Institut für Kommunikationsnetze und Rechnersysteme - Universität ...
Institut für Kommunikationsnetze und Rechnersysteme - Universität ...
Institut für Kommunikationsnetze und Rechnersysteme - Universität ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
– 88 –<br />
denen weiteren Eigenschaften zeichnet sich<br />
t 2H<br />
aus, wodurch sich <strong>für</strong> ergibt:<br />
A t<br />
Z t<br />
vor allem durch Mittelwert null <strong>und</strong> Varianz<br />
VAR [ A t ]<br />
= m⋅<br />
a⋅<br />
t 2H <strong>für</strong> t > 0<br />
(4.18)<br />
FBM wird häufig in analytischen Untersuchungen verwendet, hat aber im Hinblick auf eine<br />
Verwendung in Simulationen gegenüber dem Burstebenen-Modell einige Nachteile. Zunächst<br />
besteht die Schwierigkeit, dass sich FBM aus (nicht-fraktalem) weißem Rauschen über ein<br />
nicht auflösbares Integral herleitet, so dass zur Erzeugung von Zufallsvariablen <strong>für</strong> den Inkrement-Prozess<br />
einer FBM, das fraktale weiße Rauschen (fractional Gaussian noise, FGN), auf<br />
Näherungsverfahren zurückgegriffen werden muss [94, 220]. Hinzu kommt dann aber noch<br />
das Problem, dass eine Beschreibung <strong>für</strong> die Ankunftszeitpunkte von Dateneinheiten, wie sie<br />
<strong>für</strong> eine ereignisgesteuerte Simulation benötigt werden, daraus nicht direkt abgeleitet werden<br />
kann. Für eine Erzeugung von Zufallszahlen <strong>für</strong> Zwischenankunftszeiten von Paketen sind<br />
daher weitere Näherungen erforderlich [220].<br />
Wavelet-basierte Modelle<br />
Ein Hilfsmittel, das bei der Modellierung von selbstähnlichem Verkehr häufig zum Einsatz<br />
kommt, ist die Wavelet-Theorie. Dabei handelt es sich vereinfacht um eine integrierte Betrachtung<br />
von Zeit- <strong>und</strong> Frequenzbereich. Anwendung findet diese Theorie mit komplexem mathematischem<br />
Hintergr<strong>und</strong> zunächst bei der Auswertung von Verkehrsmessungen in Form einer<br />
Wavelet-Analyse. Die Wavelet-Analyse ermöglicht es, den Verkehrsstrom mittels einer<br />
Wavelet-Transformation durch eine Reihe von Koeffizienten zu charakterisieren <strong>und</strong> wichtige<br />
statistische Größen wie den Hurst-Parameter relativ genau zu bestimmen [268]. Die Koeffizienten<br />
können dann außerdem in umgekehrter Richtung wieder verwendet werden, um z. B. <strong>für</strong><br />
eine Simulation einen Verkehrsstrom zu generieren, der die gleichen statistischen Eigenschaften<br />
hat wie der gemessene Verkehrsstrom, im Gegensatz zu diesem aber in seiner Länge nicht<br />
beschränkt ist [99]. Im Rahmen dieser Arbeit werden solche Ansätze allerdings nicht weiter<br />
verfolgt.<br />
4.2.2 Modelle <strong>für</strong> elastischen IP-Verkehr<br />
Die in Abschnitt 4.2.1 vorgestellten Modelle versuchen, die auf der Paketebene beobachtete<br />
Verkehrscharakteristik auf eher abstrakte Weise wiederzugeben. Demgegenüber stehen<br />
Modelle, bei denen Eigenschaften höherer Schichten explizit berücksichtigt werden. Dies ist<br />
vor allem im Fall von elastischem Verkehr, der auf der Anwendung von TCP beruht, wichtig,<br />
da TCP durch entsprechende Mechanismen in der Lage ist, die Senderate an den Netzzustand<br />
anzupassen, um Überlast zu vermeiden. Eine solche Rückkopplung ist in den Modellen aus<br />
Abschnitt 4.2.1 nicht berücksichtigt. In [12, 147] wird gezeigt, dass die TCP-Eigenschaften,