无线实时通信的用户体验研究具有较大的理论和实践价值。首先,随着网络和终端的发展,实时视频服务(如Skype, Facetime,WebRTC)越来越受欢迎。根据思科的统计,网络中90%以上的流量来自视频服务,并且移动端的流量超过一半。其次,用户对实时通信服务质量的满意度直接决定其生死存亡。过去研究者们一直采用传统服务质量(如时延、丢包率等)作为用户体验的衡量标准,然而这种方法忽略了用户的主观感受,往往导致评测的结果和用户的实际体验之间存在很大差距,因此进一步研究实时通信的用户体验成为改善用户满意度的重中之重。最后,用户体验的研究在学术界和工业界都备受瞩目,但是其研究工作还在进行中,具体的衡量指标至今尚未完全统一,特别是针对一些新兴应用的用户体验研究,相关工作还很少,因此实时通信的用户体验研究任重而道远。目前,基于WebRTC的实时视频用户体验的研究工作尚处于起步阶段。WebRTC即网页实时通信,具有无安装、开源、跨平台等诸多优点,自2011年问世以来,备受学术界和工业界的青睐,发展潜力无限。本文主要研究无线环境下WebRTC的用户体验,具体工作如下：(1)提出了一个新的用户体验指标,称为QoEPolar。一些最新的研究表明,比起视频的清晰度,用户更加在意视频的流畅度。而传统的视频服务质量参数(如结构相似度度量和平均意见评分等)并不能反映视频流畅度,且不易在已有的系统中获得。本文通过分析WebRTC源代码和大量实验测量发现两个相邻视频帧的播放时间间隔(称为QoEPolar)可以良好的反应视频的流畅度和清晰度的变化,并且该参数可以直接在大多数视频系统中获取。(2)测量和分析了无线网络层和物理层的网络参数对QoEPolar的影响。通过对WebRTC源码进行编译、分析和修改,对无线环境的监测和应用场景的分析。本文搭建了一个基于实际WiFi网络的WebRTC用户体验测量系统。在此平台上,进行了大规模实验测量。基于测量数据用互信息、数理统计等知识对无线环境相关参数的对QoEPolar的影响进行了详细的分析。(3)用机器学习方法建立了两种用户体验模型：WebRTC视频看片指数模型；WebRTC视频用户体验预测模型。基于实际测量的数据集验证这两个模型的F1值均在70%以上。