El servicio de videostreaming además de brindar interactividad, mediante acciones de los usuarios, a través de pausas, retrocesos y adelantos, es el mayor generador de tráfico sobre las redes de datos. Por lo tanto, es necesario caracterizar este comportamiento para el dimensionamiento de redes. En este artículo se presentan los modelos conceptuales del servicio y un analizador léxico cuya función es la extracción automática de las diferentes tramas de los flujos de tráfico e identificación de los procesos de interactividad. Mediante el analizador léxico se extrae la información de cada uno de los componentes del servicio como son las tramas I, P y B, además del audio, esto es, brinda granularidad al proceso de caracterización. Así, se pretende que la herramienta léxica permita realizar estudios del comportamiento del tráfico con base en funciones de distribuciones obtenidas de manera real, sin depender de supuestos o estudios de otros investigadores.
INTRODUCCIÓN
Las redes de comunicación modernas deben ofrecer servicios de voz, datos, imágenes, vídeo, audio, texto, control, IPTV (Internet Protocol Television) y streaming; cada uno de ellos con un criterio de Calidad de Servicio (QoS) diferente; en consecuencia, con requerimientos diferentes para la red, siendo el servicio de vídeo bajo demanda soportado por el streaming de vídeo el que demanda mayores recursos de ancho de banda 1.
Las características de las redes de datos y sus servicios invalidan los resultados tradicionales de la teoría del teletráfico que se basaban en modelos no correlacionados; además, la modelización analítica del tráfico de paquetes es demasiado compleja para ser modelada mediante técnicas desarrolladas para la red telefónica 2, 3. Existen trabajos relacionados con la caracterización del tráfico, como los descritos en 4, 5 y 6; sin embargo, no se muestra el proceso ni se menciona el método de filtrado y exportación de los componentes del flujo de tráfico dentro del proceso de caracterización.
La caracterización implica los procesos de generación del modelo conceptual de los servicios, la captura de su tráfico, la identificación de las tramas de audio y vídeo que los componen y la identificación de las Funciones de Densidad de Probabilidad (PDF) que los describen. Por otro lado, los estándares de streaming de vídeo codifican los flujos de vídeo denominados Grupo de Imágenes (GOP) a través de tres tipos de datos; estos son las tramas internas, las tramas posteriores predecibles y las tramas bidireccionales predecibles, que se denominan tramas de tipo I, P y B. Además de estos fotogramas, también aparece información de audio.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un nuevo algoritmo de clustering DBSCAN a través de un modelo de red neuronal profunda basado en edge computing para el Big Data de alivio de la pobreza dirigido.
Artículo:
Un Método para Detectar Parámetros Característicos Conjuntos de Amplitud-Fase del Canal Inalámbrico para Generar Parámetros Clave
Artículo:
Investigación sobre el efecto de la combinación de Big Data y el aula invertida con la enseñanza de simulación de escenarios: Basado en la práctica clínica de estudiantes de medicina
Artículo:
Sistema de identificación de intrusos más preciso basado en redes neuronales de convolución para la seguridad de redes y comunicaciones
Artículo:
Análisis de sentimientos en español para la mejora de productos y servicios: Un enfoque de aprendizaje profundo
Artículo:
Medicina de la conservación ¿una disciplina para médicos veterinarios?
Libro:
Tratamiento de aguas para consumo humano : plantas de filtración rápida. Manual II : diseño de plantas de tecnología apropiada
Artículo:
Configuración de los valores de María, antes y después de la violación, en Satanás de Mario Mendoza
Showroom:
Panel fotovoltaico: Dimensionamiento y funcionamiento