基于网络测量的移动视频业务质量评估方法

发布时间：2020-06-03 00:50

【摘要】：随着移动网络的发展,网络带宽的增加,视频的业务量已经在网络中占据了主导地位,并且仍然呈现出持续增长的趋势。因此,对于网络运营商来说评估网络中的视频业务质量对于保证视频业务的用户体验质量(Quality of Experience,QoE),管理和优化网络至关重要。网络运营商从网络侧评估视频业务质量主要面临着以下两方面的问题:(l)HTTP自适应流媒体(HTTP Adaptive Streaming,HAS)技术的应用导致无法直接使用网络服务质量(Quality of Service,QoS)参数对视频业务质量进行评估;(2)端到端加密技术的广泛应用导致深度包解析(Deep Packet Inspection,DPI)技术失效,网络运营商无法通过解析视频内容实现对视频业务质量的评估,甚至无法识别加密视频业务流。因此,在HAS技术和端到端加密技术广泛应用的背景下,我们从移动网络运营商的角度出发,围绕视频业务质量评估的关键问题展开,主要研究以下几个方面的内容:1)针对HAS视频业务流识别,本文提出了基于软动态时间规整的DWN模型,通过提取视频业务的流模式特征,首先结合传统的业务流统计特征从包含多种类别的业务流中识别视频类业务,然后根据流模式特征的差异性实现对不同类别,即采用不同传输技术的视频业务分类,从而完成HAS视频业务流的识别。DWN模型以网络层QoS参数的时间序列为输入提取业务流模式特征,能够有效地识别HAS视频业务流,并且广泛地适用于各种加密场景。2)针对非加密HAS视频业务质量评估,本文提出了基于播放器模型和机器学习的混合视频业务质量评估方法。首先采用机器学习算法对视频业务质量进行整体性评估,如视频是否存在卡顿等质量问题,然后针对存在卡顿的视频采用基于播放器模型的方法重构播放过程,评估视频的卡顿发生时间及卡顿时长,实现对视频业务质量的精细化评估。混合方法首先排除了大量不存在质量问题的视频,减少了需要重构播放过程的视频数量,在保证一定的准确率前提下降低了视频业务质量评估的复杂度,同时满足整体性和精细化视频业务质量评估的需求。3)针对加密HAS视频业务质量的整体性评估,本文提出了利用网络数据流构造协议独立特征量的视频业务质量评估方法,从网络QoS参数中估计HAS视频分段后,通过提取播放器缓冲区状态参数相关的特征量,并结合视频分段的统计特征,使用机器学习算法实现对加密HAS视频业务质量的整体性评估:估计初始缓冲时延,并回答关于卡顿评估的三个问题:视频是否发生卡顿;视频是否发生多次卡顿;视频卡顿时长占比是否超过播放时长的10%。基于协议独立特征量的方法充分考虑了HAS视频业务的自身特点,并结合了传统的基于播放器模型以及基于流统计特征方法的优点,以视频业务下载速率的时间序列为主要分析对象提取特征,充分保证了所提取特征的有效性和协议独立性。4)针对加密视频业务质量的精细化评估,本文提出了基于Attention机制的AHMM实现对视频业务质量的精细化评估。以视频下载速率的时间序列为观测序列,以视频的播放状态序列为隐状态序列,本文首先将视频的整个播放过程建模为隐马尔可夫模型,然后在传统隐马尔可夫模型的基础上引入并修改了Attention机制实现对转移概率的计算,解决转移概率的时间依赖性问题。AHMM模型是一个端到端模型,以视频下载速率时间序列为输入,通过维特比算法解码输出视频的播放状态序列,实现对视频业务质量的精细化评估。解码过程中通过控制维特比算法的译码深度,AHMM可应用于实时或准实时场景。本文以自主开发的数据采集平台为基础,从移动网络中采集的视频业务数据为支撑,围绕移动网络中视频业务质量评估的相关问题展开。通过上述四个研究内容,本文解决了视频业务质量评估过程中的加密HAS视频业务流识别,非加密和加密视频业务质量整体性和精细化评估问题,对运营商保证视频业务的用户体验,管理和优化网络具有重要意义。
【图文】：

１）逦ＨＬＳ逡逑ＨＬＳ是由苹果公司提出的基于ＨＴＴＰ的流媒体传输技术，其最终的标准文逡逑件为ＲＦＣ８２１６［４３］，其系统构架如图１．１所示［７］。ＨＬＳ系统主要由内容生成服务逡逑器、流媒体服务器和客户端组成。源视频首先在内容生成服务器上编码为不同码逡逑率的视频文件，接着被切割成多个小的、可独立播放的媒体文件（．ｔｓ文件），然逡逑后内容生成服务器将输出文件推送给流媒体服务器供客户端下载播放，，并同时生逡逑成一个配套的媒体索引文件（邋ｍ３ｕ８文件）。逡逑Ｖｉｄｅｏ邋ｉｎｐｕｔ逦ｓｅｒｖｃｒ逦Ｓｔｒｅａｍｉｎｇ邋Ｓｅｒｖｅｒ逡逑ｆｉｇｇｊａ逦’１！＃＇．邋Ｓｔｒｅａｍ逦谈逦ｖ逦［邋ｆＥｒ＞－ｖ邋ｇ逡逑■■Ｂ邋ｉｅｕｃｏｄｃｒ逦＾ｇｍｅｕｌｅｉ邋Ｊ逦＼邋［Ｔ邋：邋—＼邋

本文编号：2694033