Watching Stars in Pixels: The Interplay of Traffic Shaping and YouTube Streaming QoE over GEO Satellite Networks
本研究分析GEO卫星网络上流量整形与YouTube流媒体QoE的相互作用，发现高延迟和整形导致28%的TCP及18%的gQUIC会话发生缓冲，gQUIC仅利用63%容量，促使ISP停用低带宽选项。
2023-09-01 cs.NI
Adaptive Bandwidth Sharing for Optimizing QoE of Real-Time Video
针对实时视频传输的严格QoE需求，本文提出迭代半静态带宽共享策略，联合优化运营商间频谱共享与客户端资源配置，并从理论和仿真验证其收敛性、近优性能与低开销。
2025-06-10 cs.NI
ResLearn-XR: Residual Learning for Network Traffic and Quality-of-Experience-Aware Modeling in Extended Reality
Carleton University（卡尔顿大学）；Toronto Metropolitan University（多伦多都会大学）
该研究提出ResLearn-XR框架，采用两阶段残差学习结构，结合DDA算法与自建数据集，实现XR流量预测和QoE风险评估，显著降低相关预测的SMAPE。
2026-09-07 cs.AI cs.LG cs.NI
Computing Quality of Experience of Video Streaming in Network with Long-Range-Dependent Traffic
本文采用分析的方法研究视频流应用的用户体验质量（QoE）。我们的建议是表征缓冲区饥饿流视频与长距离相关（LRD）输入流量。具体来说，我们开发了一个新的分析框架，调查质量的用户体验（QoE）流媒体考虑马尔可夫调制流体模型（MMFM），准确地近似的长距离依赖（LRD）性质的网络流量。我们使用偏微分方程（PDE）驱动用于计算饥饿分布以及启动延迟的闭合形式表达式，并使用拉普拉斯变换求解它们。我们说明的情况下，两个状态的马尔可夫调制流体模型，是常用的多媒体应用程序的结果。我们比较我们的分析模型与模拟结果，使用ns-3在各种操作参数下。我们进一步采用该模型分析了比特率切换对饥饿概率和启动延迟的影响。最后，我们应用我们的分析结果，以优化媒体流的客观体验质量（QoE），实现不同的指标之间的权衡，将用户的喜好，缓冲率，启动延迟和感知质量。
2015-03-30 cs.NI
Modeling QoE of Video Streaming in Wireless Networks with Large-Scale Measurement of User Behavior
在带宽共享的无线网络中，解析视频流的体验质量（QoE）是非常具有挑战性的。目前还不清楚饥饿概率和缓冲时间等QoE指标如何与流传输流量负载的动态相互作用。在本文中，我们收集了中国最大的流媒体提供商之一在两周内的观看记录，并对流量到达和观看时间进行了深入的测量研究，从而揭示了真实的流量模式。我们最重要的观察是，流媒体用户的观看时间非常符合超指数分布。这意味着所有的视图可以分为两类，具有分离的时间尺度的短视图和长视图。然后，我们将测得的流量模式映射到带宽共享的蜂窝网络，并提出了一个分析框架来计算闭合形式的饥饿概率的基础上的常微分方程（ODE）。我们的框架可以自然地扩展到调查实际问题，包括渐进式下载和有限的视频持续时间。广泛的轨迹驱动模拟验证了我们模型的准确性。我们的研究表明，饥饿度量的短视图和长视图具有不同的敏感性调度优先级在基站。因此，短视图和长视图之间的更好的QoE折衷具有通过向它们提供不同的调度权重来利用的潜力。流区分涉及巨大的技术和非技术挑战，因为视频内容由内容提供方而不是网络运营商拥有，并且每个会话的观看时间事先是未知的。为了克服这些困难，我们提出了一个在线贝叶斯方法来推断观看时间的每个传入流的“最少”的信息从内容提供方。
2016-04-06 cs.NI
Implementing an Optimal Rate Allocation Tuned to the User Quality of Experience
最优资源分配优雅地改善了承载具有特定服务质量（QoS）要求的不同业务类型的当今通信系统中的带宽利用，其满足可以提升用户的体验质量（QoE）。本文通过实现互联网连接的真实世界的移动网络，托管一个节点与集中式凸资源分配优化算法来计算和执行最佳带宽分配，来调查用户的QoE运行现实生活中的实时和延迟容忍的应用。实验表明，利用速率分配方法通过细粒度的时间资源分配模式来提升现实生活中的网络流量QoE，该模式使总带宽消耗和使用服务的成本直线下降。
2014-06-17 cs.NI
QoE Enhancement Schemes for Video in Converged OFDMA Wireless Networks and EPONs
接入网络中无线和有线客户端的带宽需求持续快速增长，这主要是由于视频流量的增长。可以在接入网络中利用应用感知来优化终端客户端的体验质量（QoE）。在这项研究中，我们利用客户端应用程序中的信息（例如，视频分辨率）以实现改善用户QoE的优良资源分配。我们强调优化系统的QoE，而不是服务质量（QoS），因为用户满意度直接依赖于QoE和优化QoS不一定优化QoE，如本研究所示。我们提出了应用程序感知的资源分配方案的以太网无源光网络（EPON），它支持无线（利用正交频分多址）和有线客户端运行视频会议应用程序。数值结果表明，应用感知的资源分配方案提高了有线和无线客户端的视频会议应用的QoE。
2018-06-16 cs.NI
A quality of experience-aware cross-layer architecture for optimizing video streaming services
互联网上视频服务的普及已经发展出各种以视频业务的体验质量（QoE）优化为目标的机制。通过调整发送比特率提高了视频质量。然而，当拥塞发生时，单独的速率自适应不足以维持良好的视频QoE。本文提出了一种支持QOE的视频流跨层架构。它结合了视频应用的自适应能力和QoE感知的接纳控制，以优化QoE和接纳会话数量之间的权衡关系。仿真结果表明，所提出的架构的效率相比，其他两个架构（自适应架构和非自适应架构）的QoE和会话的数量。
