5G网络感知质量关键技术研究

王再见，杨凌云，汤萍萍，何国栋

(安徽师范大学 物理与电子信息学院，安徽 芜湖 241000)



5G网络感知质量关键技术研究

王再见，杨凌云，汤萍萍，何国栋

(安徽师范大学 物理与电子信息学院，安徽 芜湖 241000)

第五代移动通信(5G)网络需要满足用户个性化、业务区分精细化的发展要求，要以用户为中心评估网络性能、执行网络操作。因此研究面向QoE(Quality of Experience)的关键技术有利于推动5G的发展、也有利于促进新业务的发展。介绍了5G网络环境中应用/服务的基本特点，然后对现有的面向QoE的切换策略、移动管理技术、网络及电源资源使用优化技术、质量波动管理和QoE评估技术进行综述，重点提出了一种网络多媒体业务QoE保证方案，并给出了今后的研究方向。

第五代移动通信网络；服务质量；用户体验；网络多媒体业务

0 引言

区别于现有以系统为中心的网络，第五代移动通信(5G)网络将以用户为中心评估网络性能、执行网络操作[1]。ITU-T在Rec.P.10(G.100)将QoE(Quality of Experience)定义为“由终端用户主观感知的接受一个应用/服务的整体程度”[2]，该定义适用于当前所有的通信网络。面对用户个性化、服务差异化，事实上不同的服务或用户情况下有不同的QoE需求。并且终端用户本身对QoE的需求也不是真的一致。例如他们的先验知识和期望和当前使用的内容对他们的QoE需求有很强的影响。当前在LTE(Long-Term Evolution)中定义并执行的QoS(Quality of Service)不足以实施精细粒度的区分，这些只能通过采用基于QoE的网络和应用管理方法才能得到有效解决[1]。因此，QoE关键技术研究是5G网络的核心问题之一。

5G网络环境中应用/服务有以下特点：① 随着数量巨大的与用户和网络相关的业务随时涌入，数据主体正从结构化、非实时数据向非结构、实时数据转变[1]；② 在时变的信道中，提供连贯、透明、个性化、有区分、感知用户体验的服务[3]；③ 不仅针对任何人、任何地点、任何时间提供严格的峰值数据速率，还能基于对终端用户和服务需求的理解执行更有意义、有弹性和个性化的网络管理；④ 网络多媒体在业务类型和数据容量上都得到了快速发展，相关计算从以系统为中心向以人为中心转变，面临着压缩、存储、传输等挑战[4]。

鉴于上述5G网络环境特点，QoE问题的研究面临以下挑战：① 数据来源于不同终端，存在非结构化、异构等特点[5]；② 低水平特征和高水平语义之间存在较大的差异，且一些多媒体数据也随着时间和空间演化；③ 实时性要求较高；④ 数据容量巨大；⑤ 计算规模较大[6]；⑥QoE构建的复杂度较大。

为了更好地面对5G网络中用户多样化、服务区分精细化(即使同种业务类型其需求也存在巨大变化)的挑战，5G网络环境中网络设计需要从用户的角度评估网络应用/服务的性能，研究人员也正积极探索将QoE有效整合到5G网络环境中[1]。本文针对5G网络环境特点着重介绍目前提出的与QoE相关的各种关键技术，并给出未来发展方向，希望起到抛砖引玉的作用。

1 QoE关键技术

QoE作为研究热点已取得了一定进展[7-8]，已有相关文献给出了面向QoE的切换策略[9]、移动管理技术、网络及电源资源使用优化技术、质量波动管理和QoE评估技术[10-11]。下面我们将就目前QoE关键技术做一下介绍。

1.1 QoE驱动的移动管理技术

文献[11]针对D2D(Device-to-Device)通信QoE管理提出了一种QoE驱动架构。D2D通信会成为未来移动通信不可分割的一部分，目前相关标准正在制定，将成为5G中的新特色。文献[12]给出了QoE在改善现有网络移动管理层面的应用，将监听和传统评估结合起来驱动移动管理。文献[13]分析了5G网络环境下Over-The-Top (OTT)服务(通过在尽力而为的网络上传输例如YouTube、Netflix、Hulu和别的基于Web的视频业务)QoE因素特点，以增强用户OTT服务感知质量和提高网络效率为目标，提出了QoE驱动的无线资源管理和优化方法，描述了一个框架和QoE评估完整的实施步骤，以获得准确的用户体验值，同时改善网络效率，优化用户体验。

