论文部分内容阅读
视频流媒体业务作为目前和未来互联网最主要的业务之一,如何保证用户感知质量(QoE)不仅是学术界重要的研究课题,也是工业界关键的服务评价指标。软件定义网络(SDN)因其在网络资源调度和流量管理方面的智能化和灵活性,是改善视频流媒体业务QoE的一种有效手段,逐渐成为业界的共识。一些已有工作基于网络服务质量(QoS)的优化策略,以此来改善用户视频质量,但是,网络QoS与用户感知质量QoE并不等价,因为其没有充分考虑用户直观感受的因素影响,可能会出现网络服务质量QoS好而用户感知质量QoE差的情况。另外一些已有工作采用由客户端业务需求触发的优化策略,通过客户端向网络发请求的方式来保证用户感知到的视频质量,这种方法需要来自客户端的反馈,既占用网络资源,又需要修改客户端,会带来额外的开销和成本。与已有工作不同,本文提出一种新的改善视频流媒体用户感知质量的优化策略,利用OpenFlow收集的网络流量信息,检测客户端的视频播放器缓冲区状态,并以此调整网络资源分配策略,从而改善用户QoE。论文以DASH视频流为研究对象,主要工作也是创新之处包括两个部分。第一部分提出一种客户端缓冲区状态的检测模型,目标是根据网络流量信息推断出视频流媒体客户端的缓存区长度。具体工作包括：首先基于采集到的数据集,对网络参数与客户端播放器缓冲区长度的关系进行观测分析,选出基础特征集；然后基于互信息最大化的思想,根据DASH视频流的特点,提出多种由基础特征生成新特征的特征选择方法；并对不同特征集训练出的决策树模型做出评估分析,最后对利用指数平滑法训练出的决策树模型做出可行性验证。第二部分工作提出视频系统QoE优化框架并建立QoE优化模型。该框架基于第一部分预测的结果,通过驱动QoE优化模型来实现所有视频用户的QoE优化。在QoE优化模型中,基于最大最小公平准则,以视频播放清晰度和流畅度为QoE的量化指标,优化目标是保证服务质量感知最差的用户的带宽资源最大化。