一种基于用户体验与终端能耗的DASH视频码率选择方法技术

本发明专利技术提出了一种基于用户体验与终端能耗的DASH视频码率选择方法。将DASH客户端部署于移动终端。首先根据移动终端实时位置，选择距离移动终端最近的服务器连接。然后通过下载完成的DASH视频片段的相关信息，预测将要下载的DASH视频片段的下载时间内平均网络带宽。之后根据将要下载的DASH视频片段的下载时间，计算将要下载的DASH视频片段的总能耗。随后构建用户观看DASH视频的QoE模型。接着构建视频缓冲区队列、能耗队列。随后依次构建将要下载DASH视频片段的李雅普诺夫模型、李雅普诺夫漂移模型、李雅普诺夫漂移加惩罚模型。最后通过将要下载的DASH视频片段的李雅普诺夫漂移加惩罚模型得出优化目标，并根据优化目标求解出当前时间片应选择的DASH视频码率。

【技术实现步骤摘要】
一种基于用户体验与终端能耗的DASH视频码率选择方法
本专利技术属于移动边缘计算领域，尤其涉及一种基于用户体验与终端能耗的DASH视频码率选择方法。
技术介绍
DASH(DynamicAdaptiveStreamingoverHTTP)是一种基于HTTP的自适应比特率流技术，该技术主要应用于流媒体的传输，通过使用该技术，高质量的DASH视频流可以通过HTTP协议在互联网上稳定传输。目前很多DASH视频播放网站都在使用DASH作为其视频流的传输与播放的默认方法，例如YouTube、优酷、腾讯视频等。DASH技术简单来说就是将完整的视频(如电影、足球赛等)制作成多个不同的码率，之后将各个码率的视频分割成一系列较短的视频片段存储在HTTP服务器上，当DASH客户端播放该视频时，可以根据当时的网络状况和客户端的视频缓冲区来选择下一个视频片段播放的码率。因为DASH客户端会根据实际的网络状况来选择可播放(指在在当前网络条件下，可流畅播放的视频码率)的最高的视频码率，所以该技术可以很好地减少播放卡顿(由于视频缓冲区内无下载好的视频而导致视频播放中断)。今年，我国5G开始走向商用，随着5G网络的逐渐普及，直播行业也将迎来一次新的发展机遇，然而，在HTTP/2版本出现之前，自适应码流技术应用于直播中会有延迟较高等问题，当HTTP/2协议出现之后，由于其多路复用、服务器端推送等新特性可以有效地降低网络传输的延迟，通过设计DASH在HTTP/2下的DASH视频码率选择策略，可将DASH技术更好地应用在直播领域。同时，移动终端近几年发展迅速，从一开始只是单纯用来打电话，发信息的通信设备，到现在集通信、拍照、上网、娱乐为一体的小型计算机，因此智能手机被人们广泛使用，随着越来越多的移动设备接入互联网，移动数据流量飞速增长，根据思科视觉的统计预测，在2017至2022的五年时间里，全球移动数据流量每年将以46％的年复合年增长率。而在其中，视频流的流量占到66％。现在越来越多的用户更加倾向于在便于携带的移动终端(比如智能手机)上观看直播。然而，智能手机虽然有很多优点，但是，由于其体积较小，不能携带大容量的电池，而且不能实时充电，所以，在用户通过移动终端观看直播时，不仅要考虑网络带宽的情况，还要考虑观看直播的能量消耗。如何保证用户在有限的电量下，观看较高码率的视频，这是是一个需要解决的问题。移动边缘计算(MobileEdgeComputing，MEC)，其基本思想是把云计算平台从移动核心网络内部迁移到移动接入网边缘。移动边缘计算与云计算最大的区别在于它提供了一种新颖的计算环境，在终端设备的边缘为用户提供信息服务。边缘服务器具有对用户的临近性、服务处理的低延迟性、回程链路的低负载性和对用户端的移动感知性等特点，这为提高用户体验提供了新的思路。由于现在交通便利，大部分人在工作、旅游的路上都会使用手机观看DASH视频，然而，在边缘计算的网络环境中，用户在连续移动的过程中会不断切换其所连接的边缘服务器，从而导致用户观看DASH视频质量较差。因此，如何通过对用户的移动性进行预测，在边缘服务器覆盖的重叠区域完成服务器的切换，从而提高用户观看的DASH视频码率、减少观看过程中的卡顿时间，这是一个值得研究的问题。
