基于数据驱动的实时视频拥塞控制方法及装置制造方法及图纸

本发明专利技术涉及一种基于数据驱动的实时视频拥塞控制方法及装置。该方法主要针对无线网络下，端到端的互联网视频传输应用场景。该方法主要包括基于学习的速率控制策略和低延迟公平性模型。本发明专利技术根据滑动窗口内的历史数据，借助在线线性回归，刻画出链路时延变化与速率变化的线性关系；根据此线性关系，再结合本发明专利技术提出的基于负载目标的公平性函数，进而可以决策出最优的发送速率。在整个决策过程中，本方法充分考虑了无线网络具有高度变化性的特点，通过历史数据感知网络环境的长期变化，并且借助链路时延调整发送速率，适应网络的瞬时波动，从而达到提高带宽利用率、降低链路时延的目的，进而提高实时视频应用的用户体验。

【技术实现步骤摘要】
基于数据驱动的实时视频拥塞控制方法及装置
本专利技术涉及计算机网络领域，尤其涉及一种针对实时视频通信提出的基于数据驱动的网络拥塞控制方法及装置。
技术介绍
随着LTE/WiFi无线网络的广泛应用，从移动视频聊天如微信视频，到AR/VR游戏如GeForceNow，交互视频应用产业发展迅速。这类软件对于传输的高带宽和低延迟以及多流公平性都有很高的要求，这对传统的拥塞控制算法是一个很大的挑战。许多时下最新的拥塞控制算法都不能满足实时视频通信这样的需求。主要问题有以下两点：1)固定的速率调整算法：一些传统的拥塞控制算法使用固定的步骤来调整发送速率，如标准TCP每当遇到丢包时都将发送速率减小至一半。然而，在随时间变化的网络中，这样手工设置的速率并不总能和带宽相匹配。这往往会导致网络负载过大或网络利用率过低。2)模糊的收敛目标：收敛目标函数对算法的公平性和延迟都有很重要的影响。其中公平性是指同时传输多条数据流时，数据流之间的带宽分配情况，延迟是指数据从发送端发出，到被接收端收到的时间差。基于丢包的算法的目标函数要求填满网络队列，从而导致较高的排队延迟。
技术实现思路
本专利技术针对上述问题，提供一种针对实时视频通信提出的基于数据驱动的网络拥塞控制方法及装置，能够提高带宽利用率并降低链路时延，进而提高实时视频应用的用户体验。本专利技术采用的技术方案如下：一种基于数据驱动的实时视频拥塞控制方法，包括以下步骤：1)通过对历史数据的线性回归学习，建立网络链路中往返时延的变化量和速率差值之间的线性关系；2)基于所述线性关系，通过低延迟公平性的目标函数决策出最优的数据包发送速率，从而避免视频拥塞。进一步地，步骤1)所述线性关系为：ΔRTTi＝k×(xi-ri)+b其中，ΔRTTi为两个相邻阶段的往返时延RTT之间的变化量；i为第i个阶段的发送速率，ri为第i个阶段的接收速率；k和b为线性相关系数，均服从高斯分布。进一步地，步骤2)所述低延迟公平性的目标函数为：f(xi,di)＝xi·(di-T)-B其中，xi为第i个阶段的发送速率；di为第i个阶段的加权RTT；T为目标延迟；B为目标负载；di-表示第i个阶段的额外队列延迟；xi·(di-T)表示第i个阶段内在瓶颈队列中的额外包的数量，表示拥塞的程度；该函数的收敛目标是f(xi,di)＝0，即队列中的数据包等于目标负载B。进一步地，使用指数加权滑动平均来计算di，以减少网络噪声带来的影响，计算公式为：di＝α·di-1+(1-α)·RTTi其中，α表示接近最新一个RTT的趋势；RTTi表示第i个阶段的RTT，由下式计算：RTTi＝T+qi+ρ其中，T为目标延迟，qi为额外队列延迟，ρ为网络抖动噪声。进一步地，利用所述低延迟公平性的目标函数调整ΔRTTi+1，当f(xi,di)<0时，队列负载没有达到目标，将ΔRTTi+1设置为大于0来提高发送速率，否则将ΔRTTi+1设置为小于0。进一步地，当di<T时，设置一个固定增长的过程，否则使用tanh函数来避免过度调整；ΔRTTi+1由下式得到：其中，σ表示上升因子，决定RTT的增加量；δ表示调整因子，决定RTT的调整幅度。进一步地，在获得ΔRTTi+1后，根据下面公式计算出下一阶段的发送速率：其中，ri+1使用最近的发送速率来估计，k通过对历史数据的线性回归学习得到。进一步地，采取阶段性更新的机理来基于历史数据更新k的值，包括以下步骤：a)收集过去一段时间窗口内的历史数据，包括发送速率、接收速率和RTT，求得相邻两个阶段的k值，进而获得该时间窗口内的多组k值数据。b)获得该时间窗口内出现概率最高的k值，作为更新后的k值。一种基于数据驱动的实时视频拥塞控制装置，其包括：线性关系建立模块，负责通过对历史数据的线性回归学习，建立网络链路中往返时延的变化量和速率差值之间的线性关系；最优发送速率决策模块，负责基于所述线性关系，通过低延迟公平性的目标函数决策出最优的数据包发送速率，从而避免视频拥塞。一种基于数据驱动的实时视频拥塞控制系统，包括发送端，接收端，以及上面所述的基于数据驱动的实时视频拥塞控制装置。本专利技术的有益效果如下：本专利技术主要针对无线网络下，端到端的互联网视频传输应用场景，通过基于学习的速率控制策略和低延迟公平性模型，根据历史数据的统计分析，结合本专利技术的公平性模型，实现避免拥塞的目的。为了能够充分地利用瓶颈带宽、有效地降低时延，并且快速适应无线网络高速抖动的特点，本方法需要能够对网络状态进行及时的感知。其中，根据多种数据样本的分析，本专利技术提出了一种能够反映链路状态变化的模型。具体而言，就是根据滑动窗口内的历史数据，借助在线线性回归，刻画出链路时延变化与速率变化的线性关系；根据此线性关系，再结合本专利技术提出的基于负载目标的公平性函数，进而可以决策出最优的发送速率。在整个决策过程中，本方法充分考虑了无线网络具有高度变化性的特点，通过历史数据感知网络环境的长期变化，并且借助链路时延调整发送速率，适应网络的瞬时波动，从而达到提高带宽利用率、降低链路时延的目的，进而提高实时视频应用的用户体验。附图说明图1是接收速率计算方法示意图，其中Data表示发送的数据包，ACK表示返回的响应数据包，xi为第i个阶段的发送速率，ti为第i个阶段的最后一个数据包的确认信号返回的时间。图2是本专利技术与其它现有技术在易丢包链路中的传输速率对比图。图3是本专利技术与其它现有技术的公平性性能对比图，表现了在20Mbps带宽的瓶颈链路中，三条依次启动的、使用同一个传输协议的数据流的带宽分配情况。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面通过具体实施例和附图，对本专利技术做进一步详细说明。本专利技术提出的内容，首先基于以下发现：在网络链路中RTT变化量和速率差值(发送速率减接收速率)之间存在强线性关系。其中公式涉及的相关概念如下：RTT：往返时延(Round-TripTime)，指的是从数据包被发端发出至收端后，返回的确认信号达到发端的时间间隔。第i个阶段的RTT值：定义RTTi为第i个阶段的RTT的值，此处的阶段指的是一个固定的时间周期，经验性的通常采取为50毫秒。RTT变化量：定义ΔRTTi为两个相邻阶段RTT之间的变化量，即ΔRTTi＝RTTi-RTTi-1。第i个阶段的发送速率：定义xi为第i个阶段的发送速率。第i个阶段的接收速率：定义ri为第i个阶段的接收速率。除此之外，该线性关系也经过了进一步的探索：1)在不同的网络环境下，RTT变化量和速率差值之间均表现出线性关系。2)这种线性关系在LAN网络下最强，在LTE网络下由于噪声的存在稍有减弱。这种线性关系在网络空闲时较强而在网络繁忙时减弱。3)线性相关系数在不同的网络下不同。4)方程表示为：ΔRTTi＝k×(xi-ri)+b经过大量的实验可以发现系数k和b均服从高斯分布，其中k的均值随不同网络类型而变化，b的均值几乎为0。本专利技术提出一种针对实时视频通信的基于数据驱动的网络拥塞控制方法。该方法主要由两个模块组成：基于学习的速率控制策略和低延迟公平性模型，分别是针对
技术介绍
中提出的两个问题做的优化。第一部分：基于学习的速率控制策略基于上文提出的RTT变化量和速度差值(发送速率减接收速率)之间的线本文档来自技高网...

