CN103841412A - 一种网络视频用户体验质量测量方法和装置 - Google Patents

Abstract

本发明公开了一种网络视频用户体验质量测量方法和装置。本发明实施例提供的方法包括：设置网络视频的数个应用性能度量指标，对应用性能度量指标，分别划分模糊等级并针对各个模糊等级设置隶属度函数；设置模糊规则表，其中模糊规则表包括至少一个模糊规则；测量上述数个应用性能度量指标，得到测量值；根据测量值和隶属度函数得到测量值隶属于各个模糊等级的概率；根据数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及模糊规则表计算网络视频用户体验质量的评估值。本发明提供的技术方案能够准确得到反映网络视频用户体验质量的数值。

Description

一种网络视频用户体验质量测量方法和装置

技术领域

本发明涉及通信技术领域，特别是涉及一种网络视频用户体验质量测量方法和装置。

背景技术

近年来，随着移动互联网技术快速发展，视频业务作为移动互联网的一项重要服务，已经深入人们的生活中，例如You Tube、优酷等都非常成功地提供了移动互联网视频服务。由于这种网络视频服务采用HTTP方式，基于TCP传输层协议，能够更好地适应移动互联网的应用环境，HTTP视频服务在移动互联网上得到了广泛应用。随着网络视频服务竞争的日益激烈，用于评估移动互联网视频质量好坏的用户体验质量(QoE,Quality of Experience)越来越受到网络运营商与开发者的重视。

目前网络视频QoE的评价方法主要有主观评价方法和客观评价方法。其中，主观评估方法就是要直接从用户感知出发，对业务进行评价，通常需要15-30人在特定环境下观看视频并打分，最后对这些分数进行处理，得到主观感受分值，常用平均评估分值法(Mean Opinion Score MOS)。主观评估会受到人员与环境等因素限制，实施难度大、成本高，不适合频繁与实时应用。

已有的网络视频质量客观评估方法主要针对传输层协议采用UDP的视频。近年来也出现了通过分析网络性能指标、应用性能度量以及视频特征参数，来评估基于TCP协议传输的HTTP视频质量。如在论文HTTP视频流的质量的测量，IEEE关于综合网络管理的国际讨论会，爱尔兰都柏林，2011年5月23-27日，485-492（Measuring the Quality of Experience of HTTP VideoStreaming,IEEE International Symposium on Integrated Network Management,Dublin,Ireland,May23-27,2011,485-492）中，通过线性拟合的方式建立了应用性能度量与QoE之间的关系，但是该方法只是简单分层，线性拟合出客观评估值，主客观相似度不高。现有的QoE的客观评测方法适用范围较窄且不能准确测量出能够反映网络视频服务的用户体验质量的数值。

发明内容

本发明公开了一种网络视频用户体验质量测量方法，该方法能够准确测量出能够反映网络视频的用户体验质量的数值。

本发明提供了一种网络视频用户体验质量测量方法，其中，所述方法包括：

设置网络视频的数个应用性能度量指标，对所述应用性能度量指标，分别划分模糊等级并针对各个模糊等级设置隶属度函数；设置模糊规则表，其中所述模糊规则表包括至少一个模糊规则；

测量上述数个应用性能度量指标，得到测量值；

根据所述测量值和隶属度函数得到所述测量值隶属于各个模糊等级的概率；

根据所述数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及所述模糊规则表计算网络视频用户体验质量的评估值。

较佳地，所述应用性能度量指标，包括：初始化时间、缓冲时间，和缓冲频率。

较佳地，所述根据所述数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及所述模糊规则表计算网络视频用户体验质量的评估值，具体包括：

使用Mamdani模糊推理方法，根据所述数个测量值隶属于各个模糊等级的概率和所述模糊规则得到表示网络视频用户体验质量的模糊输出值；

对上述模糊输出值进行清晰化处理，得到网络视频用户体验质量。

较佳地，该方法还包括：将用户体验质量划分模糊等级并针对各个模糊等级设置用户体验质量隶属度函数；所述应用性能度量指标的模糊等级与用户体验质量的模糊等级所采用的划分方法相同而隶属度函数不同；

所述模糊规则，分别包括所述应用性能度量指标的模糊等级和对应的网络视频用户体验质量的模糊等级；

所述根据所述数个测量值隶属于各个模糊等级的概率和所述模糊规则得到表示网络视频用户体验质量的模糊输出值，包括：计算对应于模糊规则的规则模糊值，以及根据所述规则模糊值计算表示网络视频用户体验质量的模糊输出值；

