Bu tez çalışmasında, kablosuz mobil ağlarda yüksek çözünürlüklü ve gerçek zamanlı video paketlerinin aktarılmasında yaşanan en büyük sorunlardan olan kayıp paketlerin sayısının ve gecikme sürelerinin azaltılmasını sağlayan kaynak tahsis modeli geliştirilmiştir. Geliştirilen model, Uzun Dönemli Evrim (Long Term Evolution-LTE) ağının Ortam Erişim Denetimi (Medium Access Control-MAC) katmanında çalışmakta olan çizelgeleme algoritmalarının sonuçlarına göre ağdaki tıkanıklıkları Yapay Sinir Ağı aracılığıyla tahmin etmektedir. Elde edilen tıkanıklık tahminlerine göre mobil aygıtlara atanan kaynak tahsislerini tekrar düzenlemektedir. İlk olarak mevcut algoritmaların yüksek çözünürlüklü video aktarımlarındaki farklı kullanıcı sayılarındaki durumları incelenmiş ve kayıp paketlerin sayıları, aktarılan bit miktarları, gecikmeler ve alıcıdaki donma kalitesi puanları elde edilmiştir. Sonrasında kaynak tahsisleri, önerilen modele göre gerçekleştirilmiş ve elde edilen sonuçlar mevcut çizelgeleme algoritmaları ile karşılaştırılmıştır. Kaynak atamalarının tekrar düzenlenmesi ile paket kayıp sayılarında, aktarılan paket boyutlarında, ortalama gecikme sürelerinde ve ortalama kalite puanlarında iyileştirmeler sağlanmıştır. Çalışmada, LTE ağlarda Yapay Sinir Ağı modeli ile kaynak ataması yapılarak daha kaliteli video aktarımları gerçekleştirilebilmiştir. Anahtar Kelimeler: LTE, yüksek çözünürlüklü videolar, çizelgeleme algoritmaları, OFDMA, kaynak atama, yapay sinir ağı, tıkanıklık tahmini
In this thesis, we have developed a resource allocation model that reduces the number of lost packets and delay times which are the biggest problems in streaming high definition and real-time video packets. The proposed method estimates the network congestion through Neural Network model according to the results of the scheduling algorithms running on the MAC layer of the LTE network. According to the estimates of congestion, resource allocations that are assign to mobile devices are reorganized. Initially, the performance of existing algorithms for different number of users in highdefinition video streaming are examined and lost packet counts, transmitted packet sizes, delays and freezing quality scores at the receiver are obtained. In the sequel, the scheduling algorithms are run with the proposed model and obtained results are compared with the existing scheduling algorithms. Improvements were provided in the number of packet losses, transferred packet sizes, average delay times and average freezing quality scores by reorganizing the resource allocation. In this study, with the model of Artificial Neural Network the better video streaming is performed by resource allocating on LTE networks. Keywords: LTE, high definition video, scheduling algorithm, OFDMA, resource allocation, artificial neural network, congestion estimation
Tez (Doktora) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, 2017.
Kaynakça var.
Bu tez çalışmasında, kablosuz mobil ağlarda yüksek çözünürlüklü ve gerçek zamanlı video paketlerinin aktarılmasında yaşanan en büyük sorunlardan olan kayıp paketlerin sayısının ve gecikme sürelerinin azaltılmasını sağlayan kaynak tahsis modeli geliştirilmiştir. Geliştirilen model, Uzun Dönemli Evrim (Long Term Evolution-LTE) ağının Ortam Erişim Denetimi (Medium Access Control-MAC) katmanında çalışmakta olan çizelgeleme algoritmalarının sonuçlarına göre ağdaki tıkanıklıkları Yapay Sinir Ağı aracılığıyla tahmin etmektedir. Elde edilen tıkanıklık tahminlerine göre mobil aygıtlara atanan kaynak tahsislerini tekrar düzenlemektedir. İlk olarak mevcut algoritmaların yüksek çözünürlüklü video aktarımlarındaki farklı kullanıcı sayılarındaki durumları incelenmiş ve kayıp paketlerin sayıları, aktarılan bit miktarları, gecikmeler ve alıcıdaki donma kalitesi puanları elde edilmiştir. Sonrasında kaynak tahsisleri, önerilen modele göre gerçekleştirilmiş ve elde edilen sonuçlar mevcut çizelgeleme algoritmaları ile karşılaştırılmıştır. Kaynak atamalarının tekrar düzenlenmesi ile paket kayıp sayılarında, aktarılan paket boyutlarında, ortalama gecikme sürelerinde ve ortalama kalite puanlarında iyileştirmeler sağlanmıştır. Çalışmada, LTE ağlarda Yapay Sinir Ağı modeli ile kaynak ataması yapılarak daha kaliteli video aktarımları gerçekleştirilebilmiştir. Anahtar Kelimeler: LTE, yüksek çözünürlüklü videolar, çizelgeleme algoritmaları, OFDMA, kaynak atama, yapay sinir ağı, tıkanıklık tahmini
In this thesis, we have developed a resource allocation model that reduces the number of lost packets and delay times which are the biggest problems in streaming high definition and real-time video packets. The proposed method estimates the network congestion through Neural Network model according to the results of the scheduling algorithms running on the MAC layer of the LTE network. According to the estimates of congestion, resource allocations that are assign to mobile devices are reorganized. Initially, the performance of existing algorithms for different number of users in highdefinition video streaming are examined and lost packet counts, transmitted packet sizes, delays and freezing quality scores at the receiver are obtained. In the sequel, the scheduling algorithms are run with the proposed model and obtained results are compared with the existing scheduling algorithms. Improvements were provided in the number of packet losses, transferred packet sizes, average delay times and average freezing quality scores by reorganizing the resource allocation. In this study, with the model of Artificial Neural Network the better video streaming is performed by resource allocating on LTE networks. Keywords: LTE, high definition video, scheduling algorithm, OFDMA, resource allocation, artificial neural network, congestion estimation