You are on page 1of 62

UNIVERSIDADE FEDERAL DO PARÁ

INSTITUTO DE TECNOLOGIA
FACULDADE DE ENGENHARIA DA COMPUTAÇÃO E TELECOMUNICAÇÃO
CURSO DE ENGENHARIA DA COMPUTAÇÃO

HUGO ALEXANDRE OLIVEIRA DA CRUZ

ANÁLISE DE MÉTRICAS DE QoS PARA PREDIÇÃO DE QoE UTILIZANDO A
TÉCNICA NEURO-FUZZY EM TRANSMISSÃO DE VÍDEO EM REDES WI-FI

UFPA / ITEC
Belém – Pará - Brasil
2016

HUGO ALEXANDRE OLIVEIRA DA CRUZ

ANÁLISE DE MÉTRICAS DE QOS PARA PREDIÇÃO DE QOE UTILIZANDO A
TÉCNICA NEURO-FUZZY EM TRANSMISSÃO DE VÍDEO EM REDES WI-FI

Trabalho de Conclusão de Curso apresentado à Faculdade
de Engenharia da Computação e Telecomunicação do
Instituto de Tecnologia da Universidade Federal do Pará
para obtenção do grau de Bacharel em Engenharia da
Computação.
Orientador: Allan dos Santos Braga
Coorientador: Gervásio Protásio dos Santos Cavalcante

UFPA / ITEC
Belém – Pará - Brasil
2016
2

HUGO ALEXANDRE OLIVEIRA DA CRUZ

ANÁLISE DE MÉTRICAS DE QOS PARA PREDIÇÃO DE QOE UTILIZANDO A
TÉCNICA NEURO-FUZZY EM TRANSMISSÃO DE VÍDEO EM REDES WI-FI

Trabalho de Conclusão de curso submetido à avaliação da Faculdade de
Engenharia da Computação e Telecomunicação, do Instituto de Tecnologia da
Universidade Federal do Pará, julgado em ______________ para obtenção do grau de
Bacharel em Engenharia da Computação, sendo aprovado em sua forma final com
conceito _____________________.

_____________________________________________________________
Prof. Msc. Allan dos Santos Braga
(ORIENTADOR – MAURÍCIO DE NASSAU)
_____________________________________________________________
Prof. Dr. Gervásio Protásio dos Santos Cavalcante
(COORIENTADOR - UFPA)
_____________________________________________________________
Prof. Drª Jasmine Priscyla Leite de Araújo
(MEMBRO – UFPA)
_____________________________________________________________
Prof. Drª Simone da Graça de Castro Fraiha
(MEMBRO – UFPA)
_____________________________________________________________
Prof. Msc. João Victor Costa Carmona
(MEMBRO – UNIFESSPA)
____________________________________________________________
Prof. Dr. Francisco Carlos Bentes Frey Muller
(DIRETOR DA FACULDADE DE ENGENHARIA DA COMPUTAÇÃO)
3

principalmente Fabrício da Silva e Adriano Moraes que. contribuíram na realização desse trabalho. Gostaria também de agradecer à minha turma da graduação. Aos meus amigos da turma de eletrônica 2006 do CEFET-PA. pela educação. pelo bom convívio e suporte. primos). Aos professores da Faculdade de Computação e Telecomunicações (FCT) que com os seus ensinamentos contribuíram para a realização deste trabalho. confiança e orientação. Hugo Alexandre Oliveira da Cruz 4 . Ao professor Gervásio Cavalcante. A todos. por sua confiança. amor e por todo o suporte necessário em todos os momentos da minha vida. que de uma forma indireta. professor Allan Dos Santos Braga. contribuíram na realização desse trabalho. criação. pelo amor e carinho. pela oportunidade dada a mim para a realização desse trabalho. permitindo com sua grande experiência a coorientação deste trabalho. tornando possível este trabalho. especialmente os meus amigos Andrey Silva e Waldiney Barros. Ao Laboratório de Computação e Telecomunicações (LCT) e seus integrantes. tornando possível a produção deste trabalho. E a todos os demais membros da minha família (tios. A minha irmã Mayara Alexandra Oliveira da Cruz. estando sempre presentes em todas as situações. diretamente ou indiretamente. pela amizade. A Universidade Federal do Pará.AGRADECIMENTOS Aos meus pais Alberto Pereira da Cruz e Denice Oliveira da Cruz. contribuindo na formação do meu caráter. meu mais sincero obrigado. tias. motivação e liderança. Ao meu orientador. pelo apoio e compreensão ao longo dos anos. pela excelente infraestrutura e ajuda prestada.

números de paredes e pisos de diversos materiais e o espalhamento das ondas de rádio. que foram aplicadas no trabalho e a terceira etapa refere-se ao desenvolvimento de um Sistema de Inferência Fuzzy (FIS). Os resultados obtidos dos dados medidos e os preditos apresentam uma taxa erro aceitável. na qual foram realizadas medições. com o objetivo de analisar o comportamento de métricas de QoS (Qualidade de Serviço) e QoE (Qualidade de Experiência) em transmissões de vídeo em ambientes indoor. padrão 802. Video. visando à incorporação em um sistema o conhecimento explícito de especialistas e o conhecimento implícito inerente a um conjunto de dados. Wireless Fidelity. que utiliza uma técnica de inteligência computacional. que consistem na transmissão e recepção de vídeos através de uma rede Wireless Fidelity (Wi-Fi). a segunda etapa está relacionada com o tratamentos dos dados obtidos na fase anterior para extração das métricas de QoS e QoE. que leva em consideração alguns fatores que influenciam na propagação do sinal indoor: arquitetura dos prédios. disposição de móveis no interior dos compartimentos. métricas de QoS (jitter. perda de pacotes. mostrando que o sistema de predição em questão tem muito potencial. SSIM (structural similarity) e VQM (Vídeo Quality Metric) a partir dos parâmetros de entrada. A pesquisa aconteceu em três etapas: a primeira é referente à aquisição de dados. Palavras-chave: Predição. Métricas de QoE e QoS. 5 . possibilitando a predição de métricas de QoE. chamada Neuro-Fuzzy que combina redes neurais artificiais (RNA) e Lógica Fuzzy (LF). A metodologia adotada é baseada na abordagem cross-layer.11g em um ambiente indoor especifico. sistemas que requerem o conhecimento prévio do ambiente no qual será implantado. como a PSNR (Peak signal-to-noise ratio).RESUMO Este trabalho consiste em auxiliar o planejamento de sistemas de comunicações móvel indoor. é necessária a exatidão na análise do sinal através de uma abordagem empírica estatística. atraso). que demonstra o impacto da camada de rede em relação à camada de aplicação. Para tanto. pois o aumento do conjunto de dados de treinamento possibilita a diminuição do erro na predição das métricas de QoE.

demonstrating the impact of the network layer to the application layer. Video.ABSTRACT This work is to assist the planning of indoor mobile communications systems. which takes into account some factors that influence the spread of indoor signal: architecture of the buildings. The second step relates to the treatment of the data obtained in the previous step for the extraction of measurements of QoS and QoE. consisting of the transmission and reception of videos via a Wireless Fidelity network (Wi-Fi). which uses a computational intelligence technique called Neuro-Fuzzy combining artificial neural networks (ANN) and Fuzzy Logic (LF). Therefore. packet loss. seeking the incorporation into a system the explicit expert knowledge and tacit knowledge inherent in a data set. arrangement of furniture inside the compartments. number of walls and floors of different materials and the scattering of radio waves. The results of the measured data and the predicted present an acceptable error rate. in which measurements were performed. it is necessary accuracy in signal analysis through an empirical statistical approach. delay). The research took place in three stages: the first is related to the acquisition of data. that have been applied to the job and the third stage relates to the development of a Fuzzy Inference System (FIS). metrics QoS (jitter. The methodology is based on cross-layer approach. in order to analyze the QoS metrics behavior (Quality of Service) and QoE (Quality of Experience) in video transmissions in indoor environments.11g standard in a particular indoor environment . Keywords: Prediction. Metrics QoE and QoS. systems that require prior knowledge of the environment in which it is deployed. 6 . enabling the prediction of QoE metrics such as PSNR (Peak Signal-tonoise ratio). SSIM (structural similarity) and VQM (Video Quality Metric) from input parameters.Wireless Fidelity. 802. showing that prediction system in question has much potential as the increase of the training data set decreases the error in the prediction of the QoE metrics.

.................................4..................................................13 1.................................................................................................28 4........................13 1.............................13 1.............2.............1............27 4..2...............................3........................2..........28 7 ........................15 2..................................VÍDEO E IMAGEM DIGITAL..............3................ Perdas de pacotes........................................28 4........ Wi-Fi 802..................................................................................................... CODEC com Perdas.......3..........3.......2................................26 3.. Motivação................... Formato YUV.REDES DE COMPUTADORES..........13 1......................22 3. Amostragem e Quantização...................................................................................... Formato de Pixels.................................................. Justificativa..........................................2......1.14 CAPÍTULO 2 ..XI CAPÍTULO 1 ......................................................................................................1.....INTRODUÇÃO...X LISTA DE SIGLAS. AVALIAÇÃO DE QUALIDADE DE VÍDEO....................................................................... MÉTRICAS DE DESEMPENHO DE QoS E QoE....................SUMÁRIO AGRADECIMENTOS................................................................22 3......... Métricas de QoS (Qualidade de Serviço)..............3...264 / MPEG-4............15 2........25 3.............2...... Definição de redes de computadores. Formato RGB.................................. H..............................1...............................................................................................1......1.....................1...........................................24 3..............................16 2..................IV RESUMO..........................................V ABSTRACT..................18 CAPÍTULO 3 ......2.2.........1...............................................15 2........ CODEC DE VÍDEO.........22 3........................................................... História das Redes de Computadores.....1.............4.....................................................................25 3.................IX LISTA DE TABELAS..23 3....................................................17 2............ Objetivo.... CODECs sem Perdas......................................... Classificação das Redes Quanto à Extensão Física....................................................................................27 4............. Organização do trabalho........................................................................... Modelos de Camadas OSI................AVALIAÇÃO DE DESEMPENHO.............1................1...............................................1...................3.......................26 CAPÍTULO 4 ......................................11 (WLAN)...5....................VI LISTA DE FIGURAS...................................................................2.......................

