Gerência Ativa de Filas usando Redes Neurais LSTM para Fluxos DASH ao Vivo

Carlos Maffini, Carlos Pedroso

DOI: 10.14209/sbrt.2021.1570726839

Evento: XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2021)

Keywords:

Abstract

A transmissão de vídeo ao vivo pela Internet vem se tornando popular, sendo o Dynamic Adaptive Streaming over HTTP uma das tecnologias mais empregadas para esse tipo de transmissão. Fluxos de vídeo ao vivo são sensíveis à variações no atraso, jitter e perda de pacotes. Assim, os gerenciadores ativos de fila (AQM, Active Queue Management) surgem como alternativa para controlar o congestionamento na fila dos roteadores, minimizando os impactos desses parâmetros. Como reação ao congestionamento, a camada de aplicação dos clientes DASH tende a requisitar segmentos de vídeo de qualidades inferiores. Neste artigo, é apresentado um novo método AQM para melhorar a qualidade percebida do usuário em transmissões DASH de vídeo ao vivo. O método proposto faz uso das redes neurais LSTM (Long Short Term Memory) de modo a prever futuros congestionamentos na fila do roteador, realizando descartes antecipados e pressionando o cliente DASH a reduzir a qualidade do segmento. Além disso, o artigo apresenta uma análise de desempenho dos principais AQMs citados na literatura em transmissões ao vivo. Os resultados mostram que o método proposto supera os AQMs concorrentes, principalmente em enlaces muito congestionados.

Download