webrtc弱网-LossBasedBandwidthEstimation类源码分析与算法原理
LossBasedBandwidthEstimation类基于网络丢包率动态估算可用带宽上限。它通过分析丢包统计数据，使用多阈值控制和RTT自适应算法，决定增加、减少或保持当前带宽估计，实现网络拥塞控制，是WebRTC GCC拥塞控制体系的核心组件之一。
1. 核心功能
该模块的核心功能是根据网络丢包率动态估计可用带宽上限。它是WebRTC GCC（Google Congestion Control）拥塞控制算法体系中的重要组成部分，其主要职责包括：
丢包统计：接收传输反馈（RTCP），计算近期丢包率。
带宽调整：根据当前丢包率与目标阈值的比较，决定增加、减少或保持当前带宽估计值。
状态维护：维护历史丢包率、确认速率等状态，以平滑噪声并避免过度反应。
复位机制：在特定条件下（如极低丢包率）将估计值重置为当前目标速率，以快速适应网络改善。
2. 核心算法原理
该模块的算法基于以下核心思想：
丢包率与带宽的模型关系：算法假设存在一个函数关系，描述了在给定丢包率下可支持的最大带宽。该关系由以下公式定义：
丢包率计算：
loss = (loss_bandwidth_balance / bitrate) ^ exponent带宽计算：
bitrate = loss_bandwidth_balance * (loss) ^ (-1 / exponent)
其中，loss_bandwidth_balance和exponent是可配置参数，决定了模型的形状。
多阈值控制：算法定义了三个关键丢包率阈值，用于触发不同的行为：
Reset阈值：极低丢包率时，直接将带宽估计重置为当前目标速率（
wanted_bitrate）。Increase阈值：低丢包率时，谨慎增加带宽估计。
Decrease阈值：高丢包率时，果断减少带宽估计。
RTT自适应增加：带宽增加的幅度与当前的RTT（Round-Trip Time）相关。RTT越高，增加的因子越小，增长越保守。这是在网络延迟较大时的一种谨慎策略。
指数平滑：对丢包率（
average_loss_,average_loss_max_）和确认速率（acknowledged_bitrate_max_）进行指数加权移动平均（EWMA），以平滑瞬时波动，获取更稳定的长期趋势。
3. 关键数据结构
LossBasedControlConfig：
存储所有可配置的实验参数，通过字段试验（Field Trials）动态解析。关键参数包括：min/max_increase_factor: 带宽增加的最小/最大乘数。increase_low_rtt/increase_high_rtt: 用于归一化RTT的范围。decrease_factor: 带宽减少的乘数。loss_bandwidth_balance_increase/decrease/reset: 用于计算不同操作下阈值的平衡点带宽。loss_bandwidth_balance_exponent: 模型指数。allow_resets: 是否允许复位操作。
LossBasedBandwidthEstimation：
核心类，维护算法状态：average_loss_: 经过平滑的短期平均丢包率。average_loss_max_: 经过平滑的短期平均丢包率的最大值（用于增加决策，避免单次波动触发增加）。loss_based_bitrate_: 当前基于丢包的带宽估计值。acknowledged_bitrate_max_: 经过平滑的确认速率最大值（用于计算减少后的带宽）。time_last_decrease_,has_decreased_since_last_loss_report_: 用于控制减少操作的频率，防止短时间内连续多次减少。last_loss_packet_report_,last_loss_ratio_: 最近一次上报的丢包统计的时间和比率。
4. 核心方法详解
UpdateLossStatistics:输入：一批数据包的反馈结果 (
packet_results) 和当前时间。处理：计算该批数据包的即时丢包率 (
last_loss_ratio_)。平滑：使用
ExponentialUpdate函数计算平滑系数，更新短期平均丢包率 (average_loss_) 及其历史最大值 (average_loss_max_)。
UpdateAcknowledgedBitrate:输入：最新计算得到的确认速率和当前时间。
处理：同样使用指数平滑，更新确认速率的长期最大值 (
acknowledged_bitrate_max_)。该值用于在减少带宽时提供一个底线（decreased_bitrate()）。
Update(核心方法):状态检查：检查丢包报告是否新（
loss_report_valid）以及是否允许进行减少操作（allow_decrease）。决策树：
复位：如果允许复位且平均最大丢包率极低 (
< loss_reset_threshold())，则将loss_based_bitrate_重置为wanted_bitrate。增加：如果丢包率较低 (
< loss_increase_threshold())，则计算一个新的更高的带宽。新带宽受两个值约束：一是基于RTT计算出的增量（min_bitrate * factor + offset），二是根据丢包模型计算出的上限（BitrateFromLoss(...)）。最终取两者中较小的值，并与当前估计值取大。减少：如果丢包率较高 (
> loss_decrease_threshold()) 且允许减少，则根据丢包模型计算出一个新的、更低的带宽下限（BitrateFromLoss(...)）。新的估计值取这个下限和基于确认速率计算出的值（decreased_bitrate()）中的较大者。同时更新减少时间戳和状态。
返回：返回更新后的
loss_based_bitrate_。
5. 设计亮点
字段试验高度可配置：几乎所有算法参数都可通过FieldTrials动态配置，便于A/B测试和算法迭代，而无需重新编译。
双重平滑：对丢包率使用双重平滑（
average_loss_和average_loss_max_），有效区分单次噪声和持续趋势，增加决策的稳定性。RTT自适应增加：将网络延迟（RTT）引入带宽增加策略，在高延迟网络中采取更保守的策略，提升了算法在不同网络条件下的鲁棒性。
减少操作频率限制：通过
decrease_interval和状态变量(has_decreased_...)防止算法在单个丢包脉冲后过度反应，连续多次削减带宽。模型驱动阈值：三个阈值并非固定值，而是随着当前带宽估计值动态变化的，其计算基于一个简化的丢包-带宽模型，使算法行为更具理论依据。
6. 典型工作流程
初始化：通过
Initialize方法设置一个初始的带宽估计值。持续反馈：
接收端定期通过RTCP发送传输反馈，包含数据包的接收状态。
发送端的拥塞控制器（如
GoogCcNetworkController）接收到反馈后，调用UpdateLossStatistics更新丢包统计。控制器计算出的确认速率被传递给
UpdateAcknowledgedBitrate。
定期更新：控制器以固定的时间间隔（或事件驱动）调用
Update方法，传入当前时间、最小比特率、目标比特率和最新RTT。决策与执行：
Update方法根据最新的状态（丢包率、确认速率）和配置参数，决定新的带宽估计值。该估计值被返回给控制器，控制器将其与其他约束（如延迟基估计、端到端控制）结合，最终确定发送码率。
循环往复：上述过程不断重复，使发送码率能够自适应地跟踪网络可用带宽的变化。
WebRTC的基于丢包的带宽估计是一个融合了启发式规则、数学模型和高度可配置参数的复杂自适应系统。它的设计充分考虑了实时通信中对稳定性、响应性和公平性的需求。