技术实现思路
为了解决上述问题，本专利技术提出了在移动边缘计算中基于用户体验与终端能耗的DASH视频码率选择方法，其有效解决了用户在移动过程中可能产生的视频卡顿和播发DASH视频质量较低的问题，提升了用户的观看体验。本专利技术解决其技术问题所采用的技术方案如下：本专利技术提供一种基于用户体验与终端能耗的DASH视频码率选择方法，包含以下步骤：步骤1：将DASH客户端部署于移动终端，根据移动终端实时位置判断移动终端所在服务器的覆盖范围，若移动终端在多个服务器的覆盖范围的重合区域，计算移动终端到每个服务器之间的连接距离，选择距离移动终端最近的服务器作为移动终端对应的边缘服务器；步骤2：分别定义将要下载的DASH视频片段、下载完成的DASH视频片段、参考DASH视频片段，依次计算下载完成的DASH视频片段的下载时间、参考DASH视频片段的下载时间、参考DASH视频片段下载时间内的平均网络带宽、参考DASH视频片段的下载时间内网络带宽平均梯度、下载完成的DASH视频片段下载时间内的带宽变化率、预测将要下载的DASH视频片段的下载时间内平均网络带宽的参考价值，通过下载完成的DASH视频片段的下载时间内平均网络带宽预测将要下载的DASH视频片段的下载时间内平均网络带宽，根据预测的将要下载的DASH视频片段的下载时间内平均网络带宽计算将要下载的DASH视频片段的下载时间；步骤3：根据将要下载的DASH视频片段的下载时间，依次计算将要下载的DASH视频片段的下载时间内的CPU下载能耗、将要下载的DASH视频片段的CPU在处理DASH视频下载解码工作时的使用率、将要下载的DASH视频片段的CPU在下载DASH视频时处理其他任务的能耗，进一步构建将要下载的DASH视频片段的CPU总能耗，计算将要下载的DASH视频片段的网络接口的能耗，构建将要下载的DASH视频片段的总能耗；步骤4：依次计算下载DASH视频片段的平均码率、下载DASH视频片段的DASH视频码率平均切换幅度、播放DASH视频片段的卡顿时间，进一步构建用户观看DASH视频的QoE模型；步骤5：根据移动终端视频缓冲区中下载完成的DASH视频片段的时长构建视频缓冲区队列，并通过下载完成的DASH视频片段的视频缓冲区队列预测将要下载的DASH视频片段下载结束时刻的视频缓冲区队列，根据移动终端下载完成的DASH视频片段的总能耗构建能耗队列，通过将要下载的DASH视频片段的总能耗和下载完成的DASH视频片段的总能耗预测将要下载的DASH视频片段下载结束的时刻的能耗队列；步骤6：将要下载的DASH视频片段下载开始的时刻，根据预测将要下载的DASH视频片段下载结束的时刻的视频缓冲区队列、将要下载的DASH视频片段下载结束的时刻的能耗队列构建将要下载DASH视频片段的李雅普诺夫模型，根据将要下载的DASH视频片段的李雅普诺夫模型、下载完成的DASH视频片段的李雅普诺夫模型构建将要下载的DASH视频片段的李雅普诺夫漂移模型，根据将要下载的DASH视频片段的李雅普诺夫漂移模型、用户观看DASH视频的QoE模型构建将要下载的DASH视频片段的李雅普诺夫漂移加惩罚模型，通过将要下载的DASH视频片段的李雅普诺夫漂移加惩罚模型得出优化目标，并根据优化目标求解出当前时间片应选择的DASH视频码率；作为优选，步骤1所述移动终端上DASH客户端用于下载多个连续DASH视频片段；步骤1所述根据移动终端实时位置判断移动终端所在服务器的覆盖范围：移动终端下载DASH视频区域一共有U台服务器，每台服务器的覆盖范围为圆形，其半径为ru，定义第u台服务器的坐标为(xu，yu)，u∈[1，U]。步骤1所述计算移动终端到每个服务器之间的连接距离：定义移动终端当前位置的坐本文档来自技高网...

