Servizi multimediali e loro requisiti

Il modulo multimedia del corso risponde a una domanda pratica: come si progetta, si dimensiona e si misura una rete quando sopra ci girano videochiamate, streaming di film, realtà virtuale o telecontrollo? La risposta passa da tre blocchi che le note seguenti sviluppano nell'ordine:

1. i formati: come un suono o un'immagine diventano bit (Digitalizzazione dei segnali multimediali - campionamento, quantizzazione e binarizzazioneLa conversione analogico-digitale (ADC) ha tre passi: campionamento $s_c(n)=s(nT_c)$, quantizzazione su $L=2^m$ livelli, binarizzazione dell'indice in $m$ bit; il bit-rate vale $R=F_c\log_2L$. Per il teorema di Shannon un segnale a banda limitata $f_M$ si ricostruisce senza errore se $F_c\ge2f_M$ (criterio di Nyquist), altrimenti c'è aliasing; per questo prima del campionatore c'è un filtro passa-basso. La quantizzazione uniforme di passo $\Delta=\frac{2A}{L}$ è irreversibile, con errore massimo $\frac\Delta2$ e $\mathrm{MSE}=\frac{\Delta^2}{12}$; la qualità si misura con MSE e $\mathrm{PSNR}=10\log_{10}\frac{(2^b-1)^2}{\mathrm{MSE}}$. In ricezione il bit mapper ricostruisce i valori e l'interpolazione con un nucleo $h$ (sample and hold, lineare, cubica, sinc troncato) riporta il segnale al tempo continuo.Digitalizzazione dei segnali multimediali - campionamento, quantizzazione e binarizzazione →) e come si comprimono (Compressione di immagini - DCT e standard JPEGPer comprimere con perdita non basta quantizzare i pixel (non sono sparsi): si applica una trasformata lineare ortogonale che concentra l'energia in pochi coefficienti, si quantizzano i coefficienti e si codificano senza perdita. Le trasformate ortogonali conservano l'MSE ($\frac1N|\mathbf x-\tilde{\mathbf x}|^2=\frac1N|\mathbf y-\tilde{\mathbf y}|^2$). JPEG baseline: si sottrae 128, si divide in blocchi $8\times8$, DCT 2D ($Y=AXA^T$), quantizzazione uniforme con tabella (passi piccoli a bassa frequenza, scalata da un fattore di qualità $Q$), zig-zag scan, DC codificato in modo differenziale con categoria/ampiezza, AC con coppie (run, categoria) e simbolo EOB, codici di Huffman non standardizzati scritti nel file. Esempio completo: un blocco da 512 bit diventa 49 bit (0,766 bit/pixel).Compressione di immagini - DCT e standard JPEG →, Codifica video - stima del moto, MPEG e H.264Un video non compresso costa da centinaia di Mbit/s a decine di Gbit/s; la compressione toglie prima di tutto la ridondanza temporale (immagini consecutive molto simili) con la stima del movimento per block-matching, $\mathbf v^*=\arg\min_{\mathbf v},d(B_k^{(\mathbf p)},B_h^{(\mathbf p+\mathbf v)})+\lambda R(\mathbf v)$, e la compensazione del movimento; l'errore di predizione (sparso) si codifica come in JPEG. I fotogrammi sono di tipo I (intra), P (predetti da un riferimento) e B (da due riferimenti, passato e futuro), organizzati in GOP di $N$ immagini con ancore ogni $M$; le I sono 3-5 volte più grandi delle P e 10-20 volte delle B. Il codificatore ibrido contiene un Decoded Frame Buffer per ripetere la predizione del decodificatore. Standard: MPEG-2, H.264/AVC (2003), H.265/HEVC (2013), H.266/VVC (2021), VP9 e AV1: ciascuno dimezza circa il tasso del precedente. Il tasso medio di un GOP I+$N$P è $R_C=fB_I\frac{1+\alpha N}{1+N}$.Codifica video - stima del moto, MPEG e H.264 →);
