無(wú)線視頻流業(yè)務(wù)的QoE評(píng)估模型及其在傳輸控制中的應(yīng)用.pdf

1、隨著移動(dòng)通信技術(shù)的不斷演進(jìn)與智能終端設(shè)備的更新?lián)Q代，無(wú)線網(wǎng)絡(luò)HTTP視頻流業(yè)務(wù)呈現(xiàn)蓬勃發(fā)展的態(tài)勢(shì)，正逐漸成為電信運(yùn)營(yíng)商與內(nèi)容提供商未來(lái)新一輪的業(yè)務(wù)增長(zhǎng)點(diǎn)。而作為服務(wù)的買(mǎi)方與受眾，廣大用戶(hù)的滿意度是衡量視頻流質(zhì)量的關(guān)鍵指標(biāo)。因此，如何對(duì)用戶(hù)觀看視頻流時(shí)的體驗(yàn)質(zhì)量(Quality of Experience, QoE)進(jìn)行準(zhǔn)確、有效地評(píng)估，并根據(jù)網(wǎng)絡(luò)狀況及時(shí)調(diào)整傳輸控制策略，實(shí)現(xiàn)用戶(hù)QoE的動(dòng)態(tài)優(yōu)化，已成為學(xué)術(shù)界與工業(yè)界共同關(guān)注的課題。圍繞

2、該課題，論文主要研究無(wú)線網(wǎng)絡(luò)HTTP視頻流業(yè)務(wù)的QoE評(píng)估模型及其在傳輸控制中的應(yīng)用。
　　本研究主要內(nèi)容包括：⑴針對(duì)無(wú)線網(wǎng)絡(luò)HTTP視頻流業(yè)務(wù)的QoE評(píng)估技術(shù)，將端到端視頻流的綜合影響因素劃分為客觀感知與心理感知兩類(lèi)，具體包括內(nèi)容特征、編碼參數(shù)、網(wǎng)絡(luò)傳輸參數(shù)以及播放緩沖參數(shù)。結(jié)合兩類(lèi)因素對(duì)QoE的影響程度，采用乘性融合方法計(jì)算綜合QoE，提出一種基于支持向量機(jī)(Support Vector Machine, SVM)的QoE評(píng)估

3、模型，并在仿真環(huán)境下將其與現(xiàn)有其他四種QoE評(píng)估模型進(jìn)行比較。結(jié)果表明，提出的SVM-QoE模型在評(píng)估準(zhǔn)確度方面表現(xiàn)優(yōu)秀，擁有最高的皮爾森相關(guān)系數(shù)與最低的均方根誤差，同時(shí)具備較低的計(jì)算復(fù)雜度，能應(yīng)用于實(shí)時(shí)評(píng)估系統(tǒng)。⑵針對(duì)無(wú)線網(wǎng)絡(luò) HTTP視頻流業(yè)務(wù)的傳輸控制技術(shù)，采用可伸縮視頻編碼技術(shù)作為源端編碼方式，以長(zhǎng)時(shí)預(yù)期QoE作為優(yōu)化目標(biāo)，為無(wú)線視頻流傳輸建立部分可觀察馬爾可夫決策過(guò)程框架，結(jié)合SVM-QoE評(píng)估模型，提出一種基于QoE的視頻流

4、碼率自適應(yīng)方案。同時(shí)，提出一種在線學(xué)習(xí)算法，通過(guò)迭代學(xué)習(xí)逼近最優(yōu)解，以降低系統(tǒng)計(jì)算復(fù)雜度。經(jīng)仿真比較，論文提出的QoE-Learning碼率自適應(yīng)方案能根據(jù)網(wǎng)絡(luò)環(huán)境實(shí)時(shí)地調(diào)整視頻流碼率，有效緩解鏈路擁塞，提升用戶(hù) QoE，同時(shí)具備良好的帶寬適應(yīng)性與播放平滑性。⑶利用提出的SVM-QoE評(píng)估模型與QoE-Learning碼率自適應(yīng)方案，電信運(yùn)營(yíng)商與內(nèi)容提供商能根據(jù)已知的參數(shù)信息準(zhǔn)確估計(jì)用戶(hù)觀看 HTTP視頻流業(yè)務(wù)的QoE，并通過(guò)自適應(yīng)碼率