Submitted by Edisangela Bastos (edisangela@ufpa.br) on 2017-01-26T12:52:53Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertacao_MetricasQoeQos.pdf: 29372809 bytes, checksum: ff5e9fc4e17b5ea7d8b929e0eb044e1e (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-01-26T13:07:51Z (GMT) No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertacao_MetricasQoeQos.pdf: 29372809 bytes, checksum: ff5e9fc4e17b5ea7d8b929e0eb044e1e (MD5) / Made available in DSpace on 2017-01-26T13:07:51Z (GMT). No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertacao_MetricasQoeQos.pdf: 29372809 bytes, checksum: ff5e9fc4e17b5ea7d8b929e0eb044e1e (MD5)
Previous issue date: 2015-03-30 / A evolução das aplicações em redes sem fio tem crescido nos últimos anos,
devido ao aumento do número de usuários de smartphone, tablets e outros. A
disponibilidade de serviços exigentes, como a transmissão de vídeo, afeta a Qualidade
de Experiência (QoE) e Qualidade de Serviço (QoS) provida aos usuários domésticos e
comerciais, isto tem estimulado ao estudo de novas técnicas de gerência de recursos de
redes, tendo como objetivo proporcionar serviços com qualidade a um cliente cada vez
mais exigente. Essa dissertação apresenta uma metodologia de Inteligência Artificial,
utilizando uma Rede Bayesiana, com uma estratégia híbrida de avaliação analisando o
comportamento de métricas de QoE e QoS, no projeto de redes locais sem 50. Para isto
houve a necessidade da realização de campanhas de medições, para a geração de uma
base de medidas reais, e com o artificio da simulação utilizando uma Radial Base
Function (RBF), realizou-se a extensão dos dados, para que tivesse o volume de dados
ideal para inserção na Rede Bayesiana. A diversidade do local de medições escolhido,
composto de materiais como: tijolo, vidros, madeiras e concreto. Foi necessário realizar
previamente um mapeamento de todos os pontos a serem medidos, posicionando
propositalmente antes e depois de cada barreira ultrapassada pelo sinal. As Métricas
como nível de sinal Receiver Signal Strength Intensity (RSSI), Jitter, atraso fim a fim
da rede durante a transmissão do vídeo, PeakSígnal-to-NoíseRatío (PSNR) e Structural
Símz'larízj/ (SSIM) foram coletadas durante as medições realizadas. E utilizando a Rede
Bayesiana foram feitas inferências para cada métrica e foi possível encontrar resultados
satisfatórios para que a solução proposta auxilie o planejamento de redes sem fio em
ambientes indoor. Possibilitando demonstrar que até 10 metros de distância do
transmissor, o sinal tem sua melhor potência, e a métrica de atraso fim a fim tem mais
de 65% de probabilidade de esta na menor faixa de atraso e acompanhando este ótimo
desempenho o Jítter tem mais de 65% de probabilidade de esta na menor faixa. E as
métricas de QoE, PSRN e SSIM possuem um comportamento similar e tem mais de
80% de probabilidade de obter seu maior valor, e consequentemente o vídeo tem a sua
melhor qualidade de recepção. Resultados estes demonstram que não exclui a
possibilidade do uso desta proposta em outras situações. / The evolution of applications on wireless networks has grown in recent years, due to
the increased number of smartphone users, tablets and others. The availability of
demanding services such as video transmission, affects Quality Experience (QoE) and
Quality of Service (QoS) provided to domestic users and trade, this had stimulated the
study of new resource management techniques networks, aiming to provide quality
services to a customer each increasingly demanding. This thesis presents a
methodology Intelligence Artificial using a Bayesian network with a hybrid evaluation
strategy analyzing the behavior metrics QoE and QoS in the LAN network design
wireless. The diversity of the place of Measurements chosen compound materials such
as brick, glass, wood and concrete. It was necessary first to map all the points to be
measured before and after deliberately placing each barrier outdated the signal. Metrics
as level Receiver Signal Strength Intensity signal (RSSI) Jitter, delay end to end
network for the video transmission, PeakSignal-to-NoiseRatio (PSNR) and Structural
Similarity (SSIM) were collected during the Measurements. And using the Bayesian
Network inferences were made for each metric and could not find satisfactory results
for the proposed solution assist the wireless network planning in indoor environments.
Enabling demonstrate that up to 10 meters away from the transmitter, the signal has its
best power, and delay metrics in order to have more than 65% probability that the lower
delay range and following this optimum performance the Jitter has more than 65%
probability in this lower range. And the QE metrics, PSRN and SSIM have a similar
behavior and has more than 80% probability of getting your greater value, and
consequently the video has its best reception. These results show that does not preclude
the use of this proposal in other situations.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpa.br:2011/7416 |
Date | 30 March 2015 |
Creators | CARVALHO, André Augusto Pacheco de |
Contributors | CAVALCANTE, Gervásio Protásio dos Santos |
Publisher | Universidade Federal do Pará, Programa de Pós-Graduação em Engenharia Elétrica, UFPA, Brasil, Instituto de Tecnologia |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFPA, instname:Universidade Federal do Pará, instacron:UFPA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds