基于QoE的無線網(wǎng)絡(luò)資源調(diào)度優(yōu)化研究

趙希鵬+張欣+楊大成+桑林

【摘 ? ?要】為了提高用戶觀看高清視頻、IPTV以及收聽高質(zhì)量音樂等業(yè)務(wù)時的滿意度，采集用戶所處情景的環(huán)境狀況、設(shè)備狀況和網(wǎng)絡(luò)狀況，分析不同情景對用戶無線資源需求的影響，提出了基于QoE的無線資源調(diào)度優(yōu)化算法。通過系統(tǒng)級仿真的結(jié)果表明，基于QoE的資源分配方法可以有效地提高用戶的QoE。

【關(guān)鍵詞】QoE ? ?LTE ? ?資源調(diào)度 ? ?系統(tǒng)級仿真 ? ?流媒體

中圖分類號：TN929.5 ? ?文獻標(biāo)識碼：A ? ?文章編號：1006-1010（2014）-22-0008-06

Research on Optimization of Wireless Network Resource Scheduling

Base on QoE

ZHAO Xi-peng， ZHANG Xin， YANG Da-cheng， SANG Lin

（Beijing University of Posts and Telecommunications， Beijing 100876， China）

[Abstract]

In order to improve satisfaction of high-definition （HD） online video， IP-based TV （IPTV） and high-quality online music for users， collect the statuses of environment， equipment and network， as well as analyze the effect of different scenes on the wireless resource demands of users， a wireless resource scheduling algorithm based on QoE （Quality of Experience） is proposed in this paper. System-level simulation results show that the proposed algorithm can effectively enhance the satisfaction of users.

[Key words]QoE ? ?LTE ? ?resource scheduling ? ?system-level simulation ? ?streaming service

1 ? 引言

隨著通信行業(yè)的蓬勃發(fā)展和LTE網(wǎng)絡(luò)的廣泛應(yīng)用，運營商之間的競爭日益激烈，如何為用戶提供更好的服務(wù)成為了運營商在競爭中的關(guān)鍵。傳統(tǒng)的服務(wù)質(zhì)量（QoS，Quality of Service）評價指標(biāo)僅僅反映了服務(wù)技術(shù)層面的性能，而忽略了用戶主觀的因素。用戶體驗質(zhì)量（QoE，Quality of Experience）是一種以用戶認(rèn)可程度為標(biāo)準(zhǔn)的服務(wù)的評價方法，它綜合了服務(wù)層面、用戶層面、環(huán)境層面的影響因素，直接反映了用戶在一定客觀環(huán)境中對使用的服務(wù)或者業(yè)務(wù)的整體認(rèn)可程度[1]。在網(wǎng)絡(luò)技術(shù)和用戶終端日新月異的今天，運營商需要在保證網(wǎng)絡(luò)和服務(wù)正常運行的情況下為不同的用戶提供差異性的服務(wù)，提高其服務(wù)質(zhì)量。

而隨著智能手機的普及和性能的提升，流媒體業(yè)務(wù)等有著大量資源需求的業(yè)務(wù)成為了移動通信的主流業(yè)務(wù)，如何有效地進行無線資源的管理和分配已成為無線通信的一大難題。在現(xiàn)有基于QoS的無線資源調(diào)度優(yōu)化研究無法帶來重大突破的情形下，將基于用戶QoE對無線資源調(diào)度進行優(yōu)化，即將視線從傳統(tǒng)通信研究中接入網(wǎng)的“最后一英里”問題研究轉(zhuǎn)變到用戶和設(shè)備之間“最后一英尺”問題研究。

用戶對無線資源的需求依賴于用戶所處的情景，如網(wǎng)絡(luò)情況、設(shè)備情況、用戶活動和環(huán)境情況。當(dāng)無線資源的分配沒有達到用戶需求時會導(dǎo)致用戶QoE的降低，而分配給資源需求低的用戶過多的資源并不能有效地提高其QoE，又勢必會造成資源的浪費，因此當(dāng)無線資源競爭激烈時，有必要合理評估用戶QoE需求，并將其映射到無線網(wǎng)絡(luò)優(yōu)化。在本文中，首先建立了一套合理、客觀、公正的QoE感知體系，然后利用用戶終端（UE，User Equipment）和傳感器采集用戶所處的情景信息，分析用戶對無線資源的需求，并以此優(yōu)化無線資源調(diào)度算法，改善網(wǎng)絡(luò)質(zhì)量，從而提高用戶滿意度。

