Разработка и исследование методов анализа качества обслуживания коррелированного трафика в телекоммуникационных сетях тема диссертации и автореферата по ВАК РФ 05.12.13, доктор наук Карташевский Игорь Вячеславович

• Карташевский Игорь Вячеславович
• доктор наук
• 2020

Оглавление диссертации доктор наук Карташевский Игорь Вячеславович

ВВЕДЕНИЕ

ГЛАВА 1. ПРОБЛЕМЫ ОБРАБОТКИ И МОДЕЛИРОВАНИЯ КОРРЕЛИРОВАННОГО ТРАФИКА В СЕТЯХ СВЯЗИ

1.1 Параметры качества обслуживания

1.2 Объемы передаваемого трафика

1.3 Понятие коррелированного трафика

1.4 Причины появления автокорреляции в трафике

1.5 Корреляция в различных видах трафика

1.5.1 Трафик М2М

1.5.2 Видео трафик

1.5.3 Игровой трафик

1.6 Способы описания коррелированного трафика

1.6.1 Самоподобные процессы

1.6.2 Групповой марковский поток однородных событий

1.7 Выводы по главе

ГЛАВА 2. ИСПОЛЬЗОВАНИЕ ГИПЕРЭКСПОНЕНЦИАЛЬНЫХ РАСПРЕДЕЛЕНИЙ В ЗАДАЧЕ АНАЛИЗА ТЕЛЕКОММУНИКАЦИОННОГО ТРАФИКА

2.1 Уравнение Линдли

2.2 Метод «этапов»

2.3 Система Нк/Нь/1 и её свойства

2.4 Способы аппроксимации распределений для системы G/G/1

2.4.1 Аппроксимация входного потока на уровне двух моментов

2.4.2 Аппроксимация входного потока на уровне трех моментов

2.5 Модель массового обслуживания для системы с запаздыванием

2.6 Об одном методе решения интегрального уравнения Линдли

2.6.1 Определение ядра для системы Г^/1

2.6.2 Аппроксимация ядра селектирующими функциями

2.6.3 Решение уравнения Линдли для системы Г^/1

2.6.4 Решение уравнения для системы Г/О/1

2.7 Выводы по главе

ГЛАВА 3. МЕТОДЫ МОДЕЛИРОВАНИЯ И АНАЛИЗА КОРРЕЛИРОВАННОГО

ТРАФИКА

3.1 Обновляющий процесс и его характеристики

3.2 Анализ эффекта формирования пачек заявок на входе СМО

3.3 Расчет коэффициентов корреляции временных интервалов в последовательности событий

3.4 Пиковость трафика

3.5 Аппроксимация функции пиковости

3.6 Оценивание параметра ан

3.7 Обработка коррелированного трафика в узле сети типа G/G/1 (упрощенная методика)

3.8 Анализ времени ожидания заявки в очереди для системы массового обслуживания общего вида

3.9 Анализ вероятности блокировки системы массового обслуживания M/G/1 при коррелированном времени обработки

3.10 Система G/G/1 при коррелированных временных параметрах трафика

3.11 Анализ джиггера пакетов непуассоновского коррелированного трафика

3.11.1 Постановка и решение задачи анализа джиттера

3.11.2 Расчет джиттера по регистрируемому трафику 1РТУ

3.11.3 Зависимость джиттера от загрузки

3.11.4. Имитационное моделирование

3.12 Выводы по главе

ГЛАВА 4. ФУНКЦИИ КОПУЛЫ В ЗАДАЧАХ АНАЛИЗА СИСТЕМ МАССОВОГО ОБСЛУЖИВАНИЯ ПРИ ОБРАБОТКЕ КОРРЕЛИРОВАННОГО ТРАФИКА

4.1 Понятие копулы

4.2 Синтез двумерной плотности вероятностей по известной одномерной плотности и коэффициенту автокорреляции

4.3 Примеры копул для различных двумерных распределений

4.3.1 Копула Гумбеля для двумерного логнормального распределения

4.3.2 Копула Клейтона для двумерного логнормального распределения

4.3.3 Копулы семейства F-G-M

4.3.4 Установление связи между параметром копулы в и коэффициентом корреляции R

4.4 Частные случаи использования копул

4.4.1 Система M/M/1 с коррелированным трафиком

4.4.2 Система M/G/1 с коррелированным трафиком

4.5 Использования копул при анализе характеристик обработки сетевого трафика

4.6 Методика анализа среднего времени ожидания заявки в очереди сетевого узла при обработке коррелированного трафика

4.7 Выводы по главе

ГЛАВА 5. ДЕКОРРЕЛЯЦИЯ ТРАФИКА

5.1 Декорреляция случайной последовательности

5.2 Анализ статистических свойств трафика при использовании дискретного вейвлет-преобразования на основе модельных распределений

5.2.1 Анализ статистических свойств коррелированной последовательности интервалов времени после вейвлет преобразования

5.2.2 Анализ среднего времени ожидания заявки в очереди с использованием модельной плотности

5.3 Анализ статистических свойств трафика при использовании дискретного вейвлет-преобразования на основе копула-функций

5.4 Реализация процесса декорреляции в сетевом устройстве

5.4.1 Декорреляция на основе разложения Карунена - Лоэва

5.4.2 Декорреляция на основе дискретно-косинусного преобразования

5.4.3 Декорреляция на основе вейвлет-преобразования Хаара

5.5 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. ДОКУМЕНТЫ, ПОДТВЕРЖДАЮЩИЕ ВНЕДРЕНИЕ ОСНОВНЫХ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ

Введение диссертации (часть автореферата) на тему «Разработка и исследование методов анализа качества обслуживания коррелированного трафика в телекоммуникационных сетях»

ВВЕДЕНИЕ

Актуальность исследования. Понятие трафика (телетрафика) изначально было связано с проектированием телефонных сетей, направленным на минимизацию количества линий, соединяющих различные АТС, с учетом вероятности потери вызова и длительности ожидания абонента. Первые работы в этой области проводились в начале ХХ века А.К. Эрлангом. В этих работах в качестве моделей потока запросов, поступающих в узел сети, рассматривался стационарный ординарный поток без последействия (пуассоновский поток). Подобный подход надолго лег в основу учета нагрузки при проектировании телефонных станций, поскольку потоки запросов, поступающих на телефонную станцию, являются суперпозицией конечного числа потоков малой интенсивности, поступающих от большого числа абонентов сети. Более того, все основные положения теории массового обслуживания, являющейся основой математического аппарата для теории телетрафика, были получены в предположении независимости (а, следовательно, и некоррелированности) входного потока интервалов времени между заявками и потока интервалов времени их обслуживания, как «внутри» каждого потока, так и между потоками.

Дальнейшее развитие сетей связи показало, что использование модели входного стационарного пуассоновского потока для описания трафика становится не адекватным реальным условиям вследствие сильной вариативности трафика и возникновения зависимости интервалов времени между заявками во входном потоке. Именно поэтому появилась необходимость в математических моделях узлов сетей, представленных как система массового обслуживания (СМО), позволяющих учесть корреляцию во входном потоке и широкий диапазон изменений вероятностно-временных характеристик в нем.

Причины возникновения коррелированного трафика искались на разных уровнях модели взаимосвязи открытых систем ОБ1: на уровне приложений, на транспортном и на сетевом уровнях. В качестве причин указывались поведение

конечных пользователей, агрегирование трафика, протоколы с обратной связью, опережающее развитие отдельных сегментов сети.

Важность учета корреляции обусловлена ее существенным влиянием (как негативным, так и позитивным) на основные характеристики качества обслуживания в системе массового обслуживания. Например, при одинаковой интенсивности поступления запросов и одинаковом распределении времени обслуживания, вероятность потери запроса для систем с одинаковой емкостью буфера, может существенно изменяться при изменении корреляционных свойств потока интервалов времени обслуживания. В то же время для сильно загруженных систем корреляция входного потока может существенно снижать длину очереди.

В рекомендации Международного союза электросвязи ITU-T Rec. E.800 качество обслуживания (Quality of Service, QoS) определяется совокупностью характеристик предоставляемой услуги связи. Одними из основных параметров QoS являются задержка доставки пакетов, вариация задержки пакета (джиггер) и уровень потери пакетов. Если для традиционных IP-сетей значение, например, задержки исчисляется сотнями миллисекунд, то для сверхнадежных сетей с ультрамалыми задержками URLLC (англ. Ultra-Reliable Low Latency Communication, URLLC), являющихся одним из потенциальных вариантов реализации сетей 5G, задержка не должна превышать 1мс. При этом, в настоящее время отсутствуют достаточно простые, но адекватные алгоритмы, позволяющие оценить значение той или иной характеристики QoS с учетом корреляции интервалов времени входного потока заявок, корреляции интервалов времени обслуживания заявок и их взаимной корреляции.

Таким образом, ориентируясь на то, что трафик различных приложений и сервисов обладает корреляционными свойствами, с учетом возрастающих требований к качеству обслуживания трафика в телекоммуникационных сетях, появляется потребность в создании новых методов анализа и проектирования сетевых технологий, призванных повысить качество обслуживания и обеспечить сокращение сроков внедрения новых технологических решений. Поэтому разработка и исследование методов анализа качества обслуживания

коррелированного трафика в телекоммуникационных сетях, является актуальной задачей.

Разработанность темы исследования. Разработке и анализу методов оценки характеристик функционирования сетей и сетевых устройств, обрабатывающих в том числе коррелированный трафик в настоящее время посвящено достаточно большое количество научных работ. Влияние корреляционных свойств наблюдаемых последовательностей случайных величин (временных рядов, включая трафик) на статистику последовательности, а также проблемы моделирования последовательностей с заданными свойствами рассматривались в работах многих известных отечественных и зарубежных ученых, среди которых А.Н. Колмогоров, А.Я. Хинчин, Г.П. Башарин, Б.С. Цыбаков, В.М. Вишневский, M.G. Kendall, D. R. Cox, T. W. Anderson и др.

Исследоования телекоммуникационных сетей во многом основываются на положения теории массового обслуживания и теории телетрафика. Существенный вклад в теорию массового обслуживания был внесен такими учеными, как А.Н. Колмогоров, А.Я. Хинчин, А.А. Боровков, Н.П. Бусленко, Б.В. Гнеденко, A.K. Erlang, L. Kleinrock, Т. Saaty, J.W. Cohen и др.

Исследования в области анализа трафика проводились такими российскими и зарубежными учеными, как В.М. Вишневский, Б.С. Гольдштейн, С.Н. Степанов, А.Е. Кучерявый, К.Е. Самуйлов, А.В. Росляков, Ю.В. Гайдамака, В.К. Сарьян, Н.А. Соколов, Б. С. Цыбаков, В.Г. Карташевский, A. Jensen, V. B. Iversen, Р. Tran-Gia, и др., в частности, исследованием систем с коррелированными потоками занимались такие ученые как Г.П. Башарин, В.М. Вишневский, А.Н. Дудин, В.И. Клименок, А.А. Назаров, M.F. Neuts, D.M. Lucantoni, S.R. Chakravarthy, V. Ramaswami. Однако в трудах этих ученых в основном рассматриваются модели систем массового обслуживания, в которых в качестве входного потока в основном рассматриваются групповые марковские входные потоки, для которых проведение расчетов для получения численной оценки характеристик СМО может быть весьма трудо- и ресурсозатратным.

Также следует выделить исследования в области самоподобного трафика таких ученых как О.И. Шелухин, А.И. Парамонов, W.E. Leland, I. Norros, W. Willinger. Однако аналитическое исследование не только самого входного самоподобного потока, но и СМО, в которую он поступает, представляется мало реальным из-за весьма сложной его структуры.

Поэтому в данной диссертационной работе уделяется особое внимание аппроксимационным моделям, рассматривались в работах В.Н. Тарасова, Ю.А. Розанова, обосновавшего понятие и использование обновляющих процессов, B. Balcioglu, D.R. Cox, D.L. Jagermann, W. Whitt и др. Используемые в работе методы кумулянтного анализа ранее представлены в трудах А.Н. Малахова, M.G. Kendall и A. Stuart.

Для синтеза двумерных распределений коррелированных случайных величин использовались результаты работ таких учёных как Ю.Н. Благовещенский, N. Balakrishnan, Lai Chin-Diew, А. Sklar, R.B. Nelsen, D. Fantazzini.

На базе работ И.А. Блатова, И.М. Дремина, О.В. Иванова и И. Добеши в диссертационной работе рассматривается алгоритм декорреляции, основанный на ортогональных преобразованиях и сплайновых вейвлетах.

