Помощь в написании студенческих работ
Антистрессовый сервис

Разработка алгоритмов анализа и синтеза потоков трафика реального времени на мультисервисной сети связи

Диссертация: Разработка алгоритмов анализа и синтеза потоков трафика реального времени на мультисервисной сети связи
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Научная новизна работы. 1. В результате исследования параметров потоков трафика по выделенным каналам на мультисервисной сети с технологией ATM получены следующие результаты: определен период наибольшей нагрузки для потоков трафика деловых пользователей по выделенным каналамопределена корреляционная зависимость между степенью самоподобия потока трафика и такими параметрами трафика, как… Читать ещё >

Разработка алгоритмов анализа и синтеза потоков трафика реального времени на мультисервисной сети связи (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Исследование свойств потоков трафика с переменной скоростью передачи на мультисервисной сети связи
    • 1. 1. Краткий анализ основных технологий передачи на мультисервисной сети связи
    • 1. 2. Особенности обслуживания потоков трафика в мультиплексорах
  • ATM и их влияние на качество обслуживания виртуальных каналов
    • 1. 3. Статистические свойства трафика мультисервисной сети связи
    • 1. 4. Оценка степени самоподобия трафика
    • 1. 5. Алгоритм оценки параметра Херста с помощью дискретного вейвлет-преобразования
    • 1. 6. Оценка статистических параметров трафика с учетом свойства самоподобия
      • 1. 6. 1. Оценка средней скорости передачи
      • 1. 6. 2. Оценка дисперсии скорости передачи
      • 1. 6. 3. Оценка коэффициента вариации скорости передачи
      • 1. 6. 4. Оценка коэффициента пачечности скорости передачи
      • 1. 6. 5. Оценка коэффициента использования канального ресурса
      • 1. 6. 6. Определение доверительных интервалов основных параметров трафика
    • 1. 7. Порядок проведения измерений трафика на мультисервиной сети связи
      • 1. 7. 1. Краткое описание исследуемой мультисервисной сети связи
      • 1. 7. 2. Схема измерений потоков трафика
      • 1. 7. 3. Формат представления результатов измерений
    • 1. 8. Выводы
  • Глава 2. Анализ параметров трафика на мультисервисной сети связи
    • 2. 1. Постановка задачи исследования
    • 2. 2. Анализ трафика по каналам с ретрансляцией кадров от индивидуальных пользователей
    • 2. 3. Анализ трафика на мультиплексированных каналах с ретрансляцией кадров
    • 2. 4. Анализ потоков трафика по каналам доступа ADSL
    • 2. 5. Анализ трафика в цифровом потоке STM
    • 2. 6. Факторный анализ изменения основных параметров трафика в зависимости от категории потока трафика мультисервисной сети связи
    • 2. 7. Анализ тесноты связи между параметром Херста и основными статистическими параметрами трафика
    • 2. 8. Анализ изменения коэффициента вариации поступающего потока трафика по отдельным виртуальным каналам
    • 2. 9. Исследование стохастических свойств вейвлет-коэффициентов потоков трафика мультисервисной сети связи
    • 2. 10. Выводы
  • Глава 3. Разработка алгоритма синтеза самоподобных потоков трафика
    • 3. 1. Постановка задачи синтеза самоподобных потоков трафика на мультисервисной сети связи
    • 3. 2. Основные этапы синтеза самоподобного потока трафика
    • 3. 3. Синтез функции начальной аппроксимации
    • 3. 4. Синтез функций детализации
    • 3. 5. Особенности формирования функций детализации при синтезе потока трафика на основе обратного дискретного вейвлет-преобразования
    • 3. 6. Разработка алгоритма синтеза самоподобного потока трафика
    • 3. 7. Особенности использования распределения Коши при синтезе самоподобного потока трафика
    • 3. 8. Примеры моделирования самоподобного потока трафика
    • 3. 9. Выводы
  • Глава 4. Оценка пропускной способности системы обслуживания потоков трафика реального времени с переменной скоростью передачи
    • 4. 1. Прикладные аспекты оценки качества обслуживания потоков сообщений на сети с коммутацией пакетов
    • 4. 2. Постановка задачи оценки качества обслуживания для однородного потока трафика
    • 4. 3. Оценка параметров для каналов с переменной скоростью передачи
    • 4. 4. Сравнение дисциплин обслуживания потоков трафика реального времени в сетях с коммутацией пакетов и с коммутацией каналов
    • 4. 5. Определение доли потерянных ячеек в системе обслуживания при одинаковых параметрах трафика мультиплексируемых каналов
    • 4. 6. Разработка имитационной модели для оценки качества обслуживания мультисервисных потоков трафика
    • 4. 7. Определение доли потерянных ячеек для мультисервисных потоков трафика в системе обслуживания с коммутацией пакетов
    • 4. 8. Выводы

