Разработка и исследование методов декорреляции сетевого трафика тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Осанов Владимир Андреевич

• Осанов Владимир Андреевич
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Осанов Владимир Андреевич

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ ПАРАМЕТРОВ КАЧЕСТВА ОБСЛУЖИВАНИЯ ПРИ ОБРАБОТКЕ КОРРЕЛИРОВАННОГО ТРАФИКА

1.1 Качество обслуживания сетевого трафика

1.1.1 Параметры качества обслуживания

1.1.2 Значения параметров QoS

1.2 Методы снижения сетевой задержки

1.3 Коррелированный трафик

1.3.1 Самоподобие и автокорреляция

1.3.2 Использование декорреляции для решения различных задач

1.3.3 Возможные причины увеличения уровня автокорреляции трафика

1.4 Автокорреляция трафика и качество обслуживания

1.5 Выводы по главе

ГЛАВА 2. АЛГОРИТМЫ ДЕКОРРЕЛЯЦИИ СЕТЕВОГО ТРАФИКА

2.1 Процесс и условия декорреляции трафика

2.2 Классические алгоритмы декорреляции

2.3 Алгоритм на основе вейвлет-преобразования Хаара

2.4 Перестановочные алгоритмы

2.4.1 Б-случайная перестановка

2.4.2 Спиральная перестановка

2.5 Оценка уровня автокорреляции при использовании разных алгоритмов декорреляции

2.6 Сравнительный анализ алгоритмов декорреляции

2.6.1 Временная сложность

2.6.2 Пространственная сложность

2.6.3 Среднее время работы

2.7 Выводы по главе

ГЛАВА 3. ОЦЕНКА ВРЕМЕННЫХ ПАРАМЕТРОВ ПРОЦЕССА

ДЕКОРРЕЛЯЦИИ

3.1 Модель СМО процесса декорреляции

3.1.1 Распределения временных параметров СМО

3.1.2 Канал обслуживания

3.2 Имитационное моделирование декорреляции трафика

3.3 Оценка плотностей вероятностей выходного потока блоков декорреляции

3.4 Выводы по главе

ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ИССЛЕДОВАНИЕ ДЕКОРРЕЛЯЦИИ СЕТЕВОГО ТРАФИКА

4.1 Устройство декорреляции

4.2 Пример работы декоррелятора

4.3 Программная реализация устройства декорреляции

4.4 Исследование влияния декорреляции на значения параметров качества обслуживания

4.4.1 Исследование в рамках локальной сети

4.4.2 Исследование в рамках сети Интернет и мобильной связи

4.5 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. Документы, подтверждающие внедрение основных результатов диссертационной работы

Введение диссертации (часть автореферата) на тему «Разработка и исследование методов декорреляции сетевого трафика»

ВВЕДЕНИЕ

Актуальность темы исследования. Развитие цифровых и телекоммуникационных технологий способствует ежегодному увеличению объемов передаваемой информации по сети, в частности видео-трафика, что подтверждается статистикой ведущих технологических и информационно-сетевых компаний. Это приводит к росту требований по скорости и надежности передачи данных, необходимости разработки более быстрых и эффективных методов обеспечения качества обслуживания (Quality of Service, QoS). Особенно актуально это ввиду активного распространения технологий реального времени, таких как дополненная и виртуальная реальности, управление беспилотными системами, онлайн-игры, видеоконференции, распределенные вычисления и др.

В рекомендациях Y.1540 Международного союза электросвязи (МСЭ) минимизация сетевой задержки передачи IP-пакетов (Internet Protocol) является одной из ключевых задач. Минимальный уровень или полное отсутствие задержки в сети передачи положительно влияет на уровень восприятия и последующую обработку передаваемых данных. Увеличение задержки приводит к частичным или значимым потерям информации.

Поддержание требований QoS усложняется ввиду гетерогенности телекоммуникационных сетей, которая обуславливает наличие множества факторов, оказывающих в разной мере влияние на стабильность передачи данных по сети. Следствием чего является обилие различных задач в рамках повышения качества обслуживания, каждая из которых имеет своё решение с учетом определенного фактора негативного влияния на передачу данных.

Традиционные подходы к управлению сетями часто предполагают принятие мер реагирования и ручное вмешательство, чего может быть недостаточно во всё более сложных и динамичных сетевых средах. Для уменьшения задержек в сети предлагаются различные решения. Так, широко используются предиктивные модели, основанные на машинном обучении и нейронных сетях, модели, основанные на сжатии данных, модели управления очередями и многие другие.

Одним из возможных факторов отрицательного влияния на качество обслуживания в сетях выступают автокорреляционные свойства передаваемого трафика. Наличие автокорреляции особенно отчетливо наблюдается при передаче видеоконтента. В рамках экспериментальных исследований видео-трафика была выявлена связь увеличения автокорреляции интервалов времени между пакетами и ухудшения характеристик качества обслуживания, таких как средняя задержка передачи и коэффициент потерь пакетов.

При этом, в большинстве случаев автокорреляция рассматривается в рамках описания телетрафика и предсказания его объемов. Работы, непосредственно направленные на организацию процесса декорреляции сетевого трафика (снижения уровня автокорреляции), практически отсутствуют.

Основываясь на вышесказанном, выдвигается предположение, что реализация способа устранения автокорреляции в трафике позволит улучшить качество обслуживания и пользовательского восприятия. Следовательно, это делает задачу декорреляции временных интервалов сетевого трафика актуальной и значимой темой для научного исследования и практической разработки.

Разработанность темы исследования. Работа непосредственно связана с теоретическими основами сетевого трафика, а точнее с его автокорреляционными свойствами. В качестве центральных работ по сетевому трафику использовались публикации следующих ученых: Э. Таненбаум, Д. Куроуз, А. Е. Кучерявый, К. Е. Самуйлов, Ю. В. Гайдамака, А. И. Парамонов. Особое внимание стоит уделить научным трудам, связанным с исследованием корреляционных свойств трафика В. М. Вишневского, А. Н. Дудина, О. И. Шелухина, И. В. Карташевского, Б. Я. Лихтциндера. Среди зарубежных ученных, рассматривающих данную тематику, можно выделить M. F. Neuts, D.M. Lucantoni, S.R. Chakravarthy, V. Ramaswami. Имитационное моделирование систем массового обслуживания во многом опирается на труды Т. И. Алиева, A. Law, W. Kelton.

Объектом исследования выступает трафик телекоммуникационной сети.

Предметом исследования являются методы и алгоритмы декорреляции сетевого трафика.

Цель и задачи исследования. Цель исследования заключается в разработке метода снижения уровня автокорреляции временных интервалов между пакетами сетевого трафика для уменьшения задержки передачи данных и коэффициента потерь пакетов.

Реализация поставленной цели заключается в решении следующих задач:

• проведение сравнительного анализа алгоритмов снижения уровня автокорреляции с учетом их вычислительной и временной сложности для определения наиболее эффективного способа декорреляции;

• разработка имитационной модели процесса декорреляции временных интервалов между пакетами в сетевом устройстве в виде системы массового обслуживания, позволяющей оценить размер блока декорреляции, не вносящего дополнительных задержек;

• разработка алгоритма для оценивания интервалов времени между пакетами после осуществления процесса декорреляции и оценка временной задержки процесса декорреляции в рамках передачи пакетов по сети с помощью имитационных и аналитических моделей;

• разработка устройства декорреляции временных интервалов между пакетами на выходе источника трафика и его практическая реализация, расчет параметров качества обслуживания (средняя задержка передачи 1Р-пакета и коэффициент потерь пакетов) на основе реализованного устройства.

Научная новизна полученных в ходе исследования результатов заключается в следующем:

1. Экспериментально установлено, что в идентичных условиях снижение уровня автокорреляции интервалов времени между пакетами на выходе источника трафика ведет к уменьшению значений таких параметров качества обслуживания, как средняя задержка и коэффициент потерь пакетов.

2. Разработан метод декорреляции сетевого трафика, позволяющий снизить уровень автокорреляции интервалов времени между пакетами, отличающийся использованием перестановочных алгоритмов декорреляции.

3. Разработан алгоритм оценивания плотности вероятностей декоррелированных интервалов времени между пакетами на выходе сетевого устройства для случаев изменения временных интервалов, отличающийся использованием методов кумулянтного анализа.

4. Разработана методика оценки размера блока интервалов времени для декорреляции, позволяющая определить его размер, при котором задержка, вносимая устройством декорреляции, не увеличивает общую задержку передачи.

Теоретическая и практическая значимость исследования. Теоретическая значимость проведенного исследования обуславливается разработкой и обоснованием метода, повышающего качество обслуживания через снижение автокорреляции временных интервалом между пакетами в сетевом устройстве на основе алгоритмов перемежения, а также алгоритмами оценивания плотности вероятности временных интервалов между пакетами после процесса декорреляции. Предложенный метод может быть использован в процессе исследования и прогнозирования телетрафика.

Практическая значимость подтверждается реализацией сетевого устройства, обеспечивающего декорреляцию трафика в реальном времени с минимальными вычислительными и временными затратами. Экспериментальные исследования демонстрируют, что применение разработанного решения позволяет достичь значительного снижения коэффициента автокорреляции на выходе сетевого интерфейса и повысить качество обслуживания в контексте снижения среднего времени задержки передачи 1Р-пакетов и коэффициента потерь.

Методология исследования. В рамках выполнения поставленных задач в работе применялись основы теории телетрафика, теории массового обслуживания, методы анализа временных рядов, цифровой обработки сигналов, методы анализа сложности алгоритмов и структур данных.

Положения, выносимые на защиту:

1. Метод декорреляции сетевого трафика, основанный на спиральной (диагонально-блочной) перестановке временных интервалов между пакетами,

обеспечивающий снижение значения коэффициента автокорреляции трафика до значений, близких к нулевым.

2. Имитационная модель процесса декорелляции, позволяющая оценить размер блока интервалов, при котором время процесса не будет увеличивать общую задержку передачи.

3. Алгоритм оценивания интервалов времени между пакетами после осуществления их декорреляции.

4. Экспериментальные результаты, показывающие влияние декорреляции сетевого трафика на качество обслуживания при видеотрансляции по протоколу UDP, в частности возможность снижения значений показателей QoS:

• средней задержки - в ЛВС на 18%, по сети Интернет на 49% и по мобильной связи на 60%;

• коэффициента потерь пакетов - в ЛВС на 60%, по сети Интернет на 43% и по мобильной связи на 34%.

Степень достоверности и апробация результатов.

Достоверность полученных результатов подтверждается теоретической и методологической базой исследования, корректным применением математического аппарата и имитационного моделирования процесса декорреляции в ходе вычислений и расчетов для оценки реализуемости и значимости предлагаемого решения, результатами проведенных экспериментов с реализованным устройством декорреляции, а также широким обсуждением результатов диссертации в рамках научных конференций международного и отечественного уровня.

Апробация результатов. Обсуждение основных положений и достигнутых результатов продлённой работы осуществлялось в рамках следующих научных конференций: 9th IEEE International Conference «Information Technology and Nanotechnology» (ITNT), Samara, 2023; XXV, XXVI Международная научно-техническая конференция «Проблемы техники и технологий телекоммуникаций» (ПТиТТ), Казань-Самара, 2023, 2024; XI Международная заочная научно-техническая конференция «Информационные технологии. Радиоэлектроника.

Телекоммуникации» (ITRT), Тольятти, 2024; XXV Всероссийская конференция молодых учёных по математическому моделированию и информационным технологиям, Новосибирск, 2024; XXXII Российская научно-техническая конференция «Актуальные проблемы информатики, радиотехники и связи», Самара, 2025; LXXX Всероссийская конференция, посвящённая «Дню радио», «Радиоэлектронные устройства и системы для инфокоммуникационных технологий» (РЭУС-ИТ), Москва, 2025; 27th International Conference «Digital Signal Processing and its Applications» (DSPA), Moscow, 2025.

Реализация и внедрение результатов работы. Полученные в ходе работы результаты внедрены в АО «НИИ «Рубин», ООО «Идентификация», а также в образовательный процесс в ФГБОУ ВО ПГУТИ (приложение А). Так же, результаты исследований использовались при выполнении работ в рамках НИР «Алгоритм и его программная реализация, осуществляющая декорреляцию сетевого трафика» (НИОКТР 124042200019-7).

Публикации. Основные результаты отображены в 13 научных работах, в том числе 3 статьях, опубликованных в рецензируемых научных журналах, входящих в перечень изданий, рекомендуемых ВАК Минобрнауки России, 2 статьи в трудах международных конференций, индексируемых в Scopus. Получены 1 патент на изобретение и 5 свидетельств о регистрации программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка сокращений и условных обозначений, списка литературы и приложения. Общий объем диссертации составляет 143 страницы машинописного текста, включая 46 рисунков, 18 таблиц, список литературы из 209 наименований. В приложение представлены акты, подтверждающие внедрение основных результатов диссертационной работы.

Личный вклад автора. Основные теоретические и практические результаты, были получены автором самостоятельно или при его преобладающем участии.

Соответствие паспорту специальности. Диссертационная работа соответствует пунктам 2, 3, 5 паспорта специальности 2.2.15 - Системы, сети и устройства телекоммуникаций.

ГЛАВА 1. АНАЛИЗ ПАРАМЕТРОВ КАЧЕСТВА ОБСЛУЖИВАНИЯ ПРИ ОБРАБОТКЕ КОРРЕЛИРОВАННОГО

ТРАФИКА

Первичным объектом управления в современных телекоммуникационных системах выступает сетевой трафик [1]. Под этим термином подразумевается последовательность (поток) информационных единиц (IP-пакеты), предаваемых в компьютерной сети.

Статистические отчеты сетевых [2] и информационно-аналитических [3, 4] компаний свидетельствуют об увеличении доли передаваемого видео в объемах Интернет-трафика на протяжении последних пяти лет. Среднегодовой темп роста видео-трафика c расширением 4K в период с 2018 по 2023 составляет 27% [5], что является одним их самых наибольших показателей роста среди всех других видов предаваемых по сети данных. Согласно [6] в 2022 году передача видеоданных составила 82% Интернет-трафика в мире. По оценке [7] видео-трафик продемонстрировал самый сильный рост в рамках мобильного трафика с 2020 по 2024 год. Доля его роста в сети за этот период составила 50% [7]. Аналитика российской компании МТС по объемам Интернет-трафика показала [8], что видеотрафик составляет 59% от общего числа передаваемых данных по сети.

Все эта статистика подтверждает, что видео является доминирующим типом сетевого трафика, а объемы самого трафика ежегодно увеличиваются. Учитывая развитие цифровых технологий, таких как виртуальная и дополненная реальность, компьютерное зрение, видеоигры, основанных на видеоданных, тенденция увеличения объемов видео-трафика будет сохраняться. Следствием такого резкого увеличения объемов видео-трафика является необходимость в усовершенствовании телекоммуникационных сетей, в частности, в минимизации задержки передачи данных для работы приложений и сервисов в режиме реального времени.

1.1 Качество обслуживания сетевого трафика

1.1.1 Параметры качества обслуживания

Важнейшей характеристикой функционирования сетей связи является QoS (Quality of Service - качество обслуживания). Единого определения качества обслуживания не существует. Данный термин можно определить как систему технологий и показателей, позволяющих оценить качество предоставляемых телекоммуникационных услуг, степень удовлетворенности и обеспечения гарантированного уровня производительности сетевого трафика [9].

Основными параметрами качества обслуживания, которые позволяют охарактеризовать поток пакетов, являются [10, 11]:

1. Задержка (IP Packet Transfer Delay, IPTD) - этот параметр, соответствует временному промежутку, за который происходит передача одного IP-пакета с хоста-отправителя на хост-приемник. В процессе передачи данных по сети пакет проходит через структурные элементы (рисунок 1.1) определенного фрагмента сети (например, маршрутизаторы), каждый из которых вносит свои виды задержки [1]:

• задержка обработки - время, затрачиваемое сетевым узлом для проведения проверки заголовка IP-пакета и определение маршрута его передачи;

• задержка ожидания - время, которое пакет тратит на ожидание находясь в очереди (буфере сетевого интерфейса) на передачу;

• задержка передачи - время, необходимое для передачи всех битов пакета в физическую среду передачи;

• задержка распространения - время, за которое электромагнитный сигнал преодолевает физическое расстояние между двумя узлами связи, определяемое скоростью распространения в среде и длиной канала.

Сумма всех перечисленных задержек формирует узловую задержку, вносимую на каждом узле сети. Общая задержка передачи IP-пакета по сети будет

равна сумме всех узловых задержек. Далее в работе будет рассматриваться непосредственно общая задержка передачи.

Задержка Задержка Задержка Задержка обработки ожидания передачи распространения

IP-пакет

Рисунок 1.1 - Узловая задержка

2. Джиггер (IP Packet Delay Variation, IPDV) - колебания (отклонения) времени задержки пакетов в потоке данных (рисунок 1.2). На примере передачи голосового сообщения по сети, отсутствие джиггера обозначает, что все пакеты передаются по сети через равные промежутки времени и пользователь слышит все без искажений. При наличии джиттера некоторые пакеты задерживаются, т.е. поступает через разные промежутки времени, и в результате пользователь слышит искаженную речь. Таким образом, высокий уровень джиттера нарушает изохронность потока, критически важную для интерактивных мультимедийных приложений [12].

Для компенсации джиттера на приемной стороне используются буферы де-джиттера, которые, в свою очередь, вносят дополнительную задержку. Математически джиттер часто вычисляется как среднее квадратическое отклонение задержек последовательности пакетов.

3. Пропускная способность - максимальное количество данных, которое может быть передано по каналу связи за определенный период времени [1].

ГР-пакет ti - задержка между пакетами Рисунок 1.2 - Отсутствие и наличие джиттера при передаче данных

4. Потери пакетов (IP Packet Loss Ratio, IPLR) - количество безвозвратно утраченных пакетов в процессе передачи данных. Коэффициент количества потерянных пакетов, соответственно, равен отношению количества потерянных пакетов к общему количеству передаваемых. Для голосового трафика (Voice over IP, VoIP), в случае использования нестабильных каналов связи, потери пакетов на уровне 10-30% значительно влияют на качество речи и требуют использования специальных технологий [13]. При этом для потокового видео применяются методы исправления ошибок и маскировки потерь [14].

Особо важно обеспечить гарантированный уровень качества обслуживания [15] в случае дефицита пропускной способности сетевой инфраструктуры. С появлением и развитием технологии Интернета вещей (Internet of Things, IoT), сетей связи следующего поколения (Next Generation Networks, NGN) особое внимание уделяется вопросу минимизации сетевой задержки [16, 17, 18, 19]. Это, в частности, относится к приложениям реального времени, таким как онлайн-игры, дополненная и виртуальная реальность, которые требуют фиксированной скорости передачи видео и аудиоданных, а также являются максимально чувствительными к задержкам.

Актуальность и значимость QoS обусловливается неоднородностью сетевого трафика. Потоки данных генерируются приложениями разных классов трафика [20] с противоположными требованиями к среде передачи. Без соответствия требованиям QoS передача данных по сети превращается в стохастический процесс, что подразумевает отсутствие создания предсказуемой, надежной и качественно функционирующей телекоммуникационной сети.

Одним из главных инструментов системы QoS является разделение сетевого трафика на классы обслуживания. Данный способ используется в архитектуре IP-сетей с помощью DiffServ (Differentiated Services). Последний разделяет трафик на конечное число классов, присваивая определенное значение [20] каждому IP-пакету в поле DSCP (Differentiated Services Code Point).

В рамках архитектуры DiffServ устанавливается систематизированная классификация трафика на основе механизмов поведения на участке:

1. Класс EF (Expedited Forwarding) строго реального времени [21]. Это трафик с детерминированными требованиями к временным характеристикам передачи данных. Превышение пороговых значений задержки или джиттера в приложения данного класса делает их нефункциональными. Примеры - VoIP, видеотелефония и телемедицина.

2. Класс AF (Assured Forwarding) гарантированного обслуживания [22]. К этому классу относятся приложения с гарантированными, но менее строгими требованиями к временным параметрам по сравнению с EF. Трафик класса AF демонстрирует устойчивость к умеренным задержкам, но требует защиты от чрезмерных потерь пакетов. Примеры - потоковое видео (Internet Protocol Television, IPTV), видеоконференцсвязь, бизнес-приложения. Данный класс можно разделить на подклассы:

• AF1x - данные с базовыми гарантиями;

• AF2x - транзакционный трафик (веб-сессии);

• AF3x - потоковое видео (IPTV, YouTube);

• AF4x - мультимедийные конференции (Zoom, Teams).

3. Класс DF (Default Forwarding) базового обслуживания [23, 24], предназначен для приложений, не предъявляющих строгих требований к временным параметрам. Данный тип класса обслуживается по остаточному принципу после удовлетворения требований более приоритетных классов. Примеры - протоколы электронной почты (Simple Mail Transfer Protocol, SMTP; Post Office Protocol version 3, POP3; Internet Message Access Protocol, IMAP), протоколы веб-браузинга HTTP/HTTPs (HyperText Transfer Protocol/ HyperText Transfer Protocol Secure) не интерактивного характера, фоновые операции.

