一种VoIP语音质量评价模型

在VoIP系统中,传输网络性能(QoS)参数对可感知语音质量(Quality of Experience, QoE)起着基础性的影响作用,但QoS取值情况并不能直接反映和代表QoE水平。为此,基于对VoIP传输特征的分析,首先采用PESQ,E-Model算法分析了单个QoS参数对QoE损伤的影响;在单个因素计算的基础上,通过对E-Model算法的扩展研究了QoS参数综合作用情况下语音QoE值的变化情况;采用回归分析的方法建立了QoS参数与语音 QoE的映射模型,模型构成简单。验证实验表明,该模型与语音QoE客观评价方法之间具有很高的相关度,满足对网络运行状况及VoIP QoE实时监测的要求。     

IP网络语音质量评价方法研究

介绍VoIP语音质量评价主客观方法的主要分类,分析和对比多种主客观评价方法的机制和优缺点,最后,展望语音质量评价方法的发展趋势。     

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.     

一种基于IP网络的视频流系统模型

介绍了一个基于网络的视频流系统,重点介绍了系统的结构模型、系统的协议模型、关键技术,以及实现要点。IP     

用户体验质量(QoE)的模型与评价方法综述

随着信息时代的到来,新的多样性的信息服务大量涌现,人们对信息服务的要求也越来越高.为了获得用户对服务的认可,服务提供商必须确保良好的用户体验质量.因此,用户体验质量不仅成为学术界重要的研究课题之一,而且也成为工业界关键的服务评价指标之一.文中综述了用户体验质量的模型与评价方法等方面的工作.介绍了该领域的研究现状与进展,总结归纳了用户体验质量的影响因素、量化方法及三类评价方法学,重点讨论了几种具体的基于不同学科的用户体验质量的模型和评价方法.基于这些讨论,该文以视频流媒体服务为背景,提出了基于隐马尔可夫的用户体验质量模型,建立了基于随机模型的评价方法,对未来的研究方向进行了展望.     

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。     

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。     

IP网络质量的主客观评价融合模型

针对IP网络质量评价问题,利用BP神经网络构建一种主客观特征融合的评价模型。主客观2个评价网络分别进行自适应学习,在学习输出稳定后,2个BP神经网络通过相互共振学习使主客观评价数据融合,由此获得一致的评价结果。结合用户感知的主观评价和多种客观性能评价指标对该模型进行仿真,实验结果表明,模型具有较强的抗噪性能,可以较好地满足IP网络质量的综合评价要求。     

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。     

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.     

视频质量客观评估方法分析

文章简单介绍了视频监控系统的应用,指出了视频质量主观评估的缺点,并按不同的分类分析了常用的视频质量客观评估方法,在此基础上探索了一种视频质量无参评客观估方法的思路。     

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.     

视频大数据研究综述

科学技术与生产力的发展带来了数据量的高速增长,其中视频图像等多媒体数据占了很大的比重。如何高效处理这些海量数据并从中快速挖掘有价值的信息是当前的研究热点。通常大数据具有四个特点,即数据量大、需要快速响应、数据类型多样和价值密度低。视频大数据同样具有以上特点,但其特殊性在于数据冗余更大,需要进行高效的压缩编码与分析处理。总的来说,视频大数据的研究内容包括了视频数据表示、智能视频分析、视频压缩与传输、视频显示与评价等方面。在发展趋势上,视频数据的表示将向真实感与智能化两个方向发展;智能视频分析技术将会借助深度神经网络获得更准确的识别分类结果;视频压缩技术在提升压缩效率的同时也会探索降低编码复杂度的方法,并通过结合人眼视觉感知特性的编码算法来减少视频大数据的视觉冗余;视频显示设备将伴随着视频数据表示形式的改变而进行相应的升级换代;视频质量的评价准则将由单一的图像质量评价向更加综合全面的用户体验质量评价发展。     

基于IP技术的视频应用研究

论述了目前在网络中基于IP技术的视频应用,包括IP电视、基于IP的视频会议、视频流媒体广播、视频安全监控、视频远程服务等,同时简要介绍了它们所采用的协议。     

基于卷积神经网络的视频流隐藏信息检测方法

为解决现有视频流隐藏信息检测中,人工检测特征设计难度不断加大的问题,提出一种基于卷积神经网络的视频流隐藏信息检测方法。在神经网络中构建残差学习单元,避免深层次卷积神经网络在训练时的梯度消失,利用深层神经网络自动从数据中挖掘检测特征,在此基础上引入量化截断操作,增加检测模型多样性,提升检测性能。使用FFmpeg与x264编码标准CIF序列生成的视频进行实验,实验结果表明,该方法相比现有方法具有更高的检测准确率。