Реферат: Обработка сигналов в системах телекоммуникаций

Обработка сигналов в системах телекоммуникаций


ВНЕДРЕНИЕ ТЕХНОЛОГИИ TRIPLE-PLAY В ЛОКАЛЬНУЮ СЕТЬ ETHERNET В РЕЖИМЕ МАКСИМАЛЬНОЙ ЗАГРУЗКИ КАНАЛА

Медведев В.Г., Тупицын В.В.

Ярославский государственный университет имени П.Г. Демидова

150000, Россия, Ярославль, ул. Советская, 14. Тел. (4852) 79-77-75. dcslab@uniyar.ac.ru

Технология Triple-play, т.е. предоставление единого канала связи для передачи голоса, данных и видео реализуется при помощи современных телекоммуникационных сетей, которые представляют собой уже построенные локальные сети на основе технологии Ethernet [1] в пределах одного или нескольких зданий (домов), и по которым конечному пользователю доставляют интерактивные и мультимедийные сервисы, как правило, вещательного качества. Под голосом подразумевается телефония в широком смысле – традиционная или видеоконференция. Данные – это в основном доступ в Интернет, но также и любые другие услуги, предназначенные для доступа к публичным сетям. Видео – интерактивное телевидение (IP-TV), предусматривающее как просмотр непосредственно ТВ-программ, так и «видео по запросу», интерактивное обучение и другое.

Однако при проектировании подключений для организации технологии Triple-play и сетей доставки данных по последней миле, возникает ряд серьезных трудностей. Эти трудности прежде всего связаны с высокими требованиями к скорости доставки и приема всей информации, т.к. высокая задержка в передаче и приеме этой информации, либо потери пакетов, серьезно сказываются на ее качестве.

В ходе проектирования таких сетей на основе локальных сетей, важную роль играет процесс моделирования работы предпола­гаемой сети на ЭВМ [2]. При этом источники трафика данных, среда передачи и сетевое оборудование заменяются моделями с последую­щим анализом прохождения информации до потребителя в различ­ных ситуациях. Такое моделирование позволяет избежать ошибок при построении сети и может дать ряд ценных сведений о возмож­ности ее дальнейшего расширения. Последний момент особенно актуален, так как первоначально далеко не все потенци­альные пользователи дают свое согласие на подключение этой услуги. Построение и анализ адекватной модели такой сети позволяет проверить ее работоспособность при различном, в том числе и мак­симальном количестве абонентов. Проверка же этого варианта на практике сопряжена с большими трудностями. Анализ работы мо­дели может помочь как при разработке топологии будущей сети, так и при настройке уже существующей, так как позволяет проверить производительность различных вариантов изменения ее структуры и параметров.

Целью данной работы является исследование внедрения технологии Triple-play в локальную сеть Ethernet в режиме максимальной загрузки канала и при различной организации последней мили: ADSL (8 Мбит), ADSL2+ (24 Мбит), Fast Ethernet (100 Мбит).

В ходе исследования была построена модель локальной домовой сети на основе технологии Ethernet на 54 абонента (9 этажей, 6 квартир на этаже). Исследуемая сеть имеет топологию типа «иерархическая звезда» и состоит из источника видеотрафика (видеосервер), Интернет-сервера, шлюза FXS (IP-телефония), которые подключены к центральному домовому коммутатору (в данном случае представляющий собой стек из двух коммутаторов) на 9 выходов через сегмент Ethernet производительностью 100 Мбит. К каждому его выходу подключен маршрутизатор на 6 узлов соответственно. В итоге получается 54 узла. В зависимости от организации последней мили, абоненты подключены по 8-мегабитным (ADSL), 24-мегабитным (ADSL2+) или 100-мегабитным (Fast Ethernet) каналам [3].

Учитывая топологию современных локальных сетей на витой паре, все соединения в данной модели выбраны полнодуплексными (т.е. возможны одновременный прием и передача по одному соединению). Поэтому данная модель не применима для устаревших сетей на основе коаксиального кабеля, а также для сетей с активным оборудованием, не настроенным на полнодуплексный режим. При полудуплексном режиме производительность сети значительно снизится из-за возникновения множественных коллизий.

