基于机器学习分析VoLTE视频通话质量的研究及应用

doi:10.11959/j.issn.1000-0801.2020021

摘要/Abstract

摘要：

针对目前评估VoLTE视频通话质量的方法的缺点，提出了一种基于机器学习和网络指标参数的VoLTE视频通话质量评估方法。首先，采集解码核心网的网络参数指标数据，并进行预处理；然后，选取用于VoLTE视频通话质量评估的关键特征，并通过对比选取合适的机器学习算法，构建VoLTE视频质量评估的评估模型，从而实现不依赖于测试环境和原始视频的VoLTE视频通话质量实时评估。通过对从XDR（用户话单）数据中提取的特征指标数据进行预处理研究，解决了特征指标的标准化问题，便于指标特征输入评估模型；通过特征工程选出评估VoLTE视频通话的关键特征，减少特征维数，从而降低了算法的复杂度；同时采用先进的机器学习技术保证和提升算法的评估准确性。

关键词: 机器学习, 梯度提升树, VoLTE, 视频通话质量

Abstract:

To overcome the shortcomings of current methods for evaluating VoLTE video call quality,a method for evaluating VoLTE video call quality without reference based on machine learning and network index parameters was proposed.Firstly,the network parameters of the decoding core network were collected and preprocessed; then,the key features for VoLTE video call quality assessment were selected,and a reference-free evaluation model for VoLTE video quality assessment was constructed by comparing and selecting appropriate machine learning algorithms,so as to achieve real-time VoLTE video call quality assessment independent of the test environment and the original video.By researching the preprocessing of feature index data extracted from XDR data,the standardization of feature index was solved,and the evaluation model of feature input was convenient; the key features of VoLTE video call were selected and evaluated by feature engineering,which reduced the feature dimension and the complexity of the algorithm; at the same time,advanced machine learning technology was adopted to ensure and enhance the algorithm assessment accuracy.

Key words: machine learning, gradient boosting decison tree, voice over long-term evolution, video call quality

中图分类号:

TN919.8

钟其柱. 基于机器学习分析VoLTE视频通话质量的研究及应用[J]. 电信科学, 2020, 36(3): 156-165.

Qizhu ZHONG. Research and application of VoLTE video call quality based on machine learning[J]. Telecommunications Science, 2020, 36(3): 156-165.

图/表 17

图1

图2

表1

图3

表2

表3

表4

表5

表6

表7

表8

表9

表10

表11

表12

表13

表14

参考文献 7

[1]	冯赟中 . VoLTE 技术演进与改进对策研究[J]. 通讯世界:下半月, 2016(7): 90-91.
	FENG Y Z . Research on VoLTE technology evolution and improvement countermeasures[J]. Communication World:Second Half of the Month, 2016(7): 90-91.
[2]	温婧芙 . 4G+高清语音 VoLTE[J]. 科技与创新, 2017(9): 15-16.
	WEN J F . 4G+ VoLTE[J]. Technology and Innovation, 2017(9): 15-16.
[3]	北京理工大学. 一种 VoLTE 视频通话用户体验质量评估方法:201710127004.X2017-06-20.
	Beijing Institute of Technology.VoLTE video call user experience quality evaluation method:201710127004.X[P].2017-06-20
[4]	北京理工大学. 基于神经网络的 VoIP 无参考视频通信质量客观评价方法:201710268980.72017-08-08.
	Beijing Institute of Technology.Objective evaluation method of VoIP unreferenced video communication quality based on neural network:201710268980.7[P].2017-08-08
[5]	TOM M . Machine learning[M]. New York: McGraw-HillPress, 1997.
[6]	VALIANT L G . A theory of learnable[J]. Communications of the ACM, 1984,27(11): 1134-1142.
[7]	陈凯, 朱钰 . 机器学习及其相关算法综述[J]. 统计与信息论坛, 2007,22(5): 105-112.
	CHEN K , ZHU Y . Overview of machine learning and related algorithms[J]. Statistics and Information Forum, 2007,22(5): 105-112.

音频编码	音频码率/(kbit·s^-1)	音频IP分组丢失率	音频时延/ms	视频编码	视频分辨率	视频IP码率/(bit·s^-1)	视频帧率/（f·s^-1）	视频IP分组丢失率视频时延/ms	音频RTP分组丢失率	视频RTP分组丢失率	视频RTP码率/(bit·s^-1)	vtMOS
AMR-WB	23.85	0	23.35	H.264	VGA	521 257	30.04	052.35	0	0	521 214	2.76
AMR-WB	23.85	0	23.23	H.264	VGA	521 225	30.04	049.23	0	0	521 413	2.77
AMR-WB	23.85	0	25.67	H.264	VGA	521 633	30.03	068.67	0	0	521 014	2.72
AMR-WB	23.85	0.01	45.56	H.264	VGA	217 681	12.10	0.63 341.56	0.01	0.67	684 073	0.99
AMR-WB	23.85	0	20.89	H.264	VGA	815 485	21.24	030.24	0.01	0.03	776 154	3.32
AMR-WB	23.85	0	18.88	H.264	VGA	810 223	21.27	020.11	0			4.02