2. le prestazioni di rete che servono a trasportarli (Metriche e prestazioni di rete per i servizi multimedialiUna rete è una pila di livelli: ogni livello offre un servizio al superiore tramite un'interfaccia e dialoga con il livello pari con un protocollo; il pacchetto di un livello è il payload del livello inferiore ($\mathrm{PDU}n=\mathrm{PCI}n+\mathrm{SDU}n$), con efficienza $\eta=\frac{|\mathrm{SDU}n|}{|\mathrm{PDU}n|}$. Metriche: bit-rate $R_0$ (livello fisico) $\ge$ throughput $S$ $\ge$ goodput (throughput a lungo termine a livello applicazione). Ritardo nodale $d=d{proc}+d{queue}+d{trans}+d{prop}$ con $d{trans}=\frac LR$ e $d_{prop}=\frac xc$; ritardo end-to-end = somma dei nodali; jitter = variabilità del ritardo; BDP $=S\cdot\mathrm{RTT}$ (con il bit-rate minimo del percorso). Affidabilità: nel canale binario simmetrico $\mathrm{PER}=1-(1-\varepsilon)^L$ e $P(\ell)=\binom L\ell\varepsilon^\ell(1-\varepsilon)^{L-\ell}$; codici di canale $R=\frac kn$, parità, Hamming, interleaving per i burst; perdite per errori o congestione, $\mathrm{PDR}=1-P_{\text{LOSS}}$.Metriche e prestazioni di rete per i servizi multimediali →);
3. la qualità e l'adattamento (Qualità del servizio (QoS) e qualità dell'esperienza (QoE)La QoS (ITU-T E.800) è l'insieme delle caratteristiche di un servizio di telecomunicazioni che ne determinano la capacità di soddisfare l'utente: si misura con throughput, ritardo, jitter, perdite, disponibilità e affidabilità. La QoE è la qualità percepita dall'utente ("grado di gradimento o fastidio"): dipende da applicazione (A), risorse (R), contesto (C), utente (U) e richiede una QoS adeguata. Si misura con metriche soggettive (test con osservatori: MOS medio da 1 a 5 secondo ACR, DCR, confronto a coppie; si stimano media, deviazione standard, errore standard $SE=\frac s{\sqrt N}$ e intervallo di confidenza $\pm1{,}96,SE$) e oggettive (full/reduced/no reference): MSE, PSNR (anche YCbCr con pesi $\frac34,\frac18,\frac18$), metriche di Bjontegaard (BD-PSNR, BD-rate) per confrontare codec, SSIM (similarità strutturale), VMAF (machine learning, Netflix). Nessuna cattura gli stalli e le variazioni di qualità dello streaming.Qualità del servizio (QoS) e qualità dell'esperienza (QoE) →, Streaming adattativo e DASHPer non stallare serve $R_C\le S$ (tasso di codifica non superiore al throughput), ma $R_C$ si controlla e $S$ no. Se $S<R_C$ la latenza cresce, i buffer dei router si riempiono e si perdono pacchetti; né il drop brutale né il transcoding in rete sono praticabili, la scalabilità (SVC) è parziale. La soluzione dominante è lo streaming adattativo (ABR) tirato dal client su HTTP: il video è diviso in $N$ segmenti da $T_S$ secondi, ciascuno in $K$ livelli di bit-rate $R_C(k)$ descritti nell'MPD; il client sceglie il livello $q(n)$ di ogni segmento con $T_D=\frac{T_SR_C(q)}{S_n}$. Il playout buffer $B(t)$ (in secondi di video) segue $B'=\frac S{R_C}$ durante lo stallo e $B'=\frac S{R_C}-1$ durante la riproduzione; si parte dopo $L$ segmenti e dopo uno stallo si riprende con $M$ nuovi segmenti. La QoE si modella con $J=\sum_n\lambda_1k_n-\lambda_2\lvert k_n-k_{n-1}\rvert-\phi(\Delta_n)-\lambda_3T_{ST}$. Gli algoritmi ABR sono basati su throughput, buffer o ibridi; MPEG-DASH standardizza MPD e segmenti, non il client.Streaming adattativo e DASH →).

Questa nota fissa il vocabolario: che cosa è un servizio multimediale, come si classifica e quali requisiti ha.

