Модели расчета показателей QoS в сетях следующего поколения

• Автор: Симонина, Ольга Александровна
• Шифр специальности: 05.12.13
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Санкт-Петербург
• Количество страниц: 132 с. : ил.

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИИ

1. ПРОБЛЕМЫ ОБЕСПЕЧЕНИЯ КАЧЕСТВА ОБСЛУЖИВАНИЯ В NGN

1Л. Эволюция сетей электросвязи в направлении построения17 NGN

1.1.1. Стандартизация QoS

1.1.2. Сквозная модель QoS для мультимедийного трафика

1.2. Качество обслуживания в мультисервисных IP-ориентированных сетях

1.2.1 Требования к показателям качества обслуживания

1.2.2 Модели обеспечения качества обслуживания в сетях IP

1.2.3 Оценка качества передачи речи в сетях IP

1.3. Модели трафика IP-ориентированной сети

1.3.1 Самоподобные процессы в мультисервисных IP-сетях

1.3.2 Характеристики самоподобных процессов
1.3.3 Причины возникновения явления самоподобия в трафике IP-сетей
1.4. Задачи исследования
Выводы по главе
2. ОПРЕДЕЛЕНИЕ ПОКАЗАТЕЛЕЙ КАЧЕСТВА ОБСЛУЖИВАНИЯ МУЛЬТИСЕРВИСНОГО ТРАФИКА В IP-СЕТЯХ
2.1. Статистические свойства трафика в IP-сетях
2.1.1 Классификация трафика IP-сетей по приложениям
2.1.2 Признаки самоподобия для типов трафика на различных уровнях модели IETF
2.2. Характеристики законов распределения вероятностей, используемые для моделирования различных типов трафика ІР-сетей

2.3. Расчет показателей качества обслуживания для системы G/G/1 с учетом свойств самоподобия
2.3.1. Диффузионная аппроксимация системы G/G/1
2.3.2. Задержки
2.3.3. Потери
2.4. Определение взаимного влияния трафика в агрегированном потоке
Выводы по главе
3. ОЦЕНКА ПОКАЗАТЕЛЕЙ QOS ТРАФИКА РЕАЛЬНОГО ВРЕМЕНИ В МУЛЬТИСЕРВИСНЫХ IP-СЕТЯХ
3.1. Оценка влияния кодека на показатели качества обслуживания приложений реального времени (VoIP)
3.1.1. Влияние методов нивелирования потерь на показатели качества обслуживания
3.1.2. Оценка влияния типа кодека на показатели качества обслуживания
3.1.3. Корректировка потерь трафика VoIP с учетом влияния кодека
3.2. Оценка эффективного распределения пропускной способности для различных типов трафика
Выводы по главе
4. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ТРАФИКА МУЛЬТИСЕРВИСНЫХ 1Р-СЕТЕЙ
4.1. Моделирование трафика мультисервисных 1Р-сетей с учетом свойств самоподобия
4.2. Анализ результатов моделирования
Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ
AP/C
DiffServ

IETF
IntServ
ITU-T

ON/OFF

Adaptive Packetization and Concealment - алгоритм нивелирования потерь, основанный на вариации размера пакета для различных участков речи
Модель предоставления дифференцированных услуг
Forward Error Correction - алгоритм нивелирования потерь, основанный на избыточном кодировании
Internet Engineering Task Force - Инженерная группа по решению задач Internet
Модель предоставления интегрированных услуг
International Telecommunication Union - Международный Союз Электросвязи
Linear Coding Prediction - Линейное предсказание речи
Long-Range Dependence - Медленно затухающие распределения
Логнормальное распределение
Linear Spectrum Frequency - Линейные спектральные частоты
Mean Opinion Score - субъективная оценка качества речи, основанная на экспертных оценках
Next Generation Network - Сети связи следующего поколения
Network Simulation-2 - Пакет моделирования сетей
Модель сетевого трафика, обладающего свойствами самоподобия
Распределение Парето
Packet Loss Concealment - методы нивелирования потерь в кодеках 1Р-телефонии

Quality of Service — Качество обслуживания

Определение. Процесс X называется самоподобным в узком смысле (СУС, strictly self-similarity) с параметром Я = 1 - (/? / 2), 0 < (3 < 1, если справедливо выражение:
тЫ1х!т) = Х,теЫ, (1.8)
которое понимается в смысле равенства распределений. Связь между процессами ССШС и СУС аналогична связи между процессами, стационарными в широком и узком смыслах. Необходимое и достаточное условие того, что процесс называется ССШС дано в [117].
В работе [29] отмечена одинаковость распределений исходного и агрегированного процессов (при больших т), измерен параметр Я (параметр Херста) и обнаружено, что последний для сетевого трафика находится в интервале (0,5; 1). На качественном уровне такой самоподобный трафик имеет постоянный взрывной характер на многих масштабах временной оси.
Параметр Я, называемый параметром Херста, или параметром самоподобия, представляет собой ключевую меру самоподобия (т.е. меру устойчивости стохастического процесса). Значение Я = 0.5 указывает на отсутствие долгосрочной зависимости, а приближение значения Я к 1 ведет к повышению степени устойчивости долгосрочной зависимости.
Агрегированные временные серии можно рассматривать как метод сжатия временной шкалы. Можно считать максимальным увеличением или высочайшим возможным разрешением для этой временной серии. Процесс х(3) представляет собой тот же самый процесс, уменьшенный в три раза. Усредняя по каждому множеству из трех точек, теряются мелкие детали, доступные при максимальном увеличении. Если статистические характеристики процесса (среднее значение, дисперсия, функция корреляции и т.д.) сохраняются при сжатии, то рассматриваемый процесс является самоподобным.
Однако следует отличать самоподобный процесс от фрактального. Если для фрактального процесса степень приближения /л-юо, то для