Оптимальное оценивание состояний полусинхронного потока событий второго порядка при непродлевающемся мертвом времени
Рассматривается задача оптимального оценивания состояний полусинхронного потока событий второго порядка, являющегося одной из адекватных математических моделей информационных потоков заявок, функционирующих в современных цифровых сетях интегрального обслуживания, телекоммуникационных сетях, спутниковых сетях связи. Поток функционирует в условиях непродлевающегося мертвого времени. Находится явный вид апостериорных вероятностей состояний потока. Решение о состоянии потока принимается по методу максимума апостериорной вероятности. Формулируется алгоритм оптимального оценивания состояний. Приводятся результаты статистических экспериментов.
Optimal state estimation of semi-synchronous events flow of the second order under conditions of unextendable dead time.pdf При описании и анализе реальных экономических, технических, физических и других процессов часто возникает необходимость применять математические модели теории массового обслуживания (ТМО). В настоящее время в связи с бурным развитием информационных технологий важнейшими сферами приложений ТМО являются проектирование и создание цифровых сетей интегрального обслуживания (ЦСИО). Так как на практике параметры, определяющие поток событий, как правило, случайным образом изменяются со временем, то адекватными математическими моделями информационных потоков сообщений, функционирующих в ЦСИО, являются дважды стохастические потоки событий [1-8]. В данных потоках событий не только случайны моменты наступления событий, но и интенсивность потока представляет собой случайный процесс, т.е. имеет место двойная стохастика. Объектом изучения настоящей работы является полусинхронный поток событий второго порядка. В большинстве случаев рассматриваются модели входящих потоков событий, когда события потока полностью наблюдаемы. Однако на практике любое регистрирующее устройство затрачивает некоторое время на регистрацию события, в течение которого оно не способно обработать следующие события, т.е. событие, поступившее на прибор, порождает период мертвого времени [9], в течение которого другие наступившие события потока недоступны для наблюдения. Принимается, что этот период продолжается некоторое фиксированное время (непродлевающееся мертвое время). Основными задачами при изучении дважды стохастических потоков событий являются следующие: 1) оценка состояний потока [10-12]; 2) оценка параметров потока [13-19]. В настоящей работе предлагается алгоритм оптимального оценивания состояний рассматриваемого потока в условиях его неполной наблюдаемости методом максимума апостериорной вероятности [20]. Применение данного метода обусловлено тем, что апостериорная вероятность является характеристикой, обладающей наиболее полной информацией об исследуемом процессе, содержащейся в выборке наблюдений, а также в силу того, что метод максимума апостериорной вероятности обеспечивает минимум полной вероятности ошибки принятия решения [21]. Данная статья является непосредственным развитием работ [11, 12]. 1. Постановка задачи Рассматривается стационарный режим функционирования полусинхронного дважды стохастического потока событий второго порядка (поток), сопровождающий случайный процесс которого X(t) является кусочно-постоянным с двумя состояниями 5*1 и S 2 . Длительность интервала между событиями потока в первом состоянии определяется случайной величиной ^ = min(^(1), ^(2)), где случайная величина (1) имеет функцию распределения F (1)(t) = 1 - e~Xlt, случайная величина ^(2) - функцию распределения F(2)(t) = 1 - e_a1t; (1) и ^(2) - независимые случайные величины. Таким образом, длительность интервала между событиями потока в первом состоянии процесса X(t) является случайной величиной с функцией распределения F (t) = 1 - e +a1 )t. В момент наступления события потока процесс X(t) переходит из первого состояния во второе либо с вероятностью P1(1)(X 2 | X1), либо с вероятностью P1(2)(X 2 | X1) в зависимости от того, какое значение приняла случайная величина ^ . В момент наступления события потока процесс X(t) остается в первом состоянии либо с вероятностью р (1)(X | X ), либо с вероятностью р (2)(Xj | X ) в зависимости от значения случайной величины ^ . Здесь P1(1)(X 2| X1) + P1(1)(X1 | X1) = 1, P1(2)(X 2 | X1) + P1(2)(X1 | X1) = 1. Длительность пребывания процесса X(t) во втором состоянии есть случайная величина с функцией распределения F2(t) = 1 - е~а2 . В течение времени пребывания процесса X(t) во втором состоянии имеет место пуассоновский поток событий с параметром X 2 . В последующем изложении полагается, что имеет место состояние Si (i -е состояние) процесса X(t), если X(t) = Xi, i = 1, 2; X1 >X2 > 0. Матрицы инфинитезимальных характеристик процесса X(t) имеют вид: Xр(1)(X | X)+aP(2)(X | X) XP(1)(X2 | X)+aP(2)(x2 | X) 0 X2 - (X1 + a1) 0 a2 - (X2 +a 2) , D = D = Элементами матрицы D являются интенсивности переходов процесса X(t) из состояния в состояние с наступлением события. Недиагональные элементы матрицы D0 - интенсивности переходов из состояния в состояние без наступления события; диагональные элементы матрицы D0 - интенсивности выхода процесса X(t) из своих состояний, взятые с противоположным знаком. После каждого зарегистрированного в момент времени tk события наступает период мертвого времени фиксированной длительности T, в течение которого другие события рассматриваемого потока являются недоступными наблюдению (теряются). По окончании периода мертвого времени первое наступившее событие снова создает период мертвого времени длительности T (непродлевающееся мертвое время) и т.д. Для наглядности на рис. 1 приведен пример возникающей ситуации, где ^, t2, ... - моменты наступления событий в наблюдаемом потоке; периоды мертвого времени длительности T обозначены штриховкой; черными кружками обозначены события полусинхронного потока второго порядка, недоступные наблюдению. Процесс X(t) является марковским. Поскольку X(t) является принципиально ненаблюдаемым, наблюдаются только моменты времени наступления событий t1 , t2 , ., то X(t) - скрытый марковский процесс или ненаблюдаемый сопровождающий марковский процесс. Требуется по наблюдениям ^, t2, ... за потоком событий на временном интервале (t0, t) оценить состояние процесса X(t) (потока) в момент окончания наблюдений t, где 10 - момент начала наблюдений. Без ограничений общности можно положить t(j = 0 . Полусинхронный поток событии второго порядка ... 1 "L,L"" Ъшттттт-jy/jy//////'////////// mknn ^ШТ/ГШ/ -.,„,„„„ -„,,,,,„.,--уТТТТТТТТ-ТТТТТТТ -jr^ j Схема оозданря мертвого времени j ... - _Ь * " ' ь '_ь. h ti h tA h '7 • • • ' Наблюдаемый поток событий Рис. 1. Формирование наблюдаемого потока событий Fig. 1 • Formation of the observed event flow Для вынесения решения о состоянии процесса X(t) в момент времени t необходимо определить апостериорные вероятности w(Xt11) = w(Xt | t1,...fm,t) = P(X(t) = Xi | tl,...,tm,t), i = 1,2, того, что в момент времени t значение процесса X(t) = Xi (m - количество событий потока за время t), при этом w(X1 11) + w(X2 11) = 1. Оптимальное оценивание по критерию максимума апостериорной вероятности выглядит следующим образом: если w(Xt 11) > w(Xj 11) , i, j = 1,2 , i ф j , то оценка состояния процесса есть X(t) = Xi, иначе X(t) = X j , i, j = 1,2 . 2. Оптимальное оценивание состояний полусинхронного потока событий второго порядка Момент вынесения решения t принадлежит интервалу (tk, tk+1) , к = 1,2,..., между соседними событиями наблюдаемого потока. Для начального интервала (t0,t{) момент t лежит между началом наблюдения и первым событием в наблюдаемом потоке. Рассмотрим интервал (tk,tk+1) , значение длительности которого есть xk = tk+1 - tk, к = 0, 1,... . Однако, так как наблюдаемое в момент tк событие порождает период мертвого времени длительности T, то хк = T + цк , где цк - значение длительности интервала между моментом окончания периода мертвого времени tk + T и моментом tk+j, т.е. интервал (tk, tk+0 разбивается на два смежных: полуинтервал (tk, tk + T] и интервал (tk + T, tk. Отметим, что условия нахождения апостериорной вероятности w(X1 11) на данных интервалах разные, так как на полуинтервале (tk, tk + T] поток недоступен наблюдению, а на интервале (tk + T, tk+1) поток наблюдаем. 2.1. Выражения для апостериорной вероятности в условиях отсутствия мертвого времени Рассмотрим ситуацию, когда T = 0, т.е. мертвое время отсутствует. В работе [11] сформулирован алгоритм расчета апостериорной вероятности w(X111) для данного случая. Лемма 1. На временных интервалах (0, t1) и (tk, tk+l), к = 1,2,..., апостериорная вероятность w(X1 11) удовлетворяет дифференциальному уравнению Риккати: (1) dw(Xi \t) = ^ -X2 +a,1)w2(X1 11) - (Xx -X2 +ax +а2^(Хх 11) + а2 . dt Лемма 2. Апостериорная вероятность w(X1 \ t) в момент tk, к = 1,2,..., наступления события полусинхронного потока второго порядка определяется формулой пересчета „
Ключевые слова
непродлевающееся мертвое время,
полусинхронный поток событий второго порядка,
оптимальное оценивание состояний,
апостериорные вероятности,
метод максимума апостериорной вероятности,
semi-synchronous event flow of the second order,
unextendable dead time,
optimal state estimation,
posterior probabilities,
maximum method of a posteriori probabilityАвторы
Нежельская Людмила Алексеевна | Томский государственный университет | доцент, доктор физико-математических наук, профессор кафедры прикладной математики Института прикладной математики и компьютерных наук | ludne@mail.tsu.ru |
Тумашкина Диана Александровна | Томский государственный университет | магистрант кафедры прикладной математики Института прикладной математики и компьютерных наук | diana1323@mail.ru |
Всего: 2
Ссылки
Соболь И.М. Численные методы Монте-Карло. М. : Наука, 1973. 312 с.
