Do đó, các chuẩn streaming video được phát triển từ năm 2008 đã dựa trên công nghệ streaming thích ứng để cho phép máy chủ/máykhách thích ứng chất lượng video với sự biến động của mạng..
Trang 1BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
NGUYỄN THỊ KIM THOA
MỘT SỐ GIẢI PHÁP NÂNG CAO CHẤT LƯỢNG STREAMING THÍCH ỨNG VIDEO
Trang 2Công trình này được hoàn thành tại:
Trường Đại học Bách khoa Hà Nội
Người hướng dẫn khoa học: PGS.TS Phạm Ngọc Nam
Phản biện 1:
Phản biện 2:
Phản biện 3:
Luận án được bảo vệ trước Hội đồng đánh giá luận án tiến sĩ cấp trường
họp tại Trường Đại học Bách khoa Hà Nội
vào hồi giờ, ngày tháng năm
Có thể tìm hiểu luận án tại:
1 Thư viện Tạ Quang Bửu, Trường ĐHBK Hà Nội
2 Thư viện Quốc gia Việt Nam
Trang 3MỞ ĐẦU
1 Tính cấp thiết của luận án
Hiện nay, streaming video đang trở thành một dịch vụ chính trên mạngInternet nhờ có các kết nối không dây băng thông rộng và các thiết bị diđộng hiệu suất cao Thách thức chính của streaming video qua Internet
là sự biến động của thông lượng gây ra bởi các mạng không đồng nhất,dẫn đến không thể phát video với tốc độ bit cố định trong suốt một phiênstreaming Do đó, các chuẩn streaming video được phát triển từ năm 2008
đã dựa trên công nghệ streaming thích ứng để cho phép máy chủ/máykhách thích ứng chất lượng video với sự biến động của mạng
Những năm qua, kỹ thuật phổ biến cho streaming video qua mạngInternet là streaming thích ứng qua giao thức truyền siêu văn bản, viết tắt
là HAS (HTTP Adaptive Streaming) [7, 39] Kỹ thuật này mang lại một
số thuận lợi như sau:
• Lợi ích quan trọng của HAS là hiệu quả về chi phí Do sử dụng HTTP,nhà cung cấp dịch vụ streaming có thể giảm chi phí bằng việc duy trìcác máy chủ Web chuẩn thay vì các máy chủ chuyên biệt đắt tiền
• Sử dụng HTTP, HAS tận dụng cơ sở hạ tầng mạng phân phối rộnglớn ban đầu được tạo ra cho lưu lượng truy cập Web
• Khi dùng HAS, các gói tin media có thể truyền qua tường lửa và bộdịch địa chỉ mạng (NAT) dễ dàng
Do những lợi thế này, HAS được các ứng dụng streaming lớn hiện nay ápdụng bao gồm Netflix, Youtube, Hulu và Amazon Instant Video
Năm 2012, chuẩn toàn cầu đầu tiên của HAS có tên là MPEG-DASH rađời cho phép máy khách thay vì máy chủ là thành phần đưa ra quyết định
về việc thích ứng chất lượng video Cụ thể, nhà cung cấp dịch vụ sẽ tạo ranhiều mức chất lượng (phiên bản video) từ một video gốc Mỗi mức chấtlượng video được chia nhỏ thành các phân đoạn Trong phiên streaming,
Trang 4một phương pháp thích ứng chất lượng video đặt tại máy khách có nhiệm
vụ quyết định mức chất lượng nên được truy vấn cho mỗi phân đoạn dựavào tình trạng của mạng và mức sử dụng bộ đệm của máy khách Năm
2014, phiên bản thứ hai của chuẩn MPEG-DASH ra đời và hiện tại, cácchuyên gia MPEG đang hướng tới phiên bản thứ ba cho streaming video
đa hướng
Cho đến nay, chưa có chuẩn nào chỉ ra việc thích ứng chất lượng trongHAS nên được thực hiện như thế nào nhằm nâng cao chất lượng trải nghiệm(QoE) Vì vậy, việc nghiên cứu, đề xuất các giải pháp cải thiện QoE trongHAS đang thu hút sự quan tâm nghiên cứu của cộng đồng khoa học Tạithời điểm bắt đầu luận án này, đã có một số nghiên cứu liên quan đến QoEtrong HAS [19, 32, 36, 50] Tuy nhiên, các nghiên cứu này vẫn chưa thực
