Remote Bitrate Estimator

Abstract	远端比特率估计器
Authors	Walter Fan
Status	v1.0
Updated	2026-03-20

概述 

RemoteBitrateEstimator 是 WebRTC 接收端带宽估计的核心组件。它通过分析接收到的 RTP 包的到达时间和大小，估算网络可用带宽，并检测网络是否过载（Overuse）。

在 GCC（Google Congestion Control）算法中，它属于 **基于延迟的估计器**（Delay-based estimator），与发送端的基于丢包估计器协同工作。

┌────────────────────────────────────────────────────┐
│                    接收端                           │
│                                                    │
│  RTP 包到达                                        │
│      │                                             │
│      ▼                                             │
│  ┌─────────────────────────────────┐               │
│  │   InterArrival                  │               │
│  │   计算包间到达时间差            │               │
│  │   和发送时间差                  │               │
│  └──────────┬──────────────────────┘               │
│             │ (arrival_delta, send_delta)           │
│             ▼                                      │
│  ┌─────────────────────────────────┐               │
│  │   OveruseEstimator              │               │
│  │   Kalman 滤波估计传播延迟斜率   │               │
│  └──────────┬──────────────────────┘               │
│             │ (offset)                             │
│             ▼                                      │
│  ┌─────────────────────────────────┐               │
│  │   OveruseDetector               │               │
│  │   判断当前网络状态              │               │
│  │   Normal / Overuse / Underuse   │               │
│  └──────────┬──────────────────────┘               │
│             │                                      │
│             ▼                                      │
│  ┌─────────────────────────────────┐               │
│  │   AimdRateControl               │               │
│  │   AIMD 算法调整估计比特率       │               │
│  │   Overuse → 乘性降低 (×0.85)    │               │
│  │   Underuse → 加性增加           │               │
│  └──────────┬──────────────────────┘               │
│             │                                      │
│             ▼                                      │
│  通过 REMB / TWCC 反馈给发送端                     │
└────────────────────────────────────────────────────┘

带宽使用状态 

enum class BandwidthUsage {
    kBwNormal = 0,      // 正常：可以适度增加发送率
    kBwUnderusing = 1,  // 欠载：网络有余量
    kBwOverusing = 2,   // 过载：网络拥塞，必须降低发送率
    kLast
};

核心接口 

class RemoteBitrateEstimator : public CallStatsObserver, public Module {
public:
    // 每收到一个 RTP 包时调用
    // 更新带宽估计和过载检测
    virtual void IncomingPacket(int64_t arrival_time_ms,
                                size_t payload_size,
                                const RTPHeader& header) = 0;

    // 移除指定 SSRC 的流数据
    virtual void RemoveStream(uint32_t ssrc) = 0;

    // 获取最新的带宽估计值
    virtual bool LatestEstimate(std::vector<uint32_t>* ssrcs,
                                uint32_t* bitrate_bps) const = 0;

    // 设置最小比特率下限
    virtual void SetMinBitrate(int min_bitrate_bps) = 0;

protected:
    static const int64_t kProcessIntervalMs = 500;   // 处理间隔
    static const int64_t kStreamTimeOutMs = 2000;     // 流超时
};

关键子模块 

InterArrival 

计算包组（packet group）的到达时间差和发送时间差：

send_delta    = send_time[i] - send_time[i-1]
arrival_delta = arrival_time[i] - arrival_time[i-1]
delay_delta   = arrival_delta - send_delta

delay_delta > 0：包在网络中排队时间增加，可能过载
delay_delta < 0：包在网络中排队时间减少，网络有余量
delay_delta ≈ 0：网络稳定

OveruseEstimator 

使用 Kalman 滤波器 对 delay_delta 序列进行平滑估计，输出传播延迟的斜率（offset），过滤掉噪声和突发抖动。

OveruseDetector 

将 Kalman 滤波器的输出与自适应阈值比较：

offset > threshold → Overuse
offset < -threshold → Underuse
其他 → Normal

阈值本身也是自适应的，会根据网络状况动态调整。

AimdRateControl 

根据检测结果调整估计比特率（AIMD = Additive Increase Multiplicative Decrease）：

Overuse：比特率 *= 0.85（乘性降低，快速退让）
Normal/Underuse：比特率 += increment（加性增加，缓慢探测）

这与 TCP 的 AIMD 拥塞控制思想一致。

新旧版本演进 

版本	机制	说明
旧版	REMB (Receiver Estimated Maximum Bitrate)	接收端估计带宽，通过 RTCP REMB 反馈给发送端
新版	TWCC (Transport-Wide Congestion Control)	接收端只反馈包到达时间，带宽估计移到发送端

现代 WebRTC 主要使用 TWCC，发送端的 SendSideBandwidthEstimation 取代了接收端的 RemoteBitrateEstimator。但理解 RemoteBitrateEstimator 的算法原理对掌握 GCC 仍然至关重要，因为核心算法（InterArrival → Kalman → AIMD）未变。

详见 WebRTC REMB Code 和 Transport-wide Congestion Control。