Актуальность темы

Постоянное развитие интеллектуальных сфер деятельности человека в современном обществе влечет за собой рост объема передаваемой информации. Несмотря на существенное увеличение скорости передачи информационных потоков в цифровых сетях связи, по-прежнему остается актуальной задача оценки качества обслуживания потоков трафика.

Как на уровне доступа, так и на магистральном уровне мультисервис-ной сети связи (МСС) эффективно используются технологии асинхронного метода переноса ATM (Asynchronous Transfer Mode) и многопротокольной коммутации по меткам MPLS (Multiprotocol Label Switching), интегрированные с другими технологиями коммутации пакетов. Расчет пропускной способности каналов на мультисервисной сети связи необходимо выполнять с учетом таких основных параметров, нормируемых Международным союзом электросвязи (МСЭ-Т), как доля потерянных ячеек и величина задержки в обслуживании ячеек. Исследования, проведенные как за рубежом, так и в нашей стране показали, что действующие на мультисервисных сетях связи потоки трафика обладают свойством самоподобия. В связи с этим весьма актуальной задачей является разработка алгоритмов анализа и синтеза самоподобных потоков трафика реального времени. Использование данных алгоритмов при имитационном моделировании позволяет исследовать влияние степени самоподобия на параметры качества обслуживания в сетях с коммутацией пакетов.

Существующие в настоящее время аналитические методы расчета пропускной способности мультисервисной сети развиты для сетей, построенных на основе технологии коммутации каналов. Эти методы расчета позволяют оценить такие характеристики качества обслуживания на уровне соединения, как потери по времени и по вызовам. Данные характеристики не нормируются МСЭ-Т для мультисервисной сети. Однако, относительная простота методов оценки качества обслуживания, развитых для сетей с коммутацией каналов, делает актуальным вопрос исследования возможности их использования для получения приближенной оценки доли потерянных ячеек.

Цель работы и задачи исследования. Целью диссертационной работы является разработка алгоритмов анализа и синтеза потоков трафика реального времени на мультисервисной сети связи. Для достижения этой цели в диссертации решены следующие задачи:

— проведен анализ потоков трафика с переменной скоростью передачи по выделенным каналам на мультисервисной сети с технологией ATM в г. Москве, в результате которого установлено, что эти потоки трафика обладают свойствами самоподобия и долгосрочной зависимости;

— разработаны процедуры оценки параметров трафика, обладающего свойством самоподобияна основе метода обратного дискретного вейвлет-преобразования разработан алгоритм синтеза самоподобного потока трафикаисследована дисциплина обслуживания потоков сообщений в мультиплексорах ATM/MPLS и разработаны имитационные модели системы обслуживания с коммутацией пакетов, позволяющие проводить оценку доли потерянных ячеек реального времени с учетом свойства самоподобия трафика.

Методы исследования. Для решения поставленной в работе задачи использовались методы теории телетрафика, математической статистики, вейвлет-преобразования и компьютерного моделирования.

Научная новизна работы. 1. В результате исследования параметров потоков трафика по выделенным каналам на мультисервисной сети с технологией ATM получены следующие результаты: определен период наибольшей нагрузки для потоков трафика деловых пользователей по выделенным каналамопределена корреляционная зависимость между степенью самоподобия потока трафика и такими параметрами трафика, как коэффициенты вариации и пачечности скорости передачиисследование стохастических свойств вейвлет-коэффициентов, значения которых были получены в результате вейвлет-анализа рассмотренных потоков трафика, показало, что для потоков трафика по отдельным виртуальным каналам вейвлет-коэффициенты точных масштабов могут быть описаны распределением Коши. Определена область изменения параметра формы распределения Коши: для каналов среднего использования — от 0,3 до 0,4- для каналов высокого использования — от 0,4 до 0,7.