sự hiệu quả trong việc cải thiện QoE, đặc biệt là trong bối cảnh streamingvideo qua mạng di động với thông lượng mạng thường biến động mạnh theothời gian Được thúc đẩy bởi tiềm năng chưa được khai thác hết của côngnghệ HAS và nhu cầu mạnh mẽ của streaming video qua mạng di độngnhững năm gần đây, luận án đề xuất các giải pháp thích ứng chất lượngvideo trên nền HTTP để đối phó hiệu quả với sự biến động của thông lượngmạng, từ đó nâng cao QoE của người dùng
2 Những vấn đề còn tồn tại
Cho đến này, các phương pháp thích ứng chất lượng hầu hết tập trung vàovideo được mã hóa với tốc độ bit không đổi (CBR) [4, 24, 27, 41] Cácnghiên cứu về streaming thích ứng qua HTTP đối với video được mã hóavới tốc độ bit biến đổi (VBR) còn rất hạn chế Đặc điểm của video dạngCBR là các phân đoạn video trong cùng một mức chất lượng có tốc độ bit
cố định, dẫn đến việc thích ứng chất lượng tương đối đơn giản Tuy nhiên,video được hiển thị trên màn hình người dùng có chất lượng không ổn định
So với video dạng CBR, video dạng VBR mang lại chất lượng hình ảnh ổnđịnh hơn Tuy nhiên, sự biến động mạnh của tốc độ bit video VBR trongcùng một mức chất lượng cùng với sự biến động mạnh của thông lượngmạng là thách thức lớn trong HAS Chính vì vậy, việc nghiên cứu các giảipháp để cải thiện QoE trong streaming một video VBR và streaming đồngthời nhiều video VBR qua HAS đang thu hút sự quan tâm nghiên cứu.Năm 2015, một phiên bản mới của giao thức HTTP được đề xuất, gọi
là HTTP/2, mang nhiều tính ưu việt hơn so với HTTP/1.1 [8] HTTP/2giới thiệu một số tính năng mới trong đó có tính năng Server Push Tínhnăng này cho phép máy chủ đẩy nhiều tài nguyên tới máy khách hơn yêucầu trong truy vấn của máy khách Nhờ vào tính năng này, máy khách sẽ
Trang 5không phải gửi quá nhiều truy vấn và máy chủ cũng không cần đợi truy vấn
từ máy khách mới được gửi dữ liệu Khi áp dụng tính năng Server Push củaHTTP/2 vào streaming thích ứng, nó cho phép máy chủ đẩy nhiều phânđoạn video liên tiếp với cùng một mức chất lượng cho mỗi truy vấn củamáy khách, từ đó giảm được overhead liên quan đến số lượng truy vấn củamáy khách Do những lợi ích mà tính năng Server Push của HTTP/2 manglại cho streaming video, các giải pháp thích ứng chất lượng sử dụng tínhnăng này đang thu hút sự quan tâm của các nhà khoa học
3 Mục tiêu nghiên cứu
Đề xuất các giải pháp cải thiện QoE trong streaming video theo yêu cầu(VoD) đối với ba ngữ cảnh cụ thể, đó là: streaming một video VBR quaHTTP, streaming đồng thời nhiều video VBR qua HTTP và streaming mộtvideo VBR/CBR qua HTTP/2
• Đề xuất và thực hiện giải pháp phân bổ băng thông và cải thiện QoEkhi streaming đồng thời nhiều video VBR qua một đường truyền cóbăng thông hạn chế trên nền giao thức HTTP Thực nghiệm đượcthực hiện trong thời gian thực cho thấy phương pháp đề xuất cóphân bổ băng thông hợp lý và cải thiện đáng kể QoE, trong điều kiệnràng buộc về tổng lượng băng thông của đường truyền và giới hạncủa độ trễ
• Đề xuất và thực hiện các thuật toán cải thiện QoE khi streamingvideo VBR/CBR qua HTTP/2 đồng thời làm giảm overhead liênquan đến số lượng truy vấn của máy khách Thực nghiêm cho thấycác giải pháp đề xuất cung cấp tốc độ bit video cao, ít sự biến độngchất lượng, bộ đệm ổn định, đồng thời giảm đáng kể số lượng truyvấn của máy khách
