webrtc-MedianSlopeEstimator

最新推荐文章于 2024-07-05 15:19:42 发布

zhenfei2017

最新推荐文章于 2024-07-05 15:19:42 发布

阅读量404

点赞数

CC 4.0 BY-SA版权

分类专栏： webrtc笔记

本文链接：https://blog.youkuaiyun.com/qq_16135205/article/details/88837527

webrtc笔记专栏收录该内容

22 篇文章

订阅专栏

本文介绍Webrtc中的网络排队预测机制，使用趋势中值算法(MedianSlopeEstimator)来估算网络延迟趋势。该算法通过计算斜率变化来评估网络状况，并采用固定窗口大小的数据结构维护历史记录。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

webrtc中网络排队，基于趋势中值算法(MedianSlopeEstimator),用于推测网络的延迟趋势，延迟值。
用于计算直线 y=ax+b

创建对象

// window_size:窗口大小，最多这多点
// threshold_gain：

MedianSlopeEstimator(size_t window_size, double threshold_gain)：median_filter_(0.5){
 </br>// [PercentileFilter类](https://mp.youkuaiyun.com/postedit/88687629 "PercentileFilter")
 </br>// median_filter_(0.5)用于获取列表中数据的中值
}

2.添加点
// 2个包间接收时刻差值
// 2个包间发送时刻差值
// 接收时间点

void Update(double recv_delta_ms,double send_delta_ms,int64_t arrival_time_ms){

 	//delta_ms:传输延迟增长值，随着网络排队的加重值会越来越大，反之会越来越小
	//  delta_ms:可能>0  , =0 ,<0
  const double delta_ms = recv_delta_ms - send_delta_ms;
  ++num_of_deltas_;
  if (num_of_deltas_ kDeltaCounterMax)
      num_of_deltas_ = kDeltaCounterMax;>     

  //累积的延迟增长值
  accumulated_delay_ += delta_ms;
  //
  //  删除最早进来的老数据，维护一个固定窗口大小列表
  if (delay_hist_.size() == window_size_) {
     for (double slope : delay_hist_.front().slopes) {
          const bool success = median_filter_.Erase(slope);>           
     }
     delay_hist_.pop_front();
  }

  for (auto& old_delay : delay_hist_) {
     if (arrival_time_ms - old_delay.time != 0) {>     
		//
		//  跟历史上的所有点计算一下斜率变化，如果增加表示网络排队情况加重，
		//  =0表示没什么变化  ， <0 表示网络正在恢复
		//
       double slope = (accumulated_delay_ - old_delay.delay) /
       static_cast<double>(arrival_time_ms - old_delay.time);
       //插入取中值列表中
       **median_filter_.Insert(slope);**     
   	//  记录一下，用于数据过期后进行的删除操作
       old_delay.slopes.push_back(slope);
     }
  }

  //
  // 类似push_back,但是直接通过参数进行构造的，不会进行对象的copy,性能更好一点
  delay_hist_.emplace_back(arrival_time_ms, accumulated_delay_, window_size_ - 1);
  if (delay_hist_.size() == window_size_){
     //计算出中值
     trendline_ = median_filter_.GetPercentileValue();
  }
}

获取斜率*threshold_gain_

double trendline_slope() const { 
   return trendline_ * threshold_gain_;
}