网络抖动Jitter详解

在前文中介绍了RTT计算原理及其应用。下面介绍网络抖动Jitter原理、计算方法以及在Webrtc中的应用。

什么是抖动？在网络传输中，每个包从发送端到接收端的时延都是不相同的，而Jitter就是用来衡量这种不同。一般在发送端，数据包发送时间间隔是相同的，也就是均匀发送数据，但是传输过程中由于各种情况，例如拥塞，丢包，网络错误等，接收端收到的数据包间隔就会不一样，可能一会大，一会小，导致时延发生变化，这个时延的变化程度就是所谓的抖动。网络中存在抖动会导致接收端收包不均匀、甚至乱序，如果按照收包顺序去播放，对于视频而言，会导致帧率变化，视频播放就不平滑，有卡顿感。对于音频而言，肯定会有时快时慢、来不及播放导致卡顿、错音等问题，在比较差的网络场景中语音基本是没法听。接收端如果不做任何处理，就会影响用户体验。

WebRTC针对网络抖动问题，根据音视频分为：NetEQ与JitterBuffer2种，分别对音频、视频进行抖动处理，消除抖动造成的影响，这些会在我的后续文章介绍。

按照抖动的频率，也可以分为：

稳定抖动：这种抖动是网络和算法固有属性导致的，有一定的统计上的稳定性，在一段时间内呈现统计上的稳定性；

突发抖动：这些抖动是在稳定抖动基础上叠加上突发的抖动尖峰，突发通常没有太大规律，无法找到统计上的规律性。

一般的Jitter算法都是尽力去解决稳定抖动，对于突发抖动解决的并不是太好。

如下图片是抖动的一个形象描述。

图1 -Jitter

如何计算抖动？假设RTP中第i包中记录的时间戳为Si（单位为采样率），到达接收端的时间为Ri（单位同样为采样率），如果Si代表第i个包的发送时间戳，Ri代表第i个包的接收时间戳。Sj、Rj同理。

图2 - Jitter计算原理图

抖动(i, j) = |(Rj - Ri) - (Sj - Si)| = |(Rj - Sj) - (Ri - Si)| （1）

WebRTC为了统一抖动，并且为了很好地降噪、降低突发抖动的影响，把上面的抖动(i, j)定义为D(i, j)，抖动J(i)定义为:

J(i) = J(i-1) + (|D(i-1, i)| - J(i - 1)) / 16 （2）

增益参数1/16是为了消除噪声影响，使抖动收敛在较合理范围内，避免突发数据的影响。从上一个公式中可以看到D(i-1, j)是唯一引起J(i)变化的因素。

WebRTC统计参数中的抖动计算代码位于
StreamStatisticianImpl::UpdateJitter中

图3 - 代码

time_diff_samples =|D(i−1,i)| （3）

J(i) = J(i-1) + (time_diff_samples - J(i - 1)) / 16 （4）

图4 - 代码

至此我们得到了jitter_diff_q4，单位为采样率，如果需要转换为毫秒时间单位。由于jitter_diff_q4放大了16倍，首先需要还原回去jitter = jitter_q4_ >> 4;转换为毫秒单位：jitter_ms = jitter / (clockrate_hz / 1000)（一般视频的时钟采样频率clockrate_hz为：90kHz）。jitter_ms就是得到的毫秒级别的抖动。