2 ? 系統(tǒng)模型

2.1 ?QoE無線網(wǎng)絡(luò)模型

用戶的QoE表現(xiàn)了用戶的主觀感受，為了能夠向基站分配資源提供依據(jù)，需要設(shè)計一種方法來盡可能準(zhǔn)確地測量和表現(xiàn)用戶的QoE。大部分的QoE相關(guān)研究只利用QoS指標(biāo)來量化用戶的QoE，而無線網(wǎng)絡(luò)QoE系統(tǒng)模型可全面地采集用戶所處情景的環(huán)境狀況、設(shè)備狀況和網(wǎng)絡(luò)狀況，更加準(zhǔn)確地量化分析用戶的需求，并優(yōu)化資源分配。不同用戶根據(jù)采集到的情景信息分為不同的需求等級，當(dāng)無線資源不能滿足所有用戶需求時，會把用戶需求作為資源調(diào)度的參考因素，需求高的用戶將優(yōu)先得到滿足，以此提高用戶的QoE。

QoE系統(tǒng)模型的無線資源分配機制如圖1所示：

圖1 ? ?QoE無線資源分配機制

UE的傳感器采集用戶所處場景的環(huán)境狀況、設(shè)備狀況和網(wǎng)絡(luò)狀況信息，并利用終端QoE測量模塊，根據(jù)用戶信息量化用戶需求，將用戶需求信息告知基站端。在基站端增設(shè)QoE信息儲存器，實時更新用戶的資源需求，并將需求提供給基站優(yōu)化資源調(diào)度算法。endprint

QoE無線網(wǎng)絡(luò)系統(tǒng)模型結(jié)構(gòu)如圖2所示。

主干網(wǎng)提供遠距離、高帶寬、大容量的數(shù)據(jù)業(yè)務(wù)，是鏈接各個城域網(wǎng)的信息高速公路，遠程管理服務(wù)器（RMS，Remote Management Server）通過配置網(wǎng)絡(luò)使服務(wù)成功交付。接入網(wǎng)解決從市區(qū)到每個家庭用戶的終端接入問題，基站通過無線網(wǎng)絡(luò)將服務(wù)傳輸?shù)経E端，也稱為“最后一英里”。而UE采集到用戶所處情景的信息，分析用戶需求并將之上報給基站，使基站能夠根據(jù)用戶QoE需求分配合適的資源，即本文所稱的“最后一英尺”優(yōu)化。

2.2 ?QoE指標(biāo)

影響用戶QoE的因素不僅包括無線網(wǎng)絡(luò)的服務(wù)能力即QoS指標(biāo)，還包含了用戶對服務(wù)的可用性、完整性、穩(wěn)定性、性價比等方面的滿意程度[2]。常用的QoE量化有定性和定量這2種方法，為了優(yōu)化無線網(wǎng)絡(luò)的資源分配，有必要對用戶QoE進行定量研究。將用戶的QoE指標(biāo)分割成不同的組成部分，通過這些組成部分的信息采集可以獲得對用戶的QoE整體認(rèn)識。

QoE量化指標(biāo)和指標(biāo)之間產(chǎn)生的相互關(guān)系決定了QoE測量模塊對用戶資源需求的判斷，所以指標(biāo)的劃分在QoE系統(tǒng)模型中扮演著舉足輕重的作用。QoE量化指標(biāo)以QoE用戶需求為基礎(chǔ)劃分為不同的層次結(jié)構(gòu)，如圖3所示。用戶的QoE無線資源需求量化指標(biāo)主要由用戶所處情景的3個基本指標(biāo)組成，每個基本指標(biāo)都包含不同的特征參數(shù)，所以它們又由不同精度的子指標(biāo)所構(gòu)成。3個QoE基本指標(biāo)分別為網(wǎng)絡(luò)狀況指標(biāo)、設(shè)備狀況指標(biāo)、環(huán)境狀況指標(biāo)。而在進一步劃分中，網(wǎng)絡(luò)狀況指標(biāo)又包含了Wi-Fi信號強度、丟包率、誤碼率、抖動等子指標(biāo);用戶設(shè)備狀況指標(biāo)包含了UE的軟硬件狀況，如屏幕分辨率、屏幕大小、屏幕亮度等子指標(biāo);環(huán)境狀況指標(biāo)包含了噪音強度、溫度、光照強度、UE移動速度等子指標(biāo)。