В процессе анализа работы модели был выбран следующий сценарий поведения сети: в первоначальный момент все узлы передают друг другу информацию по протоколу TCP [4] – генерируется FTP-трафик по 15 пакетов размером 1000 байт в течение всего промежутка моделирования каждые 100 нс.

Далее абоненты начинают получать информацию от видеосервера (MPEG-4), Интернет-сервера, от сервера IP-телефонии, по протоколу UDP пакетами 1000 байт, 1000 байт, 160 байт соответственно. В этот же момент активизируется обратный Web-трафик и VoIP-трафик уже от самих абонентов в направлении соответствующих серверов также по протоколу UDP пакетами 1000 байт и 160 байт соответственно. При этом в начальный момент времени информацию (видео, Интернет, IP-телефония) использует только 1 абонент, далее через равные промежутки времени подключаются остальные 53 абонента. Аналогичная процедура проводилась также для исходящего от абонентов трафика (Web-трафик, VoIP-трафик). При таком сценарии можно проследить динамику сети фактически при всем диапазоне нагрузок от 0 до 100%. Проведение такого же исследования на реальном сетевом оборудовании сопряжено с большими трудностями.

Время моделирования составило 13.5 секунд.






a) Загрузка канала

б) Загрузка выходного буфера сервера





в) Задержка пакетов в очереди

г) Пиковое отношение сигнал/шум

Рис. 1. Организация последней мили, ADSL (8 Мбит)





а) Загрузка канала

б) Загрузка выходного буфера сервера





в). Задержка пакетов в очереди

г) Пиковое отношение сигнал/шум

Рис. 2. Организация последней мили, ADSL2+ (24 Мбит)

При использовании технологии ADSL из рис. 1 (а, б, в) видно, что пиковая производительность сети достигается при 21% активных абонентов (11 из 54). Далее загрузка канала от общего сервера до центрального коммутатора в сети достигает 100%, происходит переполнение выходного буфера, резко возрастает задержка, и начинается сброс пакетов в момент времени 2.8 секунды. И при этом сеть продолжает функционировать в экстремальном режиме.

Также из рис. 1в видно, что максимальное значение задержки составляет приблизительно 18 мс, и, учитывая, что критическое значение задержки для VoIP-трафика равно 300 мс, делаем вывод, что потерь пакетов, а, следовательно, ухудшения качества речи для услуги IP-телефонии не происходит.

Из зависимости пикового отношения сигнал/шум от номера кадра (рис. 1г) видно, что качество видео начинает падать резкими скачками с момента приблизительно 84 кадра, что соответствует времени перегрузки сети, 2.8 секундам. Пики на рис. 1в свидетельствуют о наличии резких движений в видеофрагменте.

При использовании технологии ADSL2+ из рис. 2 (а, б, в) видно, что перегрузка сети происходит уже при 59% активных абонентов (31 из 54), т.е. сброс пакетов и вхождение сети в экстремальный режим начинается в момент времени 8 секунд. Таким образом, эта технология позволяет увеличить процент активных абонентов приблизительно втрое, по сравнению с обычным ADSL. Также из сравнения рис. 1а и рис. 2а можно сделать вывод, что в последнем случае загрузка сети растет более плавно, чем в первоначальной ситуации, что объясняется увеличением ширины канала от общего сервера до центрального коммутатора. Небольшие пульсации на графиках, как и прежде, свидетельствуют о наличии движений в видеофрагменте.

Для VoIP-трафика потери пакетов также отсутствуют, как и для технологии ADSL. Максимальное значение задержки пакетов при ADSL2+ составляет 5 мс (рис. 2в), что также меньше допустимых 300 мс.