其中计算对应于模糊规则的规则模糊值，包括对每一模糊规则执行以下步骤：

对每个应用性能度量指标，根据模糊规则中应用性能度量指标的模糊等级选取应用性能度量指标的隶属度函数；根据模糊规则中的网络视频用户体验质量的模糊等级选取网络视频用户体验质量的隶属度函数；根据选取的两个隶属度函数计算相关度函数；以及根据相关度函数和该应用性能度量指标的测量值隶属于各个模糊等级的概率，计算指标模糊值；以及

根据所述指标模糊值，计算规则模糊值。

较佳地，所述对上述模糊输出值进行清晰化处理，包括：利用所述网络视频用户体验质量的模糊等级对模糊输出值进行加权平均运算。

本发明还提供了一种网络视频用户体验质量测量装置，该装置包括：设置模块、测量模块、概率计算模块和用户体验质量计算模块；其中，

设置模块，用于设置网络视频的数个应用性能度量指标，对所述应用性能度量指标，分别划分模糊等级并针对各个模糊等级设置隶属度函数；设置模糊规则表，其中所述模糊规则表包括至少一个模糊规则；

测量模块，用于测量上述数个应用性能度量指标，得到测量值，并发送给概率计算模块；

概率计算模块，用于接收测量模块发送的测量值，根据所述测量值和隶属度函数得到所述测量值隶属于各个模糊等级的概率，并发送给用户体验质量计算模块；

用户体验质量计算模块，用于接收概率计算模块发送的概率，根据所述数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及所述模糊规则表计算网络视频用户体验质量的评估值。

较佳地，所述应用性能度量指标，包括：初始化时间、缓冲时间，和缓冲频率。

较佳地，所述用户体验质量计算模块，用于使用Mamdani模糊推理方法，根据所述数个测量值隶属于各个模糊等级的概率和所述模糊规则得到表示网络视频用户体验质量的模糊输出值；对上述模糊输出值进行清晰化处理，得到网络视频用户体验质量，从而根据所述数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及所述模糊规则表计算网络视频用户体验质量的评估值。

较佳地，所述设置模块，还用于将用户体验质量划分模糊等级并针对各个模糊等级设置用户体验质量隶属度函数；所述应用性能度量指标的模糊等级与用户体验质量的模糊等级所采用的划分方法相同而隶属度函数不同；

所述模糊规则，分别包括所述应用性能度量指标的模糊等级和对应的网络视频用户体验质量的模糊等级；

所述用户体验质量计算模块，用于计算对应于模糊规则的规则模糊值，以及根据所述规则模糊值计算表示网络视频用户体验质量的模糊输出值；

所述用户体验质量计算模块，用于通过对每一模糊规则执行以下步骤以计算对应于模糊规则的规则模糊值：对每个应用性能度量指标，根据模糊规则中应用性能度量指标的模糊等级选取应用性能度量指标的隶属度函数；根据模糊规则中的网络视频用户体验质量的模糊等级选取网络视频用户体验质量的隶属度函数；根据选取的两个隶属度函数计算相关度函数；以及根据相关度函数和该应用性能度量指标的测量值隶属于各个模糊等级的概率，计算指标模糊值；以及根据所述指标模糊值，计算规则模糊值。

较佳地，所述用户体验质量计算模块，用于利用所述网络视频用户体验质量的模糊等级对模糊输出值进行加权平均运算以对模糊输出值进行清晰化处理。

综上所述，本发明提供的技术方案通过设置数个应用性能度量指标和模糊规则表，在测量时测量所设置的数个应用性能度量指标并计算隶属于各个模糊等级的概率，由测量值隶属于各个模糊等级的概率以及所述模糊规则表计算网络视频用户体验质量的评估值。

本发明实施例能够应用反映网络性能的性能度量指标的测量值，利用模糊数学的方法计算网络视频用户体验质量的评估值，与主观评价方法获得的结果的相似度高。

附图说明

图1是本发明中第一实施例的网络视频用户体验质量测量方法的流程图；

图2是图1中步骤S400的详细流程图；

图3是本发明中第二实施例的网络视频用户体验质量测量方法的流程图；

图4是图3中步骤S400’的详细流程图；

图5是图4中步骤S410’的详细流程图；

图6（a）是本发明一种具体实施例中初始化时间的隶属度函数的示意图；

图6（b）是本发明一种具体实施例中缓冲时间的隶属度函数的示意图；

图6（c）是本发明一种具体实施例中缓冲频率的隶属度函数的示意图；

图7是本发明一种具体实施例中的用户体验质量隶属度函数的示意图；

图8是本发明中一种网络视频用户体验质量测量装置的框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

本发明提供的一种网络视频用户体验质量测量的技术方案，通过对数个反映网络视频业务的应用性能指标的测量，使用应用性能度量指标的隶属度函数和模糊规则表，利用模糊数学方法计算得到网络视频用户体验质量的客观评估值。