圖3 ? ?QoE指標(biāo)的相互關(guān)系

3 ? 資源分配算法

3.1 ?典型場景資源需求

根據(jù)之前的討論和分析，在不同場景下，利用不同的UE終端采集大量的情景參數(shù)進行了基礎(chǔ)實驗，來分析用戶在不同的真實生活場景中對無線資源的需求程度。物理心理學(xué)中的韋伯-費希納定理（Weber-Fechner law）[3]表明了人類心理感受程度隨物理量變化的關(guān)系，研究表明，人類對光線強度和噪音強度等參數(shù)的感受程度與物理量log函數(shù)成線性關(guān)系。通過韋伯-費希納定理可以幫助分析用戶在不同場景下選擇業(yè)務(wù)的優(yōu)先級以及對不同業(yè)務(wù)的資源需求程度。用戶對業(yè)務(wù)QoE的感受也與終端設(shè)備屏幕分辨率等參數(shù)相關(guān)，根據(jù)文獻[4]中的結(jié)論，在不同情況下，能夠使用戶滿意的在線視頻服務(wù)的需求速率從50kbps到1 600kbps不等，在線音樂服務(wù)的需求速率從6kbps到256kbps不等。通過不同典型場景下采集到的用戶所處情景的參數(shù)，可以分析用戶對業(yè)務(wù)選擇情況和速率需求。根據(jù)本文實驗的結(jié)果，不同場景有各自不同的情景參數(shù)屬性和對無線資源的需求，通過對實驗結(jié)果的分析可以提出對用戶需求的有效量化方案。

3.2 ?用戶需求

在混合業(yè)務(wù)的無線資源分配中，本文將業(yè)務(wù)分為3類：實時業(yè)務(wù)（RT，例如語音業(yè)務(wù)）、非實時業(yè)務(wù)（NRT，例如流媒體視頻服務(wù)）、盡力交付業(yè)務(wù)（BE，例如E-mail、SMS）[5]。用戶可能同時會申請多種服務(wù)，但在不同情景中，用戶對不同服務(wù)的資源需求不盡相同;同時，在混合業(yè)務(wù)的情形下，用戶也會根據(jù)情景選擇一種業(yè)務(wù)而將其余業(yè)務(wù)置于后臺運行。擁有高分辨率的UE時用戶會優(yōu)先選擇高清視頻業(yè)務(wù)，而在昏暗的光線下用戶可能傾向于選擇標(biāo)清的視頻;在噪音大的環(huán)境中，用戶更可能選擇瀏覽網(wǎng)頁而不是聽在線音樂。因此，無論是分配過多的無線資源給需求低的用戶或是在UE后臺運行的業(yè)務(wù)都將會造成資源的嚴(yán)重浪費，可以利用采集到的情景參數(shù)量化不同業(yè)務(wù)的需求和優(yōu)先級，QoE系統(tǒng)可以根據(jù)量化結(jié)果分配適量的資源給用戶以滿足其吞吐量需求，并將額外的資源分配給其他用戶，使資源調(diào)度更加有效合理，以此提高用戶整體的QoE。

根據(jù)上述分析，用戶的無線資源需求可以被表示為：

（1）

（2）

（3）

其中，表示用戶i的無線資源需求，其值由用戶i所處情景下各業(yè)務(wù)的需求和優(yōu)先級得來，故可以表示為向量和的內(nèi)積，為三維向量，每個維度分別表示用戶在所處場景中選擇RT、NRT、BE業(yè)務(wù)的優(yōu)先級，分別表示為、和。類似的，代表了用戶i對不同業(yè)務(wù)的資源需求，由、和表示。和定義為：

