随着无线网络通信技术的快速发展,移动端在线视频服务已经成为了移动互联网的主流应用,并占据大部分的无线通信流量。与此同时,用户对无线网络下在线视频业务的体验需求逐步发生改变,单一的主观评分以及传统的视频体验质量(QoE)建模方案难以充分反映用户的实际体验质量。因此,构建符合当前用户需求的无线网络视频体验质量预测模型已成为当前具有挑战性的热点问题。本论文依托于国家自然科学基金面上项目“网络视频体验质量的测量、建模与优化方法研究61672221”,对无线网络下视频体验质量的建模和预测方法展开研究,具体的工作和贡献如下:(1)针对已有相关研究对无线网络视频体验质量的影响参数展开分析,明确影响参数可分为四类:视频信息、服务质量(QoS)、用户行为和面部表情。本文确立的视频信息包括视频时长、帧宽度、帧高度、帧率、视频类型和视频播放进度,QoS包括缓冲次数和缓冲总时长,用户行为包括拖动进度条次数、拖动进度条时长、暂停次数、暂停总时长和用户观看时长,面部表情为用户观看视频时采集的面部表情图片。(2)设计并实现无线网络视频QoE数据采集系统,该系统由QoePlayer客户端和服务器端应用组成,其中QoePlayer客户端可部署在安卓移动终端,提供在线视频播放服务和分时段采集QoE数据的功能,服务器端主要有进行数据接收和数据存储的功能。(3)构建视频会话多个时间步的状态到QoE的序列预测模型,首先构建了基于视频信息、QoS和用户行为的QoE预测模型,然后基于该模型引入用户观看视频时的面部表情数据,构建了基于视频信息、QoS、用户行为和面部表情的QoE预测模型,两个模型均采用了多任务实现对多个QoE指标的预测。通过以均方误差为性能指标将本文提出的QoE预测模型与传统的QoE预测模型进行性能对比,实验结果证明本文提出模型的均方误差值更小,拥有比传统QoE预测模型的更好的效果,有助于为视频提供商提供一个更全面且精确的QoE参考。