MNMPC:一种通过混合预测提升用户流媒体播放体验的方法

针对实际网络中网络吞吐率的变化有很大程度的随机性,引入了分析模型预测控制(model predictive control,MPC)方法。通过对历史数据规律进行归纳总结并且将历史数据估计方法作为深度预测模块的补充,提出了一种多层感知的深度预测模块。相对于同期最佳模型,所提模型能够提高11%的预测准确度。将所提模型在真实网络中进行实验验证,结果表明,所提供的方法能够有效提升视频质量并降低重缓冲概率,从而提升用户体验。

基于QoE的网络性能和服务质量的研究

寻求更优的网络性能是无线网络优化的目标之一。随着网络的发展,用户的体验变得越来越重要,用户对服务质量的高低和网络性能的好坏具有最终裁决权。文中在简要介绍用户体验质量(QoE)概念的基础上,重点分析了影响QoE的关键因素,以及QoE与服务质量(QoS)、的关系,并指出了服务提供商和网络运营商研究QoE的重要性。

高QoE的低时延智能网络数据传输调度算法

面向低时延、稳定传输、高用户体验质量(quality of experience,QoE)的网络实时传输需求场景,提出一种低时延智能网络数据传输调度算法。该算法由数据块排队控制策略和拥塞控制策略两部分组成。数据排队控制策略提出了综合数据块的创建时间和有效时限(effective time)的性价比模型,有效地解决了传输时间约束下的信息传输不均衡问题;拥塞控制策略提出了基于使用耿贝尔分布(Gumbel distribution)采样重参数化与混合经验优先级模型改进后的深度确定性策略梯度(deep deterministic policy gradient,DDPG)方法,解决了深度确定性策略梯度不适用于离散网络动作空间拥塞控制的问题,并通过学习自适应调整发送参数显著提升了网络拥塞控制质量。实验结果表明,实时传输场景下使用本文提出的排队算法能够有效提升QoE,采用改进后的DDPG进行拥塞控制能大幅降低传输时延。同样场景下,将提出的智能网络数据传输调度算法与排队策略及拥塞控制策略相结合,与传统的网络数据传输调度算法相比,能够更好地兼顾低时延和稳定传输,提供更高的数据传输质量。

QoE驱动的VR视频自适应采集与传输

在虚拟现实(VR)视频流媒体传输中,如何在带宽受限的条件下提高用户的质量体验(QoE)是一项巨大的挑战。为了更好地提高资源利用率和用户的QoE,提出了一个面向多用户的QoE驱动上下行链路联合的VR视频流媒体自适应采集与传输系统。与传统的VR视频无线传输系统不同的是,所提系统考虑了上行传输部分。其中,视频服务器根据上行链路和下行链路的带宽信息、用户的实时视角信息,以速率自适应为基础进行码率选择和资源分配。定义了QoE驱动的码率选择和资源分配问题,以最大化整个系统所有用户的QoE值。提出了联合KKT条件和分支定界法的速率自适应选择算法。实验结果表明:所提系统可以有效提高所有用户的QoE值,与上行链路平均分配资源算法相比,系统QoE值提高了14.27%,同时与传统的VR视频速率自适应算法相比,系统QoE值提高了23.47%。

一种视频质量监测系统的设计与实现

网络服务提供商希望能从用户的角度了解目前网络所提供的服务质量,而用户也希望获得定量的指标来评价当前网络服务质量。为此,以视频质量监测为研究对象,提出一种面向用户体验质量的网络监测系统。通过实验分析了网络传输过程中QoS参数对视频QoE的影响;提出一种将视频流转化为测试序列的视频丢包测量方法,该方法能低入侵、准确测量视频传输过程中的丢包情况;基于以上的研究成果,通过对MIB库的扩展和对MIB库轮询机制的研究,构建了面向QoE的视频服务监测系统,该监测系统结构简单、可行性强,实验表明可实时对网络中的视频服务质量进行监测。

网络传输中IPTV的QoE评估模型的研究

IPTV是一种基于Internet的多媒体网络服务,由于Internet本身的不可靠性,使其在网络传输过程中无法保证服务质量。为了实时定量评估IPTV服务质量,提出了一种基于IPTV的用户体验评估模型,通过建立从网络服务质量QoS到用户体验质量QoE的映射关系,借助QoS测量技术,以实现针对QoE的在线评估。实验建立IPTV仿真平台,模拟真实网络环境下IPTV媒体流传输的整个过程,实现网络损伤QoS可控和QoE可测。针对不同编码和不同内容的视音频,分别建立独立的QoE评估模型。同时考虑到模型对数据精度和计算速度的需求,给出优化的QoE评估模型。实验结果表明,该评估模型与实际用户体验具有较高的拟合度。

E^2-QoE:一种支持QoE的LTE网络传输节能方法

对于流媒体数据业务,用户会更多的考虑其体验质量(QoE).由于LTE网络的利用率较低,在长流传输过程中带宽通常得不到充分利用,造成数据下载时间延长,并可能伴随有网络延时、抖动、数据重传的问题.这种不利因素不仅有损QoE,也造成设备不必要的能耗.针对用户QoE的分析,提出一个基于多层框架的QoE分析模型(M-QoE),它由应用层的QoS机制、网络层的QoE机制和主观QoE机制组成,从多个层面量化分析QoE的影响因素.基于M-QoE模型,提出一种基于QoE的LET传输节能方法,该方法综合考虑了QoE和能效的问题,根据用户行为习惯和感知体验来断定是否终止当前的请求链接,以此增加设备的休眠时间,降低设备的耗能.实验结果表明,E^2-QoE方法具有明显的节能效果.

自适应视频流QoE评估研究

提出一种自适应视频流用户体验质量(QoE)评估方案。在该方案中,采用单刺激方法对不同码率切换幅度和码率切换频率的视频样本进行评估。在真实网络环境下,分析了初始缓冲下行速度和卡顿对自适应视频流QoE的影响。通过用户主观评估实验,建立了码率分布、码率切换频率、初始缓冲下行速度、卡顿和主观平均意见分(MOS)之间的关系,得到它们对自适应视频流QoE的影响程度。相比网络服务质量(QoS)参数,研究的影响因素更能反映自适应视频流用户主观感知体验,对自适应视频流算法的改进和QoE评估模型的建立有显著应用价值。

基于用户QoE的室内可见光通信系统接入策略

在可见光通信网络室内场景中,针对用户难以选择合适的发光二极管进行接入从而实现高质量流量服务的问题,以用户为中心,引入系统性能指标:用户体验质量(QoE).以QoE概率覆盖模型为基础,提出基于用户QoE优化的贪婪接入算法.通过MATLAB进行仿真,将贪婪接入算法与就近接入方法在用户数量、覆盖概率、接入阈值、接收视角等方面相对比.结果表明:贪婪接入算法具有较高的系统稳定性、较大的接入用户比例、较优的平均用户体验和良好的公平性.

多径中继传输媒体业务QoE协同评价实现框架

满足和提升用户体验质量(QoE)是网络媒体业务传输服务的主要目标,QoE预测评价也是优化调整传输控制机制的主要依据.结合多径中继系统传输场景和业务会话传输控制需求,提出一种QoE协同评价机制,区别于端到端的业务QoE评价体系模式,QoE协同评价机制以集中式QoE评价服务器为核心,支持通过终端、中继服务器等多渠道搜集会话相关的业务和路径数据,基于增强的计算能力和更全面的数据源,可进一步支持"大数据"模式QoE评价模型.主要论述了协同QoE评价机制的基本框架,包括功能组件、接口设计,并分析了应用网络场景描述、信息采集方法,设计了控制报文以及评价流程.实验仿真验证了协同QoE评价机制的有效性和实用性.

基于BP神经网络的网络视频QoE评估

为有效感知网络视频末端受众体验质量,提出一种利用网络层QoS指标数据在线实时评估网络视频QoE的方法。基于BP神经网络,分别使用变学习率梯度下降和弹性BP两种算法,建立关系映射模型。在搭建仿真实验环境,模拟视频服务端到端传输过程和网络损伤,获取QoS与QoE指标数据的基础上,进行模型误差分析,实验结果表明,映射模型所得到的预测数据,与目标数据分布特征规律基本吻合,精确度满足预期要求。

无线通信系统中的QoS和QoE管理

现如今,无线通信系统由于它诸多的优势,已经广泛流行开来。从消费者的角度来看,我们可以认为最初使用无线通信系统的消费者需求只是从一个地方移动到另一个地方的不间断通信。无线通信系统最初启动的目的是为了满足这些消费者的最低需求,因此,第一代移动通信技术诞生了。之后,随着消费者需求的增加,第一代移动通信技术经历了不断发展,目前已经进入了第四代移动通信(4G)时代。在高速发展的过程中,由于消费者需求的重要性,运营商应该始终关心的是服务质量(QoS)和终端用户体验质量(QoE)。只有通过不断优化服务质量(QoS)和终端用户体验质量(QoE),才能将消费者满意度维持在较高的水平。因此,在无线通信系统的设计过程中,服务质量(QoS)和终端用户体验质量(QoE)的管理尤为重要。

基于QoE的自适应云桌面关键技术改进研究

针对云桌面中的关键技术,探讨了基于QoE的自适应解决方案。首先推导了云桌面服务质量与不同性能因素之间的指数关系模型。然后,将单个模型组合成一个集成的体验质量(QoE)模型。利用导出的QoE模型,提出了一种自适应的管理方案。仿真实验结果表明了该方案具有一定的实用性和有效性。

