Index

The Internet is an avenue receiving each day many new important applications, each of which has its requirements and offers services to a specific category of end-users. Among these applications, there are many on multimedia, which its traffic constitutes an important part of the total Internet traffic. These applications increase the need for multimedia quality assessment. This hot research topic is difficult for many reasons, including the fact that many different factors affect the quality; among them, the degradation due to the encoding of the original signal and the distortion due to the transmission over best effort networks. This work includes four main contributions. The first one is about automatic multimedia quality evaluation. We present a new methodology that provides several advantages over the existing objective measures: the obtained results correlate well with human perception (the reference in such applications), it is computationally simple (we use neural networks) and there is no need to access the original signal in the operation phase (this is one of the major drawbacks of the existing measures). These points make it possible to integrate our method in multimedia applications and to run it in real time. We use this method to develop tools in order to evaluate in real time speech and video quality after traversing the network. The second one deals with rate control. It has become extremely important to develop control mechanisms that eliminate, or at least minimize, the negative effects of some specific network characteristics on the quality of multimedia signals as perceived by the end-users. Such protocols should provide fairness with other competing TCP flows (controlling a large part of Internet traffic), maximize the QoS (as perceived by end-users) and optimize the network's resources utilization. We show how to develop one of such protocols that can react based on the network state (evaluated by a TCP-friendly mechanism) and the end-user's perception (evaluated by a trained neural network following the method mentioned before) to satisfy these goals. A part of this work consists of studying and understanding the combined effect of several important factors on multimedia quality. The third contribution is about traffic prediction. We present a new model for traffic prediction that makes use of both the long-range and short-range periodicity of the traffic process to provide a more realistic scheme. Finally, the fourth one deals with new training algorithms for a specific class of neural networks called random neural networks. Most of the work presented in this dissertation is based on these tools. We have found that they give better performance than the standard neural networks, but that the available training algorithm suffers from some problems including the speed of convergence. That is why we have proposed two new training algorithms to overcome these problems.

(1 , 0)470

Résumé

(1 , 0)470

L'Internet est une ``avenue'' recevant chaque jour de nouvelles applications importantes, dont chacune a ses conditions et offre des services à une catégorie spécifique d'utilisateurs. Parmi ces applications, on en trouve de multiples variantes autour du multimédia, où leurs trafics constituent une partie importante de tout le trafic de l'Internet. Ces applications augmentent le besoin de l'évaluation de la qualité. Ce point actif de la recherche est difficile pour plusieurs raisons, entre autre le fait que de nombreux facteurs affectent la qualité, notamment la dégradation due au codage et à la transmission sur un réseau best-effort. Ce travail comprend quatre contributions principales. La première contribution est l'évaluation automatique de la qualité des flux multimédias. Nous présentons une nouvelle méthodologie qui offre plusieurs avantages par rapport aux mesures dites objectives existantes : les résultats obtenus se corrèlent bien avec la perception humaine (la référence dans de telles applications), elle est rapide et simple en terme de temps de calcul (nous utilisons les réseaux de neurones) et il n'y a aucun besoin d'accéder au signal original dans la phase opérationnelle (c'est l'un des inconvénients principaux des mesures existantes). Ces points permettent d'intégrer notre méthode dans des applications fonctionnant en temps réel. Nous employons cette méthode pour développer des outils d'évaluation de la qualité, en temps réel, séparément pour la parole et pour la vidéo, après traversée du réseau. La seconde contribution est sur le contrôle de débit. Il est devenu extrêmement important de développer des mécanismes de contrôle qui éliminent ou au moins réduisent au minimum les effets négatifs de quelques phénomènes de réseau spécifiques, sur la qualité perçue des signaux multimédias. De tels protocoles devraient fournir l'équité pour l'ensemble des flux concurrents de TCP (qui contrôle une bonne partie du trafic de l'Internet), optimiser la QoS (comme perçue par les utilisateurs) et maximiser l'utilisation des ressources du réseau. Nous montrons comment développer de tels protocoles pouvant se baser (et réagir) sur l'état du réseau (évalué par un protocole TCP-friendly) et la perception de l'utilisateur (évaluée par un réseau de neurones qualifié en suivant la méthode mentionnée précédemment) pour satisfaire ces buts. Une partie de ce travail est d'étudier et comprendre l'effet combiné de plusieurs facteurs importants sur la qualité. La troisième contribution concerne la prévision du trafic. Nous avons présenté un nouveau modèle pour la prévision du trafic qui se sert de la périodicité à longue portée et à courte portée de ce processus, pour fournir une méthode de prédiction plus efficace. Enfin, la quatrième contribution traite de nouveaux algorithmes d'apprentissage pour un type spécifique de réseaux de neurones appelés réseaux de neurones aléatoires. La majorité du travail présenté dans cette thèse est basée sur ces outils. Nous avons constaté qu'ils donnent une meilleure performance que les réseaux de neurones standards, mais que l'algorithme disponible d'apprentissage souffre de quelques problèmes comprenant la vitesse de la convergence. C'est pourquoi, nous avons proposé deux nouveaux algorithmes pour les surmonter.

Next: About this document ... Up: Thesis Previous: Bibliography Contents

Samir Mohamed 2003-01-08