qoe度量模型和人工智能

应用	论文(体验感知)	参数	模型	算法及优势	算法归类	应用场景	备注说明
视频	Utility-based Approach for Video Service Delivery Optimization（针对视频业务交付优化的实用方法）2014	涉及成本费用和运营费用，网络负载，视频内容类型，设备类型，网络链路质量	构建内容提供商、运营商、客户上方满意度度量公式，根据预定参数计算最优解	带约束条件求最优解，使得3方满意度最大化	Utility-based Approach for Video Service Delivery Optimization (1).pdf
视频	A Collaborative Framework for In-network Video Caching in Mobile Networks（移动网络中网络内视频缓存的协作框架）2014	视频集合，节点集合，网络链路，缓存容量，链路容量，视频码率	解决移动网络中缓存视频节点和带宽有限的问题，	提出‘系统容量预留策略’解决内容放置问题，提出‘自适应流量感知’算法解决源选择问题	1404.1108.pdf
P2P	Improving BitTorrent Network’s Performance via Deploying Helpers（通过部署助手来提升bt网络性能）2008	文件大小，带宽，邻居数，	在P2P网络中确定带宽连接高的节点为助手节点，将助手节点部署到bittorrent系统中，可以抵制自私对端，并动态调整助手内容以服务不断变化的热种子。利用流体模型来分析文件共享机制中的缩放性、性能和效率。	分析并利用了bittorrent中的Peer Selection Algorithm（对端选择算法）	improving_bittorrent_networks_performance_via_deploying_helpers.pdf;bittorrent.pdf
游戏	A GAME ATTENTION MODEL FOR EFFICIENT BITRATE ALLOCATION IN CLOUD GAMING（云游戏中针对高效比特率分配的游戏注意力模型）2014	渲染帧，用户活动，帧对象，显著图阈值	基于视觉注意点模型，作用是减少视频流的比特率，以支撑更多玩家，满足云游戏的带宽要求	对游戏帧进行优先级计算，对游戏帧中不太重要的块以较低比特率编码，而不损失体验质量	GameStreaming-Springer-MMSJ.pdf
游戏	Improving Performance Among Client-Server For Continuous Distributed Interactive Applications(针对连续分布式交互应用提升客户端与服务端间性能)2015	客户端集合，服务器集合，客户端边缘路由器到服务器延迟，	在网络中使用若干路由器作为中转站，重定向交互式应用报文到服务器	使用贪婪算法和优选算法来改进客户端交互。服务端通过线下中转选择算法来选择中转站使得客户端边缘路由器的延迟最小化。	1215-3230-1-PB.pdf
无线	Survey and Challenges of QoE Management Issues in Wireless Networks（无线网络中体验质量管理的调查和挑战）2013	无线信道可靠性和容量，信号强度，信号流负载，切换延迟	通过网络、设备、内容三方面来作为影响体验质量的因素	不同网络环境有不同的优化策略	165146.pdf
无线	A QoE Based Performance Study of Mobile Peer-to-Peer Live Video Streaming（基于体验质量的移动P2P在线视频流性能研究）2012	视频块大小，流畅度，分辨率，同步率，丢失率，暂停率	构建一个 MANET网络（运行Landmark Routing Protocol）作为基础网络	可用连接指派算法、Landmark选择算法、骨干连接算法	Content.pdf
VOIP	Stochastic modeling for delay analysis of a VoIP network（VOIP网络中对延迟分析的随机建模）2013	编码延迟，报文化延迟，串行延迟，传播延迟，排队延迟，抖动延迟	对VOIP网络中的端对端延迟构建队列模型，队列中语音报文优先级高于数据报文。	使用Generalized stochastic Petri nets (GSPN)作为性能分析工具，其基于图形系统表示。	AnnOR2015.pdf
整体	《一种快速的报文丢失率推测方法》2006；由于某些网络内部封闭性,近来提出一种称为网络断层扫描技术,即根据网络外部（网络边界）的测量来分析和推断网络内部性能，核心思想是利用多播或广播方法在网络边缘发送探测报文,利用端到端的测量来推测内部性能，如丢包率和延迟。	三个参数:树形网络中叶节点集合，探测报文数量，叶节点接受报文数量	使用二叉树表示网络拓扑,并假设报文丢失符合Bernoulli模型,使用随机过程来构建报文丢失模型，进而使用报文丢失率推测算法来进行评估。	传统似然估计算法计算量会随着网络规模增加而增长,本论文算法优点在于简单快速，计算量小.使用NS2仿真结果证明算法推测出的报文丢失率和实际丢失率相当接近.	概率估算	树形网络中判断链路丢包率	http://www.docin.com/p-1273691838.html
VOIP	《Study on the QoE for VoIP Networks》(针对VOIP网络体验质量的研究) 2014；分析不同因素对voip网络中语音质量的影响，得出结论在有丢包时建议使用ilbc编码，存在延时建议使用amr编码。	网络延迟，丢包率，报文损坏率，抖动	PESQ使用到听觉模型和认知建模技术对语音质量进行评价	通过MOS（平均意见分）和PESQ算法（语音质量感观评价） 来度量QOE	语音网络	https://www.researchgate.net/publication/274663547_Study_on_the_QoE_for_VoIP_networks 11892-26321-1-PB.pdf
