webrtc-TrendlineEstimator

最新推荐文章于 2023-03-06 15:29:02 发布

zhenfei2017

最新推荐文章于 2023-03-06 15:29:02 发布

阅读量1.1k

点赞数 1

分类专栏： webrtc笔记

本文链接：https://blog.csdn.net/qq_16135205/article/details/88828691

版权

webrtc笔记专栏收录该内容

22 篇文章 7 订阅

订阅专栏

webrtc网络排队趋势推测器（TrendlineEstimator）,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

// window_size：窗口大小，数据点数组的大小，如果数据过多则删除老的数据
// smoothing_coef :平滑输入y的因子， (使用滑动平滑算法，相当把 1/smoothing_coef 个数据点进行行平均 )
// threshold_gain:

  TrendlineEstimator(size_t window_size,
                     double smoothing_coef,
                     double threshold_gain);

更新窗口数据，计算趋势
recv_delta_ms: 接收端2帧数据的相对延迟
send_delta_ms：发送端2帧数据的相对延迟
arrival_time_ms：接收的本地时间

void Update(double recv_delta_ms, double send_delta_ms,int64_t arrival_time_ms){
  //延迟值
  const double delta_ms = recv_delta_ms - send_delta_ms;
  ++num_of_deltas_;
  if (num_of_deltas_ > kDeltaCounterMax)
    num_of_deltas_ = kDeltaCounterMax;
  if (first_arrival_time_ms == -1)
    first_arrival_time_ms = arrival_time_ms;

  // Exponential backoff filter.
  //平滑accumulated_delay_数据到smoothed_delay_
  //防止输入一些大的波动点，无效值等
  accumulated_delay_ += delta_ms;
  //滑动平均平滑算法
  smoothed_delay_ = smoothing_coef_ * smoothed_delay_ +(1 - smoothing_coef_) *accumulated_delay_;
  
  //保存所有点 (x,y)  
  //   x ：本地时间
  //   y ：延迟值
  //  
  delay_hist_.push_back(std::make_pair(
      static_cast<double>(arrival_time_ms - first_arrival_time_ms),
      smoothed_delay_));
  if (delay_hist_.size() > window_size_)
    delay_hist_.pop_front();
  if (delay_hist_.size() == window_size_) {
    //通过线性回归计算趋势 (斜率)
    //  y=ax+b   
    //  trendline_:就是我们需要计算的a
    trendline_ = LinearFitSlope(delay_hist_).value_or(trendline_);
  }
}

通过最小二乘法进行线性回归,返回直线斜率
y=ax+b 返回a

rtc::Optional LinearFitSlope(const std::deque<std::pair<double, double>>& points) {
//计算x,y的均值
double sum_x = 0;
double sum_y = 0;
for (const auto& point : points) {
sum_x += point.first;
sum_y += point.second;
}
double x_avg = sum_x / points.size();
double y_avg = sum_y / points.size();
  // Compute the slope k = \sum (x_i-x_avg)(y_i-y_avg) / \sum (x_i-x_avg)^2
  //最小二乘法 线性回归
  // 
  //计算斜率a    sum (x_i-x_avg)(y_i-y_avg) / sum (x_i-x_avg)^2
  //
  //  x,y,xy,x^2
  double numerator = 0;
  double denominator = 0;
  for (const auto& point : points) {
    numerator += (point.first - x_avg) * (point.second - y_avg);
    denominator += (point.first - x_avg) * (point.first - x_avg);
  }
  if (denominator == 0)
    return rtc::Optional<double>();
  return rtc::Optional<double>(numerator / denominator);
}