Объект и предмет исследования. Объектом исследования выступает коррелированный трафик телекоммуникационной сети. Предмет исследования -методы и алгоритмы обработки коррелированного трафика в сетевых узлах.

Цель и задачи исследования. Цель исследования заключается в разработке методов анализа качества обслуживания коррелированного трафика в телекоммуникационных сетях.

Для достижения цели в работе последовательно решаются следующие задачи:

- Разработка модели последовательностей случайных интервалов времени между поступлениями заявок и интервалов времени обслуживания заявок с использованием обновляющих потоков, учитывающих корреляционные характеристики трафика.

- Разработка метода анализа статистических характеристик последовательности коррелированных временных интервалов на основе рассмотрения соответствующей целочисленной трафиковой последовательности.

- Анализ влияния положительных и отрицательных значений коэффициентов корреляции последовательности временных интервалов между заявками на процесс формирование пачек заявок на входе устройства обслуживания.

- Обоснование использования двумерных распределений, выраженных через функции копулы, для оценки взаимной корреляции интервалов времени поступления и обслуживания.

- Разработка аналитических методов расчета характеристик качества обслуживания (QoS) коррелированного потока заявок в системе массового обслуживания общего вида (ОЮЛ в классификации Кендалла):

• расчёт среднего времени ожидания заявки в очереди,

• расчет джиттера времени задержки заявки в узле сети,

• расчет вероятности блокировки узла сети (вероятности отказа в обслуживании).

- Разработка алгоритма декорреляции трафиковой последовательности, работающего в реальном масштабе времени, основанного на использовании ортогональных преобразований и вейвлетов Хаара.

Научная новизна работы:

1. Для решения задачи оценивания характеристик качества обслуживания коррелированного трафика:

- разработана модель последовательностей случайных интервалов времени между поступлениями заявок и интервалов времени обслуживания заявок, отличающаяся тем, что в стационарном случае использование гиперэкспоненциальных обновляющих потоков позволяет учитывать реальные корреляционные характеристики трафика, а неизвестные коэффициенты гиперэкспоненциальных распределений рассчитываются по трем моментам исходных маргинальных распределений,

- предложена (для нестационарного случая) модель последовательностей случайных интервалов времени, отличающаяся тем, что введенные обновляющие потоки при использовании гиперэкспоненциальных распределений позволяют учитывать не только корреляционные свойства исходного трафика, но и свойства пачечности и пиковости.

2. Разработан метод анализа статистических характеристик последовательности коррелированных временных интервалов, отличаюшийся тем, что корреляционные свойства последовательности временных интервалов определяются на основе рассмотрения соответствующей целочисленной трафиковой последовательности.

3. Разработан метод приближенного решения интегрального уравнения Линдли с ядром, определяемым для распределений произвольного вида, основанный на процедуре «вырождения» ядра, отличающийся тем, что данная процедура реализуется с использованием селектирующих функций.

4. Для анализа взаимных корреляционных свойств интервалов времени поступления и обслуживания предложено использование моделей двумерных распределений вероятности, отличающихся тем, что учет корреляционных свойств в данных моделях осуществляется с использованием понятия функции копулы. Установлена связь параметров используемых видов функций копулы с коэффициентом корреляции (по Пирсону) наблюдаемого трафика.

5. Обоснован метод аппроксимации системы массового обслуживания общего вида (типа G/G/1) системой, использующей гиперэкспоненциальные модели ^/Щ/1 (порядков L и ^ для временных последовательностей поступления и обслуживания, отличающийся тем, что основан на представлении характеристической функции разности случайных интервалов времени обслуживания и поступления вместо прямого решения интегрального уравнения Линдли.

6. Разработаны аналитические методы расчета характеристик QoS обслуживания коррелированного потока заявок системами массового обслуживания общего вида ^Ю/1), а именно: расчет среднего времени задержки

заявки в системе, расчет джиттера задержки, расчет вероятности отказа в обслуживании. Отличительной особенностью методов является использование обновляющих потоков в качестве моделей коррелированного трафика, позволяющих при проведении расчетов использовать факт некоррелированности отсчетов элементов обновляющего потока.

7. Разработан способ декорреляции трафиковой последовательности, работающий в реальном масштабе времени, основанный на использовании ортогональных преобразований, отличающийся тем, что для уменьшения временных затрат при реализации способа используются вейвлеты Хаара.

8. Разработан алгоритм анализа среднего времени задержки в системе G/G/1 для последовательности заявок размером Ы, подвергнутой декорреляции времени обслуживания, отличающийся использованием процедуры N - кратной свёртки и основанный на использовании методов кумулянтного анализа.

Теоретическая и практическая значимость исследования. Теоретическая значимость диссертационной работы обусловлена, прежде всего, разработкой новой методологии построения моделей коррелированного трафика телекоммуникационной сети и разработкой новых методов анализа характеристик качества обслуживания, учитывающих корреляционные свойства обрабатываемого трафика. Полученные результаты позволяют прогнозировать параметры качества обслуживания трафика, порожденного современными технологиями (такими как 1оТ, М2М, D2D, технологии виртуальной и дополненной реальности, включая технологии ЬТЕ-МУЫБ-1оТ и др.) и технологиями сетей связи пятого поколения 50/1МТ-2020.

Практическая значимость определяется возможностями разработанных алгоритмов расчета важнейших показателей качества обслуживания (QoS) узлами сетей, таких как среднее время задержки пакета в узле сети, джиттер задержки пакетов, вероятность блокировки узла, при обработке коррелированного трафика. Алгоритмы расчета показателей качества основаны на новых аналитических моделях трафика, использующих двумерные распределения параметров трафика и

учитывающих реальные характеристики трафика - корреляционную функцию, пачечность трафика, пиковость трафика.

Практическую ценность представляют:

- метод аппроксимации системы массового обслуживания общего вида, использующий гиперэкспоненциальные модели различных порядков временных последовательностей поступления и обслуживания пакетов, с целью принципиального упрощения методологии расчета характеристик качества обслуживания коррелированного трафика,

- алгоритм декорреляции трафиковой последовательности, работающий в реальном масштабе времени, основанный на использовании ортогональных преобразований и вейвлетов Хаара.

Результаты, полученные в диссертационной работе, внедрены в ФГУП НИИР, в ПАО Гипросвязь, в ФГУП НИИ «Вектор», в ООО «ТАиП», в Поволжском государственном университете телекоммуникаций и информатики (в учебный процесс кафедры программного обеспечения и управления в технических системах).

Методология исследования. В основе проводимого исследования лежат теория вероятностей и случайных процессов, теория массового обслуживания, теория телетрафика, теория копула-функций, кумулянтный анализ и элементы вейвлет-анализа.

Положения, выносимые на защиту:

1. Метод определения среднего времени ожидания заявки в очереди на основе аппроксимации системы массового обслуживания общего вида системой, использующей гиперэкспоненциальные модели для временных последовательностей поступления и обслуживания, основанный на использовании N - кратной свёртки для описания плотности вероятностей суммы независимых элементов последовательности и упрощающий процедуру вычислений по сравнению с методом спектрального решения уравнения Линдли.

2. Метод приближенного решения интегрального уравнения Линдли, основанный на процедуре «вырождения» ядра интегрального уравнения,

реализующей факторизацию ядра по своим переменным, позволяющий получить аналитическую оценку выражения для плотности вероятностей времени ожидания заявки в очереди.

3. Методика анализа коэффициентов корреляции последовательности временных интервалов на основе рассмотрения соответствующей целочисленной трафиковой последовательности, не требующая инструментального анализа последовательности временных интервалов между заявками.

4. Методика формирования некоррелированных последовательностей интервалов времени для системы 0/0/1 с использованием обновляющих потоков, учитывающих корреляционные характеристики наблюдаемого трафика, позволяющая свести задачу анализа системы 0/0/1 при коррелированном трафике к анализу системы н2 / н2 /1 с некоррелированными временными

последовательностями.

5. Методика расчета характеристик QoS коррелированного потока заявок в узле телекоммуникационной сети, представленном СМО общего вида, позволяющая показать изменение характеристик качества обслуживания коррелированного трафика при фиксированном наборе коэффициентов корреляции, в зависимости от значения загрузки:

- для среднего времени задержки - увеличение до 6 раз,

- для джиггера - уменьшение до 10 раз,

- для вероятности отказа в обслуживании при фиксированном размере накопителя - увеличение значения от 10-4 до 0,3.

6. Методология использования двумерных распределений коррелированных случайных величин, представляемых копула-функциями, для анализа взаимных корреляционных свойств временных последовательностей в узле телекоммуникационной сети, представленном СМО общего вида, позволяющая показать влияние взаимной корреляции последовательностей на уменьшение среднего времени ожидания заявки в очереди до 5 раз в зависимости от параметров СМО.

7. Метод декорреляции, основанный на вейвлетах Хаара, и алгоритм анализа среднего времени задержки в системе G/G/1 при блочном формировании заявок, реализующий процедуру N - кратной свёртки и основанный на использовании методов кумулянтного анализа, позволяющий упростить вычисления при представлении распределения вероятностей интервалов времени между заявками модельным распределением.

Степень достоверности и апробация результатов.

Достоверность полученных результатов подтверждается корректным применением математического аппарата, имитационным моделированием и проведенным экспериментом, а также широким обсуждением результатов диссертации на международных и отечественных конференциях.

Апробация результатов. Основные положения диссертационной работы были представлены и обсуждались на следующих конференциях: Международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций» , Казань-Уфа-Самара 2010-2019, Х Международной научно-технической конференции «Физика и технические приложения волновых процессов», Самара, 2011г, Международной научной конференции «Оптические технологии в телекоммуникациях» Самара, 2016, Уфа, 2018, Международной конференции и молодежной школы Информационные технологии и нанотехнологии, Самара, 2015 и 2018, Восьмой Всероссийский Симпозиуме по прикладной и промышленной математике, Сочи 2007, Научной сессии РНТО РЭС, посвященной Дню Радио, г.Москва, 2008,2010 г. International Scientific-Practical Conference Problems of Infocommunications Science and Technology, Kharkiv, 20152017, Международной конференции «Цифровая обработка сигналов и ее применение. DSPA», Москва, 2010, 2012, 2013, 2017, International Conference on Next Generation Wired/Wireless Advanced Networks and Systems. New2AN, St.Petersburg, 2019 и 2020, Distributed Computer and Communication Networks, DCCN, Moscow, 2019.

Публикации. Основные результаты диссертационной работы изложены в 74 работах, в том числе в 23 статьях, опубликованных в журналах, включенных в

Перечень рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени доктора наук, в 11 полнотекстовых статьях, опубликованных в трудах конференций, индексируемых Web of Science и Scopus, в 1 патенте на изобретение и 4 свидетельствах о регистрации программ для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, пяти разделов, заключения, списка литературы и приложения. Общий объем диссертации 288 страниц, включая 63 рисунка, 4 таблицы, список литературы из 265 наименований. В приложении представлены акты, подтверждающие внедрение основных результатов диссертационной работы.

Личный вклад автора. Все основные результаты диссертационной работы получены автором самостоятельно или при его преобладающем участии.

Соответствие паспорту специальности. Диссертационная работа выполнена по специальности 05.12.13 - Системы, сети и устройства телекоммуникаций и соответствует следующим пунктам паспорта специальности: 2, 14.

ГЛАВА 1. ПРОБЛЕМЫ ОБРАБОТКИ И МОДЕЛИРОВАНИЯ КОРРЕЛИРОВАННОГО ТРАФИКА В СЕТЯХ СВЯЗИ

Как известно, развертывание сетей 5G/IMT- 2020 является одной из приоритетных задач Национального проекта «Цифровая экономика Российской Федерации» [1]. Сети 5G/IMT- 2020 должны стать частью критически важной инфраструктуры, обеспечивающей основу цифровой трансформации. Предполагается, что развертывание сетей 5G все еще будет ограниченным вплоть до 2021 года, но темпы распространения сетей 5G и сетей следующих поколений [2,3] несомненно будут увеличиваться в течение последующих лет [4].

