第 1 章 绪论
1.1 研究背景和意义
随着无线域网、蜂窝网络和无线局域网络(Wireless Local AreaNetworks, WLAN)等网络技术的快速发展，目前不同网络互相连接、互相融合形成异构网络(Heterogeneous Networks, HNs)环境。在异构网络环境下，开展网络多媒体通信端到端 QoE(Quality of Experience)保证面临极大挑战。在下一个 20 年内，由于连接设备的扩散，移动数据流量将增长 1000 倍。例如，2020 年联网设备的数量将达到 500 亿，其中包括智能手机、联网汽车和物联网(Internet of Things, IoT)等。还出现各种各样的应用，如虚拟现实(Virtual Reality, VR)、超高清视频、自动驾驶汽车、360 度多视角视频、电子健康和电子银行等[1]，新型多媒体业务发展使业务区分更加复杂，加剧了 HNs 中多媒体业务端到端 QoE 保证的困难。
1.1 研究背景和意义
随着无线域网、蜂窝网络和无线局域网络(Wireless Local AreaNetworks, WLAN)等网络技术的快速发展，目前不同网络互相连接、互相融合形成异构网络(Heterogeneous Networks, HNs)环境。在异构网络环境下，开展网络多媒体通信端到端 QoE(Quality of Experience)保证面临极大挑战。在下一个 20 年内，由于连接设备的扩散，移动数据流量将增长 1000 倍。例如，2020 年联网设备的数量将达到 500 亿，其中包括智能手机、联网汽车和物联网(Internet of Things, IoT)等。还出现各种各样的应用，如虚拟现实(Virtual Reality, VR)、超高清视频、自动驾驶汽车、360 度多视角视频、电子健康和电子银行等[1]，新型多媒体业务发展使业务区分更加复杂，加剧了 HNs 中多媒体业务端到端 QoE 保证的困难。
ITU-T (International Telecommunication Union) 定义 QoE 为“终端用户对应用和服务的整体可接受性的主观感知”[2]。欧洲质量共同体(European Qualinet Community, EQC)定义 QoE 为“用户对应用程序或服务的愉悦程度或烦恼程度，结果是根据用户的偏好和当前状态是否满足用户对应用程序或服务的效用和/或享受的期望”[3]。文献[4]认为 QoE 是对通信服务的一种新的度量方法，它是由用户和服务之间的交互决定的。上述定义指出用户 QoE 涉及主客观多种因素影响，如个体生理差异、年龄、性别及文化背景等 [5]。由于 QoE 对于用户的服务具有差异性，因此在 HNs 环境中对多媒体业务不仅仅只追求对其低延时、低丢包率等高要求的 QoS(Quality of Service)保证，可结合 QoE 要求对网络宽带进行合理使用，合理利用网络资源。近些年越来越多的人认识到，与 QoS 参数相比，QoE 是衡量多媒体环境质量的一个更有效的衡量指标[4]。在某些情况下，即使网络 QoS 参数不能达到业务的标准，但是仍然可以使 QoE 达到一个可接受的状态[6]。故通过提高用户 QoE 作为客观目标，保持用户在可接受的满意度内，控制网络的数据流可以更好的利用网络资源。
........................
