基于网络流量预测的DASH系统优化

摘要：

近年来基于超文本传输协议(HTTP)的自适应视频流量大幅上升,传统HTTP动态自适应流(DASH)速率算法无法准确预测网络吞吐量,导致网络带宽波动,使传输控制协议慢启动并触发抛弃规则,从而降低视频质量.提出一种基于网络流量预测的改进DASH速率算法.将DASH算法分为视频质量选择阶段、视频下载阶段和请求等待阶段,在视频质量选择阶段引入支持向量回归模型和长短期记忆网络预测网络吞吐量,结合缓冲时长选择更优质量的视频片段,在视频下载阶段通过预测实时吞吐量降低触发抛弃规则的次数.仿真结果表明,该算法可自适应流速率并减少抛弃规则的命中次数,有效提高视频体验质量.

关键词：基于HTTP的动态自适应流、体验质量、吞吐量预测、支持向量回归模型、长短期记忆网络

所属期刊栏目：47

分类号：TP368.6(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2021-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：292-300