4. Класс CS (Class Selector) - селекторы класса [23]. Представляет собой механизм обратной совместимости в рамках архитектуры дифференцированных услуг. Примеры - трафик сетевого управления (Border Gateway Protocol, BGP; Open Shortest Path First, OSPF), интерсетевой контроль (Simple Network Management Protocol, SNMP; NetFlow), сигнализация (Session Initiation Protocol, SIP; H.323), операционное управление, фоновый трафик.

Предложенная в RFC (Request for Comments) 4594 [20] классификация сетевого трафика, в зависимости от типа передаваемой информации, может быть распределена (таблица 1.1) относительно классов QoS, предложенных в МСЭ Y.1541 [25].

Таблица 1.1 - Соответствие типа сетевого трафика классу QoS

Класс QoS по МСЭ Y.1541 Тип сетевого трафика по RFC 4594 Класс обслуживания по RFC 4594

0 - Речевой трафик Интерактивная голосовая связь EF

1 - Трафик реального времени Интерактивное видео/аудио AF4x

Интерактивные игры с видео, телеприсутствие CS4

2 - Трафик с низкими задержками Сигнализация для голоса и видео CS5

Приложения с низкой задержкой AF2x

3 - Трафик с низкими потерями OAM (Operation, Administration, and Management) CS2

Приложения с большим объемом данных AF1x

4 - Стандартный трафик Потоковое аудио/видео AF3x

Мультимедийное вещание CS3

5 - Трафик Best Effort Трафик, не имеющий специальных требований DF

Не критичный трафик CS1

1.1.2 Значения параметров QoS

Для каждого типа сетевого трафика установлены определенные ограничений на значения параметров QoS, представленные в таблице 1.2. Одним из основных документов, который регламентирует характеристики QoS является рекомендация МСЭ Y.1541 [25]. Однако существуют и другие рекомендации и стандарты, которые так же описывают требования к параметрам QoS.

Таблица 1.2 - Значения параметров IP-сетей относительно классов QoS

Класс QoS Задержка, мс Джиттер, мс Коэффициент потерь пакетов

0 100 50 0,001

1 400 50 0,001

2 100 - 0,001

3 400 - 0,001

4 1000 - 0,001

5 - - -

В работе [26] дано определение сетям с малыми задержками, к которым, по мнению авторов, относятся сети, обслуживающие приложения, предоставляющие услуги в режиме реального времени, и указывается требование к задержке при передаче данных не более 10 мс. В результате эволюции сетей связи появилась необходимость передачи данных с задержкой в 1 мс [27].

Согласно Стратегии развития отрасли связи РФ [28] устанавливается гарантированная задержка в сети, которая должна быть не более 1 мс, а также указывается о необходимости надежной доставки пакетов данных, то есть о снижении уровня потерь пакетов.

Видео трафик представляет собой один из наиболее требовательных типов нагрузки в современных телекоммуникационных сетях, в том числе в сетях P2P [29, 30]. Его обработка требует комплексного подхода к обеспечению качества обслуживания, учитывающего технические параметры передачи и особенности человеческого восприятия. Например, в сетях 5G (Fifth Generation) методы обеспечения QoS отдают приоритет трафику Video over 5G и VoIP [31].

Эволюция сетей связи приводит к повышению требований к QoS, что подразумевает снижение границ допустимых уровней задержки и потерь пакетов. Особо явно это заметно на примере мобильной связи [32], в которой задержка в сетях 3G (Third Generation) составляла 100-280 мс, а уже в сетях 5G это значение снизалось до 1 мс. В случае с сетями 6G [33], значение задержки может достигать долей миллисекунды. Такая же тенденция наблюдается и относительно доли потерянных пакетов [34] при видеотрансляции, снижение уровня с 10-6 при трансляции видео качества SDTV (Standard-Definition Television) в сетях 3G до 109 при трансляции 8K UHD (Ultra High Definition) в сетях 5G.

Основываясь на результатах [35], можно сказать, что при потоковой передаче видео высокого качества по протоколу HTTP для сохранения удовлетворительного уровня качества восприятия пользователя задержка пакетов должна быть ниже 160 мс независимо от стратегии буферизации. В случае передачи видео среднего и низкого качества задержка может составлять 360 мс и 480 мс соответственно. Снижение задержки ниже указанных параметров приводит к сокращению проблем при воспроизведении видео. Для плавной и качественной работы видеоприложений, таких как онлайн-игры или трансляции, сквозная задержка не должна превышать 50 мс [36].

В контексте видео трафика, помимо самой метрики QoS, добавляется еще оценка пользователя QoE (Quality of Experience) [37].

Технически достижение приемлемого уровня задержки осуществить достаточно сложно, для этого используются различные методы и способы.

1.2 Методы снижения сетевой задержки

Наличие узловых задержек (обработки, передачи, ожидания, распространения), как составных частей общей задержки в сети (IPTD), является неотъемлемой частью процесса передачи данных в сети. При этом существуют факторы, которые негативно влияют на качество обслуживания, что приводит к

увеличению времени передачи (задержки) и количеству потерь IP-пакетов, нарушая стабильную работу сети.

Первоначально подход к минимизации задержки заключался в повышении эффективности физических и логических параметров сети на основе детерминистических моделей. Использовались статические алгоритмы, например, алгоритм Дейкстры для поиска кратчайшего пути, минимизирующий метрику, основанную на количестве хопов или заранее заданной стоимости канала. Но при этом данный метод не учитывал динамические изменения нагрузки и требовал модификаций [38, 39]. Проектирование сетевой топологии и правил маршрутизации осуществлялось на основе ручного планирования (статическая маршрутизация), что было эффективно лишь для предсказуемых, стационарных нагрузок [40]. Разработка и развитие протоколов транспортного уровня по типу TCP (Transmission Control Protocol) позволили контролировать перегрузки (алгоритмы Reno, NewReno), снижая задержку, но они были реактивными [41].

Список литературы диссертационного исследования кандидат наук Осанов Владимир Андреевич, 2026 год

СПИСОК ЛИТЕРАТУРЫ

1. Куроуз, Д. Компьютерный сети: нисходящий поток [Текст] / Д. Куроуз, К. Росс. - 6-е изд. - М.: Издательство «Э», 2016. - 912 с.

2. Global Internet Phenomena Report-2024 [Электронный ресурс] / Sandvine: офиц. сайт. - 2024. - Режим доступа: https://www.sandvine.com/global-internet-phenomena-report-2024.

3. Digital 2024: Global Overview Report [Электронный ресурс] / Meltwater: офиц. сайт. - 2024. - Режим доступа: https://www.meltwater. com/en/blog/digital-2024.

4. The State of Video Marketing 2023 [Электронный ресурс] / Wyzowl: офиц. сайт. - 2023. - Режим доступа: https://www.wyzowl.com/sovm-results-2023/.

5. Cisco Annual Internet Report (2018-2023) [Электронный ресурс] / Cisco: офиц. сайт. - 2020. - Режим доступа: https://www.cisco.eom/c/en/us/solutions /collateral/executive-perspectives/annual-internet-report/white-paper-c11-741490.pdf.

6. VNI Complete Forecast Highlights [Электронный ресурс] / Cisco: офиц. сайт. - 2024. - Режим доступа: https://www.cisco.com/c/dam/m/en_us/solutions/ service-provider/vni-forecast-highlights/pdf/Global_Device_Growth_Traffic_ Profiles.pdf.

7. Ericsson Mobility Report [Электронный ресурс] / Ericsson: офиц. сайт.

- 2025. - Режим доступа: https://www.ericsson.com/49e9b6/assets/local/reports-papers/mobility-report/documents/2025/ericsson-mobility-report-june-2025.pdf.

8. Давыдов, С. Г. Интернет в России в 2022-2023 годах: состояние, тенденции и перспективы развития. Отраслевой доклад Минцифры РФ [Текст] // С. Г. Давыдов, К. Р. Казарян, М. В. Сайкина. - М.: Дизайн-студия RE-FORM, 2023.

- 207с.

9. Вегешна, Ш. Качество обслуживания в сетях IP [Текст] / Ш. Вегешна.

- М.: Вильямс, 2003. - 366 с.: ил., табл.

10. Таненбаум, Э. Компьютерные сети [Текст] / Э. Таненбаум, Н. Фимстер, Д. Уэзеролл. - 6-е изд. - СПб.: Питер, 2023. - 992 с.: ил.

11. Recommendation ITU-T Y.1540 «Internet protocol data communication service - IP packet transfer and availability performance parameters». ITU-T, Geneva, December 2019.

12. Столлингс, В. Современные компьютерные сети [Текст] / В. Столлингс. - 2-е изд. - СПб.: Питер, 2003. - 782 с.

13. Дорогов, А. Ю. Обзор технологий передачи аудио потока по низкоскоростным и нестабильным каналам связи [Текст] / А. Ю. Дорогов, А. Л. Лившиц, Ю. В. Савенкова // Научно-техническая конференция Санкт-Петербургского НТО РЭС им. А.С. Попова, посвященная Дню Радио: тр. конф. -2022. - № 1(77). - С. 94-98.

14. Wang, Y. Error control and concealment for video communication: a review [Text] / Y. Wang, Q.-F. Zhu // Proceedings of the IEEE. - 1998. - Vol. 86, no. 5. - P. 974-997.

15. Ferrari, D. Charging for QoS [Text] / D. Ferrari, L. Delgrossi // Sixth International Workshop on Quality of Service (IWQoS'98). - Napa, USA. - 1998. - P. 7-13.

16. Кучерявый, А. Е. Сети связи общего пользования: тенденции развития и методы расчета [Текст] / А. Е. Кучерявый, А. И. Парамонов, Е. А. Кучерявый. -М.: ФГУП ЦНИИС, 2008. - 290 с. : ил., табл.

17. Росляков, А. В. Интернет вещей [Текст]: учебное пособие / А. В. Росляков, С. В. Ваняшин, А. Ю. Гребешков. - Самара: Поволжский государственный университет телекоммуникаций и информатики, 2015. - 135 с.

18. Росляков, А. В. СЕТЬ 2030: архитектура, технологии, услуги [Текст] / А. В. Росляков. - М.: ООО "Издательско-книготорговый центр "Колос-с", 2022. -278 с.

19. Кучерявый, А. Е. Сети связи с ультрамалыми задержками [Текст] / А. Е. Кучерявый // Труды НИИР. - 2019. - № 1. - С. 69-74.

