Большая База Данных Рефератов - Базовый процесс обработки вызовов

Базовый процесс обработки вызовов

риведем общее определение марковского процесса. Случайный процесс называется марковским, если для любых моментов времени из отрезка , условная функция распределения «последнего» значения при фиксированных значениях , , …, зависит только от , т.е. при заданных значениях справедливо соотношение

,…,

. (3.1)

Здесь и в дальнейшем через обозначена вероятность события, указанного в фигурных скобках.

Для трех моментов времени формула (3.1) принимает вид:

,…,.(3.2)

Поэтому часто говорят, что характерное свойство марковских процессов состоит в следующем: если точно (если настоящее состояние известно не точно, то будущее состояние марковского процесса будет зависеть от прошлых состояний) известно состояние марковского процесса в настоящий момент времени (), то будущее состояние (при ) не зависит от прошлого состояния (при ).

В случае, если пространство состояний , , …, марковского процесса является конечным или счетным, марковский процесс называется цепью Маркова. Если параметр принимает значения только в дискретном множестве, то цепь Маркова называется цепью с дискретным временем. Если же параметр принимает значения в некотором непрерывном множестве, то цепь Маркова называется цепью с непрерывным временем.

Важным частным случаем цепи Маркова с непрерывным временем является так называемый процесс гибели и размножения.

Случайный процесс , называется процессом гибели и размножения, если он удовлетворяет условиям:

- пространство состояний процесса есть множество неотрицательных целых чисел (или некоторое его подмножество;

- время пребывания процесса в состоянии имеет показательное распределение с параметром и не зависит от предыдущего поведения процесса;

- после завершения пребывания процесса в состоянии он переходит в состояние с вероятностью , и в состояние с вероятностью . Вероятность полагается равной 1.

Состояние процесса , в момент времени можно трактовать как размер некоторой популяции в этот момент времени. Переход из состояния в состояние трактуется как рождение нового члена популяции, а переход в состояние - как гибель члена популяции. Такая трактовка процесса и объясняет его название.

В дальнейшем применительно к марковским процессам будем пользоваться следующими обозначениями: , если пространство состояний (фазовое пространство) процесса непрерывно, и , если пространство состояний дискретно.

Полумарковские процессы объединяют теорию цепей Маркова, разрывных марковских процессов и теорию восстановления. В соответствии с предложенной методикой анализа марковских процессов приведем определение полумарковского процесса.

Пусть поведение некоторой системы описывается следующим образом. В каждый момент времени система может находиться в одном из возможных фазовых состояний , , …, , причем известны начальное состояние системы (в начальный момент времени она находиться в состоянии ) и одношаговые вероятности перехода , , . следовательно, процесс есть однородная цепь Маркова.

Сопоставим каждому ненулевому элементу матрицы вероятностей перехода случайную величину с функцией распределения . В теории массового обслуживания случайную величину обычно рассматривают как время пребывания системы в состоянии при условии, что следующим состоянием, в которое перейдет система, будет . При этом величина считается неотрицательной и непрерывной с плотностью вероятности . При такой интерпретации величину можно назвать временем ожидания в состоянии до перехода в .

Представим, что точка, отображающая поведение системы на фазовой плоскости, остается в состоянии в течении времени , прежде чем она прейдет в (рис. 3.1). По достижении «мгновенного» (в соответствии с матрицей вероятностей перехода ) выбирается следующее состояние , и после того как состояние выбрано, время ожидания в полагается равным с функцией распределения или плотностью вероятности .Этот процесс затем следует неограниченно продолжать, выбирая каждый раз независимо следующее состояние и время ожидания. Если через обозначить состояние системы, занятое в момент времени . То полученный случайный момент принято называть полумарковским.

Рисунок 3.1- Иллюстрация поведения полумарковского процесса

Из приведенного определения следует, что если игнорировать случайный характер времени ожидания и интересоваться только моментами перехода, то процесс будет представлять собой однородную цепь Маркова (или вложенным марковским процессом). Однако при учете пребывания процесса в разных состояниях в течении случайного отрезка времени процесс не будет удовлетворять уравнению Маркова (если не все времена ожидания распределены экспоненциально). Следовательно, процесс является марковским только в моменты перехода. Сказанное оправдывает название «полумарковский процесс» или «полумарковская цепь».

