1 Realizado por: Joaquín Guillén Marín Dirigido por: Eduardo Casilari Pérez Dpto. Tecnología Electrónica - Universidad de Málaga Málaga 21 de Noviembre de 2003 Caracterización de servicios de audio en Internet

2 1. Introducción 2. Muestras de tráfico de voz en Internet y estudios realizados 3. Análisis de las muestras 4. Conclusiones y líneas futuras Índice

3 1. Introducción 2. Muestras de tráfico de voz en Internet y estudios realizados 3. Análisis de las muestras 4. Conclusiones y líneas futuras Índice

4 VoIP Transmisión de voz en paquetes de datos que utiliza protocolo IP Estándar más que simple tecnología A pesar de la calidad se encuentra en alza. Causas del desarrollo: Necesidad de integración Presencia universal de IP Motivaciones económicas Evolución de la tecnología

5 VoIP (2) Problemática de la transmisión de voz en redes de datos: Diferencias del tráfico de voz: Tratamiento en tiempo real Síncrono Perfectamente definible (CBR y simétrico) Diferencias de las redes de datos: No orientada a conexión Enrutamiento basado en datagrama Servicio no fiable (best effort))

6 VoIP (3) Protocolos y estándares: H.323: Creado por ITU (1996)  Estándar “paraguas” Cubre los requerimientos técnicos para servicios de comunicación de audio, vídeo y datos en redes LAN que no proporcionan una QoS garantizada 4 tipos de elementos funcionales: Terminales Gateways Gatekeepers o “equipo selector” MCU (Multipoint Control Unit)

7 VoIP (5) Protocolos y estándares: SIP: Protocolo para establecimiento de conexiones VoIP (RFC 2543) creado por grupo MMUSIC de IETF (1999) Depende del protocolo SDP Mensajes codificados utilizando sintaxis HTTP y direcciones identificadas mediante URI: Arquitectura basada en un modelo cliente-servidor: Agentes de usuario Servidores de red

8 VoIP (7) Protocolos y estándares: Otros protocolos y estándares necesarios: MGCP, RTP, RTCP, RTSP, RSVP, SDP y SAP Parámetros fundamentales y valores óptimos: Pérdida de paquetes (1-5%) Retardo ( mseg) Jitter (20-60 mseg)

9 Modelo del tráfico de voz Digitalizada y encapsulada en paquetes IP 65% de una comunicación son silencios  Supresión de silencios (VAD). Problemas: Clipping o recorte. Solución: Hangover Sensación de corte de línea. Solución: Comfort Noise Generator

10 Modelo del tráfico de voz (2) Escalas de modelado:

11 Modelo del tráfico de voz (3) Nivel de llamada: Modelo de Poisson  M/M/m/m Percepción humana del tiempo logaritmo-normal Número de servidores limitado  pérdidas:

12 Modelo del tráfico de voz (4) Nivel de ráfaga: Modelo de actividad de un hablante  MMDP Agregación de fuentes  N fuentes on-off independientes Modelo de interacción de hablantes Modelos de multiconferencia

13 1. Introducción 2. Muestras de tráfico de voz en Internet y estudios realizados 3. Análisis de las muestras 4. Conclusiones y líneas futuras Índice

14 Muestras de tráfico de voz Parte importante del proyecto: Buscar, recopilar y comprender las muestras Estudiar los resultados obtenidos Página web con descripción de las muestras y enlaces a las mismas:

15 Muestras de tráfico de voz (2) Muestras generadas por G.729B y NeVoT de la Universidad de Columbia Distribución períodos on-off y efectos de la agregación de fuentes Modelo tradicional inadecuado. A menor número de fuentes agregadas mayores diferencias Muestras generadas por NeVoT de Sprint Labs Algoritmos de ajuste del retardo de reproducción

16 Muestras de tráfico de voz (3) Muestras de audio de diversos servicios multimedia de la Universidad de California Distribución períodos on-off de distintos servicios Distribución elegida para modelar los períodos on-off: Weibull, independientemente del servicio Muestras de VoIP del proyecto COST-263 Medida de la calidad Calidad aceptable

17 1. Introducción 2. Muestras de tráfico de voz en Internet y estudios realizados 3. Análisis de las muestras 4. Conclusiones y líneas futuras Índice

18 Pasos seguidos para el modelado Obtención de las muestras: tiempo entre paquetes, números de secuencia Análisis: división en períodos on-off, secuencia de pérdidas, valores de jitter Modelado: Comparación de estadísticos, comparación visual, test de estadísticos (test  2 y de Kolmogorov-Smirnov), análisis del comportamiento en cola

19 Modelado de los períodos on-off Decisión on-off  umbral óptimo Independiente de paquetización Cálculo del nº de períodos detectados Umbral  100 mseg  fonema

20 Modelado de los períodos on-off (2) Estadísticos de la duración on-off dependen del tipo de servicio de voz analizado: Conversación: períodos cortos y poca desviación Conferencia: períodos on largos y alta desviación Teleenseñanza: períodos off largos y desviación elevada Multiconferencia: variabilidad muy alta Conversación y multiconferencia: correlación Períodos on más correlados

21 Modelado de los períodos on-off (3) Distribución de los períodos: Conversación telefónica: se elige Gamma. Pero log-normal buena para la “cola” Períodos onPeríodos off  