1.2 面向QoE的切换策略

针对聚集异构无线网络环境，通过面向QoE的映射、视频质量评估和自适应，文献[14]扩展了MIH/IEEE 802.21，提出QoE切换架构，该架构允许多媒体背景下的用户在IEEE 802.11e和IEEE 802.16e网络环境中一直保持连接，允许面向QoE无缝移动和优化。在该场景中，QoEHand代理、无线节点和基站/接入点一起被执行。QoEHand代理通过执行基于聚类的多人工神经网络评估视频质量水平，这是通过将视频特征和网络损坏映射到相应的MoS值实现。此外，依据IEEE 802.11e或IEEE 801.16 QoS模型，QoE映射机制将业务要求和用户体验映射到可用的无线服务类，并针对QoS模型存在的异构问题给出优化方案。

1.3 资源使用优化技术

5G中的资源管理应该从QoS域向QoE域过度，需要设计新的跨层方法，这些调度方法应该优化网络和应用层的状态[2]。文献[15]提出了一种动态优化QoE自适应路由协议，提高用户体验、优化网络资源利用。借助提高用户协作的正式工具--博弈论(Game Theory)，针对终端移动性和不完美的信道评估，文献[16]基于最小QoE需求的最大化，提出合作无线资源管理算法，以提高资源效率和频谱效率。文献[17]提出一种面向QoE跨层无线资源分配算法，解决的是异构OFDMA(Orthogonal Frequency Division Multiple Access)系统下行链路资源分配问题，目标是系统中的每个用户提供QoE保证。此算法是通过将应用层参数和主观用户对于质量的感知整合到无线资源的分配过程。文献[18]将QoE引入异构网络水平QoS类映射方案中，已增强映射的灵活性提高网络资源利用效率。

1.4 质量波动管理

现有的研究QoS和QoE之间量化关系的模型，均建立在参数的平均值上。依赖于平均值是这类模型的根本限制，这种认为给定时间段内用户QoE由平均激励而不是瞬时行为决定的假定，已经被近期的研究表明是错误的。用新的业务管理策略、业务整形、网络度量等机制避免QoE质量的波动[2]。

目前对几种业务用户感知质量的研究仅有少数经验性结论，针对无线网络环境中3D多媒体业务传输，提出了一种统计分析方法，研究3D实时流媒体的业务属性和用户QoE之间的关系。移动网络环境下网络性能易变是正常的，但单一带宽中断(如在不同基站切换期间)时对业务QoE的影响这样的基本现象目前还缺乏研究，缺少有效的波动模型和网络性能指示以表示网络质量变化对QoE的影响，文献[19]研究了网络带宽波动及对QoE的影响。

1.5 QoE评估技术

QoE评估技术是基于QoE相关技术的核心[6]，目前主要分为客观评估技术、主观评估技术和数据驱动评估技术，如表1所示。

表1 QoE评估技术3种类型

客观评估技术通常是在实验室环境下直接征求用户所给出的MOS、DMOS等评估值。该类测试虽然客观，但对实验环境有较高的要求，测试成本较高(时间、人工和经费)、由于实验环境及实验数据类型有局限性，准确度较低、不能用于实时QoE的评估，且一些因素之间的联系在真实环境中不会发生。

主观评估技术主要通过对影响用户感知质量的相关参数建模，然后将模型输出结果和客观测试结果进行对比。有3类模型：① 基于视觉模型和信号驱动模型，前者主要基于 HVS(Human Visual System)如何接收和处理视频信号的信息，后者基于抽取和分析特定的业务模式和特征；② 基于参考分类方法，取决于是否需要源业务作为参考；③ 基于输入数据分类方法，根据输入数据的类型分类建模。该类评估方法依然依赖客观测试结果训练模型参数，依赖于原始视频，也不能满足实时性需要。存在的不足如下：① 对HVS和业务缺乏做够的知识，采用的是低层次的特征和属性，这对于高水平建模是不完全的；② 不能处理图片的几何变化带来的影响；③ 原图片很难获得；④ 参数之间的相互影响缺乏深入研究；⑤ 其性能的证实需要客观获得的MOS值，依赖于客观测试方法。

