一种移动流媒体用户体验质量QoE修正方法和服务器的制造方法
【技术领域】
[0001] 本发明涉及无线网络通信领域的用户体验质量的评价和管理，尤其涉及一种移动 流媒体用户体验质量QoE修正的方法。
【背景技术】
[0002] 随着移动通信技术的不断发展，移动流媒体业务的需求呈爆炸式地增长，其性能 评估的重要性也日益突出。
[0003] 用户体验质量（Quality of Experience, QoE)是用户端到端的概念，它是从用 户的角度来衡量业务的优劣，是用户对当前网络、业务质量及性能的综合主观感受。HTTP Streaming技术的发展是为了提升用户的业务体验，因此，用户体验质量（QoE)是衡量HTTP 流媒体业务性能的核心指标。
[0004] 基于HTTP协议的流媒体服务不同于传统基于UDP协议的流媒体服务。由于底层 使用了可靠的TCP协议，视频质量下降的原因主要在于重传的包到达太迟造成的视频需要 填充空缓冲区，因此影响基于HTTP协议的视频服务性能的网络层因素主要是时延、丢包以 及网络带宽，应用层因素主要是初始缓冲与再缓冲等时间因素。目前，评价移动流媒体业务 的用户体验质量有主观以及客观两种方法：
[0005] (1)主观质量评价，即参与测试的人员对进行测试的受损视频片段进行打分，主观 评价视频质量以此来评价业务质量的好坏，典型的包括单刺激连续质量评价方法（Single Stimulus Continuous Quality Evaluation, SSCQE)、双刺激连续质量标度方法（the Double-Stimulus Continuous Quality-Scale method, DSCQS)以及双刺激损伤标度方法 (the Double Stimulus Impairment Scale method, DSIS)。主观评价由于直接反应人的主 观感受，所以准确性高，但此评价方法不适用于实时评价，且该方法需耗费大量的人力、物 力，工作量巨大且较为耗时，总体来说不易实施。
[0006] (2)客观质量评价，即针对视频数据建立数学模型，经过一系列的计算得到反映 视频质量的参数，得到最终评价结果，根据对原始参考视频的引用程度分为全参考（Full Reference, FR)、部分参考（Reduced Reference, RR)以及无参考（No Reference, NR)三种 视频质量评价方法。常见的峰值信噪比（Peak Signal to Noise Ratio,PSNR)、均方根误差 (Mean Square Error，MSE)等全参考评价以及部分参考评价需要引用源视频全部或部分信 息，因此不适用于在网络中传输的HTTP流媒体业务。相比之下，无参考评价方法不需引用 源视频，仅根据受损视频本身特征进行评估，因此成为学术界研究的重点。但目前的无参考 评价方法仍不完善，如何有效地将可量化、可度量的QoS参数与QoE进行映射还需要深入研 究。另外，用户体验质量不仅取决于网络层，还包括了应用层、用户层以及业务层等多方面 的因素，因此，单纯的客观评价方法并没有能够很好的将人的主观感受体现出来，无法很好 地贴近用户的感知。如何有效地将主观评价与客观评价相结合，仍有待深入的研究。
[0007] 现有的相关专利和相关论文中，大多数人通过网络层直接进行QoS和QoE之间的 映射，但这样只考虑了网络因素忽略其他层面对QoE的影响；有的通过网络层与应用层的 结合进行缓存区状态的预测，此方法可以很好地预测QoE是否即将降低但无法直接预测得 具体的QoE值；有的考虑到了用户层用户操作行为对缓存区的影响，但并未考虑到用户的 行为反应出的用户心理，而无法应用用户层参数得到Q〇E。根据以上分析，可得网络层、应用 层以及用户层三层之间与QoE的关系如图1所示。继而再次基础上进一步分析如何使用用 户层信息进行QoE的评价。
[0008] 用户体验质量是比较主观化和个体化的，它受很多方面的因素影响。我们可以看 到，目前已有的评价都只考虑了影响QoE的部分因素，有的仅是进行单一的QoS与QoE的映 射，有的直接将QoE简化成缓冲区的状态。而用户在观影过程中，会产生诸如暂停、改变分 辨率以及退出等一系列操作行为，这些行为有的可能会对流媒体业务质量造成一定影响， 有的可能会表达出用户某些心理状态，而现有的评价方法往往将场景理想化，假设网络条 件不变，以及忽略用户在观影过程中的操作行为对流媒体业务质量的影响，这与用户实际 使用环境有较大的偏差，因此最终的评价结果容易与用户实际体验质量不一致。
