Sub-Optimal Measurement-Based CAC Algorithm

Documenti analoghi
Call Admission Controll (CAC)

Call Admission Controll (CAC)

Reti di Telecomunicazioni 1

Introduzione alla qualità del servizio. Gruppo Reti TLC Qualità di servizio

CANALE STAZIONARIO CANALE TEMPO INVARIANTE

Qualità di Servizio (QoS) in Internet

FORMULARIO DI RETI DI TELECOMUNICAZIONI (versione 1.1, )

Leggi di capitalizzazione e di attualizzazione

RETI DI TELECOMUNICAZIONE

L'implementazione delle ROC Curve nei modelli GAMLSS come strumento di previsione per i Big Data

Politecnico di Milano Dipartimento di Elettronica e Informazione Introduzione. Laboratorio di Reti di Telecomunicazione

RETI DI TELECOMUNICAZIONE

Questa viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco

Qualità di Servizio nelle Reti di Telecomunicazione

Maria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano

TOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo

DI IDROLOGIA TECNICA PARTE III

Fondamenti di Acustica

TECNICHE DI REGOLARIZZAZIONE IN ELABORAZIONE

I sistemi a singola tratta senza amplificazione ottica

1. i limiti di p che garantiscono un funzionamento stabile del sistema ;

Esercizi di statistica

PROCESSI CASUALI 1 Fondamenti di segnf a o lin d e a t m ra e s n mtii s T si L o C ne

Statistica Metodologica Avanzato Test 1: Concetti base di inferenza

PROBABILITA. Distribuzione di probabilità

Analisi dei Processi Chimici e. Biotecnologici Anno Accademico

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica

La rete fissa 3. La commutazione: Il traffico ed il dimensionamento delle giunzioni

Se la funzione è analiticamente invertibile, estratto q, si può ricavare x = x(q).

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

ẋ 1 = 2x 1 + (sen 2 (x 1 ) + 1)x 2 + 2u (1) y = x 1

VALIDAZIONE DEL MODELLO

Facoltà di Economia - Università di Pavia Simulazione Prova Scritta di Statistica Sociale 19 dicembre 2012

PIANIFICAZIONE DI TRAIETTORIE

Σ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica

01CXGBN Trasmissione numerica. parte 11: modulazione 2-PAM

MODELLO DI REGRESSIONE LINEARE. le ipotesi del modello di regressione classico, stima con i metodi dei minimi quadrati e di massima verosimiglianza,

Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai

RETI DI TELECOMUNICAZIONE

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.

Verifica di ipotesi. Parte VI. Verifica di ipotesi

LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell

VALIDAZIONE DEI METODI RADIOCHIMICI. Analisi di alcuni aspetti: 1. Taratura. 2. Ripetibilità. Dott. Maurizio Bettinelli.

Analisi delle componenti principali

I 5 principi dell estimo

L indagine campionaria Lezione 3

05. Errore campionario e numerosità campionaria

Teoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici

ATM Asynchronous Transfer Mode

Esercizi di riepilogo

Dispensa di Statistica

TEORIA DELL INFORMAZIONE ED ENTROPIA FEDERICO MARINI

Un introduzione alla statistica asintotica attraverso una generalizzazione del Teorema Limite Centrale. Università di Pisa 18 Settembre 2015

Università della Calabria

' $ Teoria del traffico & % 1

Funzioni derivabili (V. Casarino)

UNIVERSITÀ DEGLI STUDI DI PERUGIA

Stima diretta della domanda di trasporto

Test per l omogeneità delle varianze

C.I. di Metodologia clinica

Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017. Giovanni Lafratta

Analisi della varianza

Prof. Giulio Vidotto (Università di Padova) Lez Trasformazione delle misure e significanza delle statistiche

1) Codici convoluzionali. 2) Circuito codificatore. 3) Diagramma a stati e a traliccio. 4) Distanza libera. 5) Algoritmo di Viterbi

Project Scheduling: PERT. Il PERT ha potenzialità superiori rispetto a quelle di un semplice mezzo per la pianificazione ed il controllo.

