周小毛，杜海清，劉 勇

（網(wǎng)絡(luò)體系構(gòu)建與融合北京市重點(diǎn)實(shí)驗(yàn)室，北京郵電大學(xué)信息與通信學(xué)院，北京100876）

1 引言

在流媒體業(yè)務(wù)使用中，QoS從網(wǎng)絡(luò)的角度進(jìn)行業(yè)務(wù)管理并提供業(yè)務(wù)差異性，QoE是從用戶的角度出發(fā)對(duì)業(yè)務(wù)性能的評(píng)價(jià)［1］。QoS與QoE映射模型可用于指導(dǎo)網(wǎng)絡(luò)規(guī)劃、配置、管理和維護(hù)等工作，為服務(wù)提供者、網(wǎng)絡(luò)運(yùn)營(yíng)者提供管理決策的科學(xué)依據(jù)，還能提升用戶使用流媒體業(yè)務(wù)時(shí)的感知。目前，QoS指標(biāo)與用戶感知QoE的映射主要包括參數(shù)的線性組合法，如語(yǔ)音PESQ［2］、指數(shù)型函數(shù)映射法［3］、對(duì) 數(shù) 型 函 數(shù) 映 射 法［4］。其 中，PESQ 是由英國(guó)電信和KPN共同開發(fā)，僅針對(duì)語(yǔ)音流的質(zhì)量評(píng)估，并且PESQ通過(guò)全參算法實(shí)現(xiàn)指標(biāo)到用戶感知的映射，需要額外帶寬傳送原始參考語(yǔ)音流；指數(shù)型函數(shù)映射法僅能考慮一種QoS指標(biāo)對(duì)用戶感知的影響，在使用不同業(yè)務(wù)考慮不同指標(biāo)間的映射關(guān)系時(shí)沒有擴(kuò)展性，并且對(duì)應(yīng)曲線固定，未考慮用戶使用業(yè)務(wù)的隨機(jī)性以及環(huán)境的模糊性；對(duì)數(shù)函數(shù)映射法也僅能考慮一種QoS指標(biāo)對(duì)用戶感知的影響，存在與指數(shù)型函數(shù)相同的問(wèn)題。Kim H-J［5］考慮了QoS指標(biāo)對(duì)用戶感知的綜合作用，但是還沒有映射的具體實(shí)現(xiàn)方式。

本文在上述研究的基礎(chǔ)上，提出一種基于云模型［6］的流媒體業(yè)務(wù)的QoS-QoE映射模型，并采用相關(guān)性權(quán)值法得到用戶使用業(yè)務(wù)時(shí)的整體感知；在分別考慮各個(gè)QoS指標(biāo)的基礎(chǔ)上提出一種可綜合考慮多個(gè)QoS指標(biāo)與用戶感知QoE的多維評(píng)判云和描述業(yè)務(wù)整體質(zhì)量的多維屬性云。

2 流媒體業(yè)務(wù)QoS指標(biāo)集的確立

流媒體業(yè)務(wù)網(wǎng)絡(luò)QoS指標(biāo)眾多，考慮其獲取難易程度和用戶感知代表性，本文選取以下幾項(xiàng)流媒體業(yè)務(wù)使用過(guò)程中對(duì)用戶QoE影響明顯的QoS指標(biāo)：接入時(shí)延、平均傳輸速率、傳輸時(shí)間、抖動(dòng)（如速率穩(wěn)定度）、信息完整率（如丟包率）。各項(xiàng)QoS指標(biāo)性能對(duì)最終用戶QoE影響是相對(duì)的，沒有明顯的界限，具有隨機(jī)性和模糊性，因此本文采用云模型估算各項(xiàng)QoS指標(biāo)的影響，并在考慮各項(xiàng)指標(biāo)期望值的基礎(chǔ)上，將精確的數(shù)值有效地轉(zhuǎn)換為等級(jí)評(píng)定，并將不同的業(yè)務(wù)等級(jí)對(duì)應(yīng)為相應(yīng)的五分制數(shù)值評(píng)分，得到最終用戶QoE等級(jí)和數(shù)值化的QoE。