1.2 主要研究内容及组织结构
1.2.1 主要研究内容
针对上述问题，本文首先分析了用户与多媒体业务的同构流分类方法、改进的 QoE 预测方法和 QoE 模糊调控方法这三个部分，提出一种基于同构流的网络多媒体业务跨域 QoE 保证方法。方法流程如下：使用同构流分类方法对多媒体业务分类，使用改进的 QoE 预测方法预测用户 QoE，考虑到不同用户的 QoE 差异性，在 HNs 中根据用户 QoE 与用户期望 QoE 的差值对业务优先级进行动态调整，保证用户 QoE，提高网络资源利用率。本文方法以增加有效用户数，减少丢包率和保证用户 QoE 为目标。最后使用 MATLAB 软件进行仿真，
1.2 主要研究内容及组织结构
1.2.1 主要研究内容
针对上述问题，本文首先分析了用户与多媒体业务的同构流分类方法、改进的 QoE 预测方法和 QoE 模糊调控方法这三个部分，提出一种基于同构流的网络多媒体业务跨域 QoE 保证方法。方法流程如下：使用同构流分类方法对多媒体业务分类，使用改进的 QoE 预测方法预测用户 QoE，考虑到不同用户的 QoE 差异性，在 HNs 中根据用户 QoE 与用户期望 QoE 的差值对业务优先级进行动态调整，保证用户 QoE，提高网络资源利用率。本文方法以增加有效用户数，减少丢包率和保证用户 QoE 为目标。最后使用 MATLAB 软件进行仿真，
验证本文方法的有效性。QoS 性能系统部分，使用 OPNET 网络仿真软件搭建 DiffServ+WLAN 网络环境，结合 IPv6 流标签验证该系统网络多媒体业务跨域端到端 QoS 性能的有效性。
1.2.2 本文组织结构
全文安排如下：
第一部分给出本文研究的背景和意义，详细介绍网络传输中网络性能 QoS、用户 QoE 等基本概念和本文主要研究内容。
第二部分介绍本文研究的相关工作，包括国内外跨域 QoE 保证模型、业务分类方法、模糊控制模型、QoE 评价模型与抽象代数中同构的预备知识等。
第三部分描述一些新的多媒体业务和基于同构流的分类方法，并在 HNs 环境中进行仿真，验证该分类方法的有效性。
第四部分描述网络多媒体业务跨域 QoE 保证的整体流程和各模块的功能，包括改进的 Qo E 预测方法和 QoE 模糊控制模块，并在 HNs中验证了 QoE 模糊调控方法和本文方法的有效性。
第五部分搭建一种基于 OPNET 的 DiffServ+WLAN 网络多媒体端到端 QoS 性能仿真系统，并验证该系统研究网络 QoS 性能的有效性。
第六部分总结本文研究内容和本文方法的不足之处，并给出将来工作努力方向。
..........................
第 2 章 相关工作
2.1 跨域 QoE 保证模型
在 HNs 中对用户 QoE 保证方法主要是提供较好的网络 QoS 性能得 到 较 高 的 用 户 体 验 ， 如 文 献 [9] 针 对 第 五 代 移 动 通 信 技 术(5th-Generation, 5G)网络使用信道分配保证用户 QoE。通过调查 5G异构蜂窝网络中小蜂窝用户的多信道分配问题，发现在大多数现有的信道分配方法中，优化目标是网络吞吐量而未考虑用户 QoE 的偏好。该文献结合用户的 QoE 偏好和各用户的 QoE 损失，提出了联合信道分配算法可提高更多用户的满意度。文献[10]针对突发性干扰会导致信号与干扰噪声比急剧变化，从而影响用户 QoE 的问题，提出了一种机会干扰缩放(Opportunistic Interference Scaling, OIS)的机制来管理干扰和平滑突发干扰。文献[11]针对在 IEEE802.11ad 和 LTE-A 的 HNs中保证用户 QoE 的问题，提出了一种基于 QoE 的 HNs 分层接纳控制策略。该策略根据垂直分层访问类别的优先级对水平层进行资源分配。结果表明该策略能够显著提高 HNs 的用户平均 QoE。
保证视频业务的差异化 QoE 的研究适用范围较窄，文献[12]提出了一种实现高效的差异化 QoE 可伸缩的视频多播设备协同合作方案。针对一组 QoE 偏好不同的用户设备，通过 D2D 通信满足异构体验质量要求。文献[13]在高速下行分组接入(High Speed Downlink PacketAccess, HSDPA)系统中提出一种保证实时视频业务 QoE 的方法，用户发送播放实时视频请求时，视频服务器先将视频片段缓存在基站中，缓存达到一定阈值后开始播放视频。多用户的业务优先级取决于当前信道信息和用户终端缓存中视频数据能支持播放的时间，网络将信道资源分配给优先级最大的用户。这种方法保证了实时业务的用户QoE 偏好和非实时业务的吞吐量。
.......................