Рост объема мобильного трафика имеет лавинообразный характер. Это связано не только с увеличением количества пользователей и увеличением количества передаваемой ими информации или генерируемого и распространяемого ими мультимедийного контента, но также с появлением новых типов «пользователей» сети, генерирующих различные новые виды трафика. Например, различные датчики «умных» домов или городов, регулярно отправляющие огромное количество пакетов небольшого размера, которые не имеют особых требований к задержке, надежности канала связи и его пропускной способности. Вместе с тем, высокие скорости и низкая задержка, характеризующие сети 5G, откроют новый взгляд на умные города и Интернет вещей (IoT) в целом. В [5] определены несколько потенциальных вариантов использования сетей 5G (рисунок 1.1): сверхширокополосная мобильная связь (enhanced Mobile Broadband, eMBB), сверх-надежные сети с ультрамалыми задержками (Ultra-Reliable Low Latency Communication, URLLC) и массовая межмашинная связь (Massive MachineType Communications, mMTC).

В отчете [6] определены следующие максимальные требования к ключевым показателям сети 5G. Относительно задержек они составляют user plane latency: 4 мс для услуг типа eMBB, 1 мс для услуг типа URLLC, control plane latency: 10 мс.

Рисунок 1.1 - Варианты использования сетей 5G

Также одним из основных приложений сетей связи пятого поколения будет являться и предназначенный для передачи тактильных ощущений тактильный интернет [7,8,9], концепция которого послужила основой для сверх надежных сетей с ультрамалыми задержками [10]. Основные потенциальные приложения концепции URLLC и тактильного интернета, где выдвигаются жесткие требования к задержке - это медицинские приложения, виртуальная и дополненная реальности, приложения индустриальной автоматизации, управление роботами и беспилотными средствами, интерактивный спорт и другие [7].

С учетом того, что наличие корреляционных связей в трафике может оказывать существенное влияние на значения параметров качества обслуживания, которые должны быть учтены при проектировании сервисов, в особенности сервисов, критически зависимых от этих параметров, возрастает необходимость разработки методов и алгоритмов обработки коррелированного трафика.

1.1 Параметры качества обслуживания

В рекомендации Международного союза электросвязи ITU-T Rec. E.800 [11] качеству обслуживания (QoS) дается следующее определение: совокупность характеристик услуги электросвязи, которые имеют отношение к ее возможности удовлетворять установленные и предполагаемые потребности пользователя услуги.

Основываясь на данном определении, невозможно однозначно определить, какие именно параметры и показатели используются для определения качества. Однако, в рекомендации ITU-T Rec. G.1000 [12] представлен «путь» от общего определения качества в соответствии со стандартами ISO до определения QoS в соответствии с [11] и до производительности сети, рассматриваемой в ITU-T Rec. Y.1540 [13].

В [13] определены наиболее важные параметры по степени их влияния на сквозное качество обслуживание, которые могут быть сгруппированы по анализируемым аспектам качества передачи [14]:

• производительность сети;

• надёжность сети (сетевых элементов);

• параметры доставки пакетов:

o задержка доставки пакетов; o вариация задержки пакета (джиггер); o уровень потери пакетов; o уровень ошибок пакетов.

Задержка доставки пакета (IP packet transfer delay, IPTD). Параметр IPTD определяется как время доставки пакета между источником и получателем для всех пакетов - как успешно переданных, так и для пакетов, пораженных ошибками [15].

Вариация задержки пакета (IP packet delay variation, IPDV). Параметр IPDV определяется разностью между абсолютной величиной задержки при доставке пакета от источника к получателю и определенной эталонной величиной задержки доставки пакета для тех же сетевых точек [15].

Уровень потери пакетов (IP packet loss ratio, IPLR). IPLR определяется как отношение суммарного числа потерянных пакетов к общему числу принятых пакетов в выбранном наборе переданных и принятых пакетов [15].

Уровень ошибок пакетов IP (IP packet error ratio, IPER). IPER определяется как суммарное число пакетов, принятых с ошибками, к сумме успешно принятых пакетов и пакетов, принятых с ошибками [15].

В рекомендации ITU-T Rec. Y.1541 [16] определены пороговые значения параметров, указанных в рекомендации [13], для служб, основанных на протоколах IP. Параметры разделены по различным классам QoS, которые определены в зависимости от приложений и сетевых механизмов, применяемых для обеспечения гарантированного качества обслуживания (Таблица 1.1).

Список литературы диссертационного исследования доктор наук Карташевский Игорь Вячеславович, 2020 год

СПИСОК ЛИТЕРАТУРЫ

1. Указ Президента Российской Федерации «О Стратегии научно-технологического развития Российской Федерации» от 1 декабря 2016 года № 642.

2. Tomkos, I. Toward the 6G Network Era: Opportunities and Challenges / I. Tomkos, D. Klonidis, E. Pikasis, S. Theodoridis // IT Professional. - 2020. - V. 22. - No. 1. - P. 34-38.

3. Giordani, M. Toward 6G Networks: Use Cases and Technologies / M. Giordani, M. Polese, M. Mezzavilla, S. Rangan, M. Zorzi // IEEE Communications Magazine. -2020. - V. 58. - No 3. - P. 55-61.

4. Куприяновский, В.П. Гигабитное общество и инновации в цифровой экономике / В.П. Куприяновский, С.А. Синягов, Д.Е. Намиот, М.А. Шнепс-Шнеппе, А.Р. Ишмуратов, А.П. Добрынин, А.Н. Колесников // Современные информационные технологии и ИТ-образование. - 2017. - Т.13. - №2 1. - С. 105-131.

5. ITU-T G-series Recommendations - Supplement 66 5G wireless fronthaul requirements in a passive optical network context, ITU-T, Geneva, July, 2019.

6. 3GPP Technical Report 38.913 «Study on Scenarios and Requirements for Next Generation Access Technologies» Ver. 14.3.0, June 2017.

7. Кузнецов, К.А. Тактильный Интернет и его приложения / К.А. Кузнецов, А.С.А. Мутханна, А.Е. Кучерявый // Информационные технологии и телекоммуникации. - 2019. - Т. 7. - № 2. - С. 12-20.

8. Атея, А.А.А. Тактильный Интернет как телекоммуникационные системы будущего / А.А.А. Атея, А.С.А. Мутханна, А.Е. Кучерявый // Информационные технологии и телекоммуникации. - 2018. - Т. 6. - № 4. - С. 1-9.

9. Кучерявый, А.Е. Тактильный Интернет. Сети связи со сверхмалыми задержками / А.Е. Кучерявый, М.А. Маколкина, Р.В. Киричек // Электросвязь. -2016. - № 1. - С. 44-46.

10. Чистова, Н.А. Анализ технико-экономических последствий внедрения сетей связи с ультрамалыми задержками / Н.А. Чистова, А.Е. Кучерявый //

Информационные технологии и телекоммуникации. - 2G18. - Т. 6. - № 4. - С. 53-6G.

11. Recommendation ITU-Т E.800 «Definitions of terms related to quality of service». ITU-T, Geneva, September, 2GG8.

12. Recommendation ITU-Т G.1GGG «Communications quality of service: A framework and definitions». ITU-T, Geneva, November, 2GG1.

13. Recommendation ITU-Т Y.154G «Internet protocol data communication service - IP packet transfer and availability performance parameters». ITU-T. -November. - 2GG7.

14. Степанов, С.Н. Основы телетрафика мультисервисных сетей / С. Н. Степанов - M.: Эко-Трендз, 2010. - 392 с.

15. Яновский, Г.Г. Качество обслуживания в сетях IP / Г.Г. Яновский // Вестник связи. - 2GG8. - №1. - С. 65-74.

16. Recommendation ITU-Т Y.1541 «Network Performance Objectives for IPBased Services». ITU-T. - 2GG2.

17. Cisco Annual Internet Report (2G17-2G22) [Электронный ресурс] / Режим доступа: https://newsroom.cisco.com/press-release-content?type= webcontent &articleId=1955935

18. Cisco Annual Internet Report (2G18-2G23) [Электронный ресурс] / Режим доступа: https: //www.cisco.com/c/en/us/solutions/collateral/executive-perspectives/annual-internet-report/white-paper-c 11 -74149G.pdf

19. Cisco Global Networking Trends Report 2G2G [Электронный ресурс] / Режим доступа: https://www.cisco.com/c/m/en_us/solutions/enterprise-networks/networking-report.html#

2G. Albin, S.L. On Poisson approximations for superposition arrival processes in queues / S.L. Albin // Management Science. - 1982. - V. 28. - No. 2. - P. 126-137.

21. Sriram, K Characterizing superposition arrival processes in packet multiplexers for voice and data / K. Sriram, W. Whitt // IEEE Journal on Selected Areas in Communications. - 1986. - V. 4. - No. 6. - P. 833-846.

22. Whitt, W. Queues with superposition arrival processes in heavy traffic / W. Whitt // Stochastic Processes and their Applications. - 1985. - V. 21. - I. 1. - P. 81-91.

23. Burman, D.Y. An Asymptotic Analysis of a Queueing System with Markov-Modulated Arrivals / D.Y. Burman, D.R. Smith // Operations Research. - 1986. - V. 34. - No. 1. - P. 105-119.

24. Heffes, H. A Markov Modulated Characterization of Packetized Voice and Data Traffic and Related Statistical Multiplexer Performance / H. Heffes, D. Lucantoni // IEEE Journal on Selected Areas in Communications. - 1986. - V. 4. - No. 6. - P. 856868.

25. Monma, C. Backbone Network Design and Performance Analysis: A Methodology for Packet Switching Networks / C. Monma, Diane Sheng // IEEE Journal on Selected Areas in Communications. - 1986. - V. 4. - No. 6. - P. 946-965.

26. Neuts, M.F. Versatile Markovian point process / M.F. Neuts // Journal of Applied Probability. - 1979. - V. 16. - No. 4. - P. 764-779.

27. Кокс, Д. Статистический анализ последовательностей событий / Д. Кокс, П. Льюис; под ред. Н.П. Бусленко. - М.: Мир, 1969. - 312 с.

28. Вишневский, В.М., Стохастические системы с коррелированными потоками. Теория и применение в телекоммуникационных сетях / В.М. Вишневский, А.Н. Дудин, В.И. Клименок - М.: Техносфера, 2018. - 564 с.

29. Вишневский, В.М. Системы массового обслуживания с коррелированными входными потоками и их применение для моделирования телекоммуникационных сетей / В.М. Вишневский, А.Н. Дудин // Автоматика и телемеханика. - 2017. - № 8. - С.3-59.

30. Kleinrock, L. Communications Nets: Stochastic Message Flow and Delay / L. Kleinrock. - New York, McGraw Hill, 1964.

31. Lambert, J. Queues with Correlated Service and Inter-Arrival Times and Their Application to Optical Buffers / J. Lambert, B. Van Houdt, C. Blondia // Stochastic Models. - 2006. - V. 22. - No. 2. - P. 233-251.

32. Hwang, G.U. Performance of correlated queues: the impact of correlated service and inter-arrival times / G.U. Hwang, K. Sohraby // Performance Evaluation. -2004. - V. 55. - I. 1-2. - P. 129-145.

33. Kartashevskiy, I. Solution of Lindley Integral Equation for Correlated Traffic // I. Kartashevskiy // Communications in Computer and Information Science. - 2019. -V. 1141. - P. 389-400.

34. Conolly, B.W. The Waiting Time Process for a Certain Correlated Queue / B.W. Conolly // Operations Research. - 1968. - V. 16. - No. 5. - P. 1006-1015.

35. Fendick, K. Dependence In Packet Queues / K. Fendick, V. Saksena, W. Whitt // IEEE Transactions on Communications. - 1989. - V. 37. - No. 11. - P. 1173-1183.

36. Cetin, M. Investigating Effects of Correlated Service Times on System Performance / M. Cetin, G. List // Implications in Border Crossing Operations. Transportation Research Record. - 2004. - V. 1870. - I. 1. - P. 70-76.

37. Mitchell, C.R. The effect of correlated exponential service times on single server tandem queues / C.R. Mitchell, A.S. Paulson, C.A. Beswick // Naval Research Logistics Quarterly. - 1977. - V. 24. - I. 1. - P. 95-112.

38. Sandmann, W. Delays in a series of queues with correlated service times / W. Sandmann // Journal of Network and Computer Applications. - 2012. - V. 35. - I. 5. - P. 1415-1423.

39. Дудин, А.Н. Улучшенный алгоритм оптимизации работы узла сети интернет / А.Н. Дудин, Н.И. Листопад, Г.В. Царенков // Проблемы проектирования информайионных и телекоммуникационных систем. - С. 28-43.

40. Лихтциндер, Б.Я., Самоподобие трафика мультисервисных сетей связи: мифы и реальность / Б.Я. Лихтциндер // Инфокоммуникационные технологии. -2019. - Т. 17. - № 3. - С. 276-282.

