Mise en oeuvre d'un modèle de corrélation QoS-QoE

Ces dernières décennies ont connu une énorme avancée technologique dans le domaine des réseaux de paquet. L'internet faisant partie de cette catégorie de réseaux, a vu naître de nombreuses applications multimédias qui l'utilisent comme moyen de diffusion. Divers services, tels que la télévision par internet, la vidéo à la demande, radio sur l'internet, la lecture de données multimédia, la téléphonie IP ou la téléconférence, sont devenues notre attraction quotidienne et représentent un secteur florissant du marché des télécommunications et un domaine de recherche actif, particulièrement sur l'intégration efficace des services multimédias et l'exploitation intelligente des réseaux de paquet. En effet, ces services doivent offrir des qualités similaires à ceux des services de TV et de la téléphonie conventionnelle. Cependant, l'Internet n'a pas été conçu pour supporter le temps réel et les contraintes temporelles imposées par ce genre d'application d'une part, et d'autre part, il est peu commun que les utilisateurs soient satisfaits par des services de qualité inférieure à ceux qu'ils ont pris l'habitude d'utiliser. Ainsi, la qualité de ce type de services imposant de telles contraintes est fortement dépendante du contenu du service lui-même, de la capacité du réseau et des applications offrant et consommant le service. Plusieurs travaux montrent que certains paramètres vidéo, audio et réseau comme le débit, le taux de pertes, le délai et la gigue ont une influence sur la qualité perçue par les utilisateurs. Par ailleurs, il existe aussi d'autres facteurs liés à l'environnement externe qui affectent la qualité d'expérience utilisateur (QoE). Dans le cadre du projet IPNQSIS (IP Network Monitoring for Quality of Service Intelligent Support) dont l'objectif est de développer des systèmes de surveillance continue et d'étudier le comportement de la qualité d'expérience (QoE) par l'analyse des performances du réseau et des services et leur impact sur les utilisateurs finaux, notre tâche était d'automatiser le processus d'évaluation de la qualité perçue par les utilisateurs en temps réel, afin de pouvoir réagir aux changements spontanés des conditions du réseau. À cet effet, nous avons réalisé des expériences pour construire une base de données contenant les facteurs affectant la qualité vidéo et l'évaluation de la qualité par des sujets humains. Puis, nous avons mis en corrélation les facteurs et la QoE en employant un réseau de neurones aléatoires (RNN : Random Neural Network) qui a déjà donné ses preuves dans l'estimation de la qualité audio. Enfin, nous avons étudié l'impact des paramètres réseau sur la QoE