面向5G网络下DASH流媒体的上下文感知自适应预取
网络与互联网体系结构
2023-11-14 v1 多媒体
摘要
视频流消费的增长以及对更高质量内容的需求，推动了电信网络的演进和新网络加速器的开发，以在优化网络使用的同时提升媒体传输。多接入边缘计算（MEC）通过将缓存实例部署在靠近无线接入网（RAN）的网络边缘，实现了媒体传输的增强。因此，内容可从MEC主机预取并提供，减少网络流量并提升服务质量（QoS）与体验质量（QoE）。本文提出一种在MEC上对基于HTTP的动态自适应流媒体（DASH）进行预取的新机制，采用机器学习（ML）分类模型来选择待预取的媒体分片。该模型使用媒体会话指标进行训练，以借助应用层信息改进预测。该方案在移动网络运营商（MNO）的5G MEC和RAN上进行了测试，并通过评估缓存与播放器性能指标与其他策略进行比较。
引用
@article{arxiv.2311.07399,
title = {Context-Aware Adaptive Prefetching for DASH Streaming over 5G Networks},
author = {Juncal Uriol and Inhar Yeregui and Alvaro Gabilondo and Roberto Viola and Pablo Angueira and Jon Montalban},
journal= {arXiv preprint arXiv:2311.07399},
year = {2023}
}