【发明内容】
[0009] 本发明针对基于HTTP协议的移动流媒体业务中对QoE的评价偏差较大，提出一种 移动流媒体用户体验质量QoE修正方法和服务器，修正用户个性化的QoE评价。
[0010] 为了解决上述问题，本发明提供一种移动流媒体用户体验质量QoE修正方法，该 方法包括：
[0011] 接收用户行为数据和当前视频损伤数据；
[0012] 根据所述用户行为数据得到对个人QoE的影响值；
[0013] 根据所述当前视频损伤数据得到初始用户体验质量QoEinit ;
[0014] 根据所述对个人QoE的影响值和所述初始用户体验质量QoEinit得到修正个人用户 体验质量QoE final。
[0015] 优选地，所述方法还包括：
[0016] 所述对个人QoE的影响值包括：流畅度对所述个人QoE的第一影响值Et和清晰度 对所述个人QoE的第二影响值Ep ;
[0017] 根据所述用户行为数据得到对个人QoE的影响值的步骤包括：
[0018] 根据所述用户行为数据，建立用户行为表，根据所述用户行为表计算出所述Et和 Ep。
[0019] 优选地，所述方法还包括：
[0020] 所述用户行为表包括：
[0021] Lqti，，L_，Lqft分别表示用户历史观看Ci类视频退出时的平均初始缓冲时长程度、 平均再缓冲时长程度及平均再缓冲频率程度；
[0022] Npause，表示本次观看视频用户被动暂停的总次数；
[0023] time表示播放的视频长度；
[0024] 根据所述用户行为表计算出所述Et和Ep的步骤包括：
[0025] 所述 Et=〈uID，{(C1, Elt) ; (C2, E2t);…（Cn，EJ } > ;
[0026] 其中，Eit(1 u <n)表示某类视频Ci流畅度对该用户个人QoE的影响值，1彡Eit彡0 ;
[0027] Eit=eiIit+e2M(Lpause)；
[0028] 其中，Iit=I (Lqti，L_，Lqft)表示用户被动退出行为对QoE的影响值；M(Lpause)表示 用户被动暂停行为对QoE的影响值 ；ei+e2=l，ei、e2分别表示用户被动退出行为以及被动暂 停行为对此次观看视频QoE的影响值系数；
[0029] 当用户冷启动时，Iit=O,此时 Eit=e2M(Lpause);
[0030] Iit=-I+(U1Lt^u2LqflTKi 3Lqtr)/3,（-1 彡 Iit 彡 0);
[0031] 其中，Lqti，Lqft分别表示用户历史观看C i类视频退出时的平均初始缓冲时长 程度、平均再缓冲时长程度以及平均再缓冲频率程度< 1;
[0032] M (Lpause) =e，ause-l，(-1 彡 M (LpauJ 彡 0)，
[0033] 其中，
【主权项】
1. 一种移动流媒体用户体验质量QoE修正方法，其特征在于，该方法包括： 接收用户行为数据和当前视频损伤数据； 根据所述用户行为数据得到对个人QoE的影响值； 根据所述当前视频损伤数据得到初始用户体验质量QoEhit; 根据所述对个人QoE的影响值和所述初始用户体验质量QoEhit得到修正个人用户体验 质量QoEfinai。
2. 如权利要求1所述的方法，其特征在于， 所述对个人QoE的影响值包括：流畅度对所述个人QoE的第一影响值Et和清晰度对所 述个人QoE的第二影响值化； 根据所述用户行为数据得到对个人QoE的影响值的步骤包括： 根据所述用户行为数据，建立用户行为表，根据所述用户行为表计算出所述Et和Ep。
3. 如权利要求2所述的方法，其特征在于， 所述用户行为表包括： Lq"，，Lqtt，Lqft分别表示用户历史观看。类视频退出时的平均初始缓冲时长程度、平均 再缓冲时长程度及平均再缓冲频率程度； Npaus。，表示本次观看视频用户被动暂停的总次数；time表示播放的视频长度； 根据所述用户行为表计算出所述Et和Ep的步骤包括： 所述Et=<uID，{咕，Eit);咕，Est);…（C