基于云模型的流媒体业务QoS-QoE映射模型＊

周小毛，杜海清，刘 勇

（网络体系构建与融合北京市重点实验室，北京邮电大学信息与通信学院，北京100876）

1 引言

在流媒体业务使用中，QoS从网络的角度进行业务管理并提供业务差异性，QoE是从用户的角度出发对业务性能的评价［1］。QoS与QoE映射模型可用于指导网络规划、配置、管理和维护等工作，为服务提供者、网络运营者提供管理决策的科学依据，还能提升用户使用流媒体业务时的感知。目前，QoS指标与用户感知QoE的映射主要包括参数的线性组合法，如语音PESQ［2］、指数型函数映射法［3］、对 数 型 函 数 映 射 法［4］。其 中，PESQ 是由英国电信和KPN共同开发，仅针对语音流的质量评估，并且PESQ通过全参算法实现指标到用户感知的映射，需要额外带宽传送原始参考语音流；指数型函数映射法仅能考虑一种QoS指标对用户感知的影响，在使用不同业务考虑不同指标间的映射关系时没有扩展性，并且对应曲线固定，未考虑用户使用业务的随机性以及环境的模糊性；对数函数映射法也仅能考虑一种QoS指标对用户感知的影响，存在与指数型函数相同的问题。Kim H-J［5］考虑了QoS指标对用户感知的综合作用，但是还没有映射的具体实现方式。

本文在上述研究的基础上，提出一种基于云模型［6］的流媒体业务的QoS-QoE映射模型，并采用相关性权值法得到用户使用业务时的整体感知；在分别考虑各个QoS指标的基础上提出一种可综合考虑多个QoS指标与用户感知QoE的多维评判云和描述业务整体质量的多维属性云。

2 流媒体业务QoS指标集的确立

流媒体业务网络QoS指标众多，考虑其获取难易程度和用户感知代表性，本文选取以下几项流媒体业务使用过程中对用户QoE影响明显的QoS指标：接入时延、平均传输速率、传输时间、抖动（如速率稳定度）、信息完整率（如丢包率）。各项QoS指标性能对最终用户QoE影响是相对的，没有明显的界限，具有随机性和模糊性，因此本文采用云模型估算各项QoS指标的影响，并在考虑各项指标期望值的基础上，将精确的数值有效地转换为等级评定，并将不同的业务等级对应为相应的五分制数值评分，得到最终用户QoE等级和数值化的QoE。

3 云模型

3.1 一维正态云

云模型［6，7］是用自然语言表示的某个定性概念与其定量表示之间的不确定性转换模型。设U是一个论域U＝｛x｝，T是U 上的定性概念，U 中的元素x对于T的隶属度是一个具有稳定性倾向的属于［0，1］的随机数，云是从U 到［0，1］的映射。云的数字特征用（Ex，En，He）来表示，其中，Ex为定性概念在论域中的中心值，即最能表现该定性概念的点；En为定性概念的熵，是定性概念模糊度的度量，反映了这个概念可被接受的数值范围；He为En的熵，反映了云滴的离散程度。由期望Ex和熵En可确定云的数学期望曲线方程：

Figure 1 Schematic diagram of standard cloud图1 标准云示意图

3.2 改进的单项指标映射标准云模型

通过给定单项指标各等级数值范围，确定其数值特征Cmp（Exp，Enp，Hep），其中 m∈｛1，2，…，M｝为指标维数，p∈｛1，2，…，P｝为划分的等级，通过正向云发生器实现标准云。本文设定两个值min、max，在传统的正向云发生器上进行修正。当输入指标数值大于max时，其属于好（或坏）的隶属度为1；当输入指标数值小于min时，其属于差（或好）的隶属度为1。这种修正更加符合实际用户感知，当某项指标大于或小于特定值时，其感知将一定属于好或坏。单项指标标准云模型如图1所示。单项指标标准云实现算法如下：