2.2 业务分类方法
第 3 章 一种基于同构流的分类方法.................................11
1.2.2 本文组织结构
全文安排如下：
第一部分给出本文研究的背景和意义，详细介绍网络传输中网络性能 QoS、用户 QoE 等基本概念和本文主要研究内容。
第二部分介绍本文研究的相关工作，包括国内外跨域 QoE 保证模型、业务分类方法、模糊控制模型、QoE 评价模型与抽象代数中同构的预备知识等。
第三部分描述一些新的多媒体业务和基于同构流的分类方法，并在 HNs 环境中进行仿真，验证该分类方法的有效性。
第四部分描述网络多媒体业务跨域 QoE 保证的整体流程和各模块的功能，包括改进的 Qo E 预测方法和 QoE 模糊控制模块，并在 HNs中验证了 QoE 模糊调控方法和本文方法的有效性。
第五部分搭建一种基于 OPNET 的 DiffServ+WLAN 网络多媒体端到端 QoS 性能仿真系统，并验证该系统研究网络 QoS 性能的有效性。
第六部分总结本文研究内容和本文方法的不足之处，并给出将来工作努力方向。
..........................
第 2 章 相关工作
2.1 跨域 QoE 保证模型
在 HNs 中对用户 QoE 保证方法主要是提供较好的网络 QoS 性能得 到 较 高 的 用 户 体 验 ， 如 文 献 [9] 针 对 第 五 代 移 动 通 信 技 术(5th-Generation, 5G)网络使用信道分配保证用户 QoE。通过调查 5G异构蜂窝网络中小蜂窝用户的多信道分配问题，发现在大多数现有的信道分配方法中，优化目标是网络吞吐量而未考虑用户 QoE 的偏好。该文献结合用户的 QoE 偏好和各用户的 QoE 损失，提出了联合信道分配算法可提高更多用户的满意度。文献[10]针对突发性干扰会导致信号与干扰噪声比急剧变化，从而影响用户 QoE 的问题，提出了一种机会干扰缩放(Opportunistic Interference Scaling, OIS)的机制来管理干扰和平滑突发干扰。文献[11]针对在 IEEE802.11ad 和 LTE-A 的 HNs中保证用户 QoE 的问题，提出了一种基于 QoE 的 HNs 分层接纳控制策略。该策略根据垂直分层访问类别的优先级对水平层进行资源分配。结果表明该策略能够显著提高 HNs 的用户平均 QoE。
保证视频业务的差异化 QoE 的研究适用范围较窄，文献[12]提出了一种实现高效的差异化 QoE 可伸缩的视频多播设备协同合作方案。针对一组 QoE 偏好不同的用户设备，通过 D2D 通信满足异构体验质量要求。文献[13]在高速下行分组接入(High Speed Downlink PacketAccess, HSDPA)系统中提出一种保证实时视频业务 QoE 的方法，用户发送播放实时视频请求时，视频服务器先将视频片段缓存在基站中，缓存达到一定阈值后开始播放视频。多用户的业务优先级取决于当前信道信息和用户终端缓存中视频数据能支持播放的时间，网络将信道资源分配给优先级最大的用户。这种方法保证了实时业务的用户QoE 偏好和非实时业务的吞吐量。
.......................
2.2 业务分类方法
WLAN网络将QoS为4类，分别为语音流(AccessCategory-Voice, AC-VO)、视频流(Access Category-Video, AC-VI)、尽力 而 为 流 (Access Category-Best Effort, AC-BE) 和 背 景 流 (AccessCategory-Background, AC-BK)，优先级由高到低，共有四个优先级队列[14]。第三代合作伙伴计划(The 3rd Generation Partnership Project,3GPP)定义了 4 类：会话类、流类、交互类和后台类。主要根据传输延时、最大比特率和传输优先级等 QoS 性能参数进行分类[15]。长期演进(Long Term Evolution, LTE)[16]的 QoS 模型主要分为 9 类，使用QoS 等级标识(QoS Class Identifier, QCI)作为识别标志，QCI 的范围是1-9，分别对应不同的资源类型、优先级、时延和丢包率。QCI 又分为 保 证 比 特 率 (Guaranteed Bit Rate, GBR) 和 非 保 证 比 特 率(No-Guaranteed Bit Rate, Non-GBR)，前者用于对实时性要求较高的业务，而后者用于对实时性要求不高的业务。所以在这样的异构融合网络中，满足用户个性化是一个挑战。未来的通信网络包含多种不同类型网络，在网络之间传输端到端的业务需要跨越多个不同类型的网络，所有网络之间业务传输可能不能够依次协商，只能以自身网络的理解方式进行处理，使得在 HNs 中业务传输的网络 QoS 性能不能得到很好的保证。一般来说，网络性能主要取决于网络 QoS 参数，这在提高用户满意度方面起着重要作用，网络 QoS 参数（如延迟和丢包率）被认为是影响用户感知体验质量(Quality of Experience, QoE)的因素[17]。