Из графика зависимости пикового отношения сигнал/шум (рис. 2г) видно, что потеря пакетов происходит приблизительно с 250-го кадра, что соответствует времени перегрузки сети в 8 секунд. В течение этого времени качество видеофрагмента сохраняется, а при загрузке сети до 100% также начинает падать резкими скачками, но уже не до 10 дБ, как это происходило при использовании ADSL, а до 15 дБ.





а) Загрузка канала

б) Загрузка выходного буфера сервера





в) Задержка пакетов в очереди

г) Пиковое отношение сигнал/шум

Рис. 3. Организация последней мили, Fast Ethernet (100 Мбит)


Как видно из рис. 3 (а, б, в) перегрузки сети при использовании технологии Fast Ethernet в течение всего времени моделирования не происходит, выходной буфер центрального коммутатора не переполняется, а, следовательно, не происходит и потерь пакетов информации, что в свою очередь ведет к сохранению первоначального ее качества.

Максимальная загрузка канала от общего сервера до центрального коммутатора в данном случае составляет 40%. Таким образом, услугой Triple-play при данной технологии могут воспользоваться все 54 пользователя.

Из рис. 3г можно заключить, что качество передаваемого потокового видео сохраняется на протяжении всего времени моделирования, потерь пакетов не происходит.

Таким образом, при использовании технологии ADSL, услугу Triple-play могут использовать только 11 абонентов из взятых 54-х, т.е., все абоненты не могут одновременно использовать указанную услугу. При рассмотрении использования технологии ADSL2+ в данной сети с целью подключения услуги Triple-play установлено, что активно пользоваться ей может уже 31 абонент из 54-х. В данной ситуации, по сравнению с предыдущей, все 54 абонента также не смогут вместе использовать указанную услугу. Что же касается технологии Fast Ethernet, то при ее использовании все 54 абонента могут использовать услугу Triple-play одновременно.

Конфигурация исследуемой модели сети является вполне адекватной и при задании параметров реальных источников информационного трафика и его потребителей позволяет предварительно проанализировать динамику будущей сети и оценить максимальное число возможных абонентов.

Литература

1. Таненбаум Э. Компьютерные сети. 4-е изд. – СПб.: Питер, 2002.

2. Парамонов А.И. Имитационное моделирование систем и сетей связи. – ЛООНИИС, 2000.

3. Столингс В. Передача данных. 4-е изд. – СПб.: Питер, 2004.

4. Стивенс Р. Протоколы TCP/IP. Практическое руководство. – СПб.: БХВ, 2003.




^ ОПРЕДЕЛЕНИЕ САМОПОДОБИЯ В СЕТЕВОМ ТРАФИКЕ

Криштофович А.Ю., Фомин В.В.

Государственное общеобразовательное учреждение высшего профессионального образования

Поволжская государственная академия телекоммуникации и информатики

Анализ статистических данных трафика в различных типах сетей с пакетной коммутацией выявил некоторую общность его свойств. Сходство заключается в том, что поток информации состоит из повторяющихся, «похожих» друг на друга фрагментов. Вероятность появления той или иной случайной величины в пределах одного фрагмента (базовой структуры) описывается некоторым законом распределения вероятностей, причем этот закон подходит для описания остальных базовых структур. Такое свойство было названо самоподобием [4].

Целью настоящей работы является исследование доступными методами структуры реального IP трафика, направленное на выявление его самоподобных свойств.



Рис. 1. Зависимость нагрузки сети от времени суток

Массив данных, рассматриваемый в данной работе, был собран на сети компании ЗАО «Самара Телеком» в процессе мониторинга клиентского канала в течение 7 дней. Массив состоит из значений, полученных суммированием числа всех переданных пакетов за каждые 15 минут. Рисунок 1 иллюстрирует колебания собранной нагрузки сети от времени суток.

Вывод о самоподобии процесса можно сделать на основе количественной оценки его статистических характеристик – автокорреляционной функции и коэффициента Хэрста.

Вычисление автокорреляционной функции производилось по следующей формуле:

(1), где - выборочное среднее ряда - выборочная дисперсия ряда , [2].