22 Modelado de los períodos on-off (4) Distribución de los períodos: Conferencia: se elige log-normal, aunque Gamma también es una buena candidata Períodos onPeríodos off  

23 Modelado de los períodos on-off (5) Distribución de los períodos: Receptores de clase de teleenseñanza: se elige Gamma, pero también posible incluso normal Períodos onPeríodos off  

24 Modelado de los períodos on-off (6) Distribución de los períodos: Participantes en sesión de multiconferencia: ajuste visual Gamma, pero se elige Weibull Períodos onPeríodos off  

25 Modelado de los períodos on-off (7) Comportamiento en cola: Conversación telefónicaConferencia

26 Modelado de los períodos on-off (8) Comportamiento en cola: Receptores de clase de teleenseñanza Participantes en sesión de multiconferencia

27 Modelado de los períodos on-off (9) Comportamiento en cola: Validación del modelo elegido mediante ajuste visual y test estadísticos El modelo imita mejor para colas pequeñas con un alto grado de ocupación Dificultad de modelado

28 Pérdidas Calidad aceptable: Media=0.938% (<1%, porcentaje óptimo) Desviación=3.895% Más del 90% de las conversaciones no superan el porcentaje óptimo  dificultad de modelado Depende de distintos factores

29 Pérdidas (2) Aumenta coincidiendo con las horas y días de la semana laborables Ni la paquetización utilizada ni la supresión de silencio provocan efectos significativos El factor más influyente es el par origen- destino de la comunicación  Asimetría de la red

30 Pérdidas (3) Tiempo entre pérdidas: Gran variabilidad Efecto de la red: valores mínimos muy pequeños Existe correlación a largo plazo  pérdidas a intervalos de tiempo parecidos

31 Pérdidas (4) Períodos off Tiempo entre pérdidas: Tras el análisis se elige la distribución log- normal (comportamiento subexponencial) Períodos on    

32 Pérdidas (5) Tamaño en número de paquetes de las ráfagas de pérdidas: Importante caracterizarla debido a que las pérdidas en internet se suceden a ráfagas y los algoritmos de codificación las compensan mal Más de la mitad de las pérdidas son simples (mediana=1) Aunque existen ráfagas (máxima=2240) Fuertemente correlado

33 Pérdidas (6) Tamaño en número de paquetes de las ráfagas de pérdidas: Distribución binomial negativa elegida  

34 Jitter Desviación media, suavizada en valor absoluto, de la variación del tiempo entre paquetes entre tx y rx (RFC1889) Paquetes con jitter excesivo deberán ser descartados  Pérdidas También en este caso la calidad es aceptable: Media=3.731 mseg (<20 mseg, valor óptimo) Desviación fortísima

35 Jitter (2) Efectos similares a los de las pérdidas Aumenta coincidiendo con las horas y días de la semana laborables El jitter se incrementa al aumentar la paquetización utilizada, pero la supresión de silencio no provoca efectos significativos De nuevo el par origen-destino es el factor más influyente (asimetría de la red)

36 Jitter (3) Aunque existen diferencias cuantitativas, los resultados cualitativos son similares para ambas paquetizaciones Parece existir cierta dependencia a largo plazo Paquetización=20 msegPaquetización=80 mseg

37 Jitter (4) El jitter se distribuye de forma subexponencial con cierta tendencia hiperbólica Aparecen picos alrededor de la paquetización utilizada Son debidos al efecto de la red (los paquetes llegan al destino juntos) Paquetización=20 msegPaquetización=80 mseg

38 Jitter (5) Distribución elegida para modelar el jitter: log-normal y Pareto (sobre todo para la cola), independientemente de la paquetización Paquetización=20 mseg  Paquetización=80 mseg 

39 1. Introducción 2. Muestras de tráfico de voz en Internet y estudios realizados 3. Análisis de las muestras 4. Conclusiones y líneas futuras Índice

40 Conclusiones Duración de los períodos on-off: Distribución subexponencial: Conversación telefónica  Gamma Conferencia en aula  Log-normal Receptores clase de teleenseñanza  Gamma Participantes en sesiones multimedia  Weibull Comportamiento en cola: Resultados similares en cuanto a la distribución elegida Mayor parecido entre serie real y modelo para colas de tamaño pequeño y grado de ocupación elevado

41 Conclusiones (2) Pérdidas Dependencia de hora, día y origen-destino, pero no de la paquetización y supresión de silencio Tiempo entre pérdidas: Correlado Distribuido de forma subexponencial  Log-normal Pérdidas consecutivas: Pérdidas simples Distribución  Binomial negativa

42 Conclusiones (3) Jitter Dependencia de hora, día y origen-destino, pero no de la paquetización y supresión de silencio Existencia de cierta correlación Distribuido de forma subexponencial  Log- normal, independientemente de la paquetización Valor típico en torno a la paquetización utilizada debido a la deformación que produce la red

43 Líneas futuras Captura propia: mayor duración, mayor número de características Ampliar el número de servicios analizados Ejemplo: streaming Mayor número de nodos, ámbito más global Nodos comerciales Dependencia del codec en cuanto al porcentaje de pérdidas y jitter

44 Realizado por: Joaquín Guillén Marín Dirigido por: Eduardo Casilari Pérez Dpto. Tecnología Electrónica - Universidad de Málaga Málaga 21 de Noviembre de 2003 Caracterización de servicios de audio en Internet