WLAN	《WLAN报文传输性能优化技术研究与实现》2012；论文提出两个改进点：1.基于链路信息的动态帧聚会算法，该算法根据链路状态改变动态调整聚合机制，使得网络吞吐量最大化；2.为了解决低传输速率错误几率低,而高传输速率在噪声链路中错误率高的矛盾,提出了mrra速率控制算法，以某个速率发送报文的误包率来决定增速还是减速	1.基于链路信息的动态帧聚合算法：参数3个,包含传输报文长度Lcur、重传次数R，聚合时间初始值Tagg 2.mrra速率控制算法：参数2个,包含支持速率表，传输误包率	1.据链路状态改变动态调整聚合机制 2.MMR(Multi-Rate Retry)机制主要思想是，当报文手册发送失败重传时，不应该使用同一速率，而是使用不同的速率进行重传，来增加成功的可能性	1.基于链路信息的动态帧聚会算法,根据报文速率等统计信息计算误码率ber,并根据参考成果设置对应的聚合帧长限制.对比标准聚合机制,该改进可以使网络吞吐量最大化. 2.速率控制算法有两类:基于发送方和接收方,本文关注基于发送方,对比已有的arf算法\onoe算法\samplerate算法,提出了mrra速率控制算法,采用MRR机制,根据以某个速率发包时的误包率来决定增速还是减速	动态规划	无线网络	http://www.doc88.com/p-9995771104648.html
视频	《基于视频质量评估的 QoE/QoS 映射模型研究》2012；本文首先分析研究了主观视频质量评估方法的双刺激损伤评价和客观视频质量评估方法的 MDI 算法指标，并采用这两种指标作为 QoE 和 QoS 的衡量标准；然后提出了一种网络视频 QoE 与 QoS 的参数指标的非线性映射模型，并利用 matlab 仿真软件进行拟合仿真，验证映射模型的存在性和正确性。	时延抖动（DF，通过采样点缓存和媒体速率计算出），媒体丢包率（MLR，=媒体封包丢失总数/采样周期）	论文构建非线性模型来分析Qos和Qoe的关系	计算出mos和df及mlr的拟合曲线函数	http://www.doc88.com/p-0611669744025.html
校园网	《基于流量特性的校园网网络性能分析与研究》2012；基于网络中流量的自相似特性，使用希尔伯特黄变换方法来进行流量异常检测。	网络流量,参数包含2个:ifoutocters mib值,采样时间,	基于自相似的HHT异常检测算法	假设有表示网络流量的时间序列X，对其进行HHT变化处理，核心是经验模态分解（EMD）算法,分离出趋势项和随机成分等其他项。然后对随机成分集合的时间序列进行卡方检验（chi-square test），判断变换后时间序列是否与原始序列具有相同的网络流量特征。该方法对比常规异常检测误差方法，可以减小流量整体变化带来的计算误差。	随机过程	校园网等具有时间周期性的网络环境	http://www.doc88.com/p-6931137670227.html
IPTV	《A QoE management system to improve the IPTV network》2010；根据网络参数，提出一个计算QOE的公式，并根据用户接受信息来调整网络特性，以提供更好的IPTV Qoe给用户；	QOE为网络QOE和用户QOE之和，其中网络QOE参数包含3个:延迟，抖动，丢包率；用户QOE参数包含视频质量、同步时间、切换时间.对网络设备而言,只能提供计算网络QOE的参数.	构建一个系统，根据参数计算qoe，发现qoe不在指定范围内时，通过mib来对网络设备进行配置优化	重复计算QOE，如果在合理范围则仅保存计算结果，否则就修改配置调整参数.修改网络配置包含:修改用于IPTV的VLAN带宽\队列长度\优先级,切换备份线路.	初等模型	IPTV网络	https://www.researchgate.net/profile/Miguel_Garcia11/publication/220547947_A_QoE_management_system_to_improve_the_IPTV_network/links/0fcfd51138eed98ed9000000.pdf
整体	《Enabling autonomic access network QoE management through TCP monitoring》2007；该文章针对接入网络场景,提出一种使用tcp报文中3元素作为参数来计算丢包率的方法	计算丢包率,监控面参数：tcp报文头部序号,确认序号,头部长度,接收时间,	使用状态机建模	文章使用‘接入网络TCP监控算法’，即匹配数据和ACK报文来计算上下行丢包，进而估算RTT.对比其他基于重传的测量算法,该方法偏差率小50%,并且在抖动情况下误报率更低.	状态机	接入网络或家庭网关	http://biblio.ugent.be/publication/384751/file/582343.PDF
整体	《一种基于神经网络的网络设备故障预测系统》2014；采用BP（Back Propagation）神经网络进行故障预测，提取网络设备中各参数作为故障特征量，转为历史样本对网络进行训练，而后即可对网络设备故障进行预测	参数包含6个：设备运行时间，板卡温度，cpu利用率，内存利用率，syslog级别，syslog刷新速度	使用BP神经网络建模	中间层神经元传递函数选择S型正切函数，输出层神经元传递函数选用log-sigmoid函数进行归一化。使用神经网络算法对比其他拟合算法能够更接近目标函数。20个输入函数以下的问题都能在50000次的学习以内收敛到最低误差附近。理论上一个三层的神经网络，能够以任意精度逼近给定的函数。	神经网络	针对逐渐劣化的网络环境和设备,并且有历史数据作为参考训练	http://www.doc88.com/p-7864538112764.html