基于Matlab对网络侧估计终端用户视频体验的探讨

刘蒙霖，张 雷

（重庆交通大学，重庆 400074）

基于Matlab对网络侧估计终端用户视频体验的探讨

刘蒙霖，张 雷

（重庆交通大学，重庆 400074）

针对网络侧估计终端用户视频体验，基于Matlab软件运用拟合、多元线性回归与BP神经网络，对vMOS和sQuality、sLoading、sStalling进行分析，得出相关函数关系，并作出合理评价。

数据拟合；多元线性回归；BP神经网络；vMOS

当前，越来越多的人选择使用移动终端上的客户端APP来观看视频。本文对影响用户观看视频主观体验的客观分析vMOS和其影响因素初始缓冲时延、卡顿时长占比之间的关系展开研究。

1 问题分析

影响用户观看视频的体验在于初始缓冲时延与卡顿占比，需建立用户体验评价变量初始缓冲时延和卡顿占比与网络侧变量初始缓冲峰值速率、播放阶段平均下载速率、E2E RTT之间的函数关系。统计得到影响视频体验的3大关键因素分别是视频质量源（sQuality），决定播放启动时操作体验的初始缓冲时延（sLoading），决定播放过程中体验的卡顿（sStalling）[1]，sQuality、sLoading、sStalling与初始缓冲峰值速率、E2E RTT、播放阶段平均速率、初始缓冲时延、卡顿占比、视频全程感知速率、卡顿时长、播放时长视频码率和初始缓冲下载数据量变量存在函数关系。

需要分别求出其函数关系表示sQuality、sLoading、sStalling，而得到vMOS。用数学表达式表示为：vMOS＝（P1×sLoading＋P2×sStalling）×sQuality/（5P1＋5P2）[2].图 1为vMOS影响因素。

2 基本思路

建立用户体验评价变量初始缓冲时延与网络侧变量初始缓冲峰值速率、播放阶段平均下载速率、E2E RTT之间的函数关系。求出用户体验评价变量卡顿占比与网络侧变量初始缓冲峰值速率、播放阶段平均下载速率、E2E RTT之间的函数关系。建立初步函数模型，运用拟合确定函数关系中的待定系数。经过分析发现，卡顿占比与播放阶段平均速率存在相关性，运用拟合确定函数中的系数，再由卡顿占比和播放阶段平均速率得到视频全程感知速率，进而求出sLoading。

将得到的函数关系式联立，建立vMOS与sQuality、sLoading、sStalling的函数模型，查阅资料知vMOS与sQuality、sLoading、sStalling应符合关系式：vMOS＝（P1×sLoading＋P2×sStalling）×sQuality/（5P1＋5P2）.

图1 vMOS影响因素

3 函数关系建立与求解

3.1 求初始缓冲时延与E2E RTT间的差值

求出初始缓冲时延t2与E2E RTTt1之间的差值，记差值为z，记初始阶段缓冲峰值速率V1为x，播放阶段平均速率V2为y.

根据条件建立函数：f（x，y）＝p1＋p2x＋p3y＋p4x2＋p5xy＋p6x3＋p7x2y.

利用实验数据解出p1，p2，p3，p4，p5，p6和p7，得t2－t1＝3.115e4－10.75V1－0.155 4V2＋0.001 106V12＋4.021e－5V1V2－2.514e－8V13－3.569e－9V12V2.

3.2 求出卡顿时长与E2E RTT的差值

求出卡顿时长t3与E2E RTT的差值，记差值为z，初始缓冲峰值速率V1为x，播放阶段平均下载速率V2为y.

根据条件建立函数：f（x，y）＝p1＋p2x＋p3y＋p4xy＋p5y2＋p6xy2＋p7y3.

利用数据解出p1，p2，p3，p4，p5，p6和p7，得t2－t1＝3.115e4－0.155 4V1－10.75V2＋4.025e－5V12＋0.001 106e－5V1V2－3.572e－9V13－2.513e－9V12V2.

3.3 记初始缓冲得分SL为i

记初始缓冲得分SL为z，（初始缓冲时延－E2E RTT）为x，初始缓冲峰值速率V1为y.