..................... TRATAMENTOS DE DADOS..1..................................................................4...................CONSIDERAÇÕES FINAIS E PERSPECTIVAS DE TRABALHOS FUTUROS......37 6... Cenário das Medições.........................31 CAPÍTULO 5 .......3........................... Metodologia das Medições..............1...........40 6................33 5...............32 5.....................3......................................29 4............ Iperf............................ Sistema Neuro-Fuzzy (SNF)........... Jitter..44 6........... Ferramentas Utilizadas nas Medições..............................1..........1................................................53 CAPÍTULO 8 ...................38 6...........1...................................1.............. Descrição da Configuração do Adaptative Neuro Fuzzy Inference System (ANFIS).......................................................46 CAPÍTULO 7 ....... Vídeo Utilizado...........1...................1....................3..3......37 6........30 4.................3....2...1........................................1............1............. MSU Video Quality Measurement Tool.......................................30 4......................... SSIM.................................2.............................................3.....................................................................32 5.......1. Matlab...................2.......................... Redes Neurais Artificias (RNA)...................... Adaptive Network Fuzzy Inference System (ANFIS)..................................... Ferramentas Utilizadas no Tratamento dos Dados................................43 6.............. Metodologia do Tratamento dos Dados............................................................28 4...........................................2........ PSNR....49 7.......................1............2.......43 6.............3.......................................1...........................INTELIGÊNCIA COMPUTACIONAL.................39 6................1..........................4.......................29 4........................................3......................1..2....... PSNR (Peak Signal Noise Ratio)..........37 6...............................39 6............................1.....56 8 .................................... VQM (Vídeo Quality Metric)..............................................3.............34 CAPÍTULO 6 .....42 6............................................................................. Atraso.............................. Lógica Fuzzy (LF)..49 7.2...........................................................3.. WirelessMon.............................................................1................2.......1.........................29 4........2.....2................... VQM................................................................ Métricas de QoE (Qualidade de Experiência):........1..1........................................1............2... CAMPANHA DE MEDIÇÕES.................................1...38 6..51 7................32 5............................2............................................ SSIM (Structural Similarity Index)......1...............2................RESULTADOS......43 6.4... EvalVid..........3......................................3.............. Melhores valores...........................METODOLOGIA........2....2..37 6....

.................23 Figura 3.........................45 Figura 6.......................................................................Equipamentos utilizados na aferição......................................1 ...........................3 ........................................................8 – Programa MSU em funcionamento..54 9 ...............34 Figura 6......49 Figura 7.........Representação do ANFIS em camadas.....2 ..................................48 Figura 7.....43 Figura 6.......6 ....................Representação do espaço amostral da paleta de cores RGB.........2 .........Classificação de redes de computadores quanto a sua extensão física....................................58 LISTA DE FIGURAS Figura 2.php....Quadros do vídeo utilizado............... Fonte: [15] ....................................44 Figura 6........11 ....... Fonte: [15].................................5 – Esquema do cenário de medições...................Gráfico comparativo entre VQM real (Medido) e VQM simulado (Predito) ..........................................................38 Figura 6...............4 .............46 Figura 6....Gráfico comparativo entre SSIM real (Medido) e SSIM simulado (Predito) ...................................................................47 Figura 6...................3 .......+WAN..............................Características do Sistema de Inferência Fuzzy.....5.........7 ........................................wikispaces.................40 Figura 6..transcortec.......................1 ........Gráfico comparativo entre PSNR real (Medido) e PSNR simulado (Predito) .......17 Figura 3.1................................. Fonte: http://es........org/wiki/YUV............. Fonte: http://www................................................ Fonte: [15] ..................2 ..................................Ilustração básica da utilização do software MSU.... Fonte: https://wirtschaftsinformatik-bkal. representada na gama de cores RGB.............................com............com/LAN...................41 Figura 6.........42 Figura 6.9 – Programa EVALID em funcionamento e logs saída do mesmo...............................................................................................24 Figura 5...........................................1 ...........+WLAN..............51 Figura 7.........39 Figura 6.wikipedia...... Fonte: [15]. Fonte: [15]..............Programa Wirelessmon em funcionamento e o log da aferição.......................................................................................REFERÊNCIAS...................................Software MATLAB.......br/interface-hdmi......................10 – Representação do Sistema Neuro-Fuzzy......................................Exemplo de plano de cor UV Y '= 0..................Cenário onde foi realizado a campanha de medições..1 ..................

...... valores de SSIM Reais x Simulados................Padrões 802.......52 Tabela 7...................Parâmetros de entrada ANFIS....................................................................Medidas de Dispersão da SSIM......... e suas características [3]....... valores de PSNR Reais x Simulados..............1 ....Parâmetros de entrada ANFIS.20 Tabela 3.53 Tabela 7.....LISTA DE TABELAS Tabela 2...1 .......16 Tabela 2...........11 mais comuns................55 10 ..................................3 .Medidas de Dispersão da PSNR.... valores de VQM Reais x Simulados........31 Tabela 7..2 ................Melhores valores esperados para cada métrica..............................5 ..............................50 Tabela 7.4 .................54 Tabela 7....51 Tabela 7......Modelo OSI.2 .........Parâmetros de entrada ANFIS.............6 ..................................1 ..............Medidas de Dispersão da VQM.....

International Telecommunication Union .Advanced Research Projects Agency CODEC .Lógica Fuzzy MAN .Adaptive Network Based Fuzzy Inference System ARPA .Telecommunication Standardization Sector LAN .Institute Of Electrical And Electronics Engineers ISM .Redes Neurais Artificiais RR .Moving Picture Experts Group NR .Peak Signal To Noise Ratio QoE .Industrial Scientific And Medical ISO .Metropolitan Area Network MPEG .Reduced Reference 11 .Open Systems Interconection PSNR .Codificador/Decodificador FIS .No-Reference OSI .Local Area Network LF .International Telecommunication Union ITU-R .Fuzzy Intelligent System FPS .LISTA DE SIGLAS ANFIS .Qualidade De Experiência QoS .Frames Per Seconde FR .Full Reference IEEE .International Organization For Standardization ITU .Qualidade De Serviço RNA .

Voice Over Internet Protocol VQM .Worldwide Interoperability For Microwave Access WLAN .Universidade Federal Do Pará U-NII .Structural Similarity Index TCP .Video Quality Metric WAN .Wireless Local Area Network 12 .Unlicensed National Information Infrastructure VoIP .Transmissor UDP .Receptor SSIM .Wireless Fidelity WiMAX .Wide Area Network WI-FI .Rx .Transmission Control Protocol Tx .User Datagram Protocol UFPA .

Portanto.3. a fim de predizer métricas de QoE (PSNR. Além disso. atraso). Justificativa Considerando a importância das aplicações que envolvem tráfego de conteúdo multimídia em redes sem fio. notamos uma massificação do acesso às redes sem fio. tornam-se necessários estudos que considerem o comportamento das métricas de avaliação da qualidade de vídeo. vídeo.Capítulo 1 . sobretudo redes Wi-Fi (Wireless Fidelity).2.INTRODUÇÃO 1. é analisar o comportamento de métricas de QoS e QoE em transmissões de vídeo através de redes sem fio (802. 13 . 1. tais estudos podem ser alcançados por meio de uma metodologia que represente melhor os fatores: perda de propagação e os comportamentos das métricas de qualidade de serviços oferecidos pela rede e consequentemente a qualidade de serviço fornecida ao usuário. como VoIP (Voice over Internet Protocol). mobilidade e serviços em qualquer lugar e a qualquer hora. implicando na necessidade de otimização das redes WLAN (Wireless Local Area Networks).1. jogos online serão prioridades para que a demanda seja atendida. há uma grande necessidade de serviços banda larga devido à demanda por alta velocidade.11g) em ambientes indoor. Objetivo O principal objetivo. 1. SSIM e VQM) tendo como parâmetros de entrada métricas de QoS (jitter. a fim de evitar gargalos e/ou sobrecargas. divulgado em 2014. que são fundamentais. O relatório Measuring the Information Society Report do ITU (International Telecommunication Union) [1]. indica que o aumento citado anteriormente inclui usuários de redes banda larga. aplicações multimídia. perda de pacotes. Motivação Atualmente. tanto para os usuários quanto para os projetistas e profissionais desses sistemas. Assim.

1. Capítulo 8: apresentação das considerações finais do autor e os trabalhos futuros a serem desenvolvidos.4. 14 . Capítulo 3: apresentação da fundamentação sobre Vídeo Digital e suas  especificidades. explicando através de modelo em camadas. tratamento dos dados obtidos e as ferramentas que foram  utilizadas. Organização do trabalho O trabalho está organizado da seguinte maneira:  Capítulo 2: introdução a redes de computadores e seu histórico. Capítulo 4: apresentação das métricas utilizadas para avaliar o desempenho da rede. Capítulo 6: explicação acerca das técnicas de inteligência computacional  empregadas no desenvolvimento do trabalho. Capítulo 5: apresentação da metodologia utilizada na campanha de medições. utilizadas para avaliar  os vídeos antes e depois das transmissões. Capítulo 7: apresentação dos resultados obtidos na predição das  métricas em relação aos valores medidos com os valores preditos. na transmissão e recepção do vídeo. a qual foi utilizado no  desenvolvimento do trabalho. aprofundando-se na tecnologia WI-FI (Wireless Fidelity). bem como as métricas de avaliação da qualidade do vídeo.