Trang 6Chương 1
TỔNG QUAN VỀ CÔNG NGHỆ HAS VÀ KHẢO SÁT CÁC NGHIÊN CỨU LIÊN QUAN
1.1 Giới thiệu chương
Chương này trình bày cơ sở lý thuyết của công nghệ HAS, các yếu tố ảnhhưởng đến QoE trong HAS và khảo sát các nghiên cứu liên quan đến cảithiện QoE Đó là cơ sở, động lực cho những đề xuất ở các chương tiếp theocủa luận án
1.2 Tổng quan về công nghệ HAS
1.2.1 Giải thích thuật ngữ
Phần này giải thích ý nghĩa của một số thuật ngữ được sử dụng trong luận
án Băng thông là dung lượng lý thuyết của kết nối tại một thời điểm, đượctính bằng số bit trên một giây Thông lượng là tỉ số giữa kích thước dữ liệucủa phân đoạn và khoảng thời gian tải phân đoạn đó Thời gian trọn vòng(RTT) là Khoảng thời gian từ lúc máy khách gửi truy vấn cho đến khi nónhận được byte đầu tiên của phân đoạn được truy vấn Mức sử dụng bộđệm là lượng video còn lại trong bộ đệm
1.2.2 Công nghệ streaming video
Trước đây, để xem một video, người dùng phải tải tệp đó về máy tính
cá nhân, sau đó video được giải mã và hiển thị trên màn hình Như vậy,người dùng phải chờ đợi lâu và máy tính tốn tài nguyên bộ nhớ Kỹ thuậtstreaming video ra đời đã khắc phục những vấn đề trên Trong streamingvideo, máy khách bắt đầu hiển thị video chỉ vài giây sau khi nó bắt đầu
Trang 7nhận dữ liệu từ máy chủ Sau đó, máy khách vẫn tiếp tục hiển thị videotrong khi đang tải nốt những phần sau của video Các kỹ thuật streamingvideo thường được phân loại theo 5 yếu tố: yêu cầu về độ trễ, chế độ mãhóa video, giao thức tầng giao vận, tính thích ứng và vị trí khối thích ứng[21]
1.2.3 Công nghệ HAS
Kiến trúc của một hệ thống HAS gồm máy chủ, mạng phân phối và máy khách (Hình 1.2) Một video gốc được mã hóa thành nhiều mức chất lượng (phiên bản) Mỗi mức chất lượng được chia thành nhiều phân đoạn nhỏ
có độ dài bằng nhau Nội dung video được gửi từ máy chủ tới máy khách thông qua một chuỗi truy vấn/phản hồi Đối với mỗi truy vấn của máy khách, thuật toán thích ứng chất lượng đặt tại máy khách sẽ quyết định mức chất lượng và số lượng phân đoạn (đối với HTTP/2.0) nên được tải
về dựa trên tình trạng của mạng và mức sử dụng bộ đệm của máy khách Dựa vào truy vấn của máy khách, máy chủ sẽ phản hồi một hay nhiều phân đoạn video với cùng một mức chất lượng Máy khách lưu những phân đoạn video nhận được vào bộ đệm, sau đó giải mã và hiển thị trên thiết bị của người dùng
Nội dung video
Mã hóa video Phân đoạn video
Bộ đệm
Giải mã video Internet
Bộ phận thích ứng chất lượng Hiển thị
Phiên bản 1 Phiên bản 2 Phiên bản 3
Trong HAS, việc dự đoán thông lượng được dựa vào lịch sử của nó
Cách đơn giản nhất là sử dụng thông lượng (T i) đo được ngay sau khi một
phân đoạn i vừa được tải xong làm thông lượng dự đoán (T i+1 e ) cho phân
đoạn kế tiếp [34, 40], cụ thể T i+1 e = (1 − µ) × T i với µ là hệ số an toàn nằm trong khoảng [0;1] Ngoài ra, thông lượng trung bình T i s của một số phânđoạn video đã được tải về cũng được sử dụng để dự đoán thông lượng cho
Trang 8phân đoạn kế tiếp [4, 39]:
T i+1 e = T i s=
(
(1 − γ) × T i−1 s + γ × T i , i > 1,
với γ là trọng số nằm trong khoảng [0;1].