数据驱动评估技术是最新的研究方法，有如下两种发展趋势：① 用人工干预对QoE维度进行量化和测量，这些测度包括观看时间、观看视频数目、返回概率、表情、拖动时间、连接次数、观看视频时间和视频时长的百分比等；② 从小规模的实验室试验到大规模的数据挖掘，这种方法得到的模型较复杂，具有较大计算复杂度，但比来源于小规模数据的效果好(有可能在大规模在线QoE评估时不如简单模型)。由于大部分时间有大量的因素影响用户质量的评估，所以QoE评估是个相当复杂的问题。这些影响因素包括人的因素、系统因素、设备相关因素、媒体相关因素等[10]。因此发展基于大数据的轻量级、有效、可靠的QoE预测模型是未来的发展方向之一。

QoE数据驱动评估常用方法包括：① 基于相关性和线性表示的分析，包括QoE-QoS Kendall 相关性分析、信息增益分析和基于曲线拟合的线性表示，上述研究表明，特定的QoS特征对某一种业务具有较高影响，但对另一种类型业务影响较低，换句话说，QoS特征的影响是与上下文环境相关的，QoS和QoE之间的关系是非单调的。仅依赖该类方法不能解决QoS和QoE之间的非单调关系、QoS参数之间的相互依赖性和外部因素操作等情况；② 基于决策树的QoE预测模型，该类方法首先完成数据收集和修剪、建立仅针对QoS的决策树、外部因素识别，然后修正决策树，最后将方法用于面向QoE的内容分发网络和比特率选择。该方法选择的QoE指标为观看时间比率，选择的QoS指标是启动延迟、缓冲事件和平均比特率，同时考虑了视频类型是实时还是离线，该类方法克服了基于相关性和线性表示的分析方法存在的不足；③ 基于准实验设计的QoS-QoE因果关系分析，该方法在受控的环境中，首先建立QoS测度对QoE测度没有影响的无效假设，然后匹配处理的和未处理的观察者，接着计算匹配对的得分并累加得分，最后进行显著性检验。但该方法仅能用于证实QoS-QoE因果关系，不能给出量化关系，所以不能用于QoE评估。

2 一种网络多媒体业务QoE保证方案

随着网络多媒体业务的飞速发展，每天都产生数量巨大的多媒体数据。这些数据潜藏着很多有价值的信息，推动着QoE数据驱动评估技术的发展。为了更深入了解不同因素对QoE的影响，给出一个典型的网络业务会话过程示意图如图1所示。

图1 一个典型的网络业务会话过程示意图

图1中从业务生成到终端用户的每一步都可能引入失真和损坏，从而影响用户感知的质量。源端业务类型、量化误差及包括形状等影响视觉系统的时空特征、视频长度(与短视频相比，用户对长视频更有耐心)；发送端编码压缩技术导致的信息丢失、编码设备的比特率(不是越高越好，频繁的速率变换也会降低QoE)、帧率(人类视觉系统一般可以分析10～12帧/s，帧率不中断的阈值还受到内容(如运动)和显示(如亮度)的影响)等都会影响用户质量。文献[20]研究表明帧率对QoE的影响取决于视频内容的时空特征；传输模块对于电视广播网络主要是显示分辨率的区别，如标清网络电视、增强型网络电视、高清网络电视和超清网络电视。对于IP网络和无线网络(包括蜂窝网/移动网络，WLAN、无线传感网和车载网)，网络环境对QoE有较大影响。主要影响因素有包丢失、延迟、抖动、带宽等。需要注意的是缓冲和重发机制一定程度上可以纠正上述因素的不利影响；接收端设备尺寸、分辨率、显示形状、缓冲区设置大小、解码及解压缩带来的影响等；终端用户人口结构(包括年龄、性别、种族、职业、国籍、教育水平、经济收入等)、耐心、视频受欢迎程度(用户对受欢迎的视频容忍度更高)、时机(用户处于休闲状态还是紧张工作状态，网络处于高峰期还是空闲期)。

