Bài viết Tăng cường chất lượng trải nghiệm người dùng trong hệ thống video trực tuyến thích nghi sử dụng mô hình ước lượng băng thông LSTM đề xuất một thuật toán hiệu quả dựa trên mô hình mạng LSTM để nâng cao QoE cho các hệ thống Video trực tuyến thích nghi. Cụ thể, mô hình mạng LSTM được sử dụng để dự đoán và ước lượng tình trạng băng thông hiện tại của mạng. Dựa trên kết quả dự đoán băng thông, thuật toán được đề xuất sẽ xác định và đưa ra yêu cầu tốc độ bit tối ưu cho phân đoạn video tiếp theo nhằm đặt được QoE lớn nhất. Mời các bạn cùng tham khảo!
Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) Tăng cường chất lượng trải nghiệm người dùng hệ thống video trực tuyến thích nghi sử dụng mơ hình ước lượng băng thông LSTM Nguyễn Thị Hương Thảo*, Phạm Văn Sự*, Vũ Hữu Tiến** * Khoa Kỹ thuật Điện tử I ** Khoa Đa phương tiện Học viện Công nghệ Bưu Viễn thơng Email: {thaonth, supv, tienvh}@ptit.edu.vn thu tập phân đoạn video bao gồm video nội dung có tốc độ bit khác sẵn sàng cho việc phân phối tới người dùng điều kiện khác mạng Từ tập video này, thuật toán ABR lựa chọn phân đoạn video thích hợp dựa yếu tố quan sát hệ thống chẳng hạn thông lượng mạng, độ chiếm dụng nhớ đệm tái tạo video, tỷ lệ đóng băng hình, … nhằm nâng cao QoE người sử dụng Tóm lược — Video trực tuyến phương thức truyền thông đa phương tiện thơng tin giải trí Cùng với phát triển Internet, tăng nhanh nhu cầu lưu lượng video cho nguyên nhân dẫn đến tình trạng nghẽn mạng làm suy giảm chất lượng trải nghiệm người sử dụng (QoE) Do đó, việc cải thiện, nâng cao QoE hệ thông phân phối video, đặc biệt với hệ thống phát thích nghi giao thức HTTP, nhiệm vụ cấp bách nhà cung cấp nội dung số Trong nghiên cứu này, đề xuất thuật tốn hiệu dựa mơ hình mạng LSTM để nâng cao QoE cho hệ thống Video trực tuyến thích nghi Cụ thể, mơ hình mạng LSTM sử dụng để dự đoán ước lượng tình trạng băng thơng mạng Dựa kết dự đốn băng thơng, thuật tốn đề xuất xác định đưa yêu cầu tốc độ bit tối ưu cho phân đoạn video nhằm đặt QoE lớn Các thực nghiệm tiến hành để kiểm chứng giải pháp đề xuất Kết thực nghiệm cho thấy giải pháp đề xuất đạt hiệu tốt, tăng 10% chất lượng trung bình giảm thay đổi tốc độ bít 19 lần tốc độ mạng 1500kbps Một công nghệ khác cần phải kể đến cơng nghệ có vai trò hỗ trợ việc phát triển bùng nổ lưu lượng nội dung dạng video cơng nghệ phát video trực tuyến dựa giao thức HTTP hay được biết đến công nghệ video trực tuyến thích nghi động qua HTTP (DASH) [5] DASH cơng nghệ thu hút mạnh mẽ quan tâm nhà nghiên cứu hãng công nghệ Nhóm xây dựng chuẩn 3GPP MPEG thống thành chuẩn MPEG-DASH [6] Nhờ có DASH, việc truyền dẫn video tận dụng máy chủ HTTP có sẵn tảng mạng cung cấp nội dung (CDN) Ngoài ra, tiêu chuẩn DASH cho phép chương trình phía người sử dụng lựa chọn cách tự linh động chế tối ưu để đảm bảo đạt yêu cầu QoE riêng mà tập quy tắc xác định từ trước Tiêu chuẩn DASH hỗ trợ rộng rãi hãng công nghệ lớn chẳng hạn công nghệ phát video trực tuyến