（4）

（5）

為了反映RT、NRT和BE業(yè)務(wù)的資源需求，將以QoE的3個基本指標(biāo)來量化需求，函數(shù)F1將用戶環(huán)境狀況、網(wǎng)絡(luò)狀況、設(shè)備狀況的參數(shù)映射為用戶需求，其中表示反映網(wǎng)絡(luò)狀況的定量參數(shù)，表示反映環(huán)境干擾情況，表示用戶使用的終端狀況。由于不同業(yè)務(wù)中QoE的3種基本指標(biāo)的影響權(quán)重不同，、和同樣為三維向量以分別表示3種業(yè)務(wù)。在公式（5）中用類似的方式來表示，從公式中可以看出，根據(jù)相同的基本指標(biāo)，用不同的函數(shù)F2來計算RT、NRT和BE業(yè)務(wù)的優(yōu)先級。

（6）

（7）

根據(jù)上文的定義，QoE評價體系的3個基本指標(biāo)為網(wǎng)絡(luò)狀況、設(shè)備狀況和環(huán)境狀況，其各自又由許多子指標(biāo)所組成，因此公式（6）表示、和的值分別與其子指標(biāo)的客觀測量參數(shù)相關(guān)。其中，表示用戶i所處場景下N1個網(wǎng)絡(luò)狀況子指標(biāo)的參數(shù)，如Wi-Fi信號強度、系統(tǒng)帶寬、誤碼率等;表示用戶i關(guān)于環(huán)境狀況的子指標(biāo)參數(shù)，如光照強度、溫度、用戶移動速度等;表示用戶i的終端設(shè)備狀況的子指標(biāo)參數(shù)，如軟硬件的性能。可以分別使用fnet、fevn、fue這3種方法來量化、和。

同樣，每個子指標(biāo)的客觀測量參數(shù)對不同業(yè)務(wù)的影響不同，對此引入了同和相似的三維向量，如公式（7）所示，表示子指標(biāo)參數(shù)對RT、NRT和BE這3業(yè)務(wù)的影響權(quán)重。例如，為對3種業(yè)務(wù)的權(quán)重，表示光照強度參數(shù)分別對3種業(yè)務(wù)的影響權(quán)重。endprint

此外，用戶需求量化的準(zhǔn)確性還取決于3個基本指標(biāo)中子指標(biāo)測量參數(shù)的細(xì)分程度。

3.3 ?QoE無線資源調(diào)度算法

傳統(tǒng)的資源調(diào)度算法主要考慮用戶的信道條件情況，卻并未考慮到用戶的QoE需求。處于信道條件好卻資源需求低場景下的用戶稱為條件受限（CC，Condition-Constrained）用戶，資源需求高卻信道條件差的用戶稱為資源受限（RC，Resource-Constrained）用戶。值得注意的是，傳統(tǒng)的調(diào)度算法可能將過多的無線資源分配給了條件受限用戶，而并沒有照顧到資源受限用戶。因此，本文將用戶的QoE需求因子引入正比公平調(diào)度算法（PF，Proportional Fair）[6]中，以保證用戶整體的QoE，本文稱之為QoE資源分配調(diào)度算法（QA），其表示如下：

（8）

其中，Pk，i（t）表示在調(diào)度時刻t用戶i在資源塊RBk上的調(diào)度優(yōu)先級，rk，i（t）表示基站根據(jù)信道條件判斷用戶i在資源塊RBk上所能支持的最大傳輸速率，Ri（t）表示用戶i在調(diào)度時間t之前所調(diào)度的平均速率，其在每個時間窗更新一次。Ri（t）的計算方法可以用公式（9）表示，其中T是計算平均速度的時間窗長度，Ri（t-1）是上一個時間窗所得的平均速率，表示在調(diào)度時刻t用戶i在資源塊RBk上的瞬時速率。

（9）

ηi為用戶的QoE需求因子，其代表了用戶的QoE需求對調(diào)度算法的影響。ηi可以進一步用公式（10）表示，表示用戶i在調(diào)度時間t之后獲得的平均速率，表示根據(jù)3.2節(jié)中提出的方法計算所得的需求速率。