1. Media, segnali e digitalizzazione

Definizione (medium). Un medium (plurale media) è un mezzo per rappresentare, immagazzinare o trasportare informazione. Sono media il testo, i dati, il suono, l'immagine, il video. Multimedia indica un flusso di informazione rappresentato o trasportato da più media insieme; le comunicazioni multimediali sono la tecnologia per manipolare, trasmettere e controllare questi contenuti attraverso una rete.

Dal punto di vista matematico un segnale è una funzione; dal punto di vista ingegneristico è ciò che trasporta l'informazione. I segnali multimediali nascono spesso come analogici: dipendono da una variabile continua e hanno ampiezza continua.

Per trattarli con un calcolatore e trasmetterli in rete vanno trasformati in segnali digitali con tre operazioni, spiegate nella nota sulla digitalizzazione:

• campionamento: la variabile indipendente diventa discreta;
• quantizzazione: l'ampiezza diventa discreta;
• codifica: l'ampiezza è scritta con dei bit.

Alcuni segnali sono già digitali per natura (testo, grafica al calcolatore). Quando la conversione è ben progettata la perdita è trascurabile, e il segnale digitalizzato si considera "l'originale": le perdite vere si introducono dopo, nella compressione e nel trasporto in rete.

2. Sorgenti statiche e dinamiche

• Sorgenti statiche: indipendenti dal tempo (testo, immagini fisse, grafica, dati). Sopportano bene il jitter (la variazione del ritardo) e le variazioni di bit-rate: in una pagina HTML non serve che testo e immagini compaiano nello stesso istante. Sopportano male gli errori (un bit sbagliato in un file può renderlo inutilizzabile).
• Sorgenti dinamiche: producono un segnale che dipende dal tempo (audio e video; in alcuni casi anche testo, come i sottotitoli). Richiedono sincronismo tra i diversi media (audio e video di una trasmissione devono arrivare allineati). Sono sensibili a latenza e jitter ma di solito robuste agli errori: un frame degradato disturba, un frame che arriva troppo tardi è inutile.

Il perché della differenza: un segnale dinamico viene riprodotto a ritmo fisso, quindi un dato che arriva dopo la sua scadenza non serve più; un file statico si usa solo quando è completo, quindi la scadenza non c'è, ma deve essere esatto.

3. I parametri con cui si descrive un servizio

Le applicazioni multimediali usano il servizio fondamentale di una rete: spostare bit da un punto a uno o più altri. Come lo fanno si misura con alcune metriche (definite con cura in Metriche e prestazioni di rete per i servizi multimedialiUna rete è una pila di livelli: ogni livello offre un servizio al superiore tramite un'interfaccia e dialoga con il livello pari con un protocollo; il pacchetto di un livello è il payload del livello inferiore ($\mathrm{PDU}n=\mathrm{PCI}n+\mathrm{SDU}n$), con efficienza $\eta=\frac{|\mathrm{SDU}n|}{|\mathrm{PDU}n|}$. Metriche: bit-rate $R_0$ (livello fisico) $\ge$ throughput $S$ $\ge$ goodput (throughput a lungo termine a livello applicazione). Ritardo nodale $d=d{proc}+d{queue}+d{trans}+d{prop}$ con $d{trans}=\frac LR$ e $d_{prop}=\frac xc$; ritardo end-to-end = somma dei nodali; jitter = variabilità del ritardo; BDP $=S\cdot\mathrm{RTT}$ (con il bit-rate minimo del percorso). Affidabilità: nel canale binario simmetrico $\mathrm{PER}=1-(1-\varepsilon)^L$ e $P(\ell)=\binom L\ell\varepsilon^\ell(1-\varepsilon)^{L-\ell}$; codici di canale $R=\frac kn$, parità, Hamming, interleaving per i burst; perdite per errori o congestione, $\mathrm{PDR}=1-P_{\text{LOSS}}$.Metriche e prestazioni di rete per i servizi multimediali →):