График автокорреляционной функции для исследуемого временного ряда приведен на рис. 2.

Из рис. 2 видно, что коэффициент автокорреляции хоть и медленно, но все же стремится к нулю. Можно с уверенностью сказать, что процесс обладает большим последствием, однако остается вопрос о его самоподобии.

Показателем степени самоподобия процесса является коэффициент Хэрста. Следует заметить, что в случае 0,5
Оценка коэффициента Хэрста, основанная на графике спектральной плотности, составляет суть метода, который обеспечивает наибольшую статистическую строгость. Периодограмма (или «функция интенсивности») оценивает спектральную плотность дискретного стохастического процесса Хt и может быть оценена рядом на интервале времени N: , (2), где - временной ряд; – длина временного ряда.



Рис.2. График автокорреляционной функции

Учитывая, что самоподобность влияет на характер спектра при , должен получиться график зависимости спектральной плотности вида при (3)

Построив зависимость от , подбираем касательную прямую линию к кривой. Наклон линии будет приблизительно равен [1].

В нашем случае получено следующее значение коэффициента Хэрста: Н= 0.758.

График представлен на рис. 3.



Рис. 3. График периодограммы

Подводя итоги выполненного анализа IP трафика, можно сделать следующие выводы:

- автокорреляционная функция исследуемого ряда имеет отчетливую периодическую структуру, а также можно сказать, что процесс обладает большим последствием;

- на основании результата, полученного при измерении коэффициента Хэрста Н методом периодограмм, можно отметить, что изучаемая трасса обладает свойством самоподобия.

Таким образом, рассмотренный IP трафик можно классифицировать как сложный, похожий на случайный, однако предсказуемый процесс. В связи с этим увеличение эффективности обработки трафика может основываться на алгоритмах прогнозирования. Использование техники прогнозирования позволит решить ряд задач в области обеспечения заданного уровня качества обслуживания QoS.
Литература.
Шелухин О.И., Тенякшев А.М., Осин А.В. Фрактальные процессы в телекоммуникациях. Монография: Под ред. О.И. Шелухина. – М.: Радиотехника, 2003 – 480 с.

Петров В.В. Самоподобие в сетевом трафике // 58-я Научная сессия РНТОРЭС им. А.С. Попова: Сборник трудов. Том 2. – М., 14-15 мая 2003. – С. 126.
^ Криштофович А.Ю. Проблемы и способы моделирования сетей ОКС №7 // IX российская научная конференция ПГАТИ. Тезисы докладов. – Самара, 2002 – С.64-65
Криштофович А.Ю. Самоподобие трафика сети ОКС №7 // МКИССиТ, Санкт - Петербург, 2002 г.

Петров В.В. Самоподобный сетевой трафик: от хаоса и фракталов к прогнозированию и качеству обслуживания // Конф. NEWLAN: Сборник трудов. – СПб., 2004. – С.110-118.

Петров В.В. Статистический анализ сетевого трафика – МЭИ, ИРЭ, Москва, 2003.




SELF-SIMILARITY OF NETWORK TRAFFIC
^ Krishtofovich A., Fomin V.
Volga State Academy of Telecommunication and Informatics

The analysis of traffic statistics in different types of networks with packets switching discovered some general characteristics. The similarity concludes an information flow that consists of periodic similar fragments. The probability of occurrence some variate within one fragment ( the basic structure ) satisfied to stochastic model of probability distribution. This stochastic model match all basic structures. This property was called self-similarity [4].

In this paper we present results of analysis of IP-traffic by different methods to prove the self-similar nature of process.

The conclusion of self-similarity of process can be made by analysis of the stochastic characteristics – autocorrelation function and Hurst coefficient of the process.

To determine self-similarity of the process the Hurst coefficient can be used. For the 0,5
The estimation of Hurst coefficient, based on spectral density, is the main part of method, that provides maximum statistic accuracy.

Described IP-traffic is complicated. It looks like stochastic, but the forecast of process can be built.

