公开(公告)号：CN116017092A

公开(公告)日：2023-04-25

申请号：CN202211595855.4

申请日：2022-12-12

Applicant: 中国科学院计算技术研究所

Inventor： 樊轩诚 ,  王园园 ,  田霖 ,  孙茜 ,  林苏颖

IPC: H04N21/647 ,  H04N21/24 ,  H04W24/08 ,  H04N21/2662 ,  H04N21/442

Abstract: 本发明提供一种QoE量化方法，所述QoE用于客观量化采用跨层架构传输系统为用户终端提供移动视频服务时的用户感受，所述方法包括：S1、获取用户终端从所述传输系统中下载并播放视频时对应的应用层参数和网络层参数；S2、基于步骤S1中获得的应用层参数确定基准QoE；S3、计算网络层参数对所述基准QoE的影响度；S4、基于步骤S2得到的基准QoE、步骤S3中计算得到的网络层参数对基准QoE的影响度获得最终的QoE。本发明提供的QoE量化方法能够综合应用层和网络层影响因素，更为全面客观地预测出未来时刻跨层架构传输系统的QoE，并为跨层架构传输系统的各层参数优化提供更准确的参考依据。

公开(公告)号：CN116208984A

公开(公告)日：2023-06-02

申请号：CN202310181938.7

申请日：2023-02-21

Applicant: 中国科学院计算技术研究所

Inventor： 王园园 ,  樊轩诚 ,  张宗帅 ,  田霖 ,  王妮娜

IPC: H04W24/02 ,  H04L41/5003 ,  H04L41/5009 ,  H04L41/0823

Abstract: 本发明实施例提供一种基于深度学习的移动视频QoE跨层优化方法，该方法包括：步骤S1、利用预先训练的第一深度神经网络根据历史的QoE量化指标预测下一时刻的QoE量化指标，并基于预测的QoE量化指标判断下一时刻的QoE是否需要优化，其中，历史的QoE量化指标根据获取历史的网络层QoS参数和应用层QoS参数确定；步骤S2、在下一时刻的QoE需要优化时，预测当前时刻的网络层QoS分数和应用层QoS分数，根据网络层QoS分数和应用层QoS分数选择性对网络层和应用层中的一方进行优化以得到提高下一时刻的QoE的优化策略。本发明通过预先预测是否需要优化和优化哪一方的方式对网络层或应用层进行优化，解决优化滞后和优化冲突的问题。

公开(公告)号：CN116017092B

公开(公告)日：2024-06-14

申请号：CN202211595855.4

申请日：2022-12-12

Applicant: 中国科学院计算技术研究所

Inventor： 樊轩诚 ,  王园园 ,  田霖 ,  孙茜 ,  林苏颖

IPC: H04N21/647 ,  H04N21/24 ,  H04W24/08 ,  H04N21/2662 ,  H04N21/442

Abstract: 本发明提供一种QoE量化方法，所述QoE用于客观量化采用跨层架构传输系统为用户终端提供移动视频服务时的用户感受，所述方法包括：S1、获取用户终端从所述传输系统中下载并播放视频时对应的应用层参数和网络层参数；S2、基于步骤S1中获得的应用层参数确定基准QoE；S3、计算网络层参数对所述基准QoE的影响度；S4、基于步骤S2得到的基准QoE、步骤S3中计算得到的网络层参数对基准QoE的影响度获得最终的QoE。本发明提供的QoE量化方法能够综合应用层和网络层影响因素，更为全面客观地预测出未来时刻跨层架构传输系统的QoE，并为跨层架构传输系统的各层参数优化提供更准确的参考依据。