Luận án tiến sĩ một số giải pháp nâng cao chất lượng streaming thích ứng video trên nền giao thức HTTP (tt)

33 198 0
Luận án tiến sĩ một số giải pháp nâng cao chất lượng streaming thích ứng video trên nền giao thức HTTP (tt)

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

BỘ 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 TRÊN NỀN GIAO THỨC HTTP Ngành: Kỹ thuật viễn thông Mã số: 9520208 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT VIỄN THƠNG HÀ NỘI - 2019 Cơng trình 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 bảo vệ trước Hội đồng đánh giá luận án tiến sĩ cấp trường họp Trường Đại học Bách khoa Hà Nội vào hồi giờ, ngày tháng năm Có thể tìm hiểu luận án tại: Thư viện Tạ Quang Bửu, Trường ĐHBK Hà Nội Thư viện Quốc gia Việt Nam MỞ ĐẦU Tính cấp thiết luận án Hiện nay, streaming video trở thành dịch vụ mạng Internet nhờ có kết nối không dây băng thông rộng thiết bị di động hiệu suất cao Thách thức streaming video qua Internet biến động thông lượng gây mạng không đồng nhất, dẫn đến phát video với tốc độ bit cố định suốt phiên streaming Do đó, chuẩn streaming video phát triển từ năm 2008 dựa cơng nghệ streaming thích ứng phép máy chủ/máy khách thích ứng chất lượng video với biến động mạng Những năm qua, kỹ thuật phổ biến cho streaming video qua mạng Internet streaming thích ứng qua giao thức truyền siêu văn bản, viết tắt HAS (HTTP Adaptive Streaming) [7, 39] Kỹ thuật mang lại số thuận lợi sau: • Lợi ích quan trọng HAS hiệu chi phí Do sử dụng HTTP, nhà cung cấp dịch vụ streaming giảm chi phí việc trì máy chủ Web chuẩn thay máy chủ chuyên biệt đắt tiền • Sử dụng HTTP, HAS tận dụng sở hạ tầng mạng phân phối rộng lớn ban đầu tạo cho lưu lượng truy cập Web • Khi dùng HAS, gói tin media truyền qua tường lửa dịch địa mạng (NAT) dễ dàng Do lợi này, HAS ứng dụng streaming lớn áp dụng bao gồm Netflix, Youtube, Hulu Amazon Instant Video Năm 2012, chuẩn tồn cầu HAS có tên MPEG-DASH đời cho phép máy khách thay máy chủ thành phần đưa định việc thích ứng chất lượng video Cụ thể, nhà cung cấp dịch vụ tạo nhiều mức chất lượng (phiên video) từ video gốc Mỗi mức chất lượng video chia nhỏ thành phân đoạn Trong phiên streaming, phương pháp thích ứng chất lượng video đặt máy khách có nhiệm vụ định mức chất lượng nên truy vấn cho phân đoạn dựa vào tình trạng mạng mức sử dụng đệm máy khách Năm 2014, phiên thứ hai chuẩn MPEG-DASH đời tại, chuyên gia MPEG hướng tới phiên thứ ba cho streaming video đa hướng Cho đến nay, chưa có chuẩn việc thích ứng chất lượng HAS nên thực nhằm nâng cao chất lượng trải nghiệm (QoE) Vì vậy, việc nghiên cứu, đề xuất giải pháp cải thiện QoE HAS thu hút quan tâm nghiên cứu cộng đồng khoa học Tại thời điểm bắt đầu luận án này, có số nghiên cứu liên quan đến QoE HAS [19, 32, 36, 50] Tuy nhiên, nghiên cứu chưa thực hiệu việc cải thiện QoE, đặc biệt bối cảnh streaming video qua mạng di động với thông lượng mạng thường biến động mạnh theo thời gian Được thúc đẩy tiềm chưa khai thác hết công nghệ HAS nhu cầu mạnh mẽ streaming video qua mạng di động năm gần đây, luận án đề xuất giải pháp thích ứng chất lượng video HTTP để đối phó hiệu với biến động thơng lượng mạng, từ nâng cao QoE người dùng Những vấn đề tồn Cho đến này, phương pháp thích ứng chất lượng hầu hết tập trung vào video mã hóa với tốc độ bit khơng đổi (CBR) [4, 24, 27, 41] Các nghiên cứu streaming thích ứng qua HTTP video mã hóa với tốc độ bit biến đổi (VBR) hạn chế Đặc điểm video dạng CBR phân đoạn video mức chất lượng có tốc độ bit cố định, dẫn đến việc thích ứng chất lượng tương đối đơn giản Tuy nhiên, video hiển thị hình người dùng có chất lượng khơng ổn định So với video dạng CBR, video dạng VBR mang lại chất lượng hình ảnh ổn định Tuy nhiên, biến động mạnh tốc độ bit video VBR mức chất lượng với biến động mạnh thông lượng mạng thách thức lớn HAS Chính vậy, việc nghiên cứu giải pháp để cải thiện QoE streaming video VBR streaming đồng thời nhiều video VBR qua HAS thu hút quan tâm nghiên cứu Năm 2015, phiên giao thức HTTP đề xuất, gọi HTTP/2, mang nhiều tính ưu việt so với HTTP/1.1 [8] HTTP/2 giới thiệu số tính có tính Server Push Tính cho phép máy chủ đẩy nhiều tài nguyên tới máy khách yêu cầu truy vấn máy khách Nhờ vào tính này, máy khách khơng phải gửi nhiều truy vấn máy chủ không cần đợi truy vấn từ máy khách gửi liệu Khi áp dụng tính Server Push HTTP/2 vào streaming thích ứng, cho phép máy chủ đẩy nhiều phân đoạn video liên tiếp với mức chất lượng cho truy vấn máy khách, từ giảm overhead liên quan đến số lượng truy vấn máy khách Do lợi ích mà tính Server Push HTTP/2 mang lại cho