标题：基于DPPO的自适应码率控制算法
作者：汤佳斌1；高伟2；滕国伟1
作者单位：1 上海大学通信与信息工程学院，上海 200444；2 上海文广科技（集团）有限公司，上海 200233
关键字：自适应码率控制；强化学习；视频流媒体
摘要：与传统的视频点播服务相比，实时视频流对用户质量体验（Quality of Experience，QoE）要求更高。现在已有的自适应传输控制算法，多数基于吞吐量或者缓存区等特定的规则，无法适应复杂的网络环境。因此提出了基于DPPO（Distributed Proximal Policy Optimization）的码率自适应方法，利用强化学习使模型在大量的网络轨迹中自我学习，选择出当前网络环境的最优比特率，能够最大化提升用户质量体验，并且不局限于固定规则。还发现有些视频在低码率下，其质量分数并不低，因此可以把视频质量分数作为QoE的一个指标，希望在不损失视频质量的情况下，减少发送的比特率。将该算法与QARC（Quality Aware Rate Control）进行仿真比较，在同样的环境下，延迟可降低13%~25%，发送的比特率能降低2.4%~9.4%，而视频质量可提升3.4%~3.6%，达到较佳的控制效果。