20. RFC 4594 «Configuration Guidelines for DiffServ Service Classes». IETF, Fremont, August 2006.

21. RFC 3246 «An Expedited Forwarding PHB (Per-Hop Behavior)». IETF, Fremont, March 2002.

22. RFC 2597 «Assured Forwarding PHB Group». IETF, Fremont, June 1999.

23. RFC 2474 «Definition of the Differentiated Services Field (DS Field) in the IPv4 and IPv6 Headers». IETF, Fremont, December 1998.

24. RFC 2309 «Recommendations on Queue Management and Congestion Avoidance in the Internet». IETF, Fremont, April 1998.

25. Recommendation ITU-T Y.1541 «Network performance objectives for IP-based services». ITU-T, Geneva, December 2011.

26. Кучерявый, А. Е. Сети связи с малыми задержками [Текст] / А. Е. Кучерявый, А. И. Парамонов, Я. М. Аль-Наггар // Электросвязь. - 2013. - № 12. -С. 15-19.

27. Кучерявый, А. Е. Тактильный Интернет. Сети связи со сверхмалыми задержками [Текст] / А. Е. Кучерявый, М. А. Маколкина, Р. В. Киричек // Электросвязь. - 2016. - № 1. - С. 44-46.

28. Стратегия развития отрасли связи Российской Федерации на период до 2035 года : утв. распоряжением Правительства РФ от 28 ноября 2023 г. № 3302-р.

29. Гайдамака, Ю. В. Анализ модели многоканальной одноранговой сети вещательного телевидения для схемы с разделением видеопотока [Текст] / Ю. В. Гайдамака, Е. Г. Медведева, С. И. Салпагаров, Е. В. Бобрикова // Вестник Российского университета дружбы народов. Серия: Математика, информатика, физика. - 2017. - Т. 25, № 2. - С. 123-132.

30. Gaidamaka, Y. Optimization of selection strategies for P2P streaming network based on daily users' behavior and users' distribution over time zones [Text] /

Y. Gaidamaka, I. Vasiliev // Lecture Notes in Computer Science. - 2016. - Vol. 9870 LNCS. - P. 525-535.

31. Тихвинский, В. О. Перспективы сетей 5G и требования к качеству их обслуживания [Текст] / В. О. Тихвинский, Г. С. Бочечка // Электросвязь. - 2014. -№11. - С. 40-43.

32. ICT-317669-METIS/ Deliverable D2.1 «Requirements and general design principles for new air interface». METIS, Switzerland, August 2013.

33. Adeogun, R. Towards 6G in-X Subnetworks With Sub-Millisecond Communication Cycles and Extreme Reliability [Text] / R. Adeogun, G. Berardinelli, P. E. Mogensen, I. Rodriguez, M. Razzaghpour // IEEE Access. - 2020. - Vol. 8. - Р. 110172-110188.

34. ETSI TS 102 034 «Digital Video Broadcasting (DVB). Transport of MPEG-2 TS Based DVB Services over IP Based Networks». ETSI, Sofia-Antipolis, August 2009.

35. Biernacki, A. Performance of HTTP video streaming under different network conditions [Text] / A. Biernacki, K. Tutschku // Multimedia Tools and Applications. - 2014. - Vol. 72. - P. 1143-1166.

36. Xu, Y. A Cost-Efficient Cloud Gaming System at Scale [Text] / Y. Xu, Q. Shen, X. Li, Z. Ma // IEEE Network. - 2018. - Vol. 32, no. 1. - P. 42-47.

37. Recommendation ITU-T G.1011 «Reference guide to quality of experience assessment methodologies». ITU, Geneva, July 2016.

38. Листопад, Н. И. Маршрутизация в мультисервисных сетях телекоммуникаций на основе модифицированного алгоритма Дейкстры [Текст] / Н. И. Листопад, Ю. И. Воротницкий, А. А. Хайдер // Вестник БГУ. Серия 1: Физика. Математика. Информатика. - 2015. - № 1. - С. 70-76.

39. Дудин, И. С. Адаптивные алгоритмы маршрутизации пакетов в сетях связи автоматизированных систем управления [Текст] / И. С. Дудин, С. Е. Потапов

// Вестник Ярославского высшего военного училища противовоздушной обороны.

- 2022. - № 2(17). - С. 89-95.

40. Бухарина, А. А. Преимущества использования метода совместной динамической маршрутизации в IP сетях связи [Текст] / А. А. Бухарина // Системы синхронизации, формирования и обработки сигналов. - 2022. - Т. 13, №2 1. - С. 3137.

41. Филимонов, А. П. Проблемы ТСР [Текст] / А. П. Филимонов // Электронные средства и системы управления. Материалы докладов Международной научно-практической конференции. - 2010. - № 1. - С. 75-78.

42. Аль-таяр, Б. А. Оптимизация структуры сети доставки контента на основе балансировки нагрузки по критерию средней задержки [Текст] / Б. А. Аль-таяр, Б. И. Марголис, Ю. Н. Матвеев // Вестник К.Г.У. им. Н. А. Некрасова. - 2014.

- №5. - С. 46-50.

43. Sinha, J. Reducing Latency using P2P CDN [Text] / J. Sinha, R. Nishad, Stuti, M. Hashir // 7th International Conference on Trends in Electronics and Informatics (ICOEI). - Tirunelveli, India, 2023. - P. 518-524.

44. Wang, S. Dynamic Service Migration in Mobile Edge Computing Based on Markov Decision Process [Text] / S. Wang, R. Urgaonkar, M. Zafer, T. He, K. Chan, K. K. Leung // IEEE/ACM Transactions on Networking. - 2019. - Vol. 27, no. 3. - P. 12721288.

45. Chintam, N. Real-Time Bandwidth Estimation for Optimal Low-Latency Live Streaming Experience [Text] / N. Chintam, H. B. Velakacharla, C. P. Veludurthi, K. D. Ulasala, V. V. Singamala // 4th OPJU International Technology Conference (OTCON) on Smart Computing for Innovation and Advancement in Industry 5.0. -Raigarh, India, 2025. - Р. 1-9.

46. Navamani, G. Optimizing Video Streaming Services Using Edge Computing for Reduced Latency with Bandwidth Allocation Algorithms and Federated Learning [Text] / G. Navamani, N. Sumathi // International Conference on Networks and Cryptology (NETCRYPT). - New Delhi, India, 2025. - Р. 155-159.

47. Платунова, С. М. Влияние коллизий и ошибок на производительность сетевых приложений [Текст] / С. М. Платунова // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики. - 2008. - № 46. - С. 211-217.

48. Lee, W.-J. NOMA-based Uplink OFDMA Collision Reduction in 802.11ax Networks [Text] / W.-J. Lee, W. Shin, J. A. Ruiz-de-Azua, L. F. Capon, H. Park, J. -H. Kim // International Conference on Information and Communication Technology Convergence (ICTC). - Jeju Island, Republic of Korea, 2021. - Р. 212-214.

49. Гильмутдинов, Б. Р. Оптимизация передачи данных в SD-WAN: современные методы минимизации задержек [Текст] / Б. Р. Гильмутдинов // 6-я Международная научная конференция перспективных разработок молодых ученых «Школа молодых новаторов»: тр. конф. - Курск: «ЗАО Университетская книга», 2025. - С. 39-41.

50. Антонова, А. А. Оценка эффективности протоколов динамической маршрутизации при передаче потокового видео [Текст] / А. А. Антонова // Автоматизация и управление в технических системах. - 2013. - № 4-2(7). - С. 171177.

51. Voros, P. Towards an in-network GPU-accelerated packet processing framework [Text] / P. Voros, D. Kis, P. Hudoba, G. Pongracz, S. Laki // IEEE 2nd Conference on Information Technology and Data Science (CITDS). - Debrecen, Hungary, 2022. - P. 308-313.

52. Гаврилюк, С. С. Разработка системы сетевой фильтрации на основе XDP с реализацией REST API [Текст] / С. С. Гаврилюк // Национальная научно-техническая конференция с международным участием «Перспективные материалы и технологии (ПМТ-2025)»: тр. конф. - М.: МИРЭА - Российский технологический университет, 2025. - С. 1000-1003.

53. Ларин, Д. В. Средства захвата и обработки высокоскоростного сетевого трафика [Текст] / Д. В. Ларин, А. И. Гетьман // Труды Института системного программирования РАН. - 2021. - Т. 33, № 4. - С. 49-68.

54. Sikdar, B. Queue management algorithms and network traffic self-similarity [Text] / B. Sikdar, K. Chandrayana, K. S. Vastola, S. Kalyanaraman // Workshop on High Performance Switching and Routing, Merging Optical and IP Technologie. - Kobe, Japan, 2002. - P. 319-323.

55. Дараселия, А. В. Минимизация задержки в системах 5G/6G IoT с групповым поступлением в восходящем и нисходящем направлениях [Текст] / А. В. Дараселия, Э. С. Сопин, К. Е. Самуйлов, Е. А. Кучерявый // Информатика и ее применения. - 2024. - Т. 18, № 4. - С. 59-67.

56. Kuhn, N. Operating ranges, tunability and performance of CoDel and PIE [Text] / N. Kuhn, D. Ros, A. Bagayoko, C. Kulatunga, G. Fairhurst, N. Khademie // Computer Communications. - 2017. - Vol. 103. - P. 74-82.

57. Якупов, Д. О. Влияние протокола QUIC на скорость доставки контента до пользователя [Текст] / Д. О. Якупов, С. В. Малахов // Электросвязь. - 2024. -№3. - С. 49-53.

58. Kartashevskiy, I. Comparative Analysis of Transport Layer Protocols for File Transfer and Video Streaming [Text] / I. Kartashevskiy, D. Yakupov // 27th International Conference on Digital Signal Processing and its Applications (DSPA). -Moscow, Russian Federation, 2025. - P. 1-5.

59. Путевская, И. В. Исследование эффективности стратегий кэширования данных в информационно-ориентированных сетях [Текст] / И. В. Путевская // Вестник Чувашского университета. - 2024. - № 4. - С. 128-140.

60. Derakhshan, F. Reducing Content Retrieval Latency in ICN [Text] / F. Derakhshan, A. Timm-Giel, R. Agüero // Sixteenth International Conference on Ubiquitous and Future Networks (ICUFN). - Lisbon, Portugal, 2025. - P. 368-373.

61. Do, P. H. ST-GNN-Powered Compression for Latency Reduction in Hybrid Satellite-Terrestrial Networks [Text] / P. H. Do, T. Due Le, A. Berezkin, R. Kirichek // 8th International Conference on Information, Control, and Communication Technologies (ICCT). - Vladikavkaz, Russian Federation, 2024. - P. 1-10.

62. Niwa, N. Low-Latency High-Bandwidth Interconnection Networks by Selective Packet Compression [Text] / N. Niwa, H. Amano, M. Koibuchi // Ninth International Symposium on Computing and Networking (CANDAR). - Matsue, Japan, 2021. - P. 56-64.

