網(wǎng)絡視頻業(yè)務中用戶QoE評估研究.pdf

1、用戶體驗質(zhì)量（Quality of Experience，QoE）評估是視頻業(yè)務質(zhì)量保障研究中面臨的一個重要問題。人們所處的信息化世界是一個巨大、復雜的通信生態(tài)系統(tǒng)，用戶的體驗會受到技術、經(jīng)濟、環(huán)境以及用戶自身等多個領域中各種因素的共同影響。如何準確分析各因素與 QoE之間的關系是當前研究的難點。本文重點研究視頻業(yè)務中的用戶 QoE評價方法。根據(jù)不同的應用場景，著重研究技術領域中網(wǎng)絡視頻質(zhì)量的評估方法，提出了一種參數(shù)規(guī)劃模型、一種包層評

2、估模型以及一種比特流層評估模型。另外，本文還研究了用戶領域和技術領域因素共同對用戶 QoE的影響，提出了一種QoE客觀評價模型。主要研究成果包括：
　　1.為了能夠?qū)W(wǎng)絡視頻的編碼和網(wǎng)絡參數(shù)合理規(guī)劃和部署，提出了一種結(jié)合視頻編碼特性和信道傳輸特性評估網(wǎng)絡視頻質(zhì)量的參數(shù)規(guī)劃模型。本文根據(jù)四狀態(tài)馬爾科夫信道特性分析了數(shù)據(jù)包丟失的各狀態(tài)概率分布，并結(jié)合數(shù)據(jù)包丟失的突發(fā)性與編碼視頻幀間的時域相關性推導出反映序列受損的參數(shù)以及反映視頻幀受損

3、的參數(shù)，利用這些損傷參數(shù)來預測網(wǎng)絡視頻的質(zhì)量。相比國際標準G.1070中的模型和T-V模型，該模型可以更準確地預測由直接丟包和錯誤傳播等因素造成的視頻失真。
　　2.為了能夠?qū)崟r預測網(wǎng)絡視頻質(zhì)量，在分析視頻內(nèi)容運動特性的基礎上建立了一種視頻質(zhì)量包層評估模型。該模型通過分析數(shù)據(jù)包頭信息計算視頻和網(wǎng)絡相關參數(shù)，然后根據(jù)每幀編碼比特數(shù)的變化情況提出一種基于動態(tài)閾值的視頻幀類型檢測方法?？紤]到視頻內(nèi)容運動特性對視頻質(zhì)量的影響，采用平均P幀

4、編碼比特數(shù)與平均I幀編碼比特數(shù)的比值來預測視頻的時間復雜度。在此基礎上，利用編碼碼率和視頻內(nèi)容的時間復雜度預測視頻的編碼失真，并結(jié)合丟包位置、時間復雜度等信息預測由丟包引起的失真，最后得到視頻的質(zhì)量。實驗結(jié)果表明，其性能明顯優(yōu)于國際標準 G.1070中的模型和德國電信提出的DT模型。
　　3.為了能夠更準確地預測數(shù)據(jù)包丟失對視頻質(zhì)量的影響，構建一種基于幀質(zhì)量的視頻質(zhì)量比特流層評估模型。根據(jù)丟包對視頻幀質(zhì)量的影響將視頻幀劃分為四類，

5、即未受丟包影響的幀、受參考幀丟失影響的幀、受錯誤傳播影響的幀以及受二者共同影響的幀。另外，考慮到不同視頻內(nèi)容對視頻幀質(zhì)量的影響，通過對視頻幀中的運動部分和靜止部分進行區(qū)分，計算得到描述視頻運動特性的時間復雜度。結(jié)合視頻內(nèi)容特性，對不同類型的視頻幀的質(zhì)量分別進行預測。在此基礎上，進一步通過兩級時域聯(lián)合算法得到序列的質(zhì)量。相比其他兩個基于幀質(zhì)量的視頻質(zhì)量評價模型，所提模型具有更好的性能。
　　4.為了能夠更全面的評價視頻業(yè)務中用戶的感

6、受，結(jié)合用戶對視頻質(zhì)量和內(nèi)容的感知提出一種基于用戶行為表征的QoE客觀評價模型。不同于傳統(tǒng)意義上的QoE評價方法，該模型著重分析用戶對視頻質(zhì)量的感知以及對視頻內(nèi)容的感興趣程度，并結(jié)合這兩個視頻業(yè)務中最基本的感知層面來預測用戶的QoE。為了客觀描述用戶觀看視頻時的興趣度，文中設計了一種與觀看過程同步的基于單攝像頭的眼部行為檢測方法，并著重分析一些無意識的眼部行為，例如眨眼、凝視等，從中選取眨眼行為來表征用戶的興趣度。實驗結(jié)果表明，預測Qo