随着视频多媒体技术的快速发展，视频流量成为网络流量中所占比重最大的一部分，同时随着智能终端和移动用户数目的不断增加，如何利用有限的无线网络资源，在保障用户视频流体验质量的前提下最大化系统容量是一个极具实际价值的问题。本文针对LTE系统下视频传输优化问题，分析并研究了影响视频体验质量的多个因素并进行了基于神经网络QoE建模，然后基于建立的QoE模型进行了LTE系统下QoE驱动的系统容量优化算法研究。本论文的主要研究工作如下：
（1）提出了一种基于神经网络的视频QoE模型。本文考虑视频码率、初始时延、卡顿次数和平均卡顿时长这四个影响终端用户视频体验质量的因素进行QoE建模。首先，文章基于标准视频库中的视频建立了主观数据库；然后，选取经典的BP神经网络，输入为视频特征，输出为视频QoE值，进行神经网络的训练；最终，得到基于神经网络的视频QoE预测模型。实验结果显示，本文的模型预测得到的视频QoE值与视频主观得分相关性达到0.97以上。
（2）提出了LTE系统下QoE驱动的系统容量优化算法。针对视频点播场景，首先建立了在无线资源等约束下最大化系统容量的数学模型；然后提出了一种启发式解法。具体是，（a）根据用户QoE值和QoE阈值将所有用户分为两类调度集。第一调度集为QoE值不小于其QoE阈值的用户，第二调度集为小于QoE阈值的用户。（b）计算各调度集内用户优先级。第一调度集内用户满足QoE阈值要求，用户优先级区分保证用户间公平性；第二调度集内用户不满足QoE阈值要求，用户优先级区分保证最大化系统容量。（c）按照用户优先级进行资源分配。仿真结果表明，本文提出的算法能够在资源受限的条件下提升系统容量。