2020-08-20 cs.NI
Optimization of Quality of Experience for Video Traffic
向视频点播和实时的信息系统的快速转变已经影响了移动网络以及有线网络。研究界非常关注优化视频流量的体验质量（QoE），主要是因为视频在互联网用户中很受欢迎。已经在不同的方向上提出了技术，以改善视频用户的感知。本文研究了一种新的跨层架构的性能优化的视频流量的QoE。所提出的架构相比，其他两个架构，非自适应和自适应。对于前者，视频流量在没有自适应的情况下发送，而对于后者，视频源调整其传输速率。两种方法在视频会话的平均意见分数、会话数、延迟、丢包率、抖动和利用率方面进行了比较。大量的仿真结果表明，所提出的架构优于非自适应和自适应架构的视频流量。
2020-08-23 cs.NI
Reducing Traffic Wastage in Video Streaming via Bandwidth-Efficient Bitrate Adaptation
针对现有ABR算法流量浪费严重的问题，提出带宽高效的BE-ABR算法，通过基于Transformer的延迟预测和细粒度缓冲控制，在WiFi、4G、5G等环境下实现60.87%的浪费减少且QoE相当或更优。
2024-12-10 cs.MM cs.NI
Survey on QoE\QoS Correlation Models For Multimedia Services
本文简要回顾了现有的一些相关模型，试图映射服务质量（QoS）的多媒体服务的体验质量（QoE）。术语QoS指的是确定性的网络行为，以便数据可以以最小的丢包、延迟和最大的带宽进行传输。QoE是一种涉及人的维度的主观度量;它将用户对应用和网络性能的感知、期望和体验联系在一起。主观测量的圣杯是从客观测量中预测它;换句话说，从给定的QoS参数集预测QoE，反之亦然。虽然存在许多用于多媒体的质量模型，但它们中的大多数仅是从给定QoS预测QoE的部分解决方案。这篇文章分析了许多以前的尝试和优化技术，可以可靠地计算加权系数的QoS/QoE映射。
2013-06-02 cs.MM cs.NI
QoE-Aware Proactive Caching of Scalable Videos Over Small Cell Networks
移动视频流量的爆炸式增长对当前蜂窝网络提出了巨大的挑战。为了减轻回程链路上的压力并提高视频流服务的体验质量（QoE），引入具有缓存能力的小小区基站（SBS）来辅助内容交付。在本文中，我们提出了第一个研究的最佳缓存策略的可伸缩视频编码（SVC）流在小蜂窝网络中的信道多样性和视频可伸缩性的考虑。我们制定了一个整数规划问题，以最大限度地提高平均SVC QoE的约束下，在每个SBS的缓存大小。通过建立QoE和每个视频的缓存状态之间的联系，我们简化了SVC的主动缓存的多选择背包问题（MCKP），并提出了一个低复杂度的算法，使用动态规划。我们的主动缓存策略揭示了缓存分配到每个视频的基础上，他们的流行配置文件的结构属性。仿真结果表明，具有缓存能力的SBS可以显著提高SVC流媒体服务的平均QoE，与其他传统缓存策略相比，本文提出的缓存策略获得了显著的性能提升。
2016-04-26 cs.NI
Impact of channel access and transport mechanisms on QoE in GEO-satellite based LTE backhauling systems
通过卫星系统的回程服务在2012年至2018年期间翻了一番。对于卫星系统通常分配固定资源的这种服务的需求不断增加。这种解决方案可能无助于优化稀缺卫星资源的使用。这项研究措施的相关性，使用动态资源分配机制回程服务，通过卫星系统。卫星系统使用OpenSAND仿真，LTE系统使用Amarisoft仿真，实验由OpenBACH编排。我们比较应用TCP PEP机制和动态资源分配的相关性，为不同的流量服务，通过测量的QoE为Web浏览，数据传输和VoIP应用。主要结论如下。当系统拥塞时，PEP和第二层访问机制不能提供显著的改善。在系统不拥塞的情况下，通过协议和信道访问机制的优化，可以大大提高数据传输的效率。调整恒定速率分配可以帮助降低资源成本，并在网络未加载时提供QoE改进。
2021-05-05 cs.NI
Demand Engineering: IP Network Optimisation Through Intelligent Demand Placement
流量工程已经在IP和MPLS网络中使用了许多年，作为通过在存在否则将未使用的可用网络容量的情况下显式地路由流量需求来更有效地使用容量的工具。然而，流量工程的部署给网络设计和运营带来了额外的复杂性，这限制了其在容量优化方面的应用。软件定义网络的兴起重新引起了人们对使用流量工程方法的兴趣，这些方法利用集中式网络控制器进行容量优化。我们认为，未来的网络可以实现网络优化的流量工程的好处，而不会产生额外的网络复杂性，通过更紧密的网络和应用程序和服务之间的耦合使用网络。这可以通过利用网络和业务感知控制器来直接影响应用和服务站点或定位服务实例的位置来实现，即，这隐含地影响应用或服务业务需求通过网络采取的路径。我们称之为需求工程。需求工程具有提供准入控制能力的额外益处，即，其可以提供可以满足网络SLA的保证。在本文中，我们描述了需求工程的概念，给出了它的使用和模拟结果表明其潜在的好处的例子。我们还将需求工程与流量工程进行了比较。
2016-08-11 cs.NI
Network Traffic Adaptation For Cloud Games
随着云技术的到来，游戏的可访问性和无处不在有一个光明的未来;游戏可以托管在一个集中的服务器上，并通过互联网访问各种设备上的瘦客户端与适度的功能：云游戏。然而，当前的云游戏系统在网络资源方面具有非常强的要求，从而降低了云游戏的可访问性和普遍性，因为具有小带宽的设备和位于具有有限且不稳定的网络连接的区域中的人不能利用这些云服务。在本文中，我们提出了一个适应技术的启发，在3D图形的细节层次（LoD）的方法。它提供了多平台可访问性和网络适应性，同时通过减少不良和不稳定的网络参数（延迟、丢包、抖动）对游戏交互性的影响来提高用户体验质量（QoE）。我们验证了我们的方法，在一个受控的环境中使用的原型游戏，并在试点实验中的用户QoE的特征。结果表明，所提出的框架提供了显着的QoE增强。