41. Hwang, G.U. Performance of correlated queues: The impact of correlated service and inter-arrival times / G.U. Hwang // Performance Evaluation. - 2004. - V. 55. - P. 129-145.

42. Hwang, G.U. The Effect of Correlated Service and Inter-arrival Times on System Performance / G.U. Hwang // World Academy of Science, Engineering and

Technology, International Journal of Mathematical, Computational, Physical, Electrical and Computer Engineering. - 2007. - V. 1. - P. 349-354.

43. Li, M. Convergence of Sample Autocorrelation of Long-Range Dependent Traffic / M. Li, W. Zhao // Mathematical Problems in Engineering. - 2013. - V. 2013. -P. 1-7.

44. Шелухин, О.И, Фрактальные процессы в телекоммуникациях / О.И. Шелухин, А.М. Тенякшев, А.В. Осин - М.: Радиотехника, 2003 - 479 с.

45. Шелухин, О. И. Причины самоподобия телетрафика и методы оценки показателя Херста / О.И. Шелухин // Электротехнические и информационные комплексы и системы. - 2007. - Т.3. - № 1. - С.5-14.

46. Mia, N. Performance impacts of autocorrelated flows in multi-tiered systems / N. Mia, Q. Zhang, A. Riska, E. Smirni, E. Riedel // Performance Evaluation. - 2007. -V. 64. - P. 1082-1101.

47. Chydzinski A. On the influence of traffic autocorrelation on the queueing performance / A. Chydzinski // Proceedings of The 20th World Multi-Conference on Systemics, Cybernetics and Informatics (WMSCI 2016). - 2016. - P. 37-42.

48. Willinger, W. Self-similarity through high-variability: Statistical analysis of Ethernet LAN traffic at the source level / W. Willinger, M.S. Taqqu, R. Sherman, D.V. Wilson // ACM SIGCOMM Computer Communication Review. - 1995. - V. 25. - I. 4.

- P. 100-113.

49. Willinger, W. Self-similarity through high-variability: Statistical analysis of ethernet LAN traffic at the source level / W. Willinger, M.S. Taqqu, R. Sherman, D.V. Wilson // IEEE/ACM Transactions on Networking. - 1997. - V. 5. - I. 1. - P. 71-86.

50. Crovella, M.E. Self-similarity in World Wide Web traffic: Evidence and possible causes / M.E. Crovella, A. Bestavros // IEEE/ACM Transactions on Networking.

- 1997. - V. 5. - I. 6. - P. 835-846.

51. Park, K. The protocol stack and its modulating effect on self-similar traffic, in Self-Similar Network Traffic and Performance Evaluation / K. Park, G. Kim, M.E, Crovella, // Self-Similar Network Traffic and Performance Evaluation; eds. K. Park and W. Willinger. - New York, John Wiley and Sons. - 2000.

52. Park, K. On the relationship between file sizes, transport protocols, and self-similar network traffic / K. Park, G. Kim, M.E, Crovella // Proceedings of the Fourth International Conference on Network Protocols (ICNP'96), Columbus. - 1996. - P. 171180.

53. Baker, M.G. Measurements of a distributed file system / M.G. Baker, J.H. Hartman, M.D. Kupfer, K.W. Shirriff, J.K. Ousterhout // Proceedings of the 13th ACM Symposium on Operating System Principles, Pacific Grove. - 1991. - P. 198-212.

54. Downey, A.B. The structural cause of file size distributions / A.B. Downey // Proceedings of the 9th IEEE/MASCOTS (Modeling, Analysis and Simulation of Computer and Telecommunication Systems), Cincinatti. - 2001- P. - 361-370.

55. Gong, W.B. On the tails of web file size distributions/ W.B. Gong, Y. Liu, V. Misra, D. Towsley // Proceedings of the 39th Allerton Conference on Communication, Control, and Computing, Monticello. - 2001- P. - 864-871.

56. Mitzenmacher, M. Dynamic models for file sizes and double Pareto distributions / M. Mitzenmacher // Internet Mathematics. - 2004. - V. 1. - I. 3. - P. 305333.

57. Danzig, P. An Empirical Workload Model for Driving Wide-Area TCP/IP Network Simulations / P. Danzig, S. Jamin, R. Caceres, D. Mitzel, D. Estrin // Internetworking: Research and Experience. - 1992. - V. 3. - I. 1. - P. 1-26.

58. Smith, R.D. The dynamics of internet traffic: self-similarity, self-organization, and complex phenomena / R.D. Smith // Advances in Complex Systems. - 2011. - V. 14.

- No. 6. - P. 905-949.

59. Leland, W.E. On the self-similar nature of ethernet traffic / W.E. Leland, M.S. Taqqu, W. Willinger, and D.V. Wilson // IEEE/ACM Transaction on Networking. - 1994.

- V. 2. - P. 1-15.

60. Paxson, W. Wide-area traffic: The failure of Poisson modeling / V. Paxson, S. Floyd // IEEE/ACM Transactions on Networking.- 1995. - V. 3. - P. 226-244.

61. Misra, V. A hierarchical model for teletraffic / V. Misra, W. Gong, // Proceedings of the 37th IEEE Conference on Decision and Control, Tampa. - 1998. - P. 1674-1679.

62. Krunz, M. Modeling video traffic using M/G/Infinity input processes: A compromise between markovian and LRD models / M. Krunz, A. Makowski// IEEE Journal on Selected Areas in Communications. - 1998. - V. 16. - P. 733-748.

63. Robert. S. On a markov modulated chain with pseudo-long range dependences / S. Robert, J.Y.L. Boudec // Performance Evaluation. - 1996. - V. 27-28. - P. 159-173.

64. Andersen, A.T. An application of superpositions of two-state markovian sources to the modelling of self-similar behaviour / A. T. Andersen, B.F. Nielsen // Proceedings of IEEE INFOCOM, Kobe. - 1997. - P. 196-204.

65. Park, K. On the effect of traffic self-similarity on network performance / K. Park, G. Kim, M.E, Crovella // Proceedings of the SPIE International Conference on Performance and Control of Network Systems, Dallas. - 1997. - P. 296-310.

66. Grossglauser, M. On the relevance of long range dependence in network traffic / M. Grossglauser, J. Bolot, // IEEE/ACM Transaction on Networking. - 1999. - V. 7. -No. 5. - P. 629-640.

67. Veres, A. The chaotic nature of TCP congestion control / A. Veres, M. Boda // Proceedings IEEE INFOCOM 2000. Conference on Computer Communications. Nineteenth Annual Joint Conference of the IEEE Computer and Communications Societies, Tel Aviv. - 2000. - P. 1715-1723.

68. Feng, W. The failure of TCP in high-performance computational grids / W. Feng, P. Tinnakornsrisuphap // Proceedings of the 2000 ACM/IEEE conference on Supercomputing. - 2000. - P. 37-47.

69. Siklab, B. The effect of TCP on the self-similarity of network traffic / B. Siklab, K.S. Vastola // Proceedings of 35-th Conference on Information Science and Systems, Baltimore. - 2001. - P. 21-23.

70. Manthorpe, S. The second-order characteristics of TCP / S. Manthorpe, I. Norros, J.Y.L. Boudec // Proceedings of the IFIP Performance, Lausanne. - 1996. - P. 132-141.

71. Figueiredo, D.R. On TCP and self-similar traffic / D.R. Figueiredo, B. Liu, A. Feldmann, V. Misra, D.F. Towsley, W. Willinger // Performance Evaluation. - 2005. -V. 61. - P. 129-141.

72. Figueiredo, D. On the autocorrelation structure of TCP traffic / D. Figueiredo, B. Liu, V. Misra, D. Towsley // Computer Networks. - 2002. - V. 40. - I. 5. - P. 339361.

73. Тихвинский, В.О. Монетизация сетей LTE на основе услуг М2М / В.О. Тихвинский, Г.С. Бочечка, А.В. Минов // Электросвязь. — 2014. — № 6. — С. 1217.

74. Махмуд, О.А.М. Исследование и разработка моделей трафика и методов выбора структуры сетей интернета вещей: дис. ... канд. техн. наук: 05.12.13 / Махмуд Омар Абдулкарим Махмуд. - СПб, 2019. - 161 с.

75. Li, X. Engineering Machine-to-Machine Traffic in 5G / X. Li, J. Rao, H. Zhang // IEEE Internet of Things Journal. - 2016. - V. 3. - No. 5. - P. 609-618.

76. Malandra, F. A case study for M2M traffic characterization in a smart city environment / F. Malandra, S. Rochefort, P. Potvin, B. Sanso // Proceedings of the 1st International Conference on Internet of Things and Machine Learning, Liverpool. - 2017. - P. 1-9.

77. Smiljkovic, K. Machine-to-machine traffic characterization: Models and case study on integration in LTE / K. Smiljkovic, V. Atanasovski, L. Gavrilovska.// Proceedings of 4th International Conference on Wireless Communications, Vehicular Technology, Information Theory and Aerospace & Electronic Systems (VITAE), Manchester. - 2014. - P. 1-5.

78. Zarrini, M. Loss and delay analysis of non-Poisson M2M traffic over LTE networks / M. Zarrini, A. Ghasemi // Transactions on Emerging Telecommunications Technologies.. - 2018. - V. 29. - I. 2. - P. e3273.

79. Laner, M. Traffic models for machine-to-machine (M2M) communications: types and applications / M. Laner, N. Nikaein, P. Svoboda, M. Popovic, D. Drajic, S. Krco // Machine-to-machine (M2M) Communications. Architecture, Performance and Applications; eds. C. Anton-Haro and M. Dohler. - 2015. - P. 133-154.

80. Paramonov, A. M2M Traffic Models And Flow Types In Case Of Mass Event Detection / A. Paramonov, A. Koucheryavy // Lecture Notes in Computer Science. — 2014. - V. 8638. — P. 294-300.

81. Парамонов, А.И. Модели потоков трафика для сетей М2М / А.И. Парамонов // Электросвязь. — 2014. — № 4. — С. 11-16.

82. Осовский, А.В. Анализ моделей трафика, создаваемого устройствами интернета вещей / А.В. Осовский, Д.В. Кутузов, О.В. Стукач // Динамика систем, механизмов и машин. - 2019. - Т. 7. - № 4. - С. 220-226.

83. Махмуд, О.А. Моделирование влияния трафика интернета вещей на качество обслуживания / О.А. Махмуд, А.И. Парамонов // Электросвязь. - 2-18. -№9. - С.39-44.

84. Maglaris, B.S. Performance models of statistical multiplexing in packet video communications / B.S. Maglaris D. Anastassiou, P. Sen, G. Karlsson, J.D. Robbins // IEEE Transactions on Communications. - 1988. - V. 36. - P. 834-844.

85. Nomura, M. Basic characteristics of variable rate video coding in ATM environment / M. Nomura, T. Fujii, N. Ohta // IEEE Journal on Selected Areas in Communications. - 1989. - V. 7. - No. 5. - P. 752-760.

86. Lazaris, A. A new model for video traffic originating from multiplexed MPEG-4video conference streams / A. Lazaris, P. Koutsakis, M. Paterakis // Performance Evaluation. - 2008. - V. 65. - P. 51-70.

87. Takeuchi, N. Characteristic Analysis and Modeling of P2PTV Traffic / N. Takeuchi, T. Miyoshi, O. Fourmaux // Proceedings of 2016 International Conference on Information Science and Security (ICISS), Pattaya. - 2016. - P. 1-4.

88. Al-Tamimi, A. High-Definition Video Streams Analysis, Modeling, and Prediction / A. Al-Tamimi, R. Jain, C. So-In, // Advances in Multimedia. - 2012. - V. 2012. - P. 1-13.

89. Самойлов, М.С. Анализ вероятностно-временных характеристик узлов обработки непуассоновского мультимедийного трафика мультисервисных сетей связи: дис. ... канд. техн. наук: 05.12.13 / Самойлов Михаил Сергеевич Самара. -Самара., 2014. - 147 с.

90. Шелухин, О.И. Результаты экспериментальных исследований видеотрафика телекоммуникационной сети / О.И. Шелухин, Г.А. Урьев //

Электротехнические и информационные комплексы и системы. - 2006. - Т. 2. - №1 - С.24-27.

91. Буранова, М.А. Сравнительный анализ статистических характеристик видео трафика в сетях пакетной передачи данных / М.А. Буранова, В.Г. Карташевский, М.С. Самойлов // Инфокоммуникационные технологии. - 2013. - Т. 11. - №4. - С. 33-39.