（10）

從公式（8）的分子rk，i（t）可以看出，調(diào)度優(yōu)先級與用戶的信道條件正相關(guān)，而Ri（t）可以維持用戶長期數(shù)據(jù)傳輸吞吐量的大致公平，但這2個因子并未充分考慮到資源受限用戶的QoE，所以本文引入了QoE需求因子ηi。在公式（10）中，因子動態(tài)地保證了一次調(diào)度過程中資源分配瞬時的有效性和公平性，同時確保了將資源更多地分配給在整個調(diào)度過程中分配到的資源低于其需求的用戶。QoE因子ηi幫助基站將資源更多地分配給資源受限用戶而非條件受限用戶，提高用戶的整體滿意度，從而避免了資源的浪費。ηi可以簡化為Li，表示用戶資源需求等級。

4 ? 系統(tǒng)級仿真及分析

下面利用系統(tǒng)級仿真，通過與正比公平調(diào)度算法（PF）[7]和輪詢算法（RR）[8]的比較，對QoE資源分配調(diào)度算法進行了評估和分析。

本文采用LTE下行系統(tǒng)進行仿真，仿真場景假設(shè)為19小區(qū)57扇區(qū)，系統(tǒng)帶寬為10MHz，基站之間的距離為500m，假設(shè)用戶都采用上文提出的QoE系統(tǒng)模型，均勻隨機分布在宏小區(qū)中，并且隨機地將用戶資源需求等級從低到高均勻分為1到10。其中，有高資源需求但信道條件差的用戶為資源受限（RC）用戶。

無線資源調(diào)度算法的性能可以用終端用戶對移動網(wǎng)絡(luò)所提供的業(yè)務(wù)性能的QoE滿意度來評估，本文選擇吞吐量作為QoE的函數(shù)，利用MOS量化終端用戶對業(yè)務(wù)網(wǎng)絡(luò)的QoE滿意度，吞吐量與QoE滿意度其映射函數(shù)呈對數(shù)形式[9]，當(dāng)網(wǎng)絡(luò)傳輸速率只支持相對用戶需求較低的發(fā)送比特速率的視頻時，視頻的清晰度和流暢性不能滿足用戶的需求，此時用戶滿意度較低。用戶QoE滿意度隨著網(wǎng)絡(luò)傳輸速率的提高而增長，當(dāng)用戶QoE相對較高時，網(wǎng)絡(luò)速率再提高也無法較大地提升用戶QoE滿意度。在3種調(diào)度算法的比較中，其整體滿意度越高，意味著該算法下越多的用戶資源需求得到了滿足或是越接近滿足。

圖4表示隨扇區(qū)用戶增加用戶QoE滿意度的變化仿真結(jié)果曲線。其中，實線表示用戶整體滿意度，虛線表示資源受限用戶的滿意度情況。

通過圖4可以看出，3種調(diào)度算法下的用戶滿意度都隨著扇區(qū)內(nèi)用戶數(shù)量的增加而降低，這是由于當(dāng)用戶數(shù)增加時，資源競爭更加激烈造成的。同PF算法和RR算法相比，QA算法提高了用戶的QoE滿意度。與RR算法相比，QA算法提高了用戶QoE滿意度8.8%;與PF算法相比，提高了2.7%。在資源受限用戶中，QA算法對QoE滿意度提高效果更為突出，相比PF算法提高了21.9%，相比RR算法提高了20.3%。

3種算法下采用RR算法時用戶QoE滿意度最低，這是因為RR算法充分保證各個UE接收資源的公平性，故信道條件差的用戶被調(diào)度到的幾率更高，這樣會導(dǎo)致重傳或者采用更低的傳輸速率。PF算法充分考慮到UE的信道條件，更多資源被分配給有高信噪比的用戶，使資源分配更為有效。然而這也導(dǎo)致了低信噪比用戶接收到資源分配的機會降低，所以當(dāng)小區(qū)用戶數(shù)量低時，RR算法下RC用戶的QoE滿意度高于PF算法。QA算法能夠?qū)⑿诺罈l件和公平性進行很好的權(quán)衡折中，同時利用QoE權(quán)重因子根據(jù)用戶的需求來調(diào)度資源，分配給低需求、信道好的CC用戶的資源減少，而分配給高需求、信道差的RC用戶的資源增加，提高了資源分配的有效性，避免了資源的浪費，使得用戶整體的QoE滿意度有所提高。