通过本方案测量得到的网络视频用户体验质量的客观评估值可以反映用户在网络中对网络视频业务的总体感受。网络运营商和开发者可从自身的角度出发，依据本发明进行QoE评测，改进网络视频的用户体验质量，从而在激烈的竞争中获得优势。

图1是本发明中第一实施例的网络视频用户体验质量测量方法的流程图。如图1所示，第一实施例包括以下步骤：

S100、设置网络视频的数个应用性能度量指标，对应用性能度量指标分别划分模糊等级并针对各个模糊等级设置隶属度函数；设置模糊规则表，其中模糊规则表包括至少一个模糊规则。

S200、测量上述数个应用性能度量指标，得到测量值。

S300、根据测量值和隶属度函数得到测量值隶属于各个模糊等级的概率。

S400、根据数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及模糊规则表计算网络视频用户体验质量的评估值。

本发明提供的一种网络视频用户体验质量测量方法，通过设置网络视频的数个应用性能度量指标，以及对应用性能度量指标，分别划分模糊等级并针对各个模糊等级设置隶属度函数，能够根据测量得到的测量值获取测量值隶属于各个模糊等级的概率。进一步，结合模糊规则表计算网络视频用户体验质量的评估值。本发明提供的基于模糊数学方法获取到的网络视频用户体验质量的评估值较好地反映实际的用户体验质量。

本实施例的应用性能度量指标（APM），包括初始化时间(T_init)、缓冲时间（T_rebuf），和缓冲频率（f_rebuf）。较佳地，本领域技术人员应了解，尽管使用如上所述的三个指标是较优的方案，本实施例的应用性能度量指标不以如上所述的三个指标为限，也可以采用能够反映网络视频质量的其余种类的指标。

初始化时间(T_init)表示视频从下载到开始播放的等待时间。初始化时间与相关参数有如下关系：

$T_{\mathrm{init}}=\frac{B_{\mathrm{full}}\×\mathrm{\λ}}{\mathrm{\β}}$

其中B_full为视频缓存大小（视频可播放秒数），λ为视频播放平均比特率，β为TCP吞吐量，单位是bit/s。

缓冲时间（T_rebuf）表示视频播放过程中每次停顿持续的时间，缓冲时间与相关参数有如下关系：

$T_{\mathrm{rebuf}}=\left\{\begin{array}{c}0\mathrm{if\β}\≥\mathrm{\λ}\\ \frac{(B_{\mathrm{full}}-B_{\mathrm{empty}})\×\mathrm{\λ}}{\mathrm{\β}}\mathrm{otherwise}\end{array}\right.$

其中B_empty是触发零缓冲事件时预留的缓冲大小。当β≥λ时，TCP吞吐量大于视频播放平均比特率，不会引起视频播放的停顿，只有当TCP平均吞吐量不足时，才会引起视频停顿。

缓冲频率（f_rebuf）表示视频播放中停顿的频率。

$f_{\mathrm{rebuf}}=\left\{\begin{array}{cc}0& \mathrm{if\β}\≥\mathrm{\λ}\\ \frac{n_{\mathrm{rebuf}}}{l}& \mathrm{otherwise}\end{array}\right.$

其中 $n_{\mathrm{rebuf}}=\left[\frac{l^{\′}}{b_{\mathrm{rebuf}}}\right]$

$l^{\′}=l-\frac{B_{\mathrm{full}}}{(1-\frac{\mathrm{\β}}{\mathrm{\λ}})}$

$b_{\mathrm{rebuf}}=\frac{(B_{\mathrm{full}}-B_{\mathrm{empty}})}{(1-\frac{\mathrm{\β}}{\mathrm{\λ}})}$

如果β<<λ，最大的停顿次数是：

其中l是视频播放的长度，单位是秒(s)，n_rebuf是视频播放过程中的缓冲次数。

因此，初始化时间(T_init)、缓冲时间（T_rebuf），和缓冲频率（f_rebuf）与网络性能有关，也与终端及播放器的性能与设置有关。使用其中至少两个参数就能够反映网络视频业务的质量。