2013-11-14 cs.DC cs.NI
Cooperative ISP Traffic Shaping Schemes in Broadband Shared Access Networks
流量整形是互联网服务提供商（ISP）使用的一种机制，用于根据其服务合同限制用户的流量。本文研究了目前基于令牌桶过滤器（tokenbucketfilter，TBF）的流量整形技术的实现，讨论了其优缺点，并提出了一种协作TBF，该协作TBF可以通过基于长-长-短-长-长-短-长-短-长-根据他们的服务合同的期限带宽。
2013-08-25 cs.NI
Coalition Game-based Approach for Improving the QoE of DASH-based Streaming in Multi-servers Scheme
HTTP动态自适应流媒体（Dynamic Adaptive Streaming over HTTP，DASH）正在成为大规模有效视频流量交付的事实方法，其首要成功因素是赋予流媒体客户端完全的自主权，使其更加智能，并在基于拉取的范式下实现粒度视频块的分散式视频质量决策逻辑。然而，客户端的纯粹自主性本质上导致了整体自私的环境，其中每个客户端独立地努力提高其体验质量（QoE）。因此，客户端会伤害对方，包括自己，由于他们的感知范围有限。这个缺点可以通过采用一种机制，具有全局视图，从而可以有效地管理可用资源来解决。在本文中，我们提出了一个基于博弈论的方法来解决多服务器设置中的客户端的自私问题，而不影响其自治。特别地，我们采用联盟博弈框架来影响客户端到最好的服务器，最终最大限度地提高客户端的整体平均质量，同时防止重新缓冲。我们通过大量的实验验证了我们的解决方案，并展示了所提出的解决方案的有效性。
2022-01-05 cs.NI
Maximizing Real-Time Video QoE via Bandwidth Sharing under Markovian setting
针对多运营商网络下实时视频QoE优化问题，提出动态带宽共享在线策略，理论保证最优性，仿真显示性能提升达90%。
2025-01-30 cs.NI
Fresher Content or Smoother Playback? A Brownian-Approximation Framework for Scheduling Real-Time Wireless Video Streams
本文提出了一种布朗近似框架来优化无线网络中实时的【形】视频流的体验质量（QoE）。在实时的【形】视频流中，一个主要挑战是解决两个最关键的QoE指标之间的自然紧张关系：播放延迟和视频中断。为了研究这种权衡，我们首先提出了一个分析模型，该模型精确地捕获了实时的【形】视频流的回放过程的所有方面，包括回放延迟、视频中断和数据包丢弃。在此模型的基础上，我们证明了实时的【形】视频的播放过程可以近似为一个双边反射布朗运动。通过这种布朗近似，我们能够研究两个Qoe指标的基本限制，并描述一组Qoe性能要求可行的充分必要条件。我们提出了一个调度策略，满足任何可行的QoE性能要求，然后获得简单的规则之间的权衡播放延迟和视频中断率，在繁忙的交通和负载不足的制度。最后，仿真结果验证了所提出的近似的准确性，并表明所提出的政策优于其他流行的基线政策。
2020-10-23 cs.NI
Handcrafted vs Deep Learning Classification for Scalable Video QoE Modeling
移动视频流量在蜂窝和企业无线网络中占主导地位。随着各种应用的出现，网络管理员面临的挑战是在面对各种无线条件和应用内容时提供高QoE。然而，最先进的网络缺乏对QoE的分析，因为这需要来自应用或用户反馈的支持。虽然存在通过训练机器学习模型而不需要用户反馈来将QoS映射到QoE的现有技术，但是由于ML的QoE地面实况注释不足，这些技术仅限于少数应用。为了解决这些限制，我们专注于视频电话应用和模型的空间和时间的视频QoE的关键文物。我们的主要贡献是设计内容和设备独立的指标，并在不同的WiFi条件下进行培训。我们表明，我们的指标达到了中位数90%的准确性，通过比较平均意见得分超过200个用户和800个视频样本在三个流行的视频电话应用程序- Skype，FaceTime和谷歌环聊。我们通过使用深度神经网络来进一步扩展我们的指标，更具体地说，我们使用组合的CNN和LSTM模型。通过将我们的QoE指标与深度学习模型相结合，我们实现了95%的中位准确率，这比最先进的众所周知的技术提高了38%。
2019-01-10 cs.MM cs.NI
CANE: A Cascade-Control Approach for Network-Assisted Video QoE Management
先前的努力已经表明，当多个视频播放器竞争带宽时，网络辅助方案可以提高体验质量（QoE）和QoE公平性。然而，在实践中实现网络辅助方案是具有挑战性的，因为：i）网络对客户端玩家的内部状态和动作的可见性有限; ii）玩家的动作可能使网络的动作无效或否定;以及iii）玩家的目标可能是冲突的。为了解决这些挑战，我们通过级联控制抽象来制定网络辅助的QoE优化。这为CANE的设计提供了信息，CANE是一种实用的网络辅助QoE框架。CANE使用机器学习技术来近似每个玩家的行为，作为黑盒模型和模型预测控制，以实现接近最优解。我们通过真实的模拟评估CANE，并表明CANE将多人QoE公平性提高了~50%，与纯客户端自适应比特率算法相比，提高了~20%，与均匀流量整形相比。
2023-01-13 cs.NI cs.SY eess.SY
NOVA: QoE-driven Optimization of DASH-based Video Delivery in Networks