在数据驱动QoE评估方法中，常用的度量如下：①业务水平度量：业务放弃、业务终止、业务失败、业务完成、每个业务实际完成时间、业务放弃比率、暂停、快进、倒回、分辨率调整及显示屏大小调整等；②用户水平度量：特定网站特定时间用户实时的业务量(对应于视频，就是视频剪辑数)、访问特定网站用户实施业务的全部时间(对于视频就是观看的全部时间)、用户回访比率(特定时间内用户再次访问相同网站的比率，该指标表明用户将来访问该网站的可能性)、用户对业务的评定等级等；③QoS指标：启动延时(或加入时间)、缓冲、缓冲时间占全部观看时间的比率、缓冲次数、平均比特率、缓冲延迟、业务失败次数、表达质量等。

可见5G网络环境中保证用户QoE是个相当复杂的问题，这需要给出一个方案，兼顾QoE评估、传输和网络控制之间影响。基于文献[6]，这里给出一种网络多媒体业务QoE保证方案。

2.1 优化跨层业务传输

基于QoE测度完成MAC/PHY水平的优化，这对于带宽有限、信道质量不稳定的无线网络业务分发很重要。首先设计可给出可靠结果的QoE预测模型，该模型可在线执行、具有实时反馈的能力，在设定输入的情况下，依据QoE预测模型实时给出的可靠的预测结果，自适应调整相应的优化策略，以改善用户QoE。然后在时间尺度和应用水平上逐步调整源业务。为了克服信道条件的快速变化，这里可以利用物理层水平的聚集信息，物理层水平链路调整用相对粗粒度的应用层水平信息。

2.2 面向QoE的拥塞控制

可依据业务特点设计对业务友好的拥塞控制机制，克服由于TCP协议丢包策略、“加性增，乘性减”算法和基于QoS控制导致的较长延迟。可优化拥塞窗口大小以最大化QoE远期期望。考虑失真和每个包延迟截止时间的影响，设计在线实时学习算法完成对于MOS值的实时评估。也可以不修改TCP协议，将延迟问题交给业务传输处理。

2.3 优化网络业务传输

由于受到噪声、干扰、多径和用户/设备移动等影响，5G网络环境下信道条件处于变化之中。因此需要考虑信道快速变化对业务质量的影响，特别是用户对短时的较差质量很敏感，需要设计干扰管理机制减少干扰能量，设计干扰整形机制平滑突发干扰的影响。设计更为有效的面向QoE实时接入控制机制管理多用户的竞争，研究面向QoE的高效资源分配策略，向多用户提供频率、发送时间、带宽等资源的灵活分配方案。设计更灵活的面向QoE的业务分发协议，提高分发效率。

2.4 设计媒体播放器缓存

结合启动延迟、重新缓冲时间和用户特点等因素，设计缓冲大小。要注意到缓冲尺寸偏大会导致较长的启动延迟，因为在播放器启动以前必须下载更多的数据。播放器工作期间，尽量降低重新缓冲的次数。此外，要考虑到用户的行为特点，许多用户在业务全部完成以前会停止业务，导致下载的很多数据无用，也造成带宽资源的巨大浪费。因此，有必要针对用户预测业务片段，避免传输过度数据。

3 未来的发展方向

未来的发展方向如下：

① 基于数据驱动QoE研究。随着网络环境、业务和用户期望随着时间而改变，QoS特征和外部因素也不断演化，新的特征也可能不断涌现，应该考虑选择新的维度以表示QoE，进一步对用户的网络多媒体业务期望展开研究理论，抽取对用户QoE有益的重要QoS和外部因素，取得较好的可刻画QoS-QoE之间复杂关系的表示模型，已获得更为准确的开发分析工具。此外，由于目前尚缺乏用于用户QoE研究的标准的数据库，有必要建立数据库以对QoE展开深入研究；

② 面向QoE的视频发送优化。目前多数的业务发送优化是面向QoS的，而面向QoE的发送优化有很大的不同，需要考虑当多用户共享有瓶颈的链路时，由于不同的用户有不同的QoE期望，应该基于用户对QoE的敏感度设计面向QoE的多用户业务调度方法。一旦QoE衰减被监测到，其导致的原因应该被识别。所有的管理策略应该基于对QoS-QoE之间关系的全面理解；

