QoE enhancement of the industrial metaverse based on Mixed Reality application optimization

As a comprehensive integration of many new-generation information technologies, the metaverse has become a research hotspot that has attracted much attention. As a part of the metaverse, the industrial metaverse is expected to break through the constraints of space and time and promote high-quality industrial development. The industrial metaverse is human-centric, so its quality of experience (QoE) is a key topic. As one of the enabling technologies of the industrial metaverse, Mixed Reality (MR) can seamlessly integrate virtual information with the physical world and is widely regarded as an important window to the industrial metaverse. In close integration with other enabling technologies, industrial MR applications can be seen as a path toward the realization of the industrial metaverse; thus, the optimization of industrial MR applications can effectively achieve the QoE enhancement of the industrial metaverse. Based on the analysis of existing research and the characteristics of industrial scenarios, consistency, authenticity, smoothness, and comfort are identified as the factors that influence the user experience (UX) of industrial MR applications. Specific optimization methods for industrial MR applications are proposed to improve the UX with regard to these four factors. To verify the effectiveness of the proposed methods, a QoE evaluation model of the industrial metaverse based on the fuzzy analytic hierarchy process (FAHP) is established. Moreover, an industrial metaverse prototype for longwall mining that incorporates the proposed methods is developed and its QoE is evaluated. The results show that the proposed optimization methods for industrial MR applications significantly enhance the QoE in the industrial metaverse, and can provide better services for users in industrial systems, thus better serving these systems.     

基于用户满意度模型的云计算QoE评价方法

在探讨如何测量与评价云计算QoS的基础上,提出一种基于用户满意度模型的量化云计算服务的QoE评价模型,该模型既有QoS技术性能的反馈,又着重于用户的服务满意度.最后给出实例加以说明.     

基于解码缓冲信息的IPTV QoE策略

提供一种可在IPTV用户的终端接收设备上评测QoE(Quality of Experience)的方法。该方法通过实时监测设备上的解码缓存的状态以及缓存中的媒体丢失率作为参数,并基于统计和实验数据建立这些参数和QoE的函数关系,最终给出它们之间的推算公式来量化当前流媒体视频的QoE等级(MOS值)。考虑到终端设备(如IPTV机顶盒)的处理能力在应用中还会对相应方法做一些优化。     

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。     

Connected without disconnection: Overview of light field metaverse applications and their quality of experience

With the rapid technological advances of the recent years, the practical instances of the metaverse have become more immersive and engaging than ever before. In their most frequent forms, the 3D virtual worlds of the metaverse are enabled by virtual reality headsets. This means that the user is completely disconnected from its real environment and is fully immersed in such a virtual world. The quality of experience of virtual reality and other headset-based technologies is now definitely a hot research topic, and the findings of the relevant scientific efforts are continuously emerging. However, as a headset-free immersive 3D technology, light field visualization is greatly underinvestigated with regard to the concept of the metaverse. In this paper, we address the applications of light field metaverse, compare its advantages and disadvantages to more conventional metaverse technologies, and discuss the most important issues regarding user experience. The paper highlights the user-oriented considerations for the development of general-purpose and dedicated light field displays. Additionally, our work examines state-of-the-art display systems and the current feasibility of a light field metaverse.     

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。     

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。     

移动流媒体用户QoE评估模型

HAS(HTTP Adaptive Streaming)能够实现流畅播放和视频质量的平衡,为用户提供更好的服务质量体验。大多数基于HAS的流媒体用户体验质量(Quality of Experience,QoE)模型考虑了当前系统或网络条件,但对用户所处环境的客观影响、用户心理因素的考虑较少。面向移动流媒体客户端的应用场景,从客观感知影响参数和心理效应影响参数两个方面来考虑移动端流媒体的QoE影响因素,设计用户QoE评估模型。提出移动设备抖动状态检测和用户观看位置检测方法,并将设备抖动状态、用户观看位置与流媒体服务质量相结合,再根据心理学系列位置效应来综合评估用户的质量体验情况。最后通过实验证明了所提的用户QoE模型能够提供准确有效且符合用户实际体验的QoE评估结果。     

基于用户体验延迟的QoE层次评估模型

针对Web服务中难以获得反映用户体验的数据,且难以对用户体验质量（QoE）进行评估的问题,在分析了Web数据和现有评价方法的基础上,提出了一种融入用户体验延迟ED的QoE层次评价方法。该方法基于层次分析法,并结合人类生理主观感受,能够更加客观地衡量用户体验。通过相关案例验证了该方法的可行性。     

HTTP移动流媒体QoE管理综述

随着移动通信网络和技术的快速发展,多媒体信息的大量涌现,人们对多媒体信息服务的要求也越来越高。基于HTTP协议的移动流媒体由于拥有广泛运营基础的Web服务器网络环境,部署简单,适用范围广泛等优点成为研究的热点。简要介绍了HTTP移动流媒体的相关特点,重点分析了影响HTTP移动流媒体用户体验质量的各层因素,归纳总结了评价方法和现有的工具,并对 HTTP 移动流媒体相应的优化进行了介绍,最后对HTTP移动流媒体QoE管理进行了总结和展望。     