我们考虑的问题，优化视频传输的网络支持视频客户端流存储的视频。具体而言，我们考虑的问题，联合优化网络资源分配和视频质量的适应。我们的目标是公平地最大限度地提高视频客户端的体验质量（QoE），实现平均质量，质量的时间变化和公平性之间的权衡，结合用户对重新缓冲和视频传输成本的偏好。我们提出了一个简单的渐近最优在线算法，NOVA，来解决这个问题。NOVA是异步的，并且使用最少的通信，将资源分配的任务分配给网络控制器，并且将质量适配分配给各个视频客户端。NOVA中的视频质量适配对于独立视频客户端也是最佳的，并且非常适合与DASH框架一起使用。此外，我们扩展NOVA用于更一般的QoE模型，与其他流量负载共享的网络和使用固定/传统资源分配的网络。
2013-09-25 cs.MM cs.NI
Toward Cross-Layer Design for Non-Orthogonal Multiple Access: A Quality-of-Experience Perspective
近年来，多功能移动设备激增，数据消费应用服务激增。当今移动系统中的正交多址（OMA）技术在存在如此大的连接性和业务需求的情况下变得低效。在这方面，非正交多址接入（NOMA）一直倡导的研究界拥抱前所未有的要求。目前的NOMA设计已被证明在吞吐量和延迟方面大大提高了传统系统的性能，而它们对最终用户感知体验的影响尚未得到全面理解。我们设想，体验质量（QoE）感知是NOMA设计的关键支柱，以满足第五代（5G）无线通信系统中的多方面用户需求。本文系统地研究了QoE感知的NOMA设计，将NOMA的物理层优势转化为上层用户感知体验的改善。我们阐明了实现QoE感知NOMA设计的设计原则和关键挑战。考虑到这些原则和挑战，我们开发了一个通用的架构与动态网络调度方案。我们提供了一些未来的QoE感知NOMA设计的影响进行视频流应用的案例研究。
2018-01-25 cs.NI
Modeling Live Video Streaming: Real-Time Classification, QoE Inference, and Field Evaluation
University of New South Wales（新南威尔士大学）；BITS Pilani（皮拉尼比尔拉理工学院）
社交媒体、职业体育和视频游戏正在推动Twitch和YouTube Live等平台上的直播视频流的快速增长。直播流体验非常容易受到短时间尺度网络拥塞的影响，因为客户端回放缓冲区通常不超过几秒。不幸的是，识别这样的流并测量它们的QoE以用于网络管理是具有挑战性的，因为内容提供方在很大程度上使用相同的递送基础设施用于实况和视频点播（VoD）流传输，并且分组检测技术（包括SNI/DNS查询监视）不能总是区分两者。在本文中，我们设计，构建和部署ReCLive：一种基于网络级行为特征的实时视频检测和QoE测量的机器学习方法。我们的贡献有四个方面：（1）我们分析了来自Twitch和YouTube的约23，000个视频流，并确定了其流量概况中区分直播和点播流媒体的关键特征。我们将我们的流量跟踪作为开放数据向公众发布;（2）我们开发了一个基于LSTM的二元分类器模型，该模型可以在实时的【形】点播流中区分直播和点播流，跨提供商的准确率超过95%;（3）我们开发了一种方法，该方法可以根据分辨率和缓冲区停顿事件来估计直播流的QoE指标，总体准确率分别为93%和90%;以及（4）最后，我们对我们的解决方案进行原型设计，在实验室中对其进行训练，并将其部署到服务于7，000多个用户的实时ISP网络中。我们的方法为ISP提供了对实时视频流的细粒度可见性，使他们能够测量和改善用户体验。
2021-12-05 cs.AI cs.LG cs.NI
QoE-Aware Service Provision for Mobile AR Rendering: An Agent-Driven Approach
School of Telecommunications Engineering, Xidian University, China（电信工程学院，西安电子科技大学）；School of Computer Science and Engineering, Central South University, China（计算机科学与工程学院，中南大学）；State Power Investment Corporation Limited, China（国家电力投资集团有限公司）
本文提出一种面向边缘辅助移动AR的智能体驱动通信服务提供方法，利用LLM数字智能体弥合服务与网络域鸿沟，并开发用户级QoE建模实现个性化资源管理，有效降低通信开销并提升建模精度与资源效率。
2025-08-12 cs.AI cs.NI
Estimating WebRTC Video QoE Metrics Without Using Application Headers
针对网络运营商常无法获取RTP头部的问题，提出基于IP/UDP头部与机器学习的WebRTC视频QoE指标估计方法，在三款主流VCA上验证了其精度接近使用RTP头部的方法。
2023-11-09 cs.NI
Proactive Load Balancing in Heterogeneous Cellular Networks
蜂窝网络上的数据的最近指数增长已经导致从传统移动通信网络向异构蜂窝网络（HetNet）的发展。这种密集HetNet中的体验质量（QoE）感知业务负载均衡被认为是一个主要问题。当前的HetNet利用阻碍实现期望的QoE增益的反应式负载均衡方案。在本文中，我们提出了一种新的主动负载均衡框架，利用内容缓存和移动性预测，以提高用户的QoE。我们使用半马尔可夫模型来预测用户的未来小区，并提出了一种新的主动缓存算法，在这些小区的用户的未来需求进行预取。这使我们能够减少小区拥塞，并提供更好的平均下行链路速率。为了验证所提出的框架的有效性，系统级仿真进行比较，与最先进的方法。令人鼓舞的是，我们的系统实现了高达$98.7\%$小区负载均衡方面的Jain的公平性指数，减少了$20\%$回程负载，并提供了$31\%$改善的下行链路速率在拥塞的小区相比，反应式的方法。
2018-09-30 cs.NI
NEWCAST: Anticipating Resource Management and QoE Provisioning for Mobile Video Streaming