③ QoE评估紧急技术，新的网络环境和新涌现的业务，导致会出现不同的情况，比如3D视频的特征不同于传统的2D视频，此外还有交互视频、超清视频、移动网络、传感网、车载网等新传输网络；

④ 基于QoE的互联网视频经济。对于业务内容提供商、内容分发网络运营商、互联网服务运营商和媒体播放器设计者出于经济因素考虑，采用预订、广告支持等也在影响着互联网业务的发展，需要建立支持嵌入广告、预订等因素的经济收益模型；

⑤ 大数据分析：可以从很多内部的结构化数据、外部的半结构化和非结构化数据中获得更多个性化的建议。此外，从网络的视角，大数据允许以更智能化的方式配置系统，这反过来转化为更好的QoE。总而言之，大数据使网络无意识操作降低、智能性增强，能够基于先验知识作出对不远的将来有益的决策；

⑥ 软件定义网络SDN(Software Defined Networking)：弹性、可扩展性和面向服务的管理是5G架构发展的主要驱动力。SDN可能是QoE管理和保证功能的重要技术，通过创建一个虚拟的网络基础设施控制平面，基于提供各自的编程指令动态施加管理决策以影响网络节点。通过SDN控制QoE的主要益处是：是一种软件的方式、统一、低复杂性、低成本及配置可调。

4 结束语

目前，5G网络的研究还在起步阶段，QoE是研究热点之一，相关QoE关键技术也在探索之中。面对5G网络环境下用户多样化、每种服务类型需求变化巨大的新特点，如何将QoE整合到5G网络环境中，如何以用户为中心进行网络设计，体现以QoE为中心的本质属性，已吸引越来越多的研究人员和相关国际组织的关注，相关成果也陆续发表。作为5G核心特征QoE面向用户，其能满足用户更个性化的需求，也必能推动移动通信相关技术得到进一步发展。

[1] Liotou E,Elshaer H,Schatz R,et al.Shaping QoE in the 5G Ecosystem[C]∥ London:2015 Seventh International Workshop on Quality of Multimedia Experience (QoMEX),2015:1-6.

[2] Rolando G,Richard G C,Juan M F,et al.Definition of the Transfer Coefficient in Electrochemistry(Iupac Recommendations 2014)[S].

[3] Chien Y L,Link C J,Chen M S.Machine Learning Based Rate Adaptation with Elastic Feature Selection for HTTP-based Streaming[C]∥Italy:2015 IEEE International Conference on Multimedia and Expo (ICME),2015:1-6.

[4] Sun Shi-wei,Cegielski C G,Li Zhi-gang.Amassing and Analyzing Customer Data in the age of Big Data:A Case Study of Haier’s Online-to-offline (o2o) Business Model[J].Journal of Information Technology Case and Application Research,2015,17(3-4):156-165.

[5] Xing Hong-ya,Wang Peng,Cui Xuan,et al.Lnk1 and lnk2 Recruitment to the Evening Element Require Morning Expressed Circadian Related Myb-like Transcription Factors[J].Plant Signal Behav,2015,10(3):96-105.

[6] Chen Yan-jiao,Wu Kai-shun,Qian Zhang.From QoS to QoE:A Tutorial on Video Quality Assessment[J].IEEE Communications Surveys & Tutorials,2015,7(2):1126-1165.

[7] Qualinet European Network on Quality of Experience in Multimedia Systems and Services.Qualinet White Paper on Definitions of Quality of Experience Version 1.2[S].

[8] Floris A,Atzori L.Quality of Experience in the Multimedia Internet of Things:Definition and Practical Use-cases[C]∥ London:2015 IEEE International Conference on Communication Workshop (ICCW),2015:1747-1752.

[9] Stankiewicz R,Cholda P,Jajszczyk A.QoX:What is it really?[J].IEEE Communications Magazine,2011,49(4):148-158.

[10]Kulik I,Kara P A,Trinh T A,et al.Analysis of the Relationship between Quality of Experience and Service Attributes for 3D Future Internet Multimedia[C]∥ Budapest:2013 IEEE 4th International Conference on Cognitive Infocommunications (CogInfoCom),2013:641-646.