2. Разработанный алгоритм синтеза дискретных временных рядов позволяет проводить моделирование поступающих потоков трафика с заданными параметрами средней скорости передачи, дисперсии скорости передачи и степени самоподобия. В основу разработанного алгоритма положен метод обратного дискретного вейвлет-преобразования. Необходимым условием применения этого метода является положительность синтезируемого ряда и условие, что все его элементы не превосходят порогового значения, равного пиковой скорости передачи.

3. Получены соотношения между потерями по времени, определяемыми аналитическими методами для модели системы обслуживания с коммутацией каналов, и долей потерянных ячеек в имитационной модели с коммутацией пакетов. Соотношение между потерями по времени и долей потерянных ячеек при фиксированной величине передаточного ресурса получено при соблюдении норм МСЭ-Т на время задержки ячеек.

4. С помощью разработанных имитационных моделей системы обслуживания с коммутацией пакетов исследовано влияние степени самоподобия трафика, поступающего по мультиплексируемым виртуальным каналам класса сервиса реального времени с переменной скоростью передачи на показатели качества обслуживания трафика. Обслуживание виртуальных каналов выполнялось по методу взвешенного циклического считывания. Построены номограммы изменения доли потерянных ячеек от пропускной способности системы обслуживания при фиксированном значении задержки и степени самоподобия.

Личный вклад. Все результаты, приведенные в диссертации, получены автором лично.

Практическая ценность и реализация результатов работы.

Практическая ценность диссертации заключается в доведении разработанных алгоритмов анализа и синтеза самоподобных потоков трафика на основе вейвлет-преобразования до программной реализации на ПЭВМ. Реализация алгоритма синтеза в рамках имитационной модели системы обслуживания с технологией ATM, где мультиплексируются виртуальные каналы класса сервиса реального времени с переменной скоростью передачи, позволяет при заданных параметрах входных потоков трафика определять пропускную способность виртуального пути, долю потерянных ячеек, величину задержки обслуженных ячеек, необходимые размеры буферов. Результаты моделирования использованы для оценки пропускной способности цифровых трактов на корпоративной мультисервисной сети связи ЗАО «Газтелеком» в соответствии с параметрами качества обслуживания, нормируемыми МСЭ-Т. Кроме того, результаты диссертационной работы используются в качестве лекционного материала в учебном процессе на кафедре автоматической электросвязи МТУСИ, что подтверждено соответствующими актами.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на научно-технических конференциях профессорско-преподавательского, научного и инженерно-технического состава МТУ СИ (Москва, 2000, 2004;2006 г. г.), на конференциях «Телекоммуникационные и вычислительные системы» в рамках Международного форума информатизации, проводимых на базе МТУ СИ (Москва, 2003;2005 г. г.), на кафедре автоматической электросвязи МТУСИ.

Публикации. По материалам диссертации опубликовано 9 печатных работ.

Основные положения, выносимые на защиту.

1. В результате анализа потоков трафика деловых пользователей по выделенным каналам определено, что в качестве периода наибольшей нагрузки следует рассматривать интервал времени с 10 до 17 часов. Для большинства рассмотренных потоков трафика отмечено превышение средней скорости передачи исходящего трафика от 1Р-провайдера к пользователю над входящим примерно в 1,6 раза. Практически все рассмотренные потоки трафика обладают высокой степенью самоподобия. Так, для исходящего трафика в 95% наблюдений параметр Херста превысил значение 0,75. Установлено наличие отрицательной корреляции между параметром Херста и такими параметрами трафика, как коэффициенты вариации и пачечности скорости передачи.

2. Определено, что синтез самоподобного потока трафика на основе обратного дискретного вейвлет-преобразования необходимо выполнять с учетом следующих ограничений: синтезируемый ряд должен быть положительным на всем промежутке времени и его элементы не должны превышать значений пиковой скорости передачи. Результатом моделирования поступающих потоков трафика реального времени в сетях с коммутацией пакетов на основе данного преобразования является определение моментов поступления на передачу каждой из ячеек и объема заполнения ее информационной части.

