随着技术进步，种类繁多的网络业务如雨后春笋般涌现，网络流量也因此迎来了爆炸式的增长，其中视频流量份额最大。视频业务蓬勃发展，视频服务提供商之间的相互竞争越来越激烈，在这场竞争中取胜的关键是更好的用户体验质量。实时获取用户的体验质量(Quality of Experience，QoE)信息并根据获取的QoE信息做出对应的服务策略的调整，以维持较好的用户体验，是服务提供商们最关注的目标之一。
　　在传统网络架构下，QoE集中管理存在困难。软件定义网络(Software Defined Network，SDN)的出现极大的简化了网络控制和管理，使得集中管理QoE成为可能。本文首先研究了视频服务质量(Quality of Service，QoS)到QoE映射关系模型。QoE信息的实时获取目前存在困难，而用户体验质量是服务提供商必须考虑的重要环节。由于QoS信息可以通过SDN等技术实时获取，QoS信息又与QoE息息相关，所以许多研究人员致力于研究QoS到QoE映射关系模型。本文提出了基于小波神经网络的QoS到QoE映射关系模型，此模型把小波神经网络应用于QoS到QoE映射关系建模，利用小波神经网络较强的逼近能力和容错能力，提高模型准确性，为后续QoE感知路由算法提供路径QoE判断依据。
　　其次，本文研究了QoE感知路由算法。目前将QoE信息应用于路由决策的一系列优化算法，都单方面注重最大化QoE，为了尽可能的提供较好的用户体验质量，可能导致次优的资源利用。实际情况中，运营商不仅注重提供优质服务，同样也注重运营成本。另外，视频传输过程中，会受其他数据传输的干扰出现QoE下降问题，现有算法或者未考虑QoE下降情况或者通信代价巨大。针对将QoE信息应用于路由决策的算法忽略资源利用的问题，本文提出基于YenKSP的以QoE为中心的路由算法。此算法以YenKSP算法为基础进行改进，使YenKSP算法关注QoE性能，用以应对视频传输过程中的QoE下降问题。同时YenKSP-QoE算法还考虑了带宽利用率，在QoE和带宽利用率之间实现性能平衡。实验结果表明YenKSP-QoE算法在QoE性能、带宽利用率方面效果更优，同时YenKSP-QoE算法可以应对视频传输过程中的QoE下降问题。