Диссертация (1154395), страница 5
Текст из файла (страница 5)
Такие сети в литературе принято называть- 22 -одноранговыми пиринговыми сетями и обозначать как Р2Р-сети [198, 203, 220,223, 234, 239].Раздел 5.1 содержит предварительные замечания по результатам и логикеизложенияглав 5построениюии6диссертационнойанализумоделиработы.Раздел 5.2одноранговойсетипосвященвещательноготелевидения - P2PTV-сети. При построении модели сети с потоковым трафикомисследована возможность применения экспоненциальной однородной СеМО ипостроены модели сети с постоянным конечным числом пользователей и спеременнымчисломпользователей,основанныенамоделиповеденияпользователя.
Предполагается, что в сети транслируется M ТВ-каналов икаждый из N пользователей, находящихся в сети,просматривает один изMканалов. Известна m популярность m-канала ( m 1 ), а также m1 средняяm 1длительностьпросмотраm-каналапользователем.Доступныйпросматривающим канал пользователям видеопоток образовывается из потока,раздаваемоговидеосервером,ипотоков,раздаваемыхпользователями,просматривающими канал.
В модели учтены скорости раздачи видеопотокасервером и пользователями, а также скорость воспроизведения канала.Определена вероятность состояния всеобщей передачи канала как вероятностьтого, что все пользователи, просматривающие канал, получают битывидеоданных со скоростью не ниже скорости воспроизведения канала.Получена [5-7, 131, 132] формула для расчета вероятности состояния всеобщейпередачи канала в зависимости от его популярности. Исследована модель сети сдвумя классами пользователей – с высокой скоростью и с низкой скоростьюраздачи данных и проведен численный анализ вероятности всеобщей передачи взависимости от популярности каналов, модель которой определена закономЦипфа.В разделе 5.3 получена аппроксимация для упрощения расчета вероятностисостояния всеобщей передачи канала P2PTV-сети для случая сети с переменнымчислом пользователей, стремящимся к бесконечности.
Доказана [4] теорема 5.1об аппроксимации вероятности всеобщей передачи в P2PTV-сети с двумяклассами пользователей нормальным законом. Для оценки относительнойпогрешности аппроксимации проведен численный анализ, показавший, что- 23 -относительнаяпогрешностьаппроксимациидляканаловсбольшойпопулярностью блика к нулю, а наибольшая относительная погрешностьприближения наблюдается для наименее популярного канала.В разделе 5.4 сформулирована задача расчета характеристик отношениясигнал/интерференция,функционированиякакключевогобеспроводнойсетипоказателяэффективностивзаимодействующихустройств 9.Показатели эффективности, а именно, мощность интерферирующего сигнала иотношение полезного сигнала к интерферирующему, рассчитываются дляприемника т.н.«целевой» пары.Остальные парывзаимодействующихустройств, которые создают помехи целевой паре приемник-передатчик,названы интерферирующими.
Расстояние между приемником и передатчикомцелевой пары обозначено R0 , между приемником и передатчиком k -йинтерферирующейпередатчикамипарыUk .Rk , а между целевым и интерферирующимМощностьинтерферирующегосигналаотk -йинтерферирующей пары является функцией от расстояния между целевымприемником и k -м интерферирующим передатчиком, которое обозначено Dk .Задача сведена к анализу взаимодействия двух пар устройств в двух кластерах.Для системы с одним источником интерференции в условиях отсутствия шумаискомойхарактеристикойSIR D1 / R0 ,гдеявляетсяотношениекоэффициентпотерьсигнал/интерференцияприраспространениирадиосигнала.
В теореме 5.2 для решения задачи анализа характеристикс.в. SIR при заданных распределениях с.в. R0 , U1 и угла 1 с вершиной в точкерасположения целевого передатчика и сторонами, образованными указаннымиотрезками, получена [228] формула совместной плотности распределения с.в.R0 и D1 .Предложенная модель названа базовой аналитической моделью, анализ еехарактеристик проведен методами стохастической геометрии [10, 11, 132, 240].В диссертации исследовано несколько моделей взаимодействия беспроводныхустройств, расположенных в кластерах как круглой [55], так и прямоугольной[41, 143, 229, 230] формы.
При анализе моделей основное внимание уделено93GPP TR 22.803 V12.2.0 (2013-06). Feasibility Study for Proximity Services (ProSe),Release 12. - 3GPP, June 2013.- 24 -методам расчета характеристик с.в. SIR , поскольку именно интерференцияоказываетнаибольшеепользователямивлияниенапоказателикачествапредоставляемыхимтелекоммуникационныхвосприятияуслугвбеспроводной сети.
Прежде всего, величина SIR непосредственно влияет наскорость передачи и спектральную эффективность, определяющих пропускнуюспособность сети, а в худших случаях на надежность и связность беспроводныхсоединений.Раздел 5.5 диссертационной работы посвящен анализу беспроводной сети сточки зрения геометрического расположения интерферирующих устройств.Показано, что для нескольких интерферирующих устройств могут бытьполучены как аналитические выражения для характеристик с.в. SIR , так иаппроксимации, дающие удовлетворительные с точки зрения решенияинженерных задач погрешности. В том числе, получена [163] оценка для моделис шестью интерферирующими передатчиками в круглых кластерах одинаковогорадиуса r0 , смежных с кластером целевого приемника. Для анализа использованметод, разработанный для базовой аналитической модели.