圖5中仿真了每扇區(qū)分布10個用戶時，不同需求等級和無線信道情況的用戶的歸一化吞吐量的分配情況，進一步解釋了QA調(diào)度算法提高用戶QoE滿意度的原因。其中，x軸表示用戶的信噪比（SINR）;y軸表示用戶的資源需求等級;z軸表示歸一化吞吐量，其代表了無線資源的分配情況。當(dāng)使用PF調(diào)度算法時，更多的無線資源被分配給了信道條件較好的用戶，而與其用戶需求等級無關(guān)。其中條件受限用戶被分配到的冗余的無線資源并不能有效提高其QoE，反而造成了資源的浪費。

通過對比可以看出，這2種算法的總吞吐量相當(dāng)，而QA調(diào)度算法同時考慮到用戶的信道條件和資源需求，更多的資源被分配給了資源受限用戶，這意味著利用QoE模型優(yōu)化無線資源調(diào)度，分配給條件受限用戶的冗余資源被分配給了有更高需求卻信道不理想的資源受限用戶，提高了用戶整體的QoE滿意度。endprint

5 ? 結(jié)論

本文通過研究基于QoE的無線網(wǎng)絡(luò)資源調(diào)度優(yōu)化方案，展現(xiàn)了QoE研究緩解無線資源短缺的前景和潛力。首先建立了無線網(wǎng)絡(luò)QoE系統(tǒng)模型，然后通過典型場景的數(shù)據(jù)采集和分析，提出了用戶無線資源需求的量化方法，并優(yōu)化資源調(diào)度算法。由系統(tǒng)級仿真驗證可知，QoE資源調(diào)度算法有效地提高了用戶的QoE滿意度。

參考文獻：

[1] 林闖，胡杰，孔祥震. 用戶體驗質(zhì)量（QoE）的模型與評價方法綜述[J]. 計算機學(xué)報， 2012，35（1）： 1-15.

[2] Jain R. Quality of Experience[J]. IEEE MultiMedia， 2004，11（1）： 96-95.

[3] Sun S. Management of Zone of Tolerance Based on Weber-Fechner's Law[A]. Management and Service Science （MASS）[C]. 2011 International Conference on. IEEE， 2011： 1-4.

[4] Han B， Zhang X， Qi Y， et al. QoE Model Based Optimization for Streaming Media Service Considering Equipment and Environment Factors[J]. Wireless Personal Communications， 2012，66（3）： 595-612.

[5] Kausar R， Chen Y， Chai K K. An Intelligent Scheduling Architecture for Mixed Traffic in LTE-Advanced[A]. Personal Indoor and Mobile Radio Communications （PIMRC）[C]. 2012 IEEE 23rd International Symposium on. IEEE， 2012： 565-570.

[6] Bender P， Black P， Grob M， et al. CDMA/HDR： A Bandwidth Efficient High Speed Wireless Data Service for Nomadic Users[J]. Communications Magazine， IEEE， 2000，38（7）： 70-77.

[7] Jalali A， Padovani R， Pankaj R. Data Throughput of CDMA-HDR a High Efficiency-High Data Rate Personal Communication Wireless System[A]. Vehicular Technology Conference Proceedings[C]. VTC 2000-Spring Tokyo. 2000 IEEE 51st. IEEE， 2000： 1854-1858.

[8] Shreedhar M， Varghese G. Efficient Fair Queuing Using Deficit Round-Robin[J]. Networking， IEEE/ACM Transactions on， 1996，4（3）： 375-385.

[9] 張月瑩. 基于QoE的無線資源管理算法研究[D]. 北京： 北京郵電大學(xué)， 2013.endprint

5 ? 結(jié)論

本文通過研究基于QoE的無線網(wǎng)絡(luò)資源調(diào)度優(yōu)化方案，展現(xiàn)了QoE研究緩解無線資源短缺的前景和潛力。首先建立了無線網(wǎng)絡(luò)QoE系統(tǒng)模型，然后通過典型場景的數(shù)據(jù)采集和分析，提出了用戶無線資源需求的量化方法，并優(yōu)化資源調(diào)度算法。由系統(tǒng)級仿真驗證可知，QoE資源調(diào)度算法有效地提高了用戶的QoE滿意度。

參考文獻：

[1] 林闖，胡杰，孔祥震. 用戶體驗質(zhì)量（QoE）的模型與評價方法綜述[J]. 計算機學(xué)報， 2012，35（1）： 1-15.