92. Basharin, G. Mathematical theory of teletraffic and its application to the analysis of multiservice communication of next generation networks / G. Basharin, Y. Gaidamaka, K. Samouylov // Automatic Control and Computer Sciences. - 2013. - V. 47. - No. 2 - P. 62-69.

93. Tanwir, S A Survey of VBR Video Traffic Models / S. Tanwir, H.G. Perros // IEEE Communications Surveys & Tutorials. - 2013. - V. 15. - P. 1778-1802.

94. Tanwir, S. VBR Video Traffic Models / S.Tanwir, H.Perros. - Wiley & Sons,

2014.

95. Mohamed, A. A Survey on the Common Network Traffic Sources Models / A. Mohamed, A. Agamy // International Journal of Computer Networks. - 2011. - V. 3. - I. 2. - P. 103-115.

96. Chandrasekaran, B. Survey of Network Traffic Models [Электронный ресурс] / B. Chandrasekaran. - Режим доступа: https://www.cs.wustl.edu/~jain/cse567-06/ftp/traffic_models3 .pdf

97. Biernacki, A. Identification of adaptive video streams based on traffic correlation / A. Biernacki // Multimedia Tools and Applications. - 2019. - V. 78. - P. 18271-18291.

98. Biernacki, A. Analysis of Aggregated HTTP-based Video Traffic / A. Biernacki // Journal of Communications and Networks. - 2016. - V. 18. - P. 826-846.

99. Biernacki, A. Analysis and modelling of traffic produced by adaptive HTTP-based video / A. Biernacki // Multimedia Tools and Applications. - 2016. - V. 76. - P. 12347-12368.

100. Chen, B. Measurement and analysis of peer-to-peer application traffic characteristics / B. Chen, C. Huang, Y. Xu, J. Hu, S. Liu // ISECS International

Colloquium on Computing, Communication, Control and Management (CCCM 2008). -2008. - V. 01. - P. 688-692.

101. Chen, B. Modeling and analysis traffic flows of peer-to-peer application / B. Chen, C. Huang, Y. Xu, J. Hu, L. Zhang // Proceedings of 3rd International Conference on Innovative Computing Information and Control, Dalian. - 2008. - P. 383-383.

102. He, G. One size does not fit all: a detailed analysis and modeling of P2P traffic / G. He, J. Hou, W. Chen, T. Hamada //Proceedings of IEEE GLOBECOM 2007. - 2007. - P. 393-398.

103. Kitada, H. Hierarchical Traffic Analysis and Modeling for P2P Streaming. / H. Kitada, T. Miyoshi, T. Kurosawa, M. Tsujino, M. Iwashita, H. Yoshino, // 21st International Teletraffic Congress Specialist Seminar (ITC-SS21). - 2010. - P. 42-47.

104. Kitada, H. General Flow Characteristics of P2P Streaming Considering Impact to Network Load / H. Kitada, T. Miyoshi, A. Shiozu, M. Tsujino, M. Iwashita, H. Yoshino // Computer and Information Science. - 2010. - V. 317. - P. 73-83.

105. Campo Muñoz, W. Characterization of traffic of the video streaming service based on lexical analyzers / W. Campo Muñoz, H. Bermúdez-Orozco, E. Astaiza Hoyos // Ingeniare. Revista chilena de ingeniería. - 2018. - V. 26. - P. 448-458.

106. Гайдамака, Ю.В. Анализ стратегий заполнения буфера оборудования пользователя при предоставлении услуги потокового видео в одноранговой сети / Ю.В. Гайдамака А.К. Самуйлов // T-Comm: Телекоммуникации и транспорт. -2013. - Т. 7. - № 11. - С. 77-81.

107. Адаму, А Аппроксимация вероятностных характеристик модели сети P2P / А. Адаму, Ю.В. Гайдамака // T-Comm: Телекоммуникации и транспорт. -2011. - Т. 5. - № 7. - С. 4-7.

108. Бобрикова, Е.В. Анализ времени распространения файла для одноранговой сети / Е.В. Бобрикова, Ю.В. Гайдамака // Discrete and Continuous Models and Applied Computational Science. - 2018. - Т. 26. - №1. - C. 84-92.

109. Markovich, N. Statistical Analysis and Modeling of Peer-to-Peer Multimedia Traffic / N. Markovich, U. Krieger// Network Performance Engineering. Lecture Notes in Computer Science. - 2011. - V. 5233. - P. 70-97.

110. Markovich, N. Integrated Measurement and Analysis of Peer-to-Peer Traffic / N. Markovich, A. Biernacki, P. Eittenberger, U. Krieger / Proceedings of 8th International Conference Wired/Wireless Internet Communications (WWIC 2010), Lulea. - 2010. - P. 302-314.

111. Eittenberger, P. Teletraffic Modeling of Peer-to-Peer Traffic / P. Eittenberger, U. Krieger, N. Markovich // Proceedings of 44th Winter Simulation Conference (WSC 2012), Berlin. - 2012. - P. 1-12.

112. Tang, P. Fine-grained Classification of Internet Video Traffic from QoS Perspective Using Fractal Spectrum / P. Tang, Y. Dong, J. Jin, S. Mao // IEEE Transactions on Multimedia. - 2019. - P. 1-1.

113. Wu, Z. A New Structure for Internet Video Traffic Classification Using Machine Learning / Z. Wu, Y. Dong, L. Yang, P. Tang // Proceedings of 2018 Sixth International Conference on Advanced Cloud and Big Data (CBD). - 2018. - P. 322-327.

114. MarkoviC, D.R. 4K Video Traffic Prediction using Seasonal Autoregressive Modeling / D.R. Markovic, A. Gavrovska, I. Reljin // Telfor Journal. - 2017. - V. 9. - P. 8-13.

115. Елистратов, В. Сколько трафика в час потребляют популярные онлайн-шутеры [Электронный ресурс] / В. Елистратов. - Режим доступа: https://dtf.ru/flood/10470-skolko-trafika-v-chas-potreblyayut-populyarnye-onlayn-shutery

116. Zhou, Q. First Person Shooter Multiplayer Game Traffic Analysis / Q. Zhou, C.J. Miller, V. Bassilious // 1th IEEE International Symposium on Object and Component-Oriented Real-Time Distributed Computing (ISORC), Orlando. - 2008. - P. 195-200.

117. Wang, X. Measurement and analysis of online gaming services on mobile WiMAX networks/ X. Wang, M. Chen, H. Kim, T. Kwon, Y. Choi, S. Choi // Wireless Communications and Mobile Computing. . - 2015. - V. 15. - I. 7. - P. 1198-1211.

118. Hariri, B. A Statistical Network Traffic Model for First-Person Shooter Games / B. Hariri, S. Shirmohammadi // Journal of Advances in Computer Networks. -2014. - V. 2. - P. 100-105.

119. Che, X. Packet-level traffic analysis of online games from the genre characteristics perspective / X. Che, B. Ip // Journal of Network and Computer Applications. - 2012. - V. 35. - I. 1. - P. 240-252.

120. Nikaein N. Simple Traffic Modeling Framework for Machine Type Communication / N. Nikaein, M. Laner, K. Zhou, P. Svoboda, D. Drajic, M. Popovic, S. Krco // Proceedings of ISWCS 2013; The Tenth International Symposium on Wireless Communication Systems. - 2013. - P. 1-5.

121. Svoboda, P. Traffic Analysis and Modeling for World of Warcraft / P. Svoboda, W. Karner, M. Rupp // Proceedings of IEEE International Conference on Communications, ICC 2007, Glasgow. - 2007. - P. 1612-1617.

122. Chen, K. Game traffic analysis: An MMORPG perspective / K. Chen, P. Huang, C. Lei // Computer Networks. - 2006. - V. 50. - No. 16. - P. 3002-3023.

123. Feng, W. A traffic characterization of popular on-line games. / W. Feng, F. Chang, W. Feng, J. Walpole // IEEE/ACM Transactions on Networking. - 2005. - V. 13. - I. 3. - P. 488-500.

124. Степанов, С.Н. Теория телетрафика. Концепции, модели, приложения / С. Н. Степанов. - М.: Горячая линия - Телеком, 2015. - 866 с.

125. Шелухин, О.И. Мультифракталы / О.И. Шелухин. - М.: Горячая линия-Телеком, 2011. - 576 с.

126. Шелухин, О.И. Самоподобие и фракталы. Телекоммуникационные приложения / О.И. Шелухин. - М.: Физматлит, 2008. - 368 с.

127. Петров, В.В. Структура телетрафика и алгоритм обеспечения качества обслуживания при влиянии эффекта самоподобия: дис. ... канд. техн. наук: 05.12.13 / Петров, Виталий Валерьевич. - М., 2004. - 199с.

128. Бузов, А.Л. Специальная радиосвязь. Развитие и модернизация оборудования и объектов / А.Л. Бузов, С.А. Букашкин. - М.: Радиотехника, 2017. -448 с.

129. Карташевский, И.В. Анализ среднего времени задержки в системе массового обслуживания при обработке коррелированного трафика / И.В.

Карташевский, А.Н. Волков, Р.В. Киричек // Электросвязь. - 2019. - №3. - С. 4150.

130. Jagerman, D.L. Mean waiting time approximations in the G/G/1 queue / D.L. Jagerman, B. Balcioglu, T. Altiok, B. Melamed // Queueing Systems. - 2004. - V. 46. -P. 481-506.

131. Lucantoni, D.M. New results on single server queue with a batch Markovian arrival process / D.M. Lucantoni // Stochastic Models. - 1991. - V. 7. - P. 1-46.

132. Дудин, A.H. Системы массового обслуживания с коррелированными потоками /A.H. Дудин, В.И. Клименок. - Минск: Издательство БГУ, 2000. - 176 с.

133. Клейнрок, Л. Вычислительные системы с очередями / Л. Клейнрок; под ред. Б.С. Цыбакова. - М.: Мир, 1979. - 595 с.

134. Саати, Т. Элементы теории массового обслуживания и её приложения / Т. Саати; под ред. И.Н. Коваленко и Р.Д. Когана . - М.: Советское радио, 1965. -510 с.

135. Кокс, Д.Р. Теория очередей / Д.Р. Кокс, У.Л. Смит; под ред. А.Д. Соловьева. - М.: Мир, 1966. - 218 с.

136. Карташевский, И.В. Использование уравнения Линдли для решения задачи обработки коррелированного трафика / И.В. Карташевский // Электросвязь. - 2014. - № 12. - С. 41-42.

137. Brockmeyer, E. The life and works of A. K. Erlang / E. Brockmeyer, H. L. Halstrom, A. Jensen. - Acta polytechnica Scandinavica, Copenhagen, 1960.

138. Hamid, F, Traffic engineering for software-defined radio access networks / F. Hamid, Z. Hang // Proceedings of 2014 IEEE Network Operations and Management Symposium (NOMS). - 2014. - P. 1-7.

139. Тарасов, В.Н. Определение среднего времени ожидания требований в управляемой системе массового обслуживания Н2/Н2/1 / В.Н. Тарасов, И.В. Карташевский // Системы управления и информационные технологии. - 2014. - № 3(57). - С. 92-96.

140. Карташевский, И.В. Сравнение подходов к определению среднего времени ожидания в системе массового обслуживания вида Н2/Н2/1 / И.В.

Карташевский, С.В. Малахов, Е.М. Мезенцева // Инфокоммуникационные технологии. - 2019. - Т 17. N 1. - С. 28-33.

141. Tarasov, V. Approximation of input distributions for queuing system with hyper-exponential arrival time / V. Tarasov, I. Kartashevskiy // Proc. 2nd IEEE International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T 2015). - 2015. - P. 18-20.

142. Keilson, J. Green's function Method in Probability Theory / J. Keilson. -Charles Griffin and Company, London, 1965.

143. Graves, S.C. The Compensation Method Applied to a One-Product Production Inventory Problem / S.C. Graves, J. Keilson // Mathematics of Operations Research. - 1981. - V. 6. - I. 2. - P. 246-262.

144. Keilson, J. The role of Green's Functions in congestion theory. In: Smith, W. L., and Wilkinson, W. E. (eds), Congestion Theory. University of North Carolina Press, Chapel Hill, NC. - 1965. - P. 43-71.

145. Kielson, J. Hyperexponential waiting time structure in hyperexponential Hl/Hk/1 system / J. Keilson, F. Machihara // Journal of the Operation Society of Japan. -1985. - V. 28. - No. 3. - P. 242-250.

