Gli algoritmi di Adaptive Bit-Rate (ABR) svolgono un ruolo cruciale nella massimizzazione della QoE (Quality of Experience) nello streaming video. Essi analizzano diverse metriche, tra cui il livello di riempimento del buffer lato client, la congestione di rete, la latenza e il throughput, al fine di determinare il bitrate ottimale durante la riproduzione video. I modelli ABR tradizionali non impiegano tecniche di throughput predittivo, ma stimano il miglior bitrate possibile in base alle condizioni correnti, effettuando una media dei valori rilevati fino a quel momento. Questo approccio espone il sistema a potenziali errori causati da variazioni repentine della rete, le quali generano oscillazioni indesiderate e complicano un’adeguata stima delle risorse. In questa tesi vengono analizzati alcuni algoritmi ABR basati su modelli di throughput predittivo, capaci di stimare la banda futura non solo tramite i dati recenti della sessione in corso, ma anche attraverso la conoscenza di specifiche caratteristiche della rete e l’analisi di sessioni passate. Tale approccio permette di ampliare le informazioni a disposizione, fornendo un contesto più ampio e riducendo significativamente gli errori di assegnazione del bitrate. Di conseguenza, si ottiene una maggiore stabilità nel flusso dei dati, ottimizzando l’impiego delle risorse a disposizione dell’utente finale e migliorando, complessivamente, la QoE generale.

Comunicazioni in tempo reale con Throughput predittivo

CANOVA, MATTEO
2025/2026

Abstract

Gli algoritmi di Adaptive Bit-Rate (ABR) svolgono un ruolo cruciale nella massimizzazione della QoE (Quality of Experience) nello streaming video. Essi analizzano diverse metriche, tra cui il livello di riempimento del buffer lato client, la congestione di rete, la latenza e il throughput, al fine di determinare il bitrate ottimale durante la riproduzione video. I modelli ABR tradizionali non impiegano tecniche di throughput predittivo, ma stimano il miglior bitrate possibile in base alle condizioni correnti, effettuando una media dei valori rilevati fino a quel momento. Questo approccio espone il sistema a potenziali errori causati da variazioni repentine della rete, le quali generano oscillazioni indesiderate e complicano un’adeguata stima delle risorse. In questa tesi vengono analizzati alcuni algoritmi ABR basati su modelli di throughput predittivo, capaci di stimare la banda futura non solo tramite i dati recenti della sessione in corso, ma anche attraverso la conoscenza di specifiche caratteristiche della rete e l’analisi di sessioni passate. Tale approccio permette di ampliare le informazioni a disposizione, fornendo un contesto più ampio e riducendo significativamente gli errori di assegnazione del bitrate. Di conseguenza, si ottiene una maggiore stabilità nel flusso dei dati, ottimizzando l’impiego delle risorse a disposizione dell’utente finale e migliorando, complessivamente, la QoE generale.
2025
Real-time communications with predictive Throughput
Throughput
Bitrate
Prediction
QoE
File in questo prodotto:
File Dimensione Formato  
Canova_Matteo.pdf

accesso aperto

Dimensione 809.84 kB
Formato Adobe PDF
809.84 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/114272