图2是图1中步骤S400的详细流程图。步骤S400具体包括：

S410、使用Mamdani模糊推理方法，根据数个测量值隶属于各个模糊等级的概率和模糊规则得到表示网络视频用户体验质量的模糊输出值。以及，S420、对模糊输出值进行清晰化处理，得到网络视频用户体验质量。

图3是本发明中第二实施例的网络视频用户体验质量测量方法的流程图。如图3所示，第二实施例包括以下步骤：

S100’、设置网络视频的数个应用性能度量指标，对应用性能度量指标分别划分模糊等级并针对各个模糊等级设置隶属度函数；设置模糊规则表，其中模糊规则表包括至少一个模糊规则；模糊规则，分别包括应用性能度量指标的模糊等级和对应的网络视频用户体验质量的模糊等级。以及将用户体验质量划分模糊等级并针对各个模糊等级设置用户体验质量隶属度函数；应用性能度量指标的模糊等级与用户体验质量的模糊等级所采用的划分方法相同而隶属度函数不同。

例如，应用性能度量指标的模糊等级与用户体验质量的模糊等级均划分为五个模糊等级NB、NM、ZE、PM、PB。其中NB（negative big）代表负大，即初始化时间较长、缓冲时间较长、缓冲频率频繁、网络视频用户体验质量很差的数据区域；NM（negative medium）代表负中，ZE（zero）代表零，PM（positive medium）代表正中，即应用性能度量数值减少的区域；PB（positive big）代表正大，即初始化时间较短、缓冲时间较短、缓冲频率较少、网络视频用户体验质量很好的数据区域。

本领域技术人员应当了解的是，应用性能度量指标对各个模糊等级设置隶属度函数的方法，可以是通过实验进行多次的采集获得隶属度函数。模糊规则，分别包括应用性能度量指标的模糊等级和对应的网络视频用户体验质量的模糊等级，反映了应用性能度量指标和网络视频用户体验的逻辑关系。

S200’、测量上述数个应用性能度量指标，得到测量值。

S300’、根据测量值和隶属度函数得到测量值隶属于各个模糊等级的概率。

S400’、根据数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及模糊规则表计算网络视频用户体验质量的评估值。

图4是图3中步骤S400’的详细流程图。步骤S400’具体包括：

S410’、计算对应于模糊规则的规则模糊值。

S420’、根据规则模糊值计算表示网络视频用户体验质量的模糊输出值。具体地，对多个模糊输出值（与模糊规则一一对应）取隶属度最大的结果，得到表示网络视频用户体验质量的模糊输出值。

S430’、对模糊输出值进行清晰化处理，得到网络视频用户体验质量。较佳地，对上述模糊输出值进行清晰化处理包括：利用网络视频用户体验质量的模糊等级对模糊输出值进行加权平均运算。

图5是图4中步骤S410’的详细流程图。具体包括以下步骤：

S411’、获取一个模糊规则。

S412’、获取一个应用性能度量指标的测量值。

S413’、根据模糊规则中的应用性能度量指标的模糊等级选取应用性能度量指标的隶属度函数；根据模糊规则中的网络视频用户体验质量的模糊等级选取网络视频用户体验质量的隶属度函数。

S414’、根据选取的两个隶属度函数计算相关度函数；以及根据相关度函数和该应用性能度量指标的测量值隶属于各个模糊等级的概率，计算指标模糊值。

S415’判断是否存在需要处理的其余应用性能度量指标的测量值，若是则返回步骤S412’，否则执行步骤S416’。

S416’、根据指标模糊值，计算规则模糊值。

417’、判断是否存在需要处理的其余模糊规则值，若是则返回步骤S411’，否则执行步骤S420’。

以下结合具体的实施例描述上述技术方案。图6（a）是本发明一种具体实施例中初始化时间的隶属度函数的示意图。图6（b）是本发明一种具体实施例中缓冲时间的隶属度函数的示意图。图6（c）是本发明一种具体实施例中缓冲频率的隶属度函数的示意图。

