我读《基于WebRTC的无线实时通信QoS-QoE评估与预测》

1、WebRTC：网页实时通信技术（Web Real-Time Communication），是采用B2B（browser to browser）模式的支持网页浏览器进行实时视频语音或视频对话的开源技术。

2、传统的视频服务质量参数并不能很好的反映视频流畅度，并且不易在已有的系统中获得。通过分析WebRTC源代码和大量实验测量发现两个相邻视频帧的播放时间可以很好的反映视频的流畅度和清晰度的变化。

3、Skype最具价值的是，它最先将P2P技术引入到语音通信中。即它将网络中的所有节点都动态参与路由、信息处理和带宽增强技术，而不是单纯让服务器来单独完成这些工作，因此其保证了语音质量的同时又大大降低了管理成本。

4、QoE是指用户对设备，网络和系统，应用或业务的质量和性能的综合主观感受，也就是从业务应用的舒适度来定义的。通过QoE测评运营商可以将用户对于服务质量和性能进行综合评价，进而优化网络。可以理解为用户感觉到的质量／性能／或舒适度。

5、RTP（Real-time Transport Protocol）、RTCP（Realtime Transport Control Protocol）实时传输控制协议

6、相比于QoS，QoE考虑了人的感受，完整地包含了通信系统中各种可能影响QoE的因素，是从用户角度感受到的系统整体性能，直接反映了用户对整体服务的认可和满意程度，并受到用户的期望和环境影响。QoE本身还只是一个概念，并不能够直接测量，因此对QoE进行评估应该从其影响因素着手。QoE的影响因素众多，可分为主观和客观两类因素。

1）客观因素主要从提供业务指标方面来考虑的，分为可量化和不可量化两类因素。

可量化因素：可以包括应用层和网络层两个方面的QoS参数。（应用层QoS参数是指受网络传输状况影响的参数，如丢包、抖动等；

不可量化因素：受服务定价或应用配置和质量保证以及终端设备影响的因素。

2）主观影响因素主要受到用户的情绪影响，是不可控的，具体包括个人喜好、用户的期望值、身心状态及所处环境。

7、QoE评价方法：主观、客观、伪主观。

伪主观评价方法：通过对评价样本选择不同年龄、不同背景的测试人员进行主观评价，得到主观评价结果。然后采用合适的数学模型（如回归分析、支持向量机和决策树等）将主观测试结果与参数关联起来，建立二者之间的关联模型，再利用这一关联模型对QoE进行评价。

所以可以理解，QoE评估模型指的是QoE评价指标与其影响参数之间的映射关系。

8、几种主要的QoE建模方法，可以概括为基于统计学、基于心理学和基于机器学习的建模方法。

1）基于统计学的QoE评价模型。

首先采用统计学中的因子分析法（如主成分分析法等）对QoE以及影响因素之间的相关性进行分析，达到数据降维简化的目的。

然后再采用常用的统计学知识回归分析和判别等方法将QoE与影响因素之间的关系映射成模型。

2）基于心理学的QoE评价模型

将人的感觉系统进行量化，用物理量来表示心理量。

3）基于机器学习的QoE评价模型

机器学习的方法通过相关算法的强大学习能力，可以将影响因素和QoE评价指标很好的关联起来，具体地说，就是易于建立影响因素和QoE之间的函数模型。（决策树／支持向量机（SVM：二元分类算法））通过输入训练样本，并不断的对训练样本进行学习和训练来改善自身性能，最终得到一个比较可靠的模型。

9、在WebRTC内部，有一个自适应调节的机制，即当系统感受到网络条件较差时，为了保证视频通信的流畅度，它就会采用内部的自适应算法来降低发送速率和码率，此时，接收端的视频清晰度就会降低。所以，视频的流畅度和清晰度并不是孤立存在的。

10、决策树、随机森林、支持向量机、额外树

11、采用谷歌的python开源机器学习库scikit-learn来完成机器学习的过程，scikit-learn里面有各种分类、回归和聚类算法实现，在python实现的时候当作模块调用即可。