[发明专利]一种基于体验质量预测的移动视频码率调整方法

权利要求书

1. 一种基于体验质量预测的移动视频码率调整方法，其特征在于该方法包括以下步骤：

步骤1：在发送端将视频编码速率从小到大分为四个等级，分别是低等、中等、高等和优秀，用一个集合level={0,1,2,3}表示，其中level=0表示码率等级为低等，level=1表示码率等级为中等，level=2表示码率等级为高等，level=3表示码率等级为优秀；

步骤2：当移动终端用户请求视频业务时，将视频的初始码率等级设为中等；

步骤3：QoE预测模型周期性地计算用户的体验质量，用MOS_n表示终端用户在第n个周期内的整体感受；

步骤4：对所预测的MOS_n值和预设的QoE阈值进行比较，其中预设的QoE阈值用MOS_th表示，若MOS_n≥MOS_th，码率不做调整，否则根据两个周期内接收端反馈的网络拥塞指示和视频编码速率做出相应的码率调整策略，输出下一周期的码率等级；

步骤5：重复上述步骤3～步骤4，直至请求结束。

2.根据权利要求1所述的一种基于体验质量预测的移动视频码率调整方法，其特征在于：步骤3中所述QoE预测模型位于视频服务器侧，输入为端到端的跨层参数，包括网络层参数、应用层参数、视频内容特征参数以及用户终端参数，其中所述网络层参数由移动终端用户发送的RTCP接收方报告统计，所述应用层参数由视频编码器处获取，所述视频内容特征参数通过计算源视频的亮度变化信息和边缘块信息来获取，所述用户终端参数通过移动终端的IMEI串号查询获得。

3.根据权利要求1所述的一种基于体验质量预测的移动视频码率调整方法，其特征在于：步骤3中所述QoE预测模型通过训练若干个梯度提升决策树建立，其中N个训练样本的集合表示为                                               ，向量x_i包括k个输入的跨层参数，表示为，y_i表示主观实验得出的MOS值，值域为1≤y_i≤5，具体训练过程如下：

a）定义初始化弱分类器为常数，满足：

，其中表示初始化的弱分类器，常数使得预测损失函数达到最小值，表示初始化弱分类器的预测损失函数，表达式为；

b）在每次迭代中都构造一个基于回归树的弱分类器，并设第m次迭代后得到的预测函数为，相应的预测损失函数为，为使预测损失函数减小得最快，第m个弱分类器建立在前m-1次迭代的预测损失函数的梯度下降方向：

，，其中表示第m次迭代的弱分类器的建立方向，表示前m-1次迭代的预测损失函数，表达式为，表示对预测损失函数求偏导，设第m个弱分类器的表达形式为，其中表示第m个回归树，向量表示第m个回归树的参数，表示第m个回归树的权重，基于求得的梯度下降方向，是使沿此方向逼近的参数值，即

，是沿此方向搜索的最优步长，即；

c）更新每次迭代后得到的预测函数，即，若相应的预测损失函数满足误差收敛条件，则终止迭代。

4.根据权利要求1所述的一种基于体验质量预测的移动视频码率调整方法，其特征在于：步骤4中所述网络拥塞指示用CI表示，通过端到端的丢包率来衡量，用PLR表示，当PLR≤PLR_th时，表明网络未发生拥塞，此时CI=0；当PLR>PLR_th时，表明网络发生拥塞，此时CI=1，其中PLR_th表示丢包率的预设阈值。

5.根据权利要求1所述的一种基于体验质量预测的移动视频码率调整方法，其特征在于：步骤4中所述码率调整策略，具体是：在第n+1个码率调整周期开始时刻，通过滑动窗机制观察第n-1个周期和第n个周期内的网络拥塞指示CI_n-1和CI_n，共分四种情况，其中第n-1个周期、第n个周期和第n+1个周期内的码率等级分别表示为level_n-1、level_n和level_n+1，且其值域属于{0,1,2,3}：

如果CI_n-1=0且CI_n=0，说明网络状况良好，此时取前两个周期内码率的较小值并向上调整一个等级，即调整后的码率等级为

；

如果CI_n-1=0且CI_n=1，说明网络开始发生拥塞，此时取前两个周期内码率的较小值并向下调整一个等级，即调整后的码率等级为

；

如果CI_n-1=1且CI_n=0，说明网络的状态从拥塞过渡到良好，此时码率暂时不作调整，即；

如果CI_n-1=1且CI_n=1，说明网络的拥塞状况严重，此时取前两个周期内码率的较小值并向下调整两个等级，即调整后的码率等级为

。