streaming video, giải pháp thích ứng chất lượng sử dụng tính thu hút quan tâm nhà khoa học Mục tiêu nghiên cứu Đề xuất giải pháp cải thiện QoE streaming video theo yêu cầu (VoD) ba ngữ cảnh cụ thể, là: streaming video VBR qua HTTP, streaming đồng thời nhiều video VBR qua HTTP streaming video VBR/CBR qua HTTP/2 Những đóng góp luận án • Đề xuất thực giải pháp cải thiện QoE dựa lập trình động ngẫu nhiên (SDP) streaming video dạng VBR qua HTTP Ngoài ra, mơ hình tốn học triển khai để dự đốn thơng số ảnh hưởng đến QoE Thực nghiệm cho thấy (i) phương pháp đề xuất mang lại QoE tốt so với số phương pháp streaming thích ứng video dạng VBR tại, (ii) kết dự đốn thơng số ảnh hưởng đến QoE mơ hình tốn gần với thơng số đo đạc từ mơ thực nghiệm • Đề xuất thực giải pháp phân bổ băng thông cải thiện QoE streaming đồng thời nhiều video VBR qua đường truyền có băng thơng hạn chế giao thức HTTP Thực nghiệm thực thời gian thực cho thấy phương pháp đề xuất có phân bổ băng thông hợp lý cải thiện đáng kể QoE, điều kiện ràng buộc tổng lượng băng thông đường truyền giới hạn độ trễ • Đề xuất thực thuật toán cải thiện QoE streaming video VBR/CBR qua HTTP/2 đồng thời làm giảm overhead liên quan đến số lượng truy vấn máy khách Thực nghiêm cho thấy giải pháp đề xuất cung cấp tốc độ bit video cao, biến động chất lượng, đệm ổn định, đồng thời giảm đáng kể số lượng truy vấn máy khách Chương TỔNG QUAN VỀ CÔNG NGHỆ HAS VÀ KHẢO SÁT CÁC NGHIÊN CỨU LIÊN QUAN 1.1 Giới thiệu chương Chương trình bày sở lý thuyết công nghệ HAS, yếu tố ảnh hưởng đến QoE HAS khảo sát nghiên cứu liên quan đến cải thiện QoE Đó sở, động lực cho đề xuất chương luận án 1.2 Tổng quan công nghệ HAS 1.2.1 Giải thích thuật ngữ Phần giải thích ý nghĩa số thuật ngữ sử dụng luận án Băng thông dung lượng lý thuyết kết nối thời điểm, tính số bit giây Thông lượng tỉ số kích thước liệu phân đoạn khoảng thời gian tải phân đoạn Thời gian trọn vòng (RTT) Khoảng thời gian từ lúc máy khách gửi truy vấn nhận byte phân đoạn truy vấn Mức sử dụng đệm lượng video lại đệm 1.2.2 Công nghệ streaming video Trước đây, để xem video, người dùng phải tải tệp máy tính cá nhân, sau video giải mã hiển thị hình Như vậy, người dùng phải chờ đợi lâu máy tính tốn tài nguyên nhớ Kỹ thuật streaming video đời khắc phục vấn đề Trong streaming video, máy khách bắt đầu hiển thị video vài giây sau bắt đầu nhận liệu từ máy chủ Sau đó, máy khách tiếp tục hiển thị video tải nốt phần sau video Các kỹ thuật streaming video thường phân loại theo yếu tố: yêu cầu độ trễ, chế độ mã hóa video, giao thức tầng giao vận, tính thích ứng vị trí khối thích ứng [21] 1.2.3 Cơng nghệ HAS Kiến trúc hệ thống HAS gồm máy chủ, mạng phân phối máy khách (Hình 1.2) Một video gốc mã hóa thành nhiều mức chất lượng (phiên bản) Mỗi mức chất lượng chia thành nhiều phân đoạn nhỏ có độ dài Nội dung video gửi từ máy chủ tới máy khách thông qua chuỗi truy vấn/phản hồi Đối với truy vấn máy khách, thuật tốn thích ứng chất lượng đặt máy khách định mức chất lượng số lượng phân đoạn (đối với HTTP/2.0) nên tải dựa tình trạng mạng mức sử dụng đệm máy khách Dựa vào truy vấn máy khách, máy chủ phản hồi hay nhiều phân đoạn video với mức chất lượng Máy khách lưu phân đoạn video nhận vào đệm, sau giải mã hiển thị thiết bị người dùng Nội dung video Mã hóa video Bộ phận thích ứng chất lượng Phân đoạn video Truy vấn Phiên Phiên Phiên Bộ đệm Internet Máy chủ Phản hồi Hiển thị Giải mã video Máy khách Hình 1.2: Hệ thống HAS Trong HAS, việc dự đốn thơng lượng dựa vào lịch sử Cách đơn giản sử dụng thông lượng (Ti ) đo sau e ) cho phân phân đoạn i vừa tải xong làm thơng lượng dự đốn (Ti+1 e = (1 à) ì T vi l h s an toàn nằm đoạn [34, 40], cụ thể Ti+1 i khoảng [0;1] Ngồi ra, thơng lượng trung bình Tis số phân đoạn video tải sử dụng để dự đốn thơng lượng cho phân đoạn [4, 39]: e Ti+1 = Tis = s + γ × T , i > 1, (1 − γ) × Ti−1 i Ti , i = 1, (1.2) với γ trọng số nằm khoảng [0;1] 1.2.4 Các yếu tố ảnh hưởng đến QoE HAS Trong HAS, TCP - lớp HTTP có chế kiểm sốt tắc nghẽn chế truyền lại gói Độ trễ gói jitter chuyển thành biến động thơng lượng TCP Vì vậy, yếu tố ảnh hưởng đến QoE điều khiển máy khách bao gồm: độ trễ nạp đệm ban đầu, 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 HAS Độ trễ nạp đệm ban đầu Sự gián đoạn video Tần suất gián đoạn Độ trễ trực �ếp Chất lượng video Khoảng thời gian gián đoạn Biên độ chất lượng Sự biến động chất lượng Tần suất biến động chất lượng Biên độ biến động chất lượng Hình 1.5: Các yếu tố ảnh hưởng đến QoE HAS 1.2.5 Tối đa hóa QoE HAS Các yếu tố ảnh hưởng đến QoE trình bày Phần 1.2.4 khơng thể xem xét cách riêng