Adaptation de contexte basée sur la qualité d'expérience dans les réseaux internet du futur

Context Adaptation based on Quality of Experience in Next Generation Network

• Auteur / Autrice : Wael Cherif
• Direction : Gerardo Rubino, Adlen Ksentini
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 19/06/2013
• Etablissement(s) : Rennes 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes)
• Partenaire(s) de recherche : PRES : Université européenne de Bretagne (2007-2016)

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Internet

Qualité d'expérience (télécommunications)

Qualité de Service (télécommunications)

Mots clés libres

Qualité d'expérience

IPTV

VoIP

MPEG

SVC

Réseau de neurones

PSQA

Quality of Experience

IPTV

VoIP

MPEG

SVC

Artificial Neural Network

PSQA

Résumé

Pour avoir une idée sur la qualité du réseau, la majorité des acteurs concernés (opérateurs réseau, fournisseurs de service) se basent sur la Qualité de Service (Quality of Service). Cette mesure a montré des limites et beaucoup d’efforts ont été déployés pour mettre en place une nouvelle métrique qui reflète, de façon plus précise, la qualité du service offert. Cette mesure s’appelle la qualité d’expérience (Quality of Experience). La qualité d’expérience reflète la satisfaction de l’utilisateur par rapport au service qu’il utilise. L’évaluation de la qualité d’expérience est devenue primordiale pour les fournisseurs de services et les fournisseurs de contenus. Cette nécessité nous a poussés à innover et mettre en place des nouvelles méthodes pour estimer la QoE. Dans cette thèse, nous travaillons sur l’estimation de la QoE dans le cas des communications Voix sur IP et dans le cas de la vidéo sur IP. Nous étudions les performances et la qualité des codecs iLBC, Speex et Silk pour la VoIP et les codecs MPEG-2 et H.264/SVC pour la vidéo sur IP. Nous étudions l’impact que peut avoir la majorité des paramètres réseaux, des paramètres sources (au niveau du codage) et destinations (au niveau du décodage) sur la qualité finale. Afin de mettre en place des outils précis d’estimation de la QoE en temps réel, nous nous basons sur la méthodologie Pseudo-Subjective Quality Assessment. La méthodologie PSQA est basée sur un modèle mathématique appelé les réseaux de neurones artificiels. En plus des réseaux de neurones, nous utilisons la régression polynomiale pour l’estimation de la QoE dans le cas de la VoIP.

Quality of Experience (QoE) is the key criteria for evaluating the Media Services. Unlike objective Quality of Service (QoS) metrics, QoE is more accurate to reflect the user experience. The Future of Internet is definitely going to be Media oriented. Towards this, there is a profound need for an efficient measure of the Quality of Experience (QoE). QoE will become the prominent metric to consider when deploying Networked Media services. In this thesis, we provide several methods to estimate the QoE of different media services: Voice and Video over IP. We study the performance and the quality of several VoIP codecs like iLBC, Speex and Silk. Based on this study, we proposed two methods to estimate the QoE in real-time context, without any need of information of the original voice sequence. The first method is based on polynomial regression, and the second one is based on an hybrid methodology (objective and subjective) called Pseudo-Subjective Quality Assessment. PSQA is based on the artificial neural network mathematical model. As for the VoIP, we propose also a tool to estimate video quality encoded with MPEG-2 and with H.264/SVC. We studied also the impact of several network parameters on the quality, and the impact of some encoding parameters on the SVC video quality. We tested also the performance of several SVC encoders and proposed some SVC encoding recommendations.