如果你的工作是做音视频通话、直播连麦或者在线会议这类产品，大概率绕不开一个很实际的问题：网络稍微抖动一下，画面就糊了，声音就断了，用户投诉立刻上来。这类问题的根子往往不在业务代码，而在带宽估计和拥塞控制没做好。WebRTC 自带的 GCC 算法是业界用得最广的一套方案，但这个模块的文档少、源码绕、调试难，很多人卡在"知道它重要，但不知道怎么调"的状态。
这份资料围绕的正是这个具体环节。它不讲 WebRTC 的整体架构，也不带你从零写一个通话应用，而是把焦点收在带宽估计与拥塞控制这一层，从 GCC 的运作机制讲到实际代码里的实现细节。适合已经接触过音视频开发、被卡顿和延迟问题折磨过、想真正弄明白"发送端到底怎么判断当前能发多少码率"的人。
解决的是哪类工作场景
最典型的有三种。一是自研音视频传输时，发现弱网下码率降不下来、恢复又太慢，想对照 GCC 的实现找原因。二是用 WebRTC 做产品，遇到特定网络环境下花屏、卡顿、延迟飙升，需要从拥塞控制角度定位。三是做音视频 QoS 相关的工作，需要理解带宽估计的输入输出、和 RTP 扩展、发送策略之间的关系。
这些场景的共同点是，问题不在接口调用层，而在传输控制层。光看 API 文档解决不了，必须理解算法内部在算什么、什么时候收敛、什么时候会误判。
学完能独立做什么
资料里的演示和实现部分，能支撑你完成几件具体的事：看懂 GCC 的发送端码率控制流程，知道到达时间滤波器、到达码率估计、过载检测、码率分配这几块各自在干什么；能在自己的代码里定位带宽估计相关的问题，而不是只能靠改参数碰运气；对 RTP 头部扩展和内存分配这部分，能理解它和带宽估计之间的配合关系。
需要说明的是，这偏向底层机制的理解和实现分析，不是教你把 WebRTC 集成进 App 的入门内容。如果你的目标只是快速跑通一个通话 demo，这份资料会显得偏深。
资料适合什么基础
比较理想的情况是：你写过 C++ 或至少读得懂 C++，对 RTP/RTCP 有基本概念，知道什么是码率、延迟、丢包，最好还动手调过 WebRTC 的传输参数。有了这些铺垫，看带宽估计和拥塞控制的分析会比较顺。
如果完全没接触过音视频传输，建议先把 RTP 和 WebRTC 发送流程的基础补一补再看，否则容易在术语和调用关系上卡住。文档和讲解视频是配合使用的，先看架构和演示建立整体印象，再进到具体算法和实现细节，比一上来就啃代码效率高。
怎么用这份资料
建议分两步走。第一步跟着架构介绍和效果演示，把 GCC 的整体数据流理顺，弄清楚哪些模块参与、彼此怎么传递信息。第二步再进到具体算法和 RTP 扩展实现，边看边对照自己项目里的现象，把"算法在做什么"和"线上为什么这样表现"对上。
拥塞控制这类内容，看一遍很难真正掌握，重点是理解它的判断逻辑和边界条件。等你能说清楚"当前这个网络状况下，GCC 会怎么估、为什么会这样估"，这门课的价值才算拿到手。
课程目录
51CTO-音视频QoS技术：WebRTC带宽估计 拥塞控制GCC技术深入剖析和实现文档.png [493.5 KB] 47_8.9-AIMD-慢启动模式增加码率.mp4 [141.4 MB] 18_3.7-解析包时间信息以及还原seq_no.mp4 [190.1 MB] 74_13.2-设置起始码率的时候触发探测.mp4 [92.7 MB] 95_16.8-Probe技术小结.mp4 [29.4 MB] 48_8.10-AIMD-乘性降低码率.mp4 [127.1 MB] 2_1.2-拥塞控制基础知识.mp4 [58.5 MB] 71_12.5-利用ALR优化吞吐量估计.mp4 [65.3 MB] 38_7.7-设计实验观察trend和阈值的变化.mp4 [239.4 MB] 34_7.3-线性回归zui小二乘法样本数据.mp4 [118.0 MB] 98_18.1-总结和未来工作.mp4 [36.5 MB] 44_8.6-AIMD-状态机状态转换.mp4 [112.7 MB] 10_2.7-RTP头部扩展内存分配4.mp4 [242.0 MB] 17_3.6-状态矢量算法解码数据块.mp4 [74.5 MB] 93_16.6-周期性探测处理1.mp4 [57.3 MB] 40_8.2-网络过载时降低码率.mp4 [96.6 MB] 72_12.6-利用ALR优化基于延迟的码率估计.mp4 [98.7 MB] 94_16.7-周期性探测处理2.mp4 [18.9 MB] 35_7.4-线性回归zui小二乘法计算trend.mp4 [63.3 MB] 49_9.1-创建吞吐量估计类.mp4 [124.6 MB] 79_14.2-Pacer高优执行probe探测任务1.mp4 [73.5 MB] 11_2.8-RTP头部扩展内存分配5.mp4 [124.9 MB] 13_3.2-处理Feedback包.mp4 [171.9 MB] 51_9.3-以时间窗口计算样本码率.mp4 [92.5 MB] 