Совершенствование метода оперативного распределения пропускной способности каналов мультисервисной сети с целью повышения эффективности их использования

• Автор: Коваленко, Ольга Николаевна
• Шифр специальности: 05.12.13
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Омск
• Количество страниц: 155 с. : ил.

Содержание
Введение

1 Статистические характеристики, моделирование и обслуживание сетевого трафика

1.1 Основные характеристики трафика

1.2 Традиционные методы моделирования трафика

1.2.1 Моделирование с использованием марковских случайных процессов

1.2.2. Возобновляющиеся модели трафика

1.3 Методы моделирования самоподобного трафика

1.3.1 Групповые марковские потоки (ВМАР)

1.3.2 Пуассоновский процесс, управляемый марковским (ММРР)

1.3.3 Моделирование с помощью on/off-источников
1.3.4 Закон распределения Парэто
1.3.5 a-устойчивые процессы
1.3.6 Фрактальный точечный процесс
1.3.7 Фрактальное броуновское движение
1.3.8 Регрессионные модели трафика
1.4 Анализ методов обслуживания трафика
1.4.1 Бесприоритетные алгоритмы обслуживания очередей
1.4.2 Приоритетные методы обслуживания очередей
1.4.3 Модель обслуживания очередей с подвижной границей
2 Экспериментальное исследование и моделирование трафика мультисервисной сети
2.1 Постановка эксперимента
2.2 Результаты измерений и их обработки
2.3 Моделирование трафика мультисервисной сети
3 Исследование методов обслуживания трафика мультисервисной сети
3.1 Исследование качества обработки пакетов при использовании методов обслуживания FIFO, PQ и CBWFQ для СМО M/M/1/N,W
3.2 Исследование качества обработки пакетов при использовании методов обслуживания FIFO, PQ и CBWFQ для СМО M/M/N/m
3.3 Дисциплина обслуживания на основе подвижной границы в узкополосных сетях ISDN и ее показатели качества обслуживания
3.4 Дисциплина обслуживания трафика мультисервисной сети на основе подвижной границы при интеграции двух типов нагрузки
3.5 Дисциплина обслуживания трафика мультисервисной сети на основе подвижной границы при интеграции трех типов нагрузки
3.6 Имитационное моделирование процесса адаптивного распределения
полосы пропускания
4 Оценка коэффициента Хэрста по экспериментальным данным
4.1 Методика выбора метода расчета коэффициента Хэрста с использованием теории нечетких множеств
4.2 Методика формирования экспертной оценки
4.3 Предсказание коэффициента Хэрста с помощью аналитического прогнозирования
4.3.1 Характеристика методов предсказания
4.3.2 Оценки аналитического предсказания
4.3.3 Предсказание трафика
Заключение
Список литературы
Приложение 1. Акты об использовании результатов диссертационной
работы
Приложение 2. Имитационное моделирование процесса динамического
распределения полосы пропускания
Приложение 3. Технико-экономическое обоснование эффективности результатов диссертационной работы
Введение
Анализ развития современных телекоммуникационных сетей показывает, что в настоящее время происходит постепенное преобразование телефонных сетей общего пользования (ТфОП) в мультисервисные на базе коммутации пакетов с целью организации единой информационной структуры и интеллектуальной среды [34]. Кроме того, на сети связи железнодорожного транспорта также появляются участки опытной эксплуатации мультисервисных сетей [64, 100, 116].
Мультисервисная сеть связи - это единая телекоммуникационная инфраструктура для переноса/коммутации трафика произвольного типа (видео, голос, данные), порождаемого взаимодействием потребителей и поставщиков услуг связи с контролируемыми и гарантированными коэффициентами трафика, уровнем качества и конфиденциальности, свойственными каждому виду услуг [32].
В «Концептуальных положениях по построению мультисервисных сетей на ВСС России» [48] определены следующие требования к перспективным сетям связи:
1. Мультисервисность, под которой понимается независимость технологий предоставления услуг от транспортных технологий;
2. Широкополосность как возможность гибкого и динамического изменения скорости передачи информации в широком диапазоне в зависимости от текущих потребностей пользователя;
3. Мультимедийность - способность сети передавать многокомпонентную информацию (речь, данные, видео) с необходимым качеством;
4. Интеллектуальность, под которой понимается возможность организации доступа к услугам независимо от используемой технологии.
Согласно [48], перечисленные требования можно выполнить, организуя мультисервисную сеть связи на базе сетей с коммутацией пакетов (КП). При этом происходит изменение не только сети и способов ее

Согласно данному выражению, значение случайной функции в момент времени î зависит от всех предшествующих (и < t) приращений dB(u) случайного процесса.
Несмотря на то, что модели, основанные на ФБД, нашли широкое применение в сетевом моделировании, они имеют ограничения при моделировании реальных графиковых трасс [112]. Во-первых, реальный трафик не является строго самоподобным, а является только асимптотически самоподобным, т. е. для описания поведения трафика не достаточно коэффициента Херста. Как было доказано, с помощью ФБД нельзя описать кратковременную корреляцию, которая значительно влияет на буферизацию. Также гауссовость моделей ФБД не всегда соответствует реальным трафиковым трассам, например, когда среднеквадратическое отклонение превышает среднее значение. В этом случае применяются более универсальные регрессионные модели, учитывающие кратковременную и долговременную корреляционную структуру реального трафика.
1.3.8 Регрессионные модели трафика
Данные модели используются при проектировании для предсказания производительности сети и оценки схемы управлениями перегрузками, а также с целью моделирования различных корреляционных структур. Регрессионные модели определяют следующую случайную переменную в виде рекурсивной функции от предыдущих случайных переменных. К кратковременно зависимым регрессионным моделям следует отнести AR, ARMA, ARIMA-модели. Для учета как кратковременной зависимости, так и долговременной следует воспользоваться FARIMA-моделыо.
Линейные авторегрессионные (AR) процессы. Класс AR(p) состоит из линейных авторегрессионных моделей порядка р:
Xn=