Contribuições à modelagem de teletráfego fractal.

• Ano de defesa: 2008
• Autor(a) principal: Alexandre Barbosa de Lima
• Orientador(a): José Roberto de Almeida Amazonas
• Banca de defesa: Luiz Antonio Baccalá, Nelson Lui­s Saldanha da Fonseca, José Augusto Suruagy Monteiro, Vítor Heloiz Nascimento
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade de São Paulo
• Programa de Pós-Graduação: Engenharia Elétrica
• País: BR
• Link de acesso: https://doi.org/10.11606/T.3.2008.tde-30052008-152514

Estudos empíricos [1],[2] demonstraram que o trafego das redes Internet Protocol (IP) possui propriedades fractais tais como impulsividade, auto-similaridade e dependência de longa duração em diversas escalas de agregação temporal, na faixa de milissegundos a minutos. Essas características tem motivado o desenvolvimento de novos modelos fractais de teletráfego e de novos algoritmos de controle de trafego em redes convergentes. Este trabalho propõe um novo modelo de trafego no espaço de estados baseado numa aproximação finito-dimensional do processo AutoRegressive Fractionally Integrated Moving Average (ARFIMA). A modelagem por meio de processos auto-regressivos (AR) também é investigada. A analise estatística de series simuladas e de series reais de trafego mostra que a aplicação de modelos AR de ordem alta em esquemas de previsão de teletráfego é fortemente prejudicada pelo problema da identificação da ordem do modelo. Também demonstra-se que a modelagem da memória longa pode ser obtida as custas do posicionamento de um ou mais pólos nas proximidades do circulo de raio unitário. Portanto, a implementação do modelo AR ajustado pode ser instável devido a efeitos de quantização dos coeficientes do filtro digital. O modelo de memória longa proposto oferece as seguintes vantagens: a) possibilidade de implementação pratica, pois não requer memória infinita, b) modelagem (explícita) da região das baixas freqüências do espectro e c) viabilização da utilização do filtro de Kalman. O estudo de caso apresentado demonstra que é possível aplicar o modelo de memória longa proposto em trechos estacionários de sinais de teletráfego fractal. Os resultados obtidos mostram que a dinâmica do parâmetro de Hurst de sinais de teletráfego pode ser bastante lenta na pratica. Sendo assim, o novo modelo proposto é adequado para esquemas de previsão de trafego, tais como Controle de Admissão de Conexões (CAC) e alocação dinâmica de banda, dado que o parâmetro de Hurst pode ser estimado em tempo real por meio da aplicação da transformada wavelet discreta (Discrete Wavelet Transform (DWT)).