Introduzione alle Reti di Telecomunicazione

Fondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II

Il calcolo del VAR operativo mediante la metodologia stocastica parametrica. Simona Cosma

L analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta

! # %# & # & # #( # & % & % ( & )!+!,!++

RETI DI TELECOMUNICAZIONE

PEREQUAZIONE CON LEGGI DI SOPRAVVIVENZA

RISOLUZIONE DI PROBLEMI DI FISICA

CURVE DI DURATA: Introduzione e Rappresentazione analitica

0.1 Arco di curva regolare

Sistemi di Telecomunicazione

Simulazione. D.E.I.S. Università di Bologna DEISNet

Corso di Controllo Digitale Equazioni alle Differenze e Z-trasformate a

STATISTICA A K (60 ore)

Distribuzione esponenziale. f(x) = 0 x < 0

Pulse Amplitude Modulation (PAM) 2 Scelta delle risposte impulsive dei filtri in trasmissione e ricezione

Minimi quadrati vincolati e test F

PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3

(a) Determinare lo stimatore di massima verosimiglianza θ di θ. (b) Calcolare la funzione di score e l informazione di Fisher.

Modelli lineari generalizzati

Numeri casuali. Randomness by obscurity. Generazione Deterministica? Caratteristiche del sistema. Caratteristiche del sistema

UNIVERSITA DEGLI STUDI DI ROMA TOR VERGATA ESERCIZI D ESAME DEL CORSO DI RETI DI TELECOMUNICAZIONI

3. Problemi inversi sulle annualità. Poliannualità

TEORIA DEI SISTEMI SISTEMI LINEARI

Presentazione dell edizione italiana

Elementi di informatica musicale Conservatorio G. Tartini a.a Sintesi del suono. Sintesi del suono

ESERCIZI SVOLTI. Eserczio

Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.

Fisica Quantistica III Esercizi Natale 2009

Statistica 2. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo

Argomenti della lezione:

Probabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva

Modelli Log-lineari Bivariati

Transcript:

Tecniche per la garanzia di qualità in reti di Telecomunicazioni multiservizi Sottotema Controllo Courmayeur, 12-14 Gennaio 2000 Sub-Optimal Measurement-Based CAC Algorithm Gregorio Procissi procissi@iet.unipi.it Università di Pisa wwwtlc.iet.unipi.it

Sommario Generalità sulla funzione di Controllo delle Ammissioni (CAC) Concetto di Effective Bandwidth (EB) Stima della funzione di Effective Bandwidth Algoritmo di CAC basato sulla Banda Equivalente parametrico measurement-based Analisi simulativa dell algoritmo proposto e confronto con politiche di ammissione peak-based

Call Admission Control (CAC) Funzione di CAC F(caratt. connessioni attive, caratt. nuova connessione) = SI NO Condizioni per l accettazione di una richiesta di connessione la Quality of Service (QoS) della nuova connessione deve essere garantita la QoS delle connessioni esistenti non deve essere deteriorata al momento della loro multiplazione con la nuova Le sorgenti devono dichiarare parametri QoS (massimo ritardo, prob. di perdita,...) descrittore del traffico (peak-rate, mean-rate, )

Sistema a Coda Tipo di sistema analizzato b A(n) C Siamo interessati alla determinazione della Probabilità di perdita P L =P L (b,c) La P L (b,c) può essere accuratamente stimata dalla Probabilità Complementare Γ= Γ(b,c)=P(Q>b) Q

Prestazioni di Coda Sotto ipotesi abbastanza generali, tipicamente soddisfatte dal processo di ingresso dove e ( ) Γ( bc, ) e bδ c { δ() c = sup θ: λ () θ cθ λ ( A θ ) lim 1 = n n log Ee per la dimensione b del buffer sufficientemente grande A θ A( n) e A(n) è il processo di conteggio degli arrivi fino all istante n. }

Banda Equivalente banda equivalente: minimo service-rate C tale che: Γ L ( bc, ) Γ0 Dove Γ 0 è la QoS imposta. Invertendo l espressione precedente si ottiene: c eff = λa( θ ) θ logγ θ = b La funzione α(θ) = λ Α (θ)/θ èdettafunzione di banda equivalente 0

Proprietà della Banda Equivalente Ad ogni sorgente di traffico viene associata una quantità, detta Effective Bandwidth, che esprime il suo fabbisogno in termini di bit-rate affinché i suoi vincoli di QoS risultino rispettati L EB di una sorgente: dipende dalle statistiche della sorgente stessa e dal vincolo di QoS specificato è sempre compresa tra il valore del mean-rate e quello del peak-rate della sorgente Proprietà di Additività: la banda equivalente del traffico ottenuto aggregando sorgenti statisticamente indipendenti è uguale alla somma delle bande equivalenti di ciascuna sorgente Nell ipotesi di sorgenti statisticamente indipendenti tra loro, consente un Controllo delle Ammissioni di tipo additivo.

