基于OpenFlow的視頻用戶QoE優(yōu)化研究.pdf

1、視頻流媒體業(yè)務作為目前和未來互聯(lián)網最主要的業(yè)務之一，如何保證用戶感知質量(QoE)不僅是學術界重要的研究課題，也是工業(yè)界關鍵的服務評價指標。軟件定義網絡(SDN)因其在網絡資源調度和流量管理方面的智能化和靈活性，是改善視頻流媒體業(yè)務QoE的一種有效手段，逐漸成為業(yè)界的共識。一些已有工作基于網絡服務質量(QoS)的優(yōu)化策略，以此來改善用戶視頻質量，但是，網絡QoS與用戶感知質量QoE并不等價，因為其沒有充分考慮用戶直觀感受的因素影響，可能

2、會出現網絡服務質量QoS好而用戶感知質量QoE差的情況。另外一些已有工作采用由客戶端業(yè)務需求觸發(fā)的優(yōu)化策略，通過客戶端向網絡發(fā)請求的方式來保證用戶感知到的視頻質量，這種方法需要來自客戶端的反饋，既占用網絡資源，又需要修改客戶端，會帶來額外的開銷和成本。與已有工作不同，本文提出一種新的改善視頻流媒體用戶感知質量的優(yōu)化策略，利用OpenFlow收集的網絡流量信息，檢測客戶端的視頻播放器緩沖區(qū)狀態(tài)，并以此調整網絡資源分配策略，從而改善用戶Qo

3、E。
　　本研究分為兩個部分：第一部分：提出一種客戶端緩沖區(qū)狀態(tài)的檢測模型，目標是根據網絡流量信息推斷出視頻流媒體客戶端的緩存區(qū)長度。具體工作包括:首先基于采集到的數據集，對網絡參數與客戶端播放器緩沖區(qū)長度的關系進行觀測分析，選出基礎特征集;然后基于互信息最大化的思想，根據DASH視頻流的特點，提出多種由基礎特征生成新特征的特征選擇方法;并對不同特征集訓練出的決策樹模型做出評估分析，最后對利用指數平滑法訓練出的決策樹模型做出可行性