Predição de trafego auto-similar em redes de faixa larga

Este trabalho tem como objetivo estudar os modelos e a predição de tráfego com características auto-similares (fractais) em redes de comunicações de faixa larga, como por exemplo, a rede ATM (Asynchronous Transfer Mode). Para isto, são estudados os principais modelos de processos estocásticos auto-similares, bem como os métodos utilizados para estimação do grau de auto-similaridade de uma série temporal. São também estudadas as principais conseqüências do fenômeno da auto-similaridade no problema da predição, estimação e controle do tráfego em redes de alta velocidade. Para fins de predição, avalia-se o uso de preditores lineares (filtros FIR) e não-lineares, estes últimos representados pelas redes neurais do tipo perceptron multicamadas FIR e Redes de Funções de Base Radiais (Radial Basis Function). A eficácia dos preditores estudados é analisada através da predição de tráfego real de redes locais Ethernet. Além disso, propõe-se um algoritmo adaptativo, baseado no algoritmo EM (Expectation- Maximization), para estimação dos parâmetros de uma mistura de densidades GaussianasThe purpose of this work is to study the modeling and predietion of self-similar traffie signals in broadband telecommunications networks (ATM networks, for example). With this in mind, we study the main models of self-similar random processes, as well as the estimation methods for the degree of self-similarity of time series. We also study the eonsequenees of statistic self-similarity in problems like prediction, estimation and traffie control in high-speed networks. For the particular case of prediction, we investigate the use of linear FIR filters and non-linear predietors, the latter being represented by FIR multilayer perceptron and by Radial Basis Function (RBF) neural networks. The performanee of predictors is evaluated with real LAN Ethernet traffie. Finally, we propose an adaptive algorithm, based on the EM algorithm (Expectation-Maximization), for real time estimation of the parameters of a mixture of Gaussian densitie