本发明属于模式识别与分类技术领域，具体涉及一种基于统计分析的网络视频流QoE-QoS参数映射方法。
背景技术：
近年来，Wifi、LTE、4G和WiMAX等无线通信技术的飞速发展，流媒体视频业务流量急剧增加，同时智能手机、笔记本电脑和平板电脑在人们日常生活中的普及加速了视频业务的增长。根据中国互联网络发展状况统计报告[1]，截至2017 年6月，我国网络视频用户规模达5.65亿，较2016年底增加2026万人，增长率为3.7％；网络视频用户使用率为75.2％。互联网视频观看的人数占所有网民总数的比例为75.2％，而且这一数值一直在增长。与此同时，Web视频等多媒体视频业务对传输带宽、延迟以及抖动的要求很高，这势必对视频业务在未来移动通信网中的传输和网络流量的管理带来严峻的挑战[2]。因此，为保障用户体验质量(Quality of Experience,QoE)[3]，如何根据所提供的服务来预测终端客户的体验质量是多媒体服务提供商目前迫切需要解决的问题。另一方面，对于多媒体服务提供商来说，为了更好的节约网络资源，是希望提供最低的资源而获得较满意的用户体验。
用户体验质量是描述用户在与服务或者应用交互的过程中，由用户产生的对服务的一种主观感受，用户在一定的客观环境中对所使用的服务或者业务的整体认可程度，在业界被用来评价视频业务的服务质量。平均意见分(MOS，Mean Opinion Score)是一种常用于表示用户对实时多媒体服务尤其是视频应用的感知质量的参数，它能够较好地反映出用户对视频应用质量的感觉。MOS值取值范围是1～5，值越大表明用户对视频质量越满意，反之越小则表明用户对视频质量越不满意。概率密度函数(PDF，Probability Density Function)是一个描述某个随机变量的输出值，在某个确定的取值点附近的可能性的函数。
目前QoS(Quality ofService)-QoE建模一直是科研人员的研究重点，由于QoE 受到很多因素的影响，研究人员一般会用多个网络层QoS参数或者应用层QoS 参数，建立与QoE之间的模型。当采用这种模型的时候，业务提供商无法通过 QoE知道对应的QoS参数应该是怎么样的。也就是说这种多对一的关系，不能从QoE反推QoS，大部分情况下我们是得不出解析解的，因为会出现多值的情况。本文从这个角度出发，由QoE反推QoS参数，研究在某个QoE指标下，QoS参数服从的概率分布及其约束范围，为多媒体服务提供商提供直观可靠的建议，既保障了用户的体验质量，又合理节约网络资源。
技术实现要素：
为克服以上模型的缺点，本发明提出一种基于统计分析的网络视频流 QoE-QoS参数映射方法。该模型在已知QoE的情况下，能反推出QoS参数(视频码率、延时抖动)的约束范围及最优区间，为网络多媒体业务提供商提供直观可靠的建议，既保障了用户的体验质量，有合理节约网络资源。
为达到上述目的，本发明采取的技术方案为基于统计分析的网络视频流 QoE-QoS参数映射方法，具体包含以下步骤：
(1)数据采集与预处理：采集互联网上多种清晰度的数据流样本，然后进行预处理操作；
(2)计算多种视频业务的MOS值：模拟播放视频，将截断之后的数据集作为模拟播放的输入，统计每一条流的特定参数；
(3)拟合函数并画图：通过MATLAB拟合出MOS值到延时抖动和视频码率的映射关系，并画出延时抖动和视频码率关于MOS值的三维图以及在二维平面上的投影图。
进一步，上述数据采集与预处理具体操作包括：
在开放的互联网环境中，通过网络封包分析软件WireShark抓取所需的多媒体业务流数据，然后将原始数据转换成标准的五元组文本格式，即数据包到达的时间、源IP地址、目的IP地址、协议、数据包分组大小；
上述计算多种视频业务MOS值具体包括：