146. Тарасов, В.Н. Способы аппроксимация входных распределений для системы G/G/1 и анализ полученных результатов / В.Н. Тарасов, И.В. Карташевский // Системы управления и информационные технологии. - 2015. - № 3.1(61). - С. 182-185.

147. Тарасов, В.Н. Программно реализованная имитационная модель массового обслуживания общего вида / В.Н. Тарасов, И.В. Карташевский // Инфокоммуникационные технологии. - 2009. - Т 7. N 2. - С. 63-68.

148. Тарасов, В.Н. Анализ и расчет непуассоновских моделей трафика в сетях ЭВМ / В.Н. Тарасов, Н.Ф. Бахарева, И.В. Карташевский // Инфокоммуникационные технологии. - 2009. - Т 7. N 4. - С. 61-66.

149. Тарасов, В.Н. Анализ и расчет телетрафика методами теории массового обслуживания / В.Н. Тарасов, И.В. Карташевский // Инфокоммуникационные технологии. - 2010. - Т 8. N 4. - С. 54-56.

150. Тарасов, В.Н. Теоретическое и экспериментальное исследование задержки в программно-конфигурируемых сетях / В.Н. Тарасов, И.В. Карташевский, С.В. Малахов // Инфокоммуникационные технологии. - 2015. - Т 13. N 4. - С. 409-413.

151. Тарасов, В.Н. Влияние размера TCP-окна на распределение интервалов между пакетами трафика в программно-конфигурируемых сетях SDN / В.Н. Тарасов, Н.Ф. Бахарева, И.В. Карташевский, С.В. Малахов // Инфокоммуникационные технологии. - 2016. - Т 14. N 4. - С. 384-389.

152. Tarasov, V. Analysis of intervals between traffic packets on the software-defined networks depending on the TCP Window size / V. Tarasov, N. Bakhareva, I. Kartashevskiy, S. Malakhov // Proc. 3rd IEEE International Scientific-Practical Conference Problems of Infocommunications. Science and Technology(PIC S&T 2016).

- 2016. - P. 15-17.

153. Вишневский, В.М. Теоретические основы проектирования компьютерных сетей / В.М. Вишневский. - М.: Техносфера, 2003. - 512 с.

154. Тарасов, В.Н. Исследование задержки в системе G/G/1 / В.Н. Тарасов, И.В. Карташевский, Л.В. Липилина // Инфокоммуникационные технологии. - 2015.

- Т. 13. - №2. - С.153-159.

155. Кельтон, В. Имитационное моделирование. Классика CS / В. Кельтон, А. Лоу. - 3-е изд. - СПб.: Питер, 2004. - 847 с.

156. Тарасов, В.Н. Модели массового обслуживания для исследования телетрафика в случае широкого диапазона изменения его параметров / В.Н. Тарасов, И.В. Карташевский, Л.В. Липилина // Системы управления и информационные технологии. - 2016. - № 3(65). - С. 24-27.

157. Тарасов, В.Н. Анализ и расчет системы массового обслуживания с запаздыванием / В.Н. Тарасов, Н.Ф. Бахарева, И.А. Блатов // Автоматика и телемеханика. - 2015. - № 11. - С.51-59.

158. Тарасов, В.Н. Оптимизация расчета характеристик системы H2/M/1 / В.Н. Тарасов, Н.Ф. Бахарева, И.В. Карташевский, Л.В. Липилина // Инфокоммуникационные технологии. - 2017. - Т 15. - № 4. - С. 360-365.

159. Tarasov, V. Comparison of Different Approaches to Determining the Mean Delay Time in a Queuing System H2/M/1 / V. Tarasov, N. Bakhareva, I. Kartashevskiy, L. Lipilina // Proc. 4th IEEE International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T 2017). - 2017. - P. 273-276

160. Мищенко, В.А. Метод селектирующих функций в нелинейных задачах контроля и управления / В.А. Мищенко. - М.: Советское Радио, 1973. - 184 с.

161. Забрейко, П.П. Интегральные уравнения / П.П. Забрейко, А.И. Кошелев, М.А. Красносельский. - М.: Наука, 1968. - 448 с.

162. Градштейн, И.С. Таблицы интегралов, сумм, рядов и произведений / И.С. Градштейн, И.М. Рыжик. - М.: Наука, 1971. - 1108 с.

163. Абрамовиц М. Справочник по специальным функциям / М. Абрамовиц, И. Стиган. - М. : Наука, 1979. - 832 с.

164. Гахов, Ф.Д. Уравнения типа свертки / Ф.Д. Гахов, Ю.И. Черский. - М.: Наука, 1978. - 296 с.

165. Канторович, Л.В. Приближенные методы высшего анализа / Л.В. Канторович, В.И. Крылов. - М.: ГИФМЛ, 1962. - 708 с.

166. Kartashevskiy, I. The model of the kernel of the Lindley integral equation based on selective functions / I. Kartashevskiy // IOP Conference Series: Journal of Physics: Conf. Series 1096 (2019) 012179. - 2019.

167. Карташевский, И.В. Об одном способе решения интегрального уравнения Линдли / И.В. Карташевский // Информационные технологии. Радиоэлектроника. Телекоммуникации (ITRT-2017): сб. статей VII международной заочной научно-технической конференции / Поволжский гос. ун-т сервиса. -Тольятти: Изд-во ПВГУС, 2017., с.261-265.

168. Прудников, А.П. Интегралы и ряды / А.П. Прудников, Ю.А. Брычков, О.И. Маричев. - М.: Наука, 1981. - 800 с.

169. Хинчин, А.Я. Математические методы теории массового обслуживания / А.Я. Хинчин. - М.: Физматгиз, 1963. - 149 с.

170. Клейнрок, Л. Теория массового обслуживания / Л. Клейнрок; под ред. В.И. Неймана. - М.: Машиностроение, 1979. - 432 с.

171. Гетьман, А.И. Обзор задач и методов их решения в области классификации сетевого трафика / А.И. Гетьман, Ю.В. Маркин, Е.Ф. Евстропов, Д.О. Обыденков // Труды Института системного программирования РАН. - 2017. -Т. 29. - № 3. - С. 117-150.

172. Кокс, Д. Теория восстановления / Д. Кокс, В. Смит; под ред. Ю.К. Беляева. - М.: Советское Радио», 1967. - 300 с.

173. Kühn, P. Approximate Analysis of General Queueing Networks by Decomposition / P. Kühn // IEEE Transactions on Communications. - 1979. - V. 27. -No. 1. - P. 113-126.

174. Livny, M. The Impact of Autocorrelation on Queuing Systems / M. Livny, B. Melamed, A. Tsiolis // Management Science. - 1993. - V. 39. - No. 3. - P. 322-339.

175. Whitt, W. Approximating a Point Process by a Renewal Process, I: Two Basic Methods / W. Whitt // Operations Research. - 1982. - V. 30. - No. 1. - P. 125-147.

176. Whitt, W. The Queueing Network Analyzer / W. Whitt // Bell System Technical Journal. - 1983. - V. 62. - No. 9. - P. 2779-2815.

177. Altiok, T The Case for Modeling Correlation in Manufacturing Systems / T. Altiok, B. Melamed// IIE Transactions. - 2001. - V. 33. - P. 779-791.

178. Balcioglu, B. Approximate Mean Waiting Time in a GI/D/1 Queue with Autocorrelated Times to Failures / B. Balcioglu, D.L. Jagerman, T. Altiok // IIE Transactions. - 2007. - V. 39. - I. 10. - P. 985-996.

179. Araghi, M. A New Renewal Approximation for Certain Autocorrelated Processes / M. Araghi, B. Balcioglu // Operations Research Letters. - 2009. - V. 36. - I. 1. - P. 133-139.

180. Balcioglu, B. Merging and Splitting Autocorrelated Arrival Processes and Impact on Queueing Performance / B. Balcioglu, D.L. Jagerman, T. Altiok // Performance Evaluation. - 2008. - V. 65. - I. 9. - P. 653-659.

181. Карташевский, И.В. Обработка коррелированного трафика в узле сети типа G/G/1 / И.В. Карташевский, А.В. Сапрыкин// Радиотехника. - 2017. - № 10. С.119-125.

182. Карташевский, И.В. Анализ времени ожидания заявки в очереди для системы массового обслуживания общего вида / И.В. Карташевский, А.В. Сапрыкин // T-Comm: Телекоммуникации и транспорт. - 2018. - Т. 12. - № 2. - С. 4-10.

183. Kartashevskiy, I. Waiting Time Analysis for the M/G/1 Queuing System with Correlated Traffic / I. Kartashevskiy // Proc. 4th IEEE International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T 2017). -2017. - P. 268-272.

184. Kartashevskiy, I. Calculation of Packet Jitter for Correlated Traffic / I. Kartashevskiy, M. Buranova // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). - vol. 11660. - P. 610-620.

185. Albin, S. On Poisson Approximation for Superposition Arrival Processes in Queues / S. Albin // Management Science. - 1982. - V. 28. - No. 2. - P. 126-137.

186. Hefies, H. A Markov Modulated Characterization of Packetized Voice and Data Traffic and Related Statistical Multiplexer Performance / Н. Hefies, D. Lucantoni. // IEEE Journal on Selected Areas in Communications. - 1986. - V. 4. - No. 6. - P. 856868.

187. Araghi, M. Using Discrete Event Simulation to Fit Probability Distributions for Autocorrelated Service Times / M. Araghi, B. Balcioglu // Information Systems and Operational Research. - 2020. - V. 58. - I. 1. - P. 124-140.

188. Jagerman, D.L. Burstiness descriptors of traffic streams: Indices of dispersion and peakedness / D.L. Jagerman, B. Melamed// Proceedings of the 28th Annual Conference on Information Sciences and Systems, Princeton. - 1994. - P. 1-5.

189. Altiok, Т. The case for modeling correlation in manufacturing systems / T. Altiok, B. Melamed // IIE Transactions. - 2001. - V. 33. - P. 779-791.

190. Patuwo, В.Е. The effects of correlated arrivals on queues / В.Е. Patuwo, R.L. Disney, D.C. McNickle // IIE Transactions. - 1993. - V. 25. - I. 3. - P. 105-110.

191. Jagerman, D.L. Stochastic modeling of traffic processes / D.L. Jagerman, B. Melamed, W. Willinger // Frontiers in Queueing: Models and Applications in Science and Engineering. - 1997. - P. 271-320.

192. Wolff, R.W. Stochastic Modeling and the Theory of Queues / R.W. Wolff. -Prentice-Hall, Englewood Cliffs, 1989.

193. Gusella, R. Characterizing the variability of arrival processes with indexes of dispersion / R. Gusella // IEEE Journal on Selected Areas in Communications. - 1991. -V. 9. - I. 2. - P. 203-211.

194. Бахарева, Н.Ф. Анализ временных характеристик непуассоновского трафика / Н.Ф. Бахарева, И.В. Карташевский // Электросвязь. - 2010. - № 11. - С. 26-28.

195. Карташевский, И.В. Получение оценки функции плотности вероятности последовательности интервалов времени между событиями на основе анализа целочисленного процесса / И.В. Карташевский // T-Comm: Телекоммуникации и транспорт. - 2011. - № 10. - С. 42-43.

196. Карташевский, И.В. Вычисление коэффициентов корреляции интервалов времени между событиями / И.В. Карташевский // Материалы Х Международн. НТК «Физика и технические приложения волновых процессов». -Самара, 2011. - С.350-351.

197. Карташевский, И.В. Анализ плотности вероятности интервалов времени между событиями / И.В. Карташевский // Труды 14-й Международн. конф. «Цифровая обработка сигналов и ее применения», Москва, 2012, вып.Х^-2, с.499-501

198. Карташевский, И.В. Автокорреляция временных интервалов последовательности событий / И.В. Карташевский // Труды 15-й Международн. конф. «Цифровая обработка сигналов и ее применения», Москва, 2013, вып.XV-1, с.68-70

199. Проверка работы алгоритма получения коэффициентов корреляции интервалов времени между событиями / И.В. Карташевский // Проблемы инфокоммуникаций. Наука и технологии (PIC S&T-2013): Сборник научных

трудов первой Международной научно-практической конференции, Харьков, 9-11 октября 2013г., 288с.

200. Карташевский, И.В. Расчет коэффициентов корреляции временных интервалов в последовательности событий / И.В. Карташевский // Электросвязь. -2012. - № 10. - С. 37-39.

