WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Amélioration de la performance de TCP dans les réseaux mobiles ad hoc.

( Télécharger le fichier original )
par Yassine DOUGA
Université dà¢â‚¬â„¢Oran 1 Ahmed Ben Bella  - Doctorat  2016
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

7.5.3. Contrôle de débit hybride

Selon les solutions de contrôle de débit hybride, les récepteurs ajustent le débit de réception de la vidéo en ajoutant/enlevant des canaux/couches tandis que l'expéditeur en même temps ajuste le débit du canal en fonction des réponses retours (feedback) transmises par le récepteur. Ce système combine les avantages des approches basées récepteur et approches basées expéditeur afin de donner naissance à un nouveau système plus efficace, mais avec des mécanismes d'adaptation plus compliqués.

7.5.3.1. QoE-based Network Selection for Multimedia Users in IEEE 802.11

wireless networks (NSFMU) [13]

Dans l'approche citée en [13], les auteurs décrivent un schéma de sélection de réseau dans les réseaux IEEE 802.11. Les réseaux disponibles sont évalués selon la méthode PSQA [13]. Les paramètres objectifs de QdS tels que la bande passante, la gigue et la perte de paquets sont combinés avec les paramètres subjectifs de la QoE, tels que « la qualité de la vidéo est bonne ». Les paramètres de la QoE sont estimés en utilisant la technique du MOS (Mean Opinion Score ou le ressenti global). Exceptionnellement, un réseau de neurone aléatoire (RNN) est utilisé pour l'apprentissage statistique des valeurs du MOS [13] et fournit une évaluation automatisé de la QoE pour chaque réseau.

Selon les auteurs, les étapes préalables pour permettre l'application de la méthode de PSQA sont les suivantes :

Étape 1 : des facteurs de la qualité-affective et une base de données des vidéo déformés : les facteurs de la QdS sont sélectionnés, ensuite une plage de valeurs pour chaque facteur est défini. L'ensemble des facteurs ainsi que leurs valeurs spécifiques est appelé « configuration ». A la base de cela, une base de données vidéo qui contient de nombreuses configurations est créée.

Étape 2 : Une évaluation subjective de la qualité : selon la méthode MOS, une évaluation subjective des configurations qui sont contenues dans la base de données vidéo est effectuée. Deux bases de données similaires qui contiennent les configurations et les

77

Chapitre II : Etat de l'art

scores relatifs au MOS sont créées. Le premier est désigné comme « base de données de formation » et le second comme « base de données de validation ».

Étape 3 : Un apprentissage du comportement de la qualité avec RNN : Le résultat de l'étape 2 est une évaluation qualitative du contenu des bases de données vidéo qui ont été créé à l'étape 1. Le RNN reçoit en entrée la base de données de formation et tente de faire un auto-apprentissage en fonction de ses données. Une fonction f vérifie si la connaissance acquise par le RNN est convergente par rapport à la base de données de validation. Si la connaissance acquise par le RNN est relativement proche de la base de données de validation, le RNN est positivement évalué, sinon un examen des données divergentes est effectué, jusqu'à l'obtention d'un bon RNN.

Quand un utilisateur a besoin de faire une sélection de réseau, chaque point d'accès l'informe à propos de sa QoE estimé. Cette information provient des expériences des précédents utilisateurs connectés au point d'accès, elle est incluse dans les balises et les trames de réponse de la sonde. L'utilisateur définit ses exigences minimales en matière de QoE en utilisant une échelle qui représente le MOS. Le terminal de l'utilisateur se connecte aux réseaux qui répondent aux exigences minimales de la QoE et effectue la sélection parmi ces réseaux.

7.5.3.2. QoE-assessment for Multiple Description video Coding [14]

Les auteurs en [14] proposent l'approche Multiple Description Coding (MDC) comme une solution pour réduire la dégradation de la qualité de la vidéo due à la perte de paquets, aux erreurs de bits et aux erreurs dues à la transmission en rafale. L'idée du MDC est de diviser le flux vidéo en deux ou plusieurs descriptions corrélées. Les descriptions contiennent des données complémentaires, de sorte que plus le nombre de description qu'on reçoit est grand, meilleure est la qualité perçue. Ainsi, la probabilité de recevoir une bonne qualité de vidéo (utile) est améliorée.

Dans cette approche (MDC), les auteurs proposent deux descriptions basées sur des groupes pairs et impairs d'images (GOP). Dans le codage H.264 [14], GOP est un groupe d'images successives. Chaque GOP contient plusieurs types de trames : I-trame (intra-image codée), P-trame (image codée prédictive) et B-trame (bidirectionnel prédictive d'image codée). Habituellement, un GOP commence avec un I-trame et sera suivi par plusieurs P-trames séparé par certaines distances de trame.

Ces distances seront occupées par les B-trames. Les I-trames contiennent une image complète et ne nécessitent aucune information supplémentaire pour la reconstruire. Par conséquent, toute erreur dans la structure GOP est corrigée par la prochaine I-trame et chaque GOP peut être décodé indépendamment sans affecter les autres GOPS. Les auteurs se basent sur ce fait pour la création des deux descriptions de flux vidéo en utilisant les GOP pairs et impairs, de façon à ce que lorsqu'un client reçoit les deux descriptions, il sera en mesure de reconstituer l'intégralité de la vidéo. En cas de réception d'une seule

78

Chapitre II : Etat de l'art

description, une méthode de division est proposée afin de garantir qu'au moins, la moitié des I-trames qui sont importants soient livrés. Ainsi, on aura au moins une vidéo certes avec une faible qualité, mais toujours lisible par un observateur humain.

Le tableau suivant donne une comparaison des différentes approches de vidéo streaming :

 

Agnostique/
non

agnostique

Solution

Basée sonde/
équation

Basée débit/fenêtre

Unicast/ multicast

Couche transport/ application

Support
sans fil

Avis

clien

Basée source

Non
agnostique

TCP

Sonde

Fenêtre

Unicast

Transport

non

Non

UDP

-

-

Unicast

Transport

non

Non

MTP

Sonde

Fenêtre

Unicast

Transport

non

Non

VTP

Sonde

Fenêtre

Unicast

Transport

oui

Non

SAMM

-

Débit

Multicast

-

non

Non

RTP/RTCP

-

-

Uni/multicas t

Application

non

Non

TFRC

Equation

Débit

Unicast

Application

non

Non

Basée récepteur

Non
agnostique

RLM

Sonde

-

Multicast

App/trans

non

Non

LVMR

-

-

Multicast

App/trans

non

Non

3GP-DASH

Sonde

Débit

Unicast

Application

non

Non

agnostique

AEC

Sonde

Fenêtre

Unicast

App/trans

non

Oui

Hybride

Non
agnostique

NSMU

-

-

Unicast

App/trans

non

Non

ADVC

-

-

Unicast

App/trans

non

Non

Table 2 : Comparaison des différentes approches de vidéo streaming.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Qui vit sans folie n'est pas si sage qu'il croit."   La Rochefoucault