Исследование фрактальных свойств потоков трафика реального времени и оценка их влияния на характеристики обслуживания телекоммуникационных сетей

• Автор: Урьев, Григорий Анатольевич
• Шифр специальности: 05.12.13
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Москва
• Количество страниц: 166 с. : ил. + Прил.(73 с.: ил.)

1. САМОПОДОБНОСТЬ ТЕЛЕКОММУНИКАЦИОННОГО ТРАФИКА. ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ

1.1. Основные положения теории самоподобных процессов

1.1.1. Оценка показателя Херста

1.1.2. Самоподобность телекоммуникационного трафика

1.1.3. Самоподобность речевого и видео трафика

1.2 Характеристика потоков трафика реального времени

телекоммуникационных сетей

1.3 Постановка задачи исследования

2 .ИССЛЕДОВАНИЕ САМОПОДОБНОСТИ ТРАФИКА РЕЧИ

2.1 Проблема самоподобия трафика реального времени

2.2 Статистические характеристики речевого трафика

2.3 Характеристики речевого трафика
2.3.1. Характеристики речевого трафика на уровне вызовов
2.2.2. Характеристики речевого трафика на уровне пакетов
2.4 Математические модели трафика VoIP
2.4.1 Модели речевого трафика на уровне вызовов
2.4.2. Оценка параметров полумарковской модели и
результаты моделирования речевого трафика на уровне вызовов
2.4.3.Математические модели речевого трафика
на уровне пакетов
2.5 Имитационное моделирование речевого трафика
2.5.1 Структура имитационного комплекса
2.5.2 Результаты моделирования отдельного источника
2.5.3 Результаты мультиплексирования отдельных
2 '
ON/OFF-истточников
2.6 Выводы
З.ИССЛЕДОВАНИЕ САМОПОДОБНОСТИ ВИДЕО ТРАФИКА
3.1 Долговременная зависимость для VBR-видео
3.2 Анализ самоподобия видеотрафика
3.3 Модели и моделирование видеопоследовательностей
3.3.1 Типы нестационарности для VBR-видеотрафика
3.3.2 Модель смены сцен видеотрафика, основанная на процессе смещающихся уровней (СУ)
3.3.3 Модели видеопоследовательностей в пределах отдельной сцены
3.3.4. Фрактальные авторегрессионные модели р-го порядка
3.3.5 Моделирование MPEG с использованием статистики 1,Р и В кадров
3.4 Выводы
4.0ЦЕНКА ВЛИЯНИЯ ФРАКТАЛЬНОСТИ ТРАФИКА НА ПОСТРОЕНИЕ ОЧЕРЕДЕЙ ТЕЛ ЕКОММУНИКАЦИОННЫХ СЕТЕЙ
4.1 Постановка задачи
4.2 Оценка влияния самоподобия трафика на построение очередей
4.2.1 Модель построения очередей с трафиком в виде
фрактального броуновского движения
4.2.2 Фрактальное движение Леви
4.2.3 Асимптотическая нижняя граница для вероятности переполнения буфера
4.3 Мультифрактальные свойства трафика реального времени
4.3.1 Основные определения
4.3.2 Мультифрактальный анализ
4.3.3 Алгоритм вычисления функции разбиения 5т(^)
4.3.4 Мультифрактальные свойства речевого трафика
4.3.5 Мультифрактальные свойства видеотрафика
4.4 Оценка влияния мультифрактальности трафика на построение очередей
4.4.1 Очереди в случае мультифрактального трафика на входе
4.4.2 Мультифрактал и монофрактал
4.5 Выводы
Заключение
Список литературы

фрактальное или самоподобное масштабирование, т.е. трафик выглядит статистически подобным на всех масштабах времени. Открытие самоподобного поведения трафика привело к новым фрактальным моделям агрегированного трафика [2]. Фрактальный гауссовский шум (ФГШ) (наиболее широко применяемая фрактальная модель) -гауссовский процесс со строго масштабирующейся структурой. Вследствие его гауссовости, он применяется в аналитических исследованиях построения очередей. Аргументом присутствия ФГШ в сетях является также то, что зачастую агрегированный трафик может рассматриваться как наложение большого числа отдельных независимых ОМ/'ОРГ-источников, которые передают с одинаковой интенсивностью, но с длительностями, распределенными в соответствии распределениями с «тяжелыми хвостами» [13,14, 16, 17]. В пределе для бесконечного числа источников ОМ/ОГГ-модель сходится к ФГШ.
Полученная информация о характеристиках трафика на уровне соединений, содержащаяся в широко доступных трассах трафика как правило игнорировалась при классическом агрегированном анализе (ДВЗ, фрактальный, мультифрактальный). Учет этой информации при создании моделей трафика обеспечивает новый подход к анализу и моделированию пульсирующего сетевого трафика.
2.4.1 Модели речевого трафика на уровне вызовов
Рассмотрим стохастическую непрерывную цепь Маркова (ЦМ) Ш) с непрерывным временем Т е Л+[0, да) и конечным множеством состояний X = {0, ..., Щ (см. рис.1). Последовательность {(£„, Т„), п = 0, 1, ...} случайных векторов, где принимает значения из множества Х(£п е!),а Т„ в Я+ будем называть полумарковской последовательностью, если
Р{%„ =у, Тп < /[Со = г0; То < /0, £ = к, ■■■, 4-ь ТпЛ < /„-х}
=Р{&=;Тп<1 %п.1}=йу((), (2.1)