MSS Microsoft [7], phát trực tuyến HTTP Apple [8], phát trực tuyến động HTTP Adobe [9] Đặc biệt, hai hãng cung cấp nội dung video lớn Youtube Netflix xây dựng tảng dựa DASH Youtube sử dụng DASH phương pháp phân phối mặc định [10] Netflix biết đến nhà cung cấp nội dung dựa DASH lớn [11] Từ khóa: Video streaming, Tốc độ bít thích nghi, LSTM, QoE I GIỚI THIỆU Trong năm gần đây, lưu lượng nội dung số chiếm đa số lưu lượng truyền tải internet mạng thông tin di động video dịch vụ video theo yêu cầu Video trực tiếp Theo Cisco lưu lượng chiếm khoản 55% tổng lưu lượng truyền tải dự báo chiếm khoảng 75% tương lai gần [1] Điều nhờ phát triển hỗ trợ mạnh mẽ Internet, công nghệ 4G/5G phổ biến thiết bị điện tử cầm tay Cùng với tăng mạnh nhu cầu nội dung video, yêu cầu người sử dụng trở nên cao khó tính mặt chất lượng sẵn sàng dịch vụ cung cấp video Với dễ dàng tiếp cận nguồn nội dung video phong phú, người sử dụng sẵn sàng từ bỏ việc xem video trực tuyến chất lượng video khơng mong đợi, việc xem video bị gián đoạn [2] Do đó, để thỏa mãn mong đợi người dùng, nhà cung cấp dịch vụ truyền tải không ngừng tăng cường truyền tải video có chất lượng cao Tuy nhiên, có mâu thuẫn việc mong muốn video chất lượng cao với việc truyền tải video Video chất lượng cao đồng nghĩa lượng liệu cần truyền tải lớn Điều dẫn đến phải thời gian lâu để truyền tải việc truyền tải thất bại có xác suất cao điều kiện mạng không tốt Nhân tố mang lại ưu cho DASH ABR Hầu hết thuật tốn ABR có sử dụng tập luật điều kiện xác định trước để lựa chọn phân đoạn video Các luật thường xây dựng dựa số điều kiện mạng điều kiện chương trình phía người sử dụng Chúng chia thành ba nhóm Nhóm thứ lớp thuật tốn dựa tốc độ Nhóm sử dụng thơng tin phân đoạn video tải để đưa dự đoán cho băng thông mạng dựa băng thông mạng dự đốn chương trình phía người sử dụng gửi u cầu phân đoạn video có tốc độ thích hợp [4][12] Lớp thuật toán thứ hai lớp thuật toán dựa thơng tin nhớ đệm chương trình tái tạo video phía người sử dụng, mức độ chiếm dụng nhớ đệm chương trình gồm ba giai đoạn lưu trữ, đệm bão hòa sử dụng để xây dựng hàm xác định tốc độ bit [3] Lớp thuật toán thứ ba sử dụng lai ghép thông tin chiếm dụng nhớ đệm băng thơng mạng, sau sử dụng trình tối ưu để xây dựng luật thay đổi tốc độ bit [13] Mặc dầu vậy, phương pháp lớp vừa kể có hạn chế định Chẳng hạn, kỹ thuật dựa Các kỹ thuật phát thích nghi tốc độ bit (ABR) xem giải pháp có tính hứa hẹn cho việc truyền tải video qua mạng thỏa mãn yêu cầu người dùng [3][4] Trong kỹ thuật phát thích nghi tốc độ, video phân thành phân đoạn ngắn khoảng vài giây Sau đó, phân đoạn video mã hóa với phương thức tốc độ mã hóa khác Kết ISBN 978-604-80-7468-5 152 Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) nhớ đệm điều chỉnh thay đổi đuổi bám kịp điều kiện mạng ln thay đổi, cịn kỹ thuật dựa tốc độ thường có thái làm việc tốt trạng thái mạng tương đối ổn định Mặt khác, kỹ thuật lai ghép phải trả giá mặt chất lượng để đánh