（1）生成以Enp为期望值、Hep为均方差的正态随机数E′np＝normrnd（Enp，Hep）。

（2）生成以Exp为期望值、E′np为均方差的正态随机数xi＝normrnd（Exp，E′np）。

（3）若 xi在 ［min，max］内，则 μip＝μip＝1，使（xi，μip）成为论域中的一个云滴。

重复以上三个步骤直至产生N个云滴。

3.3 实际云生成

给定论域X＝｛xi｝，即流媒体业务使用时的QoS指标集，按式（1）～式（3）求出表征该指标的云的三个数字特征值（Exr，Enr，Her），再由X 条件云模型生成实际云，算法如下：

（1）生成以Enr为期望值、Her为均方差的正态随机数E′nr＝normrnd（Enr，Her）；

（2）若 xi在 ［min，max］内，则 μir＝μir＝1，使（xi，μir）为实际云的一个云滴；

重复以上两个步骤直至产生N个云滴。

3.4 云模型相似性及单项指标用户感知数值化分值确定

用户QoE等级的确定，重点是各项QoS指标等级的判定。采用实际云与等级标准云进行相似性［8，9］比较，最接近的标准云等级就是实际云的感知等级。设实际云论域为 X＝｛xi｝，Cmp（Exp，Enp，Hep）为标准云，计算X＝｛xi｝在标准云Cmp中的隶属度μmp即为实际云与该标准云的相似度。算法如下：

（1）生成以Enp为期望值、Hep为均方差的正态随机数E′np＝normrnd（Enp，Hep）。

显然云滴落在Cmp覆盖范围越多，μmp越大，与该标准云也越接近。计算X＝｛xi｝与各等级标准

等级评定可以定性表征业务用户感知，实际应用中，人们倾向于以数值方式表达，给定标准云均值处对应用户感知五分制分值，单项指标用户感知数值化得分计算公式如下：

其中，qmp为指标m在等级p时标准云均值处对应的五分制分值。

3.5 多指标用户感知QoE

影响用户感知的指标有多项，不同流媒体业务对各项指标的敏感程度不一样，有的业务对时延敏感，有的业务对丢包率敏感，即各项QoS指标在使用不同类型业务时影响用户感知的权重因子不同。本文通过各指标项与用户使用该项业务时的主观感知SCORE值的相关系数确定权重。相关系数大的指标对SCORE值影响大，因此其权重也相应大。相关系数ρm、归一化权重wm、数字化用户感

知QoE的计算公式如下：

3.6 多维正态云

设U 是一个M 维论域U＝｛x1，x2，…，xM｝，T是U 上的定性概念，U 中的元素μi（x1，x2，…，xM）对于T的隶属度μi是一个具有稳定倾向的属于［0，1］的随机数，则M 维正态云可由3 M 个数字特征量 （Ex1，En1，He1，Ex2，En2，He2，…，ExM，EnM，HeM）和M×M 维协方差矩阵Cov＝（σij）M×M确定，其中σij为指标i与指标j的协方差，σii＝1，i＝｛1，2，…，M｝。多维正态云的数学期望方程为：

以二维云模型［10］为例，通过给定指标等级数值范围和协方差矩阵Cov＝（σij）2×2，可得其数字特征量C2p（Ex1，En1，He1，Ex2，En2，He2）。二维标准云模型与一维标准云模型生成类似，首先生成以（En1，En2）为均值、（He1，He2）为方差的正态随机数组（E′n1，E′n2）；再生成以（Ex1，Ex2）为均值、（E′n1，E′n2）为方差的正态随机数组（x1，x2）；计算其隶属度值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）］，则（x1，x2，μi（x1，x2））为论域中的一个云滴。

二维实际云生成也与一维云模型类似，给定论域U＝｛x1，x2，…，xM｝，即流媒体业务使用时的各项QoS指标集，求出其数字特征量C2r（Exr1，Enr1，Her1，Exr2，Enr2，Her2），再求其隶属度值。二维实际云与标准云的相似度仍采用计算论域中的点在标准云中的隶属度均值的方法求得。