本实施例中，通过实验进行40次采集获得测试值：

以矩阵形式表示的初始化时间为T_init=[2.693.955.005.966.85……….33.7737.5041.1844.8048.41]_1×40。以矩阵形式表示的缓冲时间为T_rebuf=[02.643.343.974.57…….….22.5225.027.4529.8732.27]_1×40。以矩阵形式表示的缓冲频率为F_rebuf=[06.8011.6014.4016.4018.0…26.2326.6927.3027.5127.6927.84]_1×40，此处缓冲频率的数值表示每分钟的缓冲次数，即将以秒为统计单位得到的缓冲频率（每秒缓冲次数）的数值乘60得到的结果。将测试值划分为五个等级NB、NM、ZE、PM、PB，可以根据实验测试值得到如上图6（a）、图6（b）和图6（c）所示的隶属度函数。其中，图6（a）中从左向右五个以不同线条区分的三角形分别表示初始化时间针对模糊等级PB、PM、ZE、NM、NB的隶属度函数；图6（b）中从左向右五个以不同线条区分的三角形分别表示缓冲时间针对模糊等级PB、PM、ZE、NM、NB的隶属度函数；图6（c）中从左向右五个以不同线条区分的三角形分别表示缓冲频率针对模糊等级PB、PM、ZE、NM、NB的隶属度函数。

以初始化时间为例，图6（a）所示的初始化时间的隶属度函数为：

$\mathrm{NB}=\frac{0}{2.69}+\&CenterDot;\&CenterDot;\&CenterDot;+\frac{0.13}{37.50}+\frac{0.39}{41.18}+\frac{0.521}{44.80}+\frac{1}{48.41};$

……………………………………………………

$\mathrm{PM}=\frac{0}{2.69}+\frac{0.04}{3.95}+\frac{0.186}{5.00}+\frac{0.21}{5.96}+\frac{0.34}{6.85}+\&CenterDot;\&CenterDot;\&CenterDot;+\frac{0.13}{25.93};$

$\mathrm{PB}=\frac{1.0}{2.69}+\frac{0.88}{3.95}+\frac{0.79}{5.96}+\frac{0.72}{5.96}+\frac{0.62}{6.85}+\&CenterDot;\&CenterDot;\&CenterDot;+\frac{0.01}{14.57}.$

上述隶属度函数的表达式，分子代表概率，分母代表测试值。这样不同的测试值，都能够对应于相应的模糊区域，并得到它们的概率值。例如T_init=2.69时，说明初始化时间非常短，网络视频用户体验好，它在NB的概率是0，在PB的概率是1，其他数值也可以依次找到不同概率。当然，隶属度函数的设置方法有多种，不以本实施例的公开为限。

图7是本发明一种具体实施例中的用户体验质量隶属度函数的示意图。图7中从左向右五个以不同线条区分的三角形分别表示用户体验质量针对模糊等级NB、NM、ZE、PM、PB的隶属度函数。应用性能度量指标的模糊等级与用户体验质量的模糊等级所采用的划分方法相同而隶属度函数不同。本实施例中，将用户体验质量设置为5分制，5分表示用户体验质量最高，同样将其划分为五个模糊等级NB、NM、ZE、PM、PB从而划分得到五个隶属度函数。

$\frac{1.0}{1.0}+\frac{0.5}{1.5}+\frac{0.0}{2.0}+\frac{0.0}{2.5}+\frac{0.0}{3.0}+\&CenterDot;\&CenterDot;\&CenterDot;+\frac{0.0}{5.0};$

…………………………………………………

$\mathrm{PM}=\frac{0.0}{1.0}+\frac{0.0}{1.5}+\frac{0.0}{2.0}\&CenterDot;\&CenterDot;\&CenterDot;+\frac{0.5}{3.5}+\frac{1.0}{4.0}+\frac{0.5}{4.5}+\frac{0.0}{5.0};$

$\mathrm{PB}=\frac{0.0}{1.0}+\frac{0.0}{1.5}+\frac{0.0}{2.0}\&CenterDot;\&CenterDot;\&CenterDot;+\frac{0.0}{4.0}+\frac{0.5}{4.5}+\frac{1.0}{5.0}.$

例如，用户体验质量为5分时，它在PB的概率是1，在其余的NB、NM、ZE、PM的概率为0。

表（一）是本发明一种具体实施例中的模糊规则表的示意图。模糊规则，分别包括应用性能度量指标的模糊等级和对应的网络视频用户体验质量的模糊等级，反映了应用性能度量指标和网络视频用户体验的逻辑关系。如表（一）所示，根据应用性能度量指标即初始化时间(T_init)、缓冲时间（T_rebuf），和缓冲频率（f_rebuf）的模糊等级推断网络视频用户体验质量的模糊等级。具体地，该模糊规则表包括45条规则，表内为“/”表示按照逻辑不会发生的情况。例如当F_rebuf是NB时，表示缓冲次数很大，缓冲很频繁，此时不可能出现T_init和T_rebuf较好的情况，不需要判断网络视频用户体验质量（MOS），因此表（一）未表示。表（一）包括的45条模糊规则代表有可能出现的情况。