Эльсгольц Л.Э. Дифференциальные уравнения и вариационное исчисление. М. : Наука, 1969. 424 с.
Левин Б.Р. Теоретические основы статистической радиотехники. М. : Сов. радио, 1968. 504 с.
Хазен Э.М. Методы оптимальных статистических решений и задачи оптимального управления. М. : Сов. радио, 1968. 256 с.
Bakholdina M., Gortsev A. Joint probability density of the intervals length of the modulated semy-synchronous integrated flow of events and its recurrence conditions // Communications in Computer and Information Science. 2014. V. 487. P. 18-25.
Vasil'eva L.A., Gortsev A.M. Estimation of parameters of a double-stochastic flow of events under conditions of its incomplete observability // Automation and Remote Control. 2002. V. 63, is. 3. P. 511-515.
Gortsev A.M., Klimov I.S. Estimation of intensity of Poisson stream of events for conditions under which it is partially unobserv-able // Telecommunications and Radio Engineering. 1992. V. 47, is. 1. P. 33-38.
Gortsev A.M., Klimov I.S. Estimation of the parameters of an alternating Poisson stream of events // Telecommunications and Radio Engineering. 1993. V. 48, is. 10. P. 40-45.
Gortsev A.M., Nezhel'skaya L.A. Estimate of parameters of synchronously alternating Poisson stream of events by the moment method // Telecommunications and Radio Engineering. 1996. V. 50, is. 1. P. 56-63.
Бушланов И.В., Горцев А.М., Нежельская Л.А. Оценка параметров синхронного дважды стохастического потока событий // Автоматика и телемеханика. 2008. № 9. С. 76-93.
Nezhel'skaya L. Probability density function for modulated MAP event flows with unextendable dead time // Communications in Computer and Information Science. 2015. V. 564. P. 141-151.
Нежельская Л.А., Тумашкина Д.А. Оптимальное оценивание состояний полусинхронного потока событий второго порядка // Труды Томского государственного университета. Сер. физико-математическая. Томск : Изд. Дом ТГУ, 2017. Т. 301. С. 97-105.
Nezhelskaya L., Tumashkina D. Optimal state estimation of semi-synchronous event flow of the second order under its complete observability // Communications in Computer and Information Science. 2018. V. 912. P. 93-105.
Nezhelskaya L. Optimal state estimation in modulated MAP event flows with unextendable dead time // Communications in Computer and Information Science. 2014. V. 487. P. 342-350.
Апанасович В.В., Коляда А.А., Чернявский А.Ф. Статистический анализ случайных потоков в физическом эксперименте. Минск : Университетское, 1988. 256 с.
Basharin G.P., Gaidamaka Yu.V., Samouylov K.E. Mathematical theory of teletraffic and its application to the analysis of multi service communication of the next generation networks // Automatic Control and Computer Sciences. 2013. V. 47, No. 2. P. 62-69.
Lucantoni D.M. New results on the single server queue with a bath markovian arrival process // Communications in Statistics Sto chastic Models. 1991. V. 7. P. 1-46.
Дудин А.Н., Клименок В.И. Системы массового обслуживания с коррелированными потоками. Минск : Изд-во Белорус. гос. ун-та, 2000. 175 с.
Kingman J.F.C. On doubly stochastic Poisson process // Proceedings of the Cambridge Philosophical Society. 1964. V. 60, is. 4. P. 923-930.
Cox D.R. The analysis of non-Markovian stochastic processes by the inclusion of supplementary variables // Proceedings of the Cambridge Philosophical Society. 1955. V. 51, No. 3. P. 433-441.
Neuts M.F. A versatile Markov point process // Journal of Applied Probability. 1979. V. 16. P. 764-779.
Башарин Г.П., Кокотушкин В.А., Наумов В.А. О методе эквивалентных замен расчета фрагментов сетей связи. Ч. 2 // Изве стия АН СССР. Техническая кибернетика. 1980. № 1. С. 55-61.
Башарин Г.П., Кокотушкин В.А., Наумов В.А. О методе эквивалентных замен расчета фрагментов сетей связи. Ч. 1 // Изве стия АН СССР. Техническая кибернетика. 1979. № 6. С. 92-99.