Wireless networks in difficult conditions of signal receiving are characterized by a high level of burst data losses, at which a large number of data fragments can be lost in a row. In this case, to recover the lost data, the use of forward error correction methods (FEC) in most cases does not give a sufficient effect. The use of standard data loss recovery methods based on automatic retransmission request (ARQ) at the data link and transport layers of the OSI model can lead to significant delays, which is often unacceptable for real-time streaming services. In such a case, it may be preferable to skip the piece of data rather than delay waiting for the piece to be delivered on retransmissions. The use of ARQ-based techniques on application layer of OSI model for data streaming allows for a more efficient recovery of lost data chunks in wireless networks with a high level of burst losses. The known models of a discrete channel for wireless networks allow for analytically assessing the probability of data loss, however, they do not take into account cases with retransmission of lost data. The study proposes a mathematical model of data transmission in a wireless communication channel based on the Gilbert model, which takes into account the loss recovery by the ARQ method and allows you to calculate the data loss ratio. To check the adequacy of the proposed model, a software was developed that ensures the transmission of data streaming in a wireless communication network with recovery of fragment losses at the application level, and a corresponding experimental study was carried out. It is shown that the mathematical model takes into account the burstiness of transmitted data losses and their recovery by the ARQ method.
Рассматриваются объективные методы оценки качества речевого сигнала: 1) Perceptual Evaluation of Speech (PESQ, рекомендация МСЭ-T P.862) - оценка восприятия качества речи, 2) Listening Quality Objective (LQO, рекомендация, МСЭ-T P.800.1) - качество прослушивания. Приведено краткое описание и схемы работы методики PESQ и формулы для преобразования оценок Raw MOS в MOS-LQO и обратно. Для тестирования были выбраны низкоскоростные вокодеры: 1) MEPLe, 2) Speex, 3) Codec2. Тестирование вокодеров проводилось на битовых скоростях от 700 до 4800 бит/с. Для тестирования использовались аудиофайлы артикуляционных таблиц количеством 20 записей (wav, 8000 КГц, 16 бит, моно). В результате тестирования были построены таблицы и графики для Raw MOS и MOS-LQO оценок выбранных вокодеров. При анализе результатов экспериментов сделан вывод об эффективности применения объективных методов оценки качества речи, и в качестве перспективного для дальнейших разработок вокодера был выделен MELPe, обеспечивающий на битовых скоростях 1200 и 2400 бит/с оценку качества MOS соответственно 2,9...3,2 и 3,0...3,3. Вокодер Speex показал сравнимые с MELPe результаты оценки при большей битовой скорости (4800 бит/с), а вокодер Codec2 показал результаты оценки ниже, чем MELPe.
Because of the specific characteristics of Unmanned Aerial Vehicle (UAV) networks and real-time applications, the trade-off between delay and reliability imposes problems for streaming video. Buffer management and drop packets policies play a critical role in the final quality of the video received by the end station. In this paper, we present a reactive buffer management algorithm, called Multi-Source Application Layer Automatic Repeat Request (MS-AL-ARQ), for a real-time non-interactive video streaming system installed on a standalone UAV network. This algorithm implements a selective-repeat ARQ model for a multi-source download scenario using a shared buffer for packet reordering, packet recovery, and measurement of Quality of Service (QoS) metrics (packet loss rate, delay and, delay jitter). The proposed algorithm MS-AL-ARQ will be injected on the application layer to alleviate packet loss due to wireless interference and collision while the destination node (base station) receives video data in real-time from different transmitters at the same time. Moreover, it will identify and detect packet loss events for each data flow and send Negative-Acknowledgments (NACKs) if packets were lost. Additionally, the one-way packet delay, jitter, and packet loss ratio will be calculated for each data flow to investigate the performances of the algorithm for different numbers of nodes under different network conditions. We show that the presented algorithm improves the QoS of the video data received under the worst network connection conditions. Furthermore, some congestion issues during deep analyses of the algorithm’s performances have been identified and explained.
В данной статье рассматривается получение характеристического полинома динамической модели «роя» дронов. Разработанный алгоритм анализа топологических моделей позволяет получить характеристический полином и передаточную функцию системы в буквенно-численном виде методом присоединения по одной вершине. Алгоритм отличается от существующих применением более оптимального механизма построения деревьев и прадеревьев частей графа, позволившего сократить затраты времени и памяти. Формализованная информация о графе, включающая множество варьируемых параметров, и служит исходной информацией при построении характеристического полинома и передаточной функции системы. Основными элементами этой информации являются внутренние и внешние вершины. Описание частей графа с целью выявления замкнутых контуров доводим с помощью специально разработанного множества кортежей части, элементами которого являются нулевая вершина и вершины множества. Описан процесс образования множества кортежей, производимых по разработанным правилам. Представлены алгоритмы получения характеристического полинома части графа и характеристического полинома системы. Получение передаточной функции системы основано на применении рассмотренного алгоритма построения характеристического полинома для графа систем, в который введены дополнительные (структурные) дуги, указывающие пары входных и выходных узлов системы. Представление весов ребер и в виде параметрической функции ребра позволяет расширить возможности методов топологического анализа при автоматизированном проектировании динамических систем с изменяющимися во времени параметрами. Алгоритм дает возможность получать характеристический полином системы как явную функцию различных параметров, а не только тех, которые непосредственно являются коэффициентами дифференциальных уравнений системы. Это намного расширяет простор проектировщику в выборе параметров варьирования. Полученная модель учитывает изменчивость состава, структуры и уровня взаимодействия «роя». При изменении «роя» нет необходимости пересчитывать весь граф, а только изменившуюся часть. Алгоритм отличается от существующих применением более оптимального механизма построения деревьев и прадеревьев частей графа, позволившего сократить затраты времени и памяти
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.