63. Обухов, С. А. Искусственный интеллект в сетях пост-NGN [Текст] / С. А. Обухов, В. С. Елагин // Вестник связи. - 2023. - № 5. - С. 2-6.

64. Обухов, С. А. Модели распределенного искусственного интеллекта в перспективных сетях связи [Текст] / С. А. Обухов, В. С. Елагин // Инфокоммуникационные технологии. - 2023. - Т. 21, № 1. - С. 63-73.

65. Бородин, А. С. Искусственный интеллект в сетях связи пятого и последующих поколений [Текст] / А. С. Бородин, А. Н. Волков, А. С. А. Мутханна, А. Е. Кучерявый // Электросвязь. - 2021. - № 1. - С. 17-22.

66. Ramagundam, S. Improving Service Quality with Artificial Intelligence in Broadband Networks [Text] / S. Ramagundam, D. Patil, N. Karne // International Journal of Scientific Research in Computer Science, Engineering and Information Technology. - 2023. - Vol. 9, no. 6. - P. 435-444.

67. Алексеева, Д. Д. Оптимизация мобильного трафика методами машинного обучения [Текст] / Д. Д. Алексеева, А. В. Марочкина, А. И. Парамонов // Информационные технологии и телекоммуникации. - 2021. - Т. 9, № 1. - С. 112.

68. Verma, R. Traffic Flow Prediction Using LSTM, ARIMA & SARIMA Model for Intelligent Transportation System [Text] / R. Verma, S. Pandey, S. Rup // International Conference on Intelligent Computing and Sustainable Innovations in Technology (IC-SIT). - Bhubaneswar, India, 2024. - P. 1-6.

69. Xu, Y. Machine Learning Based Traffic Prediction and Congestion Control Algorithms in Software Defined Networks [Text] / Y. Xu // International Conference on Interactive Intelligent Systems and Techniques (IIST). - Bhubaneswar, India, 2024. - Р. 285-289.

70. Воробьева, Д. М. Анализ методов кластеризации в сетях туманных вычислений [Текст] / Д. М. Воробьева // Электросвязь. - 2025. - № 7. - С. 40-47.

71. Шелухин, О. И. Классификация IP-трафика методами машинного обучения [Текст] / О. И. Шелухин, С. Д. Ерохин, А. В. Ванюшина. - М.: Научно-техническое издательство "Горячая линия-Телеком", 2018. - 284 с.

72. Кочергин, С. В. Кибербезопасность смарт-сетей: сравнение подходов машинного обучения для обнаружения аномалий [Текст] / С. В. Кочергин, С. В. Артемова, А. А. Бакаев, Е. С. Митяков, Ж. Г. Вегера, Е. А. Максимова // Russian Technological Journal. - 2024. - Т. 12, № 6. - С. 7-19.

73. Фадеев, В. А. Разработка алгоритма анализа и минимизации интерференции Wi-Fi устройств [Текст] / В. А. Фадеев, К. А. Корсукова, Г. В. Никишина, И. Д. Шафигуллин, А. Ф. Надеев // Наукоемкие технологии в космических исследованиях Земли. - 2024. - Т. 16, № 5. - С. 49-57.

74. Тимошкин, М. О. Адаптивная настройка политики очередизации на коммутаторе методами машинного обучения [Текст] / М. О. Тимошкин, Е. П. Степанов // Вестник Московского университета. Серия 15: Вычислительная математика и кибернетика. - 2024. - № 3. - С. 73-84.

75. Муратчаев, С. С. Разработка адаптивного алгоритма TCP на основе машинного обучения в телекоммуникационных сетях [Текст] / С. С. Муратчаев, И. Л. Афонин, А. В. Горелик, А. С. Волков, Е. К. Морозов // Системы синхронизации, формирования и обработки сигналов. - 2019. - Т. 10, № 5. - С. 40-47.

76. Biswas, D. Machine Learning-Enhanced Wireless Communication Protocols for Ultra-Reliable and Low-Latency Applications in Smart Cities [Text] / D. Biswas, A. Tiwari // International Conference on Automation and Computation (AUTOCOM). - Dehradun, India, 2025. - P. 257-261.

77. Новиков, К. Д. Управление QOS с помощью нейронных сетей [Текст] / К. Д. Новиков, М. В. Раскатова, П. Щеголев // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. - 2023. -№ 3. - С. 186-193.

78. До, Ф. Х. Методика тестирования методов минимизации сетевой задержки на фрагменте гибридной сети связи. Часть II. Сжатие ST-GNN и снижение задержки передачи [Текст] / Ф. Х. До // Электросвязь. - 2025. - № 8. -С. 17-26.

79. Simon, J. Deep Graph Neural Networks for Intelligent Traffic Routing in Software-Defined Networks [Text] / J. Simon, N. Kapileswar // 6th International Conference on Intelligent Communication Technologies and Virtual Mobile Networks (ICICV). - Tirunelveli, India, 2025. - Р. 1843-1848.

80. Ferriol-Galmes, M. RouteNet-Fermi: Network Modeling with Graph Neural Networks [Text] / M. Ferriol-Galmes, J. Paillisse, J. Suarez-Varela, K. Rusek, S. Xiao, X. Shi // IEEE/ACM Transactions on Networking. - 2023. - Vol. 31, no. 6. - P. 30803095.

81. Zhang, Y. Computer Communication Network Delay and Traffic Distribution Based on Neural Network Technology [Text] / Y. Zhang // IEEE 6th Information Technology, Networking, Electronic and Automation Control Conference (ITNEC). - Chongqing, China, 2023. - P. 1819-1823.

82. Lin, W. Robust Network Traffic Classification Based on Information Bottleneck Neural Network [Text] / W. Lin, Y. Chen // IEEE Access. - 2024. - Vol. 12. - P. 150169-150179.

83. Rahman, M. H. Spectrum Based Wireless Radio Traffic Classification using Hybrid Deep Neural Network [Text] / M. H. Rahman, R. Bin Mofidul, Y. M. Jang // Thirteenth International Conference on Ubiquitous and Future Networks (ICUFN). -Barcelona, Spain, 2022. - P. 95-99.

84. Клейнрок, Л. Вычислительные системы с очередями [Текст] / Л. Клейнрок. - М.: Мир, 1979. - 600 с.

85. Вишневский, В. М. Теоретические основы проектирования компьютерных сетей [Текст] / В. М. Вишневский. - М.: Техносфера, 2003. - 512 с.

86. Crovella, M. E. Self-similarity in World Wide Web traffic: evidence and possible causes [Text] / M. E. Crovella, A. Bestavros // IEEE/ACM Transactions on Networking. - 1997. - Vol. 5, no. 6. - P. 835-846.

87. Leland, W. E. On the self-similar nature of Ethernet traffic (extended version) [Text] / W. E. Leland, M. S. Taqqu, W. Willinger, D. V. Wilson // IEEE/ACM Transactions on Networking. - 1994. - Vol. 2, no. 1. - P. 1-15.

88. Martin, B. Self-Similarity of Traffic Within a 5G Standalone Network [Text] / B. Martin, J. Snyder, C. A. Bollmann // Fourteenth International Conference on Ubiquitous and Future Networks (ICUFN). - Paris, France, 2023. - P. 533-538.

89. Paxson, V. Wide area traffic: the failure of Poisson modeling [Text] / V. Paxson, S. Floyd // IEEE/ACM Transactions on Networking. - 1995. - Vol. 3, no. 3. -P. 226-244.

90. Paramonov, A. Practical Results of WLAN Traffic Analysis [Text] / A. Paramonov, A. Vikulov, S. Scherbakov // Lecture Notes in Computer Science. - 2017. - Vol. 10531. - P. 721-733.

91. Парамонов, А. И. Модели потоков трафика для сетей М2М / А. И. Парамонов // Электросвязь. - 2014. - № 4. - С. 11-16.

92. Maglaris, B. S. Performance models of statistical multiplexing in packet video communications [Text] / B. S. Maglaris, D. Anastassiou, P. Sen, G. Karlsson, J. D. Robbins // IEEE Transactions on Communications. - 1988. - Vol. 36. - P. 834-844.

93. Willinger, W. Self-similarity through high-variability: statistical analysis of Ethernet LAN traffic at the source level [Text] / W. Willinger, M. S. Taqqu, R. Sherman, D. V. Wilson // IEEE/ACM Transactions on Networking. - 1997. - Vol. 5, no. 1. - P. 71-86.

94. Шелухин, О. И. Самоподобие и фракталы. Телекоммуникационные приложения [Текст] / О. И. Шелухин, А. В. Осин, С. М. Смольский. - М.: Физматлит, 2008. - 368 с.

95. Вишневский, В. М. Системы массового обслуживания с коррелированными входными потоками и их применение для моделирования телекоммуникационных сетей [Текст] / В. М. Вишневский, А. Н. Дудин // Автоматика и телемеханика. - 2017. - № 8. - С. 3-59.

96. Вишневский, В. М. Стохастические системы с коррелированными потоками. Теория и применение в телекоммуникационных сетях [Текст] / В. М. Вишневский, А. Н. Дудин, В. И. Клименок. - М.: Техносфера, 2018. - 563 с.: ил., табл.

97. Дудин, А. Н. Системы массового обслуживания с коррелированными потоками [Текст] / А. Н. Дудин, В. И. Клименок. - Минск: Белорусский государственный университет, 2000. - 175 с.

98. Лихтциндер, Б. Я. Задержки в очередях СМО с коррелированными потоками заявок [Текст] / Б. Я. Лихтциндер // VI Международная конференция «Информационные технологии и нанотехнологии (ИТНТ-2020)»: тр. конф. -Самара, 2020. - С. 568-573.

99. Dudin, A. N. The theory of queuing systems with correlated flows [Text] / A. N. Dudin, V. I. Klimenok, V. M. Vishnevsky. - Cham: Springer, 2020. - P. 392.

100. Chakravarthy, S. R. The batch Markovian arrival process: A review and future work [Text] / S. R. Chakravarthy // Advances in Probability Theory and Stochastic Processes. - 2001. - Vol. 1, no. 1. - P. 21-39.

101. Lucantoni, D. M. New results on single server queue with a batch Markovian arrival process [Text] / D. M. Lucantoni // Stochastic Models. - 1991. - Vol. 7. - P. 1-46.

102. Neuts, M. F. Versatile Markovian point process [Text] / M. F. Neuts // Journal of Applied Probability. - 1979. - Vol. 16, no. 4. - P. 764-779.

103. Latouche, G. Introduction to Matrix Analytic Methods in Stochastic Modeling [Text] / G. Latouche, V. Ramaswami. - Philadelphia: Society for Industrial and Applied Mathematics, 1999. - P. 348.