Em 1964. é quando há pelo menos dois ou mais computadores e ou dispositivos interligados entre si de modo a poderem compartilhar recursos físicos e lógicos [1]. J. a Universidade da Califórnia em Los Angeles. Licklider foi contratado e desenvolveu um grupo de trabalho o qual ele chamou de a "Rede Intergaláctica". um precursor da ARPANET [2]. História das Redes de Computadores As redes de computadores surgiram da necessidade de comunicação entre máquinas calculadoras e computadores da época.2. de maneira independente. Esta conexão de sistemas de saída como teletipos a computadores era um interesse na Advanced Research Projects Agency (ARPA) quando. George Stibitz usou uma máquina de teletipo para enviar instruções para um conjunto de problemas a partir de seu Model K na Faculdade de Dartmouth. para a sua calculadora em Nova Iorque e recebeu os resultados de volta pelo mesmo meio. a Universidade da Califórnia em Santa Bárbara e a Universidade de Utah foram conectadas com o início da rede ARPANET usando circuitos de 50 kbits/s [2]. pesquisadores de Dartmouth criaram um sistema de compartilhamento de tempo de Dartmouth para usuários distribuídos de grandes sistemas de computadores.1. C. no MIT. SRI (em Stanford).REDES DE COMPUTADORES 2. Durante a década de 1960. ou seja. R.Capítulo 2 . em 1962. que podiam ser usados em uma rede de comutação de pacotes entre sistemas de computadores. Definição de redes de computadores Uma rede de computadores é formada por um conjunto de módulos processadores capazes de trocar informações e partilhar recursos. Leonard Kleinrock. Em setembro de 1940. 15 . realizada por usuários humanos através do carregamento de instruções entre os dispositivos. conceituaram e desenvolveram sistemas de redes os quais usavam datagramas ou pacotes. em Nova Hampshire. No mesmo ano. um grupo de pesquisa apoiado pela General Electric e Bell Labs usou um computador (DEC’s PDP-8) para rotear e gerenciar conexões telefônicas. 2. Paul Baran e Donald Davies. Em 1969. interligados por um subsistema de comunicação.

expansão que foi motivada pelo crescimento nos números e tipos de usuários de redes. que serão utilizadas para promover uma interação entre a máquina-usuário (máquina destinatária e o usuário da aplicação). etc. Tabela 2. por exemplo: HTTP. POP3. SSH.As redes de computadores e as tecnologias necessárias para conexão e comunicação continuam a comandar as indústrias de hardware de computador. Ping. gerencia e termina conexões (sessões) entre aplicações. Estabelece. FTP. Telnet. pondo marcações nos dados que serão transmitidos.3. desde o pesquisador até o usuário doméstico comunicações [2]. DNS. software e periféricos.Modelo OSI Camada (Layer) Função Aplicação (Application) Corresponde às aplicações (programas) no topo da camada OSI. Atualmente. IRC. definindo como será feita a transmissão de dados. RDP. SMTP. a camada de Sessão permite que duas aplicações em computadores diferentes estabeleçam uma comunicação. SNMP. NNTP. Apresentação 6 (Presentation ) Realiza a troca de dados e a comunicação entre hosts. SIP. Cada protocolo implementa uma funcionalidade assinalada a uma determinada camada [3]. visto que o escopo da comunicação cresceu significativamente a partir da década de 1990. Esta camada também disponibiliza os recursos (protocolos) para que tal comunicação aconteça. Esta arquitetura é um modelo que divide as redes de computadores em 7 camadas hierárquicas.1 . 2. 7 5 Sessão (Session) Responsável pela estrutura de controle para a comunicação entre as aplicações. IMAP. 16 . BitTorrent. 4 Transporte (Transport) Responsável pela transferência de dados entre dois pontos de forma transparente e confiável com funções como controle de fluxo e correção de erro fim a fim. Modelos de Camadas OSI O modelo de referência OSI (Open systems interconection) foi desenvolvido pela ISO (International Organization for Standardization) como um modelo para a arquitetura de um protocolo de comunicação de dados entre computadores. redes de computadores são o núcleo da comunicação moderna. de forma a se obter camadas de abstração.

impedância da linha. Corresponde. Física (Physical) Define especificações elétricas e físicas dos dispositivos. enviando dados em toda a rede estendida e tornando a Internet possível. Em especial. define a relação entre um dispositivo e um meio de transmissão. Antes. delimitação e transmissão de quadros) e estabelece um protocolo de comunicação entre sistemas diretamente conectados. necessitou-se trocar informações entre estes módulos de processamento. e muito mais. especificações do cabo. 1 2. que serão descritas brevemente.os valores são escolhidos pelo engenheiro de rede. A camada física é responsável por definir se a transmissão poder ser ou não realizada nos dois sentidos simultaneamente. originando diversos outros tipos de rede. mas. opcionalmente. É responsável por controlar o fluxo (recepção. e também pode realizar a fragmentação e remontagem e os erros de entrega de relatório. uma rede de computadores consiste em diversos computadores que estão interligados e compartilham recursos entre si. estas redes existiam principalmente dentro de escritórios (rede local). Isto inclui o layout de pinos. temporização. assim. Este é um esquema de endereçamento lógico .4. tensões. à transmissão e à recepção do fluxo de bits brutos não-estruturados em um meio físico. corrigi erros que possam acontecer no nível físico. repetidores. com o decorrer do tempo. Roteadores operam nesta camada. tal como um cabo de cobre ou um cabo de fibra óptica. adaptadores de rede.1 [3]: 17 . hubs. 2 Enlace de dados (Data Link) Detecta e. como mostra a Figura 2. Classificação das Redes Quanto à Extensão Física Do ponto de vista da informática.3 Rede (Network) Realiza o roteamento de funções.

eram usados somente em grandes corporações. Inicialmente.  WLAN (Wireless Local Area Network) É uma rede local sem fio que usa ondas de rádio para transmissão de dados e para conexão à Internet. escola ou dentro da uma casa.+WAN. Com a diminuição dos custos dos equipamentos.  LAN (Local Area Network) Redes Locais são capazes de interligarem dispositivos presentes dentro de um mesmo espaço físico.1. no máximo. 18 . sem necessidade de usar os tradicionais cabos para conectar dispositivos. uma cidade [3].Classificação de redes de computadores quanto a sua extensão física. cuja área de abrangência corresponde a. os equipamentos para uma WLAN eram muito caros. o que pode acontecer dentro de uma empresa.  WAN (Wide Area Network) É uma rede de longa distância. sendo possível a troca de informações e recursos entre os dispositivos participantes [3].Figura 2. por isso. Fonte: https://wirtschaftsinformatik-bkal.+WLAN.com/LAN.wikispaces. ocorreu a popularização desta tecnologia para a sociedade. que conecta diversas Redes Locais dentro de algumas dezenas de quilômetros.  MAN (Metropolitan Area Network) É uma rede metropolitana. que abrange uma área como um país ou até mesmo um continente [3].

.11a (54 Mbps com 5. Sendo assim.11n (de 144 até 600Mbps com 2.6 Mbps até 866. uma das tecnologias usadas pela WLAN é o padrão de transmissão Wi-Fi. temos [4]: 19 .4 GHz)  IEEE 802. desde que não estejam muito distantes do ponto de acesso.Além disso.4 GHz)  IEEE 802.11g (54 Mbps com 2. tablets. que permite a ligação de notebooks.4 e 5GHz)  IEEE 802. Falaremos a respeitos dos padrões de redes locais sem fio mais utilizados:  IEEE 802. que concede as faixas de frequência de 900 MHz. para fins domésticos.5. regido pelo IEEE (Institute of Electrical and Electronics Engineers).11. as normas abrangem 83.4 GHz e 5 GHz como faixas de frequência licenciadas para comunicações. nas quais as faixas de frequência de ondas de rádios utilizadas nestas redes são alocadas pela ITU-R (International Telecommunication Union). 2. 2. iremos aprofundar o estudo da rede WLAN.2 GHz)  IEEE 802. comitê que define como as frequências de rádio são utilizadas na camada física e na subcamada MAC de links sem fio [4].11 (WLAN) As WLANs possibilitam conexão de uma rede de computadores por meio de ondas de rádio frequência (RF). As redes locais sem fio são baseadas no modelo padrão 802. smartphones.5 MHz de largura de banda do espectro não licenciado para o ISM (Industrial Scientific and Medical) com a faixa de 2. que está em foco neste trabalho [3]. entre outros [4]. Wi-Fi 802. Acerca dos tipos de redes de computadores que mencionamos.11ac (de 87.7 Mbps com 5GHz) Quanto à alocação de banda para as WLANs. etc.11b (11 Mbps com 2.4GHz e de 300MHz de largura de banda para o U-NII (Unlicensed National Information Infrastructure) com a faixa 5 GHz.

11a 802.725GHz .4GHz . UNII 83.7 GHz) UNII Alocação 83. 5.11g 802.350 GHz (in/outdoor).250 GHz .Padrões 802.5 MHz 300 MHz 83.5 GHz (2.11b Frequência 2400 – 2483.825 GHz (outdoor point-to-point) A tabela 2. 40 MHz 144 à 600 Mbps < 80 Mbps <160 Mbps 20. e suas características [4].2.160 Mhz CSMA/CA CSMA/CA CSMA/CA OFDM DSSS OFDM/OF DMA com MIMO OFDM/256QAM com MIMO 293 à 6992.4 GHz e 5GHz 5Ghz ISM ISM.150GHz .11ac 2400 – 2483 GHz (2. 80. De transmissão Modulação DSSS 802.5.5 MHz e 300 MHz UNII 300 MHz 3/12 12 20. e 5. a fim de compará-los: Tabela 2.2 .4) GHz 2.11 mais comuns. 40.6 Mbps <500 Mbps 20 .4GHz) Banda ISM 5150 – 5250 GHz 5250 – 5350 GHz 5725 – 5825 GHz (5.250GHz (indoor).4835GHz  U-NII: 5. Padrão 802.5.5.5 MHz 3 12 3 20 MHz 20 MHz 20 MHz 11 Mbps 54 Mbps 54 Mbps Throughput < 5 Mbps <32 Mbps < 32 Mbps MAC CSMA/CA CSMA/CA OFDM Número de canais não subpostos Largura de banda Taxa Max.11n 802.2 mostra as especificações dos cinco padrões citados anteriormente. ISM: 2.

o que provoca maior facilidade de expansão e manutenção reduzida.As redes sem fio apresentam as seguintes vantagens [4]:  Flexibilidade: dentro da área de cobertura.  Facilidade: é de fácil instalação se comparado com uma rede cabeada. dois dispositivos podem se comunicar sem restrições físicas. Neste trabalho. ela ainda é inferior se comparada com as redes cabeadas.  Segurança: os canais sem fio são mais suscetíveis. Sendo assim. que trabalhem na mesma faixa de frequência e também equipamentos elétricos. utilizaremos o padrão 802. possuem as seguintes desvantagens [4]:  Qualidade de serviço: a qualidade do serviço provido ainda é menor que a das redes cabeadas. apesar de atenderem satisfatoriamente à maioria da demanda das aplicações atuais. visto que há uma pequena banda passante devido às limitações da radio transmissão e a alta taxa de erro devido à interferência. permite que a rede alcance lugares onde os fios não poderiam chegar. pois evita a passagem de cabos através de paredes.11g. há o uso mais eficiente do espaço físico.  Baixa transferência de dados: embora a taxa de transmissão das redes sem fio cresça rapidamente. aos interceptores não desejados e interferência de outros equipamentos. acarretando em perdas de dados e alta taxa de erros na transmissão. Portanto. 21 . já que este é o padrão mais difundido comercialmente. canaletas e forros. Em contrapartida.  Diversas topologias: pode-se utilizar diversas topologia a fim de atender um objetivo especifico. devido ao fato das configurações de topologia serem facilmente alteradas.