[11]Liotou E,Papadomichelakis E,Passas N,et al.Quality of Experience-centric Management in LTE-A Mobile Networks:The Device-to-Device Communication Paradigm[C]∥Singapore:2014 Sixth International Workshop on Quality of Multimedia Experience (QoMEX),2014:135-140.

[12]Varela M,Laulajainen J P.QoE-driven Mobility Management-Integrating the Users’ Quality Perception into Network-Level Decision Making[C]∥Mechelen:The 3rd International Workshop on Quality of Multimedia Experience,Mechelen,2011:19-24.

[13]Huang Feng-hui,Zhou Wen-an,Du Yu.QoE Issues of OTT Services over 5G Network[C]∥Guangdong:2014 Ninth International Conference on Broadband and Wireless Computing,Communication and Applications (BWCCA),2014:267-273.

[14]Jailton J,Carvalho T,Valente W,et al.A Quality of Experience Handover Architecture for Heterogeneous Mobile Wireless Multimedianetworks[J].IEEE Communications Magazine,2013,51(6):152-159.

[15]Tran H A,Mellouk A,Hoceini S,et al.Global State-dependent QoE Based Routing[C]∥ Ottawa:IEEE International Conference on Communications (ICC),2012:131-135.

[16]Rugelj M,Sedlar U,Volk M,et al.Novel Cross-Layer QoE-Aware Radio Resource Allocation Algorithms in Multiuser OFDMA Systems[J].IEEE Transactions on Communications,2014,62(9):3196-3208.

[17]Rahman T F,Sacchi C.A Cooperative Radio Resource Management Strategy for Mobile Multimedia LTE Uplink[C]∥ Montana:2014 IEEE Aerospace Conference,2014:1-8.

[18]Wang zai-jian,Dong Y,Wang X.A Dynamic Service Class Mapping Scheme for Different QoS Domains Using Flow Aggregation[J].IEEE Systems Journal,2015,9(4):1299-1310.

[19]Sackl A,Casas P,Schatz R,et al.Quantifying the Impact of Network Bandwidth Fluctuations and Outages on Web QoE[C]∥London:2015 Seventh International Workshop on Quality of Multimedia Experience (QoMEX),2015:1705-1710.

[20]Huynh Q T,Ghanbari M.Temporal Aspect of Perceived Qualityin Mobile Video Broadcasting[J].IEEE Trans.Broadcast.,2008,54(3):641-651.

Research on Key Technologies of QoE in 5G Network

WANG Zai-jian，YANG Ling-yun，TANG Ping-ping，HE Guo-dong

(The College of Physics and Electronic Information,Anhui Normal University,Wuhu Anhui 241000,China)

To meet the requirements of user′s personalized service and fine business division in the 5th Generation Mobile Communication Networks (5G),the user-centric design approach should be utilized to evaluate network performance and coordinate network operations.Therefore,it is helpful to study the key QoE technologies for developing 5G technologies and new applications/services.This paper first introduces the basic characteristics of the applications/services in 5G networks.Then,this paper summarizes the existing technologies including QoE-aware handover scheme,mobility management,Internet resource optimization,power supply resource optimization,quality fluctuations management and QoE evaluation in emerging 5G wireless system,with focus on QoE provisioning schemes for network multimedia service.Finally,this paper is concluded with a discussion of future research directions.

5G network；Quality of Service;Quality of Experience;Network Multimedia Service

10.3969/j.issn.1003-3114.2016.06.07

王再见，杨凌云，汤萍萍，等.5G网络感知质量关键技术研究[J].无线电通信技术,2016,42(6):28-32，90.

2016-07-25

国家自然科学基金项目(61401004)；2016年安徽省高校领军人才引进与培育计划项目(gxfxZD2016013)；安徽师范大学博士科研启动基金(2016XJJ129)项目资助。

王再见(1980—)，男，副教授，主要研究方向：无线多媒体通信、多媒体大数据技术、QoE评估技术等。杨凌云(1982—)，女，讲师，主要研究方向：异构网络QoE保证技术等。

TN929

A

1003-3114(2016)06-28-5