【摘要】：隨著移動網(wǎng)絡(luò)的發(fā)展,網(wǎng)絡(luò)帶寬的增加,視頻的業(yè)務(wù)量已經(jīng)在網(wǎng)絡(luò)中占據(jù)了主導(dǎo)地位,并且仍然呈現(xiàn)出持續(xù)增長的趨勢。因此,對于網(wǎng)絡(luò)運(yùn)營商來說評估網(wǎng)絡(luò)中的視頻業(yè)務(wù)質(zhì)量對于保證視頻業(yè)務(wù)的用戶體驗(yàn)質(zhì)量(Quality of Experience,QoE),管理和優(yōu)化網(wǎng)絡(luò)至關(guān)重要。網(wǎng)絡(luò)運(yùn)營商從網(wǎng)絡(luò)側(cè)評估視頻業(yè)務(wù)質(zhì)量主要面臨著以下兩方面的問題:(l)HTTP自適應(yīng)流媒體(HTTP Adaptive Streaming,HAS)技術(shù)的應(yīng)用導(dǎo)致無法直接使用網(wǎng)絡(luò)服務(wù)質(zhì)量(Quality of Service,QoS)參數(shù)對視頻業(yè)務(wù)質(zhì)量進(jìn)行評估;(2)端到端加密技術(shù)的廣泛應(yīng)用導(dǎo)致深度包解析(Deep Packet Inspection,DPI)技術(shù)失效,網(wǎng)絡(luò)運(yùn)營商無法通過解析視頻內(nèi)容實(shí)現(xiàn)對視頻業(yè)務(wù)質(zhì)量的評估,甚至無法識別加密視頻業(yè)務(wù)流。因此,在HAS技術(shù)和端到端加密技術(shù)廣泛應(yīng)用的背景下,我們從移動網(wǎng)絡(luò)運(yùn)營商的角度出發(fā),圍繞視頻業(yè)務(wù)質(zhì)量評估的關(guān)鍵問題展開,主要研究以下幾個方面的內(nèi)容:1)針對HAS視頻業(yè)務(wù)流識別,本文提出了基于軟動態(tài)時間規(guī)整的DWN模型,通過提取視頻業(yè)務(wù)的流模式特征,首先結(jié)合傳統(tǒng)的業(yè)務(wù)流統(tǒng)計特征從包含多種類別的業(yè)務(wù)流中識別視頻類業(yè)務(wù),然后根據(jù)流模式特征的差異性實(shí)現(xiàn)對不同類別,即采用不同傳輸技術(shù)的視頻業(yè)務(wù)分類,從而完成HAS視頻業(yè)務(wù)流的識別。DWN模型以網(wǎng)絡(luò)層QoS參數(shù)的時間序列為輸入提取業(yè)務(wù)流模式特征,能夠有效地識別HAS視頻業(yè)務(wù)流,并且廣泛地適用于各種加密場景。2)針對非加密HAS視頻業(yè)務(wù)質(zhì)量評估,本文提出了基于播放器模型和機(jī)器學(xué)習(xí)的混合視頻業(yè)務(wù)質(zhì)量評估方法。首先采用機(jī)器學(xué)習(xí)算法對視頻業(yè)務(wù)質(zhì)量進(jìn)行整體性評估,如視頻是否存在卡頓等質(zhì)量問題,然后針對存在卡頓的視頻采用基于播放器模型的方法重構(gòu)播放過程,評估視頻的卡頓發(fā)生時間及卡頓時長,實(shí)現(xiàn)對視頻業(yè)務(wù)質(zhì)量的精細(xì)化評估。混合方法首先排除了大量不存在質(zhì)量問題的視頻,減少了需要重構(gòu)播放過程的視頻數(shù)量,在保證一定的準(zhǔn)確率前提下降低了視頻業(yè)務(wù)質(zhì)量評估的復(fù)雜度,同時滿足整體性和精細(xì)化視頻業(yè)務(wù)質(zhì)量評估的需求。