均值段 ．在这里, 是系统所在的概率下载后的状态细分。从马尔可夫链理论，下载后的国家概率 下载后，可以计算段作为状态概率的乘积段和过渡矩阵 ．假设初始概率已知。过渡矩阵是A. 矩阵代表来自州的转换概率州．定义如下： 平均国家概率的计算方法如下:

目前，为HTTP流开发的大多数适应算法都是定性的，因为只能在流媒体会话之后获得性能度量。在本研究中，可以基于每个状态的平均状态概率和信息来计算预测的流性能。具体而言，我们主要关注以下几个方面：比特率预测，质量开关预测和缓冲预测。

5.1。质量预测

用户感知到的视频质量通过所选版本呈现出来。选择的版本越高，用户感知到的视频质量越好。此外，设置流媒体会话的最大版本也会影响用户的感知质量。很明显，最大值值过低可能导致感知质量差，而最大值值过高则可能增加缓冲区底流的机会。在本节中，我们将基于平均版本预测流会话的质量性能使用(19)和版本的累积分布函数(CDF) 这是（20)．根据在整个流会话中版本的预测概率，可以决定会话的最大版本

5.2。质量开关预测

开关质量是影响用户感知的重要因素。用户通常期望从一个片段到下一个片段用最少数量的质量开关和较小的开关幅度进行平滑回放。我们可以预测每个片段的平均版本切换如下:

5.3。缓冲区的预测

视频延迟是影响用户主观感知的重要客观参数之一。当播放缓冲区超时运行时发生停止。要防止此事件，必须将缓冲区维持在安全范围内。在这个会话中，我们通过平均缓冲区水平来评估缓冲区性能，缓冲层的CDF ，缓冲区底流概率（即，当系统处于缓冲区级别时）描述如下： 代表缓冲区的安全性。如果很小，缓冲水平通常处于低电平，这可能导致当前带宽急剧下降时播放中断。反映了在网络波动下缓冲水平的方差。显示播放将在流会话中被中断的概率。

6.实验结果

为了评估提出的系统模型和性能预测的准确性，在本节中，我们在离线和在线环境中进行了大量的实验，并将性能预测结果与测量结果进行了比较。我们还将我们提出的方法与现有的两个方法进行了比较，即SDP方法[10]这可以在SDP方法中获得最佳性能，并呈现基于比特估计的方法[14]，这是定性方法中最好的。

6．1.实验设置

为了进行模拟，我们的测试平台包括一个运行Java 8.0的客户端(它实现了适配)和一个运行Apache2的服务器(它包含媒体段)。客户端运行在windows 7计算机上，CPU为Intel i5-1.7 GHz，内存为4gb，服务器运行在Ubuntu 12.04LTS(默认TCP CUBIC)上，内存为1g。使用DummyNet模拟信道带宽[28］.我们用的是[6.］.的视频, ，对于带宽， ．由于我们在段持续时间单元中度量缓冲区大小和计算缓冲区成本，因此我们使用一个段持续时间设置来实现我们的自适应方法。在我们的实验中，我们选择了一个持续时间为2秒的片段，与[7.那8.那10］.在最近的一些研究中考虑了分段持续时间对适应性能的影响[29那30］.进一步评估不同段持续时间，固定缓冲区大小（以秒为单位）将为未来的工作保留。最大缓冲级别设置为5个段（即，10秒），最佳缓冲级别设置为4个段（即，8秒）。

在我们的方法中，流媒体提供商可以通过改变权衡参数来调整高质量水平要求、防止视频失速和减少质量切换之间的平衡 ,．由于选择了成本函数的权衡参数的最佳组合，涉及解决艰难的优化问题，因此将在我们未来的工作中进行调查。在本文中，我们如下选择了成本函数的权衡参数。最初，我们修复了β并选择其他两个参数。由于我们希望优先顺序顺序质量开关，是选择使质量转换成本的贡献是否高于缓冲成本．与参数，因为比特率的成本可以高达数千个，参数应该小，以减少比特率成本对整体成本的贡献. 根据我们的经验，在参数上有很好的经验值 ,分别为0.003,4和20。