lẻ Ví dụ, để tránh gián đoạn video giảm thiểu số lần chuyển đổi mức chất lượng, máy khách chọn mức chất lượng thấp Việc làm giảm chất lượng tổng thể dung lượng mạng cho phép tốc độ bit video cao Mặt khác, tối đa hóa QoE cách ln chọn mức chất lượng cao thường dẫn đến số lần gián đoạn lớn Các yếu tố khác biên độ tần suất giảm mức chất lượng có tác động lớn đến QoE HAS [22, 48] Nghiên cứu [13] cho thấy số lần khoảng thời gian lần gián đoạn video ảnh hưởng nghiêm trọng đến QoE, đặc biệt trường hợp streaming trực tiếp Người dùng sẵn sàng chấp nhận độ trễ ban đầu biến động chất lượng video cao hơn, giúp giảm thiểu số lần khoảng thời gian gián đoạn [16, 35] Qua phân tích kết luận rằng, để tối đa hóa QoE cần: (i) loại bỏ gián đoạn video, (ii) tăng tốc độ bit trung bình video, (iii) giảm số lần giảm mức chất lượng, (iv) giảm biên độ giảm mức chất lượng 1.3 Khảo sát giải pháp cải thiện QoE HAS 1.3.1 Các giải pháp thích ứng cho streaming video Cho đến nay, giải pháp thích ứng cho streaming video chia thành hai nhóm chính: nhóm giải pháp heuristic [4, 9, 15, 18, 26, 27, 37, 51] nhóm giải pháp dựa vào mơ hình tốn học [6, 10, 17, 23, 25, 47, 52, 53] Các giải pháp thích ứng chất lượng thuộc nhóm hầu hết tập trung vào video CBR Các nghiên cứu streaming thích ứng qua HTTP video VBR hạn chế Thách thức streaming video dạng VBR là, ngồi việc phải ứng phó với biến động mạnh thơng lượng mạng phải ứng phó với biến động mạnh tốc độ bit video Hơn nữa, phần lớn phương pháp thích ứng chất lượng định tính theo nghĩa thơng số ảnh hưởng đến QoE biết sau kết thúc phiên streaming 1.3.2 Các giải pháp thích ứng cho streaming đồng thời nhiều video Trong HAS, việc thích ứng chất lượng thực hoàn toàn máy khách máy khách cố gắng tối đa mức chất lượng riêng Trong mạng quản lý (chẳng hạn IPTV) cách tiếp cận hướng máy khách dẫn đến tranh chấp băng thông chúng chia sẻ đường truyền có băng thơng hạn chế Hành vi tranh chấp làm cho việc dự đoán thơng lượng thiếu xác, dẫn đến chất lượng video máy khách bị biến động mạnh đệm dễ bị rỗng [1, 3] Để khắc phục vấn đề trên, có ba nhóm giải pháp: Nhóm giải pháp đặt máy khách [1, 43], nhóm giải pháp đặt máy chủ [2, 12, 49] nhóm giải pháp đặt thành phần mạng (cache, proxy) [5, 11, 14, 30, 31] Tuy nhiên, tất giải pháp tập trung cho video CBR 1.3.3 Các giải pháp thích ứng cho streaming qua HTTP/2 Năm 2015, giao thức HTTP/2 đời Giao thức cung cấp số tính mới, đó, tính Server Push sử dụng hiệu streaming video Tính cho phép máy chủ đẩy nhiều phân đoạn video cho truy vấn máy khách Dùng tính Server Push streaming thích ứng video đề xuất Wei cộng [45] Họ triển khai chiến lược PushN, nghĩa máy khách truy vấn mức chất lượng cụ thể cho N phân đoạn Ngoài ra, chiến lược Push-N nghiên cứu để giảm overhead liên quan đến truy vấn máy khách [44] tiết kiệm lượng streaming thiết bị di động [46] Tuy nhiên, số lượng phân đoạn cho truy vấn cố định toàn phiên streaming dẫn tới máy khách phản ứng nhanh với biến động mạng Để khắc phục vấn đề chiến lược Push-N, số giải pháp đề xuất nhằm định số lượng phân đoạn đẩy cho truy vấn máy khách [21, 28] Tuy nhiên, máy khách phải tải đủ số lượng phân đoạn video truy vấn trước gửi truy vấn Kết là, máy khách cần nhiều truy vấn phản ứng chậm với giảm thông lượng đột ngột, dẫn đến đệm có nhiều nguy bị rỗng Rõ ràng là, máy chủ đẩy liên tiếp nhiều phân đoạn video nhận truy vấn yêu cầu thay đổi mức chất lượng từ máy khách máy khách ứng phó tốt với biến động mạng 1.4 Kết luận chương Chương trình bày sở lý thuyết tảng công nghệ HAS yếu tố tác động đến QoE HAS Từ luận án đến kết luận để tối đa hóa QoE cần loại bỏ gián đoạn video, tăng tốc độ bit trung bình, hạn chế tần suất biên độ giảm mức chất lượng Đây thông số ảnh hưởng đến QoE, dùng để đánh giá giải pháp đề xuất giải pháp đối sánh luận án Ngoài ra, nghiên cứu liên quan khảo sát kỹ lưỡng Từ đó, luận án kế thừa ưu điểm nghiên cứu, đề xuất mơ hình, thuật tốn nhằm cải thiện QoE thể Chương 2, Chương Chương H wi × u∗i (ki )), i ∈ [1; H] , ki ∈ [1; Ki ], U = max( (3.10) i=1 với điều kiện H ri (ki ) ≤ RT , i ∈ [1; H] , ki ∈ [1; Ki ], (3.11) i=1 d0∗i (ki ) ≤ DT , i ∈ [1; H] , ki ∈ [1; Ki ] (3.12) 3.3.2 Giải pháp phân bổ băng thơng thích ứng chất lượng Xử lý offline máy chủ Trong khâu này, mơ hình thỏa hiệp chất lượng hình ảnh độ trễ áp dụng cho tất mức băng thông khác cấp cho video Do đó, ta tạo sở liệu chứa thơng tin tất phiên thích ứng tốt tương ứng với tất mức băng thơng khác cấp cho tất video Cơ sở liệu lưu máy chủ, tệp MPD video cung cấp cho khối điều khiển Xử lý trực tuyến khối điều khiển Dựa tệp MPD tất video, thuật