Predição e estimação de parametros de processos auto-similares para redes de faixa larga

Resumo: O objetivo deste trabalho é o estudo de técnicas ótimas e sub-ótimas, no sentido quadrático médio, para a caracterização estatística de processos auto-similares, visando aplicações em redes de faixa larga. Especificamente, o trabalho aborda métodos ótimos e sub-ótimos de predição e estimação de parâmetros para processos Brownianos Fracionários (fBm) não estacionários, que têm sido considerados os mais representativos na modelagem de processos com dependência de longo prazo. Preditores ótimos variantes no tempo para processos fBm discretos são obtidos, e sua aplicação no controle, gerenciamento e policiamento de tráfego é discutida. Demonstra-se que uma técnica de baixa complexidade pode ser obtida para o cômputo da transformada wavelet sequencial, que pode ser utilizada com vantagem na estimação dos parâmetros do fBm. O problema do policiamento de tráfego em redes ATM é estudado à luz das características de dependência de longo prazo dos processos auto-similares. Para isso, estuda-se o comportamento do algoritmo "leaky bucket" para o policiamento de tráfego e as possíveis vantagens do uso de algoritmos ótimos para processos auto-similares. Neste caso, desenvolve-se uma técnica baseada em filtros de Kalman para a estimação dos parâmetros mais relevantes para o policiamento de tráfegoAbstract: The objective of this work is the study of optimal and suboptimal techniques, in the meansquare sense, for the statistical characterization of self-similar processes, with applications to broadband networks. Specifically, the work is about optimal and suboptimal methods of prediction and estimation of parameters for fractional Brownian motions (fBm), a class of nonstationary processes that have been considered for long-range dependent processes modeling. Time-variant optimal predictors for discrete fBm processes are obtained and their applications in traffic control, management and policy are discussed. It is demonstrated that a technique of low complexity can be obtained for the computation of sequential wavelet transform, that can be used with advantages in estimation of fBm parameters. The problem of traffic policing in ATM networks is studied on the basis of the characteristics of the long-range dependence of self-similar processes. The leaky bucket algorithm for traffic policing is discussed and the possible advantages of using an optimal algorithm for self-similar processes are studied. In this case, a technique based on Kalman filters is presented for the estimation of the relevant parameters for traffic policin