3. Определено, что рост степени самоподобия поступающего потока трафика приводит к увеличению доли потерянных ячеек при фиксированной средней величине задержки обслуженных ячеек. Так, в области малых потерь разница в долях потерянных ячеек при мультиплексировании потоков трафика с параметром Херста Н= 0,5 и с параметром #=0,95 составляет до четырех порядков. 4. В результате использования разработанных имитационных моделей определено приближенное соотношение между долей потерянных ячеек в системе обслуживания с коммутацией пакетов и потерями по времени в системе обслуживания с коммутацией каналов. Установлено, что при мультиплексировании в одном тракте небольшого числа виртуальных каналов (до 50) с одинаковыми параметрами трафика в области верхних значений степени самоподобия, доле потерянных ячеек Ю-7 соответствует величина потерь по времени порядка 0,01%.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и 6 приложений. Работа изложена на 114 страницах машинописного текста, содержит 44 рисунка, 23 таблицы, список литературы состоит из 109 наименований.

Основные результаты диссертационной работы можно сформулировать следующим образом:

1. Разработан алгоритм оценки степени самоподобия потоков трафика на основе вейвлет-анализа. Рассмотрены процедуры оценки основных статистических параметров самоподобных потоков трафика, обладающих свойством долгосрочной зависимости. Приведены формулы получения несмещенных оценок с учетом значения параметра Херста для средней скорости передачи, дисперсии скорости передачи, коэффициента пачечности.

2. В результате анализа потоков трафика деловых пользователей по выделенным каналам определено, что в качестве ПНН следует рассматривать интервал времени с 10 до 17 часов. Для большинства рассмотренных потоков трафика отмечено превышение средней скорости передачи исходящего трафика (от 1Р-провайдеров к пользователям) над входящим примерно в 1,6 раза.

3. Практически все рассмотренные потоки трафика обладают высокой степенью самоподобия. Так, для исходящего трафика в 95% наблюдений параметр Херста превысил значение 0,75. Установлено наличие отрицательной корреляционной связи между параметром Херста и такими параметрами трафика, как коэффициенты вариации и пачечности скорости передачи.

4. Проведено исследование стохастических свойств вейвлет-коэффициентов, значения которых были получены в результате вейвлет-анализа рассмотренных потоков трафика. Установлено, что для потоков трафика по отдельным виртуальным каналам вейвлет-коэффициенты точных масштабов могут быть описаны распределением Коши. При этом область практических значений изменения параметра формы распределения Коши для каналов среднего использования лежит в диапазоне от 0,3 до 0,4, а для каналов высокого использования — в диапазоне от 0,4 до 0,7.

5. Разработан алгоритм синтеза самоподобного потока трафика по одному виртуальному каналу на основе метода обратного дискретного вейвлет-преобразования. В качестве исходных данных, необходимых для синтеза самоподобного потока трафика, использованы параметр Херста, средняя скорость передачи, дисперсия скорости передачи, пиковая скорость передачи.

6. Разработаны имитационные модели совместного обслуживания сообщений с КП для оценки их качества обслуживания с учётом свойства самоподобия поступающего трафика. Данные модели позволяют анализировать варианты систем обслуживания с КП, в которых мультиплексируются виртуальные каналы как с одинаковыми, так и различными параметрами трафика.

7. Установлено, что сравнение потерь по времени в системе обслуживания с КК с долей потерянных ячеек в системе обслуживания с КП, при мультиплексировании виртуальных каналов класса сервиса реального времени с переменной скоростью передачи допустимо при условии, что средняя величина задержки обслуженных ячеек в модели с КП соответствует нормам МСЭ-Т и равна 2,5 мс.

8. Определено, что рост степени самоподобия поступающего потока трафика приводит к увеличению доли потерянных ячеек при фиксированной средней величине задержки обслуженных ячеек. Так, в области малых потерь разница в долях потерянных ячеек при мультиплексировании потоков трафика с параметром Херста Н=0,5 и с параметром Н=0,95 составляет до четырех порядков. При увеличении числа виртуальных каналов влияние степени самоподобия на долю потерянных ячеек уменьшается.

9. В результате использования разработанных имитационных моделей определено приближенное соотношение между долей потерянных ячеек в системе обслуживания потоков трафика с КП и потерями по времени в системе обслуживания с КК. В качестве практического результата установлено, что характеристика потерь по времени, полученная для модели совместного обслуживания с КК, является верхней границей доли потерянных ячеек, определяемой для модели совместного обслуживания с КП.