6.2。实验结果

在实验的第一部分中，我们使用从移动网络获得的给定带宽迹线进行离线上下文中性能预测的准确性[12］.在这种情况下，视频段的数量是300。

数据5.和6.使用部分中呈现的公式显示预测性能5.以及在最大允许版本设置为7、8和9时从实验中获得的测量性能。这些数字表明预测结果与测量结果接近。我们可以从图中看出5.当最大版本数增加时平均版本数和平均版本开关数也会增加。图形6.结果表明，在预测和测量的情况下，当最大版本为7时，潜流概率几乎为零，并且随着最大允许版本的增加，潜流概率增长非常缓慢。从平均视频质量和质量切换之间的平衡角度来看，将最大版本设置为8是合理的;同时，将最大版本设置为7确保了非常稳定的流媒体体验。

数据7.那8.,9.在最大版本的三种情况下显示所提出方法的比特率和版本切换行为。从这些图中可以很清楚地看到，当最大版本减少时，版本切换(或质量更改)的数量减少。

表格1显示了三种情况下最大版本的实验结果的更详细统计信息。从表中可以看出，预测性能和测量性能之间没有显著差异。

在实验的第二部分中，我们使用了从客户端之前的两个流会话记录的两个历史带宽跟踪。两种带宽的CDF如图所示10．

带宽用于计算统计模型和用于模拟测量性能参数。数据11那12,13在最大版本的三种情况下显示所提出方法的比特率和版本切换行为。具体结果见表2．基于这些数字和表，我们再次确认数学性能预测模型与测量相一致。

在实验的第三部分，我们考虑了在线背景下，未来带宽的预测是基于所有前段的统计参数。具体来说，我们把整个会议分成几个部分，每个部分都有视频段。我们将每个块单独对待作为迷你流媒体会话。假设，最初我们有足够的统计数据来预测第一块块的性能。将基于之前的块进行后续块的预测。在每个块的开头，更新带宽统计信息导致策略集的重新计算和性能。在实验中，我们设置了到100个视频片段。从我们的实验中可以观察到，重新计算整个模型只需几秒钟。因此，计算开销约为3%，适用于在线上下文。数字14那15,16在最大版本的三种情况下，展示所提方法的自适应、比特率和版本切换行为。在这三种情况下，在线环境下的预测性能和测量性能详见表3.那4.,5.. 很明显，在在线环境中，预测的性能也非常接近测量的性能。

接下来，我们将建议的方法与SDP方法进行比较[10]和基于比特率估计的方法[14]使用与我们实验的第一部分中相同的模拟设置。通过模拟SDP方法获得的实验结果[10基于比特率估计的方法[14如图所示17和18， 分别。我们可以看到两种方法都提供了非常波动的版本交换机。具有最大版本设置为9的这些适配方法的详细统计数据以及具有最大版本设置为7,8和9的所提出的方法6.．可以看出，在平均版本和平均版本交换机方面，比特率估计方法的性能比我们的方法更低。关于SDP方法，很明显，这种方法的性能是最糟糕的（平均版本和每个段的最高平均交换机）。这可以预期，因为这种方法最初是专为真实VBR视频而设计的。

离线环境下三种方法的缓冲电平曲线如图所示19．我们可以看到所有缓冲区曲线都意味着在没有任何冻结的情况下为用户提供流动。其中，SDP方法和所提出的方法 提供最不稳定的缓冲区，而基于比特率估计的方法和提出的方法具有 提供最稳定的缓冲区。从图中可以看出17和18和桌子6.SDP方法和基于比特率估计的方法会导致版本曲线波动较大，该方法具有较强的稳定性 获得最低的平均质量。因此，来自桌子6.和图19我们可以看到，所提出的方法在脱机环境下具有 或者9可以提供最好的性能。