toán khối điều khiển tìm phiên thích ứng với băng thơng cấp cho video cho tối đa hóa lợi ích U biểu thức (3.2) thỏa mãn (3.3) (3.4) 3.3.3 Kết thực nghiệm đánh giá Trước hết, tác giả so sánh phương pháp đề xuất với phương pháp CSM lợi ích trung bình người dùng streaming video Kết thể hình 3.5 Tiếp theo, tác giả đánh giá tối ưu thời gian chạy thuật toán xử lý trực tuyến đề xuất so với thuật tốn Viterbi (Hình 3.7) Cả hai thuật tốn triển khai C++ thời gian chạy đo Window 8.1 notebook với CPU Intel i5-1.7GHz nhớ 6GB Số luồng video (H) thay đổi từ đến 15 lựa chọn ngẫu nhiên từ video Giả sử băng thông cấp Rc = 800 ∗ H(kbps) Hình 3.8 thể thời gian chạy thuật toán đề xuất với số lượng video khác Có thể thấy, thời gian chạy thuật toán đề xuất 17 CSM Đề xuất 4.5 Lợi ích (MOS) 3.5 2.5 1.5 2000 3000 4000 5000 6000 7000 8000 9000 10000 Băng thơng (kbps) Hình 3.5: So sánh giá trị lợi ích trung bình phương pháp đề xuất phương pháp CSM Thời gian chạy (ms) 100000 1000 10 0.1 0.001 11 13 15 Số lượng video Hình 3.7: Thời gian chạy thuật tốn đề xuất thuật toán Viterbi 200 Thời gian chạy (ms) 180 160 140 120 100 80 60 40 20 0 5000 10000 15000 20000 25000 30000 35000 Số lượng video Hình 3.8: Thời gian chạy thuật tốn đề xuất tính đơn vị ms số lượng luồng video lên đến hàng nghìn Do đó, thuật tốn đề xuất dùng hệ thống streaming lớn 3.4 Kết luận chương Trong chương này, thuật tốn offline thực máy chủ để tìm phiên thích ứng tốt tương ứng với mức băng thông cấp cho video Sau đó, thuật tốn online thực khối điều khiển thành mạng để phân bổ băng thơng lựa chọn phiên thích ứng phù hợp cho tất máy khách nhằm tối đa hóa QoE 18 Chương ỨNG DỤNG TÍNH NĂNG SERVER PUSH CỦA HTTP/2 ĐỂ CẢI THIỆN QoE TRONG STREAMING VIDEO QUA HAS 4.1 Giới thiệu chương Năm 2015, giao thức HTTP/2 đời cung cấp số tính tính Server Push sử dụng hiệu streaming video Trong chương này, tác giả đề xuất hai phương pháp thích ứng chất lượng video dùng tính Server Push Thứ nhất, tác giả lần đề xuất phương pháp thích ứng chất lượng streaming video qua HTTP/2 với video dạng VBR Thứ hai, tác giả đề xuất cách tiếp cận hiệu sử dụng tính Server Push cho HAS Phương pháp có tên Full Push, áp dụng cho video dạng CBR 4.2 Giải pháp cải thiện QoE streaming video VBR qua HTTP/2 4.2.1 Giải pháp thích ứng chất lượng Quyết định mức chất lượng Giả sử rằng, sau gửi truy vấn i để yêu cầu Ni phân đoạn video mức chất lượng Ii , máy khách nhận tất N i phân đoạn video, phân đoạn có độ dài τ giây Mức sử dụng đệm Bi , thông lượng Ti Khi đó, máy khách định mức chất lượng Ii+1 số lượng phân đoạn Ni+1 cho truy vấn i + Để lựa chọn mức chất lượng cho truy vấn tiếp theo, cần thiết phải dự đốn thơng lượng tương lai Do tốc độ bit video VBR biến động mạnh 19 nên cần sử dụng phương pháp dự đốn thơng lượng đáp ứng nhanh để kịp thời ứng phó [40] Theo đó, thơng lượng thời điểm nhận xong Ni phân đoạn video truy vấn i dùng làm thông lượng dự đoán cho truy vấn Do tốc độ bit video dạng VBR biến động mạnh, máy khách biết tốc độ bit phân đoạn nhận, chúng thuộc mức chất lượng video khác Do đó, sau nhận phân đoạn có số j, cần dự đốn (i) tốc độ bit phân đoạn thuộc mức chất lượng khác số j (ii) tốc độ bit phân đoạn j + tất mức chất lượng Các công việc thực phương pháp dự đốn tốc độ bit nội dòng phương pháp dự đốn tốc độ bit liên dòng đề xuất [40] Sau dự đốn thơng lượng tốc độ bit video, mức chất lượng video định tăng, giữ ổn định giảm tương ứng với ba khoảng giá trị với ngưỡng [0; Blow ], [(Blow ; Bhigh ] [Bhigh ; Bmax ] với Bmax kích thước đệm Quyết định số lượng phân đoạn cho truy vấn Số lượng phân đoạn Ni+1 lựa chọn để tối thiểu hóa hàm chi phí C Đây tổng chi phí liên quan đến truy vấn Crq chi phí liên quan đến đệm Cbf C = α × Crq + (1 − α) × Cbf , (4.4) với , Ni+1 (4.5) Ni+1 × τ , Bi − Blow (4.6) Crq = Cbf = α, (1 − α) trọng số Crq Cbf 4.2.2 Kết thực nghiệm đánh giá Phương pháp đề xuất đánh giá so sánh với hai phương pháp Push-N trình bày [44] phương pháp AGG đề xuất [28] Trong phương pháp Push-N, số lượng phân đoạn cho truy vấn cố định N phân đoạn Trong phương pháp AGG, tốc độ bit định tốc độ bit cao mà nhỏ thông lượng mạng dự đốn 20 Bảng 4.2: Thống kê kết thích ứng Tham số Push-N AGG Đề xuất N=1 N=2 N=3 N=4 Số lượng truy vấn 500 250 167 125 180 173 Mức chất lượng tb 5.62 5.68 5.68 5.70 5.74 5.8 Số lần giảm mức chất lượng 73 48 35 26 35 18 Mức sử dụng đệm nhỏ 12.9 12.6 9.9 4.0 5.7 11 Thống kê kết thích ứng trình bày Bảng 4.1 Thống kê cho biết số lượng truy vấn, tốc độ bit trung bình, giảm mức chất lượng mức sử dụng đệm Bảng 4.1 cho thấy phương pháp đề xuất vượt trội phương pháp khác việc