3 云模型

3.1 一維正態(tài)云

云模型［6，7］是用自然語(yǔ)言表示的某個(gè)定性概念與其定量表示之間的不確定性轉(zhuǎn)換模型。設(shè)U是一個(gè)論域U＝｛x｝，T是U 上的定性概念，U 中的元素x對(duì)于T的隸屬度是一個(gè)具有穩(wěn)定性傾向的屬于［0，1］的隨機(jī)數(shù)，云是從U 到［0，1］的映射。云的數(shù)字特征用（Ex，En，He）來(lái)表示，其中，Ex為定性概念在論域中的中心值，即最能表現(xiàn)該定性概念的點(diǎn)；En為定性概念的熵，是定性概念模糊度的度量，反映了這個(gè)概念可被接受的數(shù)值范圍；He為En的熵，反映了云滴的離散程度。由期望Ex和熵En可確定云的數(shù)學(xué)期望曲線方程：

Figure 1 Schematic diagram of standard cloud圖1 標(biāo)準(zhǔn)云示意圖

3.2 改進(jìn)的單項(xiàng)指標(biāo)映射標(biāo)準(zhǔn)云模型

通過(guò)給定單項(xiàng)指標(biāo)各等級(jí)數(shù)值范圍，確定其數(shù)值特征Cmp（Exp，Enp，Hep），其中 m∈｛1，2，…，M｝為指標(biāo)維數(shù)，p∈｛1，2，…，P｝為劃分的等級(jí)，通過(guò)正向云發(fā)生器實(shí)現(xiàn)標(biāo)準(zhǔn)云。本文設(shè)定兩個(gè)值min、max，在傳統(tǒng)的正向云發(fā)生器上進(jìn)行修正。當(dāng)輸入指標(biāo)數(shù)值大于max時(shí)，其屬于好（或壞）的隸屬度為1；當(dāng)輸入指標(biāo)數(shù)值小于min時(shí)，其屬于差（或好）的隸屬度為1。這種修正更加符合實(shí)際用戶感知，當(dāng)某項(xiàng)指標(biāo)大于或小于特定值時(shí)，其感知將一定屬于好或壞。單項(xiàng)指標(biāo)標(biāo)準(zhǔn)云模型如圖1所示。單項(xiàng)指標(biāo)標(biāo)準(zhǔn)云實(shí)現(xiàn)算法如下：

（1）生成以Enp為期望值、Hep為均方差的正態(tài)隨機(jī)數(shù)E′np＝normrnd（Enp，Hep）。

（2）生成以Exp為期望值、E′np為均方差的正態(tài)隨機(jī)數(shù)xi＝normrnd（Exp，E′np）。

（3）若 xi在 ［min，max］內(nèi)，則 μip＝μip＝1，使（xi，μip）成為論域中的一個(gè)云滴。

重復(fù)以上三個(gè)步驟直至產(chǎn)生N個(gè)云滴。

3.3 實(shí)際云生成

給定論域X＝｛xi｝，即流媒體業(yè)務(wù)使用時(shí)的QoS指標(biāo)集，按式（1）～式（3）求出表征該指標(biāo)的云的三個(gè)數(shù)字特征值（Exr，Enr，Her），再由X 條件云模型生成實(shí)際云，算法如下：

（1）生成以Enr為期望值、Her為均方差的正態(tài)隨機(jī)數(shù)E′nr＝normrnd（Enr，Her）；

（2）若 xi在 ［min，max］內(nèi)，則 μir＝μir＝1，使（xi，μir）為實(shí)際云的一個(gè)云滴；

重復(fù)以上兩個(gè)步驟直至產(chǎn)生N個(gè)云滴。

3.4 云模型相似性及單項(xiàng)指標(biāo)用戶感知數(shù)值化分值確定

用戶QoE等級(jí)的確定，重點(diǎn)是各項(xiàng)QoS指標(biāo)等級(jí)的判定。采用實(shí)際云與等級(jí)標(biāo)準(zhǔn)云進(jìn)行相似性［8，9］比較，最接近的標(biāo)準(zhǔn)云等級(jí)就是實(shí)際云的感知等級(jí)。設(shè)實(shí)際云論域?yàn)?X＝｛xi｝，Cmp（Exp，Enp，Hep）為標(biāo)準(zhǔn)云，計(jì)算X＝｛xi｝在標(biāo)準(zhǔn)云Cmp中的隸屬度μmp即為實(shí)際云與該標(biāo)準(zhǔn)云的相似度。算法如下：