3)針對加密HAS視頻業(yè)務(wù)質(zhì)量的整體性評估,本文提出了利用網(wǎng)絡(luò)數(shù)據(jù)流構(gòu)造協(xié)議獨(dú)立特征量的視頻業(yè)務(wù)質(zhì)量評估方法,從網(wǎng)絡(luò)QoS參數(shù)中估計HAS視頻分段后,通過提取播放器緩沖區(qū)狀態(tài)參數(shù)相關(guān)的特征量,并結(jié)合視頻分段的統(tǒng)計特征,使用機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)對加密HAS視頻業(yè)務(wù)質(zhì)量的整體性評估:估計初始緩沖時延,并回答關(guān)于卡頓評估的三個問題:視頻是否發(fā)生卡頓;視頻是否發(fā)生多次卡頓;視頻卡頓時長占比是否超過播放時長的10%�；趨f(xié)議獨(dú)立特征量的方法充分考慮了HAS視頻業(yè)務(wù)的自身特點(diǎn),并結(jié)合了傳統(tǒng)的基于播放器模型以及基于流統(tǒng)計特征方法的優(yōu)點(diǎn),以視頻業(yè)務(wù)下載速率的時間序列為主要分析對象提取特征,充分保證了所提取特征的有效性和協(xié)議獨(dú)立性。4)針對加密視頻業(yè)務(wù)質(zhì)量的精細(xì)化評估,本文提出了基于Attention機(jī)制的AHMM實(shí)現(xiàn)對視頻業(yè)務(wù)質(zhì)量的精細(xì)化評估。以視頻下載速率的時間序列為觀測序列,以視頻的播放狀態(tài)序列為隱狀態(tài)序列,本文首先將視頻的整個播放過程建模為隱馬爾可夫模型,然后在傳統(tǒng)隱馬爾可夫模型的基礎(chǔ)上引入并修改了Attention機(jī)制實(shí)現(xiàn)對轉(zhuǎn)移概率的計算,解決轉(zhuǎn)移概率的時間依賴性問題。AHMM模型是一個端到端模型,以視頻下載速率時間序列為輸入,通過維特比算法解碼輸出視頻的播放狀態(tài)序列,實(shí)現(xiàn)對視頻業(yè)務(wù)質(zhì)量的精細(xì)化評估。解碼過程中通過控制維特比算法的譯碼深度,AHMM可應(yīng)用于實(shí)時或準(zhǔn)實(shí)時場景。本文以自主開發(fā)的數(shù)據(jù)采集平臺為基礎(chǔ),從移動網(wǎng)絡(luò)中采集的視頻業(yè)務(wù)數(shù)據(jù)為支撐,圍繞移動網(wǎng)絡(luò)中視頻業(yè)務(wù)質(zhì)量評估的相關(guān)問題展開。通過上述四個研究內(nèi)容,本文解決了視頻業(yè)務(wù)質(zhì)量評估過程中的加密HAS視頻業(yè)務(wù)流識別,非加密和加密視頻業(yè)務(wù)質(zhì)量整體性和精細(xì)化評估問題,對運(yùn)營商保證視頻業(yè)務(wù)的用戶體驗(yàn),管理和優(yōu)化網(wǎng)絡(luò)具有重要意義。
【圖文】：

１）邐ＨＬＳ逡逑ＨＬＳ是由蘋果公司提出的基于ＨＴＴＰ的流媒體傳輸技術(shù)，其最終的標(biāo)準(zhǔn)文逡逑件為ＲＦＣ８２１６［４３］，其系統(tǒng)構(gòu)架如圖１．１所示［７］。ＨＬＳ系統(tǒng)主要由內(nèi)容生成服務(wù)逡逑器、流媒體服務(wù)器和客戶端組成。源視頻首先在內(nèi)容生成服務(wù)器上編碼為不同碼逡逑率的視頻文件，接著被切割成多個小的、可獨(dú)立播放的媒體文件（．ｔｓ文件），然逡逑后內(nèi)容生成服務(wù)器將輸出文件推送給流媒體服務(wù)器供客戶端下載播放，，并同時生逡逑成一個配套的媒體索引文件（邋ｍ３ｕ８文件）。逡逑Ｖｉｄｅｏ邋ｉｎｐｕｔ邐ｓｅｒｖｃｒ邐Ｓｔｒｅａｍｉｎｇ邋Ｓｅｒｖｅｒ逡逑ｆｉｇｇｊａ邐’１�。＃В澹樱簦颍澹幔磉娬勥姡鲞姡坼澹妫牛颍荆鲥澹珏义稀觥觯洛澹椋澹酰悖铮洌悖蜻姡蓿纾恚澹酰欤澹殄澹蔬姡苠澹郏藻澹哄濉苠�

本文編號：2694033