由于移动应用程序和服务以及智能手机传感器提供了丰富的上下文信息，了解移动网络中未来吞吐量变化的可能性越来越大。甚至可能的是，这样的上下文信息（可能包括业务、移动性和无线电条件）将导致尚未想到的新颖的敏捷资源管理。在本文中，我们提出了一个框架（称为NEWCAST），预计吞吐量的变化，提供视频流内容。我们开发了一个优化问题，实现了关键指标，影响用户的感知体验质量（QoE）和系统利用率的成本之间的基本权衡。从[1]中收集的模拟和真实世界吞吐量跟踪都被用来评估NEWCAST的性能。特别是，我们的数值结果表明，NEWCAST提供了新的5G架构在计算复杂性和鲁棒性方面所需的效率。我们还实现了一个原型系统的NEWCAST和评估它在一个真实的环境中与一个真实的播放器，以显示其效率和可扩展性相比，基线自适应比特率算法。
2018-01-25 cs.MM cs.NI
StreamGuard: Exploring a 5G Architecture for Efficient, Quality of Experience-Aware Video Conferencing
Princeton University（普林斯顿大学）；Illinois Institute of Technology（伊利诺伊理工学院）
StreamGuard通过子流级QoE感知优先级控制，提升5G环境下视频会议的体验质量与公平性平衡，实现70%的QoE提升或2倍背景吞吐量保持。
2026-05-14 cs.MM cs.NI eess.IV
Efficient Steering Mechanism for Mobile Network-enabled UAVs
考虑将移动网络作为无人机（UAV）的通信基础设施，创造了大量新的新兴服务和机会。特别地，UAV可以利用不同移动网络运营商（MNO）的可用性来引导与MNO的连接，从而确保最佳体验质量（QoE）。虽然流量导向的概念在网络侧更为人所知，但将其扩展到设备级别将允许满足当今应用的新兴需求。在这种情况下，非常需要考虑到这种新型通信的性质和特征的有效转向解决方案。作者介绍，在本文中，一种机制，用于引导连接在移动网络使能的无人机。所提出的解决方案考虑了一个现实的通信模型，占大多数的无线信号所经历的传播现象。此外，考虑到相关的优化问题的复杂性，这是从这个现实的模型，作者提出了一种基于联盟博弈的解决方案。目标是围绕MNO形成联盟中的UAV，以增强其QoE。所进行的性能评估显示了使用多个MNO来增强支持移动网络的UAV的QoE的潜力，并证明了所提出的解决方案的有效性。指数
2022-01-05 cs.NI
DaI: Decrypt and Infer the Quality of Real-Time Video Streaming
对网络服务质量的推断是网络运营商进行优化的重要依据。然而，主流的实时的【形】视频流应用采用加密的安全性，留下了一个问题，提取实时的【形】视频的服务质量（QoS）指标。在本文中，我们提出了DaI，一个基于流量的实时的【形】视频质量估计。DaI可以部分解密加密的实时的【形】视频数据，并应用机器学习方法来估计实时的【形】视频的关键客观体验质量（QoE）度量。根据实验结果，DaI可以估计客观的QoE指标，平均准确率为79%。
2022-11-04 cs.MM cs.NI
uStash: a Novel Mobile Content Delivery System for Improving User QoE in Public Transport
移动数据流量呈指数级增长，并且当用户“在移动中”（例如在公共交通工具中）时高效地分发内容甚至更具挑战性。尽管在全球范围内正在成为普遍做法，但在通勤时使用移动设备访问内容（例如视频）既昂贵又不可靠。利用内容流行度和用户的不同网络连接的空间和时间相关性，我们提出了一种新的内容分发系统，\textit{uStash}，它保证了更好的QoE关于访问延迟和使用成本。所提出的协作下载和内容存储方案为uStash提供商提供了通过蜂窝网络控制内容访问成本的灵活性。我们在概率框架中对uStash系统进行建模，从而分析得出协作下载的最佳部分。然后，我们使用现实生活中的跟踪驱动的模拟验证所提出的模型。特别是，我们使用来自6条不同路线上运行的22辆城际公交车和移动VoD服务提供商的数据集来表明，与通过用户的蜂窝网络连接下载的内容相比，uStash将每月蜂窝数据的成本降低了约50%，内容访问的预期延迟降低了60%。
2017-08-14 cs.DC cs.MM cs.NI
An Urban Multi-Operator QoE-Aware Dataset for Cellular Networks in Dense Environments
本研究提供了一个在2平方公里密集城市区收集的包含30,925条记录的多运营商蜂窝网络数据集，涵盖多种移动模式、流量场景及信号质量参数，适用于QoE驱动的机器学习网络优化。
2025-06-23 cs.NI eess.SP
On the Efficiency and Fairness of Multiplayer HTTP-based Adaptive Video Streaming
Carnegie Mellon University（卡内基梅隆大学）
本文从控制理论视角出发，探讨多玩家视频流媒体中的效率与公平性问题，提出非线性MPC算法提升带宽分配效率。
2016-08-29 cs.MM cs.NI cs.SY
Mobile Multimedia Streaming Techniques : QoE and Energy Consumption Perspective
由于两个原因，多媒体流传输到移动设备具有挑战性。首先，将内容传送到客户端的方式必须确保用户在流媒体会话中间不会经历长的初始播放延迟或失真的播放。其次，多媒体流应用是智能手机中最耗能的应用之一。能量消耗主要取决于无线接入技术（Wi-Fi、3G和4G）的传输技术和功率管理技术。为了深入了解现有的流媒体技术，它们如何在不同的移动平台上工作，它们在提供流畅的体验质量方面所做的努力，以及它们对手机能耗的影响，我们对几款同时具有Wi-Fi和蜂窝网络接入的智能手机进行了大量的主动测量。我们的分析揭示了五种不同的技术来提供内容的视频播放器。技术的选择取决于移动平台、设备、播放器、质量和服务。我们的流量和功率测量结果使我们能够得出结论，所确定的技术都不是最佳的，因为它们没有考虑以下因素：使用的接入技术，用户行为和用户对数据浪费的偏好。我们指出的技术与最佳的播放缓冲区配置，它提供了最有吸引力的权衡在特定情况下。