При заданном начальном состоянии дальнейшее поведение полумарковского процесса (полумарковской цепи) полностью определяется матрицей вероятностей перехода , , , и матрицей функций распределения или (для непрерывных случайных величин ) матрицей плотностей вероятностей [17].

В рамках исследований полумарковских процессов с позиций теории массового обслуживания наибольший интерес представляет анализ взаимосвязи времени достижения и времени пребывания в состояниях полумарковского процесса. Согласно [16] данный анализ основывается на реализации элементарного процесса чистой гибели. В качестве примера рассмотрим систему , т.е. однолинейную систему массового обслуживания с ожиданием (буфером неограниченной емкости), в которую поступает простейший поток запросов (вызовов) интенсивности , а время обслуживания запросов (вызовов) имеет показательное распределение с параметром .

Исследуя поведение этой системы, можно установить, что случайный процесс - число вызовов в системе в момент - является процессом гибели и размножения с вероятностью равной [16]:

, . (3.3)

Анализ данной системы в рамках элементарного процесса чистой гибели основан на исследовании соответствующего графа перехода из одного состояния в другое. Простейший граф перехода имеет вид, показанный на рис. 3.2.

Рисунок 3.2 - Граф переходов элементарного процесса чистой гибели

Обозначим через , , вероятность пребывания процесса в состоянии с номером , а через функцию распределения времени первого достижения процессом состояния с номером . Тогда между этими функциями можно установить следующие зависимости:

, .

Подставляя эти выражения в условие формировки получим

. (3.4)

Следовательно, в рассматриваемом элементарном процессе чистой гибели вероятность пребывания процесса в промежуточном состоянии оказывается равной разности функций распределения времени первого попадания процесса в это состояние и времени попадания в следующее состояние. Добавляя и вычитая в правой части уравнения (3.4), затем помножив полученное выражение на и про интегрировав сначала по в бесконечных пределах, а затем по частям, получим [18]

, (3.5)

где - -й начальный момент распределения случайной величины времени попадания процесса в -е состояние . В частности, из формулы (3.5) видно. Что при

. (3.6)

В результате находим, что площадь под кривой числено равна разности разных средних времен попадания процесса в состояния 2 и 1, а интегральная мера численно равна среднему времени, проведенному процессом в состоянии единицы [18].

Физический смысл полученного результата можно пояснить следующим образом. Обозначим через случайный момент времени попадания процесса в состояние , а через длительность пребывания процесса в этом состоянии. Тогда для процесса с графом переходов на рис. 3.2, можно составить следующее уравнение баланса времени:

. (3.7)

Возведя выражение (3.21) в квадрат и применив операцию математического ожидания, учитывая при этом независимость случайных величин и получим аналогичное (3.19) выражение для расчета интегральных мер. Так при находим

Аналогичным образом, возводя уравнение (3.7) в степень всякий раз будем получать выражения для расчета интегральных мер вида через начальные моменты случайной длительности пребывания процесса в состоянии единицы и первого попадания в нее.

В результате определяется полный набор интегральных мер вида , с помощью которого можно судить о поведении функции .

3.2 Аналитические решения для простейших полумарковских процессов

Описание поведения систем массового обслуживания с помощью распределений моментов первого, второго и последующих достижений системой того или иного состояния, показанных на примере элементарного процесса чистой гибели, оказывается очень полезным в целом ряде практических исследований. Поэтому целесообразно рассмотреть примеры полумарковских процессов, для которых возможно получение подобных результатов в аналитической форме или в виде эффективных вычислительных процедур.

Для начала рассмотрим простейших процесс, имеющий только два состояния (рис. 3.3). Обозначим через функцию плотности распределения времени пребывания процесса в состоянии 0, а через - в состоянии 1.