22

Capítulo 3 - VÍDEO E IMAGEM DIGITAL
Um vídeo é uma sucessão de imagens ordenadas a um certo ritmo. O olho
humano tem a capacidade de distinguir uma certa quantidade de imagens por
segundo, fixando 24 imagens ou mais por segundo. Assim, torna-se possível
enganar a informação transmitida pelo olho ao cérebro, dando a sensação de que
estamos visualizando uma série suscetível de imagens, tornando-a um vídeo.
Podemos caracterizar a fluidez de um vídeo pelo número de imagens por FPS
(Frames per second. Em português, quadros por segundo) [5].
Outro fator relevante na exibição de um vídeo digital é a varredura de tela,
que pode ser de dois tipos:
- Varredura progressiva (Progressive Scan): uma técnica utilizada para montar o
conteúdo da tela, que "varre" a tela inteira em uma única passada, transmitindo e
exibindo todas as linhas da tela a cada atualização.
- Varredura entrelaçada (Interlaced): este modo monta em cada passagem
metade das linhas da tela, as linhas pares ou ímpares, formando a ilusão de uma
resolução maior e transmitindo apenas metade da imagem formada [5].

3.1. Formato de Pixels
Ao visualizarmos uma imagem com alto índice de aproximação, é
possível identificar pequenos quadrados coloridos nela, que, somados, formam
o desenho completo. Esses pontos, que são a menor parte de uma imagem,
levam o nome de pixels. Cada pixel pode se atribuir uma cor, sendo que o
conjunto de milhares de pixels formam a imagem inteira. Os dois formatos mais
comuns para se representar um pixel são o formato RGB e YUV, que serão
descritos a seguir [5].

3.1.1. Formato RGB
O RGB (standard RGB) é um sistema eletrônico de cores criado por
duas empresas HP e Microsoft, desenvolvido para formar cores em um monitor.
O formato de cor RGB é baseado nas três componentes de cores: vermelho
(Red), verde (Green) e azul (Blue). O modelo de cores RGB, muito popular em
23

processamento de imagens, descreve o espaço de cores com a composição de
cores aditivas (sobreposição de cores), como mostra a Figura 3.2.

Figura 3.2 - Representação do espaço amostral da paleta de cores
RGB. Fonte: http://www.transcortec.com.br/interface-hdmi.php

Cada componente de cor corresponde a certo comprimento de onda
dentro do espectro de cores: vermelho 700nm, verde 546nm e azul 436nm. Os
três componentes podem ser vistos como três vetores lineares independentes
descrevendo um espaço de cor tridimensional, sendo que cada componente de
cor é composta de 8 bits. Logo, um pixel com o formato RGB é composto por 8
bits x 3 componentes de cores = 24 bits. A origem deste espaço tridimensional
está a cor preta RGB (0,0,0) e em outro extremo a cor branca RGB
(255,255,255), sendo assim possível a formação de um espectro de cores de
mais 16 milhões (16.777.216) variando de 0 a 255 [5].

3.1.2. Formato YUV
O formato YUV é um espaço de cor tipicamente utilizados para
representar imagem colorida como mostra a Figura 3.3Error: Reference source
not found, responsável pela codificação da imagem colorida ou vídeo,
considerando a percepção humana, de modo que permite uma largura de
banda reduzida para componentes da crominância. Dessa forma, permite que
erros de transmissão ou perda de qualidade sejam despercebidos pela
percepção humana em relação ao caso da representação RGB [5].
24

Por sua vez. ou seja. Realizando a conversão para Megabytes. 3. que representa a luminância (luminosidade). Assim. torna-se possível calcular o tamanho de uma imagem em bytes. sem levar em consideração o áudio. é um modelo de representação da cor dedicado à imagem e ao vídeo. que possui como base três componentes separadas: “Y”.org/wiki/YUV. representada na gama de cores RGB.Exemplo de plano de cor UV Y '= 0. e cada pixel é caracterizado por 3 bytes que equivalem a 24 bit no padrão RGB. a informação de preto e branco. observamos que seria muito dispendiosa a transmissão de vídeos via um canal sem fio. o tamanho da imagem é dado em pixels (largura x altura). temos 26. Amostragem e Quantização Cada imagem é constituída de pixels. isto é. que são responsáveis por exprimir a cor de cada pixel. enquanto U e V representam a crominância. levando em consideração que o fluxo da imagem é mostrado a 30 quadros por segundo. 25 .3 . a informação sobre a cor [5]. 921600 bytes x 30 quadros=27648000bytes . Tomemos como exemplo uma imagem que possui 640x480 pixels. vemos que esta imagem tem o seguinte tamanho 640 pixelsx 480 pixelsx 3bytes=921600 bytes . Fonte: http://es. cada pixel é composto por um número x de byte. Sendo assim. O padrão YUV.2.Figura 3.5. anteriormente conhecido como YCrCb (Y Cr Cb).3671875 Mb por cada segundo de vídeo. Por meio destes fatores. isto é. devido à alta taxa de bytes que seria necessária. Dessa forma.wikipedia.

o novo arquivo será idêntico ao original. CODECs sem Perdas Os CODECs sem perdas codificam uma imagem para comprimir o arquivo sem alterar a imagem original. além de outros fatores [5]. surgiram maneiras de compactar e descompactar o vídeo transmitido. a robustez contra perda de dados e erros. Em relação aos CODEC. para que seja possível escolher o melhor CODEC para cada situação [5]. A partir de tudo que foi exposto.1.2.Portanto. edição e visualização podem levar facilmente a exceder as possibilidades do computador ou levá-lo ao seu limite. O problema que os CODEC pretendem resolver é situação explicada anteriormente.3. a complexidade dos algoritmos de codificação e decodificação. se o arquivo for descomprimido. Logo. Este tipo de CODEC normalmente gera arquivos codificados que são entre 50% a 75% vezes menores em relação aos arquivos originais [5]. que permite comprimir e descomprimir vídeo. pois a manipulação deste vídeo como cópia. Comumente. devemos considerar que na transmissão sem fio há uma banda muito limitada. devemos considerar alguns aspectos: o complexo equilíbrio entre a qualidade do vídeo e a quantidade de dados necessários para representá-lo. 3. existem dois tipos de básicos de CODEC: os com perdas e os sem perdas. os CODEC com perdas codificam uma imagem gerando uma certa perda de qualidade. CODEC com Perdas Por sua vez. 3. os algoritmos de compressão usados resultam em uma perda de informação. como veremos no próximo tópico. 3. imagem e áudio digitais.3. em que a informação de um vídeo é muito grande em relação à capacidade de processamento e armazenamento que um computador é capaz de suportar.3. CODEC DE VÍDEO Um CODEC (Codificador/Decodificador) de vídeo é um algoritmo. pois visam ao alcance de maiores taxas de 26 . entre outros fatores. Entretanto.

formalmente chamada por ISO/IEC 14496-10. Porém.264 / MPEG-4 O MPEG-4 é um padrão que foi utilizado primeiramente para compressão de dados digitais de áudio e vídeo (AV).2.264 é o CODEC que utilizaremos neste trabalho. Introduzido no final de 1998. visando à obtenção de mais interatividade. é a designação para um grupo de padrões de codificação de som e vídeo e tecnologia relacionada de acordo com a ISO/IEC Moving Picture Experts Group (MPEG). H.  Possibilidade de interação com a cena audiovisual gerada através do receptor. O H. 3.264 tem como principais vantagens:  Eficiência de codificação melhorada. foi lançada em maio de 2003. esta perda de qualidade é balanceada com a taxa de compressão para que não sejam criados pixels defeituosos [5]. ele é baseado no MPEG-4 Part 10 ou AVC (Advanced Video Coding). o que torna o seu uso particularmente adaptado à Web e aos dispositivos móveis [6]. fala).1.3. áudio. é um padrão para compressão de vídeo muito difundido. H. 27 . A versão final. O padrão foi desenvolvido pela ITU-T Video Coding Experts Group (VCEG) em conjunto com a ISO/IEC MPEG que formaram uma parceria conhecida por Joint Video Team (JVT) [6].  Flexibilidade a erros que tornam as transmissões robustas.compressão. O formato permite a codificação de dados multimídia sob formas de objetos numéricos.  Possibilidade de codificação de diferentes mídias (vídeo.

baseadas na percepção humana. baseadas em modelos matemáticos para estimar a média das opiniões dos usuários. que é considerado livre de distorção ou de alta qualidade: . Este trabalho avalia os vídeos por meio das métricas objetivas.NR (No-Reference) Sem Referência [9]: quando as sequências de vídeo de referência não são acessíveis (avaliação cega). função ou sistema. que variam de acordo com a disponibilidade do vídeo original. Sendo assim. 28 . isto é. Nesse sentido.Capítulo 4 . porque utilizamos duas entradas (vídeo original e vídeo degradado) para obter a qualidade de vídeo observada pelo usuário (observador).1. Desta maneira. 4. devido à utilização da transmissão de dados por meio de ondas eletromagnéticas. é perceptível visualmente que aspectos de desempenho da rede afetem aspectos da qualidade de experiência do usuário.RR (Reduced Reference) Referência Reduzida [8] quando o sinal de vídeo original não é totalmente disponível. O modelo de avaliação de vídeo utilizado no trabalho é do tipo FR [8]. estabelecendo uma comparação entre o desempenho esperado e o apresentado [7]. ou seja. AVALIAÇÃO DE QUALIDADE DE VÍDEO Sabemos que a interferência no canal afeta diretamente a qualidade do tráfego de informação na rede. que são quadros contínuos e síncronos. . as métricas objetivas são divididas em três tipos.FR (Full Reference) Referência Completa [8] quando o sinal de vídeo de referência não degradado está totalmente disponível. e as métricas subjetivas.AVALIAÇÃO DE DESEMPENHO É a metodologia que busca conhecer e medir o desempenho de algo. no caso de transmissão de vídeos. a avaliação da qualidade de vídeo pode ser feita levando em consideração as métricas objetivas. . faz-se necessário uma boa conexão para satisfazer o usuário final.