Заключение

.

Показать весь текст

Список литературы

  1. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное изд. М.: Финансы и статистика, 1983. — 471 с.
  2. Н.М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук, том 166, № 11.
  3. Г. П., Бочаров П. П., Коган Я. А. Анализ очередей в вычислительных сетях. Теория и методы расчета. М.: Наука, 1989. 336 с.
  4. Г. П., Харкевич А. Д., Шнепс М. А. Массовое обслуживание в телефонии. М.: Наука, 1968. 244с.
  5. В.П., Боровиков И.П. Statistica ® Статистический анализ и обработка данных в среде Windows ®. -М.: Информационно-издательский дом «Филинъ», 1997.- 608 с.
  6. М., Деманж М., Мюнье Ж. Введение в технологию ATM / Пер. с англ. М.: Радио и связь, 1997.
  7. И.Г., Венецкая В. И. Основные математико-статистические понятия и формулы в экономическом анализе М.: Статистика, 1997. -447с.
  8. Е.С. Теория вероятностей. М., Физматгиз, 1962.
  9. В.И., Грибунин В. Г. Теория и практика вейвлет-преобразований. С.Пб.: ВУС. 1999.
  10. Даррин В. MPLS: Новый регулировщик движения на сетевых магистралях / Сети и системы связи. 2000. -№ 12. -с.80−83.
  11. И. Десять лекций по вейвлетам. Пер. с англ. Е. В. Мищенко. Под ред. А. П. Петухова. М.: РХД, 2001.
  12. Н., Смит Г. Прикладной регрессионный анализ. Пер. с англ. М., Статистика, 1973.
  13. И.М., Иванов О. В., Нечитайло В. А. Вейвлеты и их использование //Успехи физических наук, том 171, № 5, 2001.
  14. В.П. Вейвлеты. От теории к практике. -М .:COJIOH-P, 2002. -448с.
  15. В.А., Кузнецов H.A. Метод расчета пропускной способности магистралей мультисервисных телекоммуникационных сетей// Труды Международной академии связи. № 1, 1999.
  16. В.М., Калинина В. Н., Нешумова Л. А., Решетникова И. О. Математическая статистика. -М.: Высшая школа, 1981.
  17. Г. Л. Теория телетрафика: Учебное пособие. Рига.: Рижский политехнический институт, 1975.-181 с.
  18. М., Стюарт А. Многомерный статистический анализ и временные ряды М.: Наука, 1976. 736 с.
  19. Л. Вычислительные системы с очередями. Пер. с англ. под ред. Б. С. Цыбакова.- М.: Мир, 1979.- 600 с.
  20. Л. Теория массового обслуживания. Пер. с англ./ Пер. И.И. Грушко- ред. В. И. Нейман. -М.: Машиностроение, 1979. 432 с.
  21. Е.И. Прикладной статистический анализ. — М.: Радио и связь, 2003.-376 с.
  22. B.C., Степанов С. Н. Телетрафик мультисервисных сетей связи. М.:Радио и связь, 2000. -320 с.
  23. .С., Пшеничников А. П., Харкевич А. Д. Теория телетрафика. Учебник для вузов. М.:Связь, 1979. 224 с.
  24. E.H. Статистические методы построения эмпирических формул: Учебное пособие. М.: Высш. школа, 1982 г. — 224 с.
  25. Мак-Квери С., Мак-Грю К., Фой С. Передача голосовых данных по сетям Cisco, Frame Relay, ATM и IP.: Пер. с англ. -М Издательский дом «Вильяме», 2002.-512 с.
  26. А.Н., Симонов М.В. ATM: технология высокоскоростных сетей.: Эко-Трендз. М.1998.
  27. В.И. Новое направление в теории телетрафика // Электросвязь. — 1998. -№ 7. с.27−30.
  28. В.И. Самоподобные процессы и их применение в теории телетрафика // Труды Международной академии связи. 1999. № 3.с.11−15.
  29. A.B. О систематизации вейвлет-преобразования // Вычислительные методы и программирование. Том.2. М. 2001.
  30. Р. Введение в вейвлет-преобразование. Пер. Грибунина В. Г., С.Пб.: АВТЭКС. 2001.
  31. М.Б. Исследование стохастических свойств вейвлет-коэффициентов при анализе потоков трафика мультисервисной сети связи// Труды конфер. Международный форум информатизации. М.: МТУСИ-2004. с.68−69.
  32. М.Б. Особенности моделирования самоподобных потоков трафика с помощью обратного дискретного вейвлет-преобразования // Труды конфер. Международный форум информатизации. М.: МТУСИ-2005.С.23−24.
