【摘要】：隨著移動(dòng)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(dòng)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(gè)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(dòng)態(tài)時(shí)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(jì)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(shí)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(shí)間及卡頓時(shí)長,實(shí)現(xiàn)對視頻業(yè)務(wù)質(zhì)量的精細(xì)化評估�；旌戏椒ㄊ紫扰懦舜罅坎淮嬖谫|(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(shí)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(jì)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(jì)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(jì)初始緩沖時(shí)延,并回答關(guān)于卡頓評估的三個(gè)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(shí)長占比是否超過播放時(shí)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(jì)特征方法的優(yōu)點(diǎn),以視頻業(yè)務(wù)下載速率的時(shí)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(shí)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(gè)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(jì)算,解決轉(zhuǎn)移概率的時(shí)間依賴性問題。AHMM模型是一個(gè)端到端模型,以視頻下載速率時(shí)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(shí)或準(zhǔn)實(shí)時(shí)場景。本文以自主開發(fā)的數(shù)據(jù)采集平臺(tái)為基礎(chǔ),從移動(dòng)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(dòng)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(gè)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(gè)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(shí)生逡逑成一個(gè)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！＃＇．邋Ｓｔｒｅａｍ邐談邐ｖ邐［邋ｆＥｒ＞－ｖ邋ｇ逡逑■■Ｂ邋ｉｅｕｃｏｄｃｒ邐＾ｇｍｅｕｌｅｉ邋Ｊ邐＼邋［Ｔ邋：邋—＼邋

本文編號：2694033