Banda Equivalente e CAC Il concetto di banda equivalente ci consente di definire uno schema di CAC su base additiva Banda equivalente delle N connessioni esistenti N eff, i eff, N + 1 i= 1 C + C C Banda equivalente della nuova sorgente Service-Rate Approccio Parametrico: è noto il modello delle sorgenti e la C eff si può calcolare in maniera analitica Approccio Measurement-based: il modello delle sorgenti non è noto a priori e la C eff vastimatadamisuresultraffico

Algoritmo di CAC measurement-based Chiamate attive 1 2 n C Traffico aggregato S Chiamata accettata Nuova chiamata EB tot +B n+1 c EB tot Blocco di stima della banda necessaria alle connessioni attive N Chiamata rifiutata ( ) oα θ bit rate necessario per le connessioni attive

Stima della funzione di EB Stima basata sulla definizione di funzione di EB: stimatore diretto stimatore a blocchi Stima basata sul comportamento in un buffer virtuale: stimatore basato su regressione lineare stimatore basato sulla Kullback-Leibler distance Stimatore basato sui tempi di interarrivo

Stimatori diretto e a blocchi Stimatore diretto: 1 1 αθ o, log θt t t θx( τ, τ+ t) ( t) = e N tn t 0 dτ Stimatore a blocchi: 1 αθ o (, t) = log θt t N Nt / e ~ θ X i= 1 i Entrambi gli stimatori forniscono una funzione del tempo e di θ

Stimatori basati su buffer virtuale b ρ Si fissa ρ=α(θ) log P(Q>b) si valuta la curva P(Q>b) al variare di b da PQ ( > b) e θb si valuta θ, cioè il rate di decadimento della probabilità. Sono stati utilizzati due diversi metodi: Kullback-Leibler distance regressione lineare si ripete per diversi valori di ρ il risultato è funzione solo di θ b α(θ) θ

Stimatore basato su interarrivi Si fissa la dimensione A del blocco in celle si valuta per ogni blocco il tempo T i necessario per osservare A celle si stima la scgf dei tempi di interarrivo come: N 1 1 N φt ( ) log i A A N e i = 1 µ φ = si valuta l EB del processo degli arrivi attraverso la seguente trasformazione: ( ) 1 ( ) αθ ( ) λx θ = µ θ λ = X () θ θ

Commenti (1) Accuratezza: tutti gli stimatori forniscono risultati sufficientemente accurati, rispetto ai valori analitici, solo in un range limitato Stimatori diretto e a blocchi: veloci è necessario scegliere una scala temporale Stimatori basati su buffer virtuale: lavorano alla scala temporale rilevante in coda sono più lenti forniscono risultati in un range ristretto di θ

Commenti (2) Stimatore basato su interarrivi: rispetto ai primi è meno sensibile alla dimensione del blocco il valore di θ è l uscita dello stimatore; è quindi necessario stimare l EB per più valori di θ prima di convergere al valore desiderato

Simulazione-1: traffico sintetico Regione di accettazione Utilizzazione del link Istogramma connessioni attive CLR sperimentale

Simulazione-2: traffico reale (MPEG) Regione di accettazione Utilizzazione del link Istogramma connessioni attive CLR sperimentale

Simulazione-3:MPEG e VIC Regione di accettazione Utilizzazione del link CLR sperimentale

Conclusioni E stato presentato lo schema di un algoritmo di CAC additivo basato sul concetto di banda equivalente. Sono state presentate diverse tecniche di stima della banda equivalente di una sorgente sulla base di misure di traffico ON- LINE L algoritmo di CAC measurement-based basato sulla stima della banda equivalente ottenuta da misure di traffico, si è rivelata una politica efficiente confrontandone le prestazioni con quelle conseguite da un algoritmo di CAC parametrico e da un CAC deterministico (basato unicamente sul peak-rate delle sorgenti)