Рисунок 3.3 - Простейший процесс

Соответственно и - их преобразования Лапласа. В соответствии с [16], преобразованием Лапласа распределения будем называть функцию , определяемую как:

. (3.8)

Если чисто мнимая переменная, преобразование Лапласа совпадает с характеристической функцией . Областью определения функции обычно считается правая полуплоскость комплексной плоскости. Однако, без существенного ограничения сущности, в рамках проводимого анализа можно рассматривать как действительное положительное число.

Состояние процесса, приведенного на рис. 3.3 опишем с помощью функции распределения момента -го попадания процесса в -ю вершину: . Тогда, учитывая независимость времен пребывания процесса в вершинах 0 и 1, рассматриваемая последовательность переходов будет иметь вид

, (3.9)

где - преобразование Лапласа функции .

На основании этих соотношений находят разнообразные характеристики процесса. Так вероятность пребывания процесса в нулевой вершине может быть определена из условия

. (3.10)

Применяя к выражению (3.10) преобразование Лапласа и используя формулы (3.9), получаем

. (3.11)

Если в момент процесс находится в нулевой вершине, то и формула (3.11) принимает вид

. (3.12)

Определение разложения в ряд функции делает удобным оценку переходного режима.

Увеличим число вершин графа на единицу (рис. 3.4.). Заметим, что в этом случае процесс блужданий относительно нулевой вершины может быть описан с помощью некоторого эквивалентного процесса, соответствующего переходам на вспомогательном графе изображенном на рисунке 3.5а.

Рисунок 3.4 - Полумарковский процесс с трема состояниями

Рисунок 3.5 - Эквивалентные графы для исследования: а) блужданий относительно нулевого состояния; б) возврата в нулевое состояния; в) блужданий относительно промежуточного состояния

Обозначим через плотность вероятности времени первого перехода процесса из группы состояний {1,2} в нулевое состояние при начале блужданий из состояний 1. Тогда

. (3.13)

Определим функцию . Для этого воспользуемся формулами (3.12), записанными для графа, изображенного на рисунке 3.5б:

;

, ,

где , - преобразования Лапласа дефектных случайных величин времени, проводимого процессом в состоянии 1 перед переходом соответственно в состоянии 0 и 2.

С помощью последних выражений находим преобразование Лапласа распределения времени первого попадания процесса в состояние А для графа, изображенного на рис 3.5б

Состояние в общем случае описывается уравнением вида

, (3.14)

где - некоторый линейный оператор.

Это уравнение описывает еще одно общее и важное свойство марковских процессов, для которых эволюция вероятности перехода . Заметим, что это свойство позволяет исследовать поведение марковских процессов при помощи хорошо разработанных методов решения соответствующих дифференциальных уравнений.

Отсюда, учитывая, что начальные условия для рассматриваемого случая , получаем

Теперь из условия находим необходимую функцию

. (3.15)

Подставляя выражение (3.15) в формулу (3.13), получаем преобразование Лапласа вероятности пребывания процесса в нулевом состоянии

. (3.16)

Для определения функции рассмотрим блуждания относительно первого состояния и построим для них эквивалентный граф (рис. 3.5в). Здесь преобразования Лапласа времени пребывания в состоянии 1 и вне этого состояния определяется из соотношений

, (3.17)

полученных из условия равенства распределений времени пребывания процесса в состоянии 1 и времени возврата в это состояние для исходного графа (рис. 3.4) и эквивалентного (рис. 3.5в). Разрешая систему уравнений (3.17) относительно неизвестных функций, находим

. (3.18)

Теперь на основе формулы (3.13), учитывая совпадения форм графов, изображенных на рисунке 3.8, а и б, и используя (3.18), находим преобразование Лапласа вероятности пребывания процесса в состоянии 1

, (3.19)

где .

Функция в данном случае может быть найдена из условия нормировки . Расположения изображений в ряды по степеням для оценки переходных режимов находим путем применения в формулах (3.16) и (3.19) правил операций над рядами по известных разложениям и .

Дальнейшее обобщение рассматриваемого класса полумарковских процессов проведем на случай однородных блужданий на неограниченном графе переходов, изображенном на рис. 3.6, где ; , т.е. и - функция плотности дефектных случайных величин времени, проведенного процессом в состоянии перед переходом соответственно в состояния и .

