随着交互式多媒体应用的兴起,全景视频技术也在不断快速发展。与传统视频相比,全景视频有着更高的清晰度和不同的观看方式,能够带给用户强烈的沉浸感和更广的视野范围。随着全景视频的日益发展,人们对全景视频的观看体验要求也越来越高。然而,用户观看全景视频的体验不仅与视频的质量有关,而且与网络带宽等多种因素有关。因此,关于全景视频用户体验质量的研究至关重要。所以本文提出了一个由用户体验质量(Quality of Experience,QoE)影响因素组成的全景视频用户体验质量评价模型,为了得到该模型,本文进行了一个全景视频主观质量评价实验,实验中收集并处理了用户打分、暂停、质量切换、纬度等数据,深入研究了用户打分与暂停、质量切换、纬度的关系,然后通过拟合用户打分与暂停、质量切换、纬度的关系式,建立了一个包含暂停、质量切换、纬度影响因素的QoE评价模型。实验结果表示该模型能够准确衡量用户在观看全景视频时的体验质量。由于全景视频具有较大的分辨率,所以传输时的数据量也更大,需要占用更多的网络带宽资源,这对无线网络带宽资源提出了极大的要求。因此,本文对所建立的QoE评价模型表达式进行转化,转化成了由分块数目、带宽、视频块的质量等级选择方案组成的表达式,然后基于该表达式设计了一套全景视频自适应传输方案,该方案在有限的无线网络带宽条件下为每个视频块选择合适的质量等级来最大化用户的体验质量。在全景视频实时流式传输应用中,捕获设备用于记录场景并将捕获的视频实时传输到服务器。然后,多个用户可以通过从服务器下载相应的视频内容来通过头戴式显示设备(Head Mounted Display,HMD)观看全景视频。显然,在有限的带宽限制下,应谨慎选择上行链路(全景视频摄像机到视频服务器)和下行链路(视频服务器到用户端)速率以改善观看体验。因此,为了进一步提高全景视频上行采集与下行传输的整体性能,本文提出了多用户下QoE驱动的全景视频采集与传输模型,该模型考虑了多用户场景中上行链路摄像机视频质量等级选择和下行链路视频块质量等级选择问题。为了解决该问题,提出了联合卡罗需-库恩-塔克(Karush-Kuhn-Tucker,KKT)条件和分支定界法的速率自适应算法。该算法首先对问题进行松弛,使用KKT条件计算出松弛问题的解,然后再使用分支定界法得到原问题的解。仿真结果表明所提出的算法的QoE值要高于其他算法的QoE值。