音频编码	音频码率/ (kbit·s^-1)	音频时延/ms	视频编码	视频分辨率	视频IP码率/(bit·s^-1)	视频帧率/（f·s^-1）	视频IP分组丢失率	视频时延/ms	音频RTP分组丢失率	视频RTP分组丢失率	视频RTP码率/(bit·s^-1)	vtMOS
AMR-WB	23.85	0.000 1	H.264	VGA	321 979	27.37	0.000 1	38.6				2.32
AMR-WB	23.85	0.000 5	H.264	VGA	322 158	22.22	0.003 2	46.46				2.25
AMR-WB	23.85	0	H.264	VGA	637 498	26.24	0.000 3	47.9				3
AMR-WB	23.85	0	H.264	VGA	318 787	24.63	0.000 4	47.21				2.32
AMR-WB	23.85	0.000 1	H.264	VGA	365 991	26.79	0.000 6	36.06				2.44

音频编码音频码率(kbit·s^-1)	音频时延/ms	视频编码	视频分辨率	视频IP码率/(bit·s^-1)	视频帧率/（f·s^-1）	视频IP分组丢失率	视频时延/ms	音频RTP分组丢失率	视频RTP分组丢失率	视频RTP码率/(bit·s^-1)	vtMOS
AMR-WB 23.85	0.000 1	H.264	VGA	321 979	27.37	0.000 1	38.6	0.000 2	0.000 7	772 290.4	2.32
AMR-WB 23.85	0.000 5	H.264	VGA	322 158	22.22	0.003 2	46.46	0.000 2	0.000 7	772 290.4	2.25
AMR-WB 23.85	0	H.264	VGA	637 498	26.24	0.000 3	47.9	0.000 2	0.000 7	772 290.4	3
AMR-WB 23.85	0	H.264	VGA	318 787	24.63	0.000 4	47.21	0.000 2	0.000 7	772 290.4	2.32
AMR-WB 23.85	0.000 1	H.264	VGA	365 991	26.79	0.000 6	36.06	0.000 2	0.000 7	772 290.4	2.44

音频编码	音频码率/(kbit·s^-1)	音频IP分组丢失率	音频时延/ms	视频编码	视频分辨率	视频IP码率/(bit·s^-1)	视频IP帧率/（f·s^-1）	视频IP分组丢失率
AMR-WB	23.9	0.000 05	32	H.265	VGA	460 235	13.38	0.000 5
AMR-WB	23.9	0	31.91	H.265	VGA	463 141	14.8	0.000 8
AMR-WB	23.9	0.000 09	27.45	H.264	VGA	321 979	27.37	0.000 1
AMR-WB	23.9	0.000 5	31.37	H.264	VGA	322 158	22.22	0.003 2
AMR-WB	23.9	0.000 02	29.53	H.264	VGA	637 498	26.24	0.000 3
AMR-WB	23.9	0	28.82	H.264	VGA	318 787	24.63	0.000 4

音频编码	音频码率/(kbit·s^-1)	音频IP分组丢失率	音频时延/ms	视频编码	视频分辨率	视频IP码率/(bit·s^-1)	视频帧率/（f·s^-1）	视频IP分组丢失率	视频时延/ms	音频RTP分组丢失率	视频RTP分组丢失率	视频RTP码率/(bit·s^-1)
AMR-WB	23.90	0.000 1	32.00	H.265	VGA	460 235	13.38	0.001	30.90	0.035 8	0.656 7	204 311.0
AMR-WB	23.90	0	31.91	H.265	VGA	463 141	14.80	0.001	30.73	0.020 5	0.586 4	242 380.0
AMR-WB	23.90	0.000 1	27.45	H.264	VGA	321 979	27.37	0	38.60	0.000 2	0.000 7	772 290.4
AMR-WB	23.90	0.000 5	31.37	H.264	VGA	322 158	22.22	0.003	46.46	0.000 2	0.000 7	772 290.4
AMR-WB	23.90	0	29.53	H.264	VGA	637 498	26.24	0	47.90	0.000 2	0.000 7	772 290.4
AMR-WB	23.90	0	28.82	H.264	VGA	318 787	24.63	0	47.21	0.000 2	0.000 7	772 290.4
AMR-WB	23.90	0.000 1	29.58	H.264	VGA	365 991	26.79	0.001	36.06	0.000 2	0.000 7	772 290.4
AMR-WB	23.90	0.000 1	28.16	H.264	VGA	595 667	22.28	0.002	44.00	0.000 2	0.000 7	772 290.4