đổi việc giảm nhỏ độ phức tạp tính tốn để phù hợp với yêu cầu thích nghi đáp ứng thời gian thực Trong mạng thông tin di động, nhiều yếu tố chẳng hạn thay đổi đường truyền vô tuyến, can nhiễu đa đường, nhiễu … khiến cho kết nối mạng không ổn định băng thông sẵn sàng cho truyền tải thay đổi [14] Điều khiến cho việc trì tốc độ video phát tối ưu, tức tối ưu QoE, trở thành thách thức lớn Nếu phía người sử dụng yêu cầu phân đoạn video với tốc độ mã hóa q cao khả cao gặp phải tình bị đứng hình, bị tải lại băng thơng mạng thay đổi Ngược lại, phía người sử dụng yêu cầu tốc độ bit giảm tránh tình vừa nêu lại gặp phải tình mà chất lượng video thấp chí đến mức khơng thể chấp nhận Do thơng tin điều kiện mạng hữu ích cho việc xây dựng sách thay đổi tốc độ bit, cần thiết việc dự đốn ngắn hạn hoặc/và dài hạn điều kiện mạng Rất nhiều nghiên cứu cố gắng ước lượng/dự đốn băng thơng mạng [4][15][16] để chuyển đổi tăng lên giảm tốc độ bit Các nghiên cứu với hỗ trợ tri thức băng thơng mạng dự đốn, việc xử lý đưa định lựa chọn tốc độ chất lượng phân đoạn video có vượt trội so với cách tiếp cận truyền thống khác [17] Constructed video sequence Video encoder Video decoder Video segmentation Buffer Bitrate adaptation Quality level Quality level Internet Client Quality level N Server Hình Kiến trúc video trực tuyến thích nghi giao thức HTTP II CƠ SỞ VÀ CÁC NGHIÊN CỨU LIÊN QUAN A Giới thiệu HAS Hình minh họa tổng quan kiến trúc Video trực tuyến thích nghi giao thức HTTP [4][5] Video mã hóa với mức chất lượng khác Mỗi mức chất lượng xác định tốc độ bít trung bình tương ứng Thêm nữa, video chia thành phân đoạn (cịn gọi chunk) có độ dài từ đến khoảng 10 giây Mỗi phân đoạn giải mã cách độc lập với phân đoạn khác Ứng dụng phía máy người sử dụng HAS bắt đầu phiên làm việc cách tải tệp kê Tệp kê cung cấp mô tả phân đoạn video cấp độ chất lượng tập phân đoạn video sẵn sàng cung cấp cho người sử dụng Dựa điều kiện thời mạng mức chiếm dụng nhớ đệm trình ứng dụng, thuật tốn thích nghi chất lượng phía người sử dụng xác định chất lượng cho phân đoạn video để thực tải Mục tiêu thích nghi chất lượng tối ưu hóa QoE QoE xác định hàm phức hợp nhiều tham số chẳng hạn số lần video dừng hình, mức chất lượng trung bình, tần suất thay đổi mức chất lượng Việc xây dựng định chọn tốc độ bít dựa dự đốn băng thơng tăng cường Thắng cộng đề xuất [16] Jang cộng [4], Tian cộng [15] đề xuất phương pháp dự đoán an tồn Tuy nhiên, hai giải pháp khơng hiệu áp dụng mạng thơng tin di động Trình tái tạo video Exoplayer Google sử dụng kỹ thuật phần trăm cửa sổ dịch chuyển để ước lượng băng thơng tức thời [18] Nhằm cải thiện tính xác dự đốn băng thơng, phương thức dự đốn băng thông dựa học máy xem xét [19] Lợi điểm HAS so với giao thức thời gian thực truyền thống khác khả thay đổi chất lượng video với băng tần sẵn có hệ thống để tránh tượng dừng hình Do đó, HAS tạo thuận lợi cho việc phát video trực tuyến mạng với cố gắng tốt Thêm nữa, luồng video dựa giao thức