無(wú)線(xiàn)視頻流業(yè)務(wù)的用戶(hù)體驗(yàn)質(zhì)量估計(jì)模型及其應(yīng)用.pdf

1、隨著無(wú)線(xiàn)通信技術(shù)的高速發(fā)展，無(wú)線(xiàn)視頻流業(yè)務(wù)應(yīng)用越來(lái)越廣泛，人們對(duì)無(wú)線(xiàn)視頻流的服務(wù)質(zhì)量期望也逐漸提高。為了獲得用戶(hù)對(duì)視頻流服務(wù)的認(rèn)可，服務(wù)提供商迫切需要建立一種以用戶(hù)認(rèn)可程度為標(biāo)準(zhǔn)的質(zhì)量評(píng)價(jià)體系。傳統(tǒng)的服務(wù)質(zhì)量(Quality of Service，QoS)是一種被廣泛采用的服務(wù)度量方法，但是QoS強(qiáng)調(diào)技術(shù)層面的客觀評(píng)價(jià)指標(biāo)，不能直接體現(xiàn)用戶(hù)對(duì)視頻流質(zhì)量的真實(shí)感受。用戶(hù)體驗(yàn)質(zhì)量(Quality of Experience，QoE)是一種以

2、用戶(hù)認(rèn)可程度為標(biāo)準(zhǔn)的服務(wù)度量方法，它以用戶(hù)對(duì)業(yè)務(wù)的使用感受為研究重點(diǎn)，能評(píng)價(jià)業(yè)務(wù)中多種QoS指標(biāo)對(duì)用戶(hù)體驗(yàn)的影響。QoE直接反映了用戶(hù)對(duì)服務(wù)的認(rèn)可程度，是決定無(wú)線(xiàn)視頻流業(yè)務(wù)能否取得成功的關(guān)鍵因素。因此，用戶(hù)體驗(yàn)質(zhì)量不僅是學(xué)術(shù)界的重點(diǎn)研究課題，也是工業(yè)界實(shí)現(xiàn)業(yè)務(wù)發(fā)展關(guān)注的焦點(diǎn)。為了保證無(wú)線(xiàn)網(wǎng)絡(luò)視頻流業(yè)務(wù)的用戶(hù)體驗(yàn)質(zhì)量，對(duì)無(wú)線(xiàn)視頻流業(yè)務(wù)進(jìn)行質(zhì)量評(píng)估及其應(yīng)用優(yōu)化有重要的研究意義和實(shí)用價(jià)值。本文圍繞無(wú)線(xiàn)視頻流業(yè)務(wù)的QoE，研究無(wú)線(xiàn)網(wǎng)絡(luò)中視頻流業(yè)

3、務(wù)的用戶(hù)體驗(yàn)質(zhì)量估計(jì)模型及其應(yīng)用。
　　在無(wú)線(xiàn)視頻流業(yè)務(wù)用戶(hù)體驗(yàn)質(zhì)量估計(jì)方面，針對(duì)現(xiàn)有QoE估計(jì)方法存在的評(píng)估指標(biāo)不全面、評(píng)估準(zhǔn)確度不理想等問(wèn)題，本文提出了一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Networks，RBFN)的無(wú)參考質(zhì)量評(píng)估模型。首先，我們分析了端到端跨層參數(shù)對(duì)視頻流業(yè)務(wù)用戶(hù)體驗(yàn)質(zhì)量產(chǎn)生的影響。然后，在無(wú)需原視頻作比較的前提下，建立了基于RBFN的QoE估計(jì)模型，詳細(xì)闡

4、述了基于RBFN的QoE估計(jì)模型的評(píng)估原理與流程。最后，我們仿真驗(yàn)證所提出的QoE估計(jì)模型，并與其它四種典型的無(wú)參考估計(jì)模型進(jìn)行比較分析，結(jié)果表明我們所提出的基于RBFN的QoE估計(jì)模型不僅評(píng)估準(zhǔn)確度最高，而且具有低的時(shí)間復(fù)雜度。
　　針對(duì)QoE估計(jì)模型在無(wú)線(xiàn)視頻流業(yè)務(wù)優(yōu)化的應(yīng)用方面，本文提出了一種基于QoE的視頻流業(yè)務(wù)傳輸控制優(yōu)化機(jī)制，該優(yōu)化機(jī)制聯(lián)合了丟包率與端到端單向時(shí)延增減趨勢(shì)信息對(duì)網(wǎng)絡(luò)狀態(tài)進(jìn)行細(xì)分并判斷網(wǎng)絡(luò)擁塞程度，視頻流