The results of traffic forecasts are the main part of traffic management optimization and provision quality of services (QoS) for different applications.





Турбо обработка в системах с высокоэффективным пространственно-временным кодированием

Бакулин М.Г.1, Крейнделин В.Б.1, Шумов А.П.2

1Московский технический университет связи и информатики

2Рязанский государственный радиотехнический университет

Одним из важных направлений развития беспроводных систем связи является использование каналов со многими входами и многими выходами (MIMO каналов). Такие каналы существенно расширяют возможности систем связи. Реализация этих возможностей требует соответствующих алгоритмов обработки передаваемой информации как на передающей, так и на приемной стороне. В настоящее время известно достаточно много алгоритмов, которые позволяют реализовать те или иные преимущества MIMO систем [1]. Одной из эффективных архитектур подобного рода считается архитектура BLAST [2]. Однако, ей присущ ряд ограничений, не позволяющих в полной мере реализовать возможности системы. В работе [3] была предложена схема обработки, устраняющая недостатки системы BLAST за счет обработки передаваемой информации на передающей стороне, однако детектирование сигналов в такой системе известными методами [4] либо не позволяет реализовать заложенные преимущества, либо практически трудно реализуемо из-за высокой вычислительной сложности.

В докладе предлагается использовать турбо обработку сигналов на приемной стороне системы. С 1997 года [5] турбо обработка получила значительное развитие, и в настоящее время является методом, с которым связываются важные направления совершенствования систем обработки информации. В отличие от других методов приема турбо обработка является итерационной, в результате чего удается существенно повысить качество приема за счет использования не только текущих результатов наблюдения, но и постоянно уточняющейся дополнительной информации. В докладе приводятся результаты компьютерного моделирования, которые показывают существенные преимущества предложенного алгоритма обработки.

Структурная схема передающей части модифицированной системы MBLAST [3], приведена на рис. 1.



Рис.1. Структурная схема передающей части системы MBLAST с сочетанием пространственно-временного кодирования и пространственного мультиплексирования.

Система имеет передающих антенн и приемных антенн. Нетрудно заметить, что в данной системе один отдельно взятый символ будет излучаться поочередно всеми передающими антеннами. Это в свою очередь приводит к повышению эффективности пространственного разнесения, как за счет приемных, так и за счет передающих антенн.

Модель формирования сигнала в такой системе и модель наблюдения могут быть описаны следующими выражениями . (1). Здесь ,, - матрицы кодирования, - -мерный вектор модулированных комплексных символов; - -мерный вектор комплексных отсчетов наблюдений; - -мерная матрица канала, каждый элемент которой является комплексной гауссовской случайной величиной с нулевым математическим ожиданием и единичной мощностью; - -мерный вектор комплексных гауссовских случайных величин с нулевыми математическими ожиданиями и дисперсией ; - мощность излучаемого сигнала.

Уравнения (1) являются уравнениями состояния и наблюдения марковского процесса. Поэтому в качестве линейного приемника здесь может использоваться фильтр Калмана. Можно использовать и другие методы приема. Например, для небольшого числа антенн можно применить, алгоритм Витерби, при этом число состояний декодера будет равно , где - число бит в одном символе. Для большого числа антенн такой алгоритм не реализуем.



Рис.2. Графики зависимости вероятности ошибки на бит от отношения сигнал/шум для разных вариантов пространственно-временного кодирования и разных вариантов демодулятора.

На рис. 2. приведены графики зависимости вероятности ошибки от отношения сигнал/шум для исходной системы BLAST с таким же количеством передающих и приемных антенн и алгоритмами приема с декорреляцией и максимального правдоподобия, а также для системы MBLAST с предлагаемыми алгоритмами.

Из графиков видно, что для исходной системы BLAST алгоритм максимального правдоподобия (BLAST opt.) обеспечивает высокое качество приема в рассматриваемых условиях. Однако практически при большом числе передающих и приемных антенн этот алгоритм не реализуем из-за большой вычислительной сложности. Реализуемый же алгоритм (BLAST Decor.) обеспечивает невысокое качество приема и значительно уступает максимально правдоподобному приему по вероятности ошибки.