(2.1)将预处理之后的原始数据集截断；
(2.2)模拟视频播放原理，将截断之后的数据集作为模拟播放的输入，统计每一条流的特定参数；
(2.3)根据步骤2.2中统计出来的参数计算截断数据集中每条视频流基于 ITU-TP.1201标准下的MOS值；
(2.4)将MOS值分为4个区间，统计每个区间上各个QoS参数在一个小区间上的个数，得到原始视频数据集每条视频流的MOS值PDF；
上述拟合函数并画图具体包括：
(3.1)利用MOS在各个区间内取值的概率，去除概率较小的情况，合并各个区间，使该区间内只有一种MOS取值。
(3.2)利用MATLAB的cftool工具箱拟合函数，并且画出三维及二维投影图。
本发明的有益效果：
1、本发明利用信号处理中的方法，采用低通滤波器滤除数据集中噪声，使在各个区间段内取到奇异MOS值的概率尽可能小。相较于处理前，该方法后数据集的奇异值减少，数据更趋近于合理值，并且该方法简单易行，具有较低的计算复杂度。
2、本发明针对多媒体视频业务，提出了一种新的QoS-QoE模型，首先利用经过低通滤波器滤波后的数据拟合出具体函数形式，解决了目前现有模型不能从 QoE反推QoS的问题，并且通过二维图可以反推QoS的约束范围并给出最优区间。
附图说明
图1是本发明用到的ITU-TP.1201标准QoE整体架构。
具体实施方式
为了加深对本发明的理解，下面将结合附图和实施例对本发明做进一步详细描述，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。
现提供一个实施例，包括如下步骤：
步骤1：数据收集与预处理，具体步骤为：
(1)在开放的互联网环境中，通过网络封包分析软件WireShark抓取所需的多媒体业务流数据，然后将原始数据转换成标准的五元组文本格式，即数据包到达的时间、源IP地址、目的IP地址、协议、数据包分组大小；
(2)对原始多媒体业务流的标准五元组文件进行基本的预处理，滤除每条视频流的前5分钟的数据包，并将每一条视频流按1000个数据包间隔得到样本流，定义为数据集DataSet1。
步骤2：模拟视频播放与MOS值计算，具体步骤为：
(1)模拟视频播放策略具体描述如下：
模拟客户端视频播放过程可以分为播放准备阶段、视频初始缓冲阶段、视频播放阶段和播放中断阶段。在播放准备阶段，我们将视频开始播放的阈值bc设定为视频播放1s所需数据包大小，视频播放速率设定为平均视频码率的0.75倍，视频中断阈值bi设定为平均视频码率的0.1倍。在视频初始缓冲阶段，开始缓冲区的数据包为空，该算法在当前时间间隔内读取其对应的数据包源源不断地加入缓冲区，当缓冲区数据包大小小于视频播放的阈值bc，不执行任何操作，当缓冲区数据包大小大于视频播放阈值bc，开始执行播放视频的功能，并记录下当前数据包到达时间作为初始缓冲时间。在视频播放阶段，一旦视频开始播放，缓冲区数据包以平均视频码率的0.75倍的速率离开缓冲区，同时算法读取文件中的数据加入缓冲区。当缓冲区数据包大小小于视频中断阈值bi时，此时视频播放中断，记录下播放中断次数+1，并记录当前数据包到达时间间隔作为播放中断时间，与总的播放中断时间相加。在视频播放中断阶段，此时视频播放停止，而算法继续从文件中读取数据包加入缓冲区，缓冲区数据包必须大于bc才能重新开始播放。当当前视频流数据包全部读取完毕统计该视频流初始缓冲时间、播放中断次数和播放中断时间。等待下一个视频流执行同样的操作，对于每一条要模拟播放的视频流都执行该算法。
(2)ITU-TP.1201流媒体质量预测模型具体描述如下：
在ITU-TP.1201提出的标准中，我们需要计算单独音频评分O.21、单独视频评分O.23、音视频评分O.32、播放中断和初始缓冲评分O.24和整体视频评分O.41这些基本模型的值。