1.2.4 Các yếu tố ảnh hưởng đến QoE trong HAS
Trong HAS, TCP - lớp dưới của HTTP có cơ chế kiểm soát tắc nghẽn và
cơ chế truyền lại khi mất gói Độ trễ do mất gói và jitter đã được chuyển thành sự biến động thông lượng của TCP Vì vậy, các yếu tố chính ảnh hưởng đến QoE được điều khiển bởi máy khách bao gồm: độ trễ nạp bộ đệm ban đầu, sự gián đoạn video, chất lượng cảm nhận, độ trễ trực tiếp (trong streaming trực tuyến) [20] (Hình 1.5)
Các yếu tố tác động đến QoE trong HAS
Độ trễ nạp bộ đệm
ban đầu
Sự gián đoạn video
Tần suất gián đoạn thời gianKhoảng
gián đoạn
Chất lượng video
Biên độ chất lượng
Sự biến động chất lượng
Tần suất biến động chất lượng
Biên độ biến động chất lượng
Độ trễ trực �ếp
Hình 1.5: Các yếu tố ảnh hưởng đến QoE trong HAS
1.2.5 Tối đa hóa QoE trong HAS
Các yếu tố ảnh hưởng đến QoE được trình bày trong Phần 1.2.4 không thểđược xem xét một cách riêng lẻ Ví dụ, để tránh gián đoạn video và giảmthiểu số lần chuyển đổi mức chất lượng, máy khách luôn chọn mức chấtlượng thấp nhất Việc này làm giảm chất lượng tổng thể nếu dung lượngmạng cho phép tốc độ bit video cao hơn Mặt khác, tối đa hóa QoE bằngcách luôn chọn mức chất lượng cao nhất thường dẫn đến số lần gián đoạnrất lớn Các yếu tố khác như biên độ và tần suất giảm mức chất lượng có
Trang 9tác động rất lớn đến QoE trong HAS [22, 48] Nghiên cứu [13] cho thấy sốlần và khoảng thời gian mỗi lần gián đoạn video ảnh hưởng nghiêm trọngnhất đến QoE, đặc biệt trong trường hợp streaming trực tiếp Người dùngsẵn sàng chấp nhận độ trễ ban đầu và sự biến động chất lượng video caohơn, nếu nó giúp giảm thiểu số lần hoặc khoảng thời gian gián đoạn [16, 35].Qua những phân tích ở trên có thể kết luận rằng, để tối đa hóa QoEcần: (i) loại bỏ sự gián đoạn video, (ii) tăng tốc độ bit trung bình của video,(iii) giảm số lần giảm mức chất lượng, (iv) giảm biên độ giảm mức chấtlượng.
1.3 Khảo sát các giải pháp cải thiện QoE trong HAS
1.3.1 Các giải pháp thích ứng cho streaming một video
Cho đến nay, các giải pháp thích ứng cho streaming một video có thể đượcchia thành hai nhóm chính: nhóm giải pháp heuristic [4, 9, 15, 18, 26, 27,
37, 51] và nhóm giải pháp dựa vào mô hình toán học [6, 10, 17, 23, 25, 47,
52, 53]
Các giải pháp thích ứng chất lượng thuộc các nhóm trên hầu hết tậptrung vào video CBR Các nghiên cứu về streaming thích ứng qua HTTPđối với video VBR còn rất hạn chế Thách thức đối với streaming videodạng VBR đó là, ngoài việc phải ứng phó với sự biến động mạnh của thônglượng mạng còn phải ứng phó với sự biến động mạnh của tốc độ bit video.Hơn nữa, phần lớn các phương pháp thích ứng chất lượng hiện tại là địnhtính theo nghĩa các thông số ảnh hưởng đến QoE chỉ được biết sau khi kếtthúc phiên streaming
1.3.2 Các giải pháp thích ứng cho streaming đồng thời nhiều
video
Trong HAS, việc thích ứng chất lượng được thực hiện hoàn toàn tại máykhách và mỗi máy khách đều cố gắng tối đa mức chất lượng của riêngmình Trong mạng được quản lý (chẳng hạn IPTV) cách tiếp cận hướngmáy khách sẽ dẫn đến sự tranh chấp băng thông khi chúng cùng chia sẻmột đường truyền có băng thông hạn chế Hành vi tranh chấp này làm choviệc dự đoán thông lượng thiếu chính xác, dẫn đến chất lượng video trênmỗi máy khách bị biến động mạnh hoặc bộ đệm dễ bị rỗng [1, 3]
Để khắc phục vấn đề trên, có ba nhóm giải pháp: Nhóm giải pháp đặt tại
Trang 10máy khách [1, 43], nhóm giải pháp đặt tại máy chủ [2, 12, 49] và nhóm giảipháp đặt tại một thành phần của mạng (cache, proxy) [5, 11, 14, 30, 31].Tuy nhiên, tất cả các giải pháp trên đều tập trung cho video CBR.
