COMPARACIÓN DEL MODELO WAVELET MULTIFRACTAL ENTRE UNA RED ETHERNET Y UNA RED MANET(Comparison of model Wavelet multifractal between an ethernet network and a network MANET)

Edgar

Description

Resumen
El presente artículo describe el comportamiento del tráfico en dos nodos de una red MANET de 600 nodos conectados a 40 servidores de servicio web. Lo anterior basado en un escenario simulado en NS2, del cual se obtuvo las trazas de tráfico que se analizaron en MATLAB con el toolbox llamado: MWM publicado por la University Rice con autoría de Matthew Crouse y Vinay Ribeiro, esto con el fin de hallar las regiones que tengan un coeficiente de auto similitud alto.
Abstract
This article describes the behavior of traffic on two nodes of a MANET network of 600 nodes connected to 40 server’s web service. This scenario based on a simulated NS2, which was obtained traffic traces that were
analyzed in MATLAB with a toolbox called: MWM published by Rice University authored by Matthew Crouse and Vinay Ribeiro, this in order to find regions with a coefficient of high self-similarity.

Sujets

• Manet
• Multifractal
• Simulación
• Tráfico
• Traza
• Self-similarity
• Simulation
• Traffic
• Trace

Informations

• Publié par: erevistas
• Publié le: 01 janvier 2011
• Nombre de lectures: 77
• Langue: Español

