用户体验质量(QoE)是无线网络通信领域的新概念,是指用户对业务与网络的主观体验,是用户在使用业务过程中建立起来的心理感受,涉及人与网络、业务等交互过程中的所有方面。用户体验质量可以很好的反映当前的业务和网络的质量与用户体验之间的关系,它综合了服务层面、用户层面、网络层面的影响因素,直接反映了用户对服务的认可程度。用户体验质量的测量和预测的核心问题集中反映在客观QoS和主观QoE之间映射关系上,它是一项是十分复杂的工作,因为QoE囊括了诸如时延、抖动、丢包率、地理位置和用户因素在内的所有用户与应用交互的环境因素。因此,要确定影响用户体验质量的各种环境变量与用户体验质量(QoE)之间的关系,我们就需要建立能够进行环境感知的QoE测量与预测模型。本论文提出并验证了一种新的基于决策效用理论的用户体验质量建模、测量和预测方法。该模型利用二级量表和线性变换解决了用户体验质量测量预测中各种QoE状态使用不同的度量尺度和量化单位的棘手问题；使用贝叶斯网络,结合效用理论实现能够进行环境感知的QoE测量与预测。最后,我们设计实验来验证基于环境感知的用户体验质量测量模型和预测模型。对于QoE的测量,设计不同的用户体验质量环境,通过对比基于环境感知模型测量的QoE与用户评价统计值之间的差异,证明QoE测量模型的准确性。对于QoE的预测,我们使用三种不同的贝叶斯网模型,利用10折交叉验证的方法表明基于贝叶斯网的QoE预测模型具有很高的精确度(>98%)。