1.3.3 Các giải pháp thích ứng cho streaming qua HTTP/2
Năm 2015, giao thức HTTP/2 ra đời Giao thức này cung cấp một số tínhnăng mới, trong đó, tính năng Server Push được sử dụng hiệu quả trongstreaming video Tính năng này cho phép máy chủ đẩy nhiều phân đoạnvideo cho một truy vấn của máy khách
Dùng tính năng Server Push trong streaming thích ứng video được đềxuất đầu tiên bởi Wei và cộng sự trong [45] Họ triển khai chiến lược Push-
N, nghĩa là máy khách truy vấn một mức chất lượng cụ thể cho mỗi Nphân đoạn Ngoài ra, chiến lược Push-N được nghiên cứu để giảm overheadliên quan đến truy vấn của máy khách [44] và tiết kiệm năng lượng trongstreaming trên thiết bị di động [46] Tuy nhiên, do số lượng phân đoạn chomỗi truy vấn là cố định trong toàn bộ phiên streaming dẫn tới máy kháchkhông thể phản ứng nhanh với sự biến động của mạng
Để khắc phục vấn đề của chiến lược Push-N, một số giải pháp được
đề xuất nhằm quyết định số lượng phân đoạn được đẩy cho mỗi truy vấncủa máy khách [21, 28] Tuy nhiên, máy khách phải tải đủ số lượng phânđoạn video đã được truy vấn trước khi gửi một truy vấn mới Kết quả là,máy khách vẫn cần nhiều truy vấn cũng như sẽ phản ứng chậm với sự giảmthông lượng đột ngột, dẫn đến bộ đệm có nhiều nguy cơ bị rỗng
Rõ ràng là, nếu máy chủ có thể đẩy liên tiếp nhiều phân đoạn videocho đến khi nhận được truy vấn yêu cầu thay đổi mức chất lượng từ máykhách thì máy khách có thể ứng phó tốt hơn với sự biến động của mạng
1.4 Kết luận chương
Chương này đã trình bày cơ sở lý thuyết nền tảng của công nghệ HAS vàcác yếu tố tác động đến QoE trong HAS Từ đó luận án đi đến kết luậnrằng để tối đa hóa QoE cần loại bỏ sự gián đoạn video, tăng tốc độ bittrung bình, hạn chế tần suất và biên độ giảm mức chất lượng Đây cũngchính là các thông số ảnh hưởng đến QoE, được dùng để đánh giá các giảipháp đề xuất và các giải pháp đối sánh trong luận án Ngoài ra, các nghiêncứu liên quan cũng được khảo sát kỹ lưỡng Từ đó, luận án kế thừa những
ưu điểm và nghiên cứu, đề xuất các mô hình, thuật toán nhằm cải thiệnQoE được thể hiện trong Chương 2, Chương 3 và Chương 4
Trang 11Chương 2
CẢI THIỆN QoE TRONG STREAMING THÍCH ỨNG VIDEO DẠNG VBR QUA HAS SỬ DỤNG SDP
2.1 Giới thiệu chương
Chương này đề xuất giải pháp cải thiện QoE trong streaming thích ứngvideo dạng VBR dùng SDP Cách tiếp cận của tác giả khác so với các giảipháp đã được nghiên cứu ở một số điểm sau đây Thứ nhất, giải pháp đềxuất được đánh giá trên băng thông biến động mạnh theo thời gian Thứhai, nó hỗ trợ hiệu quả cho streaming video VBR có tốc độ bit biến độngrất mạnh Thứ ba, giải pháp đề xuất các mô hình toán để dự đoán một sốthông số QoE trước khi một phiên streaming thực sự bắt đầu
2.2 Ý tưởng sử dụng SDP trong streaming thích ứng
Để áp dụng SDP, ta cần xây dựng các trạng thái của hệ thống Trạng tháicủa hệ thống được đặc trưng bởi giá trị băng thông, mức sử dụng bộ đệm
và mức chất lượng của video tại thời điểm quan sát trạng thái đó Tổ hợpcác giá trị sau khi được rời rạc hóa băng thông, bộ đệm và các mức chấtlượng video tạo nên tất cả các trạng thái của hệ thống Khi hệ thống chuyển
từ trạng thái này sang trạng thái khác sẽ sinh ra hàm chi phí Một vấn đềphạm vi vô hạn được đề xuất để tìm ra tập chính sách tối ưu cho tất cả cáctrạng thái của hệ thống Vai trò của tập chính sách này là ánh xạ tham sốđiều khiển (cụ thể là mức chất lượng video cho phân đoạn kế tiếp) với tất
cả các trạng thái của hệ thống Dựa trên tập chính sách tìm được và môhình hệ thống được xây dựng, các mô hình toán học được phát triển để dựđoán các thông số ảnh hưởng đến QoE trước mỗi phiên bao gồm mức chất
Trang 12lượng trung bình, mức sử dụng bộ đệm trung bình, biên độ nhảy mức chấtlượng trung bình và xác suất bộ đệm bị rỗng.