7.结论

本文提出了一种基于随机动态规划的HTTP流的自适应方法。该系统模型针对VBR视频中比特率波动较大的真实带宽跟踪。此外，我们还建立了一个预测系统性能的模型，目的是根据性能要求选择最佳设置。实验结果表明，该方法能有效地自适应VBR视频，并能进行准确的性能预测，为自适应策略的规划提供了依据。

的利益冲突

作者声明本文的发表不存在利益冲突。

参考文献

1. Cisco Systems，Inc。“网络指数：预测和方法，2012-2017，”思科视觉，2013年5月。
2. A.C贝根，T。阿克古尔和M。Baugher，“通过网络观看视频：第1部分：流协议，”IEEE互联网计算，卷。15，不。2，pp。54-63，2011。视图:出版商网站|谷歌学术
3. t。c。Thang, q。d。Ho, J. W. Kang, and A. T. Pham，“使用MPEG DASH的自适应视听内容流”，IEEE消费电子学报，卷。58，不。1，pp。78-85,2012。视图:出版商网站|谷歌学术
4. TStockhammer，“HTTP上的动态自适应流：标准和设计原则”，年第2届年度ACM多媒体系统会议进行（MMSYS'11），第133-144页，加州圣何塞，美国，2011年2月。视图:出版商网站|谷歌学术
5. K. Miller，E.Quacchio，G.Gennari和A.Wolisz，“适应算法，用于HTTP的自适应流，”第19届国际分组视频研讨会论文集(PV’12)，pp.173-178，IEEE，慕尼黑，德国，2012年5月。视图:出版商网站|谷歌学术
6. Zhou Y.， Duan Y.， Sun J.， and Z. Guo， " Towards simple and smooth rate adaptive for VBR video in DASH， " inIEEE视觉通信与图像处理会议论文集(VCIP’14)，第9-12页，IEEE，马耳他瓦莱塔，2014年12月。视图:出版商网站|谷歌学术
7. s阿克沙比，S。纳拉亚纳斯瓦米，A。C贝根和C。Dovrolis，“HTTP上速率自适应视频播放器的实验评估，”信号处理:图像通信第27卷第2期4，第271-287页，2012。视图:出版商网站|谷歌学术
8. C. Müller, S. Lederer和C. Timmerer，“车辆环境中通过HTTP动态自适应流的评估”，刊于第四届移动视频研讨会(MoVid’12)论文集，页37-42，纽约，纽约，美国，2012年2月。视图:出版商网站|谷歌学术
9. C. Liu, I. Bouazizi，和M. Gabbouj，“自适应HTTP流媒体的速率适应”，在第二届年度ACM多媒体系统会议的载体（MMSYS'11），第169-174页，美国加利福尼亚州圣何塞，2011年2月。视图:出版商网站|谷歌学术
10. S. García, J. Cabrera和N. García，“无线频道自适应流媒体服务的质量控制算法”，信号处理选定主题的IEEE杂志，第9卷，第5期。1, pp. 50-59, 2015。视图:出版商网站|谷歌学术
11. A. H. Duong, T. Nguyen, T. Vu, T. T. Do, N. P. Ngoc和T. C. Thang，《基于sda的自适应流媒体质量控制的改编》，在国际计算、管理和电信会议论文集(ComManTel’15)，PP。194-199，IEEE，岘港，越南，2015年12月。视图:出版商网站|谷歌学术
12. S. Lederer，C. Mueller，C. Timmerer，C. Concolato，J. Le Feuvre，以及K.Fliegel，“分布式Dash DataSet”第四届ACM多媒体系统会议论文集(MMSys’13)，第131-135页，挪威奥斯陆，2013年3月。视图:出版商网站|谷歌学术
13. “H264 / AVC视频跟踪库，”http://trace.eas.asu.edu/h264/．视图:谷歌学术
14. T. C. Thang, H. T. Le, H. X. Nguyen, A. T. Pham, J. W. Kang, Y. M. Ro，“基于动态资源估计的HTTP自适应视频流”，IEEE Trans。关于消费电子产品，卷。58，不。1，pp。78-85,2012。视图:谷歌学术