2014-05-24 cs.MM cs.NI
QuDASH: Quantum-inspired rate adaptation approach for DASH video streaming
本文提出一种基于量子启发式计算技术Digital Annealer和QUBO的DASH视频流码率自适应方法QuDASH，通过构建并最小化目标函数来优化视频质量、码率变化和缓冲区条件，实验表明其在68.2%的案例中实现了最高QoE，优于传统ABR方法。
2023-10-22 cs.MM cs.NI eess.IV
Resource Scheduling for Mixed Traffic Types with Scalable TTI in Dynamic TDD Systems
本文分析了以用户为中心的调度方法的性能优势，利用动态时分双工（TDD）和可变传输时间间隔（TTI），其中下行链路与上行链路的比率和TTI持续时间可以适应业务负载的灵活性。联合优化问题的制定考虑了每个用户在可持续延迟和期望吞吐量方面的个人要求，从而实现了真正的以用户为中心的调度方法。此外，开发的解决方案进行评估的情况下，混合业务类型，移动宽带（MBB）和关键任务通信（MCC），显示出显着的性能增强所提出的方案在基线动态TDD方案与固定的TTI方面的MBB用户的可实现的吞吐量和MCC用户的保证延迟。
2017-09-11 cs.NI
PLVER: Joint Stable Allocation and Content Replication for Edge-assisted Live Video Delivery
直播服务近年来非常受欢迎。由于实时视频的尖峰流量模式，利用分布式边缘服务器来提高观众的体验质量（QoE）如今已成为一种常见的做法。然而，当前客户端驱动的内容缓存机制不支持从云到边缘的预先缓存，导致直播视频交付中大量缓存丢失。为了解决上述问题，最先进的研究通常会牺牲所传输视频的活跃度。本文结合视频直播和边缘服务器的特点，提出了一种主动的视频直播推送方案PLVER，以解决视频直播中缓存丢失的问题。具体而言，PLVER首先在边缘集群和用户组之间进行一对多的稳定分配，以平衡边缘服务器上的实时流量负载。然后采用主动式视频复制算法来加快边缘服务器之间的视频复制速度。我们进行广泛的跟踪驱动评估，覆盖30万Twitch观众和300多个Twitch频道。结果表明，与基于拍卖的复制方法和按请求时间缓存方法相比，使用PLVER，边缘服务器可以分别多承载28%和82%的流量。
2020-06-12 cs.NI
Utility Fair Rate Allocation in LTE/802.11 Networks
我们考虑在具有LTE和802.11小区的混合的异构网络中的比例公平速率分配，其支持多径和多宿操作（用户设备同时连接到多个LTE BS和802.11 AP）。我们表明，效用公平优化问题是非凸的，但可以找到一个全局最优解的凸优化序列中的分布式方式。结果是从LTE卸载到802.11以及利用LTE/802.11路径分集来满足用户业务需求的原则性方法。
2015-06-02 cs.NI
Mechanisms for Resilient Video Transmission
无线网络被设想为提供具有成本效益的内容递送（包括用于视频应用）的最重要技术之一。它们将允许成千上万的固定和移动用户以无处不在的方式访问、制作、共享和消费视频内容。这些网络上的实时视频服务正在成为日常生活的一部分，并已被用于传播从教育到娱乐内容的信息。然而，处理这些网络的波动带宽、稀缺资源和时变出错率的挑战突出了对错误恢复视频传输的需要。在此上下文中，已知前向纠错（FEC）和不等错误保护（UEP）方法的组合为无线用户提供具有体验质量（QoE）保证的视频应用的分发。本文提出了一个评估视频特征及其对最终用户感知质量的影响的过程。本文提出了一系列基于FEC的跨层视频感知机制和UEP，以增强几种类型的无线网络中的视频传输。在这些机制中使用了许多方法来设置自适应的冗余量，例如启发式技术、随机神经网络、蚁群优化和模糊逻辑。在第一个，启发式技术，机制依赖于人类的经验来定义最佳策略。通过真实视频序列和实际网络轨迹的仿真实验，验证了所提出机制的优点和缺点。使用众所周知的QoE指标进行评估。结果表明，所有提出的机制都能够超越竞争对手的感知视频质量和网络足迹。
2018-08-20 cs.NI
We all do better when we work together?
本文通过在ns-3构建的模拟5G网络场景中进行的一组实验，评估了RD信号对移动网络流量的影响。在我们的实验中，我们比较了没有RD治疗的情况下（即一个单一的尽力而为的EPS承载）与RD治疗的情况下（即单独的EPS承载进行RD-分割业务）与诚实和欺骗用户。我们的目标是双重的。一方面，我们希望探索RD作为协调LTE和互联网QoS模型的一种方式的适用性，另一方面，我们的目标是提供数据以告知协议设计以及关于暴露1比特的概念的操作相关讨论，当使用端到端通信时，从端点到网络路径的明文\ac{rd}信号端加密协议将另外阻止基于DPI的流分类。具体而言，我们希望帮助回答的问题是，最终用户的QoE和无线电频谱效率方面的增益是否足以证明为此类信号腾出空间是合理的。所有实验都有完整的记录，所使用的工具是开源的，以确保其可重复性。
2018-12-27 cs.NI
Optimal Decentralized Dynamic Policies for Video Streaming over Wireless Channels
解决的问题是以分散的方式最佳地控制移动视频的下载，预计到2020年，移动视频将占移动数据流量的75%。服务器可以从以不同分辨率对其视频进行编码的多个数据包中动态选择要下载到客户端的数据包，以及它们传输的功率电平。这使其能够控制数据包传输概率，从而避免客户端即将发生的视频中断。然而，它必须尊重接入点对带宽和平均传输功率的限制。目标是最大化视频“体验质量”（QoE），这取决于若干因素，例如（i）当视频回放缓冲器为空时的中断持续时间，（ii）中断周期的数量，（iii）下载的帧有多少是较低分辨率的，（iv）分辨率的时间变化等。并且每个客户端分布式地并且动态地最大化其自身的QoE，这取决于能量成本。最后给出了求解最优分散策略的分布式迭代算法。此外，对于客户端级别的QoE优化，视频分辨率和分组传输的功率级别的最佳选择相对于视频回放缓冲器级别具有简单的单调性和阈值结构。当正交信道的数量小于客户端的数量时，存在用于优先化分组传输的索引策略。当AP必须简单地选择传输哪些客户端的数据包时，索引策略是渐进最优的，因为信道的数量随着客户端而按比例增加。