Рисунок 3.6 - Однородный полумарковский процесс

Здесь блуждания относительно крайнего левого нулевого состояния можно представить с помощью двух эквивалентных графов переходов, изображенных на рис. 3.7.

Рисунок 3.7 - Эквивалентные графы для исследования блужданий относительно нулевого (а) и первого (б) состояний

Функции на обоих эквивалентных графах совпадают, так как представляют собой плотности распределения момента первого возврата из множества вершин графов, полученных из исходного путем отбрасывания собственно нулевой (рис. 3.7а), а также нулевой и первой (рис. 3.7б) вершин. Эти отбрасываемые множества и законы распределений, определяющие блуждание на них, совпадут друг с другом, так как нумерация вершин несущественна. Поэтому установим соответствие между эквивалентными графами и, воспользовавшись выражением (3.15), в которое вместо функции подставим получим уравнение относительно неизвестной функции

Учитывая предельное свойство преобразование Лапласа , решение этого уравнения получаем в виде

. (3.20)

Из выражения (3.20) следует, что вероятность возврата процесса в исходное нулевое состояние для бесконечного графа, изображенного на рис. 3.6, определяется соотношением

где и - вероятности перехода процесса из состояния ( соответственно в состояния и . Т.е. соответствуют описанному выше для системы процессу гибели и размножения.

Отметим, что среднее число возвратов процесса в исходное состояние может быть найдено по формуле .

На основе полученных моделей объединяющих вероятности переходов между состояниями, случайные времена переходов удобно определять по вероятностно - временному графу, который описывает переходы процесса из одного состояния в другое. Такой вероятностно-временной граф для базовой модели управления вызовами на приемной стороне строится на основании соответствующей базовой модели состояний вызова, описанной в предыдущем разделе. Поэтому далее разрабатывается алгоритм функционирования базовой модели управления вызовами на приемной стороне, который определяет последовательность процедур в определенной временной последовательности. Эти процедуры в свою очередь определяют вероятностно-временные характеристиками, для анализа которых и используются вероятностно-временные графы.

4. Разработка алгоритма функционирования базовой модели управления вызовами на приемной стороне

На основании вышеизложенного описания BCSM на приемной стороне и в соответствии с рекомендациями ITU-T Q.1214 разработаем алгоритм ее функционирования BCSM. В качестве инструмента взят программный пакет Cinderella SDL 1.0, позволяющий разрабатывать, анализировать и модифицировать систему описываемые на языке спецификаций и описаний SDL (Specification and Description Language), в сочетании с двумя другими языками спецификаций: ASN1 (Abstract Syntax Notation 1), MSC (Message Sequence Chart).

Основу языка составляет концепция взаимодействия конечных автоматов. При этом динамическое поведение системы описывается с помощью механизмов функционирования расширенных конечных автоматов и связей между ними, называемых процессами. Наборы процессов образуют блоки. Блоки, соединенные друг с другом и со своим окружением каналами, в свою очередь, образуют SDL-систему.

Каждый сигнал подлежит точному определению в спецификации SDL с указанием значений типов данных, которые могут быть переданы данным сигналом.

Процесс описывает поведение некоторого определенного объекта системы в SDL и является наиболее важным объектом в языке. Поведение каждого процесса определяется расширенным конечным автоматом, который выполняет действия и генерирует реакции (сигналы) в ответ на внешние воздействия (сигналы).

Конечный автомат имеет конечное число внутренних состояний и оперирует с конечным дискретным множеством входов и выходов. Под автоматом с конечным числом состояний понимается объект, находящийся в одном из дискретных состояний на вход которого поступают извне некоторые сигналы , а на выходе которого имеется набор выходных сигналов J1, J2,…. Jm. Под влиянием входных сигналов автомат переходит из одного состояния в другое, которое может совпадать с предыдущим, и выдает выходной сигнал.