  33. М.Б. Оценка параметров трафика мультисервисной сети связи. «Труды Московского технического университета связи и информатики»: сборник статей. -М., 2005, с. 123−134.
  34. М.Б., Пшеничников А. П. Оценка статистических параметров трафика арендованных каналов деловых пользователей цифровой сети связи// Труды конфер. Международный форум информатизации. М.: МТУСИ-2004. с.66−67.
  35. М.Б., Прокуданов Д. Д. Анализ фрактальных свойств трафика мультисервисной сети связи// Труды конфер. Международный форум информатизации. М.: МТУСИ-2003, с.49−50.
  36. М.Б., Пшеничников А. П. Анализ параметров трафика на мультисервисной сети связи. «Труды Московского технического университета связи и информатики»: сборник статей. — М., 2005.С.134−151.
  37. М.Б., Пшеничников А. П. Особенности дисциплины обслуживания потоков сообщений реального времени на мультисервисной сети связи с технологией ATM // Труды конфер. Международный форум информатизации. М.: МТУСИ-2005. с.25−26.
  38. М.Б., Пшеничников А. П., Столяр Н. Ф. Оценка качества обслуживания мультисервисных потоков сообщений реального времени с учетом степени самоподобия// Труды конфер. Международный форум информатизации. М.: МТУСИ-2005 г. с.29−30.
  39. М.Б., Столяр Н. Ф. Исследование влияния степени самоподобия потока сообщений реального времени на параметры качества обслуживания // Труды конфер. Международный форум информатизации. М.: МТУСИ-2005 г. с.27−28.
  40. A.B. Выборочный метод и его применение в предприятиях связи: Учебное пособие. — М.: Связьиздат, 1961 г. -50 с.
  41. Саратовский Б.Л. MPLS технология маршрутизации для нового поколения сетей общего пользования / Сети и системы связи. 2001. —№ 3. -с.57−56.
  42. И.В., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. М., Наука, 1965.
  43. С.Н., Столяр Н. Ф. Разработка алгоритмов оценки основных показателей качества обслуживания мультисервисных потоковсообщений на корпоративных сетях связи // Деп. ЦНТИ «Информсвязь» № 2262 св-2005 от 12.07.2005, с.47−74.
  44. Н.Ф. Разработка модели процесса совместного обслуживания мультисервисных информационных потоков на корпоративных сетях связи // Деп. ЦНТИ «Информсвязь» № 2262 св-2005 от 12.07.2005, с.2−46.
  45. Л.И., Плотников П. В. Основы численных методов. -М.: Физматлит, 2002.-304 с.
  46. Ю.Н., Макаров А. А. Анализ данных на компьютере М.: ИНФРА-М, Финансы и статистика, 1995.
  47. Н., Пикок Дж. Справочник по статистическим распределениям -М.: Статистика, 1980.
  48. Е.М. Статистические методы прогнозирования -М.: Статистика, 1977. — 200 с.
  49. Е.М., Калихман И. Л. Вероятность и статистика—М.: Финансы и статистика, 1982. 319 с.
  50. Чуи К. Введение в вейвлеты: Пер. с англ. М.: Мир, 2001.- 412 с.
  51. О.И., Тенякшев A.M., Осин А. В. Фрактальные процессы в телекоммуникациях. М.: Радиотехника, 2003.
  52. М.А. Системы распределения информации. Методы расчета. М.: Связь, 1979. -342 с.
  53. Штермер и др. Теория телетрафика / Пер. с нем. М.: Связь, 1971.-319 с.
  54. Abry P., Veitch D. Wavelet analysis of long range dependent traffic, IEEE Transactions on Information Theory, Vol. 44, No. 1, January 1998.
  55. Abry P., Goncalves P., Flandrin P. Wavelets, Spectrum estimation, 1/f processes. Wavelets and Statistics, Lectures Note in Statistics, Vol.105, No. l, pp. 15−29, 1995.
  56. Adler R. J., Feldman R.E., Taqqu M.S. A Practical Guide to Heavy Tails: Statistical Techniques and Applications. Birkhauser, Boston, 1998.
  57. Alcatel 5620 Network Manager. Release 6.1. Online documentation. May 2003. http://www.alcatel.com.