.............................第 3 章 一种基于同构流的分类方法.................................11
3.2 业务分类模型.............................12
3.3 仿真.................................15
第 4 章 一种基于同构流的跨域 QoE 保证方法.........................19
4.1 一种改进的 QoE 预测方法.......................19
4.2 一种 QoE 模糊调控方法..........................23
第 5 章 一种基于 IPv6 流标签的网络多媒体端到端 QoS 性能仿真方法............. 48
5.1 流标签.......................................48
5.2 一种 IPv6 流标签的使用方法.............................. 49
第 5 章 一种基于 IPv6 流标签的网络多媒体端到端 QoS性能仿真方法
5.1 流标签结合
从 1990 年，新的 IP 版本 IPv6 开始设计出来，经过不断的改进，流标签由原来的 24 为定义为 20 位。流标签位于 IPv6 报头的第三部分，从定义开始一直处于研究和实验阶段。在过去的时间里，国外的学者提出了大约 5 种有关流标签定义的草案[63]，但是因为流标签定义的方法解决的问题单一、所包含的业务种类不全面等问题，均被废弃。国内也有很多学者也对流标签进行不同的定义和仿真。北京邮电大学的马严教授及其团队[64]对 20 位的流标签设计了一种新型的定义方法，其想法定义前两个比特为流标签的类别标记，其中“00”为“尽力服务”的数据包，“01”规定流标签的类型，剩下的“10”和“11”则作为将来扩展使用。接下的 12 比特定义为服务质量参数特征，最后 6 比特定义为单流标识。该改变方法定义简单，使用方便，加快了网络对聚合流的处理能力且很好的保障了流标签的扩展能力[65]，但是随着网络迅猛发展和应用业务的多媒体化，其定义简单难以满足网络要求。华中科技大学的区士颀教授及其团队设计的流标签[66]利用前三比特的处理标志进行 7 种流标签处理方式，留下一种处理方式进行扩展定义，分别为默认处理、随机设定的流标签、逐跳扩展头值、PHB ID、TCP 与 UDP 协议模型、QoS 参数等。接下来的 17 比特流标签值随着前 3 比特的值的改变而改变。这种方法利用了前 3 比特的不同定义包括了国外提出的 5 种流标签格式，设计方法丰富、有效，但是因其定义种类多样，使未定义类型较少，导致灵活性较差。
........................
总结和展望
参考文献（略）
从 1990 年，新的 IP 版本 IPv6 开始设计出来，经过不断的改进，流标签由原来的 24 为定义为 20 位。流标签位于 IPv6 报头的第三部分，从定义开始一直处于研究和实验阶段。在过去的时间里，国外的学者提出了大约 5 种有关流标签定义的草案[63]，但是因为流标签定义的方法解决的问题单一、所包含的业务种类不全面等问题，均被废弃。国内也有很多学者也对流标签进行不同的定义和仿真。北京邮电大学的马严教授及其团队[64]对 20 位的流标签设计了一种新型的定义方法，其想法定义前两个比特为流标签的类别标记，其中“00”为“尽力服务”的数据包，“01”规定流标签的类型，剩下的“10”和“11”则作为将来扩展使用。接下的 12 比特定义为服务质量参数特征，最后 6 比特定义为单流标识。该改变方法定义简单，使用方便，加快了网络对聚合流的处理能力且很好的保障了流标签的扩展能力[65]，但是随着网络迅猛发展和应用业务的多媒体化，其定义简单难以满足网络要求。华中科技大学的区士颀教授及其团队设计的流标签[66]利用前三比特的处理标志进行 7 种流标签处理方式，留下一种处理方式进行扩展定义，分别为默认处理、随机设定的流标签、逐跳扩展头值、PHB ID、TCP 与 UDP 协议模型、QoS 参数等。接下来的 17 比特流标签值随着前 3 比特的值的改变而改变。这种方法利用了前 3 比特的不同定义包括了国外提出的 5 种流标签格式，设计方法丰富、有效，但是因其定义种类多样，使未定义类型较少，导致灵活性较差。
........................
总结和展望
参考文献（略）