15. T. C. Thang，H.T.Le，A.T.Pham和Y. M. Ro，“对HTTP直播的比特率适应方法进行评估”IEEE通信选定领域杂志，卷。32，不。4，pp。693-705，2014。视图:出版商网站|谷歌学术
16. R. Dubin，O. Hadar和A. DVIR，“客户缓冲和MBR考虑对Dash适应逻辑的影响”，2013年IEEE无线通信和网络会议的程序（WCNC '13），第2178-2183，IEEE，上海，中国，2013年4月。视图:出版商网站|谷歌学术
17. 梁国良，“延迟和缓冲对随机VBR信道无抖动流的影响”，IEEE多媒体汇刊，卷。10，不。6，pp。1128-1141,2008。视图:出版商网站|谷歌学术
18. 陈海，谢磊，“基于人工神经网络的无线视频流质量估计模型”2013 IEEE/CIC中国通信国际会议论文集(ICCC’13)，PP。264-269，IEEE，西安，中国，2013年8月。视图:出版商网站|谷歌学术
19. “无线网络中的自适应可扩展视频流”，《无线网络技术与应用》，第2期第三届ACM多媒体系统会议记录（MMSys'12），第167-172页，美国纽约州纽约市，2012年2月。视图:出版商网站|谷歌学术
20. Y. Liu和J. Y. Lee，“关于可预测流性能的自适应视频流，”2014年IEEE全球通信会议的会议记录（Globecom'14）， pp. 1164-1169, IEEE, Austin, TX, USA, 2014年12月。视图:出版商网站|谷歌学术
21. S.Akhshabi，A.C.Begen，以及C. Dovrolis，“在HTTP的自适应流媒体中的速率适应算法的实验评估”第二届年度ACM多媒体系统会议的载体（MMSYS'11），第157-168页，加州圣何塞，美国，2011年2月。视图:出版商网站|谷歌学术
22. G吉和B。Liang，“无线网络上可伸缩VBR视频流的随机速率控制”，年2009年IEEE全球电信会议记录（GLOBECOM'09），檀香山，你好，美国，2009年12月。视图:出版商网站|谷歌学术
23. 邢梅，“基于多无线接入网络的视频流的速率自适应策略”，出版2012年IEEE全球通信会议的会议记录（Globecom'12）， pp. 5745-5750, IEEE, Anaheim, CA, USA, 2012年12月。视图:出版商网站|谷歌学术
24. Z叶，R。埃尔·阿佐兹，T。希门尼斯和Y。Xu，“计算马尔可夫调制流体模型模拟的网络体验质量”，2014年。视图:谷歌学术
25. Y徐，E。奥特曼，R。El Azouzi，M。哈达德，S。埃拉尤比和T。Jimenez，“缓冲区不足分析及其在流式服务目标QoE优化中的应用，”IEEE多媒体汇刊，卷。16，不。3，pp。813-827，2014。视图:出版商网站|谷歌学术
26. H. Thomas, E. Cormen Charles, L. Ronald, S. Clifford，算法简介，MIT新闻和McGraw-Hill，2009年第3版。
27. Y.曼苏尔和S.辛格，《论政策迭代的复杂性》，Uai.，页401-408,1999。视图:谷歌学术
28. L. Rizzo，《Dummynet:评估网络协议的简单方法》，计算机通信评论第27卷第2期1，pp。31-41,997。视图:谷歌学术
29. D. M. Nguyen, L. B. Tran, H. T. Le, N. P. Ngoc，和T. C. Thang，“在移动网络上的HTTP自适应流的段持续时间影响的评估”，在第二届国家信息与计算机科学技术发展基金会议论文集，(NICS’15)，第248-253页，越南胡志明市，2015年9月。视图:出版商网站|谷歌学术
30. L. Koskimies, T. Taleb，和M. Bagaa，“虚拟视频交付平台基于QoE的服务器基准测试”IEEE沟通国际会议进行（ICC'17），法国巴黎，2017年5月。视图:谷歌学术

版权

版权所有©2017 Thoa Nguyen et al。这是一篇发布在创意公共归因许可证，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。