丢包对视频体验质量影响的分析

网络传输过程中发生丢包会降低用户对视频的体验质量。使用EvalVid仿真传输测试床来深入分析丢包率及不同位置丢包对用户体验的影响,并根据回归分析法建立了映射模型。用户使用该模型可以很方便地得出用户的体验质量。经理论分析证明该模型正确、易于操作,可实时检测丢包对视频的影响。     

丢包对音频流体验质量的影响分析

分组网络中丢包对音频流媒体用户体验具有显著影响,为了深入分析两者间的相关性,设计了丢包可控的多媒体仿真传输实验平台,采用回归分析,建立了编码方式、RTP分组间隔等多因素限定下丢包率与体验质量间的映射模型。该模型计算复杂度低,可实时预测丢包对体验质量的损害。     

CDN-P2P混合架构下直播流媒体系统服务应急保障研究

直播流媒体系统能够为网络用户提供丰富的直播电视节目,是发展最快的网络应用之一。然而,普遍存在的启动时延大、播放不流畅等问题,严重制约直播流媒体系统服务质量的改善。从资源分配与调度的角度,给出了直播流媒体系统资源的调度原则,提出一种基于服务器资源的应急调度方案,提高网络资源的利用率和节目的体验质量。试验结果表明,服务应急保障机制可以显著降低直播流媒体系统的启动时延,并减少丢包率。     

基于网络丢包的网络视频质量评估

针对传统的视频质量评估模型对于在包交换网络中传输的压缩视频（网络视频）进行质量评估的局限性,如对视频质量进行评估时实时性差、没考虑人眼的视觉感知等问题,提出了一种基于网络丢包的网络视频质量评估模型。该模型采用了统计学理论,它可根据视频编码、封装传输的特点,通过可量化的评价指标来评定视频质量受网络丢包的影响程度,以评估网络视频质量。利用该模型进行网络视频质量评估,不仅资源开销小、实时性好,而且特别适合对实时传输的视频流进行视频质量评估。为了验证该模型的正确性与可靠性,采用它与MPQM模型分别对受系列丢包率影响的视频序列进行了评估实验。实验结果表明,该模型的评价结果能较好地吻合MPQM模型的评价结果,且符合人眼的视觉效果。     

基于强化学习的网络时延自动化控制数学建模研究

传统的网络时延控制模型在分析时延原因时,仅从宏观角度分析,缺少建立网络模型的过程,导致时延控制能力差、数据传输时间长、丢包率大的问题。为解决此问题,设计一种基于强化学习的网络时延自动化控制模型。该模型的构建主要分为两部分,先是确定网络模型,具体分析网络时延出现的原因,在此基础上,利用强化学习中的Q学习算法构建自动化控制模型,以解决网络时延问题。实验结果表明:与传统的基于均衡调度的网络时延控制模型相比,该模型对网络时延的控制性能更好,且数据包传输时间缩短3.7 s,数据包丢包率降低5%,应用优势明显。     

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。     

基于Android的HLS播放器的实现和优化

HTTP Living Streaming(缩写HLS)是由苹果公司提出的基于HTTP的流媒体网络传输协议。在网络视频直播服务中,基于HLS协议构建的流媒体传输服务能更好的适应现有的网络,为用户提供接近实时的播放体验。本文介绍了Android平台上VLC开源播放器的HLS流解析部分实现,然后针对3G网络环境对播放器进行优化和改进。最后采用凤凰中文频道(支持HLS协议)作为测试源,结果表明改进后的播放器在3G网络环境播放体验大幅提升。     

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%。     

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。     

适用于流媒体传输的动态门限调度算法

为保证网络流媒体传输质量,在流媒体传输网络中需要对交换设备实施有效的缓存管理策略.结合流媒体数据对时延和丢包率敏感的特点,提出了一种基于E-Model传输级别的动态门限控制算法(EDTA),将交换设备的缓存管理分为全局门限控制和队列门限控制两部分.全局门限控制通过判断不同的传输场景进行门限控制,保证不同传输场景下的传输性能.队列门限控制则基于E-Model传输级别参数进行门限的划分和调整,保证流媒体的传输质量.实验结果表明该算法能有效改善流媒体的传输性能,对交换设备的缓存资源进行有效控制,并提高网络流媒体传输质量.     

基于MPEG4的自适应实时流媒体传输

论文阐述了在互联网环境下进行实时流媒体传输中存在的一些难点,并且给出了一个基于MPEG4的实时流媒体传输系统。并且希望能充分利用网络带宽,并且尽力减少媒体流由于网络时延和丢包所产生的影响。同时也关注由于丢包而引起的回放质量的下降问题。     

命名数据网络中基于自适应转发的拥塞控制机制

为了提高命名数据网络NDN(Named Data Networking)中视频数据的可靠传输,站在客户端的角度,提出一种基于自适应转发的拥塞控制机制AFCCP(Adaptive Forward Congestion Control Policy)。AFCCF以网络丢包最小化为目标,为接口的选择建立马尔科夫模型,通过前一时间间隔链路的状态,自适应地选择最佳的转发接口,减少兴趣包向拥塞链路的转发,降低网内的丢包数目,实现网络拥塞控制。在此基础上,AFCCF针对视频数据内部属性,考虑解码端特点,在网络发生丢包时,选择性地对数据包丢弃,实现视频内部重要数据的可靠传输。仿真结果表明,AFCCP在较低时延的条件下,实现网络较小的丢包率,增加用户接收数据包的数量,从而改善用户获取数据体验。     

