论文部分内容阅读
移动网络下视频业务发展迅猛,为兼顾硬件投入与用户体验,移动网络运营商需对用户视频QoE做出准确评估。视频终端的播放状态切换和流量数据发生等行为受到终端应用行为模型的控制,分析表明模型由初始缓冲队列长度Θ1、缓冲饱和队列下限Θ2和触发缓冲队列长度Θ0三个参数构成,是准确评估用户视频QoE的关键。已有针对模型中三个参数的相关研究大多利用数据报文相关特征值估算,测量结果精确度低,无法满足用户视频QoE评估的需要。针对以上问题,本文对加密和非加密两类视频平台展开研究,提出了基于视频流行为分析的方法,精确测量上述三个参数,结果精确到视频帧。进而构建视频平台的行为模型,最后借助模型测量视频缓冲时延。主要包括以下几点内容:（1）构建非加密平台优酷视频行为模型。针对采用非加密传输协议的优酷视频,通过采集优酷移动端视频流量,分析优酷视频流量特征、分片模式和传输机制。在此基础上识别优酷视频流量,定量控制终端应用实际接收的视频数据量,建立播放状态与视频流量的关联关系,借助视频指纹信息,利用带有标签属性的自定义视频,精确测量优酷平台行为模型的三个参数,构建精确到视频帧的优酷视频行为模型。（2）构建加密平台YouTube视频行为模型。针对采用加密传输协议的YouTube视频,在移动终端采集YouTube加密流量,识别加密视频数据,分析加密机制对流量特征和播放状态的影响。基于YouTube官方API开发测量应用,建立播放状态与加密视频流量的关联关系,采用新型加密视频指纹库构建方案,利用带有标签属性的自定义视频,精确测量YouTube平台行为模型的三个参数,构建精确到视频帧的YouTube加密视频行为模型。（3）基于视频行为模型测量缓冲时延。利用YouTube视频行为模型,研究缓冲发生的底层逻辑。分析比对YouTube下两种不同的传输协议TCP和QUIC的加密流量特征,识别TCP协议下视频分片;定义QUIC协议下YouTube视频流量数据簇,识别数据簇分片组成。利用行为模型参数,确定开始缓冲和达到播放条件的时间点,分析计算视频缓冲时延。