HTTP có để dễ dàng truyền qua kiến trúc tường lửa tái sử dụng hạ tầng dựa giao thức HTTP xây dựng sẵn hệ thống máy chủ HTTP, máy chủ HTTP trung gian, nút mạng cung cấp nội dung CDN Bởi có lợi vừa kể, nhiều cơng ty công nghệ lớn Microsoft, Apple, Adobe, Netflix chấp nhận cách rộng rãi mơ hình phát video trực tuyến thích nghi Hầu hết giải pháp HAS sử dụng kiến trúc, nhóm chuyên gia MPEG đề xuất tiêu chuẩn phát video trực tuyến thích nghi giao thức HTTP (DASH) Ngồi chuẩn DASH, chuẩn phát trực tuyến thời gian thực HTTP, biết đến HLS, giao thực phát nội dung đa phương tiện tốc độ bít thích nghi HTTP Apple phát triển HLS đưa vào sử dụng năm 2009, giao thức sử dụng rộng rãi trình ứng dụng đa phương tiện, trình duyệt, thiết bị di động, máy chủ cung cấp nội dung đa phương tiện Từ 2019, khảo sát thường niên lĩnh vực video cho thấy HLS định dạng trực tuyến video phổ biến HLS tương tự với MPEG-DASH cách làm việc cách chia nhỏ luồng Trong nghiên cứu này, nhóm nghiên cứu tận dụng khả nhớ ngắn hạn dài hạn mạng LSTM để gia tăng tính xác việc dự đốn băng thơng, sau đó, sách thay đổi tốc độ bít đề xuất dựa thơng tin dự đốn có độ xác cao băng thơng mạng nhằm tăng cường QoE Ở giải pháp đề xuất, trước hết sử dụng mạng LSTM cá biệt hóa cho việc dự đốn băng thơng với mục tiêu tăng tính xác cho dự đoán ngắn hạn dài hạn Cụ thể, thông tin lịch sử băng thông mạng xem xét hai khía cạnh vùng thay đổi giá trị xu thay đổi giá trị đưa vào mạng LSTM Sau đó, nghiên cứu đề xuất giải pháp lựa chọn tốc độ bít để xác định tốc độ bít tốt dựa thơng tin dự đốn băng thơng mạng thu Phần cịn lại báo cấu trúc sau Phần II giới thiệu sở lý thuyết nghiên cứu liên quan cơng nghệ Video trực tuyến thích nghi giao thức HTTP (HAS) mơ hình đánh giá QoE Phần III trình bày đề xuất phương pháp cải thiện QoE cho HAS Phần IV trình bày phần thực thi thực nghiệm để đánh giá giải pháp đề xuất Cuối cùng, phần V tổng kết lại nghiên cứu đưa thảo luận ISBN 978-604-80-7468-5 Video sequence 153 Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) video thành chuỗi phần nhỏ cho phép tải dựa giao thức HTTP Danh sách luồng, mã hóa với tốc độ bít khác nhau, truyền tải tới phía người sử dụng danh sách M3U mở rộng Mặc dù có nhiều lợi thế, giao thức sử dụng HAS DASH hay HLS cần phải giải số điểm khơng hiệu để nâng cao QoE, đặc biệt việc phát video trực tuyến thời gian thực III PHƯƠNG PHÁP ĐỀ XUẤT A Kiến trúc phương pháp đề xuất Video Player 10 past data points and features of bandwidth Predicted Bandwidth LSTM model Rendered video chunks B Mơ hình đánh giá QoE Hiện nay, có nhiều phương pháp đánh giá QoE đề xuất chuẩn hóa [20][21][22][23] Như đề cập trên, hình ảnh video truyền tải hệ thống ABR không bị méo dạng, mà độ phân giải thay đổi (do thay đổi tốc độ bit) Bên cạnh đó, đứng hình video xảy nạp lại nhớ đệm Do đó, phương pháp đánh giá QoE cho hệ thống ABR phải xem xét đến ảnh hưởng việc chọn tốc độ bít, thay đổi tốc độ bít nạp lại nhớ đệm Playback Buffer Video