Um método para melhorar a qualidade de experiência em sistemas de transmissão IPTV

Abstract

Resumo: A televisão transmitida através do protocolo IP (IPTV) está entre as mais promissoras tecnologias para entrega de multimídia, permitindo um alto nível de interatividade com o usuário e integração com a Internet. A transmissão de fluxos multimídia em tempo real requer garantia de recursos, como perda de pacotes limitada, largura de banda, atraso e jitter baixos, para assegurar um bom nível de QoE (Quality of Experience) ao usuário. Esta dissertação propõe o uso de uma estratégia de descarte de pacotes prioritária, juntamente com um reconhecedor de carga útil, implementado com redes neurais artificiais, de forma a evitar o descarte de pacotes transportando informações relevantes para a reconstrução da imagem. A implementação do classificador de pacotes foi feita utilizando-se o simulador de redes neurais JavaNNS (Java Neural Network Simulator ). O desempenho do método proposto foi avaliado através de simulações computacionais da transmissão de diversos vídeos e filmes disponíveis publicamente. Um simulador de filas foi implementado, em linguagem C, com o método proposto e com o reconhecedor de carga útil de pacotes. A qualidade de experiência foi obtida pela estimativa de MOS (Mean Opinion Score) através das ferramentas do Evalvid. Os resultados indicam que o uso do método pode melhorar significativamente a QoE, se comparado com as técnicas disponíveis atualmente.

Abstract: The television transmitted over the IP protocol (IPTV) is one of the most promising technologies to deliver multimedia, allowing a high level of interactivity with the user and integration with the Internet. The transmission of real time multimedia streams requires service guaranties, such as low packet loss, bandwidth, low delay and jitter, to ensure a good level of QoE (Quality of Experience) to the user. This dissertation proposes the use of a priority packet discard strategy along with a payload recognizer, implemented with Artificial Neural Networks (ANN), to avoid dropping packets carrying relevant information to the image reconstruction. The implementation of the packet classifier was done using the neural network simulator JavaNNS (Java Neural Network Simulator). The performance of the proposed method was evaluated by computer simulations of several video's streaming. The videos employed are publicly available. A queue simulator was implemented in C language with the proposed method and the packet payload classifier. The quality of experience was obtained by the MOS (Mean Opinion Score), evaluated with the Evalvid tools. The results indicate that the proposed method can significantly improve the QoE, if compared with the currently available techniques.