（1）生成以Enp為期望值、Hep為均方差的正態(tài)隨機(jī)數(shù)E′np＝normrnd（Enp，Hep）。

顯然云滴落在Cmp覆蓋范圍越多，μmp越大，與該標(biāo)準(zhǔn)云也越接近。計(jì)算X＝｛xi｝與各等級(jí)標(biāo)準(zhǔn)

等級(jí)評(píng)定可以定性表征業(yè)務(wù)用戶感知，實(shí)際應(yīng)用中，人們傾向于以數(shù)值方式表達(dá)，給定標(biāo)準(zhǔn)云均值處對(duì)應(yīng)用戶感知五分制分值，單項(xiàng)指標(biāo)用戶感知數(shù)值化得分計(jì)算公式如下：

其中，qmp為指標(biāo)m在等級(jí)p時(shí)標(biāo)準(zhǔn)云均值處對(duì)應(yīng)的五分制分值。

3.5 多指標(biāo)用戶感知QoE

影響用戶感知的指標(biāo)有多項(xiàng)，不同流媒體業(yè)務(wù)對(duì)各項(xiàng)指標(biāo)的敏感程度不一樣，有的業(yè)務(wù)對(duì)時(shí)延敏感，有的業(yè)務(wù)對(duì)丟包率敏感，即各項(xiàng)QoS指標(biāo)在使用不同類型業(yè)務(wù)時(shí)影響用戶感知的權(quán)重因子不同。本文通過(guò)各指標(biāo)項(xiàng)與用戶使用該項(xiàng)業(yè)務(wù)時(shí)的主觀感知SCORE值的相關(guān)系數(shù)確定權(quán)重。相關(guān)系數(shù)大的指標(biāo)對(duì)SCORE值影響大，因此其權(quán)重也相應(yīng)大。相關(guān)系數(shù)ρm、歸一化權(quán)重wm、數(shù)字化用戶感

知QoE的計(jì)算公式如下：

3.6 多維正態(tài)云

設(shè)U 是一個(gè)M 維論域U＝｛x1，x2，…，xM｝，T是U 上的定性概念，U 中的元素μi（x1，x2，…，xM）對(duì)于T的隸屬度μi是一個(gè)具有穩(wěn)定傾向的屬于［0，1］的隨機(jī)數(shù)，則M 維正態(tài)云可由3 M 個(gè)數(shù)字特征量 （Ex1，En1，He1，Ex2，En2，He2，…，ExM，EnM，HeM）和M×M 維協(xié)方差矩陣Cov＝（σij）M×M確定，其中σij為指標(biāo)i與指標(biāo)j的協(xié)方差，σii＝1，i＝｛1，2，…，M｝。多維正態(tài)云的數(shù)學(xué)期望方程為：

以二維云模型［10］為例，通過(guò)給定指標(biāo)等級(jí)數(shù)值范圍和協(xié)方差矩陣Cov＝（σij）2×2，可得其數(shù)字特征量C2p（Ex1，En1，He1，Ex2，En2，He2）。二維標(biāo)準(zhǔn)云模型與一維標(biāo)準(zhǔn)云模型生成類似，首先生成以（En1，En2）為均值、（He1，He2）為方差的正態(tài)隨機(jī)數(shù)組（E′n1，E′n2）；再生成以（Ex1，Ex2）為均值、（E′n1，E′n2）為方差的正態(tài)隨機(jī)數(shù)組（x1，x2）；計(jì)算其隸屬度值μi（x1，x2）＝exp［－（（x1i－Ex1）2）／（2（E′n1）2）＋（（x1i－Ex1）（x2i－Ex2））／（E′n1）E′n2））－（（x2i－Ex2）2）／（2（E′n2）2）］，則（x1，x2，μi（x1，x2））為論域中的一個(gè)云滴。

二維實(shí)際云生成也與一維云模型類似，給定論域U＝｛x1，x2，…，xM｝，即流媒體業(yè)務(wù)使用時(shí)的各項(xiàng)QoS指標(biāo)集，求出其數(shù)字特征量C2r（Exr1，Enr1，Her1，Exr2，Enr2，Her2），再求其隸屬度值。二維實(shí)際云與標(biāo)準(zhǔn)云的相似度仍采用計(jì)算論域中的點(diǎn)在標(biāo)準(zhǔn)云中的隸屬度均值的方法求得。