  58. Alcatel 7470 Routing Switch Platform, Release 5.0/ Technical Practices, September 2002. http://www.cid.alcatel.com.
  59. Alcatel 7670 Routing Switch Platform, Release 2.0/ Technical Practices, April 2003 http://www.cid.alcatel.com.
  60. ATM-MPLS Network Interworking Version. 1.0. The ATM Forum/ AF-AIC-0178.000 August 2001 http://www.atmforum.com.
  61. Beran J. Statistics for Long-Memory Processes. Chapman & Hall, New York, 1994.
  62. Berger A., Whitt W. Extending the Effective Bandwidth Concept to Networks with Priority Classes. IEEE Communication Magasine (August 1998), 78−83.
  63. Bodouhi K., Hadjinicolaou M. Holding, Conversation and Setup Times Probability Distributions of Bulk Internet Telephony Traffic for VoIP/PSTN Gateways. ITC 19, Vol.6a. Beijing, 2005. p. 461−472.
  64. Boyer P., Guillemin F. R, Servel M.J. Coundreuse J.P. Spacing Cell Protects and Enhances Utilisation of ATM Networks. IEEE Networks. September 1992, p.38−49.
  65. Cohen A., Daubechies I., Vial P. Wavelets on the Interval and Fast Wavelet Transforms, Applied and Computational Harmonic Analysis, Vol.1, No. l, 1993.
  66. Crovella M., Bestavros A. Self-similarity in World Wide Web traffic evidence and possible causes. In Proc. of the 1996 ACM SIGMETRICS. International Conference on Measurement and Modeling of Computer Systems, May 1996.
  67. Dang T., Molnar S. On the effects of non-stationarity in long-range dependence tests, Periodica polytechnica eng. Vol.43, № 4, 1999.
  68. Danthine O., Boyer P. Benefits of a Spacer-Controller in ATM WAN: Preliminary Traffic Measurements. Exploit traffic Workshop, Basel, September 1994.
  69. Delivering Video over Packet Networks. The ATM Forum White paper, April 2003, http://www.atmforum.com.
  70. Elteto T., Telek M. Numerical Analysis of Infinite Server Queues with Correlated arrivals. ITC 19, Vol.6a. Beijing, 2005. p. 949−958.
  71. Elwalid A., Mitra D. Effective Bandwidth of General Markovian Traffic Sources and Admission Control of High Speed Networks. IEEE/ACM Transactions on Networking, vol. 1, № 3, June 1993.
  72. Feldman A., Gilbert A., Willinger W., Kurtz T. Looking behind and beyond self-similarity: Scaling phenomena in measured WAN traffic. Proc. 35th Annual Allerton Conf. On Comm., Control and Computing, June 1997.
  73. Feldman A., Gilbert A., Willinger W., Kurtz T. The Changing Nature of Network Traffic: Scaling Phenomena, Computer Communication Rewiew, Vol.28, No.2, April 1998.
  74. Feldmann A., Gilbert A., Willinger W. Data networks as cascades: Investigating the multifractal nature of Internet WAN traffic// Computer communication Review, vol.28, № 4, 1998.
  75. Frame Relay — ATM Interworking. Newbridge Application Note, 21NAN0004, version 2, April 1996.
  76. N., Ganti S. «Quality of service in ATM networks: state-of-the-art traffic» Prentice Hall PTR. New Jersey. 1999.
  77. IP and MPLS QoS & Traffic Management Features on Alcatel 7670 RSP Rl.l. Alcatel network application note, November 2001.
  78. ITU-Telecommunication Standardization Sector. B-ISDN ATM Adaptation Layer specification, recommendation 1.363. August 1996.
  79. ITU-Telecommunication Standardization Sector. B-ISDN ATM layer cell transfer performance, recommendation 1.356. March 2000.
  80. ITU-Telecommunication Standardization Sector. Traffic control and congestion control in B-ISDN, recommendation 1.371. March 2000.
  81. ITU-Telecommunication Standardization Sector. Traffic reference period, recommendation E.492. February 1996.
  82. Kelly F.P. Effective bandwidth at multi-class queues. Queuing Systems, vol.9, 1991. p.5−16.
