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.     

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.     

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。     

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。     

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。     

面向多业务用户体验的基站节能策略研究

随着ICT行业的快速发展,无线通信网络的密集部署和应用普及,随之带来的高能耗和碳排放问题给环境造成了巨大影响。用户关联的基站关闭策略能有效减少能耗,现有策略主要针对用户接收服务质量进行方法设计,并未充分考虑具体业务特征以及用户体验。引入了用户体验质量指标QoE,提出了一种面向多业务用户体验的基站节能策略ES-MSUE。采用非线性整数规划对问题进行建模,实现了用户体验和能耗之间的均衡。通过与其他相关基站关闭策略进行对比实验,结果表明提出的方法具有较好的节能效果和用户体验质量。     

面向智能终端的数据业务QoE测量体系

为了探究面向智能终端的数据业务QoE测量方法,通过分析QoE研究现状和数据业务用户体验特性,以时延、抖动、信息丢失为依据,建立了针对现有数据业务QoE的立体分类模型。在分析终端对QoE影响的基础上,综合网络、业务、终端三方面影响因素,创新性地提取QoE终端参数影响因子,结合面向业务的网络影响因子提取方法,建立了数据业务的QoE测量体系模型。     

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。     

QoE路由算法综述

QoE(Quality of Experience)路由算法主要是从用户角度对网络进行路由,与仅仅考虑网络参数的QoS路由算法不同,QoS路由选择算法无法满足用户体验质量QoE的需求,而QoE路由选择算法能够保障用户体验质量。文章主要讨论了QoE路由算法与QoS路由选择算法的关系,并讨论已有的QoE路由算法。     

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.     

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。     

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.     

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。     

Not All Packets Are Equal, Part I: Streaming Video Coding and SLA Requirements

In this first part of a two-part article, the authors consider the network factors that impact the viewers' quality of experience (QoE) for IP-based video-streaming services such as IPTV. They describe the IP service-level requirements for a transported video service and explain MPEG encoding to help readers better understand the impact that packet loss has on viewers' QoE.     

一种基于QoE效用函数的资源分配算法

针对多用户MIMO-OFDM系统,立足业务体验方,给出了一种最大化用户QoE的资源分配算法。通过设计QoE效用函数,将用户QoE与系统QoS参数关联起来,在发送功率和目标误码率的约束条件下,以最大化用户平均QoE为目标,通过QoE效用函数获取用户当前时刻QoE增量,据此确定用户时频资源分配优先级,进而进行注水功率分配。仿真结果表明,该算法能够充分利用系统资源,有效提高用户平均QoE。     

基于DDPG的边缘计算任务卸载和服务缓存算法

当计算任务被转移到移动边缘计算（MEC）服务器上时,通过服务缓存能够降低获取和初始化服务应用程序的实时时延和带宽成本。此外,体验质量是驱动卸载决策的关键因素,有效利用有限的计算资源能够提升用户满意度。考虑一个边缘服务器帮助移动用户执行一系列计算任务的场景,建立混合整数非线性规划问题,提出一种基于深度确定性策略梯度（DDPG）的算法来联合优化服务缓存位置、计算卸载决策和资源分配,从而提高用户对服务的体验质量,最大化用户使用计算资源所节约的成本。仿真结果表明,该算法在提高用户体验质量和节约成本方面较使用无缓存策略、随机选择策略和无缓存随机选择策略的算法性能更优。     

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%。