表（一）

横向第一行表示缓冲频率（f_rebuf）的模糊等级；横向第二行表示初始化时间(T_init)的模糊等级；纵向第一列表示缓冲时间（T_rebuf）的模糊等级，表中的内容表示网络视频用户体验质量（MOS）的模糊等级。得到如下的模糊规则R1-R45：

R1：如果F_rebuf是NB，T_init是NB且T_rebuf是NB则MOS是NB

R2：如果F_rebuf是NB，T_init是NM且T_rebuf是NM则MOS是NM

…………………………………………………………

R45：如果F_rebuf是PB，T_init是PB且T_rebuf是PB则MOS是PB。

以下使用一次测量得到的性能度量指标的测量值，得到网络视频用户体验质量。该次测量得到的初始化时间(T_init)的测量值为2.6936秒，缓冲时间（T_rebuf）的测量值和缓冲频率（f_rebuf）的测量值为0。当然，本领域技术人员了解，本实施例采用的性能度量指标的类别和测量值不以此具体实施例为限。

为方便书写下面用A代表初始化时间(T_init)的测量值，B代表缓冲时间（T_rebuf）的测量值，C代表缓冲频率（f_rebuf）的测量值，D代表网络视频用户体验质量（MOS）。A’、B’和C’分别代表测量值隶属于各个模糊等级的概率；D’代表利用A’、B’和C’以及如表（一）所示的模糊规则，得到的表示网络视频用户体验质量的模糊输出值。D则表示对模糊输出值D’进行清晰化处理得到的网络视频用户体验质量。

模糊推理过程采用最大—最小法，即Mamdani模糊推理。计算表示网络视频用户体验质量的模糊输出值D’的方法如公式（1）所示，其中下标i表示模糊规则表中的模糊规则，则N=45，本实施例的合成运算o采用最大-最小方法，蕴含运算→采用求积的方法。

本实施例中，测量值隶属于各个模糊等级的概率以矩阵的形式表示：A'＝B'＝C'＝[100...0]_1×40。

具体的计算表示网络视频用户体验质量的模糊输出值D’的方法，包括对于i由1至45，分别计算对应与规则Ri的规则模糊值D'_i，再利用多个（具体实施例中是45个）规则模糊值D'_i计算D'。

以规则R1为例，计算与规则Ri的规则模糊值D'₁的方法包括首先针对应用性能度量指标，计算指标模糊值D'_1A、D'_1B和D'_1C，进而在计算得到指标模糊值后使用指标模糊值计算规则模糊值D'₁，以下以计算指标模糊值D'_1A为例说明指标模糊值的计算：

首先根据模糊规则R1的应用性能度量指标A的模糊等级PB选取应用性能度量指标的隶属度函数A_PB；根据模糊规则R1的网络视频用户体验质量的模糊等级PB选取网络视频用户体验质量的隶属度函数D_PB；进一步根据选取的两个隶属度函数A_PB和D_PB计算相关度函数R_1A；以及根据相关度函数R_1A和该应用性能度量指标的测量值隶属于各个模糊等级的概率A'，计算指标模糊值D'_1A。

$\begin{array}{c}{R}_{1A}=A_1\&RightArrow;D_1=\\ A_{\mathrm{PB}}\&RightArrow;D_{\mathrm{PB}}={\left[\begin{array}{c}1.0\\ 0.88\\ 0.79\\ 0.72\\ .\\ 0.01\end{array}\right]}_{40\&times;1}^{\left[\begin{array}{cccccc}0.0& 0.0& 0.0& .& 0.5& 1.0\end{array}\right]}_{1\&times;8}\\ ={\left[\begin{array}{cccccc}0.0& 0.0& .& .& 0.5& 1.0\\ 0.0& 0.0& .& .& 0.5& 0.88\\ 0.0& 0.0& .& .& 0.5& 0.79\\ 0.0& 0.0& .& .& 0.5& 0.72\\ .& .& .& .& .& .\\ 0.0& 0.0& .& .& 0.01& 0.01\end{array}\right]}_{40\&times;8}\end{array}$

D'_1A＝A'o(A₁→D₁)＝[1000...0]_1×40oR_1A＝[0...00.51]_1×8

同理计算指标模糊值D'_1B、D'_1C。

D′₁＝D′_1A∩D′_1B∩D′_1C＝[000...00.51]_1×8。

对45个规则分别进行以上的计算得到45个规则模糊值D'_i（1≤i≤45），进而据规则模糊值计算表示网络视频用户体验质量的模糊输出值D'：

具体地，是对多个模糊输出值（与模糊规则一一对应）取隶属度最大的结果。再对模糊输出值D'进行清晰化处理，得到网络视频用户体验质量D。进行清晰化处理的主要作用是，通过进行比例映射将输出变量值范围转换为相应的论域，产生一个精确量的决策输出。具体地，是使用网络视频用户体验质量的模糊等级（0、0.5、1、1.5、2、2.5、3、3.5、4、4.5、5）对模糊输出值进行加权平均运算，通过清晰化模糊值得到客观的评估值：