2019-02-20 cs.NI math.OC
Optimizing Space-Air-Ground Integrated Networks by Artificial Intelligence
人们普遍认为，由于网络资源的稀缺和覆盖范围的有限，传统的地面通信技术的发展无法为所有用户提供公平和高质量的服务。为了补充地面连接，特别是对于农村、受灾地区或其他难以服务的地区的用户，已经利用卫星、无人驾驶飞行器（UAV）和气球来中继通信信号。在此基础上，提出了提高用户体验质量的空-空-地一体化网络（SAGIN）。然而，与现有的网络，如ad hoc网络和蜂窝网络相比，SAGIN是复杂得多，由于三个网段的各种特性。为了提高SAGIN的性能，研究人员面临着许多前所未有的挑战。在本文中，我们提出了人工智能（AI）技术来优化SAGIN，因为AI技术在许多应用中显示出其突出的优势。我们首先分析了SAGIN的几个主要挑战，并解释了AI如何解决这些问题。然后，以卫星流量均衡为例，提出了一种基于深度学习的流量控制方法。仿真结果表明，深度学习技术可以有效地提高SAGIN的性能。
2018-08-03 cs.NI
Should I stay or should I go: Analysis of the impact of application QoS on user engagement in YouTube
为了提高体验质量（QoE），特别是在中等到高流量需求下，了解网络和应用QoS对用户体验的影响非常重要。本文比较评估的损伤，其强度和时间动态的影响，在视频流的背景下，用户参与。该分析使用了两个大型YouTube数据集。为了表征用户参与度和损伤的影响，定义了几个新的指标。我们评估了不同类型的损伤与QoE和用户参与度指标之间是否存在统计学上的显著关系，不仅考虑了损伤的特征，还考虑了会话的协变量（例如，视频持续时间、平均数据速率）。在观察了整个数据集的关系后，我们测试了这些关系在特定条件下是否也存在协变量。在分析中引入几个新的指标和各种协变量是这项工作的两个创新方面。我们发现，负比特率变化（BR-）的数量是一个更强的预测放弃比rebufferrings（RB）。即使是正的比特率变化（BR+）也与放弃的增加相关联。具体而言，BR+在低分辨率会话中并不受欢迎。损伤的时间动态也有影响：RB之后很久出现的BR似乎被认为是比RB之后立即发生的BR更严重的损伤。这些结果可以用来指导视频流适应的设计，以及建议哪些参数应在控制领域的研究。
2019-03-15 cs.NI
MADRL-Based Rate Adaptation for 360° Video Streaming with Multi-Viewpoint Prediction
University of Ottawa（渥太华大学）；Huawei Canada（华为加拿大）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）
针对360°视频流单视角预测应对突发头部运动效果差的问题，提出多模态时空注意力Transformer多视角预测方法，结合基于CTDE框架MAPPO的MADRL自适应码率算法，最高提升QoE指标85.5%。
2024-05-17 cs.AI cs.MM cs.NI
A More Refined Mobile Edge Cache Replacement Scheme for Adaptive Video Streaming with Mutual Cooperation in Multi-MEC Servers
本文提出了一种基于移动边缘计算（MEC）的视频片段增强缓存更新策略，该策略综合考虑了客户端的播放状态和传输状态、MEC缓存容量和每个片段的流行度，以提高客户端的体验质量（QoE）和MEC缓存的使用率。在每个缓存更新周期中，不能带来显著QoE改善的片段将被删除，同时替代地将缓存片段的更合适的表示。首先，我们将MEC缓存空间分为三个部分的基础上段流行度和段的重要性水平。此外，不同缓存部分的大小可以相互转换，以进一步利用MEC缓存空间。针对不同的分片，分别制定了相应的删除策略和缓存策略，删除策略结合分片请求次数和客户端的传输能力，缓存策略根据客户端的播放状态计算缓存优先级。此外，我们制定的缓存更新问题，以最大限度地提高客户端的效用函数受MEC缓存大小和传输容量的约束。采用品牌分枝法求最优解。仿真结果表明，与现有算法相比，该算法在提高系统吞吐量和视频段命中率的同时，减少了回放冻结时间和系统回程流量。
2019-11-25 cs.NI eess.IV
Mobile Edge Caching: An Optimal Auction Approach
随着无线数据的爆炸式增长，移动业务的庞大规模对当前无线系统的容量提出了挑战。为了应对这一挑战，移动边缘缓存已经成为一个很有前途的范例，最近，其中的服务提供商（SP）预先预取一些流行的内容，并缓存在本地的网络边缘。当被请求时，这些本地缓存的内容可以以低延迟直接传递给用户，从而减轻高峰时段回程信道上的业务负载，同时提高用户的体验质量（QoE）。由于可用缓存空间有限，SP缓存最有利可图的内容是有意义的。然而，用户对内容的真实评价是他们的私人知识，一般来说，SP不知道。这种信息不对称对SP端的有效缓存提出了重大挑战。此外，缓存的内容可以以不同的质量交付，这需要明智地选择以平衡交付成本和用户满意度。为了解决这些困难，在本文中，我们提出了一个最佳的拍卖机制从SP的角度来看。在拍卖中，SP确定缓存空间分配的内容和用户支付的基础上，用户的（可能是不真实的）报告，他们的估值，使SP的预期收益最大化。所提倡的机制旨在从用户那里获得真实的评价（激励相容性），并激励用户参与（个人理性）。此外，我们设计了一个计算效率高的方法来计算最佳的缓存空间分配和用户支付。我们进一步研究了大量用户的情况下的内容交付质量的最佳选择，并推导出一个封闭形式的解决方案来计算最佳交付质量。
2017-12-09 cs.NI
