Optimal Filtering Methods for Passive Monitoring of Available Bandwidth Estimation of Network Channel

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

Статья посвящена разработке математического обеспечения решения прикладной задачи оценивания доступной пропускной способности сетевого канала передачи данных по косвенным наблюдениям одного из передаваемых потоков. Задача сведена к фильтрации состояний некоторого марковского скачкообразного процесса по косвенным бесшумовым и считающим наблюдениям. Искомые оценки представимы в виде решения связанных систем обыкновенных дифференциальных уравнений и рекуррентных соотношений. Качество предложенных оценок проиллюстрировано некоторым численным примером.

Авторлар туралы

A. Borisov

Email: ABorisov@frccsc.ru

Әдебиет тізімі

  1. Guerrero C. Available Bandwidth Estimation: A Hidden Markov Model Approach. Saarbru¨cken: Lambert Academic Publishing, 2010.
  2. Chaudhari S., Biradar R. Survey of Bandwidth Estimation Techniques in Communication Networks //Wireless Pers. Commun. 2015. Vol. 83. P. 1425–1476.
  3. Airon M., Gupta N. Bandwidth Estimation Tools and Techniques: A Review // International Journal of Research. 2017. V. 4. P. 1250–1265.
  4. Salcedo D., Cesar D. Guerrero C., Martinez R. Available Bandwidth Estimation Tools: Metrics, Approach and Performance // Int. J. Commun. Networks Inform. Security. 2018. V. 10. No. 3. P. 580–587.
  5. Kalman R. A new approach to linear filtering and prediction problems // J. Basic Engineer. 1960. V. 82. No. 1. P. 35–45.
  6. Bergfeldt E., Ekelin S., Karlsson J. Real-time available-bandwidth estimation using filtering and change detection // Computer Networks. 2009. V. 53. No. 15. P. 2617– 2645.
  7. Bozakov Z., Bredel M. Online Estimation of Available Bandwidth and Fair Share Using Kalman Filtering // Proc. of 8th International IFIP-TC 6 Networking Conference, 2009. LNCS. V. 5550. P. 548–561. Springer, Berlin, Heidelberg.
  8. Липцер Р., Ширяев А. Статистика случайных процессов. М.: Наука, 1974.
  9. Wong E., Hajek B. Stochastic Processes in Engineering Systems. New York: Springer, 1984.
  10. Elliott R., Aggoun L., Moore J. Hidden Markov Models: Estimation and Control. N.Y.: Springer, 2008.
  11. Kallianpur G., Striebel C. Stochastic differential equations occurring in the estimation of continuous parameter stochastic processes // ТВП. 1969. Т. 14. Вып. 4. С. 597–622.
  12. Липцер Р., Ширяев А. Теория мартингалов. М.: Физматлит, 1986.
  13. Br´emaud P. Point Process Calculus in Time and Space. N.Y.: Springer, 2021.
  14. Limnios N., Opri¸san G. Semi-Markov Processes and Reliability. N.Y.: SpringerScience+Business Media, LLC, 2001.
  15. Grabski F. Semi-Markov Processes: Applications in System Reliability and Maintenance. Amsterdam: Elsevier, 2015.
  16. Cocozza-Thivent C. Markov Renewal and Piecewise Deterministic Processes. Cham: Springer Nature Switzerland AG, 2021.
  17. Калашников В., Рачев С. Математические методы построения стохастических моделей обслуживания. М.: Наука, 1988.
  18. Jacod J. Multivariate point processes: predictable projection, Radon-Nikodym derivatives, representation of martingales // Z. Wahrsch. Verw. Geb. 1975. V. 31. P. 235–253.
  19. Floyd S., Jacobson V. Random early detection gateways for congestion avoidance // IEEE/ACM Trans Netw. 1993. V. 1. No. 4. P. 397–413.
  20. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Финансы и статистика, 1986.
  21. Борисов А., Куринов Ю., Смелянский Р. Вероятностный анализ класса марковских скачкообразных процессов // Информ. и еe примен. 2024. Т. 18. Вып. 3. С. 30–37.
  22. Борисов А. Фильтрация состояний и параметров специальных марковских скачкообразных процессов по косвенным наблюдениям без шума // Информ. и еe примен. 2025. Т. 19. Вып. 1 (в печати).
  23. Эллиотт Р. Стохастический анализ и его приложения. М.: Мир, 1986.
  24. Sørenson H., Stubberud A. Non-linear filtering by approximation of the a posteriori density // Int. J. Contr. 1968. V. 8. No. 1. P. 33–51.
  25. Бертсекас Д., Шрив С. Стохастическое оптимальное управление: случай дискретного времени. М.: Наука, 1985.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».