根据条件建立函数：f（x，y）＝p1＋p2x＋p3y＋p4x2＋p5xy.

利用数据解出p1，p2，p3，p4和p5，得SL＝4.584－0.000 651 4（t2－t1）＋3.563e－6V1＋2.997e－8（t2－t1）2－1.226e－9（t2－t1）V1.

3.4 卡顿占比和播放阶段平均速率的关系

已知卡顿占比＝卡顿时长/播放时长，经过分析发现卡顿占比和播放阶段平均速率存在相关性。记视频全程感知速率V3为z，播放阶段平均速率V2为x，卡顿占比k为y.

根据条件建立函数：f（x，y）＝p1＋p2x＋p3y＋p4x2＋p5xy.

利用数据解出p1，p2，p3，p4和p5，得V3＝101.9＋0.968V2－1.18k＋1.04e－6V22－0.011 68V2k.

求出全程感知速率V3与播放阶段平均速率V2、卡顿占比k的关系后，再由全程感知速率V3推出到卡顿得分sStalling的函数关系。

根据条件建立函数：f（x）＝p1x2＋p2x＋p3.利用数据解出p1，p2，p3，得Ss＝－2.878e－8V32＋0.000 881 2V3－0.270 5.

3.5 vMOS函数关系的完善

将 sQuality 和 3.1 联立：SL＝4.584－0.000 651 4（t2－t1）＋3.563e－6V1＋2.997e－8（t2－t1）2－1.226e－9（t2－t1）V1和Ss＝－2.878e－8V32＋0.000 881 2V3－0.270 5 联立，得到关于vMOS的函数。vMOS和sQuality、sLoading、sStalling符合vMOS＝（P1×sLoading＋P2×sStlling）×sQuality/（5P1＋5P2）.P1为sLoading权重，取值为0.23，P2为sStalling权重，取值为0.27[3]，代入参数即可求得vMOS分值。

4 神经网络检验

在视频播放的中间，视频由于数据包未能按时到达而进行缓冲，造成卡顿，对视频体验影响也较大。视频质量变差主要与停顿时间的长短及多次停顿之间的间隔有关，在观看一个长视频的过程中，视频质量变差主要与卡顿次数有关[1]。根据上述函数关系预测得到数据，结合实验原数据构建关于卡顿次数的神经网络关系。运用Matlab神经网络预测出一组卡顿次数数据，再与实验实际卡顿次数进行比较分析。

图2为实验数据与预测数据关系图，如图将实验的实际数据训练得到的预测数据与函数关系求解数据进行比较，得出本文求解的函数关系符合实际预测规律。

图2 实验数据与预测数据关系图

5 模型的评价与推广

仔细观察参数之间的关系，寻找出层层递进的函数关系，最后得到目标函数。建立函数模型并求解，利用数据拟合法时的确定系数R值高，说明函数关系与实际数据关系非常接近，函数关系也能反映实验参数与网络侧估计终端用户视频体验之间的真实情况。本文将帧率、视频分辨率、视频格式等因素作统一化处理，同时还需考虑影响视频质量的因素，建立有关模型，提高函数准确率；需考虑网速波动，建立关于时间和网速的函数关系，代入到函数关系中。上述改进方法使函数关系更具有一般性，可推广到实际情况中，解决有关网络侧估计终端用户视频体验的任何问题。

［1］佚名.华为发布视频体验衡量体系评价标准U-vMOS［J］.电信网技术，2015（9）：96.

［2］朱建浩，左龙，陈君.基于vMOS值测试评估的LTE网络优化［J］.邵阳学院学报（自然科学版），2016（3）：40-45.

［3］陈楚雄，柯江毅，覃道满.视频业务体验评估和优化提升探讨［J］.邮电设计技术，2017（2）：17-23.

TN929.5

A

10.15913/j.cnki.kjycx.2018.02.114

2095－6835（2018）02－0114－02

刘蒙霖（1996—），男，重庆人，重庆交通大学本科生，研究方向为机械制造及其自动化。通讯作者：张雷（1980—），男，重庆人，讲师，研究方向为复杂网络、优化控制。

刘晓芳〕