Métricas de QoE/QoS de vídeo em redes sem fio para auxilio ao planejamento de ambientes indoor utilizando uma abordagem bayesiana

A evolução das aplicações em redes sem fio tem crescido nos últimos anos, devido ao aumento do número de usuários de smartphone, tablets e outros. A disponibilidade de serviços exigentes, como a transmissão de vídeo, afeta a Qualidade de Experiência (QoE) e Qualidade de Serviço (QoS) provida aos usuários domésticos e comerciais, isto tem estimulado ao estudo de novas técnicas de gerência de recursos de redes, tendo como objetivo proporcionar serviços com qualidade a um cliente cada vez mais exigente. Essa dissertação apresenta uma metodologia de Inteligência Artificial, utilizando uma Rede Bayesiana, com uma estratégia híbrida de avaliação analisando o comportamento de métricas de QoE e QoS, no projeto de redes locais sem 50. Para isto houve a necessidade da realização de campanhas de medições, para a geração de uma base de medidas reais, e com o artificio da simulação utilizando uma Radial Base Function (RBF), realizou-se a extensão dos dados, para que tivesse o volume de dados ideal para inserção na Rede Bayesiana. A diversidade do local de medições escolhido, composto de materiais como: tijolo, vidros, madeiras e concreto. Foi necessário realizar previamente um mapeamento de todos os pontos a serem medidos, posicionando propositalmente antes e depois de cada barreira ultrapassada pelo sinal. As Métricas como nível de sinal Receiver Signal Strength Intensity (RSSI), Jitter, atraso fim a fim da rede durante a transmissão do vídeo, PeakSígnal-to-NoíseRatío (PSNR) e Structural Símz'larízj/ (SSIM) foram coletadas durante as medições realizadas. E utilizando a Rede Bayesiana foram feitas inferências para cada métrica e foi possível encontrar resultados satisfatórios para que a solução proposta auxilie o planejamento de redes sem fio em ambientes indoor. Possibilitando demonstrar que até 10 metros de distância do transmissor, o sinal tem sua melhor potência, e a métrica de atraso fim a fim tem mais de 65% de probabilidade de esta na menor faixa de atraso e acompanhando este ótimo desempenho o Jítter tem mais de 65% de probabilidade de esta na menor faixa. E as métricas de QoE, PSRN e SSIM possuem um comportamento similar e tem mais de 80% de probabilidade de obter seu maior valor, e consequentemente o vídeo tem a sua melhor qualidade de recepção. Resultados estes demonstram que não exclui a possibilidade do uso desta proposta em outras situações.