104. Samouylov, K. Analysis of Multi-Server Queueing System with Flexible Priorities [Text] / K. Samouylov, O. Dudina, A. Dudin // Mathematics. - 2023. - Vol. 11, no. 4. - P. 1040.

105. Dudin, A. Analysis of single-server multi-class queue with unreliable service, batch correlated arrivals, customers impatience, and dynamical change of priorities [Text] / A. Dudin, O. Dudina, S. Dudin, K. Samouylov // Mathematics. - 2021. - Vol. 9, no. 11. - P. 2-17.

106. Тарасов, В. Н. Способы аппроксимация входных распределений для системы G/G/1 и анализ полученных результатов [Текст] / В. Н. Тарасов, И. В. Карташевский // Системы управления и информационные технологии. - 2015. -№3-1(61). - С. 182-185.

107. Jagerman, D. L. Mean Waiting Time Approximations in the G/G/1 Queue [Text] / D. L. Jagerman, B. Balcioglu, T. Altiok, B. Melamed // Queueing Systems. -2004. - No. 46. - P. 481-506.

108. Kartashevskiy, I. Evaluation of packet transmission delay variation in the G/G/1 system [Text] / I. Kartashevskiy, M. Buranova, D. Ergasheva // Lecture Notes in Computer Science. - 2020. - Vol. 12526 LNCS. - P. 185-197.

109. Balcioglu, B. Merging and Splitting Autocorrelated Arrival Processes and Impact on Queueing Performance [Text] / B. Balcioglu, D. L. Jagerman, T. Altiok // Performance Evaluation. - 2008. - Vol. 65. - P. 653-669.

110. Карташевский, И. В. Анализ времени ожидания заявки в очереди для системы массового обслуживания общего вида [Текст] / И. В. Карташевский, А. В. Сапрыкин // T-Comm: Телекоммуникации и транспорт. - 2018. - Т. 12, №2 2. - С. 410.

111. Карташевский, И. В. Сравнение подходов к определению среднего времени ожидания в системе массового обслуживания вида Н2/Н2/1 [Текст] / И. В. Карташевский, С. В. Малахов, Е. М. Мезенцева // Инфокоммуникационные технологии. - 2019. - Т. 17, № 1. - С. 28-33.

112. Карташевский, И. В. Анализ вероятности блокировки системы массового обслуживания M/G/1 при коррелированном времени обработки [Текст] / И. В. Карташевский // T-Comm: Телекоммуникации и транспорт. - 2019. - Т. 13, № 11. - С. 14-19.

113. Тарасов, В. Н. Исследование задержки в системе G/G/1 [Текст] / В. Н. Тарасов, И. В. Карташевский, Л. В. Липилина // Инфокоммуникационные технологии. - 2015. - Т. 13, № 2. - С. 153-159.

114. Карташевский, И. В. Обработка коррелированного трафика в сетях инфокоммуникаций [Текст] / И. В. Карташевский. - М.: НТИ Горячая линия -Телеком, 2023. - 200 с.

115. Дудин, А. Н. Улучшенный алгоритм оптимизации работы узла сети интернет [Текст] / А. Н. Дудин, Н. И. Листопад, Г. В. Царенков // Проблемы проектирования информайионных и телекоммуникационных систем: сб. науч. тр.

- Минск, 2001. - С. 28-43.

116. Лихтциндер, Б. Я. Самоподобие трафика мультисервисных сетей связи: мифы и реальность [Текст] / Б. Я. Лихтциндер // Инфокоммуникационные технологии. - 2019. - Т. 17, № 3. - С. 276-282.

117. Дудин, А. Н. Анализ системы обслуживания с коррелированными входными потоками и изменяемыми приоритетами [Текст] / А. Н. Дудин, С. А. Дудин, О. С. Дудина // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. - 2022. - № 60. - С. 21-31.

118. Демченко, А. С. Применение обеляющего фильтра для обнаружения и различения полезного сигнала при небелом шуме [Текст] / А. С. Демченко, П. Н. Топчий, С. Г. Почивалов // Научно-техническая конференция Санкт-Петербургского НТО РЭС им. А.С. Попова, посвященная Дню Радио: тр. конф. -2023. - № 1(78). - С. 119-121.

119. Сосулин, Ю. Г. Обеляющий фильтр: эволюция и применение [Текст] / Ю. Г. Сосулин, В. В. Костров // Радиотехника иэлектроника. - 1998. - Т. 43, № 9.

- С. 1030-1043.

120. Тепляков, И. М. Радиосистемы передачи информации [Текст] / И. М. Тепляков, Б. В. Рощин, А. И. Фомин, В. А. Вейцель. - М.: «Радио и связь», 1982. -264 с.

121. Нгуен, Т. Ф. Обработка радиотехнических сигналов на фоне помех [Текст] / Т. Ф. Нгуен. - Тамбов: ООО «Консалтинговая компания Юком», 2018. -76 с.

122. Capon, J. High-resolution frequency-wavenumber spectrum analysis [Text] / J. Capon // Proceedings of the IEEE. - 1969. - Vol. 57, no. 8. - P. 1408-1418.

123. Huang, H. A study of the MVDR filter for acoustic echo suppression [Text] / H. Huang, J. Benesty, J. Chen, K. Helwani, H. Buchner // IEEE International Conference on Acoustics, Speech and Signal Processin. - Vancouver, 2013. - Р. 615619.

124. Аверочкин, В. А. Обнаружитель Хотеллинга, использующий декорреляцию квадратурных каналов [Текст] / В. А. Аверочкин, А. В. Троянский // Труды Одесского политехнического университета. - 2014. - № 1(43). - С. 225229.

125. Наместников, С. М. Преобразование изображения с помощью процедуры адаптивной декорреляции [Текст] / С. М. Наместников // Вестник Ульяновского государственного технического университета. - 2001. - № 4(16). -С. 7-10.

126. Агеев, С. А. Адаптивная декорреляция случайных последовательностей [Текст] / С. А. Агеев, К. К. Васильев // LII Научная сессия, посвященная Дню Радио: тр. конф. - М.: Российское научно-техническое общество радиотехники, электроники и связи им. А.С. Попова, 1997. - С. 58-59.

127. Евстигнеев, В. Г. Дихотомические и недихотомические методы декорреляции цифровых изображений [Текст] / В. Г. Евстигнеев, А. В. Бондаренко, А. Н. Кошарновский, В. Д. Лебедев // Системы и средства связи, телевидения и радиовещания. - 2010. - № 1-2. - С. 44-49.

128. Евстигнеев, В. Г. Современные подходы к решению задачи декорреляции цифровых изображений [Текст] / В. Г. Евстигнеев, А. В. Бондаренко, Н. Кошарновский, Д. Лебедев // Техника средств связи. Серия: Техника телевидения. - 2010. - № 1. - С. 26-35.

129. Лебедев, В. Д. О неортогональных преобразованиях цифрового изображения [Текст] / В. Д. Лебедев // Техника средств связи. Серия: Техника телевидения. - 2013. - № 1. - С. 98-108.

130. Sandic-Stankovic, D. Morphological wavelets for 3D volume image decorrelation [Text] / D. Sandic-Stankovic // 17th International Conference on Digital Signal Processing (DSP). - Corfu, Greece, 2011. - P. 1-6.

131. Коробейников, А. В. Применение динамического программирования и кодов Фибоначчи для межканальной декорреляции при сжатии без потерь трехканальных сигналов [Текст] / А. В. Коробейников // Вестник КИГИТ. - 2010. - № 1(10). - С. 72-81.

132. Коробейников, А. В. Итерационное использование формул межканальной декорреляции многоканальных сигналов [Текст] / А. В. Коробейников, Р. М. Гафаров, А. Ф. Мухамедшин, Р. С. Франченко // Интеллектуальные системы в производстве. - 2012. - № 2(20). - С. 025-028.

133. Меркушева, А. В. Методы и алгоритмы разделения смеси сигналов. I. Применение декорреляции и статистик второго порядка [Текст] / А. В. Меркушева, Г. Ф. Малыхина // Научное приборостроение. - 2009. - Т. 19, № 2. - С. 90-103.

134. Jevtic, R. Methodology for Complete Decorrelation of Power Supply EM Side-Channel Signal and Sensitive Data [Text] / Jevtic R., Otero M. G. // IEEE Transactions on Circuits and Systems II: Express Briefs. - 2022. - Vol. 69, no. 4. - P. 2256-2260.

135. Заляпин, Н. В. Современные методы подавления спекл-шума в лазерных проекционных системах (обзор) [Текст] / Н. В. Заляпин, Т. Б. Андреева, И. Н. Компанец // XVI международная конференция по голографии и прикладным

оптическим технологиям HOLOEXPO 2019: тр. конф. - Санкт-Петербург, 2019. -С. 340-351.

136. Xia, J. Decorrelation Lenses for Massive MIMO Visible Light Communications [Text] / J. Xia, B. Zhu, Z. Zhang // IEEE Photonics Technology Letters. - 2025. - Vol. 37, no. 10. - P. 575-578.

137. Блатов, И. А. Применение сплайновых вейвлетов к декорреляции временных рядов [Текст] / И. А. Блатов, Ю. А. Герасимова, И. В. Карташевский // Математическое моделирование. - 2018. - Т. 30, № 6. - С. 60-75.

138. Гайчук, Д. В. Моделирование самоподобных процессов в телекоммуникационных системах [Текст] / Д. В. Гайчук, С. В. Калашников, Г. И. Линец, Л. А. Фомин // Инфокоммуникационные технологии. - 2006. - Т. 4, № 3. -С. 38-42.

139. Шелухин, О. И. Причины самоподобия телетрафика и методы оценки показателя Херста [Текст] / О. И. Шелухин // Электротехнические и информационные комплексы и системы. - 2007. - Т. 3, № 1. - С. 5-14.

140. Sumida, Y. Effects of upper-layer protocols on self-similarity of network traffic [Text] / Y. Sumida, H. Ohsaki, M. Murata, H. Miyahara // Internet Workshop (IWS99). - Osaka, Japan, 1999. - P. 272-279.

141. Wisitpongphan, N. Effect of TCP on self-similarity of network traffic [Text] / N. Wisitpongphan, J. M. Peha // 12th International Conference on Computer Communications and Networks. - Dallas, USA, 2003. - P. 370-373.

142. Черниговский, А. В. Оценка степени самоподобия сетевого трафика [Текст] / А. В. Черниговский, М. В. Кривов // Информационные технологии. Проблемы и решения. - 2019. - № 1(6). - С. 115-120.

