计算机工程

作者：王博, 张远, 杨咏蓓

单位：1. 中国传媒大学 信息与通信工程学院, 北京 100024;2. 中国传媒大学 媒体融合与传播国家重点实验室, 北京 100024

关键词：HTTP自适应流媒体,码率自适应算法,决策树,模仿学习,流媒体直播

基金：国家自然科学基金（61971382）。

码率自适应（ABR）算法是提升流媒体服务质量的有效方法，主要分为启发式算法和基于学习的算法两类。传统的启发式算法基于固定的规则，难以应对多变的网络环境，基于深度强化学习的算法映射表达能力较好，但其鲁棒性不佳且可解释性较差。针对上述问题，提出一种基于模仿学习的决策树码率自适应算法ABRTree。针对帧级别直播传输系统设计有效的专家ABR算法，并对专家算法的时序经验数据进行离散化处理。采用分类回归树作为码率决策的基础模型，基于专家算法给出的示例数据，采用DAgger算法进行决策树的训练。在此基础上，通过剪枝操作剔除出现较少的样本，从而提升决策树模型的泛化性。实验结果表明，ABRTree在多种视频场景下均能保证画面质量，同时取得较低的端到端延时和较少的卡顿，相比BBA、HYSA和FrameMPC算法，ABRTree算法的QoE性能可以提升1.0%~29.1%，且决策树模型能够直观表达输入特征与码率决策之间的关系，具有较好的可解释性和映射表达能力。

来源：2023年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第5期