201. Быков, В.В. Цифровое моделирование в статистической радиотехнике /

B.В. Быков. - М.: Советское радио, 1971. - 328 с.

202. Wilkinson, R. Theories of toll traffic engineering in the USA / R. Wilkinson // Bell System Technical Journal. - 1956. - V.35. - I. 2. - P. 421-514.

203. Eckberg, A.E. Approximations for bursty (and smoothed) arrival delays based on generalized peakedness / A.E. Eckberg // Proceedings of the 11th International Teletraffic Congress, Kyoto. - 1985 - P. 3.1A-4-1-3.1A-4-5.

204. Jagerman, D.L. Methods in traffic calculations / D.L. Jagerman // Bell System Technical Journal. - 1984. - V.63. - I. 7. - P. 1283-1310.

205. Jagerman, D.L. On Markovian traffic with applications to TES processes / D.L. Jagerman, B. Melamed // Journal of Applied Mathematics and Stochastic Analysis.

- 1994. - V.7. - I. 3. - P. 373-396.

206. Marie, R. Modelisation par reseaux de files d'attente, Ph.D. thesis / R. Marie.

- l'Université de Rennes, Rennes, France. - 1978.

207. Назаров, А.Н., Сычев К.И. Модели и методы расчета показателей качества функционирования узлового оборудования и структурно-сетевых параметров сетей связи следующего поколения / А.Н. Назаров, К.И. Сычев. -Красноярск: Поликом, 2011. - 491 с.

208. Буранова, М.А. Исследование статистических свойств мультимедийного трафика / М.А. Буранова, М.С. Самойлов // Труды 16-ой Международной Конференции «Цифровая обработка сигналов и ее применение», Москва, 2014г. -

C. 234-236.

209. Бузов, А.Л. Специальная радиосвязь. Развитие и модернизация оборудования и объектов / А.Л. Бузов, С.А. Букашкин. - М.: Радиотехника, 2017. -448 с.

210. Букашкин, С.А. Исследование статистических свойств мультимедийного трафика при обработке в сети MPLS / С.А. Букашкин, М.А. Буранова, А.В. Сапрыкин // Радиотехнические и телекоммуникационные системы.

- 2016. - № 4(24). - С. 34-42.

211. Дубницкий, В.Ю. Оценивание параметров распределений Бредфорда, Барра и Дагума методом максимального правдоподобия / В.Ю. Дубницкий, О.Е. Петренко // Системи обробки шформацп. - 2011. - №4(94). - С. 126-129.

212. Карташевский, И.В. Модель трафика для программно-конфигурируемых радиосетей / И.В. Карташевский // Радиотехника. - 2016. - N 6. С.124-129.

213. Карташевский, И.В. Модель трафика в виде системы массового обслуживания Hk/Hl/1 / И.В. Карташевский // Материалы XVII МНТК «Проблемы техники и технологий телекоммуникаций» ПТиТТ-2016, с.502-503, Самара, 2016.

214. Степанов, С.Н. Планирование ресурса передачи при совместном обслуживании мультисервисного трафика реального времени и эластичного трафика данных / С.Н. Степанов, М.С. Степанов // Автоматика и телемеханика. -2017. - № 11. - С. 79-93.

215. Степанов, С.Н. Алгоритм оценки показателей качества обслуживания заявок в иерархических сетях доступа / С.Н. Степанов, Д.Л. Осия // T-Comm: Телекоммуникации и транспорт. - 2012. - Т. 6. - № 7. - С. 193-195.

216. Степанов, С.Н., Построение и анализ обобщенной модели передачи мультисервисного трафика реального времени в сетях связи / С.Н. Степанов, Н. Саламех // Наукоемкие технологии в космических исследованиях Земли. - 2016. -Т. 8. - № 4. - С.37-44.

217. Бочаров, П.П. Теория массового обслуживания: Учебник / П.П. Бочаров, А.В. Печинкин. - М.: РУДН, 1995. - 529 с.

218. Карташевский, И.В. Анализ вероятности блокировки системы массового обслуживания M/G/1 при коррелированном времени обработки / И.В. Карташевский // T-Comm: Телекоммуникации и транспорт. - 2019. - Т.13. - № 11.

- С. 14-19.

219. Chakraborty, D. Self-similar and fractal nature of Internet traffic / D. Chakraborty, A. Ashir, T. Suganuma, G. Manseld Keeni, T.K. Roy, N. Shiratori // International Journal of Network Management. - 2004. - V.14. - I. 2. - P. 119-129.

220. Dbira, H. Calculation of packet jitter for non-poisson traffic / H. Dbira, A. Girard, B. Sanso // Annals of Telecommunications. - 2016. - V.73. - P. 223-237.

221. Hammad, K. Analytical Approximation of Packet Delay Jitter in Simple Queues / K. Hammad, A. Moubayed, A. Shami, and S. Primak // IEEE Wireless Communications Letters. - 2016. - V.5. - No. 6. - P. 564-567.

222. Seshasayee, U.R. Correlated M/G/1 queue modelling of jitter buffer in TDMoIP. / U.R. Seshasayee, M. Rathinam, // Proceedings of AICT 2012 - 8th Advanced International Conference on Telecommunications. - 2012. - P. 191-196.

223. Vishnevskii, V. M. Queueing Systems with Correlated Arrival Flows and Their Applications to Modeling Telecommunication Networks / V.M. Vishnevskii, A.N. Dudin // Automation and Remote Control. - 2017. - V.78. - No. 8. - P. 1361-1403.

224. Demichelis C., Chimento P. (2002) IP Packet Delay Variation Metric for IP Performance Metrics (IPPM), Internet Engineering Task Force. RFC, 3393

225. Dahmouni, H. An analytical model for jitter in IP networks / H. Dahmouni, A. Girard, B. Sanso // Annals of Telecommunications. - 2012. - V.67. - P. 81-90.

226. Kielson, J. Hyperexponential waiting time structure in hyperexponential HL/HK/1 system / J. Keilson, F. Machihara // Journal of the Operation Society of Japan. -1985. - V. 28. - No. 3. - P. 242-250.

227. Dahmouni, H. Improving QoS of all-IP generation of pre-WiMax networks using delay-jitter model / H. Dahmouni, H. Elghazi, D. Bonacci, B. Sanso, A. Girard // Journal of Telecommunications. - 2010. - V. 2. - I. 2. - P. 99-103.

228. Sklar, A. Fonctions de répartition à n dimensions et leures marges / A. Sklar // Publications de l'Institut de Statistique de L'Université de Paris. — 1959. — V. 8. — P. 229—231.

229. Balakrishnan, N. Continuous Bivariate Distributions / N. Balakrishnan, Chin-Diew Lai. - New York, Springer. - 2009. - 684 p.

230. Nelsen, R.B. An introduction to copulas. Lecture Notes in Statistics, 2-nd Edition / R.B. Nelsen. - New York, Springer. - 2006. - 269 p.

231. Фантаццини, Д. Моделирование многомерных распределений с использованием копула-функций. II / Д. Фантаццини // Прикладная эконометрика.

- 2011. - №3 (23). - С. 98-132.

232. Карташевский, И.В. Синтез двумерной плотности вероятности по известной одномерной плотности и коэффициенту автокорреляции / И.В. Карташевский // Доклады 19-й Международной конференции Цифровая обработка сигналов и ее применение DSPA-2017, T.1, c.23 8-241

233. Фантаццини, Д. Моделирование многомерных распределений с использованием копула-функций. III / Д. Фантаццини // Прикладная эконометрика.

- 2011. - №4 (24). - С. 100-130.

234. Карташевский, И.В. Использование копул в статистическом анализе телекоммуникационного трафика / И.В. Карташевский // Инфокоммуникационные технологии. - 2016. - Т 14. N 4. - С. 405-412.

235. Kartashevskiy, I. Statistical modeling of the dependence between random interference pattern objects / I. Kartashevskiy // Proc. SPIE 11146, Optical Technologies for Telecommunications 2018 (OTT 2018), 111460U. - DOI: 10.1117/12.2526902.

236. Yerel, S. Bivariate lognormal distribution model of cutoff grade impurities: A case study of magnesite ore deposit / S. Yerel, A. Konuk // Scientific Research and Essay.

- 2009. - V. 4. - I. 12 - P. 1500-1504.

237. Genest, C. Copules archim'ediennes et familles de lois bidimensionnelles dont les marges sont donn'ees / C. Genest, R.J. MacKay // Canadian Journal of Statistics.

- 1986. - V. 14. - P. 145-159.

238. Тамм, Ю.А. К аппроксимации интеграла вероятности / Ю.А. Тамм, Т.М. Гомозова// Электросвязь. - 1970. - №9 - С. 77-78.

239. Бейтмен, Г. Высшие трансцендентные функции. Том 2 / Г. Бейтмен, А. Эрдейи. - М.: СМБ,1974 - 296 с.

240. Айвазян, С.А. Теория вероятностей и прикладная статистика / С.А. Айвазян, В.С. Мхитарян. - М.: ЮНИТИ-ДАНА, 2001. - 656 с.

241. Бахарева Н.Ф. Аппроксимативные методы и модели массового обслуживания. Исследование компьютерных сетей / Н.Ф. Бахарева, В.Н. Тарасов.

- Самара: издательство СНЦ РАН, 2011. - 327 с.

242. Пугачев, В.С. Теория случайных функций и ее применение к задачам автоматического управления / В.С. Пугачев. — М.: Физматлит, 1960. — 883 с.

243. Малахов, А.Н. Кумулянтный анализ случайных негауссовых процессов и их преобразований / А.Н. Малахов. - М.: Советское радио, 1978. - 376 с.

244. Васильева, А.Б. Интегральные уравнения, 2-е изд. / А.Б. Васильева, Н.А. Тихонов. - М.: ФИЗМАТЛИТ, 2002. - 160 с.

245. Дремин, И.Н. Вейвлеты и их использование / И.Н. Дремин, О.В. Иванов, В.А. Нечитайло // Успехи физических наук. - 2001. - Т. 171. - №5. - С. 465-501.

246. Kartashevskiy, I. Performance analysis of self-similar traffic using wavelet transform / / I. Kartashevskiy // Proc. 3rd IEEE International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T 2016).

- 2016. - P. 11-14.

247. Карташевский, И.В. Анализ характеристик коррелированного трафика при использовании вейвлет-преобразования / И.В. Карташевский, И.А. Блатов, Ю.А. Герасимова // Радиотехника. - 2017. - № 1. - С.123-130.

248. Блатов, И.А. Применение сплайновых вейвлетов к декорреляции временных рядов / И.А. Блатов, Ю.А. Герасимова, И.В. Карташевский // Математическое моделирование. - 2018. - Т 30. N 6. - С. 99-116.

249. Blatov, I. Application of fast discrete wavelet transformation on the basis of spline wavelet for loosening correlation of sequence of data in mass service theory / I. Blatov, U.A. Gerasimova, I.V. Kartashevskiy // Proc. International Conference Information Technology and Nanotechnology (ITNT-2015). -2015. - P.242-245.

250. Kartashevskiy, I. Decreasing correlation in strongly correlated sequences using wavelets / I. Kartashevskiy, I. Blatov, U. Gerasimova // Proc. 2nd IEEE International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T 2015). - 2015. - P. 15-17.

251. Карташевский, И.В. Анализ коррелированных последовательностей с использованием вейвлета Хаара / И.В. Карташевский // Материалы XIV МНК «Оптические технологии в телекоммуникациях» 0ТТ-2016, с.218-219, Самара, 2016.

252. Вентцель, Е.С. Теория вероятностей / Е.С. Вентцель. - М.: Наука, 1969.

- 576 с.

253. Feldmann, A. Fitting mixtures of exponentials to long-tail distributions to analyze network performance models / A. Feldmann, W. Whitt // Performance Evaluation. - 1998. - V. 31. - P. 245-279.

254. Кёнинг, Д. Методы теории массового обслуживания / Д. Кёнинг, Д. Штойян; под ред. Г.П. Климова. - М.: Радио и связь, 1981. - 128 с.

255. Гнеденко, Б.В., Введение в теорию массового обслуживания / Б.В. Гнеденко, И.Н. Коваленко. - М.: Наука, 1966. - 432 с.

256. Прабху, Н. Методы теории массового обслуживания и управления запасами: Изучение основных случайных процессов / Н. Прабху; под ред. И.Н. Коваленко - М.: Машиностроение, 1969. - 353 с.