【技术保护点】
1.一种基于用户体验与终端能耗的DASH视频码率选择方法，其特征在于，包括以下步骤：/n步骤1：将DASH客户端部署于移动终端，根据移动终端实时位置判断移动终端所在服务器的覆盖范围，若移动终端在多个服务器的覆盖范围的重合区域，计算移动终端到每个服务器之间的连接距离，选择距离移动终端最近的服务器作为移动终端对应的边缘服务器；/n步骤2：分别定义将要下载的DASH视频片段、下载完成的DASH视频片段、参考DASH视频片段，依次计算下载完成的DASH视频片段的下载时间、参考DASH视频片段的下载时间、参考DASH视频片段下载时间内的平均网络带宽、参考DASH视频片段的下载时间内网络带宽平均梯度、下载完成的DASH视频片段下载时间内的带宽变化率、预测将要下载的DASH视频片段的下载时间内平均网络带宽的参考价值，通过下载完成的DASH视频片段的下载时间内平均网络带宽预测将要下载的DASH视频片段的下载时间内平均网络带宽，根据预测的将要下载的DASH视频片段的下载时间内平均网络带宽计算将要下载的DASH视频片段的下载时间；/n步骤3：根据将要下载的DASH视频片段的下载时间，依次计算将要下载的DASH视频片段的下载时间内的CPU下载能耗、将要下载的DASH视频片段的CPU在处理DASH视频下载解码工作时的使用率、将要下载的DASH视频片段的CPU在下载DASH视频时处理其他任务的能耗，进一步构建将要下载的DASH视频片段的CPU总能耗，计算将要下载的DASH视频片段的网络接口的能耗，构建将要下载的DASH视频片段的总能耗；/n步骤4：依次计算下载DASH视频片段的平均码率、下载DASH视频片段的DASH视频码率平均切换幅度、播放DASH视频片段的卡顿时间，进一步构建用户观看DASH视频的QoE模型；/n步骤5：根据移动终端视频缓冲区中下载完成的DASH视频片段的时长构建视频缓冲区队列，并通过下载完成的DASH视频片段的视频缓冲区队列预测将要下载的DASH视频片段下载结束时刻的视频缓冲区队列，根据移动终端下载完成的DASH视频片段的总能耗构建能耗队列，通过将要下载的DASH视频片段的总能耗和下载完成的DASH视频片段的总能耗预测将要下载的DASH视频片段下载结束的时刻的能耗队列；/n步骤6：将要下载的DASH视频片段下载开始的时刻，根据预测将要下载的DASH视频片段下载结束的时刻的视频缓冲区队列、将要下载的DASH视频片段下载结束的时刻的能耗队列构建将要下载DASH视频片段的李雅普诺夫模型，根据将要下载的DASH视频片段的李雅普诺夫模型、下载完成的DASH视频片段的李雅普诺夫模型构建将要下载的DASH视频片段的李雅普诺夫漂移模型，根据将要下载的DASH视频片段的李雅普诺夫漂移模型、用户观看DASH视频的QoE模型构建将要下载的DASH视频片段的李雅普诺夫漂移加惩罚模型，通过将要下载的DASH视频片段的李雅普诺夫漂移加惩罚模型得出优化目标，并根据优化目标求解出当前时间片应选择的DASH视频码率。/n...