cân thích ứng chất lượng overhead liên quan đến lượng truy vấn 4.3 Một cách sử dụng hiệu tính Server Push 4.3.1 Mơ tả chung Máy khách Máy chủ Máy khách Máy chủ τ … RTT … τ … RTT/2 k phân đoạn … … … Thời gian Thời gian Thời gian Thời gian Hình 4.7: Cơ chế hoạt động tính Server Push giải pháp đề xuất Hoạt động hệ thống đề xuất thể Hình 4.1 Máy khách gửi truy vấn định mức chất lượng cho phân đoạn tải Máy chủ đẩy liên tục phân đoạn nhận truy vấn máy khách Cần định bitrate thời điểm sau nhận nốt 21 k phân đoạn bitrate cũ Quyết định bitrate dựa vào thông lượng dự đoán mức sử dụng đệm Giả sử sau tải xong phân đoạn Si có số mức chất lượng Ii , máy khách gửi truy vấn để thay đổi mức chất lượng cho phân đoạn Khi đó, máy khách phải nhận thêm k phân đoạn với tốc độ bit cũ máy chủ nhận truy vấn máy khách Do đó, máy khách cần định tốc độ bit cho phân đoạn phân đoạn Si+k+1 , phân đoạn Si+1 phương pháp khác thực Do máy chủ đẩy liên tiếp phân đoạn sau nhận truy vấn máy khách, tượng tràn đệm xảy tốc độ bit phân đoạn tải cao tốc độ hiển thị video Để tránh tràn đệm, thông báo steady state máy khách gửi tới máy chủ mức sử dụng đệm lớn Bmax − RT2 T giây Khi đó, máy chủ định kỳ gửi phân đoạn video tới máy khách sau khoảng thời gian độ dài phân đoạn Khi mức sử dụng đệm nhỏ Bmax − RT2 T giây, thông báo loading state gửi sau máy chủ đẩy liên tục phân đoạn video tới máy khách e , luận án sử dụng phối hợp hai cách dự Để dự đốn thơng lượng Ti+1 đốn thơng lượng trình bày 1.2.3, thơng lượng phân s đoạn vừa tải xong Ti thơng lượng trung bình Ti+1 4.3.2 Thuật tốn thích ứng chất lượng Để định mức chất lượng cho truy vấn, luận án đề xuất bốn trường hợp, tăng, giữ ổn định, giảm trường hợp nguy hiểm tương ứng máy khách tăng, trì, giảm lựa chọn mức chất lượng thấp Khi đó, đệm chia thành bốn khoảng giá trị ngưỡng Bmin , Blow Bhigh (Bmin < Blow < Bhigh < Bmax ) với Bmax kích thước đệm Khoảng đệm từ Blow đến Bhigh coi khoảng an toàn với tốc độ bit video trì ổn định Khi mức sử dụng đệm tương lai thấp cao khoảng này, tốc độ bit giảm tăng tương ứng 4.3.3 Thực nghiệm đánh giá kết Tất phương pháp đánh giá streaming đoạn video gồm 550 phân đoạn, với RTT 100ms băng thơng mơ tả Hình 4.2 thể kết thích ứng phương pháp Để rõ ràng, so sánh tốc độ bit tất phương pháp thể Hình 4.2a, 4.2b, 22 4.2c Hình 4.2d thể thay đổi mức sử dụng đệm phương pháp suốt phiên streaming 3000 Thông lượng Push Push 3000 Đề xuất Thông lượng 2500 2000 Bitrate (kbps) Bitrate (kbps) 2500 1500 1000 500 Push Push 12 Đề xuất 2000 1500 1000 500 0 50 100 150 200 250 300 Thời gian (s) 350 400 450 500 550 (a) Push 1, Push and phương pháp đề xuất 3000 Throughput 50 100 150 200 250 300 Thời gian (s) 350 400 450 500 550 (b) Push 4, Push 12 and phương pháp đề xuất Adapt-N method Proposed method Bitrate (kbps) 2500 2000 1500 1000 500 0 50 100 150 200 250 300 350 Time (seconds) 400 450 500 550 (c) Phương pháp Adapt-N and phương pháp đề xuất Hình 4.10: Kết thích ứng tất phương pháp 4.4 Kết luận chương Trong chương trình bày hai đề xuất sử dụng tính Server Push HTTP/2 streaming thích ứng video Đề xuất thứ áp dụng cho streaming video dạng VBR Trong đề xuất này, máy khách định mức chất lượng số lượng phân đoạn cho truy vấn Trong đề xuất thứ hai, cách tiếp cận tính Server Push áp dụng cho streaming video dạng CBR có tên Full Push, triển khai máy khách định mức chất lượng cho truy vấn Một thuật tốn thích ứng dựa thông lượng mức sử dụng đệm tương lai đề xuất để định mức chất lượng phù hợp với điều kiện mạng 23 KẾT LUẬN Các kết đóng góp luận án hướng phát triển luận án nghiên cứu sinh trình bày A: Một số kết đạt Đề xuất phương pháp thích ứng chất lượng streaming video dạng VBR qua giao thức HTTP dựa vào lập trình động ngẫu nhiên (SDP) nhằm cải thiện QoE Xây dựng mơ hình tốn học để dự đốn thơng số ảnh hưởng đến QoE trước phiên Đề xuất giải pháp phân bổ băng thông cải thiện QoE streaming đồng thời nhiều video VBR qua đường truyền có băng thông giới hạn Đề xuất giải pháp streaming video dạng VBR video dạng CBR qua giao thức HTTP/2 sử dụng tính Server Push để giảm overhead liên quan đến số lượng truy vấn, đồng thời cải thiện QoE B: Luận án đề xuất hướng phát triển sau • Có thể dựa vào thông số ảnh hưởng đến QoE dự đoán trước phiên streaming để hiệu chỉnh lại tham số đầu vào hệ thống (trạng thái hệ thống, hàm chi phí), nhằm cải thiện chất lượng • Sử dụng số tính khác HTTP/2 streaming video chấm dứt luồng (stream termination), ưu tiên luồng (stream prioritization) để cải thiện QoE • Các giải pháp để triển khai công nghệ thực tế ảo vào video 360 độ HAS 24 