定义综合的MOS值O.41由如下得到:
0.41＝max(min((0.32-50.24),5),1) (1)
公式(1)中，O.24是由缓冲区数据包太少造成的播放中断和视频开始播放的初始缓冲带来的体验质量损伤评分，计算公式如(2)：
0.24＝5-max(min((DegStall+DegT0),4),0) (2)
为了计算O.24，我们需要得到视频播放中断所引起的体验质量损伤评分 DegStall和初始缓冲带来的视频体验质量损伤评分DegT0。
DegStall＝max(min(s4+s1×exp((s2×L+s3)×N),4),0) (3)
其中，L是视频平均播放中断持续时间，它不包括初始缓冲时间，单位是s，N是视频播放中断次数，它不包括初始缓冲。
我们用T0表示视频播放初始缓冲时间，如果T0>1-(-3.29)＝4.29，则：
DegT0＝max(min(d1×lg(T0+d2),4),0) (4)
如果T0≤1-(-3.29)＝4.29，则：
DegT0＝0 (5)
公式(1)中，O.32是由音频单独评分O.21和视频单独评分O.23加权平均而得到的。由于我们没有用到音频，所以这里不需要计算O.21。则：
0.32＝AVMOSC＝VMOSC (6)
其中：
VDC是由于视频压缩而产生的视频失真度，计算公式如(8)：
VNBR是视频的归一化码率，计算公式如(9)：
其中，VBR是视频码率，单位是kbit/s，videoFrameRate是视频播放帧率。
VCCF是视频内容复杂度影响因子，表明视频内容的时空复杂度，它的最大值为1.0，初始值为0.5，计算公式如(10)：
公式中参数VABIF是平均I帧字节数。为计算方便，这里平均I帧字节数我们根据经验选取合适的值。
(3)将DataSet2作为模拟视频播放策略的输入，统计播放中断次数，平均播放中断时间、初始缓冲时间和视频码率四个QoS参数。将DataSet2中每条视频流的四个QoS参数计算其基于ITU-T标准下的MOS值。之后将MOS值按照 1-2,2-3,3-4,4-5分为四个区间，每个区间里，统计QoS参数在落在100个等分中的个数，得到该视频业务的PDF。
步骤3，拟合函数并画图分析，具体步骤为：
(1)将经过低通滤波后的数据输入MATLAB，利用cftool拟合出具体函数形式。
(2)根据延时抖动、视频码率和MOS值的关系，画出三者的三维图以及在二维平面上的投影图。
(3)由二维图我们可以看到，单一的QoS参数并不能唯一确定MOS值，而需要延时抖动与视频码率两个参数共同约束，就是图中的分割区间。以MOS 值3-3.5为例，我们用两段线性函数进行拟合，其交接点已在图中标出，分别是 (25.9,48.25)和(32.8，37.72)。当视频码率或者延时抖动取值在上下边缘线之间时，MOS值以大概率保持在3-3.5之间。因此我们以这两个交接点的中点，连接前后边界点的中点，就可以画出该分割区间的中线(见图中虚线)。而这个分割区间里的点落在中线附近的概率是最大的，即这条中线可作为该MOS区间的参考线。
上下边缘线的分段线性函数表达式为：
其中，f1是边缘线的第一段拟合曲线，f2是边缘线的第二段拟合曲线
(4)边缘线第一段直线斜率较大，而第二段较小，这说明，在以交点连线 (见图中点划线)形成的分界线左下部分，MOS值对延时抖动和视频传输码率较敏感，在分界线右上部分，MOS值对视频传输码率不太敏感。这对于网络提供商来说，在节约网络资源的情况下，可以选择分界线下半部分的值，而又能提供较好的用户体验质量。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。