面向IMT-A的基于QoE深度感知的视频跨层优化

为实现合理测量、深度感知用户视频体验并以提高QoE为目标实现面向IMT-A的跨层资源分配和优化，本课题拟研究：1）建立基于QoE深度感知的视频质量预测模型。在视频特征参数的选取和处理上，合理引入视频的时间和空间的特征，使用加权欧式距离聚类，实现特征参数降维，综合考虑准确性、精确度以及时间消耗上的表现；对多层网络参数的处理上，使用成分分析法降低参数间的依赖性；在视频质量预测部分，使用支持向量机聚类所有跨层参数建立视频服务质量模型，同时使预测准确性与预测工具学习能力得到平衡。2）根据得到视频质量预测值，建立基于QoE深度感知的跨层优化模型，利用势能博弈理论实现分布式求解跨层优化，并采用梯度投影准则以保证博弈迭代过程的收敛，从而实现基于视频业务QoE深度感知的跨层资源分配与优化。3）建立仿真验证平台，采用异步运行机制，构建合理的系统级仿真和业务级仿真接口，对提出的预测和优化模型进行分析与验证。

本课题主要对用户视频体验感知问题和跨层资源分配及优化问题进行研究，以实现在合理测量、深度感知用户视频体验基础上，通过面向IMT-A的跨层资源分配和优化提高QoE。项目组严格按照项目计划书中的进度和要求进行了相关的科学研究。在对国内外已取得的相关研究进展和成果进行充分的调研的基础上，对视频质量预测模型建立、视频特征参数的选取和处理以及基于 QoE 深度感知的跨层优化模型建立与求解等多个关键性问题进行了深入研究，在视频质量预测、映射、基于QoE的跨层优化等方面建立研究模型，提出了不同场景下的资源调度与分配优化策略，并搭建了仿真实验与验证演示平台，采用异步运行机制，通过终端视频演示的对比，对不同的预测和优化模型进行演示与验证。共发表论文27篇（其中SCI期刊论文5篇，EI检索期刊论文1篇，EI检索国际学术会议论文21篇（其中GLOBECOM 4篇、ICC 2篇、WCNC 4篇、WPMC 5篇、MILCOM 1篇、VTC 1篇、ICT 1篇、PIMRC 2篇）），申请发明专利8项，提交标准化提案2篇，培养博士研究生5名（已毕业4名）、硕士研究生9名（已毕业8名）。.