【技术特征摘要】
1.一种基于用户体验与终端能耗的DASH视频码率选择方法，其特征在于，包括以下步骤：
步骤1：将DASH客户端部署于移动终端，根据移动终端实时位置判断移动终端所在服务器的覆盖范围，若移动终端在多个服务器的覆盖范围的重合区域，计算移动终端到每个服务器之间的连接距离，选择距离移动终端最近的服务器作为移动终端对应的边缘服务器；
步骤2：分别定义将要下载的DASH视频片段、下载完成的DASH视频片段、参考DASH视频片段，依次计算下载完成的DASH视频片段的下载时间、参考DASH视频片段的下载时间、参考DASH视频片段下载时间内的平均网络带宽、参考DASH视频片段的下载时间内网络带宽平均梯度、下载完成的DASH视频片段下载时间内的带宽变化率、预测将要下载的DASH视频片段的下载时间内平均网络带宽的参考价值，通过下载完成的DASH视频片段的下载时间内平均网络带宽预测将要下载的DASH视频片段的下载时间内平均网络带宽，根据预测的将要下载的DASH视频片段的下载时间内平均网络带宽计算将要下载的DASH视频片段的下载时间；
步骤3：根据将要下载的DASH视频片段的下载时间，依次计算将要下载的DASH视频片段的下载时间内的CPU下载能耗、将要下载的DASH视频片段的CPU在处理DASH视频下载解码工作时的使用率、将要下载的DASH视频片段的CPU在下载DASH视频时处理其他任务的能耗，进一步构建将要下载的DASH视频片段的CPU总能耗，计算将要下载的DASH视频片段的网络接口的能耗，构建将要下载的DASH视频片段的总能耗；
步骤4：依次计算下载DASH视频片段的平均码率、下载DASH视频片段的DASH视频码率平均切换幅度、播放DASH视频片段的卡顿时间，进一步构建用户观看DASH视频的QoE模型；
步骤5：根据移动终端视频缓冲区中下载完成的DASH视频片段的时长构建视频缓冲区队列，并通过下载完成的DASH视频片段的视频缓冲区队列预测将要下载的DASH视频片段下载结束时刻的视频缓冲区队列，根据移动终端下载完成的DASH视频片段的总能耗构建能耗队列，通过将要下载的DASH视频片段的总能耗和下载完成的DASH视频片段的总能耗预测将要下载的DASH视频片段下载结束的时刻的能耗队列；
步骤6：将要下载的DASH视频片段下载开始的时刻，根据预测将要下载的DASH视频片段下载结束的时刻的视频缓冲区队列、将要下载的DASH视频片段下载结束的时刻的能耗队列构建将要下载DASH视频片段的李雅普诺夫模型，根据将要下载的DASH视频片段的李雅普诺夫模型、下载完成的DASH视频片段的李雅普诺夫模型构建将要下载的DASH视频片段的李雅普诺夫漂移模型，根据将要下载的DASH视频片段的李雅普诺夫漂移模型、用户观看DASH视频的QoE模型构建将要下载的DASH视频片段的李雅普诺夫漂移加惩罚模型，通过将要下载的DASH视频片段的李雅普诺夫漂移加惩罚模型得出优化目标，并根据优化目标求解出当前时间片应选择的DASH视频码率。


2.根据权利要求1所述的基于用户体验与终端能耗的DASH视频码率选择方法，其特征在于：
步骤1所述移动终端上DASH客户端用于下载多个连续DASH视频片段；
步骤1所述根据移动终端实时位置判断移动终端所在服务器的覆盖范围：
移动终端下载DASH视频区域一共有U台服务器，每台服务器的覆盖范围为圆形，其半径为ru，定义第u台服务器的坐标为(xu，yu)，u∈[1，U]；
步骤1所述计算移动终端到每个服务器之间的连接距离：
定义移动终端当前位置的坐标为(x，y)，定义du为移动终端到第u台服务器的距离，du的具体计算方式如下：