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA LUẬN ÁN A Các cơng trình công bố kết trực tiếp luận án [C1 ] Anh H Duong, Thoa Nguyen, Thang Vu, Tung T Do, Nam Pham Ngoc, Truong Cong Thang, "SDP-based Adaptation for Quality Control in Adaptive Streaming," International Conference on Communications, Management and Telecommunications (ComManTel), Danang, Vietnam, pp 194 – 199, 2015 [C2 ] Thoa Nguyen, Thang Vu, Duc V Nguyen, Nam Pham Ngoc, Truong Cong Thang, "QoE Optimization for Adaptive Streaming with Multiple VBR Videos," in International Conference on Communications, Management and Telecommunications (ComManTel), Danang, Vietnam, pp 189 – 193, 2015 [J1 ] Thoa Nguyen, Thang Vu, Nam Pham Ngoc, Truong Cong Thang, "SDP-based Quality Adaptation and Performance Prediction in Adaptive Streaming of VBR Videos," Journal of Advances in Multimedia, Volume 2017, pp 1-12 (Scopus) [J2 ] Nguyen Thi Kim Thoa, Nguyen Minh, Nguyen Hai Dang, Pham Hong Thinh, Pham Ngoc Nam, "Adaptation method for streaming of VBR video over HTTP2," The Journal of Science & Technology, 2017 [J3 ] Thoa Nguyen, Nguyen Hai Dang, Nguyen Minh, Pham Ngoc Nam, Hung T Le, Truong Cong Thang, "An Efficient Server Push Approach for Video Streaming Over HTTP2", IEICE Transaction on Communication (SCI), Vol.E101-B,No.11, 2018 [J4 ] 2018, Nguyen Thi Kim Thoa, Pham Hong Thinh, Pham Ngoc Nam, 2018, "QoE Optimization Based on Quality-delay Trade-off Model for Adaptive Streaming with Multiple VBR Videos", The Journal of Science & Technology, chấp nhận đăng B Các cơng trình cơng bố có liên quan đến luận án [J5 ] Hung T Le, Thoa Nguyen, Nam Pham Ngoc, Anh T Pham, Truong Cong Thang, "HTTP/2 Push-based Low-delay Live Streaming over Mobile Networks with Stream Termination," IEEE Transactions on Circuits and Systems for Video Technology, 2018 [C3 ] Thinh Pham Hong, An Nguyen Duc, Thoa Nguyen, Truong Thu Huong, Nam Pham Ngoc, "Adaptation method for Streaming of CBR video over HTTP Based on Sofware Defined Networking," in The 2017 International Conference on Advanced Technologies for Communications (ATC), Hanoi, Vietnam TÀI LIỆU THAM KHẢO [1] Akhshabi, S., L Anantakrishnan, A C Begen, and C Dovrolis (2012) What happens when http adaptive streaming players compete for bandwidth? In Proceedings of the 22Nd International Workshop on Network and Operating System Support for Digital Audio and Video, NOSSDAV ’12, New York, NY, USA, pp 9–14 ACM [2] Akhshabi, S., L Anantakrishnan, C Dovrolis, and A C Begen (2013) Server-based traffic shaping for stabilizing oscillating adaptive streaming players In Proceeding of the 23rd ACM Workshop on Network and Operating Systems Support for Digital Audio and Video, NOSSDAV ’13, New York, NY, USA, pp 19–24 ACM [3] Akhshabi, S., A C Begen, and C Dovrolis (2011) An experimental evaluation of rate-adaptation algorithms in adaptive streaming over http In Proceedings of the Second Annual ACM Conference on Multimedia Systems, MMSys ’11, New York, NY, USA, pp 157–168 ACM [4] Akhshabi, S., S Narayanaswamya, A C Begen, and C Dovrolisa (2012, Apr.) An experimental evaluation of rate-adaptive video players over http Signal Processing: Image Communication 27 (4), 271–287 [5] Ameur, C B., E Mory, and B Cousin (2015, June) Evaluation of gateway-based shaping methods for http adaptive streaming In 2015 IEEE International Conference on Communication Workshop (ICCW), pp 1777–1782 [6] Balachandran, A., V Sekar, A Akella, S Seshan, I Stoica, and H Zhang (2013, August) Developing a predictive model of quality of experience for internet video SIGCOMM Comput Commun Rev 43 (4), 339–350 [7] Begen, A C., T Akgul, and M Baugher (2011, Mar.) Watching video over the web: Part i: Streaming protocols IEEE Internet Computing 15 (2), 54–63 [8] Belshe, M., R Peon, and M Thomson (2015, May) Hypertext transfer protocol version (rfc 7540) [Online] Available: http://datatracker.ietf.org/doc/rfc7540/ [9] Benno, S., A Beck, J Esteban, L Wu, and R Miller (2013, Dec.) Wilo: A rate determination algorithm for has video in wireless networks and low-delay applications In IEEE Globecom Workshops 2013, pp 512–518 [10] Bokani, A., M Hassan, and S Kanhere (2013, Dec.) Http-based adaptive streaming for mobile clients using markov decision process In Proc 20th International Packet Video Workshop (PV 2013), pp 1–8 [11] Bouten, N., J Famaey, S Latré, R Huysegems, B D Vleeschauwer, W V Leekwijck, and F D Turck (2012, Oct) Qoe optimization through in-network quality adaptation for http adaptive streaming In 2012 8th international conference on network and service management (cnsm) and 2012 workshop on systems virtualiztion management (svm), pp 336–342 [12] Cicco, L D., S Mascolo, and D Calamita (2013, June) A resource allocation controller for cloud-based adaptive video streaming In 2013 IEEE International Conference on Communications Workshops (ICC), pp 723–727 [13] Conviva (2014) Viewer experience report Technical report [14] Essaili, A E., D Schroeder, E Steinbach, D Staehle, and M Shehada (2015, June) Qoe-based traffic and resource management for adaptive http video delivery in lte IEEE Transactions on Circuits and Systems for Video Technology 25 (6), 988–1001 [15] Evensen, K., A Petlund, H Riiser, P Vigmostad, D Kaspar, C Griwodz, and P Halvorsen (2011, Jun.) Mobile video streaming using location-based network prediction and transparent handover In Proc 21st International Workshop on Network and Operating Systems Support for Digital Audio and Video (NOSSDAV ’11), pp 21–26 [16] Hoßfeld, T., S Egger, R Schatz, M Fiedler, K Masuch, and C Lorentzen (2012, Jul.) Initial delay vs interruptions: Between the devil and the deep blue sea In Proc 4th International Workshop on Quality of Multimedia Experience (QoMEX 2012), pp 1–6 [17] Jarnikov, D and T Ozcelebi (2010, July) Client intelligence for adaptive streaming solutions In 2010 IEEE International Conference on Multimedia and Expo, pp 1499–1504 [18] Jiang, J., V Sekar, and H Zhang (2014, Feb) Improving fairness, efficiency, and stability in http-based adaptive video streaming with festive IEEE/ACM Transactions on Networking 22 (1), 326–340 [19] Joseph, V and G de Veciana (2014, April) Nova: Qoe-driven optimization of dash-based video delivery in networks In IEEE INFOCOM 2014 - IEEE Conference on Computer Communications, pp 82–90 [20] Le, H T (2017) Quality Improvement for HTTP Adaptive Streaming over Mobile Networks Ph D thesis, University of Aizu [21] Le, H T., T Vu, N P Ngoc, A T Pham, and T C Thang (2017) Seamless mobile video streaming over http/2 with gradual quality transitions IEICE Transactions on Communications (accepted) [22] Lewcio, B., B Belmudez, A Mehmood, M Wăaltermann, and S Măoller (2011, May) Video quality in next generation mobile networks – perception of time-varying transmission In 2011 IEEE International Workshop Technical Committee on Communications Quality and Reliability (CQR), pp 1–6 [23] Li, Z., A C Begen, J Gahm, Y Shan, B Osler, and D Oran (2014) Streaming video over http with consistent quality In Proceedings of the 5th ACM Multimedia Systems Conference, MMSys ’14, New York, NY, USA, pp 248–258 ACM [24] Liu, C., I Bouazizi, and M Gabbouj (2011, Feb.) Rate adaptation for adaptive http streaming In Proc Second Annual ACM Conference on Multimedia Systems (MMSys ’11), pp 169–174 [25] Miller, K., D Bethanabhotla, G Caire, and A Wolisz (2015, Aug) A control-theoretic approach to adaptive video streaming in dense wireless networks IEEE Transactions on Multimedia 17 (8), 1309–1322 [26] Miller, K., E Quacchio, G Gennari, and A Wolisz (2012, May) Adaptation algorithm for adaptive streaming over http In 2012 19th International Packet Video Workshop (PV), pp 173–178 [27] Mă uller, C., S Lederer, and C Timmerer (2012) An evaluation of dynamic adaptive streaming over http in vehicular environments In Proc 4th Workshop on Mobile Video (MoVid ’12), pp 37–42 [28] Nguyen, D V., H T Le, P N Nam, A T Pham, and T C Thang (2016) Adaptation method for video streaming over http/2 IEICE Communications Express (3), 69–73 [29] Nguyen, D V., D M Nguyen, H T Tran, N P Ngoc, A T Pham, and T C Thang (2015, Jan) Quality-delay tradeoff optimization in multibitrate adaptive streaming In 2015 IEEE International Conference on Consumer Electronics (ICCE), pp 66–67 [30] Petrangeli, S., J Famaey, M Claeys, S Latré, and F De Turck (2015, October) Qoe-driven rate adaptation heuristic for fair adaptive video streaming ACM Trans Multimedia Comput Commun Appl 12 (2), 28:1–28:24 [31] Pu, W., Z Zou, and C W Chen (2012, May) Video adaptation proxy for wireless dynamic adaptive streaming over http In 2012 19th International Packet Video Workshop (PV), pp 65–70 [32] Qadir, S., A A Kist, and Z Zhang (2014, April) Qoe-aware crosslayer architecture for video traffic over internet In 2014 IEEE REGION 10 SYMPOSIUM, pp 522–526 [33] Rizzo, L (1997, Jan.) Dummynet: A simple approach to the evaluation of network protocols SIGCOMM Comput Commun Rev 27 (1), 31–41 [34] Romero, L R (2011) A dynamic adaptive http streaming video service for google android Master’s thesis, School of Information and Communication Technology (ICT), Royal