4 實(shí)驗(yàn)及結(jié)果

4.1 指標(biāo)等級(jí)取值范圍

采用實(shí)驗(yàn)室2012年8月在寧夏銀川現(xiàn)網(wǎng)測(cè)試2G移動(dòng)流媒體sina網(wǎng)頁(yè)瀏覽業(yè)務(wù)的1 500條數(shù)據(jù)驗(yàn)證該映射模型的可行性。本文將各指標(biāo)及最終用戶感知分為“好”、“中”、“差”三個(gè)等級(jí)，將精確的數(shù)值轉(zhuǎn)化為等級(jí)評(píng)定。實(shí)際用戶感知評(píng)價(jià)如表1所示。各等級(jí)網(wǎng)絡(luò)QoS指標(biāo)區(qū)間如表2所示。

Table 1 Evaluation examples of streaming media user perception表1 流媒體用戶感知評(píng)價(jià)實(shí)例

Table 2 QoS indexes’value interval表2 各項(xiàng)QoS指標(biāo)各等級(jí)取值區(qū)間

4.2 一維映射模型實(shí)驗(yàn)

按現(xiàn)網(wǎng)實(shí)測(cè)數(shù)值計(jì)算得到該業(yè)務(wù)各項(xiàng)QoS指標(biāo)與SCORE的相關(guān)系數(shù)及權(quán)重，如表3所示，其中負(fù)值表示該項(xiàng)指標(biāo)與SCORE值負(fù)相關(guān)。

Table 3 Correlation coefficients and weights表3 相關(guān)系數(shù)及權(quán)重

將實(shí)測(cè)數(shù)據(jù)按小區(qū)感知分為“好”、“中”、“差”三個(gè)部分，圖2～圖4分別是應(yīng)用本文提出的QoSQoE映射模型生成的指標(biāo)映射云圖，實(shí)驗(yàn)結(jié)果如表4所示。

Figure 2 User perception“worse”mapping cloud圖2 感知“差”小區(qū)指標(biāo)映射云圖

4.3 二維云映射模型實(shí)驗(yàn)

將實(shí)測(cè)數(shù)據(jù)指標(biāo)分為兩組：平均傳輸速率－傳輸時(shí)間、速率穩(wěn)定度－信息完整率。圖5為采用感知“中”小區(qū)數(shù)據(jù)進(jìn)行二維云映射的云圖，實(shí)驗(yàn)結(jié)果如表5所示。

Table 5 2-D mapping results表5 二維映射結(jié)果數(shù)據(jù)

Table 4 Index mapping results表4 小區(qū)指標(biāo)映射結(jié)果

4.4 實(shí)驗(yàn)結(jié)果分析

由圖2～圖4及表4所示數(shù)據(jù)可見，本文映射模型所得的QoS指標(biāo)到QoE等級(jí)的評(píng)定結(jié)果與實(shí)際網(wǎng)絡(luò)測(cè)試結(jié)果一致。由圖2a、2b可知，感知“差”小區(qū)中，“平均傳輸速率”、“傳輸時(shí)間”指標(biāo)等級(jí)為“差”，可通過(guò)改善這兩項(xiàng)指標(biāo)來(lái)提升業(yè)務(wù)質(zhì)量。由圖3a、3b可知，感知“中”小區(qū)中，也可以從“傳輸時(shí)間”指標(biāo)優(yōu)化用戶感知。

Figure 5 2-D index mapping cloud圖5 二維指標(biāo)映射云圖

圖5 a、5b及表5結(jié)果顯示，在感知“中”小區(qū)二維云映射模型中，“平均傳輸速率－傳輸時(shí)間”指標(biāo)QoE分值為3.261，偏中，“速率穩(wěn)定度－信息完整率”指標(biāo)QoE分值為3.957 8，偏好，前一組指標(biāo)對(duì)用戶感知影響大，所以最終結(jié)果與實(shí)際用戶感知相符。

