本文深入探讨了WebRTC中的Google Congestion Control（GCC）算法，重点分析了在没有`Absolute Send Time`扩展时如何依赖Transport CC和Trendline Filter进行拥塞控制。GCC算法结合丢包率和延迟信息，通过反馈机制调整码率以优化音视频通话质量。此外，文章还介绍了基于延迟和丢包的码率预估方法，以及它们如何协同工作来提升实时通信的性能和稳定性。
- 本文是大神 https://www.cnblogs.com/ishen 的文章的学习笔记。
- 大神的webrtc源码分析(8)-拥塞控制(上)-码率预估 详尽而具体，堪称神作。
- 本文使用的代码是m79 ，与大神有不同。
- ChatGPT可以做WebRTC音视频质量性能优化，惊艳到我了 指出了一些QOS学习的方向。
大神给出的码率预估的总体流程
- 大神的webrtc源码分析(8)-拥塞控制(上)-码率预估 ：
- 首先进行探测码率计算和吞吐量计算
- 基于探测码率和吞吐量，开始基于延迟计算码率： 使用线性回归预估出网络的状态后，通过aimd调整码率
- 有了延迟预
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
