| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 符号说明 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要研究内容及工作 | 第11页 |
| 1.4 论文结构 | 第11-13页 |
| 第二章 基于HTTP的动态自适应流技术——DASH | 第13-25页 |
| 2.1 DASH技术的发展 | 第13-16页 |
| 2.1.1 自适应流技术的产生 | 第13-15页 |
| 2.1.2 多种自适应流技术共存 | 第15-16页 |
| 2.1.3 集大成者——DASH | 第16页 |
| 2.2 MPEG-DASH技术标准 | 第16-22页 |
| 2.2.1 系统概述 | 第16-17页 |
| 2.2.2 DASH客户端模型 | 第17-18页 |
| 2.2.3 DASH数据模型 | 第18-21页 |
| 2.2.4 协议 | 第21页 |
| 2.2.5 媒体流和呈现属性 | 第21-22页 |
| 2.3 DASH系统设计原则 | 第22-24页 |
| 2.4 DASH及其QoE | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 DASH的QoE研究 | 第25-37页 |
| 3.1 DASH业务QoE评估方法探索 | 第25-28页 |
| 3.1.1 DASH业务的QoE参量 | 第25-26页 |
| 3.1.2 DASH业务QoE评估方法探索 | 第26-28页 |
| 3.2 DASH业务的QoE表现 | 第28-32页 |
| 3.2.1 评测指标 | 第28-29页 |
| 3.2.2 样本参数 | 第29-30页 |
| 3.2.3 测试结果及结论 | 第30-32页 |
| 3.3 码率分布对DASH业务的影响 | 第32-36页 |
| 3.3.1 样本制作 | 第32-35页 |
| 3.3.2 分析及结论 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于心理学效应的自适应流媒体QoE新评估方法 | 第37-53页 |
| 4.1 自适应流是码率分片的组合系列 | 第37-39页 |
| 4.2 系列位置效应 | 第39-44页 |
| 4.2.1 首因效应 | 第40-42页 |
| 4.2.2 近因效应 | 第42-43页 |
| 4.2.3 将近因效应纳入QoE评估体系的原因 | 第43-44页 |
| 4.3 近因效应的存在性验证 | 第44-45页 |
| 4.4 近因效应的数学建模 | 第45-49页 |
| 4.4.1 近因效应函数 | 第45-46页 |
| 4.4.2 近因效应影响权重 | 第46-47页 |
| 4.4.3 近因效应强度的定义 | 第47-49页 |
| 4.5 DASH业务的QoE新评估方法 | 第49-51页 |
| 4.5.1 CBR片段的QoE评估方法 | 第50页 |
| 4.5.2 再缓冲和跳帧的处理 | 第50页 |
| 4.5.3 DASH业务QoE得分聚合 | 第50-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 新评估方法的测试与验证 | 第53-59页 |
| 5.1 人群测试 | 第53-55页 |
| 5.1.1 测试样本 | 第53-54页 |
| 5.1.2 测试过程 | 第54-55页 |
| 5.2 测试结果分析 | 第55-57页 |
| 5.2.1 准确性 | 第56-57页 |
| 5.2.2 对码率分布的敏感性 | 第57页 |
| 5.3 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1. 工作总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-65页 |
| 作者攻读学位期间发表的学术论文目录 | 第65页 |