具有长程相关流量的网络中视频流媒体体验质量的计算

我们采用解析方法研究视频流媒体应用的用户体验质量。我们的目标是表征具有长程相关（LRD）输入流量的流媒体视频的缓存饥饿。具体而言，我们通过考虑 Markov 调制流体模型（MMFM）来开发一个新的解析框架，以研究流媒体的体验质量，该模型能准确近似网络流量的长程相关特性。我们利用偏微分方程推导了计算饥饿分布以及启动延迟的闭式表达式，并使用 Laplace 变换对其进行求解。我们以多媒体应用中常用的两态 Markov 调制流体模型为例说明了结果。我们在不同操作参数下将解析模型与 ns-3 仿真结果进行了比较。我们进一步采用该模型分析了比特率切换对饥饿概率和启动延迟的影响。最后，我们将分析结果应用于优化媒体流媒体的客观体验质量，实现了在结合用户对缓存比例、启动延迟和感知质量偏好的不同指标之间的权衡。