4. A perda de pacotes ocorre quando um dos pacotes não chega ao seu destino. o atraso em uma rede se caracteriza como o somatório dos atrasos impostos pela rede e pelos equipamentos utilizados na comunicação. Além disso.4. Isto pode ocorrer por falha na transmissão. Atraso De maneira geral. a latência (soma de todos os atrasos) 29 . congestionamento nos buffers ou vencimento do tempo limite para a transmissão do vídeo. Perdas de pacotes Um pacote é uma unidade formada de dados. Sob a ótica da aplicação. Logo. Por sua vez. MÉTRICAS DE DESEMPENHO DE QoS E QoE Estas duas métricas de desempenho servem para mensurar a capacidade de desempenho de um sistema. funcionando. podendo ocasionar a perda dos vários tipos de quadros utilizados na decodificação dos vídeos.1. 4. provocando maiores distorções nas métricas de QoE.1. veremos algumas métricas de QoS que foram utilizadas.2.2. ainda. 4.1.1. as perdas de pacote causam efeitos indesejáveis nos quadros dos vídeos transmitidos.2. como pequenas unidades gerenciáveis. Estes quadros são de três tipos: o tipo I (Intracoded frames). que representa imagens completas e é o mais relevante para reconstrução de um quadro.2. o tipo B (Bidirectional frames) necessita do quadro I ou P anterior e do quadro I ou P posterior para serem decodificados.2. Métricas de QoS (Qualidade de Serviço) São utilizadas para medir a robustez de uma rede de computadores. utilizado para transmitir as informações em uma rede. a perda de pacotes prejudica a qualidade do vídeo como um todo [9]. Alguns tipos de quadros são mais relevantes que outros. Já o tipo P (Predictive frames) necessita do quadro I ou P anteriores para serem decodificados. A seguir.

o mais difundido na comunidade científica. logo o tempo de chegada pode variar. A métrica PSNR é representada pela equação 1: 30 . Métricas de QoE (Qualidade de Experiência): São utilizadas para medir a satisfação do usuário em relação à aplicação. e a unidade que a representa é o dB (decibel) [12].3.2. pois o pacote pode trafegar por várias rotas e em diferentes meios. pois esse atraso é tratado pelos buffers de jitter.3. 4. definida como a média da variação do atraso entre os pacotes sucessivos de dados. o atraso dos pacotes na rede dentro do limite estabelecido pela rede pode não interferir muito na qualidade. as flutuações nas filas ou no agendamento dos atrasos nos elementos de uma rede. atualmente. quando comparamos um sinal antes e depois de um processo de degradação.1. que removem esses atrasos causados pela rede. veremos algumas métricas QoE que foram utilizadas. 4. Alguns fatores influenciam diretamente no jitter. Em alguns casos. Jitter O jitter é a variação estatística do atraso de pacotes em uma rede. sendo. PSNR (Peak Signal Noise Ratio) É um método objetivo de avaliação de qualidade de vídeos e imagens. o atraso é muito maior do que o atraso previsto e o buffer não é mais suficiente para manter a reprodução do vídeo normal. com o objetivo de balancear a capacidade entre nível de experiência do usuário (usabilidade) e custo computacional (custo financeiro). provocando interrupções na exibição do mesmo [11].3. A seguir. Esta métrica relaciona o nível máximo de potência de um sinal pelo nível de potência do ruído.resulta em um tempo de resposta (tempo de entrega da informação ou pacotes para a aplicação) [3]. 4.1. No caso de vídeo.

2. O SSIM é regido pela equação 2 mostrada a seguir: (2) Sendo x e y as dimensões de um quadro. E 2 σx e 2 σy são as variâncias de x e y respectivamente.n) do quadro t para a sequência original e degradada. Logo. isto é. dependência.3. SSIM (Structural Similarity Index) É uma métrica que compara cada quadro das sequências de vídeo original e vídeo degradado para quantificar a degradação sofrida. (m . ❑ entre x e y. Para um sinal de 8 bits/pixel. M e N: são a largura e a altura das sequências de vídeo original e vídeo degradado respectivamente. 31 .(1) L : é a faixa dinâmica dos valores de pixel. L é igual a 255. n . seus pixels apresentam espacialmente forte próximos. Estas especialmente dependências quando carregam estão informações importantes sobre a estrutura dos objetos na cena. 4. Fundamentase na ideia de que imagens naturais são altamente estruturadas. t) . e µx e µy as médias de x e y. respectivamente.n . sendo c 1 e c❑2 σ ❑xy a covariância variáveis para estabilizar a divisão com denominador. T : é o número de quadros que contém as sequências Î (m . t) : representam o pixel na posição I ( m. seu algoritmo tenta estimar a similaridade entre o vídeo original e o degradado [12].

distorção de pixel.4.3.3.Melhores valores esperados para cada métrica.VQM (Vídeo Quality Metric) A métrica objetiva de qualidade de vídeo VQM usa o vídeo original e o vídeo degradado como entradas para avaliar a qualidade de vídeo.ee 4. além de sua unidade utilizada no trabalho. a tabela 3.4.1 . Ela também mede os efeitos de percepção do vídeo (distorções de cor. % Atraso Menor melhor s (segundo) Jitter Menor melhor s (segundo) PSNR Maior melhor dB VQM Menor melhor 0a5 SSIM Maior melhor 0a1 32 . Métricas Melhores Valores Unidades Perda de Pacotes Menor melhor Porcentagem. Tabela 3.1 mostra os melhores valores para cada métrica. Melhores valores Para termos uma noção mais precisa das métricas definidas anteriormente. ruído e nível de embaçamento do vídeo). com o intuito de predizer as classificações subjetivas que seriam obtidas caso fossem feitas por meio das opiniões dos usuários [13].

por um algoritmo de aprendizado. inspirados na estrutura e operação do sistema nervoso biológico humano. etc. os quais são controlados por pesos sinápticos que se adaptam.Capítulo 5 . ou seja. as Redes Neurais são bastante efetivas no aprendizado de padrões a partir de dados não-lineares. utilizadas no desenvolvimento do trabalho. Redes Neurais Artificias (RNA) São modelos computacionais não lineares. que consistem em um grande número de unidades computacionais simples. apresentamos a fundamentação das técnicas de inteligência computacional. durante o treinamento. chamadas de neurônios. Redes Neurais e Lógica Fuzzy. Devido à sua estrutura. raciocínio. que será explicado brevemente a seguir. de processamento de informação. percepção. 33 .INTELIGÊNCIA COMPUTACIONAL Neste capitulo. incompletos. associação. As técnicas de inteligência computacional são baseadas na natureza e no desenvolvimento de sistemas inteligentes. que procuram reproduzir características humanas (aprendizado. tais como: aprendizado. generalização e abstração.). 5. que reproduzem aspectos do comportamento humano. evolução e adaptação. como. Esta área da ciência estuda a teoria e a aplicação de técnicas. com ruído e até compostos de exemplos contraditórios [14]. Cada neurônio processa os sinais de entrada da rede.1. por exemplo.

Na primeira etapa. Um sistema fuzzy é composto por quatro etapas consecutivas: fuzzificação. há defuzzificação. pouco. incompleto ou não totalmente confiável [14]. Já a etapa de inferência é realizada a partir de regras que regem o problema estudado. a etapa três é ligada à criação da base de regras. além de determinar o grau de pertinência de cada conjunto (proposição). etc. alto. tais como os conceitos de muito. base de regras e defuzzificação. 5. a Lógica Fuzzy é capaz de fornecer um mecanismo para manipular informações imprecisas. pequeno. ocorre a transformação das variáveis do problema em valores fuzzy. e representam o conhecimento necessário para a tomada das decisões. por último..2.5. limitando os valores entre 0 a 1. fornecendo uma resposta aproximada para uma questão baseada em um conhecimento que é inexato. que consiste na tradução do estado da variável de saída Fuzzy para um valor numérico. bom. quente. visando ao desenvolvimento de sistemas computacionais capazes de tomar decisões racionais em um ambiente de incerteza e imprecisão. em que os dados “semelhantes” são agrupados. inferência. utilizando os operadores lógicos AND e ou OR para definir o grau máximo e mínimo de pertinência da variável em relação a um conjunto. Esta técnica é 34 .3. Essas regras devem ser construídas com a ajuda de um especialista da área ou utilizando uma base de dados que descrevem o problema a ser resolvido. frio. dentro da faixa estipulada pela lógica Fuzzy. Por sua vez. Logo. E. Lógica Fuzzy (LF) Esta técnica objetiva modelar o modo aproximado de raciocínio humano. que relaciona as variáveis de entrada do sistema com as de saída. ocorrendo processo de união e intersecção da teoria dos conjuntos. Sistema Neuro-Fuzzy (SNF) São modelos híbridos que combinam redes neurais e lógica Fuzzy para incorporar num só sistema o conhecimento explícito de especialistas e o conhecimento implícito inerente a um conjunto de dados.

utilizada para o desenvolvimento da pesquisa em questão.3. A ideia básica de um sistema Neuro-Fuzzy é a construção de um sistema de Inferência Fuzzy (FIS). que foi criado por Roger Jang.4 . então. que serão explicadas mais adiante [16]. tornou-se um modelo popular. pois trazem vantagens tanto das redes neurais artificiais quanto de sistemas de logica Fuzzy. Além disso. que se diferenciam pelo o tipo de modelagem das características dos seus “genitores” (RNA e LF) [15]. o criador do modelo propõe alguns ajustes para possibilitar as mais diversas aplicações. 5.Representação do ANFIS em camadas. Adaptive Network Fuzzy Inference System (ANFIS) O ANFIS é um modelo de sistema Neuro-Fuzzy. utilizado com êxito em aplicações de previsão e aproximação de funções.1. as desvantagens individuais ao combinar as características comuns. numa estrutura paralela distribuída de tal forma que os algoritmos de aprendizado das redes neurais possam ser aproveitados nestes sistemas híbridos para ajustar os parâmetros do sistema de Inferência Fuzzy. Há vários modelos de Sistema Neuro-Fuzzy. A partir disso. Figura 5. A Figura 5. os sistemas Neuro-Fuzzy estão difundidos.4 apresenta a estrutura de um sistema Neuro-Fuzzy que é dividido em 5 camadas. removendo. 35 . chegando ao ponto de ser inserido no software MATLAB©. Na atualidade.