Именно невысокое качество приема в системе BLAST при использовании реализуемого алгоритма привело к необходимости модификации алгоритма BLAST. Из графиков видно, что модифицированная система с использованием фильтра Калмана (New Kalman) на 6-8 дБ превосходит исходную систему в отношении сигнал/шум. Однако модифицированная система по-прежнему значительно уступает в помехоустойчивости алгоритму максимального правдоподобия. Поэтому для повышения качества приема в докладе предлагается совместно с алгоритмом MBLAST использовать итерационную или турбо обработку сигналов с приемных антенн [5].

Для выполнения турбо обработки необходим алгоритм детектирования с мягким выходом и возможностью учета дополнительной внешней информации. В качестве такого алгоритма в данном докладе используется алгоритм линейной фильтрации Калмана.

Вычисления оценок передававшихся бит по предлагаемому алгоритму выполняются в следующем порядке.

Находятся мягкие оценки передававшихся бит без учета какой-либо априорной информации.

Находится апостериорное распределение оценок передававшихся бит с учетом мягких оценок и априорной информации.

Формируется эквивалентная функция правдоподобия, учитывающая полученные мягкие оценки передававшихся бит.

По эквивалентной функции правдоподобия и имеющейся априорной информации вычисляются текущее апостериорное распределение передававшихся бит и текущие оценки передававшихся бит. Выход из алгоритма, если получены установившиеся значения оценок.

Возврат к п. 2 алгоритма с использованием в качестве априорной информации апостериорного распределения, полученного на предыдущей итерации.

Результаты расчетов по предлагаемому алгоритму приведены на рис. 2 (график New Turbo (4 it)). Из приведенных зависимостей видно, что предложенный алгоритм турбо детектирования позволяет с приемлемой вычислительной сложностью реализовать преимущества системы пространственно-временного кодирования MBLAST [3] и получить выигрыш по сравнению с обычным V-BLAST алгоритмом около 3 дБ по сравнению с чрезвычайно сложно реализуемым алгоритмом максимального правдоподобия.

Литература

G.J. Foschini, D. Chizhik, M. J. Gans, C. Papadias, and R. Valenzuela, “Analysis and performance of some basic space-time architectures,” IEEE J. Select. Areas Commun., vol. 21, no. 3, Apr. 2003.

Foschini G.J. ”Layered space-time architecture for wireless communication in a fading environment when using multi-element antennas,” Bell Labs Technical Journal, Vol. 1, No. 2, Autumn 1996, pp. 41-59.

A. Chloma, M. Bakouline, V. Kreindeline and others, “Combination of Space-time Coding and Spatial Multiplexing, and the Use of Orthogonal Transformation in Space-Time Coding,” Patent WO 02/35762, 2002

D. Golden, C.J. Foschini, R.A. Valenzuela and P. W. Wolniansky,” Detection algorithm and initial laboratory results using V-BLAST space-time communication architecture,” Electronic letters, 7th January 1999, Vol. 35 No. 1.

J. Hagenauer, “The turbo principle: Tutorial introduction and state of the art,” International Simposium on Turbo Codes, pp.1-11, September 1997.




TurboProcessing in the systems with high performance Space-time coding

Bakulin M.1 , Kreyndelin V.1 , Shumov A.2

1Moscow Technical University of Communication and Information science

2Ryazan State Radio Engineering University2

One of important directions of development of wireless communication systems is the use of MIMO (Multiple-Input-Multiple-Output) channels. Such channels let to increase communication systems capabilities. Corresponding algorithms for signal processing in the transmitter and receiver are required. There are a lot of algorithms, which let to implement various advantages of MIMO systems [1]. One of such effective structures is BLAST [2]. However, it has several limitations, which don’t let to implement all potential capability of the system. A scheme of signal processing in the transmitter has been proposed in [3]. This scheme mitigates disadvantages of BLAST at the expense of signal processing in the transmitter only, but conventional signal detection in the receiver [4] either does not let to implement the advantages, or it might not be implemented via high computational complexity.