Сигналы подразделяются на два типа: возобновляющие и порождающие. Возобновляющий сигнал при поступлении на ввод переводит процесс из состояния, предшествующего вводу, в переход. Порождающий сигнал генерирует новый процесс, который переводится в переход. Кроме того, можно выделить поглощающее состояние, при переходе в которое процесс исчезает (поглощается данным состоянием).

Процесс в SDL-спецификации имеет конечное число состояний, в каждом из которых он может принимать ряд отправленных этому процессу допустимых сигналов. Процесс может находиться в одном из состояний или в переходе между состояниями. Если во время перехода поступает сигнал, предназначенный дня данного процесса, то он ставится в очередь к процессу.

Процесс в SDL рассматривается как некий объект, который находится в состоянии ожидания получения входного сигнала либо в переходе. Состояние определяется как условие, в котором действие процесса временно приостановлено в ожидании ввода.

Разработанный алгоритм представлен в приложении Б.

В данном алгоритме реализуются следующие состояния:

1) S7 - свободное состояние. Переход в это состояние происходит под воздействием следующих событий: завершен процесс разъединения и освобождения, связанный с предыдущим вызовом, абонентские линии (АЛ) и соединительные линии (СЛ) системы коммутации свободны.

При этом наблюдаются следующие функции: освобождение линий и каналов; контроль исходного состояния, проверка правомочности входящего вызова.

Выход из этого состояния происходит под воздействием следующих событий: входящий вызов разрешен, отказ входящей связи.

2) S8 - выбор ресурса и оповещение о вызове. Переход в это состояние происходит под воздействием события - прием входящего вызова и разрешение направить его к адресату.

При этом наблюдаются следующие функции: выбор ресурса для обслуживания вызова, извещение о вызове к вызываемому терминальному оборудованию.

Выход из этого состояния происходит под воздействием следующих событий: входящая сторона извещается о вызове, получен ответ вызываемой стороны, вызываемая сторона занята или недоступна, отказ вызывающей стороны от связи.

3) S9 - посылка вызова. Переход в это состояние происходит под воздействием следующего события - входящая сторона извещается о вызове.

При этом наблюдаются следующие функции: оповещение исходящей станции и ожидание ответа вызываемой стороны.

Выход из этого состояния происходит под воздействием следующих событий: ответ вызываемой стороны, отсутствие ответа, отказ вызывающей стороны от связи.

4) S10 - разговор. Переход в это состояние происходит под воздействием события - получен ответ вызываемой стороны.

При этом наблюдаются следующие функции: устанавливается соединение между исходящей и входящей сторонами, проводится наблюдение за состоянием связи.

Выход из этого состояния происходит под воздействием следующих событий: прием от вызванной стороны услуги или компонента услуги, обрыв соединения, разъединение вызванной стороной или исходящей стороной.

5) S11 - освобождение. Переход в это состояние осуществляется при обнаружении одного из условий освобождения: истек тайм-аут, некорректная информация, невозможность выбора ресурса, абонент занят, нет ответа, обрыв соединения.

Здесь выполняются следующие функции: производятся действия по освобождению всех устройств, участвующих в соединении.

Выход из этого состояния происходит под воздействием события: все устройства, участвующие в соединении, перешли в свободное состояние.

В результате анализа контрольных точек (12-18) приведенной модели BCSM на приемной стороне были определены основные информационные сообщения, которые могут передаваться при предоставлении услуг IN между SSF и SCF:

12) маршрут выбран - входящий вызов разрешен;

13) абонент занят - занята входящая сторона;

14) нет ответа - входящая сторона не отвечает;

15) ответ абонента - ответ входящей стороны;

16) запрос услуги или компоненты услуги от вызываемого абонента - вмешательство в фазу разговора входящей стороны;

17) разъединение - разъединение входящей стороны;

18) отбой со стороны вызывающего абонента.

Реализованные в рассмотренном алгоритме базовой модели управления вызовами на приемной стороне состояния определяют последовательность процедур в определенной временной последовательности. Выполнение этих процедур описывается вероятностно-временными характеристиками, которые можно определить с помощью вероятностно-временных графов. Как было отмечено выше, в основе их организации лежит аппарат полумарковских процессов. В следующем разделе производится построение вероятностно-временного графа для базовой модели управления вызовами на приемной стороне и анализ соответствующих вероятностно-временных характеристик.