2.3 Mô hình hóa hệ thống để áp dụng SDP
2.3.1 Rời rạc hóa băng thông
i,j
Băng thông được rời rạc hóa thành W mức Sau đó, W trạng thái băng
thông khác nhau BW w (1 ≤ w ≤ W ) được tạo ra từ W mức này Do băng
thông mạng thường biến động mạnh và ngẫu nhiên, luận án sử dụng mô hình chuỗi Markov được minh họa trong Hình 2.3 Mỗi trạng thái được đặc trưng bởi một giá trị băng thông BW w(1 ≤ w ≤ W ) Có một xác suất p ijkhi băng thông chuyển từ trạng thái này sang trạng thái khác sau mỗi bước thời gian Tổng các xác suất trong mô hình (P
p ij) bằng 1
Hình 2.3: Mô hình băng thông Markov-Chain gồm W trạng thái
2.3.2 Rời rạc hóa bộ đệm
Tương tự như băng thông, bộ đệm được rời rạc hóa thành B mức từ 1 đến
B s tương ứng với số phân đoạn video có trong bộ đệm B s là kích thước
bộ đệm
2.4 Mô tả vấn đề và giải pháp
2.4.1 Trạng thái hệ thống
Hệ thống được đặc trưng bởi biến trạng thái s k (b k , bw k , v k) khi một phân
đoạn video được tải xong tại giai đoạn k Tại mỗi trạng thái s k, hệ thống
lựa chọn một hành động a tương ứng với mức chất lượng cho phân đoạn tiếp theo Hệ thống sau đó ngẫu nhiên nhảy sang trạng thái mới s k+1 tại
giai đoạn tiếp theo, khi đó sinh ra một chi phí C(s k , a).
Trang 132.4.2 Xác suất chuyển trạng thái
Do hệ thống là ngẫu nhiên, có nghĩa là đầu ra của hệ thống ứng với mỗi
hành động a là bất định, cho nên xác suất chuyển trạng thái phụ thuộc lựa chọn a cần được xây dựng Xác suất mà trạng thái s k chuyển đến trạng
thái s k+1 , với một lựa chọn a được định nghĩa như sau:
Hàm chi phí được định nghĩa để phạt những yếu tố gây ra sự giảm QoE,
đó là: tốc độ bit, sự gián đoạn video và sự biến động mức chất lượng, cụthể như sau:
C(s k , a) = α × ∆r k + β × ∆b k + γ × ∆q k (2.11)
với ∆r k là sự sai khác giữa băng thông hiện tại và tốc độ bit của phân
đoạn tiếp theo được lựa chọn bởi hành động a (∆r k = |bw k − r a |), ∆b k là
sự chênh lệch của mức sử dụng bộ đệm hiện tại với mức sử dụng bộ đệm
tối ưu (∆b k = |b k − b opt |) và ∆q k là sự sai khác giữa mức chất lượng được
lựa chọn với mức chất lượng trước đó (∆q k = (v k − a)2)
2.4.4 Giải pháp tìm tập chính sách tối ưu
Đối với mỗi trạng thái s k , hành động a hợp lý nhất, được gọi là chính sách cho trạng thái s k Tập π chứa các chính sách cho từng trạng thái s k, là sự
ánh xạ giữa tập trạng thái và tập hành động π : s −→ a Luận án sử dụng
thuật toán PI (Policy Iteration) của SDP [42] để tìm ra tập chính sách tối
ưu π∗ sao cho tối tiểu hóa hàm giá trị của mỗi trạng thái:
2.5 Dự đoán các thông số ảnh hưởng đến QoE
Để dự đoán các thông số ảnh hưởng đến QoE, điểm mấu chốt là cần xác
định vectơ xác suất p = [p1, p2, , p N ] với p n (1 ≤ n ≤ N ) là xác suất mà
Trang 14hệ thống ở trạng thái s n trong suốt phiên streaming Trong phần này, xác
suất trạng thái p được tính như sau:
p =
PL i=1 p t i
