webrtc gcc详解

最新推荐文章于 2025-03-12 15:31:15 发布

runner365.git

最新推荐文章于 2025-03-12 15:31:15 发布

阅读量1.4k

点赞数 12

文章标签： webrtc gcc 音视频

本文链接：https://blog.youkuaiyun.com/sweibd/article/details/140242296

版权

webrtc的gcc算法(Google Congestion Control)，貌似国内很多文章都没有细讲，原理是怎么样的，具体怎么进行计算的。这里详解一下gcc。

gcc算法，主要涉及到：

拥塞控制的关键信息和公式
卡曼滤波算法
gcc如何使用卡曼滤波算法

因为知识点有点多，文章有点长，如果感兴趣但不能一次读完，可以先收藏后，有空慢慢看。

1. 前言

对于拥塞控制，webrtc的方案之一是gcc(Google Congestion Control)。具体做法是，接收端监控两个数据，并反馈给发送端。

丢包率: 接收端计算出丢包率，定期发送rtcp rr报文(内有丢包率)给发送端，发送端通过丢包率的大小来决定是否降低编码的bitrate；
基于卡曼滤波的带宽预测: 接收端预测出当前发送端到接收端的带宽，接收端再发送rtcp remb报文(内带有预测带宽)给发送端，发送端根据该预测带宽调整编码的bitrate；

基于丢包率来调整动态编码，是比较简单，很多厂家经常在sfu服务的进行调整，如：如果不是长肥型网络，在丢包率<30%的情况下，rtcp rr中的丢包率和丢包总数欺骗性的填写0，这样发送端(尤其是web端)就不会轻易的降低bitrate，到达测试的良好效果。

但是基于卡曼滤波的带宽预测，就比较复杂，本文主要讲解这部分的原理和实现。

2. 拥塞基础信息与公式

延时是如何测量出来的: 定义报文到达的时间为t(i)，报文中的时间戳为T(i)。

那么定义延时:

d(i) = t(i)-t(i-1)-(T(i)-T(i-1))

在带宽容量C的链路上，传输frame size为L的数据，需要的时间是: ts = L/C

我们对到达时间的间隔进行建模:

         L(i)-L(i-1)d(i) = -------------- + w(i) = dL(i)/C+w(i)             C

上面的公式，i为某个时刻，i-1为上一个时刻。

L(i): 是i时刻接收到的报文长度(这里一般是指某个固定时段接收到的报文size总和)

L(i-1): 是对于i的上一个时刻的报文长度(上一个固定时段收到的报文size总和)

C: 为链路容量带宽；

W(i): 作为一个高斯白噪声，这个参数非常重要。

d(i)：是i时刻的延时

划重点：

如果链路使用超载，w(i)增加；

如果链路比较空，w(i)减小;

也就是说，上面两个公式就是预测和估计w(i)是增加了，还是减小了。

总结，关键公式就是这两个：

公式1(测量)：d(i) = t(i)-t(i-1)-(T(i)-T(i-1))公式2(估计)：                 L(i)-L(i-1)d_est(i) = ------------ + w(i) = dL(i)/C+w(i)                C

公式1: 两个时刻的接收报文的本地时间差值，再减去两个时刻的rtp报文中携带的时间戳的差值，结果等于延时(本地时间与rtp报文中时间戳的单位不一致，需要自己转换一致后再计算)。也就是说d(i)是个测量值，每次收到新的一批报文都能测算得出来对应的延时d(i)，所以这里强调d(i)是个测量值。

公式2: 在公式2中，dL(i)是两个时刻收到报文长度的差值，这个也是每收到一批报文后能测算出来的，dL(i)也是个测量值。1/C是个估计值，C是估计的带宽容量，w(i)也是一个估计值。注意，公式左边的d_est(i)也是表示i时刻的延时，不过这个延时是通过右边的估计值计算出来的，也就是这个计算出来的d_est(i)是一个估计值。

最后，我们得到，每个i时刻的测量值d(i)，和测量值dL(i)，要预测出1/C(i)和w(i)，这就是我们的目标。

强调: w(i)增加，表示链路超载；w(i)减小，表示链路轻负荷。

卡曼滤波就是要预测出1/C(i)和w(i)，并根据根据w(i)是增加或减小，来决定预测带宽是增加还是减小。

小白部分: 既然有了公式1和2，为啥不每次直接计算出延时和带宽的关系，为啥还要引入卡曼滤波算法，弄这么复杂。原因主要是，凡是测试的数据，都会出现测不准，或者有偶尔发生的错误数据(术语叫作噪声)，比如某时刻发生抖动，仅仅一批数据产生巨大的延时，但是其实网络是好的，滤波的作用就是过滤出一些无效，错误数据的影响。

先记住这两个公式，后面先打断一下，简单介绍一下卡曼滤波算法。