XOS：面向用户体验质量的高能效异构多核调度算法

智能移动设备的重要作用日益凸显,然而,对于性能的追求与有限电池容量的矛盾制约了产业的发展.异构多核处理器架构以其平衡性能与能耗的优势,成为一种新型的解决方案.用户体验优化是智能移动设备的重要设计目标.借助一个分段式的用户体验模型,提出了面向异构多核设备的XOS(experience oriented scheduler)调度算法.XOS能够跨层获取任务信息,识别与用户直接交互的任务组,保证这些任务的计算资源分配以保障用户体验,同时限制非交互性任务的计算资源以降低能耗.通过建立一套仿真系统验证了算法的有效性并进行了调整优化,然后在Odroid-XU3开发板Android系统中进行了原型实现和验证.实验结果表明：XOS算法对于不同类型的任务仅产生了2.7%～7.3%的用户体验下降,但节省了8%～48%的能量.     

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.     

A real-time QoE methodology for AMR codec voice in mobile network

This paper studies a general strategy to predict voice Quality of Experience （QoE） for various mobile networks. Particularly, based on data-mining for Adaptive Multi-Rate （AMR） codec voice, a novel QoE assessment methodology is proposed. The proposed algorithm consists of two parts. The first part is devoted to assessing speech quality of fixed rate codec mode （CM） of AMR while in the other one a adaptive rate CM is designed. Measuring basic network parameters that have much impact on speech quality, QoE can be monitored in rei time for operators. Meanwhile, based on the measurement data sets from real mobile network, the QoE prediction strategy can be implemented and QoE assessment model for AMR codec voice is trained and tested. Finally, the numerical results suggest that the correlation coefficient between predicted values and true values is greater than 90~0 and root mean squared error is less than 0.5 for fixed and adaptive rate CM.     

元宇宙下的智慧博物馆研究进展

中华民族拥有五千年的灿烂文化,各民族在各个历史阶段创造出的文物是中华民族繁荣昌盛的见证。博物馆作为文物收藏、文化展示的公共平台,在我国文化传承的过程中起着重要作用,随着科技的发展,当前博物馆已经步入智慧化建设时代。本文对数字化采集技术、文物真实感重建技术、虚拟结合智能交互和智慧平台建设等关键技术进行了对比分析,对诸多数字博物馆与艺术机构的案例进行了比较研究,对在元宇宙下建设智慧博物馆的发展趋势进行了展望。元宇宙技术融入智慧博物馆建设,是把握新一轮科技革命和产业变革新机遇的战略方向,有利于博物馆的数字化建设,有利于保护和发展中国优秀传统文化,对促进文化繁荣、构筑文化自信以及建设文化强国具有重要意义。     

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.     

个人云存储体验质量测量工具的设计与实现

随着用户日益增长的网络存储需求,涌现出了大量个人云存储（PCS）服务平台。个人云存储终端用户使用过程中体验质量（QoE）的测量是终端用户和服务提供商所共同关注的问题。通过从控制流与数据流之间的不同特性方面分析了影响个人云存储体验质量的因素,从终端用户的角度提出了能合理评估个人云存储体验质量的指标,设计了精确测量体验质量评估指标的方法。利用被动测量技术,实现了一个面向终端用户的个人云存储服务体验质量测量工具,同时给出了工具实现中的进程抓包、网络流分类等问题的解决方案。实验结果表明,测量工具运行健壮,测量数据准确,可以用于从用户终端测量个人云存储服务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。     

Subjective evaluation of critical success factors for a QoE aware adaptive system

For many years video content delivery has established itself as the killer application. Improving QoE on adaptive streaming is focusing many efforts in the quest for optimized methods and metrics to allow a QoE driven adaptation. Questions such as whether adaptive systems based on Scalable Video Coding improve subjective quality and in which situations or to what degree are still open issues. Tolerance and indifference thresholds for each type of content, conditions or viewer category, with regard to adaptive systems are critical success factors that are yet unresolved. We compare the performance of a complete adaptive system with the traditional, i.e. non-adaptive, approach in subjective terms. Results of surveying 75 participants show that the adaptation improves QoE under most of the evaluated conditions. Tolerance thresholds for triggering adaptation events have been identified. Users accustomed to Internet video are more critical than users that only watch TV. The under 35 year old subset among the available population is generally more satisfied with the adaptive system than the older subset.     

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中的质量体验,以便提前发现质量问题,进一步开展网络和业务优化工作.为了解决该问题,提出一种基于用户呼叫/事务/会话记录数据(extend data record, XDR)的无参考网络视频质量评估方法.该方法从大量XDR数据中提取出与视频质量相关性高的少量信息,将大规模、低价值的XDR话单数据转化为高价值、小规模的视频质量特征信息,有利于后续人工智能算法的应用和视频业务质量评价,降低进一步数据挖掘的资源成本,提升机器学习的输入样本质量和QoE评价结果的准确性.实验表明：使用该方法提取后的数据进行QoE预测,得到的预测结果在准确性方面明显优于目前基于原始XDR数据的QoE机器学习评估方法.