【音视频第7天】mediasoup拥塞控制【未完待续】

本文链接：https://blog.csdn.net/Magic_o/article/details/129982114

文章详细介绍了WebRTC中的拥塞控制方法，包括Transport-cc和Goog-REMB。Transport-cc是一种发送端的延迟拥塞控制算法，而Goog-REMB是基于接收端的算法，由InterArrival、OverUseEstimator和AIMDRateController等模块协同工作来评估和调整发送码率。BBR虽曾被Google使用，但已从WebRTC中移除。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

WebRTC的拥塞控制方式主要有以下几个：Transport-cc、BBR-congestion、remb（BBR已被google从webrtc移除了）。mediasoup支持Transport-cc和remb。

一、webRTC拥塞控制算法

减少数据量、适当增加时延和更准确的带宽评估被统称为拥塞控制
WebRTC中包含多种拥塞控制算法：

GCC：（Google Congestion Contro，Google拥塞控制）GCC根据其实现⼜可细分为基于发送端的拥塞控制算法Transport-CC（Transport-wide Congestion Control，传输带宽拥塞控制）和基于接收端的拥塞控制算法Goog-REMB（Google Receiver Estimated Maximum Bitrate Google接收端评估的最⼤码流）
BBR：（Bottleneck Bandwidth and Round-trip propagation time），瓶颈带宽和往返传播时间
PCC：（Performance-oriented Congestion Control），基于性能的拥塞控制。
重点关注一下GCC

二、GCC

2.1 Goog-REMB

⼀种是接收端的延时拥塞控制算法
Transport-wide Congestion Control
在这里插入图片描述
RemoteBirate Estimator模块：它是接收端延时拥塞控制算法的管理模块，即“总负责⼈”。
Inter Arrival模块：将数据包按帧进⾏分组，然后对相邻的两组数据包进⾏单向梯度计算
OverUse Estimator模块：它利⽤Inter Arrival模块的计算结果，通过卡尔曼滤波器估算出下⼀时刻发送队列的增⻓趋势。
OverUse Detector模块：⽤于检测当前网络的拥塞状态。
AIMD Rate Controller：该模块⽤于计算发送码流大小。它通过OverUse Detec tor模块检测出的当前⽹络状态来变更⾃⼰的状态，并计算出发送码流的大小。