4 实验及结果

4.1 指标等级取值范围

采用实验室2012年8月在宁夏银川现网测试2G移动流媒体sina网页浏览业务的1 500条数据验证该映射模型的可行性。本文将各指标及最终用户感知分为“好”、“中”、“差”三个等级，将精确的数值转化为等级评定。实际用户感知评价如表1所示。各等级网络QoS指标区间如表2所示。

Table 1 Evaluation examples of streaming media user perception表1 流媒体用户感知评价实例

Table 2 QoS indexes’value interval表2 各项QoS指标各等级取值区间

4.2 一维映射模型实验

按现网实测数值计算得到该业务各项QoS指标与SCORE的相关系数及权重，如表3所示，其中负值表示该项指标与SCORE值负相关。

Table 3 Correlation coefficients and weights表3 相关系数及权重

将实测数据按小区感知分为“好”、“中”、“差”三个部分，图2～图4分别是应用本文提出的QoSQoE映射模型生成的指标映射云图，实验结果如表4所示。

Figure 2 User perception“worse”mapping cloud图2 感知“差”小区指标映射云图

4.3 二维云映射模型实验

将实测数据指标分为两组：平均传输速率－传输时间、速率稳定度－信息完整率。图5为采用感知“中”小区数据进行二维云映射的云图，实验结果如表5所示。

Table 5 2-D mapping results表5 二维映射结果数据

Table 4 Index mapping results表4 小区指标映射结果

4.4 实验结果分析

由图2～图4及表4所示数据可见，本文映射模型所得的QoS指标到QoE等级的评定结果与实际网络测试结果一致。由图2a、2b可知，感知“差”小区中，“平均传输速率”、“传输时间”指标等级为“差”，可通过改善这两项指标来提升业务质量。由图3a、3b可知，感知“中”小区中，也可以从“传输时间”指标优化用户感知。

Figure 5 2-D index mapping cloud图5 二维指标映射云图

图5 a、5b及表5结果显示，在感知“中”小区二维云映射模型中，“平均传输速率－传输时间”指标QoE分值为3.261，偏中，“速率稳定度－信息完整率”指标QoE分值为3.957 8，偏好，前一组指标对用户感知影响大，所以最终结果与实际用户感知相符。

比较可得，二维云映射模型获取用户感知较一维云映射模型快速简洁，但是不能区分各项指标对最终感知的具体影响。

本文仅以流媒体网络浏览业务为例，但所提模型适用于各种流媒体业务使用时的QoS-QoE映射，扩展性好。现有参数的线性组合映射模型，如PESQ，使用业务范围单一，扩展性差；指数型、对数型映射模型均仅能考虑单一指标影响。

5 结束语

本文建立的基于一维、多维云模型的流媒体业务的QoS-QoE映射模型算法简单，符合用户主观感知，能够在用户使用流媒体业务的同时，获得实时的用户感知QoE；同时也能够得到影响用户感知的具体QoS指标，从而方便服务提供商优化网络参数的配置。

本文所提出的映射模型适用于用户反复多次使用流媒体业务的情况，对于用户单次使用流媒体业务，其评价结果仍需进一步完善。

［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）

附中文参考文献：

［2］ 赵斐，徐勇，成立新.PESQ及其应用［J］.电子设计应用，2003，3：28-30.

［6］ 李德毅，孟海军，史雪梅.隶属云和隶属云发生器［J］.计算机研究与发展，1995，32（6）：15-20.

［7］ 李德毅，刘常昱.论正态云模型的普适性［J］.中国工程科学，2004，6（8）：28-34.

［8］ 张 勇，赵东宁，李德毅.相似云及其度量分析方法［J］.信息与控制，2004，33（2）：129-132.

［9］ 李海林，郭崇慧，邱望仁.正态云模型相似度计算方法［J］.电子学报，2011，39（11）：2561-2567.

［10］ 郭戎潇，夏靖波，董淑福，等.一种基于多维云模型的多属性综合评价方法［J］.计算机科学，2010，37（11）：75-77.