143. Borella, M. S. Self-similarity of Internet packet delay [Text] / M. S. Borella, S. Uludag, G. B. Brewster, I. Sidhu // International Conference on Communications (ICC'97). - Montreal, Quebec, Canada, 1997. - P. 513-517.

144. Yeryomin, R. Generating self-similar traffic for wireless network simulation [Text] / R. Yeryomin, E. Petersons // Baltic Congress on Future Internet and Communications. - Riga, Latvia, 2011. - P. 218-220.

145. Шелухин, О. И. Влияние самоподобности трафика на оптимизацию параметров телекоммуникационных сетей [Текст] / О. И. Шелухин, А. В. Осин // Электротехнические и информационные комплексы и системы. - 2007. - Т. 3, .№1.

- С. 55-59.

146. Hagiwara, T. Impact of round trip delay self-similarity on TCP performance [Text] / T. Hagiwara, H. Majima, T. Matsuda, M. Yamamoto // Tenth International Conference on Computer Communications and Networks. - Scottsdale, USA, 2001. - P. 166-171.

147. Pramanik, S. Self-similarity of data traffic in a Delay Tolerant Network [Text] / S. Pramanik, R. Datta, P. Chatterjee // IFIP Wireless Days. - Porto, Portugal, 2017. - P. 39-42.

148. Карташевский, И. В. Анализ среднего времени задержки в системе массового обслуживания при обработке коррелированного трафика [Текст] / И. В. Карташевский, А. Н. Волков, Р. В. Киричек // Электросвязь. - 2019. - №2 3. - С. 4150.

149. Biernacki, A. Analysis of aggregated HTTP-based video traffic [Text] / A. Biernacki // Journal of Communications and Networks. - 2016. - Vol. 18, no. 5. - P. 826-846.

150. Biernacki, A. Analysis and modelling of traffic produced by adaptive HTTP-based video [Text] / A. Biernacki // Multimedia Tools and Applications. - 2017.

- Vol. 76, no. 10. - P. 12347-12368.

151. Morin, D. G. An extended Reality Offloading IP Traffic Dataset and Models [Text] / D. G. Morin, D. Medda, A. Iossifides-Iosifidis, P. Chatzimisios, A. G. Armada, A. Villegas, P. Perez // IEEE Transactions on Mobile Computing. - 2023. -Vol. 23, no. 6. - P. 6820-6834.

152. Nomura, M. Basic characteristics of variable rate video coding in ATM environment [Text] / M. Nomura, T. Fujii, N. Ohta // IEEE Journal on Selected Areas in Communications. - 1989. - Vol. 7, no. 5. - P. 752-760.

153. Осанов, В. А. Программная реализация расчета характеристик трафика передачи данных [Текст] / В. А. Осанов, Д. М. Ульянов // XXXII Российская научно-техническая конференция «Актуальные проблемы информатики, радиотехники и связи»: тр. конф. - Самара, 2025. - С. 326-328.

154. Карташевский, И. В. Исследование влияния уровня автокорреляции видео-трафика на качество обслуживания [Текст] / И. В. Карташевский, С. В. Малахов, В. А. Осанов, Д. О. Якупов // VII научный форум «Телекоммуникации: Теория и технологии (ТТТ-2024)»: материалы XXVI Международной научно-технической конференции «Проблемы техники и технологий телекоммуникаций (ПТиТТ-2024)». - Самара, 2024. - С. 178-179.

155. Mia, N. Performance impacts of autocorrelated flows in multi-tiered systems [Text] / N. Mia, Q. Zhang, A. Riska, E. Smirni, E. Riedel // Performance Evaluation. - 2007. - Vol. 64. - P. 1082-1101.

156. Осанов, В. А. Методика уменьшения задержки в беспроводных сенсорных сетях [Текст] / В. А. Осанов, И. В. Карташевский // VI Научный форум «Телекоммуникации: теория и технологии (ТТТ-2023)»: материалы XXV Международной научно-технической конференции «Проблемы техники и технологий телекоммуникаций (ПТиТТ-2023)». - Казань, 2023. - С. 263-264.

157. Солодовщиков, А. Ю. Исследование метода Карунена-Лоэва [Текст] / А. Ю. Солодовщиков // Известия Российской академии наук. Теория и системы управления. - 2007. - № 4. - С. 122-128.

158. Поташников, А. М. Методы адаптивного кодирования цветовых составляющих видео изображений с применением преобразования Карунена-Лоэва [Текст] / А. М. Поташников // Фундаментальные проблемы радиоэлектронного приборостроения. - 2012. - Т. 12, № 6. - С. 127-130.

159. Ломоносов, Ю. В. Анализ эффективности унитарных преобразований в алгоритмах сжатия изображений [Текст] / Ю. В. Ломоносов // Innovative Solutions in Modern Science. - 2016. - № 7(7). - С. 115-125.

160. Хмельнов, А. Е. Обратимая целочисленная аппроксимация преобразований цветового пространства для сжатия без потерь цветных растровых данных большого объёма [Текст] / А. Е. Хмельнов // Компьютерная оптика. - 2022. - Т. 46, № 3. - С. 492-505.

161. Kountchev, R. Image compression based on the Karhunen-Loeve color transform with Inverse Pyramid decomposition [Text] / R. Kountchev, R. Kountcheva // 10th International Conference on Telecommunication in Modern Satellite Cable and Broadcasting Services (TELSIKS). - Nis, Serbia, 2011. - P. 315-324.

162. Сидякин, И. М. Декорреляция данных телеизмерений с использованием модифицированного дискретного косинусного преобразования (МДКП) [Текст] / И. М. Сидякин, Ю. Н. Павлов // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. - 2006. - № 10. - С. 6.

163. Бумагин, А. Характеристики декоррелирующих преобразований для задачи сжатия изображений [Текст] / А. Бумагин, А. Гондарь, В. Стешенко, К. Калашников, А. Прудникова // Компоненты и технологии. - 2010. - № 4(105). - С. 113-116.

164. Da Silveira, T. L. T. A Class of Low-Complexity DCT-Like Transforms for Image and Video Coding [Text] / T. L. T. da Silveira, D. R. Canterle, D. F. G. Coelho, V. A. Coutinho, F. M. Bayer, R. J. Cintra // IEEE Transactions on Circuits and Systems for Video Technology. - 2022. - Vol. 32, no. 7. - P. 4364-4375.

165. Фукунага, К. Введение в статистическую теорию распознавания образов [Текст] / К. Фукунага. - М.: Наука, 1979. - 368 с.

166. Сэломон, Д. Сжатие данных, изображений и звука [Текст] / Д. Сэломон. - М.: Техносфера, 2004. - 368 с.

167. Осанов, В. А. Методы повышения качества обслуживания на основе исследования корреляции видео-трафика [Текст] / В. А. Осанов, И. В.

Каратшевский // XI Международная заочная научно-техническая конференция «Информационные технологии. Радиоэлектроника. Телекоммуникации. (ITRT-2024)»: тр. конф. - Тольятти, 2024. - С. 254-262.

168. Коробейников, А. В. Трехмерные целочисленные вейвлеты Хаара [Текст] / А. В. Коробейников // Вестник КИГИТ. - 2014. - № 1(43). - С. 61-67.

169. Kartashevskii, I. Theoretical algorithm for trafiic decorrelation in Fog computing [Text] / I. Kartashevskii, V. Osanov // The IXth International Conference on information technology and nanotechnology (ITNT 2023). - Samara, 2023. - P. 1-6.

170. Карташевский, И. В. Исследование алгоритма декорреляции сетевого трафика на основе вейвлет преобразования [Текст] / И. В. Карташевский, В. А. Осанов, С. В. Малахов, Д. О. Якупов // Инфокоммуникационные технологии. -2024. - Т. 22, № 1(85). - С. 24-31.

171. Осанов, В. А. Декорреляция интервалов времени между пакетами сетевого трафика / В. А. Осанов, С. В. Малахов, Д. О. Якупов, И. В. Карташевский // VII научный форум «Телекоммуникации: Теория и технологии (ТТТ-2024)»: материалы XXVI Международной научно-технической конференции «Проблемы техники и технологий телекоммуникаций (ПТиТТ-2024)». - Самара, 2024. - С. 180-181.

172. Карташевский, В. Г. Прием кодированных сигналов в каналах с памятью [Текст] / В. Г. Карташевский, Д. В. Мишин. - М.: Радио и связь, 2004. -239 с.

173. Баринов, А. Ю. Перемежение в канальном кодировании: свойства, структура, специфика применения [Текст] / А. Ю. Баринов // Журнал радиоэлектроники. - 2019. - № 1. - С. 3.

174. Dolinar, S. Weight distributions for turbo codes using random and nonrandom permutations [Text] / S. Dolinar, D. Divsalar // California: TDA Progress Report 42-122, 1995. - P. 56-65.

175. Данг, К. Н. Комбинированный перемежитель для турбокода [Текст] / К. Н. Данг, В. Н. Нгуен, Х. Ф. Нгуен, В. Н. Смирнов // Известия высших учебных заведений России. Радиоэлектроника. - 2013. - № 1. - С. 17-21.

176. Быков, В. В. Цифровое моделирование в статистической радиотехнике [Текст] / В. В. Быков. - М.: Советское радио, 1971. - 328 с.

177. Осанов, В. А. Сравнительный анализ методов декорреляции сетевого трафика [Текст] / В. А. Осанов // Вестник Рязанского государственного радиотехнического университета. - 2025. - № 92. - С. 25-38.

178. Кормен, Т. Х. Алгоритмы: построение и анализ [Текст] / Т. Х. Кормен, Ч. И. Лейзерсон, Р. Л. Ривест, К. Штайн; пер. с англ. И. В. Красикова, Н. А. Ореховой, В. Н. Романова. - 2-е изд. - М.: Издательский дом «Вильямс», 2011. -1296 с. : ил.

179. Осанов, В. А. Имитационная модель процесса декорреляции трафика в сетевом устройстве [Текст] / В. А. Осанов, И. В. Карташевский // ЬХХХ Всероссийская конференция, посвящённая «Дню радио», «Радиоэлектронные устройства и системы для инфокоммуникационных технологий (РЭУС-ИТ 2025)»: тр. конф. - Москва, 2025. - С. 150-153.

180. Гнеденко, Б. В. Курс теории вероятностей [Текст] / Б. В. Гнеденко. -6-е изд., перераб. и доп. - М.: Наука. гл. ред. физ.-мат. лит., 1988. - 448 с.

181. Алиев, Т. И. Основы моделирования дискретных систем [Текст] / Т. И. Алиев. - СПб.: СПбГУ ИТМО, 2009. - 363 с.

