[發明專利]一種基于監督學習評估終端VoLTE視頻通話感知方法

在審

• 申請號: 201910620618.0
• 申請日: 2019-07-10
• 公開（公告）號: CN110365970A
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 蕭振濤
• 申請（專利權）人: 廣州瀚信通信科技股份有限公司
• 主分類號: H04N17/00
• 分類號: H04N17/00;H04N7/14
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

本發明公開了一種基于監督學習評估終端VoLTE視頻通話感知方法，包括以下步驟：采集不同終端在相同網絡環境下的通話感知評分數據；對獲取的通話感知評分數據依次進行清洗、降維；對降維處理后通話感知評分數據進行特征提取得到特征數據集；構建神經網絡模型，將特征數據集輸入神經網絡模型進行訓練得到收斂的神經網絡模型；將待評估測試終端的硬件參數特征值數據輸入訓練完畢的神經網絡模型，輸出終端的評估感知結果。本發明通過對通話感知評分數據進行清洗及降維處理，突出數據的主要特征便于計算，通過提取關鍵特征組成特征數據集并輸入至神經網絡進行訓練，提高了感知方法的準確度和智能程度。

技術領域

本發明涉及移動通信領域，更具體地，涉及一種基于監督學習評估終端VoLTE視頻通話感知方法。

背景技術

目前業界對視頻用戶體驗的研究大部分都只是停留在用戶體驗、視頻質量以及終端影響評估三個方面的理論研究，還沒有可實際應用的產品和模型。通過檢索查找到相近文獻如下：申請號：201410301467.X，名稱：基于層次分析和多元線性回歸的移動視頻質量評估方法；申請號：201610074975.8，名稱：一種用戶上網QoE評價方法及裝置；申請號：201610277812.X，名稱：移動終端視頻通話質量的測試方法及系統；上述專利文獻分別從從編碼對視頻質量評估、用戶體驗、以及終端對視頻質量的影響三個方面入手，對用戶視頻體驗進行了一定程度的研究和分析。然而對于終端VoLTE視頻通話感知的研究中，急需解決評估終端VoLTE視頻通話感知準確度低，不便捷，智能程度不高的問題。

發明內容

本發明為克服上述現有技術中評估終端VoLTE視頻通話感知方法計算繁瑣、準確度低、智能程度不高的缺陷，提供一種基于監督學習評估終端VoLTE視頻通話感知方法。

本發明的首要目的是為解決上述技術問題，本發明的技術方案如下：

一種基于監督學習評估終端VoLTE視頻通話感知方法，包括以下步驟：

S1：采集不同終端在相同網絡環境下的通話感知評分數據,所述通話感知評分數據由測試者通過進行通話測試得到；

S2：對獲取的通話感知評分數據依次進行清洗、降維；

S3：對降維處理后通話感知評分數據進行特征提取得到特征數據集；

S4：構建神經網絡模型，將特征數據集輸入神經網絡模型進行訓練得到收斂的神經網絡模型；

S5：將待評估終端的硬件參數特征值數據輸入訓練完畢的神經網絡模型，輸出終端的評估感知結果。

本方案中，步驟S1中通話感知評分包括五個等級，所述五個等級的分數分別記為：5、4、3、2、1，其中5表示最高等級的分數，1表示最低等級的分數。

本方案中，每一種終端通話感知評分數據包括若干條通話感知評分，所述若干條通話感知評分通過若干測試者在同一次通話測試中得到。

本方案中，步驟S2中對獲取的通話感知評分數據進行清洗具體過程為：將每一種終端的通話感知評分數據包括的若干條通話感知評分進行平均處理，將平均處理后的通話感知評分數據作為對應終端的通話感知評分。

本方案中，步驟S2中采用主成分分析法進行降維處理。

本方案中，步驟S3中提取的特征包括：處理能力、屏幕性能、攝像頭性能。

本方案中，步驟S4建立的神經網絡為包含1個輸入層和1個輸出層和2個隱含層的全連接神經網，所述輸入層包括3個神經元。

本方案中，神經網絡模型的訓練過程如下：

步驟1：初始化神經網絡權重和設置學習率，用服從標準正太分布隨機數來設置初始權重，使用網格搜索法確定學習率，將特征數據集輸入神經網絡模型；