【技术保护点】
1.一种基于数据驱动的实时视频拥塞控制方法，其特征在于，包括以下步骤：1)通过对历史数据的线性回归学习，建立网络链路中往返时延的变化量和速率差值之间的线性关系；2)基于所述线性关系，通过低延迟公平性的目标函数决策出最优的数据包发送速率，从而避免视频拥塞。

【技术特征摘要】
1.一种基于数据驱动的实时视频拥塞控制方法，其特征在于，包括以下步骤：1)通过对历史数据的线性回归学习，建立网络链路中往返时延的变化量和速率差值之间的线性关系；2)基于所述线性关系，通过低延迟公平性的目标函数决策出最优的数据包发送速率，从而避免视频拥塞。2.根据权利要求1所述的方法，其特征在于，步骤1)所述线性关系为：ΔRTTi＝k×(xi-ri)+b其中，ΔRTTi为两个相邻阶段的往返时延RTT之间的变化量；xi为第i个阶段的发送速率，ri为第i个阶段的接收速率；k和b为线性相关系数，均服从高斯分布。3.根据权利要求1或2述的方法，其特征在于，步骤2)所述低延迟公平性的目标函数为：f(xi,di)＝xi·(di-T)-B其中，xi为第i个阶段的发送速率；di为第i个阶段的加权RTT；T为目标延迟；B为目标负载；di-T表示第i个阶段的额外队列延迟；xi·(di-T)表示第i个阶段内在瓶颈队列中的额外包的数量，表示拥塞的程度；该函数的收敛目标是f(xi,di)＝0，即队列中的数据包等于目标负载B。4.根据权利要求3述的方法，其特征在于，使用指数加权滑动平均来计算di，以减少网络噪声带来的影响，计算公式为：di＝α·di-1+(1-α)·RTTi其中，α表示接近最新一个RTT的趋势；RTTi表示第i个阶段的RTT，由下式计算：RTTi＝T+qi+ρ其中，T为目标延迟，qi为额外队列延迟，ρ为网络抖动噪声。5.根据权利要求3述的方法，其特征在于，利用所述低延迟公...

【专利技术属性】
技术研发人员：张行功，戴统宇，张毅航，郭宗明，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京,11