步骤1所述选择距离移动终端最近的服务器作为移动终端对应的边缘服务器为：
选择d1，d2，...，dU中最小的值作为作为移动终端对应的边缘服务器；
所述边缘服务器用于连接移动终端，用于下载DASH视频片段；
作为优选，步骤2所述定义将要下载的DASH视频片段为：
第n个DASH视频片段定义为将要下载的DASH视频片段；
步骤2所述定义下载完成的DASH视频片段为：
第1个DASH视频片段至第n-1个DASH视频片段为下载完成的DASH视频片段，且第一个DASH视频片段下载开始的时刻为t0。


3.根据权利要求1所述的基于用户体验与终端能耗的DASH视频码率选择方法，其特征在于：
步骤2所述定义参考DASH视频片段为：
在第1个DASH视频片段至第n-1个DASH视频片段中，选取多个连续的DASH视频片段作为参考DASH视频片段用于预估带宽，数量为m，具体为第n-1-m个DASH视频片段至第n-1个DASH视频片段；
步骤2所述计算下载完成的DASH视频片段的下载时间为：
Tn-1＝tn-1-tn-2
n∈{2，3，...，N}
其中，Tn-1为第n-1个DASH视频片段的下载时间，tn-2为第n-1个DASH视频片段下载开始的时刻，tn-2为第n-2个DASH视频片段下载结束的时刻，tn-1为第n-1个DASH视频片段下载结束的时刻，tn-1为第n个DASH视频片段下载开始的时刻，N为DASH视频片段的数量；
通过移动终端上DASH客户端下载多个连续DASH视频片段时不会中断，故tn既为第n个DASH视频片段下载结束的时刻，也为第n+1个DASH视频片段下载开始的时刻；
步骤2所述计算参考DASH视频片段的下载时间为：
Tsample＝tn-1-tn-2-m
其中，Tsample表示参考DASH视频片段的下载时间，主要包括第n-1-m个DASH视频片段下载开始的时刻至第n-1个DASH视频片段下载结束的时刻，tn-1为第n个DASH视频片段下载开始的时刻，tn-2-m为第n-1-m个DASH视频片段下载开始的时刻，
步骤2所述计算参考DASH视频片段下载时间内的平均网络带宽：



其中，表示在下载参考DASH视频片段时间内的平均网络带宽，表示在下载参考DASH视频片段时，在当前边缘服务器之外下载DASH视频片段的平均网络带宽，表示在下载参考DASH视频片段时，在当前边缘服务器里下载DASH视频片段的平均网络带宽，β表示不同边缘服务器之间的差异值；
步骤2所述计算参考DASH视频片段的下载时间内网络带宽平均梯度为：



其中，表示在参考DASH视频片段的下载时间内网络带宽随时间变化的平均梯度；
步骤2所述计算下载完成的DASH视频片段下载时间内平均网络带宽为：



其中，bn-1为下载第n-1个DASH视频片段下载时间内平均网络带，sn-1为下载第n-1个DASH视频片段的大小，Tn-1为第n-1个DASH视频片段下载持续的时间；
步骤2所述计算下载完成的DASH视频片段下载时间内的带宽变化率：



其中，表示下载第n-1个DASH视频片段与下载第n-2个DASH视频片段持续时间内的带宽变化率，bn-1为下载第n-1个DASH视频片段下载时间内平均网络带，bn-2为下载第n-2个DASH视频片段下载时间内平均网络带，tn-1为第n-1个DASH视频片段下载结束的时刻，tn-2为第n-2个DASH视频片段下载结束的时刻；
步骤2所述计算预测将要下载的DASH视频片段的下载时间内平均网络带宽的参考价值：