Cada nó desta camada executa a função normalização. como mostra a equação 4 [15]: (4) 36 . baseados na premissa de cada regra. Nesta etapa. Camada 1: a camada de entrada representa as variáveis de entrada. (3)  Camada 3: a terceira camada é definida pelas regras do FIS e realiza a normalização dos graus de ativação das regras. Neste caso. os quais indicam os pesos da rede para cada entrada. Cada nó ou neurônio desta camada executa a operação (*) que corresponde a operação t_norm [15]. cada entrada possui apenas duas funções de pertinência (A1 = Alto e B1 = Baixo) [15]. os intervalos de cada variável de entrada são divididos em diversos níveis (Baixo. A saída desta camada são os graus de pertinências das entradas. Médio e Alto). sendo assim calculado o grau de pertinência ao qual é submetido o consequente de cada regra. regida pela equação 3.  Camada 2: a segunda camada é a etapa de fuzzificação. a qual é utilizada como um préprocessamento para a defuzzificação. as quais são normalizadas e escalonadas dentro do intervalo numérico.

realizadas nas etapas anteriores [14]: (6) 37 . Este valor de saída é dado segundo a equação 5 [15]: (5)  Camada 5: a camada de saída é a etapa de defuzzificação. Camada 4: nesta camada. a saída de cada neurônio é calculada pelo produto da saída normalizada da camada anterior e o grau de ativação do consequente. Esta etapa é facilitada pelo cálculo das equações 4 e 5. regida pela equação 6. em que se calcula o valor numérico de saída do sistema ANFIS.

em que geralmente as funções de pertinência utilizadas são do tipo sigmoides ou gaussiana. 38 .A ideia principal do sistema ANFIS é implementar um sistema de inferência Fuzzy numa rede neural.

a fim de observar como se comporta o sinal irradiado e a degradação que sofrem os vídeos transmitidos no cenário especifico.1. CAMPANHA DE MEDIÇÕES Esta campanha de medições objetiva a obtenção de dados que descrevam como ocorre a transmissão de um vídeo em uma rede de computadores wireless.Capítulo 6 . e por seguinte houve a necessidade de tratamento destes dados obtidos. e a última etapa consistiu na configuração do ANFIS.1.1. Ferramentas Utilizadas nas Medições Por meio do conjunto de ferramentas que serão descritas neste tópico. Para o desenvolvimento deste trabalho. ou seja. utilizou-se um conjunto de ferramentas e aplicações que serão mostradas neste capitulo. 6. bem como as suas principais características utilizadas em cada etapa do processo. 6. para inserção no ANFIS.METODOLOGIA A metodologia deste trabalho pode ser dividida em três fases: campanha de medições. tendo como objetivo verificar quais influências que a camada física exerce na qualidade do serviço prestado. Para isso. foi possível realizar a transmissão de um vídeo em uma rede de computadores. Estes instrumentos foram utilizados tanto para as transmissões de vídeo 39 . tratamento dos dados e configuração do Adaptative Neuro Fuzzy Inference System (ANFIS). houve a necessidade de se obter dados referentes a medidas de uma rede de computadores real. realizar medições que serão descritas neste capítulo.

6.2.1. Vídeo Utilizado O vídeo escolhido tem duração de 20 segundos. explicaremos a respeito de cada ferramenta e suas importâncias no desenvolvimento das medições.Quadros do vídeo utilizado. apresenta intensa movimentação na imagem por toda a área do quadro [16].1. pois permite a avaliação do comportamento da rede [17]. 40 . Fonte: [16] 6. Amostras de frames do vídeo estão presentes na Figura 6.1.quanto na obtenção da potência do sinal.1. EvalVid EvalVid é um software para avaliação de métricas de QoE e QoS relacionados a vídeos e imagem digital e que possui um enorme conjunto de ferramentas utilizadas para avaliar a qualidade de vídeos transmitidos em uma rede de comunicação simulada ou real.MPEG-4 AVC Resolução: 1920x1080 Taxa de quadros: 25 Formato decodificado: Planar 4:2:0 YUV Figura 6. A utilização do EvalVid é útil para pesquisadores e projetistas de rede.5 .1. Outras configurações são dadas abaixo:     Codificação utilizada: H264 . A seguir.5.

6. que tem a dimensão de 25x11 metros. e pode rodar em diversas plataformas. entre outros.3.1. as salas possuem janelas de vidro e o outro lado é de madeira e vidro. Este programa é capaz de verificar as configurações da rede. O segundo andar do prédio.2. auxiliar na verificação de interferências. pisos. As perdas de intensidade de sinal em ambientes indoor são causadas por elementos de vários formatos e materiais como. Ele não possui interface gráfica.1.6. Unix e Windows [18]. entre outras funções [19]. logo. 41 . WirelessMon O WirelessMon é um software de monitoramento do estado do adaptador rede wireless. é constituído de seis salas com 6x8 metros cada. testar o funcionamento do equipamento de rede sem fio. As aferições foram realizadas em um dos prédios da UFPA (Universidade Federal do Pará). por exemplo.1.1. Estas características contribuem tanto de maneira positiva quanto negativa na composição do sinal recebido nos pontos de medição. mobília. Este software foi desenvolvido em C++ pela DAST (Distributed Applications Support Team) e pelo NLANR (National Laboratory for Applied Network Research). checar os níveis de intensidade do sinal.1. atraso e jitter. Iperf O Iperf é um software utilizado para testar a largura de banda. 6. verificar as configurações de segurança. necessita de linha de comando. de um lado.4. O prédio de sala de aulas é construído por paredes de tijolos e concreto. em um pavilhão de salas de aulas exibido na Figura 6. 6. incluindo Linux. pessoas. Cenário das Medições. realizando injeção de pacotes tanto TCP quanto UDP para medir o desempenho de redes de computadores. paredes. Já as cadeiras e mesas dentro das salas são constituídas de materiais plástico e metal.

Metodologia das Medições O processo de medição é constituído da transmissão do vídeo descrito anteriormente em uma rede WLAN.11g o Sistema Operacional Windows 7 Desses quatro notebooks.3. foram realizadas três transmissões a fim de obtermos uma maior precisão nos dados coletados.Figura 6. sendo coletados dados a respeito de como ocorreu a transmissão. com as seguintes características:  1 . Foram utilizados os seguintes equipamentos: um ponto de acesso. e quatro notebooks.11g o Largura do canal 20 MHz o Taxa de transmissão Máxima 54 Mbps o Potência de transmissão de Máxima 20 dBm  4 – Notebooks: o Compatíveis com o padrão 802. dois foram utilizados para transmissão e recepção do vídeo (Tx-vídeo e Rx-Vídeo) e os outros dois para utilização do tráfego concorrente (Tx-Iperf e Rx-Iperf) como mostra a Figura 6.6 .Cenário onde foi realizado a campanha de medições.Roteador SIROCO NETWORKS Wireless N broadband Router: o Modelo Evo-W301AR o Nome(SSID) “LCT_TESTE” o Canal 3 . 42 .7.2422 MHz o Modo 802. Em cada ponto medido.1. Fonte: [16] 6.

7 .txt). Nestas medições.txt) e dois no Tx-vídeo e (st. 43 . um no Rx-vídeo (rd. foi a utilizada nas transmissões do vídeo na rede. além do nível de potência recebida (dBm). coletado com o auxílio da ferramenta WirelessMon [19]. foram coletados os seguintes parâmetros e métricas durante o processo. A ferramenta EvalVid [17]. três arquivos referentes à transmissão.8 e a distância (metros) entre Tx-vídeo e Rx-vídeo [16]. como pode ser observado na Figura 6.txt e sd.Equipamentos utilizados na aferição.Figura 6.

Figura 6.1.3.9 – Esquema do cenário de medições. 44 Figura 6.1.8 . Estão marcadas as localizações dos 80 pontos divididos em 10 radiais distribuídos de forma simétrica pelo cenário. assim como a localização do ponto de acesso. Localização do ponto de acesso e dos pontos para medições. Fonte: [16] 6. .9 mostra um esquema do cenário onde foram realizadas as medições. A Figura 6.Programa Wirelessmon em funcionamento e o log da aferição.

6. podendo assim ser utilizados. em que há competição pela largura de banda disponível. os dois notebooks TX-Iperf e RX-Iperf foram utilizados para transmitir e receber a aplicação Iperf na rede. Sendo assim. Tem como intuito simular uma rede com usuários. de forma que o conteúdo dos arquivos se mantenha consistente e fiel aos dados originais. é necessário organizar e manipular esses dados de forma coerente. isto é.1. foi criada uma transmissão constante de dados utilizando o protocolo UDP de 4 Mbps [16]. é necessário realizar o tratamento a fim de extrair conhecimento e transformá-los em informação. 45 . 6. Para tanto. tendo em vista colocar em ordem ou simplesmente converter um arquivo para os diferentes tipos de formatos digitais que lhe convém. TRATAMENTOS DE DADOS Após a obtenção dos dados.2. sofreu com a concorrência da simulação de tráfego gerada pela a aplicação iperf entre Tx-Iperf e Rx-Iperf [18] na rede. Com isso aplicação de transmissão do vídeo. Tráfego concorrente na rede. Para isso.3.2.

1. utilizando as métricas: MSE.6.2. além da PSNR.1.1. A ilustração de entradas e saídas do programa é mostrada na Figura 6. É compatível com diversos formatos de vídeo [20].Ilustração básica da utilização do software MSU. PSNR. entre outras.10 .Software MATLAB . VQM. valores médios e um arquivo do tipo de vídeo com visualização da métrica.2. Figura 6. 6. será explicada detalhadamente a contribuição de cada ferramenta em relação ao desenvolvimento do processo de tratamentos dos dados obtidos nas medições.2. atraso. 6. mostrado na Figura 6. processar sinais e construir gráficos em um único ambiente [21].1.10. foi possível a obtenção dos parâmetros de QoS e QoE das transmissões do vídeo na rede de computadores. SSIM e VQM. Essas ferramentas foram utilizadas após as transmissões do vídeo.11. perda de pacotes.2. SSIM.11 . A seguir. onde o vídeo original pode ser comparado com o vídeo degrado e como saídas vários arquivos com valores por frames. que faz avaliação da qualidade do vídeo de forma objetiva. jitter. Matlab MATLAB (MATrix LABoratory) é um software interativo de alta performance voltado para o cálculo numérico. possibilitando a obtenções de métricas como. 46 Figura 6. É capaz de realizar cálculo com matrizes. Ferramentas Utilizadas no Tratamento dos Dados Através do conjunto de ferramentas que serão descritas neste tópico. MSU Video Quality Measurement Tool MSU é um software de licença gratuita de avaliação.

