Sincronización de redes de telecomunicación mediante técnicas de aprendizaje estadístico

e-Archivo Repository

Show simple item record

dc.contributor.advisor Rojo Álvarez, José Luis
dc.contributor.author Feijoo Martínez, Juan Ramón
dc.date.accessioned 2009-09-10T15:54:13Z
dc.date.available 2009-09-10T15:54:13Z
dc.date.issued 2008-10
dc.date.submitted 2008-10-28
dc.identifier.uri http://hdl.handle.net/10016/5144
dc.description.abstract Las redes de transmisión actuales, con los ingentes flujos de datos y las crecientes restricciones en latencias y variaciones de retardo, se ven compelidas a ser operadas de una manera síncrona, es decir todos los equipos tienen que seguir el mismo patrón de tiempo de manera que las velocidades de transmisión y recepción en los enlaces de comunicaciones estén ajustadas. Cualquier desajuste implica pérdida de datos y de calidad, por lo que muchos operadores han construido una red paralela para suministrar la distribución de la referencia de sincronización, que si bien se apoya sobre la red de transmisión, sigue unos criterios y topologías diferentes a ésta. El escenario básico de aplicación de la presente Tesis consiste en una red sincronización establecida en una red de telecomunicación construida sobre una capa física de fibra óptica. Típicamente, en una red de telecomunicaciones, la señal portadora de sincronización se degrada progresivamente a lo largo de los enlaces de la red, por lo que es necesaria su regeneración antes de un límite máximo de etapas. Dicha regeneración requiere un tipo de equipamiento relativamente caro, y se debe evitar en la medida de lo posible. Además, la señal de sincronización puede sufrir los cortes y reencaminamientos que afectan a la red de telecomunicaciones, y por tanto, cualquier diseño ha de tenerlos en cuenta a fin de dotar a la señal de sincronización de una disponibilidad adecuada. El presente trabajo tiene como objetivo sistematizar el conocimiento y la metodología para el establecimiento de una correcta red de sincronización, de forma que se maximice la disponibilidad de la señal de temporización en una red de telcomunicaciones, al tiempo que se satisfacen los requisitos de calidad de servicio asociados a la sincronización. Dado que el aprendizaje basado en muestras es una alternativa atractiva para la obtención de modelos en aplicaciones en las que las relaciones entre los diferentes parámetros del sistema son de difícil obtención analítica, tal y como se da en el presente trabajo, las contribuciones de esta Tesis comprenden la aplicación de técnicas de aprendizaje estadístico a distintos ámbitos de las redes de sincronización, tales como la predicción en términos de disponibilidad del comportamiento de los elementos de red, la búsqueda de las rutas más cortas a lo largo de una red de telecomunicación, y la estimación de la degradación introducida por un elemento de red en la señal de referencia temporal. Así, en la presente Tesis, en primer lugar, se han elaborado modelos de predicción de fallos en los elementos de una red de fibra óptica (nodos y enlaces) a partir de datos históricos, utilizando para ello Máquinas de Vectores Soporte con diferentes núcleos para capturar efectos en escalas diferentes y con impacto en la tasa de fallos, se ha probado la validez de los esquemas de predicción y que la complejidad computacional requerida es moderada. En segundo lugar, se ha utilizado una red bayesiana para modelar la red de telecomunicaciones bajo estudio y, a partir de la misma, estimar las disponibilidades de rutas y circuitos de comunicaciones. Ello ha permitido desarrollar algoritmos para la obtención de la ruta más fiable. Por último, se ha realizado un módulo basado en redes neuronales que es capaz de comprobar que la ruta obtenida según el criterio de la disponibilidad garantiza también la calidad necesaria en términos de sincronización. Estas contribuciones permiten la implantación práctica en sistemas reales de comunicaciones de esquemas de sincronización similares a los propuestos, los cuales permiten obtener significativas mejoras en sus prestaciones, con una complejidad computacional moderada. _____________________________________
dc.description.abstract Current transmission networks handle huge flows of data with growing restrictions on latencies and variations delay, and are compelled to be operated synchronously, which implies that all data communications must follow the same time pattern so that transmission and reception speeds at the communication links are adjusted. Any mismatch implies loss of data and quality impairment. Therefore many operators have built a parallel network to provide distribution for synchronization reference signal, which is actually based on the transmission network, but follows different criteria and topologies. The basic scenario for the application of this Thesis is a synchronization network established on a telecommunications network and is built over an optical fiber optic physical layer. Typically, in a telecommunications network, the carrier signal synchronization degrades gradually over the links of the network, making necessary quality restoration stages. This requires expensive equipment, and should be avoided as far as possible. In addition, the signal synchronization may suffer cuts and rerouting that affect the telecommunications network, and any design has to take them into account in order to give the synchronization signal an adequate availability. This Thesis aims to systematize knowledge and the methodology for establishing a proper network synchronization, maximizing the signal timing availability on a telecommunication network, while meeting the quality requirements associated with the synchronization. Statistical learning techniques are an attractive alternative for obtaining models in applications where relationships among the different parameters of the system are difficult to be analytically obtained. The contributions of this Thesis include the application of statistical learning techniques to different areas of synchronization networks, such as the prediction in terms of availability of the network elements behaviour, finding shorter routes along a network telecommunications, and the estimation of the degradation introduced by a network signal in the temporal reference. Thus, in this Thesis, models have first been developed in order to predict failures in the elements of a n optical fiber network (nodes and links) from historical data. The use of Support Vector Machines with different kernels to capture effects on different scales and impact on the failure rate, has proven the validity of the schemes and demonstrated that the computational complexity required is moderate. Secondly, a network Bayesian framework has been used to model the telecommunications network under study, in order to calculate the availability of communication paths and circuits. With this framework, it has been possible to develop algorithms for obtaining the most reliable routes. Finally a module based on neural networks has been built, which is able to verify that the path obtained under the most reliable approach also guarantees the required quality in terms of timing. These contributions allow the practical implementation of synchronization schemes similar to those proposed in real communications systems, which can yield significant improvements in their capabilities with a moderate computational complexity
dc.format.mimetype application/pdf
dc.language.iso spa
dc.rights Atribución-NoComercial-SinDerivadas 3.0 España
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.subject.other Redes de comunicación
dc.subject.other Sincronización
dc.subject.other Métodos estadísticos
dc.title Sincronización de redes de telecomunicación mediante técnicas de aprendizaje estadístico
dc.type doctoralThesis
dc.type doctoralThesis
dc.type.review PeerReviewed
dc.subject.eciencia Telecomunicaciones
dc.rights.accessRights openAccess
dc.contributor.departamento Universidad Carlos III de Madrid. Departamento de Teoría de la Señal y Comunicaciones
 Find Full text

Files in this item

*Click on file's image for preview. (Embargoed files's preview is not supported)


The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record