Sector-Based Radio Resource Allocation (SBRRA) Algorithm for Better Quality of Service and Experience in Device-to-Device (D2D) Communication
用户之间不断增加的内容共享导致无线数据流量大幅上升，迫使蜂窝网络经历适当的剧变。用于有效地支持基于邻近的应用的第五代网络（5G）的胜任技术是作为蜂窝网络基础的设备到设备（D2D）通信。到目前为止，对于在蜂窝网络中向D2D用户分配资源，已经取得了显著的进步，使得以协调的方式执行蜂窝和D2D用户之间的频谱资源的共享。在本文中，已经提出了一种用于向D2D对分配资源块的基于扇区的无线电资源分配（SBRRA）算法，其中，基于每个D2D对所要求的应用，以自适应的方式向每个D2D对分配资源块（RB）的数量。不同的应用根据其优先级需要不同数量的RB。该算法着重于在基站处使用扇区天线，以获得更好的性能和低复杂度。考虑到实时场景，进行了大量的仿真，以确保用户满意的服务质量（QoS）和体验质量（QoE）。通过与基于隐马尔可夫模型（HMM）的RB分配算法的比较，证明了该方案的有效性。
2018-01-21 cs.NI
Joint Optimization of Handoff and Video Rate in LEO Satellite Networks
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Microsoft Research Asia（微软亚洲研究院）；University of Science and Technology of China（中国科学技术大学）
本文提出一种针对LEO卫星网络的视频感知移动管理框架，通过仿真模型和真实数据集分析切换策略和吞吐量预测算法的重要性，提出联合选择卫星和视频比特率的算法以优化用户体验。
2026-04-20 cs.NI
A Control-Theoretic Approach to Adaptive Video Streaming in Dense Wireless Networks
最近，人们消费视频内容的方式正在发生巨大的变化。长期以来一直是家庭娱乐中心的普通电视机正在失去混合电视、PC、游戏机以及最近的平板电脑和智能手机等移动设备的优势。新的主导范式是：看我想要的，当我想要的时候，我想要的地方。这种转变的挑战是多方面的。一方面，DVB-T/C/S等广播技术需要扩展或被支持异步观看的机制所取代，如IPTV和尽力而为网络上的视频流，同时保持可扩展性以适应数百万用户。另一方面，无线数据流量的急剧增加开始将现有无线基础设施的能力扩展到其极限。最后，视频流技术面临着应对终端用户设备的高度异构性和动态变化的网络条件的挑战，特别是在无线和移动网络中。在目前的工作中，我们的目标是设计一个高效的系统，支持大量的单播流会话在密集的无线接入网络。我们共同考虑无线传输调度和视频质量自适应的两个问题，使用比例-积分-微分（PID）控制器的鲁棒性和简单性的启发技术来解决这个目标。我们表明，控制理论的方法可以有效地利用可用的无线资源，提供高质量的体验（QoE）的大量用户。
2015-02-10 cs.MM cs.NI
Efficient Resource Management in Multicast Short Video Streaming Systems
针对短视频流量激增下传统单播低效、组播资源分配复杂的问题，提出新型组播资源管理框架，通过动态优化分配平衡成本与体验，实验验证其可降带宽、减延迟、提升用户满意度。
2025-08-01 cs.GR cs.NI
Multi-tier Caching Analysis in CDN-based Over-the-top Video Streaming Systems
互联网视频流量一直在快速增长，并预计随着新兴的5G应用（如高清视频、物联网和增强/虚拟现实应用）而进一步增长。随着最终用户以越来越多的方式大量消费视频，内容分发网络（CDN）应该得到有效管理，以提高系统效率。流服务可以包括分布式服务器和边缘路由器处的多个缓存层，并且这些位置处的高效内容管理影响最终用户的体验质量（QoE）。在本文中，我们提出了一个模型的视频流媒体系统，通常由一个集中的源服务器，几个CDN站点，和边缘缓存位于更接近最终用户。我们综合考虑了不同的系统设计因素，包括CDN站点的有限缓存空间，为视频请求分配CDN，从CDN和中央存储选择不同的端口（或路径），带宽分配，边缘缓存容量和缓存策略。我们专注于最小化的性能指标，失速持续时间尾概率（SDTP），并提出了一种新颖的和有效的算法占多个设计灵活性。相对于SDTP度量的理论界也进行了分析和介绍。在Openstack管理的虚拟化云系统上的实现表明，与基线策略相比，所提出的算法可以显着提高SDTP度量。
2019-02-11 cs.MM cs.NI cs.PF
LBP: Robust Rate Adaptation Algorithm for SVC Video Streaming
如今，视频流占移动流量的55%。在本文中，我们探讨流视频编码使用可伸缩视频编码方案（SVC）在高度可变的带宽条件下，如蜂窝网络。SVC独特的编码方案允许视频块的质量以增量方式变化，使其与其他编码方案相比更灵活，更能适应具有挑战性的网络条件。我们的贡献是三方面的。首先，我们制定的可用带宽，播放缓冲区，和块的最后期限作为一个优化问题的视频块的质量决定的约束。目标是优化一种新颖的QoE度量，该度量对最小化视频的停顿/跳过持续时间、最大化每个块的回放质量以及最小化质量切换的数量这三个目标的组合进行建模。其次，我们开发了分层装箱（LBP）自适应算法，一种新的算法，解决了所提出的优化问题。此外，我们表明，LBP实现了所提出的优化问题的最佳解决方案的线性复杂度的视频块的数量。第三，我们提出了一种在线算法（在线LBP），其中解决了几个挑战，包括处理带宽预测错误，和短的预测持续时间。广泛的模拟与真实的带宽痕迹的公共数据集揭示了我们的计划的鲁棒性，并证明其显着的性能改善相比，国家的最先进的SVC流算法。所提出的算法也实现了TCP/IP仿真测试床与真实的LTE带宽的痕迹，和仿真证实了仿真结果，并验证了该算法可以实现和部署在今天的移动设备。
2018-06-13 cs.MM cs.NI