В рассматриваемомслучае по построению расстояния U k между целевым и интерферирующимпередатчиками равны 2r0 , угол 1 равномерно распределен на отрезке 0; 3 ,а точка расположения целевого приемника равномерно распределена в круге срадиусом r0 . Для важного для приложений случая, когда коэффициент потерь k =2 в теореме 5.3 предложена [163] приближенная формула для вычисления6распределения с.в. Dk2 с помощью нормального закона N , соk 1значениями параметров Di2 0.2877r02 , Di2 0.1684r02 . Сравнение срезультатами имитационного моделирования показало, что погрешностьполученной аппроксимации для математического ожидании с.в.
SIR составляетне более 7.8 %, а для среднеквадратического отклонения не более 3.2 %, чтодопустимо в инженерных расчетах на этапе оценки параметров проектируемойсистемы.Глава 5 диссертационной работы написана на основании публикаций автора[4-8, 29-31, 37, 40, 50, 50, 54, 131, 132, 165, 169-171, 172, 173, 176, 177].- 25 -Заключительная глава 6 диссертационной работы посвящена построению ианализу модели буферизации данных в потоковых одноранговых сетях.
Модельна основе анализа процесса обмена данными между пользователями построена ввиде дискретной ц.м. с учетом задержки воспроизведения видеоданных,стратегий обмена данными в одноранговой сети, а также геолокации(местоположения) и активности пользователей.В разделе 6.1 диссертационной работы изложены основные принципыобмена данными в потоковых сетях P2P в объеме, необходимом для построенияи анализа математических моделей, и проведен их анализ. Показано, что припостроении модели потоковой сети следует учитывать, что ограничения навремя доставки порции данных имеют решающее значение. Для наиболееобщих из известных ранее случаев описаны параметры и вероятностныехарактеристики модели.
Анализ показателей эффективности сети предложено[54, 169] проводить с помощью базовой модели сети N N , M , α, β, lag, d, u, ,учитывающей основные аспекты ее функционирования, гдеNпользователей, Mα векторразмер буфера каждого из пользователей,числовероятностей подключения пользователей к сети, вектор вероятностейотключения пользователей от сети, lag вектор задержек передачи от сервераисточника потоковых мультимедийных данных, d иu вектора скоростейзагрузки и раздачи пользователей соответственно, а применяемая в сетистратегия загрузки данных. Показателями эффективности функционированиясети являются вероятность непрерывного воспроизведения видео потока исреднее время ожидания начала просмотра.В разделе 6.2 построена в виде дискретной ц.м. модель буферизации данныхв одноранговой сети с учетом задержки воспроизведения.
С помощью этоймоделипроведенанализключевыхпоказателейэффективностифункционирования сети, а также получены основные соотношения длявычисления ее стационарных характеристик. В теоремах 6.1 и 6.2 определенатеоретико-множественная модель стратегий загрузки LF,Gr и предложенаформула для вычисления номера позиции буфера для загрузки данных черезсостояние введенной ц.м. В разделе также получено рекурсивное соотношениедля расчета стационарных вероятностей состояния буфера n-го пользователя,предоставляющеевозможностьнайтивероятностьнепрерывного- 26 -воспроизведения.
Поскольку расчет переходных вероятностей в случае большойразмерности сети может быть затруднителен, предложено использоватьприближенный метод.В разделе 6.3 предложен аналитический метод для расчета матрицыпереходных вероятностей ц.м.Z ,lчто позволяет точно решать задачувычисления показателей эффективности для случая сети малой размерности[169].
Поскольку решение задачи большой размерности, определяемой числомподключенных к сети пользователей, связано с вычислительными сложностями,в диссертационной работе разработан приближенный рекурсивный метод [8, 40]для вычисления вероятности непрерывного воспроизведения видео потокапользователем. Показано, что рекурсивная формула для расчета стационарныхвероятностей состояния буфера, дает хорошее (до 1 %) приближение длявычисления вероятностей наличия данных на каждой из позиций буферапользователя.Также исследована задача поиска оптимальной стратегии выбора порцииданных для загрузки [29-31, 169, 170] . Сделаны выводы о преимуществахъосновных стратегий загрузки данных и сформулирована задача выборасмешанной стратегии заполнения буфера, лишенной недостатков основныхстратегий.
Такая стратегия найдена в виде комбинации основных стратегийLF|Gr , при которой вероятность непрерывного воспроизведения будет выше0 10 40при меньшем времени ожидания начала просмотра. В этих обозначенияхпринято, что стратегия Latest First действует до 10-й позиции буферавключительно, а для остальных позиций действует стратегия Greedy.Однако, как показали исследования, аналитические модели дают не полнуюкартину анализа реальной сети, в которой помимо учтенных в ней параметровдолжны приниматься во внимание местоположение пользователей в сети и ихсуточная активность [176, 177]. Раздел 6.4 диссертационной работы посвященрешению этой проблемы, для чего разработаны соответствующие алгоритмы ипрограммные средства для имитационного моделирования [29-31]. В основумоделирования положены полученные из официальных источников Интернетданные о местоположении пользователей (т.н.