(1 ≤ n ≤ N ) là xác suất mà hệ thống ở trạng thái s n tại thời điểm t i
2.5.1 Dự đoán chất lượng video
Mức chất lượng trung bình A v của video được dự đoán bởi:
2.5.2 Dự đoán sự nhảy mức chất lượng
Biên độ nhảy mức chất lượng trung bình trong một phiên streaming:
Mức sử dụng bộ đệm trung bình A b và xác suất video bị gián đoạn P und
được thể hiện qua 2.7 và 2.8 dưới đây:
Trang 1512.04LTS để lưu các phân đoạn video Băng thông kênh được giả lập bằng
Dummynet [33] RTT được đặt bằng 40ms Video VBR được sử dụng là Tokyo Olympic [38] có V max= 9 Đoạn video được đánh giá gồm 300 phânđoạn Độ dài mỗi phân đoạn video bằng 2 giây Băng thông được chia thành
10 mức (W = 10) Xác suất ban đầu p o là vectơ 1 × N với các giá trị được đặt là 1/N Kích thước bộ đệm được đặt là 5 phân đoạn Mức sử dụng bộ
đệm tối ưu được đặt là 4 phân đoạn
2.6.2 Đánh giá thực nghiệm
1 Đánh giá sự thích ứng Các giải pháp được đánh giá trên băng thôngđược lấy từ một mạng di động thực tế [27] Video Tokyo Olympic
gồm 9 phiên bản có độ dài L bằng 300 phân đoạn Sự thích ứng chất
lượng của giải pháp đề xuất, giải pháp SDP và giải pháp BE lần lượtđược thể hiện trong Bảng 2.1 Có thể thấy rằng giải pháp BE ít hiệu
quả hơn so với giải pháp đề xuất về việc cải thiện QoE Cụ thể, A q
và A sw của giải pháp BE lần lượt là 7.85 và 0.43 trong khi A q và
A sw của giải pháp đề xuất lần lượt là 7.88 và 0.18 Đối với giải phápthích ứng dựa trên SDP, rõ ràng thông số ảnh hưởng đến QoE củagiải pháp này là xấu nhất với chất lượng trung bình thấp nhất (7.40)
và biên độ nhảy mức chất lượng trung bình cao nhất(0.76)
Bảng 2.1: Thống kê kết quả thích ứng của các giải pháp
V max = 7, V max = 8 hoặc V max = 9 Dễ dàng nhận thấy rằng không
có sự khác nhau nhiều giữa thông số chất lượng được dự đoán vàthông số chất lượng được đo đạc Đặc biệt, khi phiên bản lớn nhất
(V max) càng nhỏ thì hệ thống dự đoán gần như chính xác các thông
số ảnh hưởng đến QoE
Trang 16Bảng 2.2: Ngữ cảnh dùng một băng thông có sẵn
Tham số V V V max max max= 9= 9= 9 V V V max max max= 8= 8= 8 V V V max max max= 7= 7= 7
đoán phỏng đoán phỏng đoán phỏng
mô hình toán và một băng thông dùng cho mô phỏng Bảng 2.3 thống
kê chi tiết các kết quả thực nghiệm trong ba trường hợp lựa chọn giá
trị cho phiên bản lớn nhất: V max = 7, V max = 8 hoặc V max = 9 Cóthể thấy mô hình toán dự đoán khá chính xác các thông số chất lượngvideo so với mô phỏng
Bảng 2.3: Ngữ cảnh dùng các lưu lượng lịch sử
Tham số V V V max max max= 9= 9= 9 V V V max max max= 8= 8= 8 V V V max max max= 7= 7= 7
đoán phỏng đoán phỏng đoán phỏng
và trực tuyến cho thấy: (i) giải pháp đề xuất thích ứng tốt với với biếnđộng mạnh của thông lượng mạng và sự biến động của tốc độ bit video,(ii) thông số ảnh hưởng đến QoE được dự đoán bằng mô hình toán tươngđối khớp với thông số được đo đạc từ mô phỏng