83_14.6-构造padding包2.mp4 [58.6 MB] 7_2.4-RTP头部扩展内存分配1.mp4 [176.1 MB] 1_1.1-拥塞控制体系架构介绍和效果演示.mp4 [154.3 MB] 76_13.4-创建ProbeCluster.mp4 [98.5 MB] 64_11.4-发送端码率估计测试.mp4 [55.0 MB] 67_12.1-ALR检测的基本原理和作用.mp4 [27.3 MB] 78_14.1-启动Probe.mp4 [104.8 MB] 41_8.3-AIMD-判断是否进一步降低码率.mp4 [92.5 MB] 36_7.5-利用trend进行网络过载检测.mp4 [125.2 MB] 62_11.2-更新估计的目标码率到编码器1.mp4 [85.0 MB] 77_13.5-存储ProbeCluster信息到队列.mp4 [135.3 MB] 42_8.4-AIMD-未知吞吐量时的码率调整.mp4 [63.9 MB] 29_6.1-创建包组时间差计算类.mp4 [131.7 MB] 89_16.2-将probe结果作用到基于延迟的码率估计.mp4 [55.2 MB] 66_11.6-发送端码率估计小结.mp4 [33.2 MB] 6_2.3-详解RTP头部扩展结构.mp4 [121.7 MB] 33_7.2-线性回归zui小二乘法基本原理.mp4 [52.7 MB] 81_14.4-更新探测执行后的状态信息.mp4 [94.9 MB] 27_5.1-创建基于延迟的带宽估计模块.mp4 [104.4 MB] 14_3.3-详解Feedback包结构.mp4 [152.7 MB] 88_16.1-完善设置起始码率时的探测.mp4 [108.3 MB] 9_2.6-RTP头部扩展内存分配3.mp4 [136.1 MB] 12_3.1-写入SequenceNumber扩展.mp4 [96.9 MB] 52_9.4-贝叶斯估计吞吐量.mp4 [133.1 MB] 80_14.3-Pacer高优执行probe探测任务2.mp4 [161.4 MB] 5_2.2-注册transport-cc头部扩展.mp4 [163.9 MB] 65_11.5-周期性更新目标码率到pacer.mp4 [114.8 MB] 46_8.8-AIMD-加性增加码率.mp4 [162.1 MB] 75_13.3-初始化Probe.mp4 [117.6 MB] 91_16.4-主动请求探测1.mp4 [82.6 MB] 39_8.1-创建AIMD码率控制模块.mp4 [116.0 MB] 45_8.7-AIMD-估计链路容量.mp4 [192.7 MB] 70_12.4-设置ALR的带宽估计值.mp4 [61.7 MB] 50_9.2-贝叶斯估计的基本思想.mp4 [51.5 MB] 43_8.5-AIMD-已知吞吐量时的码率调整.mp4 [77.0 MB] 8_2.5-RTP头部扩展内存分配2.mp4 [99.9 MB] 16_3.5-行程长度算法解码数据块.mp4 [145.0 MB] 30_6.2-计算包组发送和到达时间差1.mp4 [152.4 MB] 音视频QoS优化之WebRTC拥塞控制(GCC)技术深入剖析和代码实战.pdf [1.6 MB] 82_14.5-构造padding包1.mp4 [88.0 MB] 31_6.3-计算包组发送和到达时间差2.mp4 [176.1 MB] 97_17.2-通过config的方式初始化拥塞控制模块2.mp4 [27.0 MB] 96_17.1-通过config的方式初始化拥塞控制模块1.mp4 [72.4 MB] 32_7.1-创建trendline单向延迟趋势估计器.mp4 [149.4 MB] 90_16.3-设置码率估计值.mp4 [81.6 MB] 63_11.3-更新估计的目标码率到编码器2.mp4 [126.5 MB] 15_3.4-解析Feedback包.mp4 [109.6 MB] 37_7.6-过载检测阈值自适应调整.mp4 [142.1 MB] 28_5.2-基于延迟的带宽估计核心原理.mp4 [87.5 MB] 4_2.1-实现RTP头部扩展的管理功能.mp4 [204.9 MB] 68_12.2-创建AlrDetector.mp4 [48.0 MB] 73_13.1-Probe的基本原理和作用.mp4 [51.4 MB] 92_16.5-主动请求探测2.mp4 [43.8 MB] 3_1.3-从google的一篇论文开始学习之旅.mp4 [70.6 MB] 69_12.3-更新ALR状态的开始时间.mp4 [121.7 MB] 61_11.1-更新估计的目标码率到pacer.mp4 [177.4 MB] 适合人群 WebRTC开发者 音视频工程师 网络优化工程师 学习收获 掌握WebRTC带宽估计与拥塞控制原理 学会音视频QoS优化方法 提升音视频传输质量 祝您学习愉快！ 学有所成，前程似锦！