一种嵌入视频流的丢包自测量方法

现有的丢包主动测量方法是通过探测流的丢包信息去推测网络的丢包特性,进而推测特定应用流的丢包,测量结果不能准确获知某一给定应用流的丢包情况.由于丢包通常属于短时间、小概率事件,要更加准确地测量丢包就意味着需延长测量时间,或者提高探测流的发送速率以及时发现丢包,这将不可避免地增加网络的额外负载.分析了不同类型帧损伤的影响,并以MPEG-4,H264 视频为研究对象,通过对其码流结构特点及RTP 封装策略的分析,提出一种将测量信息嵌入到视频用户数据域(User_Data)的丢包测量方法PLBU(packet loss measurement based on User_Data).该方法利用视频码流信息完成对丢包的探测,不影响视频的正常播放,不需要注入新的探测流,极大地降低了因测量而引入的额外负载.NIST Net 及Planetlab 等实验结果表明,该算法不仅丢包测量准确性高,且可提供丢包所属视频帧类型等信息,如视频中I,P,B 帧的数据包丢失的情况.借助该测量方法,服务提供商可评测网络视频流丢包,并分析视频体验质量(QoE)变化情况,且不受视频流在网络传输中的优先级影响.     

利用运动强度自适应传输视频内容

在异构的网络环境下,如何自适应地传输满足多种终端设备和不同用户需求的视频内容具有重要的意义.以达尔文流媒体服务器为实验平台,提出一套基于运动强度的视频自适应传输策略.在服务器端通过检测丢包率来控制发送速率等级,避免网络拥塞,并采取一定策略消除因丢帧而产生的马赛克;在自适应策略中加入了运动强度信息,针对不同的运动强度级别进行不同的处理,使得综合视频质量得到提高.实验结果表明,文中的自适应策略不仅可以避免网络拥塞,而且可以改善视频播放质量.     

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。     

基于视觉注意力变化的网络丢包视频质量评估

针对网络中受丢包损伤的视频提出了一种基于视觉注意力变化的全参考客观质量评估方法.该方法基于视觉显著性检测在视频数据上的应用,考察受网络丢包失真影响的视频数据与标准参考数据在空间和时间上引起的视觉注意力变化,并根据此变化相应的视觉显著性在空间和时间上的差异,提出了一组客观质量评估方法.文中采用17个受丢包损伤的视频数据进行测试,并实施了主观评价实验作为评价标准.与传统的没有考虑人眼视觉显著特性的质量评估方法,以及目前主流的基于视觉显著区域/感兴趣区域对失真像素进行加权的方法进行对比,实验结果表明, 基于视觉注意力变化的方法较后两者与主观质量评估结果有更好的相关性, 能够更有效地评估丢包损伤视频的质量.     

UGC视频网络QoS模型研究

把握网络QoS的变化对UGC视频QoE的影响程度对优化运营商网络至关重要。在不同地点跟踪通过网络损伤模拟各种QoS参数变化情况下UGC典型事务的事务时延,发现各种网络QoS参数对UGC视频QoE的影响程度不一,8 Mbps下行带宽、2%的丢包率、100 ms时延、64 ms抖动能够满足绝大多数UGC事务的QoE。只有将UGC业务部署优化和网络优化结合起来才能满足特定地区用户的QoE。     

一种基于流媒体的实时调度控制算法QFEC

Internet视频业务的普及和用户越来越高的服务需求推动了实时流媒体业务的迅速发展,流媒体业务的服务质量(QoS)成为业界研究的热点.由于网络的复杂性,流媒体的实时调度控制算法是解决流媒体QoS的关键.结合FEC编码技术和Kalman数字滤波技术,提出一种基于QoS的改进FEC调度传输控制算法——QFEC.该算法根据接收方的状态合理调度流媒体业务,并结合Kalman滤波器原理完成传输速率控制.通过算法状态分析,以及实验数据和性能分析表明,该调度算法能够维持视频数据良好的连续传输,降低视频流的丢包率,显著改善流媒体业务的QoS.     

基于RTP的H.264视频流实时打包传输的研究

随着无线宽带网络的快速发展,以及高效的视频压缩技术的应用,流媒体的实时高效传输成为亟待解决的问题。本文从视频传输系统模型入手,分析了最新视频编码标准H.264在算法上的层次结构特点以及音、视频实时传送协议RTP的高效性。并且随着适合H.264流的RTP载荷格式的提出,基于RTP的H.264流媒体无线传输渐渐地得到应用。本文成功实现了一种基于RTP的H.264传输算法,实验通过了TD330无线3G模块测试,并且获得良好的图像质量,实现了低时延、较小丢包率的打包算法。     

具有双边随机时延和丢包的网络控制系统稳定性分析

针对具有双边随机网络时延和丢包的网络控制系统,首先基于Markov的随机过程描述系统丢包的特性;然后利用系统增广矩阵的方法建立参数不确定的离散时间跳变系统模型,在考虑Markov链转移概率矩阵中部分元素未知甚至完全未知的条件下,采用Lyapunov稳定理论和随机理论的分析方法,设计依赖于丢包特性且满足系统均方稳定要求的时变控制器;最后通过数值算例仿真表明所提出方法的有效性.