随着互联网的广泛普及和进步,人们对视频应用的需求也日益增长,因而进一步提高视频流媒体服务以及用户的体验质量(Quality of Experience,QoE 具备重要意义。基于HTTP的动态自适应流媒体标准(Dynamic Adaptive Streaming over HTTP,DASH)可广泛用于动态网络环境下为用户提供连续的视频流服务。码率自适应是DASH视频传输中最重要的研究问题之一,在互联网视频传输领域中受到广泛欢迎。由于网络带宽的频繁波动以及视频内容复杂度的变化,使得单一的码率自适应算法难以处理好网络环境和视频内容变化引起的质量波动问题。本文基于DASH流媒体标准,提出了一种多假设码率自适应系统,将多种码率自适应算法集成在多假设框架中,根据不同的信道条件及视频复杂度,选择当前环境条件下性能最优越的码率自适应算法作为视频下载的决策逻辑,从而达到提高用户QoE的目标。同时,综合考虑视频质量、质量变化、缓存水平和重缓存事件等因素对用户体验质量的影响,定义了一种QoE模型用于性能评估。具体来说,该多假设框架由方法集模块和方法控制器模块两部分组成。当前流行的几种码率自适应算法都集成在方法集模块中,在每个决策时刻,只选择一种可以实现最佳OoE的方法。此外,在方法控制器模块中,我们还提出了实时切换(InstAnt Method Switching,IAMS)和间歇切换(InterMittent Method Switching,IMMS)两种控制算法。最后我们搭建了 MATLAB的视频传输仿真平台,通过与该多假设框架内的多种码率自适应算法以及框架外的某种先进的码率自适应算法作比较,验证该多假设码率自适应系统的性能。结果表明,在大多数的信道环境状态下,论文提出的多假设自适应系统能够获得最大的QoE。