Institute of Technology (KTH), Stockholm, Sweden [35] Singh, K D., Y Hadjadj-Aoul, and G Rubino (2012, Jan.) Quality of experience estimation for adaptive http/tcp video streaming using h.264/avc In 2012 IEEE Consumer Communications and Networking Conference (CCNC), pp 127–131 [36] Song, W and D W Tjondronegoro (2014, Apr.) Acceptability-based qoe models for mobile video IEEE Transactions on Multimedia 16 (3), 738–750 [37] Sun, Y., X Yin, J Jiang, V Sekar, F Lin, N Wang, T Liu, and B Sinopoli (2016, 08) Cs2p: Improving video bitrate selection and adaptation with data-driven throughput prediction [38] H264/AVC Video Trace Library [Online] http://trace.eas.asu.edu/h264/ Accessed: 2015-10-30 Available: [39] Thang, T C., Q.-D Ho, J W Kang, and A T Pham (2012, Feb.) Adaptive streaming of audiovisual content using mpeg dash IEEE Transactions on Consumer Electronics 58 (1), 78–85 [40] Thang, T C., H T Le, H X Nguyen, A T Pham, J W Kang, and Y M Ro (2013, Dec.) Adaptive video streaming over http with dynamic resource estimation Journal of Communications and Networks 15 (6), 635–644 [41] Thang, T C., H T Le, A T Pham, and Y M Ro (2014, Apr.) An evaluation of bitrate adaptation methods for http live streaming IEEE Journal on Selected Areas in Communications, 32 (4), 693–705 [42] Thomas H Cormen, Charles E Leiserson, R L R and C Stein (2009) Introduction to Algorithms (3rd Edition) MIT Press and McGraw-Hill [43] Villa, B J., P E Heegaard, and A Instefjord (2012) Improving fairness for adaptive http video streaming In R Szabó and A Vidács (Eds.), Information and Communication Technologies, Berlin, Heidelberg, pp 183–193 Springer Berlin Heidelberg [44] Wei, S and V Swaminathan (2014a, Sept) Cost effective video streaming using server push over http 2.0 In 2014 IEEE 16th International Workshop on Multimedia Signal Processing (MMSP), pp 1–5 [45] Wei, S and V Swaminathan (2014b, Mar.) Low latency live video streaming over http 2.0 In Proc 24th International Workshop on Network and Operating System Support for Digital Audio and Video (NOSSDAV ’14), pp 37–42 [46] Wei, S., V Swaminathan, and M Xiao (2015, Oct) Power efficient mobile video streaming using http/2 server push In Proc 17th International Workshop on Multimedia Signal Processing (MMSP2015), pp 1–6 [47] Yin, X., V Sekar, and B Sinopoli (2014) Toward a principled framework to design dynamic adaptive streaming algorithms over http In Proceedings of the 13th ACM Workshop on Hot Topics in Networks, HotNets-XIII, New York, NY, USA, pp 9:1–9:7 ACM [48] Yitong, L., S Yun, M Yinian, L Jing, L Qi, and Y Dacheng (2013, June) A study on quality of experience for adaptive streaming service In 2013 IEEE International Conference on Communications Workshops (ICC), pp 682–686 [49] Zhang, D., H He, and W Li (2016, June) Bitrate allocation among multiple video streams to maximize profit in content delivery networks Personal Ubiquitous Comput 20 (3), 385–396 [50] Zhao, M., X Gong, J Liang, W Wang, X Que, and S Cheng (2015, March) Qoe-driven cross-layer optimization for wireless dynamic adaptive streaming of scalable videos over http IEEE Transactions on Circuits and Systems for Video Technology 25 (3), 451–465 [51] Zhou, C., C.-W Lin, X Zhang, and Z Guo (2014, Apr.) A controltheoretic approach to rate adaption for dash over multiple content distribution servers IEEE Transactions on Circuits and Systems for Video Technology 24 (4), 681–694 [52] Zhou, C., X Zhang, L Huo, and Z Guo (2012, Nov) A controltheoretic approach to rate adaptation for dynamic http streaming In 2012 Visual Communications and Image Processing, pp 1–6 [53] Zhu, X., Z Li, R Pan, J Gahm, and H Hu (2013, Sept) Fixing multiclient oscillations in http-based adaptive streaming: A control theoretic approach In 2013 IEEE 15th International Workshop on Multimedia Signal Processing (MMSP), pp 230–235 ... mức chất lượng 1.3 Khảo sát giải pháp cải thiện QoE HAS 1.3.1 Các giải pháp thích ứng cho streaming video Cho đến nay, giải pháp thích ứng cho streaming video chia thành hai nhóm chính: nhóm giải. .. nhu cầu mạnh mẽ streaming video qua mạng di động năm gần đây, luận án đề xuất giải pháp thích ứng chất lượng video HTTP để đối phó hiệu với biến động thơng lượng mạng, từ nâng cao QoE người dùng... Đánh giá thích ứng Các giải pháp đánh giá băng thông lấy từ mạng di động thực tế [27] Video Tokyo Olympic gồm phiên có độ dài L 300 phân đoạn Sự thích ứng chất lượng giải pháp đề xuất, giải pháp

Ngày đăng: 09/01/2019, 15:49

Từ khóa liên quan

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan