移动云计算用户QoE的模糊综合评价研究

提出了一种旨在对移动云计算产品使用过程中的QoE进行综合评价的模型。首先结合用户目标实现的有效性,建立了包括功能体验、技术体验、过程体验、人性化体验、结果体验5个维度的移动云计算用户QoE评价指标体系模型;然后采用层次分析法确定了指标体系中相关因素的权重,并根据模糊隶属度函数对QoE评价标准进行了模糊化处理;最后采用模糊评价方法对QoE进行评价。实例表明移动云计算用户QoE的综合性评估模型可以有效地对QoE进行综合性评价。     

基于用户QoE的流媒体系统性能测评模型设计

影响流媒体用户服务质量体验QoE(Quality of Experience)的因素有很多,如何对用户QoE进行量化判别是一个复杂的问题。为此,以媒体传输指标MDI为基础,研究了用于测量流媒体用户QoE的基本指标,并提出了相关测量数据的获取方法。以流媒体用户的实际体验质量为依据,提出了一种有效的流媒体系统性能评价模型,该模型为流媒体系统的性能分析和优化调整提供了理论基础,具有广泛的应用价值。     

移动视频业务QoE自适应测量工具

针对不同无线环境（3G、WiFi）下获取用户体验质量（Quality of Experience,QoE）数据困难和不精确的问题,提出一种基于安卓（Android）移动终端视频业务QoE的自适应测量方法.通过实时测量并评估用户在线视频业务体验质量,提高用户体验质量评价的准确性和实用性.为此开发了能自动测量视频QoE的工具,测量服务质量（Quality of Service,QoS）客观参数,通过效用函数映射到主观QoE（MOS值）.通过对理论QoE评价模型（取自文献）与用户实际反馈相关性研究改进理论模型.结果表明,无线环境下改进的模型测量结果更接近用户实际反馈,可以更好地评价QoE.     

用户体验质量评估模型及KQI权重计算方法

根据影响用户体验质量(QoE)的技术因素和非技术因素,建立QoE评估模型,以较好地呈现用户主观感受和网络因素。利用该模型提出一种关键质量指标(KQI)权重计算方法,应用模糊层次分析法计算KQI指标初始权重值,并通过影响QoE的非技术因素动态改变KQI指标的权重,使静态QoE评估过程动态化、实时化。仿真实验结果表明,该方法能保证最先假定的技术因素和非技术因素对QoE的影响程度各占50%,较为直观和真实地反映用户感受。     

IP网络中视频流QoE评价模型

网络视频业务的兴起使网络运营商和服务提供商更加关注视频的用户体验（QoE）,然而视频用户体验（QoE）值由于其主观性且评价过程复杂,难以在视频流传输中实时获取。通过实验分析了视频传输过程中服务质量（QoS）参数变化对视频QoE的影响,建立了客观、可测量的QoS参数与视频QoE之间映射模型,用可量化的QoS参数来评定视频QoE受网络性能的影响程度,以评估网络视频质量,该模型形式简单,能够实时监测视频质量。实验结果表明,该模型的评价结果能较好反映视频QoE。     

基于广义线性模型的QoE评估方法研究

基于简化的广义线性模型,建立了QoE等级概率分布回归模型。该模型能够通过网络QoS参数映射得到用户QoE等级累积概率分布。采用最大似然估计完成了对模型参数的估计,并使用皮尔逊方法对模型的拟合优度进行了检验。Web业务的QoE评估实例验证了方法的有效性。     

基于QoE感知的中继卫星带宽资源分配方法研究

为改善数据中继卫星的带宽分配对负载传输效率的影响，提出了一种基于用户体验质量QoE感知的中继卫星带宽资源分配方法。考虑到空间信息网络高动态链路情况下传输的可靠性，建立基于多个静止同步轨道卫星协同接入模型，研究了低轨道用户卫星进行多路数据上传的优势特点。通过设置链路效能函数，其将用户QoE满意度量化为链路反馈和链路成本，并用库恩塔克方法求解，实现最大化系统效能和带宽公平分配。研究结果表明，与Load-Balancing和Best-SNR-First方法相比，该方法不仅保证了用户QoE满意度，还提升了网络的接入性能。     

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。     

基于QoS量化用户体验质量的评价模型

针对网络环境中业务供应商提供的业务不能很好的满足用户需求的问题,引入用户体验质量（QoE）并结合服务质量（QoS）参数,通过仿真网络得到相应数据,使用matlab工具分别建立用户体验质量与比特率、用户体验质量与丢包率的评价模型.运用统计分析方法对评价模型进行数据分析,并与史蒂文斯幂定律、韦伯-费希纳定律等模型进行对比验证.结果表明,构建的评价模型能更精确的体现用户体验质量与服务质量的关系,为供应商提供了重要的参考依据,并指明了服务方向.     