A new algorithm of Turboprocessing is proposed in the report. This algorithm is based on an iterative procedure for data additional information processing.

References

G.J. Foschini, D. Chizhik, M.J. Gans, C. Papadias, and R. Valenzuela, “Analysis and performance of some basic space-time architectures,” IEEE J. Select. Areas Commun., vol. 21, no. 3, Apr. 2003.

Foschini G.J., “Layered space-time architecture for wireless communication in a fading environment when using multi-element antennas,” Bell Labs Technical Journal, Vol. 1, No. 2, Autumn 1996, pp. 41-59.

A. Chloma, M. Bakouline, V. Kreindeline and others, “Combination of Space-time Coding and Spatial Multiplexing, and the Use of Orthogonal Transformation in Space-Time Coding,” Patent WO 02/35762, 2002

D. Golden, C.J. Foschini, R.A. Valenzuela and P. W. Wolniansky, “Detection algorithm and initial laboratory results using V-BLAST space-time communication architecture,” Electronic letters, 7th January 1999, Vol. 35 No. 1.

J. Hagenauer, “The turbo principle: Tutorial introduction and state of the art,” International Simposium on Turbo Codes, pp.1-11, September 1997.




АНАЛИЗ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ПЕРЕДАЧЕЙ СЛУЖЕБНОГО ТРАФИКА В СЕТЯХ СВЯЗИ

Ибрагимов Б.Г., Мамедов Ш.М.
^ Азербайджанский Технический Университет1,
Институт Кибернетика НАН Азербайджана2

i.bayram@mail.ru, smamedov@afon.az

В настоящее время активное наращивание различных операторов связи и увеличение объема передаваемых мультимедийных приложений с использованием новых сетевых технологий и услуг, требуется создание современных систем сигнализации на базе технологии коммутации пакетов.

Известно, что система сигнализации обеспечивает управление передачей полезного и служебного трафика в сетях связи с использованием выделенных или совмещенных с рабочим служебных каналов для передачи сигналов управления [1,2]. Ее функция и структура в зависимости от характера передаваемого неоднородного трафика в мультисервисных сетях связи (стационарных и подвижных сетях связи) определяются алгоритмами управления и протоколами обмена сообщениями, используемыми в системе телекоммуникации программного обеспечения. Основной системой межстанционной сигнализации по общему каналу в сетях телекоммуникации используется общеканальная система сигнализации – ОКС №7, которая организует цифровой канал связи между двумя управляющими терминальными устройствами коммутационной станции или узлов сети телекоммуникации для обмена полезными и сигнальными трафиками [3].

Повышение требований пользователей к качеству обслуживания QoS (Quality of Service) при управлении передачей полезного и сигнального трафиков ставит перед производителем комплекс вопросов, связанных с созданием эффективного алгоритма и протокола управления на базе терминального оборудования (ТО) мультисервисных телекоммуникацонных сетей с коммутацией пакетов, обеспечивающих высокую степень использования канальных и сетевых ресурсов [4].

Кроме того, система сигнализации на базе общей канальной сигнализации используется для управления процессом установления соединения абонентского и сетевого терминалов, т.е. пользователей в сетях телекоммуникации общего пользования и обеспечивают возможность предоставления услуг интеллектуальных сетей и сетей сотовой подвижной связи с использованием пакетной коммутации.

В связи с этим возникает задача эффективного управления передачей полезной и служебной информации на мультисервисную сеть телекоммуникации общего пользования при выполнении процессов интеграции различных видов обслуживания.

