Диссертация (1154395), страница 5

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

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 m1 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 шумаискомойхарактеристикойSIR   D1 / R0  ,гдеявляетсяотношениекоэффициентпотерьсигнал/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.    Dk2 с помощью нормального закона N   ,   соk 1значениями параметров  Di2  0.2877r02 ,  Di2  0.1684r02 . 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.

Характеристики

Список файлов диссертации