Stratégies pour le streaming adaptatif sur réseau mobile informées par la couche physique

par Theodoros alexandros Karagkioules (Theo)

Projet de thèse en Réseaux, information et communications

Sous la direction de Cyril Concolato.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne) , en partenariat avec Laboratoire de Traitement et Communication de l'Information (laboratoire) , TSI/MM : Multimédia (equipe de recherche) et de Télécom ParisTech (établissement de préparation de la thèse) depuis le 01-02-2017 .


  • Résumé

    HTTP Adaptive Streaming (HAS) représente la norme de facto pour le streaming multimédia sur Internet. Standardisé comme MPEG-DASH et largement déployé par les principaux prestataires de services, le HAS fournit une solution efficace pour adapter le débit en continu au débit actuel d'un réseau. Au cœur de cette solution sont les soi-disant HAS politiques - algorithmes de contrôle pour choisir dynamiquement le débit en fonction de variables telles que le débit TCP et play-out état tampon. Bien que l'adaptation à ces paramètres de couche d'application fonctionne suffisamment bien pour les réseaux fixes, elle s'est révélée inefficace au niveau du bord. Ici, l'utilisateur typique est connecté via une technologie sans fil comme WiFi ou LTE, qui sont très touchés par la congestion et la mobilité. Une fois que l'utilisateur devient mobile, la charge et l'état du canal commencent à changer rapidement dans le temps, ce qui entraîne une fluctuation de la capacité de la liaison sans fil. En s'adaptant à cette variation rapide à l'échelle de temps importante de la couche d'application, les politiques HAS conventionnelles ne peuvent pas réagir assez rapidement pour éviter efficacement des pertes de tampon et des pertes de qualité supplémentaires. Au moment où une politique HAS constate un débit TCP insuffisant, la couverture du signal mobile est déjà perdue et la diminution du débit en continu ne peut éviter une sous-exécution du tampon de lecture de l'utilisateur. Pour s'adapter plus rapidement, les politiques HAS récentes utilisent de nouvelles informations à partir des couches de protocole inférieures, telles que l'état de canal sans fil à partir de la couche physique (PHY) et les concessions de planification à partir du contrôle de liaison de données (DLC). Sur la base de ces informations inter-couche, les politiques HAS peuvent s'adapter à une observation plus directe du canal sans fil et à des indicateurs explicites de la charge du réseau. Les deux fournissent des décisions plus rapides et plus faciles à gérer que les informations sur les couches d'application. Cependant, le franchissement des couches n'est pas sans problèmes. Bien que certaines mesures, telles que la puissance de signal reçue, soient facilement disponibles à la couche d'application dans des dispositifs mobiles, d'autres variables critiques, telles que la subvention de planification, ne peuvent pas être facilement obtenues. De plus, l'adaptation à la dynamique élevée de la charge et du canal dans un scénario mobile peut conduire à des décisions instables et oscillantes. Concevoir des politiques HAS qui évitent ces problèmes tout en offrant une adaptation efficace à la mobilité des utilisateurs est un domaine de recherche prometteur. Les approches transversales initiales ont montré des résultats prometteurs, mais une exploration plus systématique est nécessaire.

  • Titre traduit

    PHY-Informed Policies for HTTP Adaptive Streaming in Mobile Networks


  • Résumé

    HTTP Adaptive Streaming (HAS) represents the de-facto standard for media streaming in the Internet. Standardized as MPEG-DASH and widely deployed by major service providers, HAS provides an effective solution to adapt the streaming rate to the current throughput of a network. At the core of this solution are so-called HAS policies –- control algorithms to dynamically choose the streaming rate according to variables such as TCP throughput and play-out buffer state. While adapting to these application-layer parameters works sufficiently well for fixed networks, it has shown to be ineffective at the edge. Here, the typical user is connected via a wireless technology such as WiFi or LTE, which are highly affected by congestion and mobility. Once the user becomes mobile, load and channel state start to change rapidly over time, thus, causing the capacity of the wireless link to fluctuate. By adapting to this rapid variation at the large time scale of the application layer, conventional HAS policies cannot react fast enough to efficiently avoid buffer under-runs and further quality losses. By the time a HAS policy observes insufficient TCP throughput, mobile signal coverage is already lost and decreasing the streaming rate cannot avoid an under-run of the user's play-out buffer. To adapt faster, recent HAS policies are using new information from the lower protocol layers, such as wireless channel state from the Physical Layer (PHY) and scheduling grants from the Data Link Control (DLC). Based on such cross-layer information, HAS policies can adapt to a more direct observation of the wireless channel and to explicit indicators of network load. Both provide faster and more tractable decisions than application-layer information alone. However, crossing layers is not without problems. While some measurements, such as the received signal power, are readily available at the application layer in mobile devices, other critical variables, such as the scheduling grant, cannot be easily obtained. Moreover, adapting to the high dynamics of load and channel in a mobile scenario can lead to unstable and oscillating decisions. Designing HAS policies that avoid these issues while, at the same time, providing an efficient adaptation to user mobility is a promising new research field. Initial cross-layer approaches have shown promising results but a more systematic exploration is required.