6. Metodologia do Tratamento dos Dados 47 .2.2.

foi necessário tratar esses dados para extrair as métricas da rede como atraso. Fonte: [16] de pacotes. é usado na reconstrução do vídeo recebido para o formato MPEG4 (. converter os arquivos reconstruídos do formato MP4 para o formato YUV através do aplicativo FFmpeg. foi utilizado o software MSU [19] exibido na Figura 6. perda Figura 6.12. e. reconstruir o vídeo transmitido para analisar o vídeo com perdas obtendo as informações importantes como número de frame.Programa MSU em funcionamento. realizando os cálculos da PSNR e do SSIM utilizando o aplicativo “psnr”. primeiramente. é possível comparar o arquivo original (sem degradação) e o arquivo reconstruído (com degradação). ainda. jitter. que é um dos softwares do conjunto de ferramentas do EvalVid.mp4). é necessário. também integrante do EvalVid. Para a obtenção da métrica VQM.A partir da obtenção dos dados brutos das transmissões feitas pelo EvalVid. atraso e jitter de frame e também as métricas de qualidade de experiência como PSNR e SSIM. ambos no formato YUV.12 . 48 . para a obtenção das métricas de PSNR e SSIM. Então. a partir dos arquivos de log gerados nas transmissões do EvalVid. Assim. o programa etmp4 (Evaluate Traces of MP4-file Transmission).

e o outro arquivo gerado é o loss. que contém informações como número de frame. há outros dois arquivos relevantes de log gerados pelo EvalVid. o arquivo delay. tendo como parâmetros de entrada métricas de QoS.txt. sendo este sistema capaz de predizer métricas QoE. 49 . Fonte: [16] Após o tratamento destes dados citados anteriormente. atraso fim a fim e jitter.13 – Programa EVALID em funcionamento e logs saída do mesmo. foi possível obter informações suficiente para a inserção em um sistema Neuro-Fuzzy.13. que possui as perdas dos pacotes ou de frames dos vídeos transmitido exibidos na Figura 6. os quais foram tratados no Matlab para extração de suas informações respectivamente.Além dos arquivos de logs utilizados na reconstrução do vídeo. flags perdidos. como será visto no tópico seguinte.txt. Figura 6.

6.14 . como mostra Figura 6. como PSNR.0). sendo que para o tipo de partição do espaço de entrada via agrupamento (subtractive cluster) especificou-se o raio de influência da função gaussiana (valor = 1. Descrição da Configuração do Adaptative Neuro Fuzzy Inference System (ANFIS) O sistema ANFIS foi desenvolvido no software MATLAB©. Logo. foram gerados três sistemas ANFIS.3. que representa uma métrica de QoE. um para cada métrica de QoE citadas anteriormente. 50 .5). raio de aceitação no agrupamento (valor = 0. o erro desejado e o número de épocas (iterações). SSIM. jitter.75) e raio de rejeição no agrupamento (0. os quais foram definidos respectivamente como gaussiana e subtractive cluster. fator multiplicador (1. VQM. Figura 6. devido ao fato de ter uma melhor precisão para sistema com poucas entradas. Todos os sistemas ANFIS.Representação do Sistema Neuro-Fuzzy Para a configuração do ANFIS. o método de treinamento escolhido para a rede neural foi o modelo híbrido. Logo em seguida. foi definido o critério de parada para o treinamento. perda de pacote. relacionadas a fim de gerar uma saída. como podemos ver a seguir: Características Gerais. atraso de pacote. isto é. tinham a mesma configuração.14. Outros itens importantes a serem determinados são a função de pertinência e o tipo de agrupamento. composto da seguinte maneira: três entradas com parâmetros de QoS. que são dois. utilizando a função anfisedit.25).  Conjunto de 50 pontos aleatórios de medição usados para treinamento.

Características do Sistema de Inferência Fuzzy. Características herdadas da Lógica Fuzzy. Características herdados da Rede Neural Artificial. Figura 6. gerado baseado em sub.15 .15 .  Formato das funções de pertinência: Gaussiano..  Método de defuzzificação: média ponderada.  Algoritmo de Treinamento: híbrido. Figura 6.  Iterações limitadas a 100 épocas. Conjunto de 30 pontos aleatórios de medição usados para teste.Características do Sistema de Inferência Fuzzy.  Método de otimização do treinamento da rede neural artificial utilizado foi o Hibrido.  Modelo Fuzzy: Sugeno. 51 .  Sistema de Inferência Fuzzy. Clustering.

Capítulo 7 . que foram obtidos através das medições e submetidos a fase de tratamentos de dados. Com uma maior base de dados para treinamento do sistema Neuro-Fuzzy. PSNR O sistema de inferência teve um bom desempenho de predição da métrica PSNR. é possível diminuir essa taxa de erro entre os dados medidos e os preditos para métrica PSNR. 7. com uma taxa de erro aceitável. como mostra a Error: Reference source not found.16 . a fim de aferir a capacidade de predição deste. 52 Figura 7. podemos comparar com o conjunto de pontos de teste. Devido à alta variabilidade da métrica PSNR. pois os valores preditos (simulados) foram próximos e seguiram a tendência dos valores de PSNR medidos (real). Dessa maneira.1.RESULTADOS A partir dos dados obtidos na saída do sistema de Inferência Fuzzy. foi possível comparar os valores dos dados referentes a QoE.Gráfico comparativo entre PSNR real (Medido) e PSNR simulado (Predito) . o erro RMS apresentado foi o maior das três métricas analisadas. o qual o sistema não teve acesso para o aprendizado. com os valores gerados pelo sistema de Inferência Fuzzy.

6033 34. valores de PSNR Reais x Simulados Atraso (s) Jitter (s) Perda de Pacote (%) PSNR Real (dB) PSNR Simulado (dB) 6.4777 0.57E-02 5.0222 37 6.2654 -0.1 8.6406 37.6439 37.5158 34.309 2.2 22.7 6.1 8.1845 1.6323 33.303 30.0607 2.1 apresenta os valores de QoS (Atraso.A tabela 7.1983 4.013 0 38.2219 4. Jitter.Parâmetros de entrada ANFIS.8 22.0019 0.2833 35.3065 31.1498 36.3957 6.0919 0.2834 34.7867 27. a coluna PSNR Real é referente aos valores aferidos no cenário citado anteriormente.3543 0. e mostra a saída obtida na coluna PSNR Simulado que é referente aos valores preditos pelo sistema.0089 0.6408 33.1924 0.4833 35.4679 0.86E-04 3.98 35.3043 8.6167 35.4 22.5098 0.1 6.1 . Perda de Pacote) passados como parâmetro de entrada para o ANFIS.1 6.66 34.3644 0.268 0.5 6.04 35.1621 35.571 0.2433 30.7 6.6633 38.2333 35.4701 0.7498 35 53 .0141 0. Tabela 7.

6406 37.1465 -0.4032 -0.2 .3223 37.3 8.0887 2.1055 0.8 8.02 36. que é previsível.5181 0.1 36.22. 54 Figura 7.0333 35.6406 37.1807 -0.3167 31.0642 0.1229 0.1833 35.06 38.3364 7.7 8.3879 0.4991 0.0053 0 38.3 6.0012 Erro RMS entre real e simulado.1271 35.03 38.3967 29.6406 37.3907 0. como podemos ver na Error: Reference source not found.Gráfico comparativo entre SSIM real (Medido) e SSIM simulado (Predito) .71 36.2953 3.1281 -0.0167 38.6 22.21 29.1992 5.3638 0.5 31.5302 37.4 8.0065 0.3047 0.6404 37.0067 38.5471 0.7 31.5411 34.8 8.6500 Desvio Padrão 3.0445 1.5 31.9593 35.6 8.Medidas de Dispersão da PSNR PSNR Real Média 35.17 .1312 0.009 0.2 8.0147 0.5165 36.0509 1.5335 33. SSIM O sistema de Inferência Fuzzy teve um ótimo desempenho de predição em relação a métrica SSIM. tem uma baixa variabilidade nos seus valores.6 31.8 8.5542 32.0098 0.2042 0.1491 -0.1133 38.1 8.3801 0.6406 37.3594 37.5 22.1745 -0.0023 0.2.6408 37.7 Dados complementares: Tabela 7.08 33.0470 2.87 35.768 37.1867 34.3953 0.3756 35.0118 0.8088 34.7 22.0468 0.4552 0.042 0 38.4706 -0.3523 35. Simulado 2. isto é.

6033 0.6167 0.0022 0 0.884 6.3043 8.93 0.9033 0.93 0.3543 0.3 apresenta os valores de QoS (Atraso. Perda de Pacote) passados como parâmetro de entrada para o ANFIS. valores de SSIM Reais x Simulados Atraso (s) Jitter (s) Perda de Pacote (%) SSIM Real (dB) SSIM Simulado (dB) 6.93 0. e mostra a saída obtida na coluna SSIM Simulado. Jitter.8867 0.A tabela 7.98 0.571 0.9033 0. que é referente aos valores preditos pelo sistema.894 55 .893 6.268 0. Tabela 7.2433 0.04 0.3 .0919 0. Já a coluna SSIM Real é referente aos valores aferidos no cenário citado anteriormente.1845 1.2042 0.843 6.862 6.3957 6.886 6.2961 -0.84 0.Parâmetros de entrada ANFIS.0089 0.893 6.0067 0.2833 0.0098 0.829 6.9 0.9033 0.2654 -0.013 0 0.3644 0.1924 0.4701 0.1983 4.888 6.

878 Dados complementares: Tabela 7.0225 0 0.8667 0.0695 3.0767 Erro RMS entre real e simulado.0059 0.8833 0.864 8.1386 -0.08 0.91 0.9 0.976 8.3953 0.91 0.6.4231 0.0918 12.5167 0.93 1.5267 0.4709 -0.21 0.1229 0.917 8.2219 0.0067 0.0279 0.0387 0.4242 0.959 22. Simulado 0.4 .966 22.1312 0.0996 4.895 8.873 8.5254 0.0305 0.89 0. 56 .6633 0.0422 0.894 17.0097 0.0620 7.917 8.1281 -0.1992 5.3638 0.892 22.93 0. o sistema de inferência obteve bons resultados.905 8.93 0.916 8.8533 0.4552 0.86E-04 3.8967 0. como podemos observar na Error: Reference source not found.1133 0.87 0.1867 0.917 8.028 0 0.0509 1.93 0.6367 0.3017 0.1491 -0.93 0.8067 0.1745 -0.14 22.88 0.7233 0.621 22.3047 0.1055 0.897 8.1133 0.8567 0.0468 0.0457 5.1807 -0.9 0.1465 -0.5563 0.3167 0.93 0.1133 0.873 22.0358 0.2367 0.309 2.917 8.0333 0.Medidas de Dispersão do SSIM SSIM Real Média 0.91 0.8995 Desvio Padrão 0.3.042 0 0. VQM Em relação à métrica VQM.4833 0.2953 3.5311 -0.71 0.9 0.91 0.4686 0.8993 0.917 8.978 22.0887 2.

3236 0.2680 6. que é referente aos valores preditos pelo sistema. Tabela 7.2042 6.2654 6.3249 1.1924 31.0733 8.3162 0.18 .2654 6.3412 1.2961 6.0195 0.3292 0.2680 6. valores de VQM Reais x Simulados Atraso Jitter Perda de Pacote SSIM Real SSIM Simulado (s) 6.1924 31.9800 0.0067 0 0 (dB) 0.5828 entre os valores medidos (Real) e os preditos (simulados).5 apresenta os valores de QoS (Atraso.3379 2.0089 0.3178 0.4701 6.2042 6.3043 0.0022 0.3319 (dB) 6. Figura 7.2833 0.3017 (s) 0.2961 6.levando em consideração o erro RMS de 0.3938 6.3644 6.2147 0. Perda de Pacote) passados como parâmetro de entrada para o ANFIS.0098 -0.3644 6.5 . Jitter.0225 (%) 0 0. enquanto a coluna VQM Real é referente aos valores aferidos no cenário citado anteriormente.1845 -0.Parâmetros de entrada ANFIS.0130 0.4701 6.3938 6.0919 0. e mostra a saída obtida na coluna VQM Simulado.2433 0.Gráfico comparativo entre VQM real (Medido) e VQM simulado (Predito) A tabela 7.6167 1.3017 57 .

4991 22.3685 0.4231 22.2367 0.0420 0.1133 0.5400 0.3067 2.3251 1.6 .11g.5393 Erro RMS entre real e simulado.5710 22. em um ambiente indoor.0113 0.5267 0.1833 1.1807 6.7100 5.0422 0.1281 8.0229 2.0100 0.6033 0.2633 1.2212 1.3953 22.3845 8.1229 0.6868 0.2577 31.3167 0.0358 0.1465 8.2391 22.0118 0.1807 6.0181 0.6. Simulado 0.2577 31.3305 6.3047 8.5150 22.0887 -0.0333 2.0043 0.1947 1.0967 0 0 2.4242 6.5471 8.3638 8.1085 Desvio Padrão 0.7994 1.5027 8.4231 22.2057 1.3957 0.0175 0.CONSIDERAÇÕES FINAIS E PERSPECTIVAS DE TRABALHOS FUTUROS Este trabalho de conclusão de curso apresentou uma abordagem crosslayer.5098 22.3638 8.0509 0.5828 Capítulo 8 .2612 0.5150 22. 58 .0607 0.4991 22.0200 0.1465 8.5195 22.3840 31.3845 8.1505 2. que estuda a relação entre camada de rede e a camada de aplicação. mostrando como a qualidade de um vídeo transmitido em uma rede 802.6989 0.1849 6.7867 0.0173 1.2547 0.5710 22.0161 -0.8700 0.9903 1.0767 0.0121 0.3239 0.3953 22.5195 22.3352 1.1055 0.4148 1.0267 2.0074 0.3230 0. é afetada conforme varia a qualidade do canal de transmissão.5471 8.3047 8.0100 0.1518 1.5027 8.0789 6.1281 8.3354 0.Medidas de Dispersão do VQM VQM Real Média 0.0642 0.5098 22.0042 -0.3305 6.2391 22.2612 Dados complementares: Tabela 7.3256 1.3840 31.1002 0.0767 0.4242 6.1992 0.

5828. além de objetos que compunham o cenário em questão. Já a métrica SSIM teve um erro RMS entre os dados reais e os simulados de 0. Para tanto. Os resultados obtidos indicaram que a métrica PSNR (dB) teve um erro RMS entre os dados reais e os simulados de 2. baseados no seu conhecimento adquirido pelo conjunto de dados repassado a ele. Para avaliar a exatidão do ANFIS. levando em consideração não somente a qualidade de serviço prestada ao usuário. foram comparados os dados de saída desse sistema (dados simulados) com os dados obtidos nas campanhas de medições (dados reais). Para isso. isto é. é necessário realizar medições em diferentes cenários indoors visando ao treinamento com mais dados heterogêneos. Para trabalhos futuros. foi escolhido como parâmetro o erro médio quadrático entre os dados simulados e os reais.Utilizando uma solução híbrida. Desse modo. A simulação foi utilizada para predizer as métricas de QoE tendo como parâmetros métricas de QoS. foram realizadas campanhas de medições a fim de se obter dados referentes à qualidade das transmissões de vídeo (parâmetros de QoS e QoE). portas e janelas. pretende-se aperfeiçoar a capacidade de predição do ANFIS. com o objetivo de que ele seja capaz de predizer as métricas QoE. ou seja. capaz de inferir resultados pertinentes. uma combinação de outras duas técnicas: Redes Neurais Artificiais e Lógica Fuzzy. gerou-se um ANFIS (adaptive neurofuzzy inference system). a partir desses resultados fornecidos pelo ANFIS. como cadeiras e mesas. sistema que relaciona um conjunto de dados de QoS com os de QoE. Por fim. Para a validação dos resultados do ANFIS. em um ambiente especifico. Assim. corredores.3364. em diferentes cenários indoor. utilizou-se a técnica Neuro-Fuzzy.0620. mas também a qualidade de experiência fornecida ao usuário em uma rede sem fio. considerando todos os fatores que podem afetar a propagação de uma onda eletromagnética. 59 . tais como paredes (de tijolo e madeira). é possível auxiliar nos planejamentos de redes de computadores futuros. a métrica VQM teve um erro RMS entre os dados reais e os simulados de 0. composta de medições e simulação. por meio desta técnica.

A. [2] Mendes.11n e o 802. por exemplo. 60 . REFERÊNCIAS [1] Relatório Measuring the Information Society Report do ITU. Esta metodologia utilizada no trabalho também poderia ser utilizada em ambientes outdoors.pdf.. 2014. [3] TANENBAUM. Editora Campus (Elsevier). S. com outras tecnologias. também seria interessante expandir as medições para os outros padrões de Wi-Fi.11ac. 1 ed.São Paulo: Novatec. https://www. Redes de Computadores Teoria e Prática. como. Douglas Rocha. 2003.int/dms_pub/itu-d/opb/ind/D-IND-ICTOI-2014-SUM-PDF-E. 2007. tais como o 802. o 4G e WIMAX.Nessa perspectiva. – Redes de Computadores – 4ª Ed.itu. além de utilizar vídeos com uma resolução maior como: 2K e 4k.

G.. “QoE-based Evaluation Model on Video Streaming Service Quality”. Tian and M. J.tuberlin.V. [12] Shen. [17] EvalVid . 41. Universidade Federal do Pará. M. [14] Mendel. 1041-1078. v.ti-redes. G. 1995. acessado em 15 de fevereiro de 2015. [9] Y. 2009. Proceedings of IEEE. Qiao. G. http://www. pp. L.com/. March 2009. p.com/wireless/wlan-intro/. Neto. Objective Video Quality Assessment. 2009. S.. C. http://compression. 2012. Mar.. N. Avaliação de Desempenho de sistemas Computacionais. J.. Bovik. [19] Wirelessmon – Monitor. UFRS. H. 345-377. T. 2008. Brasport Livros e Multimídia Ltda. acessado em 15 de fevereiro de 2015. [15] Sanchez..J. IEEE Circuits and Systems for Video Technology. Analysis and Modelling of No-Reference Video Quality Assessment. [7] Johnson. Allan dos Santos. 3. disponível em https://iperf. IEEE Conference on Computer and Automation Engineering. [10] Greengrass.M.264/AVC video coding standard”. 108112. disponível em http://www2.Video Evaluation tool. [20] MSU Graphics & Media Lab (Video Group). Controle Por Aprendizado Acelerado E NeuroFuzzy De Sistemas Servo – Hidráulicos De Alta Frequência. Bjontegaard.. Margalho M..de/research/EvalVid/EvalVid/docEvalVid. [6] Sullivan. Dissertação (Mestrado em Engenharia Elétrica) – Faculdade de Engenharia Elétrica. [8] Z. 2009. LTC. n. Wang. “Métricas para Avaliação de Desempenho em Redes QoS Sobre IP”. Liu. PPGEE-UFPA. verify and locate WiFi network and signal levels. [18] iPerf . G. “Localização Ótima de Pontos de Acesso em Ambientes Indoor em Projetos de Sistemas Wireless” Tese de Doutorado. . acessado em 18 de fevereiro de 2015.[4] Redes WLAN. Y. GC'12 Workshop: Quality of Experience for Multimedia Communications.83. especialização.. September 2003. Evans. Part I Streaming Video Coding and SLA Requirements” IEEE Internet Computing. R. O. “Not All Packets Are Equal. . 1999. Eleazar Cristian Meija. Sang. Dissertação (Mestrado em Engenharia Mecânica) – Pontifícia Universidade Católica..tkn.fr/. H. 2011.. acessado em acessado em 26 de janeiro de 2015.ru/ video/quality_measure/video_measurement_tool_en. [11] Costa. J. D. C.html. Sheikh and A..wirelessmon. Luthra. 2003. disponível em http://www. ch.. Fuzzy logic systems for engineering: A tutorial. 2014. [5] Filho. “Overview of the H. Yang. [13] Fraiha. The Handbook of Video Databases: Design and Applications.The network bandwidth measurement tool. Zhu.html. Begen. Belém. A. acessado em 16 de fevereiro de 2015. 61 . A. C. Processamento Digital de Imagens. [16] BRAGA. Planejamento De Redes De Comunicação Sem Fio Para Ambientes Indoor Considerando Aplicações Multimídia: Abordagem Híbrida Simulação E Medição. C. pp. Rio de Janeiro. Y.

mathworks.[21] MATLAB (MATrix LABoratory). 62 . disponível em: http://www.com /products/matlab/. acessado em 18 de fevereiro de 2015.