随着移动通讯能力的不断发展、终端设备计算存储能力的不断提高,越来越多的人选择通过移动设备在线观看网络电视,网络供应商以及业务提供商想要获得终端用户的认可就必须确保良好的用户体验质量(Quality of Experience,QoE)。因此对于用户体验质量的评估不仅是学术界有意义的研究课题之一,而且也是网络供应商以及业务提供商提升服务质量的关键所在。用户体验质量是用户对所观看视频的主观感受,仅依赖于主观测试获得QoE需要消耗较多的人力、物力,并且得出的测试结果是后验的,而客观测试QoE的结果虽然是先验的,但是其预测结果的准确性却得不到保证。本文围绕终端用户视频体验质量为研究对象,采用主客观相结合的评估方法对用户视频体验质量进行研究。先获得用户对视频业务的主观体验质量,并得到用户视频观看过程中的一些客观参数,通过分析客观参数与主观体验质量之间的关系建立了多种评估模型,最后通过模型能够准确地反映出用户的视频体验。本文的主要工作如下:1.主观测试数据难免存在粗大误差,因此本文采用M-MCD对QoE主观测试数据进行粗差判别。通过马氏距离判别粗差时因数据集中提前混入粗差而歪曲了均值与协方差从而导致粗差判别不准确,MCD粗差判别使用样本均值与协方差代替总体均值与协方差进行粗差判别,但MCD判别粗差存在所挑选的样本个数难以确定的问题,因此本文先采用M-MCD确定挑选样本个数,再使用MCD判别粗差。2.提出使用多元非线性回归模型来进行用户视频体验质量评估。课题中经过对数据集的粗差判别,均值、标准差、相关性的计算以及分布函数的绘制发现数据集存在近似的线性关系,因此首先使用建立了多元线性回归评估模型,但模型不能很准确地反映出用户体验质量,因而使用了多元非线性回归评估模型来反应QoE最后得到了较为令人满意的估计结果。3.提出了使用人群搜索算法(SOA)计算多元非线性回归模型的回归参数。在建立多元非线性回归评估模型时由于计算回归参数较复杂,涉及到较多求偏导、矩阵求逆等运算,计算量大、易出错。通过使用人群搜索算法计算回归参数大大减少了程序的编写复杂度,并且通过SOA与多元非线性回归组合所估计的QoE准确度同样是令人比较满意的。4.提出了SOA与小波神经网络组合的QoE评估方法。虽然多元非线性回归模型估计结果是可以接受的,但是本文想要进一步提高估计精度,提高模型性能。由于小波神经网络也属于非线性模型,因此本文提出使用人群搜索算法优化小波神经网络进行用户体验质量主观预测,通过SOA与小波神经网络的结合,最后较为准确地得到了反应QoE的评估模型。