Avaliação de Um Algoritmo Adaptativo para Previsão de Taxas de Perda de Pacotes em Redes de Computadores
Autores
4223 |
754,1877
|
|
4224 |
754,1877
|
Informações:
Publicações do PESC
Em uma aplicação multimídia, ser capaz de prever a taxa de perda é um importante recurso para aumentar a qualidade de serviço eficientemente. Por exemplo, algoritmos de recuperação de perdas de pacotes (FEC) poderiam ser usados de forma adaptativa, enviando-se mais ou menos redundância, de acordo com a previsão. Viabilizando uma recuperação dos pacotes perdidos com menos uso de banda.
Neste trabalho, consideramos o problema de realizar a previsão da taxa de perda de pacotes em uma janela de tempo futura. Aqui, entende-se por previsão a estimativa de uma métrica da taxa de perda condicionada às observações passadas.
Para obter as previsões da taxa de perda, utilizaremos o algoritmo adaptativo de previsão proposto no trabalho de [Silveira e de Souza e Silva 2006]. Este algoritmo é responsável tanto por estimar quanto atualizar o modelo preditivo às variações do processo de perda ao longo do tempo e, em cada previsão, obter uma estimativa da taxa de perdas futura condicionada às observações das perdas passadas.
Desta forma, o objetivo desta dissertação é estender o trabalho iniciado em [Silveira e de Souza e Silva 2006] no sentido de: 1- avaliar mais detalhadamente do que o estudo em [Silveira e de Souza e Silva 2006] a capacidade de previsão deste algoritmo adaptativo utilizando os modelos de Markov ocultos, modelos autorregressivos e alguns preditores simples; 2- verificar a sensibilidade da eficácia do algoritmo de previsão em relação a seus parâmetros com os modelos e cenários aqui considerados; 3- adotar experimentos mais gerais do que os previamente considerados.
Como resultado da avaliação, foi possível mostrar que modelo autorregressivo tem um desempenho razoável. Embora veremos que o modelo HMM é superior em vários cenários por representar melhor a variabilidade da taxa de perdas. Além disto, temos que algoritmo é robusto às variações de seus parâmetros.
Loss rate prediction is an useful tool for improving the quality of service on multimedia application in computer networks. For instance, Forward Error Correction algorithms could be used in an adaptively fashion, sending more or less redundancy, in response to the prediction results. This would allow an eficient packet recovery in terms of throughput demand.
In this work, we consider the problem of packet loss rate prediction over a future time window. Here, prediction is an estimation of any loss rate related measure conditioned with recent observations of loss events.
The loss rate prediction is obtained with an adaptive prediction algorithm initially proposed in [Silveira e de Souza e Silva 2006]. This algorithm is responsible for estimating the predictive model and parameterize the model used dynamically according to the changes in loss process. At each prediction, the estimates the loss rate conditioned on the loss events in the past.
The main objective of this dissertation is to extend the work rst initiated in [Silveira e de Souza e Silva 2006] as follows: 1- to evaluate the prediction ability of this adaptive algorithm when the loss rate is modeled by hidden Markovian models, by autoregressive models, or by simple predictor models; 2- to verify the sensitivity of the algorithm's eficacy in more details than the work aforementioned over its parameter values and the considered models and loss scenarios; 3- to adopt distinct experimental configurations from the previously considered.
The results of this analysis show that the autoregressive model has reasonable performance. Nevertheless, the hidden Markovian model is more suited to represent the loss rate variability. Moreover, the adaptive algorithm is robust to variations of its parameter values.