此时通过试验使用主观评估方法得到的主观评估值是4.92，主客观评估值非常接近。

图8是本发明中一种网络视频用户体验质量测量装置的框图。该装置包括：设置模块100、测量模块200、概率计算模块300和用户体验质量计算模块400。

设置模块100，用于设置网络视频的数个应用性能度量指标，对应用性能度量指标，分别划分模糊等级并针对各个模糊等级设置隶属度函数；设置模糊规则表，其中模糊规则表包括至少一个模糊规则。

测量模块200，用于测量上述数个应用性能度量指标，得到测量值，并发送给概率计算模块300。

概率计算模块300，用于接收测量模块200发送的测量值，根据测量值和隶属度函数得到测量值隶属于各个模糊等级的概率，并发送给用户体验质量计算模块400。

用户体验质量计算模块400，用于接收概率计算模块300发送的概率，根据数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及模糊规则表计算网络视频用户体验质量的评估值。

本实施例的应用性能度量指标，包括：初始化时间(T_init)、缓冲时间（T_rebuf），和缓冲频率（f_rebuf）。较佳地，本领域技术人员应了解，尽管使用如上所述的三个指标是较优的方案，本实施例的应用性能度量指标不以如上所述的三个指标为限，也可以采用能够反映网络视频质量的其余种类的指标。

用户体验质量计算模块400，用于使用Mamdani模糊推理方法，根据数个测量值隶属于各个模糊等级的概率和模糊规则得到表示网络视频用户体验质量的模糊输出值，以及对上述模糊输出值进行清晰化处理，得到网络视频用户体验质量，从而根据数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及模糊规则表计算网络视频用户体验质量的评估值。

本实施例的设置模块100，还用于将用户体验质量划分模糊等级并针对各个模糊等级设置用户体验质量隶属度函数；应用性能度量指标的模糊等级与用户体验质量的模糊等级所采用的划分方法相同而隶属度函数不同。模糊规则，分别包括应用性能度量指标的模糊等级和对应的网络视频用户体验质量的模糊等级；

本实施例的用户体验质量计算模块400，用于计算对应于模糊规则的规则模糊值，以及根据规则模糊值计算表示网络视频用户体验质量的模糊输出值。

本实施例的用户体验质量计算模块400，用于通过对每一模糊规则执行以下步骤以计算对应于模糊规则的规则模糊值：对每个应用性能度量指标，根据模糊规则中应用性能度量指标的模糊等级选取应用性能度量指标的隶属度函数；根据模糊规则中的网络视频用户体验质量的模糊等级选取网络视频用户体验质量的隶属度函数；根据选取的两个隶属度函数计算相关度函数；以及根据相关度函数和该应用性能度量指标的测量值隶属于各个模糊等级的概率，计算指标模糊值；以及根据指标模糊值，计算规则模糊值。

本实施例的用户体验质量计算模块400，用于利用网络视频用户体验质量的模糊等级对模糊输出值进行加权平均运算以对模糊输出值进行清晰化处理。

本发明装置实施例中各模块的具体工作方式可以参见本发明的方法实施例的相关内容，在此不再赘述。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种网络视频用户体验质量测量方法，其特征在于，所述方法包括：

设置网络视频的数个应用性能度量指标，对所述应用性能度量指标，分别划分模糊等级并针对各个模糊等级设置隶属度函数；设置模糊规则表，其中所述模糊规则表包括至少一个模糊规则；

测量上述数个应用性能度量指标，得到测量值；

根据所述测量值和隶属度函数得到所述测量值隶属于各个模糊等级的概率；

根据所述数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及所述模糊规则表计算网络视频用户体验质量的评估值。

2.根据权利要求1所述的方法，其特征在于，

所述应用性能度量指标，包括：初始化时间、缓冲时间，和缓冲频率。

3.根据权利要求1所述的方法，其特征在于，

所述根据所述数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及所述模糊规则表计算网络视频用户体验质量的评估值，具体包括：