Server HTTP GET: Chunk n, Quality q Video chunk selector Video Chunk Buffer Occupancy Hình Kiến trúc phương pháp đề xuất Kiến trúc phương pháp đề xuất mơ tả Hình Tại phía máy phát video sử dụng mơ hình LSTM để dự đốn băng thơng mạng Đầu mạng LSTM với độ chiếm giữ đệm sử dụng làm đầu vào cho lựa chọn phân đoạn video Dựa giá trị đầu vào, lựa chọn phân đoạn video chọn tốc độ bit tối ưu cho phân đoạn video để đạt giá trị QoE lớn Sau đó, yêu cầu bao gồm số đoạn tốc độ bit tương ứng phân đoạn gửi tới máy chủ video (server video) Có hai nhóm phương pháp cho việc đánh giá QoE: điểm hữu dụng trung bình điểm số ý kiến (MOS) Điểm hữu dụng sử dụng thuật tốn ABR MOS sử dụng nhiều giám sát chất lượng dịch vụ Công thức hai phương pháp khác tham số đầu vào giống gồm tốc độ bít luồng video audio, độ phân giải video, tốc độ khung, thông tin liên quan đến nạp lại nhớ đệm B Mơ hình LSTM đề xuất Điểm hữu dụng tính tổng ba tham số: tốc độ bít, tải lại nhớ đệm, chuyển đổi tốc độ bít Cơng thức cụ thể cho tính toán điểm hữu dụng sau: 𝑈𝑡𝑖𝑙𝑖𝑡𝑦 = 𝑀 ∑𝑀 𝑛=1 𝑄(𝑅𝑛 ) − 1 𝑀 𝜇𝑇 − − 𝑀 ∑𝑀−1 𝑛=1 |𝑄(𝑅𝑛+1 ) − 𝑄(𝑅𝑛 )| (1) Trong đó, 𝑅𝑛 tốc độ bít phân đoạn video thứ n, 𝑄(𝑅) hàm tốc độ bít sử dụng để tính chất lượng phân đoạn video, Δ𝑄(𝑅𝑛 ) = 𝑄(𝑅𝑛+1 ) − 𝑄(𝑅𝑛 ) giá trị trả giá sau lần thay đổi tốc độ, 𝜇 trọng số giá trị trả giả cho việc nạp lại nhớ đệm, T tổng thời gian nạp lại nhớ đệm M số phân đoạn video Trong công thức này, thành phần tốc độ bít hữu ích, thành phần thứ hai giá trị phạt cho việc phải nạp lại nhớ đệm, thành phần thứ ba giá trị phạt cho thay đổi tốc độ bít Ngồi cơng thức trên, có nhiều biến thể mơ hình tính tốn QoE thuật toán ABR với việc thay đổi thành phần tốc độ bít hữu ích giá trị trọng số giá trị phạt [23][24] Hình Kiến trúc mơ hình LSTM đề xuất Mơ hình đề xuất mơ tả Hình Mơ hình nhận 10 điểm liệu khứ dự đoán giá trị tốc độ bit Mỗi điểm liệu đầu vào có thơng số: MOS tính tốn từ mơ hình ước lượng MOS thơng qua trình đánh giá chất lượng phương pháp khách quan Do MOS phản ánh tốt chất lượng hình ảnh video cảm nhận người sử dụng, nhiều mơ hình đánh giá MOS nghiên cứu đề xuất Những mơ hình có khác tham số đầu vào, độ xác mức độ tính tốn Trong hệ thống ABR, người dùng khơng thể so sánh hình ảnh video với phiên gốc, mơ hình khơng tham chiếu thường sử dụng để ước lượng MOS Các mơ hình khơng tham chiếu phân thành nhóm mơ hình dựa siêu liệu [25][26] nhóm mơ hình dựa điểm ảnh [27][26] Trong nghiên cứu này, phương pháp đánh giá QoE dựa điểm hữu dụng đề xuất để cải thiện QoE cho hệ thống phát video trực tuyến sử dụng giao thức HLS Chi tiết phương pháp đề xuất giới thiệu phần III sau ISBN 978-604-80-7468-5 - Dữ liệu truyền (Mb): Lượng liệu nhận lần truyền - Thời gian truyền (giây): Thời gian từ lúc bắt đầu truyền kết thúc truyền - Tốc độ bit (Mbps): Dữ liệu truyền chia cho thời gian truyền Mặc dù tính tốc độ bit từ hai thơng số cịn lại, thực nghiệm lại cho thấy ba thông số giúp cho mơ hình đạt kết tốt Để có tập liệu huấn