[2] Jain R. Quality of Experience[J]. IEEE MultiMedia， 2004，11（1）： 96-95.

[3] Sun S. Management of Zone of Tolerance Based on Weber-Fechner's Law[A]. Management and Service Science （MASS）[C]. 2011 International Conference on. IEEE， 2011： 1-4.

[4] Han B， Zhang X， Qi Y， et al. QoE Model Based Optimization for Streaming Media Service Considering Equipment and Environment Factors[J]. Wireless Personal Communications， 2012，66（3）： 595-612.

[5] Kausar R， Chen Y， Chai K K. An Intelligent Scheduling Architecture for Mixed Traffic in LTE-Advanced[A]. Personal Indoor and Mobile Radio Communications （PIMRC）[C]. 2012 IEEE 23rd International Symposium on. IEEE， 2012： 565-570.

[6] Bender P， Black P， Grob M， et al. CDMA/HDR： A Bandwidth Efficient High Speed Wireless Data Service for Nomadic Users[J]. Communications Magazine， IEEE， 2000，38（7）： 70-77.

[7] Jalali A， Padovani R， Pankaj R. Data Throughput of CDMA-HDR a High Efficiency-High Data Rate Personal Communication Wireless System[A]. Vehicular Technology Conference Proceedings[C]. VTC 2000-Spring Tokyo. 2000 IEEE 51st. IEEE， 2000： 1854-1858.

[8] Shreedhar M， Varghese G. Efficient Fair Queuing Using Deficit Round-Robin[J]. Networking， IEEE/ACM Transactions on， 1996，4（3）： 375-385.

[9] 張月瑩. 基于QoE的無線資源管理算法研究[D]. 北京： 北京郵電大學(xué)， 2013.endprint

5 ? 結(jié)論

本文通過研究基于QoE的無線網(wǎng)絡(luò)資源調(diào)度優(yōu)化方案，展現(xiàn)了QoE研究緩解無線資源短缺的前景和潛力。首先建立了無線網(wǎng)絡(luò)QoE系統(tǒng)模型，然后通過典型場景的數(shù)據(jù)采集和分析，提出了用戶無線資源需求的量化方法，并優(yōu)化資源調(diào)度算法。由系統(tǒng)級仿真驗證可知，QoE資源調(diào)度算法有效地提高了用戶的QoE滿意度。

參考文獻：

[1] 林闖，胡杰，孔祥震. 用戶體驗質(zhì)量（QoE）的模型與評價方法綜述[J]. 計算機學(xué)報， 2012，35（1）： 1-15.

[2] Jain R. Quality of Experience[J]. IEEE MultiMedia， 2004，11（1）： 96-95.

[3] Sun S. Management of Zone of Tolerance Based on Weber-Fechner's Law[A]. Management and Service Science （MASS）[C]. 2011 International Conference on. IEEE， 2011： 1-4.

[4] Han B， Zhang X， Qi Y， et al. QoE Model Based Optimization for Streaming Media Service Considering Equipment and Environment Factors[J]. Wireless Personal Communications， 2012，66（3）： 595-612.

[5] Kausar R， Chen Y， Chai K K. An Intelligent Scheduling Architecture for Mixed Traffic in LTE-Advanced[A]. Personal Indoor and Mobile Radio Communications （PIMRC）[C]. 2012 IEEE 23rd International Symposium on. IEEE， 2012： 565-570.

[6] Bender P， Black P， Grob M， et al. CDMA/HDR： A Bandwidth Efficient High Speed Wireless Data Service for Nomadic Users[J]. Communications Magazine， IEEE， 2000，38（7）： 70-77.

[7] Jalali A， Padovani R， Pankaj R. Data Throughput of CDMA-HDR a High Efficiency-High Data Rate Personal Communication Wireless System[A]. Vehicular Technology Conference Proceedings[C]. VTC 2000-Spring Tokyo. 2000 IEEE 51st. IEEE， 2000： 1854-1858.

[8] Shreedhar M， Varghese G. Efficient Fair Queuing Using Deficit Round-Robin[J]. Networking， IEEE/ACM Transactions on， 1996，4（3）： 375-385.

[9] 張月瑩. 基于QoE的無線資源管理算法研究[D]. 北京： 北京郵電大學(xué)， 2013.endprint