5. Расчет вероятностно-временных характеристик базовой модели управления вызовами на приемной стороне

Как было отмечено, в основе базовой модели управления вызовами лежит BCSM. BCSM на приемной стороне определяет последовательность процедур в определенной временной последовательности. BCSM можно характеризовать вероятностно-временными характеристиками (ВВХ), для анализа которых используются так называемые вероятностно-временные графы. В них вершины обозначают возникающие состояния, а дуги соответствуют каждому событию, которые характеризуются определенными функциями, связанными с вероятностями появления таких состояний и временем, затрачиваемым на это. Эти функции удобно выбирать таким образом, чтобы при последовательном выполнении операций вероятности умножались и времена складывались, а при параллельном выполнении операций вероятности складывались и времена представляли сумму произведений для тех или иных операций. Таким требованиям удовлетворяет функция вида

, (4.1)

где - вероятностный вес -й дуги; - ее временной вес, который равен

. (4.2)

Эта функция обладает следующими свойствам:

- при последовательном соединении дуг с весовыми функциями и эквивалентная весовая функция представляет собой произведение этих весовых функций

, (4.3)

а результирующие ВВХ определяются выражениями

, (4.4)

;

- при параллельном соединении дуг с весовыми функциями и эквивалентная весовая функция представляет собой сумму этих весовых функций

, (4.5)

а результирующие ВВХ определяются выражениями

, (4.6)

;

- при наличии петель эквивалентная весовая функция имеет вид

. (4.7)

Вероятностно-временной граф составляется на основе описания алгоритма базовой модели управления вызовами на передающей стороне на языке SDL. Имея такой граф и зная вероятности и временные интервалы в виде целочисленных отрезков времени отдельных переходов, можно определить результирующую производящую функцию перехода из любого состояния в любое состояние через произвольное число промежуточных состояний.

Для нахождения производящей функции удобно пользоваться правилом Мэзона. В соответствии с этим правилом, если переход из вершины в вершину состоит из путей и контуров, то результирующая производящая функция

, (4.8)

где и - производящие функции соответственно для путей и контуров графа, а верхний индекс «звездочка» (*) означает, что при умножении производящих функций внутри скобок любое произведение производящих функций пути и контура (или контура и контура) при условии, что они касаются друг друга в графе, приравнивается к нулю. При этом под путем от вершины к вершине понимается направленная последовательность дуг, для которой вершина начальная, а вершина - конечная, причем каждая вершина между дугами проходится один раз. Контур - замкнутый путь, для которого начальная вершина совпадает с конечной.

Вероятностно-временной граф базовой модели управления вызовами на передающей стороне приведен в приложении В.

В данном графе число путей , а количество контуров . Запишем производящие функции путей и контуров

;

где - весовая функция непосредственного перехода из состояния в состояние .

Подставляя значения производящих функций путей и контуров в формулу (4.8) в результате получим, что производящая функция установления соединения (перехода из исходного состояния S7 в состояние разговора S10) может быть записана следующим образом

Отсюда среднее время установления соединения

Из анализа видно, что он позволяет в аналитической форме определить время перехода из одного состояния графа в другой. Что же касается вероятностей перехода, то для их определения удобно использовать аппарат полумарковской модели.

Для определения результирующей задержки обслуживания вызова и предоставления интеллектуальной услуги (численных значений параметров) с помощью полученных аналитических зависимостей для вероятностно-временных характеристик, описывающих процессы обслуживания вызовов на приемной стороне, так же как и для передающей стороны, необходимо проводить долговременные и многократные натурные эксперименты. В этом качестве можно использовать анализаторы протоколов сетей передачи данных. Основными функциональными характеристиками анализаторов являются спецификация поддерживаемых протоколов и глубина декодирования сообщений. Обычно анализатор состоит из двух частей: модуля первичной аппаратной обработки информации в реальном времени и модуля вторичной обработки данных посредством программного обеспечения, входящего в состав анализатора персонального компьютера. Вторичная обработка обеспечивает представление информации в наиболее удобной форме, анализ статистики, интеллектуальную обработку данных экспертной системой анализатора и т.д.