使用Mamdani模糊推理方法，根据所述数个测量值隶属于各个模糊等级的概率和所述模糊规则得到表示网络视频用户体验质量的模糊输出值；

对上述模糊输出值进行清晰化处理，得到网络视频用户体验质量。

4.根据权利要求3所述的方法，其特征在于，该方法还包括：将用户体验质量划分模糊等级并针对各个模糊等级设置用户体验质量隶属度函数；所述应用性能度量指标的模糊等级与用户体验质量的模糊等级所采用的划分方法相同而隶属度函数不同；

所述模糊规则，分别包括所述应用性能度量指标的模糊等级和对应的网络视频用户体验质量的模糊等级；

所述根据所述数个测量值隶属于各个模糊等级的概率和所述模糊规则得到表示网络视频用户体验质量的模糊输出值，包括：计算对应于模糊规则的规则模糊值，以及根据所述规则模糊值计算表示网络视频用户体验质量的模糊输出值；

其中计算对应于模糊规则的规则模糊值，包括对每一模糊规则执行以下步骤：

对每个应用性能度量指标，根据模糊规则中应用性能度量指标的模糊等级选取应用性能度量指标的隶属度函数；根据模糊规则中的网络视频用户体验质量的模糊等级选取网络视频用户体验质量的隶属度函数；根据选取的两个隶属度函数计算相关度函数；以及根据相关度函数和该应用性能度量指标的测量值隶属于各个模糊等级的概率，计算指标模糊值；以及

根据所述指标模糊值，计算规则模糊值。

5.根据权利要求3或4所述的方法，其特征在于，

所述对上述模糊输出值进行清晰化处理，包括：利用所述网络视频用户体验质量的模糊等级对模糊输出值进行加权平均运算。

6.一种网络视频用户体验质量测量装置，其特征在于，该装置包括：设置模块、测量模块、概率计算模块和用户体验质量计算模块；其中，

设置模块，用于设置网络视频的数个应用性能度量指标，对所述应用性能度量指标，分别划分模糊等级并针对各个模糊等级设置隶属度函数；设置模糊规则表，其中所述模糊规则表包括至少一个模糊规则；

测量模块，用于测量上述数个应用性能度量指标，得到测量值，并发送给概率计算模块；

概率计算模块，用于接收测量模块发送的测量值，根据所述测量值和隶属度函数得到所述测量值隶属于各个模糊等级的概率，并发送给用户体验质量计算模块；

用户体验质量计算模块，用于接收概率计算模块发送的概率，根据所述数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及所述模糊规则表计算网络视频用户体验质量的评估值。

7.根据权利要求8所述的装置，其特征在于，

所述应用性能度量指标，包括：初始化时间、缓冲时间，和缓冲频率。

8.根据权利要求6所述的装置，其特征在于，

所述用户体验质量计算模块，用于使用Mamdani模糊推理方法，根据所述数个测量值隶属于各个模糊等级的概率和所述模糊规则得到表示网络视频用户体验质量的模糊输出值；对上述模糊输出值进行清晰化处理，得到网络视频用户体验质量，从而根据所述数个应用性能度量指标的测量值隶属于各个模糊等级的概率以及所述模糊规则表计算网络视频用户体验质量的评估值。

9.根据权利要求8所述的装置，其特征在于，

所述设置模块，还用于将用户体验质量划分模糊等级并针对各个模糊等级设置用户体验质量隶属度函数；所述应用性能度量指标的模糊等级与用户体验质量的模糊等级所采用的划分方法相同而隶属度函数不同；

所述模糊规则，分别包括所述应用性能度量指标的模糊等级和对应的网络视频用户体验质量的模糊等级；

所述用户体验质量计算模块，用于计算对应于模糊规则的规则模糊值，以及根据所述规则模糊值计算表示网络视频用户体验质量的模糊输出值；

所述用户体验质量计算模块，用于通过对每一模糊规则执行以下步骤以计算对应于模糊规则的规则模糊值：对每个应用性能度量指标，根据模糊规则中应用性能度量指标的模糊等级选取应用性能度量指标的隶属度函数；根据模糊规则中的网络视频用户体验质量的模糊等级选取网络视频用户体验质量的隶属度函数；根据选取的两个隶属度函数计算相关度函数；以及根据相关度函数和该应用性能度量指标的测量值隶属于各个模糊等级的概率，计算指标模糊值；以及根据所述指标模糊值，计算规则模糊值。

10.根据权利要求9所述的装置，其特征在于，

所述用户体验质量计算模块，用于利用所述网络视频用户体验质量的模糊等级对模糊输出值进行加权平均运算以对模糊输出值进行清晰化处理。

Images