• Bit-rate (o tasso di trasmissione, in bit/s): quanti bit al secondo si trasportano. Nel linguaggio comune si dice anche "banda" o "velocità", ma banda (in hertz) è un'altra cosa: la larghezza dell'intervallo di frequenze occupato. Il corso usa "bit-rate" e avverte che l'uso di "banda" come sinonimo è scorretto ma diffuso.
• Latenza: il tempo tra l'istante in cui il dato è disponibile alla sorgente e quello in cui è disponibile alla destinazione.
• Jitter: la variabilità della latenza. Se la latenza cresce di colpo il video si ferma: è il freeze (o stall).
• Tasso d'errore: la proporzione di bit ricevuti diversi da quelli trasmessi.
• Complessità delle tecniche: pesa sul consumo di energia (importante su dispositivi mobili) e sul ritardo, perché il calcolo richiede tempo.
• Fedeltà al segnale originale (qualità): in molti casi si tollera una certa distorsione.

Applicazioni diverse pesano questi parametri in modo diverso. Un grafico bit-rate contro latenza (usato nelle slide) li dispone così: sensori e chatbot stanno in basso (pochi kbit/s, tolleranti al ritardo); lo streaming SD e 4K sta a pochi o decine di Mbit/s con latenze di decine di secondi o centinaia di ms; la realtà virtuale e il video a 360 gradi vogliono centinaia di Mbit/s e latenze di decine di ms; il controllo di veicoli e impianti vuole latenze di pochi ms.

Esempio (ordini di grandezza di latenza, applicazioni URLLC). Per le applicazioni ultra reliable low latency le slide riportano: automazione di fabbrica e controllo di moto $\le 1$ ms, internet tattile 1 ms, sistemi di trasporto intelligenti 5 ms, smart grid 3-5 ms, veicoli a guida automatica 15-20 ms, controllo remoto 5-100 ms, automazione di processo 100 ms. Sono esempi: i requisiti variano all'interno di una stessa area applicativa.

Osservazione (l'utente ingordo). Nonostante la capacità delle reti cresca, i requisiti delle applicazioni crescono più in fretta: più risorse ci sono, più se ne chiedono. 5 Mbit/s bastano per uno streaming SD ma non per streaming 4K, sistemi immersivi 3D, telepresenza o telemedicina. Inoltre aumentare soltanto il bit-rate non basta: altri requisiti (latenza, jitter, affidabilità) sono spesso stringenti quanto o più del bit-rate.

4. Tassonomia dei servizi

4.1 Streaming e bulk transfer

Definizione. Nello streaming la fruizione del contenuto può iniziare prima di aver ricevuto tutto il file: i dati si trasmettono e si consumano man mano che vengono prodotti. Nel bulk transfer (trasferimento in blocco) i dati viaggiano in modo "atomico" e si possono usare solo a file completo.

Lo streaming funziona così: la sorgente invia a ritmo costante e il ricevitore memorizza i dati in eccesso in un buffer temporaneo, il playout buffer, finché arriva il loro momento di essere riprodotti. Il buon uso del playout buffer è ciò che decide la qualità dell'esperienza in streaming (la dinamica del buffer è il cuore di Streaming adattativo e DASHPer non stallare serve $R_C\le S$ (tasso di codifica non superiore al throughput), ma $R_C$ si controlla e $S$ no. Se $S<R_C$ la latenza cresce, i buffer dei router si riempiono e si perdono pacchetti; né il drop brutale né il transcoding in rete sono praticabili, la scalabilità (SVC) è parziale. La soluzione dominante è lo streaming adattativo (ABR) tirato dal client su HTTP: il video è diviso in $N$ segmenti da $T_S$ secondi, ciascuno in $K$ livelli di bit-rate $R_C(k)$ descritti nell'MPD; il client sceglie il livello $q(n)$ di ogni segmento con $T_D=\frac{T_SR_C(q)}{S_n}$. Il playout buffer $B(t)$ (in secondi di video) segue $B'=\frac S{R_C}$ durante lo stallo e $B'=\frac S{R_C}-1$ durante la riproduzione; si parte dopo $L$ segmenti e dopo uno stallo si riprende con $M$ nuovi segmenti. La QoE si modella con $J=\sum_n\lambda_1k_n-\lambda_2\lvert k_n-k_{n-1}\rvert-\phi(\Delta_n)-\lambda_3T_{ST}$. Gli algoritmi ABR sono basati su throughput, buffer o ibridi; MPEG-DASH standardizza MPD e segmenti, non il client.Streaming adattativo e DASH →).