Перечень ссылок

1. Stored Program Controlled Network. The Bell System Technical Journal, September 1982.

2. Рекомендации ITU-T серии Q.1200 // ITU-T White Book. - Geneva, 1997.

3. С.В. Крестьянинов, Е.И. Полканов, М.А. Шнепс-Шнеппе Интеллектуальные сети и компьютерная телефония. - М.: Радио и связь, 2001. - 204 с.

4. Б.Я. Лихтциндер, М.А. Кузякин и др. Интеллектуальные сети связи. - М.: Эко-Трендз, 2000. - 207 с.

5. Б.С. Гольдштейн, И.М. Ехриель и др. Интеллектуальные сети. - М.: Радио и связь, 2000. - 500 с.

6. Ю.В. Лазарев, В.Б. Николаев, Н.А. Деханова Некоторые вопросы предоставления услуг интеллектуальной сети связи // Электросвязь, №2, 2001. с. 12-13.

7. Самуйлов К.Е., Филюшин Ю.И. Оценка среднего значения времени установления соединения для услуг интеллектуальной сети связи // Электросвязь, №9, 1996. - С. 14-16.

8. Б.И. Крук, В.Н. Попантонопуло, В.П. Шувалов Телекоммуникационные системы и сети. Том 1 - Современные технологии. - М.: Горячая линия - Телеком, 2004. - 647 с.

9. ITU-T. Recommendation Q.1205 - Intelligent network physical plane architecture, Helsinki, 1993.

10. ITU-T. Recommendation Q.1211 - Introduction to intelligent network capability Set, Helsinki, 1993.

11. А. В Росляков Общеканальная сигнализация №7. - М.: Эко-Трендз, 1999.

12. Ершов В.А, Кузнецов Н.А. Мультисервисные телекоммуникационные сети. - М.: Издательство МГТУ им. Н.Э. Баумана, 2003. - 432 с.

13. ITU-T. Recommendation Q.I 208 General aspects of the intelligent network application protocol, Helsinki, 1993.

14. ITU-T. Recommendation Q.1218 - Interface Recommendations for intelligent network CS_1, Helsinki, 1993.

15. ITU-T. Recommendation Q.1214 - Distributed functional plane for intelligent network CS_1, Helsinki, 1993.

16. В.М. Вишневский Теоретические основы проектирования компьютерных сетей - М.: Техносфера, 2003. - 512 с.

17. Тихонов В.И. Марковские и полумарковские процессы - М.: Радио и связь, 1978. - 487 с.

18. В.А. Кочегаров, Г.А. Фролов Полумарковские системы распределения информации. Марковские и немарковские модели. - М.: Радио и связь, 1991.

19. Закон Украины «Об охране труда».

20. Сибаров Ю.Г. и др. Охрана труда в вычислительных центрах. _ М.: Машиностроение, 1985-185 с.

21. Долин П.А. Справочник по технике безопасности. -5_е изд., перераб. и доп. _ М.: Энергоиздат, 1985.-800 с.

22. Правила пожарной безопасности в отрасли связи. НАПБ В.01.053-2000/520.

23. ДНАОП 0.00-1.31-99 Правила охорони праці під час експлуатації електронно-обчислювальних машин.

24. СНиП 2.01.02 - 87. Противопожарные нормы.

25. ДСН 3.3.6.042-99 «Санитарные нормы микроклимата производственных помещений»

26. ПУЭ_85. Правила устройства электроустановок. - М.: Энергоатомиздат, 1986. - 648 с.

27. ДНАОП 0.00-4.12-99 Типове положення про навчання, інструктаж та перевірку знань працівників з питань охорони праці.

28. Гігієнічна класифікація праці за показанням шкідливості та небезпечності факторів виробничого середовища, важкості та напруженості трудового процесу. Приказ МОЗ від 31.12.97 №382.

Страницы: 1, 2, 3, 4, 5, 6

Меню

Базовый процесс обработки вызовов