  83. Kesidis G., Warlang J. Chang C. Effective Bandwidths for Multyclass Markov Fluids and Other ATM Sources, IEEE/ACM Transactions on Networking, vol. 1, № 4, August 1993.
  84. Leland W., Taqqu M., Willinger W., Wilson D. On the Self-Similar Nature of Ethernet Traffic (Extended Version). IEEE/ACM Transactions on Networking 2,1, February 1994.
  85. Lu Z.B., Zhang M., Zhang D., Ye P.D. A Novel Scheme for Traffic Shaping at Edge Nodes in Optical Packet Switching Networks. ITC 19, Vol.6a. Beijing, 2005. p. 125−131.
  86. Molnar S., Dang T. Pitfalls in Long Range Dependence Testing and Estimation. Budapest Univercity of Technology and Economics. 2001.
  87. Molnar S., Dang T. Scaling Analysis of IP Traffic Components. Budapest Univercity of Technology and Economics. 2000.
  88. Norros I. Storage Model with Self-Similar Input. Queuing Systems, vol. 16, 1994, p.387−396.94,Ozkasap O., Cagar M. Traffic Behavior of Scalable Multicast: Self-similarity and Protocol Dependence. ITC 18, Vol.5a. Berlin, 2003. p. 551−561.
  89. Park K., Kim G. Crovella M. On the relationship between file sizes, transport protocols, and self-similar network traffic. In Proc. Fourth International Conference on Network Protocols. Boston, October 1996.
  90. Paxon V., Floyd S. Wide area traffic: the failure of poisson modeling. IEEE/ACM Transaction on Networking, Vol.3, 1995.
  91. Peha J.M. Protocols Can Make Traffic Appear Self-similar. Carnegie Mellon University, http://www.ece.cmu.edu/~peha.
  92. Roberts J., Mocci U., Virtamo J. Broadbaand Network Teletraffic. Berlin, Heidelberg: Springer, 1996.
  93. C. «Multiprotocol Label Switching. Enhancing Routing in the New Public Network». Juniper Networks, Inc., White paper, http://www.juniper.net, 1999.
  94. C. «Supporting Differentiated Service Classes: Queue Scheduling Disciplines». Juniper Networks, Inc., White paper, http://www.juniper.net, 2001.
  95. Sikdar B., Vastola K. The Effect of TCP on the Self-Similarity of Network traffic. Proc. of Conference on Information Sciences and Systems, The Johns Hopkins University, March 2001.
  96. Throughput Behavior of the Generic Cell Rate Algorithm. Newbridge Application Note, 31NAN0015, version 2, May 1997.
  97. Veitch D., Abry P. Wavelet analysis of long range dependent traffic, IEEE Transactions on Information Theory, Vol. 44, No. 1, January 1998.
  98. Vicari N., Kohler S. Measuring Internet User Traffic Behavior Dependent on Access Speed. Institute of Computer Science, University of Wurzburg, September 1999.
  99. Vidacs A., Molnar S., Gordos G., Cselenyi I. The impact of long range dependence on cell loss in an ATM wide area network. Budapest Univercity of Technology and Economics. 1996.
  100. Willinger W., Paxon V., Taqqu M. Self-similarity and heavy tails: structural modeling of network traffic. In Adler J., Feldman R. and Taqqu M. Editors, A practical guide to heavy tails: statistical techniques and applications. Birkhauser, 1998.
  101. Willinger W., Taqqu M., Erramilli A. A bibliographical guide to self-similar traffic and performance modeling for modern high-speed networks.-www.citeseer.nj.nec.com.
  102. Willinger W., Taqqu M., Sherman R., Wilson D. Self-similarity through high-variability: statistical analysis of Ethernet LAN traffic at the source level, IEEE/ACM Transactions on Networking, № 5 1997.
  103. Wornell G., Oppenheim A. Estimation of Fractal Signals from Noisy Measurements Using Wavelets, IEEE Trans, on Signal Proc., vol. 40, № 3, 1992.
Заполнить форму текущей работой

Сессия? Спокойно!