Caratteristiche comuni dei servizi di streaming:

• sorgenti dinamiche ed eterogenee, quantità di dati molto grande;
• controllo di latenza (ritardo tra produzione e disponibilità) e jitter;
• i dati devono arrivare nell'ordine in cui sono stati prodotti: un dato in ritardo è inutile;
• tolleranza a piccole degradazioni del segnale;
• con più flussi (audio e video) serve un certo sincronismo.

4.2 Stored, live, real-time

• Stored: il contenuto esiste prima della trasmissione e viene inviato in modo asincrono (film, serie).
• Live: il contenuto è prodotto subito prima della trasmissione (evento sportivo; latenze tipiche dell'ordine della decina di secondi).
• Real-time: caso particolare di live con requisiti di latenza molto stringenti, inferiore a 150 ms (chiamate audio e video, servizi immersivi). Il limite di 150 ms è quello sotto il quale una conversazione resta naturale.

4.3 Interattivo e non interattivo

Un servizio è interattivo se consente di partecipare o influenzare l'esperienza: la chat in una diretta, ma anche le funzioni "da videoregistratore" (pausa, indietro, avanti veloce) di uno streaming di contenuti registrati. Una comunicazione bidirezionale (videochiamata) è interattiva per costruzione.

4.4 Il caso bulk transfer live e stored

Anche il bulk transfer ha le versioni stored e live. Un audio di WhatsApp è un bulk transfer live: viene inviato come file intero subito dopo essere stato prodotto, e il destinatario lo ascolta quando l'ha ricevuto tutto. Un podcast, un file in FTP, una pagina HTML sono bulk transfer stored.

4.5 Tabella riassuntiva

Un quadro più operativo, con il requisito critico e la tolleranza di ritardo:

5. Come è fatto l'esame del modulo

Le regole dell'esame del modulo multimedia, dalle slide del corso 2025-26:

• il modulo ha un esame indipendente da quello del modulo HTTP; il voto finale pesa 1/3 il modulo multimedia e 2/3 il modulo HTTP;
• i due esami si possono superare in sessioni diverse; il voto del modulo multimedia si conserva per 12 mesi, e se si rifà l'esame vale sempre il voto più recente (non si sceglie il massimo tra più tentativi);
• si svolge su Moodle esami, a libro chiuso, con quiz a risposta multipla (teoria ed esercizi numerici) e domande aperte su tutti gli argomenti;
• punteggio: da +2 a +5 per risposta esatta (secondo la difficoltà), 0 per risposta assente, -1 per risposta sbagliata; le domande aperte valgono fino a 5 punti; il totale disponibile supera 31 ma viene troncato a 31 (le slide dicono "da 32 a 34 punti" per un canale e "massimo 33" per l'altro).

Conseguenza pratica: con la penalità di -1 rispondere a caso su 4 opzioni ha valore atteso negativo, quindi conviene rispondere solo quando si riesce a scartare almeno un paio di opzioni. Questo è il motivo per cui nei PDF di domande ogni opzione è commentata.

Domande d'esame

1. Che differenza c'è tra streaming e bulk transfer? Si faccia un esempio di bulk transfer live. Traccia: nello streaming si inizia a riprodurre prima di avere tutto il file, grazie al playout buffer; nel bulk transfer il dato si usa solo a file completo. L'audio di WhatsApp è bulk transfer live: inviato subito dopo la registrazione ma ascoltato a ricezione completa.

2. Perché una sorgente statica tollera bene il jitter ma male gli errori, mentre una dinamica fa il contrario? Traccia: la sorgente statica non ha scadenze di riproduzione (il ritardo non conta) ma un bit sbagliato può compromettere il contenuto; la dinamica è riprodotta a ritmo fisso (un dato in ritardo è inutile, quindi servono latenza e jitter contenuti) ma una piccola degradazione di un frame è poco visibile.

3. Cosa si intende per servizio real-time e quale soglia di latenza lo caratterizza? Traccia: è un servizio live con latenza molto stringente, sotto 150 ms (chiamate audio e video, servizi immersivi).