新一代铁路移动通信网络服务质量体系研究

网络服务质量(QoS)是铁路移动通信网络规划建设、运用维护的重要度量标准之一,新一代铁路移动通信网络需要构建与其技术特点、不断发展的业务需求相适应的QoS体系,因此,归纳总结QoS和用户体验质量(QoE)的基本概念、影响因素和量化方法,在互联网协议(IP)承载网中讨论QoS模型和铁路业务优先级映射方法,在无线接入网和核心网中重点论述时延、可靠性等QoS参数及映射方法;同时,针对未来IP语音(VoIP)通信的应用范式,提出端到端的呼叫会话和语音质量要求。结果表明:提出的QoS关键参数和映射方法,可构建新一代铁路移动通信网络的QoS体系,从而提高网络建设、评估和维护的水平。

基于长短期记忆的流媒体QoE预测模型

现阶段关于连续性QoE预测模型研究存在着实时性差和精确度不高的问题。针对这些问题,提出L-QoE模型,一种使用长短期记忆(LSTM)网络的基于递归神经网络的QoE预测模型,用于捕获时变QoE中涉及的非线性和复杂时间依赖性。基于公开可用的连续QoE数据库的评估,实验结果表明,L-QoE模型能够有效模拟QoE动态性,得出更精确的预测结果。将所提模型与最近提出的QoE预测模型进行比较,通过对比得出该模型在数据库中突出的性能。

基于公网的4K远程制作QoE对比

在大力发展4K超高清技术的背景下,远程制作作为一种异地间低成本、高效率的优质制作方式,正受到越来越多的重视。对此,根据深压缩编码格式的特点,针对图像质量、时延量、声画同步等关键问题进行横向的设备对比,为4K信号的远程制作提供测试流程和参数配比方面的经验总结。

流媒体视频的两阶段码率调节提升QoE策略研究

流媒体服务是流媒体技术在视频点播、在线直播、视频会议、远程教育等互联网信息服务中的应用总称,它带动了视频通信、视频消费和视频监控等业务的发展,并成为支撑智慧城市、智慧医疗、5G业务体系等工作的重要基础。目前的流媒体服务己脱离纯技术驱动的模式,正在走向技术与服务相结合、体验与互动并进的新模式,有效地改善了用户体验质量(Quality of Experience,QoE),是明确把握用户需求、优化服务、提高市场竞争力的关键。然而现实中网络环境的复杂不稳定导致流媒体服务经常会出现质量波动(码率变化)、卡顿的发生,这些都会导致用户的感知QoE的下降,从而降低对流媒体服务的满意度。因此,提供满意的QoE成为各大运营商、内容供应商的目标。通过流媒体码率调节来进行QoE的优化,取得以下进展:采取的码率调节策略是将视频播放分为初始启动阶段和稳定播放阶段,并且为每个阶段采取不同的优化目标,前者旨在缩短启动延迟,后者则改善视频质量和降低重载的次数。该策略与使用经典的码率适应方法相比较,可以有效减少由于请求播放的视频码率与波动网络吞吐量之间的不匹配而导致重载的发生,并且在实时QoE的提升上获得了出色的性能。

一种基于自由初始码率的自适应移动视频传输方法

受网络吞吐量及稳定性等因素影响,无线网络中的移动视频业务体验欠佳。为了提升移动视频用户体验质量(QoE,Quality of Experience),本文提出一种自由视频码率选择算法,不再对所有用户使用统一的低等级初始码率,而根据用户不同的网络状态来确定码率自适应传输的初始视频码率;同时,在视频播放过程中控制码率平稳变化。仿真实验利用Matlab软件,采用"停等"策略模拟LTE网络中的实时视频传输,以QoE评分为性能度量,验证本文方法的有效性。

基于AHP—3Q的云计算服务节点状态综合评价模型的研究

随着云计算技术的迅速发展,如何合理的评价每个节点的能力是其重要的研究主题。本文将现有文献的研究基础上,提出一个基于3Q的综合评价模型,并且用层次分析法(AHP)得到一个节点的综合评价。

基于用户体验质量的校园无线网络运行评价

通过对无线用户从开始关联、认证、访问网络和下线的上网流程进行全程分析,确定影响用户体验质量(QoE)的一些关键质量指标(KQI).经过进一步筛选,最终选取了6个KQI指标来评价用户体验质量,并给出了KQI的计算公式.通过对无线网管数据进行多维度分析,将KQI进行归一化,拟合出用户体验评价指数,对现有无线网络做出客观评价,量化校园无线网络用户体验,为无线网络调优和改扩建提供重要的依据.