基于在线凸优化和循环学习的视频流自适应码率控制方法

本发明公开了基于在线凸优化和循环学习的视频流自适应码率控制方法，步骤一：搭建层次化客观QoE评价模型。步骤二：基于在线凸优化的ABR控制器。步骤三：集成ABR控制器的DASH视频播放系统。HELL根据5G场景对网络应用的要求进行开发。在宏观策略上，HELL追求更为高效的网络带宽使用，并由更低的单次申请延时对视频块质量加以限制。在码率的计算方法上，HELL使用多个请求时刻的网络QoS以平滑网络的变化，并通过上一次决策的反馈调整控制器。在码率的切换策略上，HELL使用更为谨慎的切换策略。这旨在最大化流媒体服务对网络带宽的利用率，降低每次申请所造成的卡顿风险，保证稳定的视频质量；相较于现有的ABR控制器，HELL在83.33％的场景中实现了最优化QoE。