基于神经网络的IPTV软探针QoE评估模块的研究与实现

摘要

在高度信息发达时代，交互式网络电视(IPTV)业务的需求越来越多，用户对视频质量要求越来越高，传统的服务质量(QoS)监测体系没有考虑视频终端性能参数的影响，因此不能很好地反映视频的体验质量(QoE)，如何更好地评价IPTV业务的QoE成为当前的一个研究热点。 本文针对IPTV直播的QoE评价技术进行了研究，并建立了一个基于BP神经网络模型的视频QoE评估模型，利用C++语言开发了IPTV软探针QoE评估模块。具体工作如下: (1)数据采集及预处理。分别根据主观视频质量评价方法和原则和客观指标的计算原理采集或计算指标数据;首先对20000条客观指标数据进行清洗，剔除掉非法数据、超出正常范围内的数据和定值，将剩余的15000条数据作为实验用的有效数据;然后对所有指标与QoE作相关性分析，去掉了与QoE相关性很小的MDI DF劣化时长指标，最后进行归一化处理。 (2)针对15000条直播数据，分别建立BP神经网络模型和RBF神经网络模型评估其QoE，并对两种模型的评估结果进行对比，最终选择均方误差和平均绝对误差百分比都比较小的BP神经网络模型作为软探针评估模块的算法。 (3)设计并开发了软探针评估模块。在模块设计过程中，根据功能把评估模块划分为采集模块、处理模块、交互模块和工具模块，并利用C++语言分别实现了组成评估模块的各个子模块。 (4)对模块功能进行验证。利用Wireshark抓包软件评估采集指标的准确性，验证数据采集、记录、上报及上报周期等各项功能是否正常实现。搭建仿真环境，分别测试装有BP模型和原公司参数模型的软探针评估模块返回的QoE与人为主观评分的平均绝对误差百分比，结果BP模型和参数模型的平均绝对误差百分比分别达到3.52％和10.9％，BP模型满足评估模块的功能需求。