其中，αn-1表示第n-1个DASH视频片段下载时间内平均网络带宽预测第n个DASH视频片段下载时间内平均网络带宽的参考价值；
当移动终端上DASH客户端处于下载第n个DASH视频片段的开始时刻，预测下载第n个DASH视频片段持续的时间内平均网络带宽；
步骤2所述通过下载完成的DASH视频片段的下载时间内平均网络带宽预测将要下载的DASH视频片段的下载时间内平均网络带宽为：
通过第n-1个DASH视频片段即下载完成的DASH视频片段的下载时间内平均网络带宽，预测第n个DASH视频片段即将要下载的DASH视频片段的下载时间内平均网络带宽的预估值即ωn，具体计算方式如下：
ωn＝(1-αn-1)ωn-1+αn-1·bn-1
其中，αn-1表示第n-1个DASH视频片段下载时间内平均网络带宽预测第n个DASH视频片段下载时间内平均网络带宽的参考价值，ωn-1表示第n-1个DASH视频片段下载时间内平均网络带宽的预估值，bn-1为下载第n-1个DASH视频片段下载时间内平均网络带宽；
步骤2所述根据预测的将要下载的DASH视频片段的下载时间内平均网络带宽计算将要下载的的DASH视频片段的下载时间，具体为：



Sn＝{s1，s2，s3，…，sX}
其中，Tn表示第n个DASH视频片段的下载时间，Sn为第n个DASH视频片段的所选择的DASH视频码率，为待优化求解量，而且第n个DASH视频片段为即将下载的DASH视频片段，将要下载的DASH视频片段有X个不同的码率可供选择，分别为s1，s2，s3，…，sX。


4.根据权利要求1所述的基于用户体验与终端能耗的DASH视频码率选择方法，其特征在于：
步骤3所述计算将要下载的DASH视频片段的下载时间内的CPU下载能耗为：
计算第n个DASH视频片段的下载时间内的CPU下载能耗，具体公式为：



其中，为第n个DASH视频片段的下载时间内的CPU下载能耗，k1为能耗相关系数，b1为能耗偏移系数，Tn为第n个DASH视频片段的下载时间，N为DASH视频片段的数量；
步骤3所述将要下载的DASH视频片段的CPU在处理DASH视频下载解码工作时的使用率为：
第n个DASH视频片段的下载时间内的CPU在处理DASH视频下载解码工作时的使用率，具体公式为：



其中，为第n个DASH视频片段的下载时间内的CPU在处理DASH视频下载解码工作时的使用率，k2为使用率相关系数，b2为使用率偏移系数，Tn为第n个DASH视频片段的下载时间，N为DASH视频片段的数量；
步骤3所述将要下载的DASH视频片段的CPU在下载DASH视频时处理其他任务的能耗为：
第n个DASH视频片段的下载时间内的CPU在下载DASH视频时处理其他任务的能耗，具体公式为：



其中，为第n个DASH视频片段的下载时间内的CPU在下载DASH视频时处理其他任务的能耗，k3为其他任务能耗相关系数，b3为其他任务能耗偏移系数，ρcpu为CPU的总利用率，为第n个DASH视频片段的下载时间内的CPU在处理DASH视频下载解码工作时的使用率，N为DASH视频片段的数量；
步骤3所述构建将要下载的DASH视频片段的CPU总能耗为：
步骤3所述下载第n个DASH视频片段的下载时间内的CPU的总能耗，具体公式为：



其中，下载第n个DASH视频片段的下载时间内的CPU的总能耗，κ为CPU运行的基本能耗，N为DASH视频片段的数量；
步骤3所述计算将要下载的DASH视频片段的网络接口的能耗为：
第n个DASH视频片段的下载时间内的网络接口的能耗，计算公式如下：



其中，为第n个DAS...

【专利技术属性】
技术研发人员：刘伟，余希晨，杜薇，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42