luyện, thông số megabit truyền, thời gian truyền tốc độ bit thu thập phát trực tuyến 22 video với độ dài từ đến phút video Dữ liệu từ video sử dụng cho kiểm tra phần lại cho huấn luyện Để lựa chọn cấu hình tốt cho mơ hình, hai nhóm thí nghiệm thực Trong thí nghiệm thứ nhất, video sử dụng cho huấn luyện để tiết kiệm thời gian mục đích để so sánh tập đặc trưng khác Các kêt 154 Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) thí nghiệm tóm tắt Bảng Cụ thể, có thí nghiệm (TN) nhóm TN gồm đặc trưng Đối với thí nghiệm thí nghiệm cịn lại, loại bỏ đặc trưng quan sát giá trị tổn thất để xem ảnh hưởng đến hiệu suất mơ hình Tốc độ bit đặc trưng quan trọng MAE MSE cao đặc trưng bị loại bỏ (TN 4) TN cho thấy liệu truyền khơng đóng góp đáng kể bị loại khỏi tập đặc trưng, giá trị MAE MSE tương ứng thấp so với thí nghiệm cịn lại có đặc trưng Tuy nhiên, ba đặc trưng đầy đủ cho kết tốt Bảng Bảng so sánh kịch tập đặc trưng TN Tập đặc trưng MAE MSE Hình So sánh dự đốn băng thơng mạng (Mẫu số #2) thời gian truyền, liệu truyền tốc độ bit 0,2368 0,1007 thời gian truyền, tốc độ bit 0,2452 0,1186 liệu truyền, tốc độ bit 0,2849 0,1351 thời gian truyền, liệu truyền 0,2875 0,2181 Trong nhóm thứ hai, mơ hình tốt (với đặc trưng) huấn luyện tất liệu tập liệu thử nghiệm không thay đổi Các kết thử nghiệm mơ tả Bảng Như thấy bảng, phương pháp chúng tơi có tổn thất đáng kể so với phương pháp truyền thống gọi Phân vị trượt – phương pháp ước tính băng thơng Google [18] Hình So sánh dự đốn băng thơng mạng (Mẫu số #3) Hình 4, 5, mơ tả kết mơ hình đề xuất với đầu vào đặc trưng phân vị trượt trường hợp mạng xe buýt mô Mahimahi Các kết thu cho thấy giải pháp đề xuất cung cấp dự đốn băng thơng với độ xác cao Tóm lại, mơ hình đề xuất lựa chọn phù hợp mang lại hiệu suất chấp nhận MAE MSE Bảng So sánh phương pháp TN Phương pháp MAE MSE Mơ hình LSTM đề xuất với đặc trưng (thời gian truyền, liệu truyền tốc độ bit) 0,1425 0,0542 Phân vị trượt (Phương pháp Exoplayer) 0,2181 0,1225 C Thuật toán lựa chon phân đoạn video đề xuất Dựa băng thơng mạng dự đốn, chúng tơi phát triển thuật tốn lựa chọn tốc độ bit thích ứng để tìm tốc độ bit tối ưu cho đoạn video Đoạn mã giả thuật toán đề xuất cho Giải thuật lựa chọn đoạn video Đầu vào: Hình So sánh dự đốn băng thơng mạng (Mẫu số #1) Đầu ra: 1: 2: 3: 4: ISBN 978-604-80-7468-5 R*: Tốc độ bit phân đoạn tải trước đó; Ri: Tốc độ bit phân đoạn video có số thứ i; L: Chiều dài đoạn video; Bcurrent: Mức chiếm dụng đệm thời; Bcurrent-1: Mức chiếm dụng đệm cho phân đoạn video trước; C: băng thơng mạng dự đốn mơ hình LSTM; 𝜇 = 1: Tải lại đệm tần suất chuyển đổi mức chất lượng QoEmax = 0; quality_level = 0; track_index tối ưu 155 if (𝐵𝑐𝑢𝑟𝑟𝑒𝑛𝑡 > 𝐵𝑐𝑢𝑟𝑟𝑒𝑛𝑡−1 ) 𝜇 = 𝜇/2; else 𝜇 = 𝜇 ∗ 2; Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) 5: 6: 7: 𝑄𝑜𝐸𝑅𝑖 = 𝑅𝑖 − 𝜇 ( 𝑅𝑖 𝐿 𝐶 − 𝐵𝑐𝑢𝑟𝑟𝑒𝑛𝑡 ) − 𝜇|𝑅𝑖 − 𝑅∗ |; (2) if(𝑄𝑜𝐸𝑅𝑖 > 𝑄𝑜𝐸𝑚𝑎𝑥 ) && 𝑅𝑖 ≤ 𝐶) { 𝑄𝑜𝐸𝑚𝑎𝑥 = 𝑄𝑜𝐸𝑅𝑖 ; 8: 9: 10: 11: 12: Bảng Mức chất lượng chuỗi video for ( i = 0; i