На основе проведенных исследований [4, 5], установлено, что одной из ключевых проблем в развитии телекоммуникации на базе сетей ОКС №7 является обеспечение качества обслуживания и управления передачей полезного и сигнального трафика с помощью терминального оборудования мультисервисных сетей связи. В [2,3,6], отмечено также, что для эффективного управления и надежного транспорта сигнального и полезного трафиков целесообразно использовать протокол управления потоковой передачей (SCTP - Stream Control Transmission Protocol), который гарантирует надежную доставку сигнальных сообщений по IP-сети, управление потоками полезного трафика и защиту от ошибок по принципу « из конца – в конец».

Учитывая вышеизложенного следует, отметить, что каждый обслуживаемый поток пакетов служебного и полезного трафика (речь, данные, изображений и др.) предъявляет определенные требования к показателям качества системы сигнализации. Для улучшения качества функционирования подсистем ОКС №7 и гипотетические соединения сигнализации в сетях связи необходимо обеспечить определенные показатели: среднее время задержки при передаче пакетов, как наиболее критического показателя процесса установления соединении в сетях связи , емкость буферных накопителей входного порта и маршрутизатора, пропускная способность соединения сигнализация по сети ОКС №7, вероятность потерь при передаче потоков пакетов и др.

Для алгоритмa расчета показатели качества ОКС №7 на базе терминального оборудования сетей связи необходимо создать схему функционирования модели звена сигнализации (ЗС), которая наиболее точно будет учитывать телекоммуникационные процессы управления передачей потоков пакетов сигнального трафика, протекающих в рассматриваемой сети ОКС №7 при оказании телекоммуникационных услуг и пользовательских приложений [6].

Математическая формулировка задачи оценки характеристик показателя качества функционирования системы сигнализации при управлении передачей и обслуживании полезных и сигнальных трафиков будет описываться следующими целевыми функциями: Q={[( T, Р, P), (C,h)],
i=} (1), где C–максимальное значение пропускной способности соединения системы сигнализации по сети ОКС №7 при передаче i-го сигнального потока пакетов; T– среднее время задержки при передаче i-го сигнального потока пакетов; Р–общая вероятность потерь при передаче i-го сигнального потока пакетов; h–коэффициент эффективного использования терминальных и сетевых ресурсов системы сигнализации, необходимый для обслуживания при передаче i-го сигнального потока пакетов.

Выражение (1) характеризует предлагаемый алгоритм расчета звена сигнализации, который определяет показатели качества функционирования терминального оборудования сетей ОКС №7 [5] и сущности рассматриваемого подхода, позволяющие получать аналитические выражения для определения их основных характеристик при обслуживании полезных и сигнальных трафиков.

Известно, что потоки пакетов полезного и сигнального трафиков по сети ОКС №7 передаются с помощью многофункционального абонентского и сетевого терминала, функции которых разделены на четыре уровне [1,5]:

 физический;

 звеньевой;

 сетевой – средства этого уровня управляют работой нескольких звеньев 2-го уровня;

 пользовательский уровень – пользователи телефонные сети общего пользования, сети передачи данных, ЦСИО, сетей подвижной связи и др.

Из вышеизложенного следует отметить, что сеть ОКС №7 по сути является сетью пакетной коммутации, которая логически отделена от телекоммуникационной инфраструктуры базовой информационной сети связи и разделяет с ней лишь некоторые физические сетевые ресурсы. Система сигнализации ОКС №7 имеет модульную структуры и состоит из двух основных частей: подсистемы передачи сигнальных сообщений (МРТ) и различных подсистем пользователей, структура и характеристики которых зависят от передаваемой неоднородного трафика.

Для выполнения целевой функции (1), характеризующей показатели системы сигнализации на базе сети ОКС №7, необходимо создать схему функционирования модели звена сети сигнализации, которая создает основу предлагаемого алгоритма расчета показатели качества функционирования протокола системы сигнализации с использованием терминального оборудования мультисервисных сетей связи при оказании телекоммуникационных услуг. На рис.1. показано схема функционирования модели звена система сигнализации с использованием уровня адаптации.

Представленная схема функционирования модели звена системы сигнализации (рис.1.) при реализации алгоритма «End to end», состоит