LTE-A系统中基于QoE能效的无线资源分配算法

针对无线通信网络能耗日益增加与用户体验质量(quality of experience,QoE)难以得到保证的问题,提出一种LTE-A系统基于QoE能效的资源分配算法。首先,给出联合优化QoE和能效的数学模型,特别的考虑了用户最小QoE要求;其次,根据约束条件提出了一种迭代算法进行用户资源块(resource block,RB)分配,然后利用分数规划的性质并采用凸优化方法求得最优的发射功率来优化目标函数。仿真结果表明,相较现有基于能效的资源分配算法,该算法在提高系统性能的同时有效的保证了用户QoE。     

服务功能链中基于机器学习的QoE评估与预测

在软件定义网络与网络功能虚拟化协同的网络架构下,只考虑单个服务质量（QoS）指标的服务功能链部署无法满足用户的多业务体验需求。提出一种基于机器学习的服务功能链部署模型。基于层次分析法构造MPNQ2算法以建立QoS与体验质量（QoE）的映射关系,得出影响QoE的网络参数并评估其影响权重。在此基础上,利用具备较强综合学习和泛化能力的随机森林模型对服务功能链的QoE进行预测。实验结果表明,与梯度提升决策树、线性判别分析等机器学习模型相比,随机森林模型为预测QoE的最佳模型,同时在影响QoE的网络参数中,丢包率对服务功能链的部署影响最大。     

一种基于视频分类的码率自适应算法

流媒体的码率自适应算法依据网络状态动态调节视频块的码率,提升用户体验质量,但忽略了视频类型的差异对用户体验质量的影响,导致算法性能下降。提出区分视频类型特征的码率选择算法C-ABR。设计相应的用户体验质量效用函数,使用强化学习算法训练模型A3C,提升用户体验质量。实验结果说明,相对于典型的码率自适应算法Pensieve和MPC,C-ABR算法用户体验质量分别提升22.7%和50.4%。     

基于XDR数据分析的OTT视频服务感知质量评估方法

互联网电视(over the top,OTT)视频业务逐渐成为最流行的在线业务之一,然而网络视频往往由于网络质量差、服务平台过载等原因,出现播放失败、卡顿次数增加、缓冲时间过长等质量问题,导致用户感知质量(quality of experience,QoE)下降.因此,运营商需要精确评估和掌握用户在使用网络视频业务过程...     

A survey of data-driven approach on multimedia QoE evaluation

With the development of mobile communication technology and the growth of mobile device, the requirements for user quality of experience (QoE) become higher and higher. Network operators and content providers are interested in QoE evaluation for improving users’ QoE. However, multimedia QoE evaluation faces severe challenges due to the subjective properties of the QoE. In this paper, we provide a survey of the state of the art about applying data-driven approach on QoE evaluation. Firstly, we describe the way to choose factors influencing QoE. Then we investigate and discuss the strengths and shortcomings of existing machine learning algorithms for modeling and predicting users’ QoE. Finally, we describe our research work on how to evaluate QoE in imbalanced dataset.     

移动互联网下视频时延的用户体验质量研究

随着移动互联网的发展,移动视频业务的迅速爆发,良好的用户体验质量(QoE) 成为运营商挽留用户的关键因素。从用户体验角度,建立不同时延下移动视频业务的评价量化 标准。通过情景实验模拟的方法,以平均主观意见分(mean opinion score,MOS)量表建立用户 视频体验质量的实数映射关系。针对用户对视频观看时延的有效反应进行分级研究,得到以下 结果：单次和多次的初始缓冲时延和卡顿时延对用户观看移动视频的影响并建立用户体验质量 评价等级。在短视频中出现单次时延在4 s 以上,用户会出现负面情绪;在相同延迟时长下, 单次的初始缓冲时延的用户体验质量略优于卡顿时延;对于在一定播放时长的移动视频业务中 出现多次卡顿,卡顿时延短但是间隔频繁的体验质量比卡顿时延长但是间隔时间长的体验质量 要更差。     

MMS业务的QoE定义与测量

用户体验质量已成为移动通信中的一个热门话题,为了有效地测量多媒体短信业务（MMS）的用户体验质量,分析了QoE的定义以及它与传统QoS的区别,介绍了QoE的KQI和KPI之间的相互关系并建立起QoE的映射模型;然后,结合MMS业务的实现流程以及所涉及的网元设备详细定义了MMS业务中的KQIs与KPIs,最后,针对MMS业务提出了一种基于统计样本的QoE测量方案,通过测量明确KPIs与QoE之间的关系以及影响用户体验质量的因素,这对于提高用户的体验质量有重要意义。     

Packet loss rate mapped to the quality of experience

In order to study the influence of packet loss on the users’ quality of experience QoE and establish the Mapping model of the two when the video transmit in the network, building a NS2?+?MyEvalvid simulation platform, by the method of modifying QoS parameters to simulate different degrees of packet loss, focus on the influence of packet loss on QoE and establish the mapping model between them. Experimental results show that, packet loss has a significant influence on Quality of experience. Packet loss rate and the Quality of experience presents a nonlinear relationship, and use Matlab to establish the mapping model, this model’s accuracy is high, easy to operate, can real-time detect packet loss has influence on the user’s quality of experience (QoE).     

宽带用户感知质量（QoE）评测体系研究

如何通过量化的方法来表示用户对业务与网络的体验和感受,并反映当前业务和网络的质量与用户期望间的差距,成为在当前通信业激烈竞争大背景下,运营商提高终端用户的满意度、留住用户并扩大用户规模的关键。通过对宽带用户QoE关键影响要素进行分析,建立一套较为完善的宽带用户QoE评测体系和方法,以期为运营商宽带QoE评测提供参考和借鉴。