Amélioration de la qualité d'expérience dans les services de vidéo streaming pour les réseaux mobiles

Notice brève
dc.contributor.authorSOUANE NAIMA
dc.date.accessioned2025-12-24T08:22:01Z
dc.date.available2025-12-24T08:22:01Z
dc.date.issued2025-12-10
dc.description.abstractLa diffusion vidéo en continu représente une part significative du trafic Internet, en particulier sur les réseaux sans fil, où les fluctuations de bande passante l’instabilité du canal radio peuvent dégrader de manière significative la qualité d’expérience (QoE). Maintenir une QoE stable dans ces conditions constitue un défi important, malgré la large adoption du protocole Dynamique Adaptive Streaming over HTTP (DASH). Les algorithmes traditionnels d’adaptation du débit binaire (ABR) reposent principalement sur des règles fixes, ce qui limite leur capacité à s’adapter afficacement à la variabilité du réseau. Par conséquent, de nouvelles approches sont nécessaires pour optimiser la QoE et améliorer la satisfaction des utilisateurs, soulèvant la question de la manière de mesurer et d’améliorer efficacelent la QoE. Cette thèse se concentre sur l’amélioration de la QoE des utilisateurs du service de streaming vidéo sur les réseaux sans fil. Premièrement, nous proposons une approche basée sur l’apprentissage par renforcement profond appliqué au streaming DASH, qui ajuste dynamiquement la diffusion afin de maintenir une QoE perçue stable et élevée. Deuxièment, nous introduisons un cadre d’évaluation de la QoE de bout en bout intégré au système DASH, capable d’évaluer l’expérience utilisateur selon plusieurs mesures La stratégie d’adaptation proposée ajuste dynamiquement les transitions de qualité entre segments vidéo consécutifs pour optimiser la QoE perçue. La méthode a été évaluée via des simulations couvrant divers scénarios sans fil et contenus vidéo. Une analyse comparative avec les techniques ABR existantes montre des améliorations significatives de la stabilité du streaming et de l’éxpérience globale des utilisateurs. Par ailleurs, la thèse présente un cadre hybride d’évaluation de la QoE de bout en bout dans le système DASH, combinant des métriques objectives et le retour subjectif des utilisateurs. Le cadre prend en compte la qualité vidéo, le taux de changement de qualité, les interruptions de lecture et l’opinion des utilisateurs, en les agrégant dans un score pondéré aligné sur l’échelle MOS. Pour valider cette approche, une plateforme DASH avec connectivité sans fil et un serveur de streaming contenant des segments vidéo et des fichiers MPD a été mise en place. Des expériences comparatives avec des algorithmes ABR standards confirment que le cadre fournit une évaluation fiable et complète de l’éxpérience utilisateur dans diverses conditions réseau
dc.formatPDF
dc.identifier.urihttps://dspace.univ-oran1.dz/handle/123456789/4951
dc.language.isofr
dc.publisherUniversité Oran 1
dc.subjectDASH; streaming vidéo; réseaux sans fil; QoE; apprentissage profond; ABR; algorithme d’apprentissage par renforcement; apprentissage par renforcement profond; estimation de la bande passante; PSNR; MOS.
dc.titleAmélioration de la qualité d'expérience dans les services de vidéo streaming pour les réseaux mobiles
dc.typeThesis
grade.Co-rapporteurDOUGA Yassine, MCA, Université Oran 1
grade.ExaminateurBELALEM Ghalem, Professeur, Université Oran 1
grade.ExaminateurDEBBAT Fatima, Professeur, Université de Mascara
grade.ExaminateurLABRAOUI Nabila, Professeur, Université de de Tlemcen
grade.GradeDOCTORAT
grade.OptionSYSTEMES INFORMATIQUES ET RESEAUX
grade.PrésidentGHOMARI Abdelghani , Professeur, Université Oran 1
grade.RapporteurBOURENANE Malika, Professeur, Université Oran 1
l'article.1.DateParution2023/10/26
l'article.1.RevueApplied Sciences
l'article.1.RéférenceSouane, N.; Bourenane, M.; Douga, Y. Deep Reinforcement Learning-Based Approach for Video Streaming: Dynamic Adaptive Video Streaming over HTTP. Appl. Sci. 2023, 13, 11697. https://doi.org/10.3390/app132111697
l'article.1.TitreDeep reinforcement learning-based approach for video streaming: Dynamic adaptive video streaming over HTTP
la.MentionTrès Honorables
la.SpécialitéInformatique
la.coteTH5631
Fichiers
Bundle original
Voici les éléments 1 - 1 sur 1
Vignette d'image
Nom :
TH5631.pdf
Taille :
3.2 MB
Format :
Adobe Portable Document Format
Description :
Télécharger
Collections
Thèses de Doctorat "Informatique"