182. Бурдин, А. В. Разработка имитационной модели процесса декорреляции временных интервалов в сетевом устройстве [Текст] / А. В. Бурдин, В. А. Осанов, И. В. Карташевский // Т-Сотт: Телекоммуникации и транспорт. -2025. - Т. 19, № 10. - С. 35-42.

183. Кельтон, В. Имитационное моделирование. Классика CS. [Текст] / В. Кельтон, А. Лоу. - 3-е изд. - СПб.: Питер, 2004. - 847 с.

184. Клейнрок, Л. Теория массового обслуживания [Текст] / Л. Клейнрок; под ред. В. И. Неймана. - М.: Машиностроение, 1979. - 432 с.

185. Cohen, J. W. The single server queue [Text] / J. W. Cohen. - Amsterdam: North Holland Publishing Company, 1969. - 695 р.

186. Пугачев, В. С. Теория случайных функций и ее применение к задачам автоматического управления [Текст] / В. С. Пугачев. - М.: Физматлит, 1960. - 883 с.

187. Дремин, И. Н. Вейвлеты и их использование [Текст] / И. Н. Дремин, О. В. Иванов, В. А. Нечитайло // Успехи физических наук. - 2001. - Т. 171, № 5. - С. 465-501.

188. Малахов, А. Н. Кумулянтный анализ случайных негауссовых процессов и их преобразований [Текст] / А. Н. Малахов. - М.: Советское радио, 1978. - 376 с.

189. Кендалл, М. Теория распределений [Текст] / М. Кендалл, А. Стюарт; под ред. А. Н. Колмогорова. - М.: Наука, 1966. - 566 с.

190. Kartashevskiy, I. V. A Method of Estimating Statistical Characteristics of Network Traffic after its Decorrelation [Text] / I. V. Kartashevskiy, V. A. Osanov // 27th International Conference on Digital Signal Processing and its Applications (DSPA 2025). - Moscow, 2025. - P. 1-5.

191. Диткин, В. А. Интегральные преобразования и операционное исчисление [Текст] / В. А. Диткин, А. П. Прудников. - М.: ГИФМЛ, 1961. - 524 с.

192. Кудрявцев, Л. Д. Курс математического анализа. Том II: учебник для студентов университетов и вузов [Текст] / Л. Д. Кудрявцев. - М.: Высшая школа, 1981. - 584 с.

193. Ширяев, А. Н. Вероятность - 1 [Текст] / А. Н. Ширяев. - 3-е изд., перераб. и доп. - М.: МЦНМО, 2004. - 520 с.

194. Heyde, C. C. On a Property of the Lognormal Distribution [Text] / C. C. Heyde // Journal of the Royal Statistical Society: Series B (Methodological). - 1963. -Vol. 25, no. 2. - P. 392-393.

195. Johnson, N. L. Continuous Univariate Distributions. Volume 1 [Text] / N. L. Johnson, S. Kotz, N. Balakrishnan. - 2nd. ed. - New-York: Wiley, 1994. - 756 p.

196. Barakat, R. Sums of independent lognormally distributed random variables [Text] / R. Barakat // Journal of the Optical Society of America. - 1976. - Vol. 66, no.3.

- P. 211-216.

197. Beaulieu, N. C. A simple integral form of lognormal characteristic functions convenient for numerical computation [Text] / N. C. Beaulieu // IEEE Global Telecommunications Conference (GLOBECOM). - USA, 2006. - P. 1-3.

198. Beaulieu, N. C. A power series expansion for the truncated lognormal characteristic function [Text] / N. C. Beaulieu // Conference «25th Biennial Symposium on Communicati». - Canada, 2010. - P. 284-287.

199. Leipnik, R. B. On lognormal random variables: I - the characteristic function [Text] / R. B. Leipnik // Journal of the Australian Mathematical Society Series B. - 1991. - Vol. 32. - P. 327-347.

200. Gubner, J. A. A new formula for lognormal characteristic functions [Text] / J. A. Gubner // IEEE Transactions on Vehicular Technology. - 2006. - Vol. 55, no. 5.

- P. 1668-1671.

201. Beaulieu, N. C. Fast convenient numerical computation of lognormal characteristic functions [Text] / N. C. Beaulieu // IEEE Transactions on Communications. - 2008. - Vol. 56, no. 3. - P. 331-333.

202. Mehta, N. B. Approximating a sum of random variables with a lognormal [Text] / N. B. Mehta, J. Wu, A. F. Molisch, J. Zhang // IEEE Transactions on Wireless Communications. - 2007. - Vol. 6, no. 7. - P. 2690-2699.

203. Saberali, S. A. New approximations to the lognormal characteristic function [Text] / S. A. Saberali, N. C. Beaulieu // IEEE Global Communications Conference (GLOBECOM). - USA, 2012. - Р. 2168-2172.

204. Holgate, P. The lognormal characteristic function [Text] / P. Holgate // Communications in Statistics - Theory and Methods. - 1989. - Vol. 18, no. 12. - P. 4539-4548.

205. De Bruin, N. G. Asymptotic methods in analysis [Text] / N. G. De Bruin. -2nd. ed. - Amsterdam: North Ho P land, 1961. - 214 р.

206. Осанов, В. А. Декорреляция сетевого трафика методом диагонально-блочного перебора [Текст] / В. А. Осанов // VII научный форум «Телекоммуникации: Теория и технологии (ТТТ-2024)»: материалы XXVI Международной научно-технической конференции «Проблемы техники и технологий телекоммуникаций (ПТиТТ-2024)». - Самара, 2024. - С. 86-87.

207. Осанов, В. А. Реализация задачи декорреляции сетевого трафика [Текст] / В. А. Осанов, И. В. Карташевский, С. В. Малахов, Д. О. Якупов // XXV Всероссийская конференция молодых учёных по математическому моделированию и информационным технологиям: тр. конф. - Новосибирск: Федеральный исследовательский центр информационных и вычислительных технологий, 2024. - С. 52.

208. Шелухин, О. И. Фрактальные процессы в телекоммуникациях [Текст] / О. И. Шелухин, А. М. Тенякшев, А. В. Осин. - М.: Радиотехника, 2003. - 480 с.

209. Карташевский, И. В., Осанов, В. А. Патент на изобретение от 21.04.2025 № 2838593 C1 Способ декорреляции временных интервалов между пакетами на выходе источника сообщений.

139

ПРИЛОЖЕНИЕ А Документы, подтверждающие внедрение основных результатов

диссертационной работы

■U *>«

РУБИН

HklM^OttCCntaOMri/kCD^tlVCnrTVT

Экз. № -i

АКЦИОНЕРНОЕ ОБЩЕСТВО «НАУЧНО-

ИССЛЕДОВАТЕЛЬСКИЙ ИНСТИТУТ «РУБИН» ИНН 7802776390/КПП 780201001 ул. Кантемировская, дом 5, г. Санкт-Петербург, 194100, РФ Тел.: [phone], Факс:[phone], E-mail: [e-mail]

«УТВЕРЖДАЮ»

Генеральный директор <Рубин»

АКТ

о внедрении результатов диссертационной работы на соискание ученой степени кандидата технических наук Осанова Владимира Андреевича, выполненной на тему: «Разработка и исследование методов декорреляции сетевого трафика»

Комиссия АО «Научно-исследовательский институт «Рубин» в составе председателя Директора по научно-техническому развитию доктора технических наук, профессора Гречишникова Евгения Владимировича и членов: начальника НИО кандидата технических наук Смирнова Константина Алексеевича и ведущего научного сотрудника НИО кандидата технических наук, доцента Санина Юрия Васильевича составила настоящий акт в том, что настоящим актом удостоверяет, что результаты диссертационной работы Осанова Владимира Андреевича внедрены в АО «НИИ «Рубин» и применялись при выполнении научно-исследовательских и опытно-конструкторских работ по государственному оборонному заказу (ОКР «Марс-СПО ТУ КСС»).

К внедренным результатам относятся: - математический аппарат оценки выходного потока временных интервалов между блоками декорреляции с целью определения

наличия искажений по форме и отставания по времени относительно входного потока

- программная реализация сетевого устройства, обеспечивающего декорреляцию трафика в реальном времени.

Научно-методические и программные решения, разработанные автором, способствуют получению эффекта, заключающегося в уменьшении среднего времени передачи пакета (в среднем на 74%) и в количестве потерянных пакетов (в среднем на 98%).

АО «НИИ «Рубин» отмечает перспективность и целесообразность практического использования научных методов и программного комплекса, разработанных Осановым Владимиром Андреевичем, для обеспечения технологического суверенитета и повышения стратегической устойчивости предприятий оборонно-промышленного комплекса Российской Федерации.

Акт о внедрении обсужден и одобрен на заседании научно-исследовательского отдела АО «НИИ «Рубин»,

протокол № 4!(190)/25 - НИО от 27 ноября 2025 г.

Председатель комиссии:

доктор технических наук, профессор

Члены комиссии: кандидат технических наук, доцент

кандидат технических наук

Е.В. Гречишников

К.А. Смирнов

Ю.В. Санин

УТВЕРЖДАЮ

»p по учебной работе ВО ПГУТИ

доцент

дмв^ча^тпг—г —

ФГБОУ Г

Ш —

«20» июня 2025 г.

М.Л. Буранова

АКТ

о внедрении результатов диссертационной работы Осанова Владимира Андреевича «Разработка н исследование методов декорреляции сетевого трафика»

Комиссия ФГБОУ ВО «Поволжский государственный университет телекоммуникаций и информатики» в составе: председателя комиссии Тучковой A.C. - начальника управления организации учебного процесса (УОУ11), и членов комиссии: д.т.н., проф. Тарасова В.Н. -заведующего кафедрой управления в технических системах (УТС), к.т.н. Ахметшнной Э.Г. -заместителя заведующего кафедрой УТС, доцента кафедры УТС, составили настоящий акт о том, что в университете внедрены в учебный процесс на кафедру УТС следующие результаты диссертационной работы Осанова В.А.:

1. метод декорреляции сетевого трафика, направленный на понижение уровня автокорреляции временных интервалов между пакетами посредством перестановочного алгоритма и позволяющий снизить среднее время передачи пакетов и уровень потерь пакетов;

2. имитационная модель процесса декорреляции сетевого трафика, позволяющая определить необходимое количество каналов обслуживания, вычислить среднее время задержки одного блока декорреляции в системе и среднее время задержки в очереди.

Указанные результаты диссертационной работы Осанова В.А. используются на кафедре

УТС:

— в рамках проведения лекционных и практических занятиях по дисциплине «Проектирование и моделирование компьютерных сетей», в образовательной программе по направлениям подготовки 09.03.01 - Информатика и вычислительная техника, 09.03.04 -Программная инженерия, 27.03.04 - Управление в технических системах, бакалавриат;