Extrait

con-ciencias
Comparación del modelo Wavelet multifractal
entre una red ethernet y una red MANET
Comparison of model Wavelet multifractal between an ethernet
network and a network MANET
EDGAR ALIRIO AGUIRRE BUENAVENTURA
Ingeniero en control electrónico e instrumentación, estudiante de la Maestría en
Ciencias de la Información y las Comunicaciones de la Universidad Distrital
Francisco José de Caldas. Bogotá, Colombia. [e-mail].
co
GABRIEL ALBERTO PUERTA APONTE
Licenciado en Electrónica, estudiante de la Maestría en Ciencias de la Informa-
ción y las Comunicaciones de la Universidad Distrital Francisco José de Caldas.
Bogotá, Colombia. [e-mail]
Clasificación del artículo: Investigación (Conciencias)
Fecha de recepción: 30 de mayo de 2011 Fecha de aceptación: 29 de agosto de 2011
Palabras clave: Autosimilar, MANET, multifractal, simulación, tráÞ co, traza.
Key words: Self-similar, MANET, multifractal, simulation, trafÞ c, trace.
RESUMEN ABSTRACT
El presente artículo describe el comportamiento This article describes the behavior of traf-
del tráÞ co en dos nodos de una red MANET de Þ c on two nodes of a MANET network of
600 nodos conectados a 40 servidores de servicio 600 nodes connected to 40 server’s web ser-
web. Lo anterior basado en un escenario simulado vice. This scenario based on a simulated
en NS2, del cual se obtuvo las trazas de tráÞ co NS2, which was obtained trafÞ c traces that were
que se analizaron en MATLAB con el toolbox analyzed in MATLAB with a toolbox called:
llamado: MWM publicado por la University Rice MWM published by Rice University authored by
con autoría de Matthew Crouse y Vinay Ribeiro, Matthew Crouse and Vinay Ribeiro, this in order
esto con el Þ n de hallar las regiones que tengan un to Þ nd regions with a coefÞ cient of high self-sim-
coeÞ ciente de auto similitud alto. ilarity.
Tecnura Vol. 15 No.29 pp. 35 - 41 control de admisión multicast Edición Especial 2011 35
JAIME URIEL GONZÁLEZ VILLALOBOS / CÉSAR HERNÁNDEZ / DANILO LÓPEZcon-ciencias
grandes en la señal, aun cuando los valores de la 1. INTRODUCCIÓN
autocorrelación sean pequeños.
Tradicionalmente el análisis de tráÞ co de una red
La dependencia de largo plazo tiene un impacto se ha modelado de forma estocástica describien-
signiÞ cativo en el comportamiento de las colas do el comportamiento del sistema y la demanda
en el tráÞ co de una red en cada uno de los ele-de los usuarios en la red, este tipo de análisis es
mentos que lo componen creando una cola pesada adecuando en las redes de conmutación de circui-
(heavy-tail) por lo que la cola decrece sub-expo-tos donde se consideran los tiempos entre llegadas
nencialmente causando un incremento notable en independientes entre sí (tiempos entre llamadas y
el retardo de los paquetes [3]. Todas estas caracte-duración de las llamadas, tiempos entre llegada
rísticas describen la fractalidad del tráÞ co de una de paquetes y longitud de los paquetes, tiempos
red que incluye características de Movimiento entre solicitud de conexiones y duración de las
Browniano Fraccional (FBM) y Ruido Gaussiano sesiones, etc. [1].
Fraccional (FGN), hay que tener en cuenta que
no todos los análisis de teletráÞ co se ajustan bajo Recientemente se observó en el análisis de tra-
estas características y en esos casos los modelos zas de tráÞ co la existencia de una autocorrelación
tradicionales son muy funcionales, básicamente entre las variables, y que ésta puede llegar a ser
depende del tipo de tráÞ co que los usuarios de-persistente en el tiempo, lo cual describe el fenó-
manden y del tipo de red, las distribuciones de meno de auto similitud en el tráÞ co en una red
poisson son el mejor ejemplo la cuál es una distri-LAN Ethernet [2]. Lo anterior es una caracterís-
bución de probabilidad discreta la cual describe, tica importante del tráÞ co fractal y se puede vi-
a partir de una frecuencia de ocurrencia media, la sualizar también por la escalabilidad de la traza,
probabilidad que ocurra un determinado número la cual se toma a partir de los patrones de llega-
de eventos durante cierto periodo de tiempo.da de las demandas de servicio que los usuarios
generan y se puede medir en términos de paque-
tes, celdas, llamadas, ß ujos, conexiones, bits, o 2. MODELO DE TRÁFICO
cualquier otra unidad de información adecuada
[1]. Al observar esta traza de tráÞ co en diferen- El elemento más importante en este análisis es el
tes instantes de tiempo partiendo desde la mayor tráÞ co de la red el cual en nuestro caso particular
escala hasta la menor, no se puede encontrar la es tráÞ co multifractal, el tráÞ co es el elemento de
diferencia entre ellas, pudiendo determinar la re- información generado por los usuarios los cua-
lación entre varias partes de la señal por medio les la envían en forma de paquetes y tramas las
de su autocorrelación, así, esta función resulta de cuales llegan a los dispositivos de enrutamiento
gran utilidad para encontrar patrones repetitivos los cuales se encargan de dirigir esta informa-
dentro de una señal, por tanto, nos permite saber ción a los lugares adecuados, estos dispositivos
la similitud que hay entre una señal y ella misma presentan unas características determinadas que
desplazada en tiempo [3], [4]. ayudan al tráÞ co de la red los cuales tienen un
tiempo de servicio, existen unos más rápidos que
Dentro de las características de los procesos auto otros de esta propiedad y otras más depende la
similares se encuentra la dependencia a largo pla- capacidad de atención de la información tratada,
zo (LRD, Long Range Dependence), la cual dice actualmente el tráÞ co se modelo bajo dos carac-
que los cambios de una señal por más pequeños terísticas el tráÞ co no auto similar y el tráÞ co
que sean al aumentar la escala ya no son menos- auto-similar, en el primero se encuentran mode-
preciables y por el contrario causan efectos muy los como los de ON-OFF, Poisson, Gaussiano, y
36 Tecnura Vol. 15 No.29 Edición Especial 2011con-ciencias
Markov, los cuales presentan determinado tipo tienen signiÞ cativas limitaciones por cierto tipo
de distribución de datos. de modelos naturales [5], hay que tener en cuenta
que el tráÞ co siempre es positivo y está lleno de
picos a diferencia de la señal gaussiana y presenta
3. MODELO DE TRÁFICO MULTIFRACTAL
dependencia de largo plazo, pero además presenta
MWM
una dependencia de corto plazo, también poseen
comportamientos de escala que no concuerdan El Modelo Wavelet Multifractal (MWM) es un
completamente con la auto-semejanza estricta de importante modelo de tráÞ co, el cual captura las
estos modelos [8].principales características estadísticas del trá-
Þ co en redes de comunicaciones, con gran eÞ -
En [5] se desarrolla un modelo de Wavelet basa-
ciencia computacional [3], [5], la transforma-
do en una señal positiva, estacionaria y con datos
da wavelet discreta representa a una señal real
LRD (dependencia de largo rango), el cual es la
unidimensional X(t) en términos del cambio de
Wavelet de Haar, que garantiza que no tenga in-
desplazamiento y la versión dilatada de una fun-
crementos no negativos con la simple condición
ción wavelet pasabandas (t) y el cambio de
que X(t) sea positivo si W !' U para todo j,k j, kuna función de escala pasa bajos con la función
j, k.
!(t), por tanto, para algunas funciones wave-
let y de escala seleccionadas, las versiones di- El modelo Wavelet multifractal MWM se con-
j / 2 jlatadas y desplazadas y Ø t!:= 2 Ø 2 t " K!j,k sidera positivo con los coeÞ cientes Wavelet
j / 2 j constituye una ô t!:= 2 ô 2 t " K!, j, k $ # W =A U Aj,k j,k j,k j,k con los multiplicadores j,k
base ortonormal y la señal se puede representar como variables independientes aleatorias los cua-
por la ec. (1): [6], [7] les toman valores en el intervalo [-1, 1], por tanto
& “de esta manera el MWM es capaz de capturar
X t!= U ô t!+ W Ø t! (1)% Jo,k Jo,k %% j, k j, k con gran precisión el espectro de potencia (y, con-
k j=J k
0 secuentemente, la dependencia de rango largo) de
Con: una traza real de tráÞ co mediante el ajuste ade-
cuado de las varianzas de los multiplicadores. Si-
(2) multáneamente, y a diferencia de otros modelos,
el MWM también puede reproducir la positividad
y las estadísticas de orden superior de trazas reales (3)
de tráÞ co”. [8].
Para una wavelet (t) centrada en el instante de
tiempo igual a cero y una frecuencia f , el c