比較可得，二維云映射模型獲取用戶感知較一維云映射模型快速簡(jiǎn)潔，但是不能區(qū)分各項(xiàng)指標(biāo)對(duì)最終感知的具體影響。

本文僅以流媒體網(wǎng)絡(luò)瀏覽業(yè)務(wù)為例，但所提模型適用于各種流媒體業(yè)務(wù)使用時(shí)的QoS-QoE映射，擴(kuò)展性好?，F(xiàn)有參數(shù)的線性組合映射模型，如PESQ，使用業(yè)務(wù)范圍單一，擴(kuò)展性差；指數(shù)型、對(duì)數(shù)型映射模型均僅能考慮單一指標(biāo)影響。

5 結(jié)束語(yǔ)

本文建立的基于一維、多維云模型的流媒體業(yè)務(wù)的QoS-QoE映射模型算法簡(jiǎn)單，符合用戶主觀感知，能夠在用戶使用流媒體業(yè)務(wù)的同時(shí)，獲得實(shí)時(shí)的用戶感知QoE；同時(shí)也能夠得到影響用戶感知的具體QoS指標(biāo)，從而方便服務(wù)提供商優(yōu)化網(wǎng)絡(luò)參數(shù)的配置。

本文所提出的映射模型適用于用戶反復(fù)多次使用流媒體業(yè)務(wù)的情況，對(duì)于用戶單次使用流媒體業(yè)務(wù)，其評(píng)價(jià)結(jié)果仍需進(jìn)一步完善。

［1］ Stankiewicz R，Cholda P，Jajszczyk A.QoX：What is it really［J］.IEEE Communications Magazine，2011，49（4）：148-158.

［2］ Zhao Fei，Xu Yong，Cheng Li-xin.PESQ and its application［J］.Electronic Design and Application，2003，3：28-30.（in Chinese）

［3］ Fiedler M，Hossfeld T.Quality of experience-related differential equations and provisioning-delivery hysteresis［C］∥Proc of the 21st ITC Specialist Seminar，2010：19-24.

［4］ Fiedler M，Hossfeld T，Phuoc T G.A generic quantitative relationship between quality of experience and quality of service［J］.IEEE Network，2010，24（2）：36-41.

［5］ Kim H-J，Lee D-H，Lee J-M，et al.The QoE evaluation method through the QoS-QoE correlation model［C］∥Proc of the 4th International Conference on Networked Computing and Advanced Information Management，2008：719-725.

［6］ Li De-yi，Meng Hai-jun，Shi Xue-mei.The membership cloud and generation［J］.Computer Research and Development，1995，32（6）：15-20.（in Chinese）

［7］ Li De-yi，Liu Chang－yu.Study of the universality of normal cloud model［J］.Engineering Science，2004，6（8）：28-34.（in Chinese）

［8］ Zhang Yong，Zhao Dong-ning，Li De-yi.The similar cloud and the measurement method［J］.Information and Control，2004，33（2）：129-132.（in Chinese）

［9］ Li Hai-lin，Guo Chong-hui，Qiu Wang-ren.Similarity measurement between normal cloud models［J］.Acta Electronica Sinica，2011，39（11）：2561-2567.（in Chinese）

［10］ Guo Rong-xiao，Xia Jing-bo，Dong Shu-fu，et al.Multiple attribute evaluation method based on multidimensional cloud model［J］.Computer Science，2010，37（11）：75-77.（in Chinese）

附中文參考文獻(xiàn)：

［2］ 趙斐，徐勇，成立新.PESQ及其應(yīng)用［J］.電子設(shè)計(jì)應(yīng)用，2003，3：28-30.

［6］ 李德毅，孟海軍，史雪梅.隸屬云和隸屬云發(fā)生器［J］.計(jì)算機(jī)研究與發(fā)展，1995，32（6）：15-20.

［7］ 李德毅，劉常昱.論正態(tài)云模型的普適性［J］.中國(guó)工程科學(xué)，2004，6（8）：28-34.

［8］ 張 勇，趙東寧，李德毅.相似云及其度量分析方法［J］.信息與控制，2004，33（2）：129-132.

［9］ 李海林，郭崇慧，邱望仁.正態(tài)云模型相似度計(jì)算方法［J］.電子學(xué)報(bào)，2011，39（11）：2561-2567.

［10］ 郭戎瀟，夏靖波，董淑福，等.一種基于多維云模型的多屬性綜合評(píng)價(jià)方法［J］.計(jì)算機(jī)科學(xué)，2010，37（11）：75-77.