257. Cohen, J.W. The single server queue /J.W. Cohen. - Amsterdam, North Holland Publishing Company. - 1969. - 695 р.

258. Spitzer, F. A Combinatorial Lemma and its Application to Probability Theory / F. Spitzer // Transactions of the American Mathematical Society. - 1956. - V. 82. - P. 323-329.

259. Кендалл, М. Теория распределений / М. Кендалл, А. Стюарт; под ред. А.Н. Колмогорова. - М.: Наука, 1966. - 566 с.

260. Янке, Е. Специальные функции (формулы, графики, таблицы) / Е. Янке, Ф. Эмде, Ф. Лёш; под ред. Л.И. Седова. - М.: Наука, 1968. - 344 с.

261. Фукунага, К. Введение в статистическую теорию распознавания образов / К. Фукунага. - М.: Наука, 1979. - 368 с.

262. Чернов, В.М. Арифметические методы синтеза быстрых алгоритмов дискретных ортогональных преобразований / В.М. Чернов. - М.: Физматлит, 2007.

- 264 с.

263. Сэломон, Д. Сжатие данных, изображений и звука / Д. Сэломон. - М. Техносфера, 2004. - 368 с.

264. Блатов, И.А., Карташевский, И.В. Патент на изобретение от 20.03.2020 RU 2716697 С1 Способ декорреляции сетевого трафика.

265. Малла, С. Вэйвлеты в обработке сигналов / С. Малла. - М.: Мир, 2005. -

671 с.

ПРИЛОЖЕНИЕ А. ДОКУМЕНТЫ, ПОДТВЕРЖДАЮЩИЕ ВНЕДРЕНИЕ ОСНОВНЫХ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ

и

ГИПРОСВЯЗЬ

опыт илсштав перспектив*

Публичное акционерное общество «ГИПРОСВЯЗЬ»

УТВЕРЖДАЮ

Заместитель генерального директора

АКТ

о внедрении результатов диссертационной работы Карташевского Игоря Вячеславовича на тему «Разработка и исследование методов анализа качества обслуживания коррелированного трафика в телекоммуникационных сетях» в ПАО «ГИПРОСВЯЗЬ»

Настоящим актом подтверждаем, что научные результаты диссертационной работы Карташевского Игоря Вячеславовича «Разработка и исследование методов анализа качества обслуживания коррелированного трафика в телекоммуникационных сетях», представленной на соискание ученой степени доктора технических наук, внедрены в ПАО «ГИПРОСВЯЗЬ» при разработке «Методики оценивания показателей качества обслуживания коррелированного трафика в телекоммуникационных сетях».

При разработке методики были использованы следующие научные результаты из диссертационной работы Карташевского И.В.

Методика расчета характеристик Оо$ (среднего времени ожидания заявки в очереди, джиттера времени задержки заявки в очереди, вероятности отказа в обслуживании) коррелированного потока заявок в системе массового обслуживания общею вида, позволяющая показать существенное изменение показателей качества обслуживания коррелированного трафика: по среднему времени задержки (при загрузке 0,6) - увеличение в 2 раза, по джиттеру (при загрузке 0.84) -уменьшение в 10 раз, по вероятности отказа в обслуживании (при загрузке 0,3) увеличение на порядок.

Кроме того, при разработке методики были использованы результаты диссертации Карташевского И.В. в части формирования некоррелированных последовательностей интервалов времени для системы в/С/! с использованием обновляющих потоков, учитывающих корреляционные характеристики наблюдаемого трафика, позволяющие свести задачу анализа системы 0,43/1 при коррелированном трафике к анализу системы НуН^Л с некоррелированными временными последовательностями.

Председатель комиссии:

Заместитель директора

департамента начальник отдела

А.А. Иванов

Члены комиссии:

Т.А. Гаврилина

УТВЕРЖДАЮ И.о. генерального директора^ФГУП НИИР

Сподобаев М.Ю. _____ 2020 г.

Х^^оЧ^ л \ у ы- с* / -- Л7 /

АКТ

о внедрении (использовании) результатов докторской диссертационной работы Карташевского Игоря Вячеславовича

Комиссия в составе:

Председатель: заместитель директора НТЦ А ЭМС Девяткин Е.Е.,

члены комиссии:

- ученый секретарь ФГУП НИИР, к.т.н. Ступницкий М.М.;

- и.о. директора НТЦ СБССН, к.т.н. Королев Н.В.;

- ведущий инженер по патентной работе Силенков С.Н.

составили настоящий акт о том, что результаты диссертационной работы «Разработка и исследование методов анализа качества обслуживания коррелированного трафика в телекоммуникационных сетях», представленной на соискание ученой степени доктора технических наук, использованы ФГУП НИИР в ходе создания подсистем радиосвязи и широкополосного беспроводного радиодоступа Министерства внутренних дел Российской Федерации на этапах разработки эскизного и технического проектов.

Предложенные в диссертационной работе алгоритмы расчета показателей качества обслуживания (С>о8) узлами сетей, таких как среднее время задержки пакета в узле сети, джиттер задержки пакетов, вероятность блокировки узла при

2

обработке коррелированного трафика позволили повысить качество проектирования входящих в систему сетей:

- оперативной подвижной радиосвязи;

- высокоскоростной передачи данных на базе мобильного широкополосною доступа.

Основанные на новых аналитических моделях трафика, использующих многомерные распределения параметров трафика и учитывающих реальные характеристики трафика корреляционную функцию, пачечность трафика, пиковость трафика методики расчета показателей качества обеспечили эффективное моделирование основных параметров транспортных сетей передачи данных на базе каналов фиксированной связи для 86 региональных подразделений МВД России, что было положительно оценено Заказчиком.

Результаты внедрялись при выполнении ОКР по теме «Создание системы радиосвязи, позиционирования и широкополосного беспроводного радиодоступа Министерства внутренних дел Российской Федерации», шифр «Тройка».

Председатель комиссии

Е.Е. Девяткин

Члены комиссии:

М.М. Ступницкий

Н.В. Королев

С.Н. С'иленков

Акционерное общество «Научно-исследовательский институт «Вектор» (АО «НИИ «Вектор»)

©

ул. Академика Павлова, дом 14-а. г. Санкт-Петербург, 197376 тел. [phone], тел/факс [phone], факс [phone]; e-mail: [e-mail] www.nii-vcktor.ru

ОКПО 07525192 ОГРН 1117847020400 ИНН 7813491943 КПП 781301001

/£/<? 20/Q* № 0047-14- 5

УТВЕРЖДАЮ ль генерального директора Вектор»

Off-

Б.А. Александров декабря 2019 г.

АКТ

об использовании результатов диссертационной работы Карташевского Игоря Вячеславовича «РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ АНАЛИЗА КАЧЕСТВА ОСЛУЖИВАНИЯ КОРРЕЛИРОВАННОГО ТРАФИКА В ТЕЛЕКОММУНИКАЦИОННЫХ СЕТЯХ», представленной на соискание ученой степени доктора технических наук

Настоящим актом подтверждается, что результаты диссертационной работы Карташевского И.В. «Разработка и исследование методов анализа качества обслуживания коррелированного трафика в телекоммуникационных сетях», представленной на соискание ученой степени доктора технических наук использовались в ряде НИР и ОКР, проводимых акционерным обществом «Научно-исследовательский институт «Вектор».

В частности, при исследовании методов анализа и построения высокоскоростных каналов передачи данных спутниковых систем наклонного зондирования, проводимых в рамках НИР «Кильватер» и ОКР «Муссон-ЛС» были использованы следующие результаты, представленные в диссертации:

1. Методика анализа задержки пакетов в узлах сети передачи данных при корреляции временных параметров обрабатываемого трафика.

2. Алгоритмы декорреляции временных параметров трафика, основанные на использовании простых вейвлет Хаара. обеспечивающих почти полное устранение корреляции при обработке трафика в реальном масштабе времени.

Проведенные испытания на лабораторной сети передачи данных при передаче разнородного трафика на скоростях до 100 Мбит/с продемонстрировали эффективность использования предложенных алгоритмов декорреляции временных параметров трафика. Эксперимент подтвердил предсказанное анализом значение коэффициента уменьшения задержки пакетов в узле обработки при декорреляции временных параметров трафика в интервале значений от 3 до 6.

Отзыв подготовили:

Начальник отдела, кандидат технических наук, старший научный сотрудник

Зам. начальника отдела, кандидат технических наук, старший научный сотрудник

о-в • ••

• •

• ••

о

яитамятюы TECHNOLOGY И NO PROGRPMMING

Общество с ограниченной ответственностью «Технологии Автоматизации и Программирования» ООО «ТАиП» The Limited Liability Company «Automation Technology and Programming»

195256. г Санкт-Петербург, ул. Софьи Ковалевской, д 20, корп 1, лит А 195256. Saint-Petersburg, Sofia Kovalevskaya str. d. 20. korp 1, lit. A, Russia «АТР» LLC/RANK NAME/Банк получателя: SBERBANK (SEVERO-ZAPADNY HEAD OFFICE) ACCOUNT NO/Номер счета: 40702840955001000579; SWIFT CODE/SWIFT-код: SABRRU2P Telephone по./Телефон: -7 [phone], *7 [phone] e-mail: [e-mail]

«УТВЕРЖДАЮ» иректор ООО «ТАиГ!»

Д.А. Агафонников // 2019г.

АКТ

внедрения результатов диссертационной работы Карташевского Игоря Вячеславовича «Разработка и исследование методов анализа качества обслуживания коррелированного трафика в телекоммуникационных сетях»

Научные результаты диссертационной работы Карташевского И.В., использованы в ходе выполнения НИР «Разработка методик статистического анализа трафика при мониторинге сотовых сетей связи» и внедрены ООО «ТАиП» в работе по созданию универсальных средств радиомониторинга сетей сотовой связи 2,3,4 О. Разработанная методика анализа вероятностно-временных характеристик, таких как время задержки пакетов в сетевом узле, джиггер пакетов, вероятность отказа в обслуживании, реализована программно в устройствах управления аппаратуры мониторинга сетей сотовой связи 2, 3, 40.

Использование указанных результатов позволяет улучшить показатели качества функционирования системы управления аппаратурой радиомониторинга сетей сотовой связи 2,3,4 в, что обеспечивает повышение эффективности ее применения.

Отзыв подготовили: Заместитель директора, кандидат технических паук

Заместитель директора, кандидат технических наук

В.А. Андронов

С.В. Трофимов

УТВЕРЖДАЮ Проректор по учебной работе

ФГБОУ ВО ПГУТИ

Салмин A.A.

2020г.

о внедрении результатов диссертационной работы Карташевского И.В.

«Разработка и исследование методов анализа качества обслуживания коррелированного трафика в телекоммуникационных сетях»

Комиссия ФГБОУ ВО «Поволжский государственный университет телекоммуникаций и информатики» (ПГУТИ) в составе: председателя к.т.н., доцента Бурановой М.А., начальника управления организации учебного процесса, и членов комиссии - д.т.н., профессора Тарасова В.Н., заведующего кафедрой программного обеспечения и управления в технических системах, к.т.н. Мезенцевой Е.М., заместителя заведующего кафедрой программного обеспечения и управления в технических системах, составила настоящий акт о том, что в университете внедрены в учебный процесс на кафедре программного обеспечения и управления в технических системах следующие результаты диссертационной работы Карташевского И.В.:

1. методы расчета характеристик качества обслуживания коррелированного потока заявок (среднего времени задержки заявки, джиттера задержки, вероятности отказа в обслуживании);

2. метод анализа статистических характеристик последовательности коррелированных временных интервалов на основе рассмотрения соответствующей целочисленной трафиковой последовательности;

3. способ декорреляции трафиковой последовательности, работающий в реальном масштабе времени.

Указанные результаты диссертационной работы Карташевского И.В. используются на кафедре программного обеспечения и управления в технических системах при выполнении практических и курсовых работ по дисциплинам «Проектирование и моделирование сетей ЭВМ» при подготовке бакалавров по направлениям 09.03.01 - Информатика и вычислительная техника, 09.03.04 - Программная инженерия, 27.03.04 - Управление в технических системах; «Основы проектирования и моделирования вычислительных сетей» при подготовке магистров по направлению 09.04.01 - Информатика и вычислительная техника, а также при подготовке выпускных квалификационных работ.

Председатель: Начальник УОУП

к.т.н., доцент

М.А. Буранова

Члены комиссии: Заведующий кафедрой ПОУТС д.т.н., профессор

В.Н. Тарасов

Заместитель заведующего кафедрой ПОУТС к.т.н.