tìm hiểu về các lớp khách hàng trong mạng truyền thông quang

1: Hàm phân bố xác suất khi tung đồng tiền 2 mặt và con xúc xắc Ví dụ biến ngẫu nhiên rời rạc tương ứng với sự kiện tung đồng tiển có hai giá trị 1 và -1 như đã định nghĩa có hàm phân b

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

KHOA VIỄN THÔNG I

-

TIỂU LUẬN HỌC PHẦN CÔNG NGHỆ MẠNG TRUYỀN TẢI QUANG

Đề tài:

TÌM HIỂU VỀ CÁC LỚP KHÁCH HÀNG TRONG MẠNG

TRUYỀN THÔNG QUANG

Giảng viên: TS Cao Hồng Sơn

Nhóm sinh viên:

Nguyễn Ngọc Thi - B18DCVT411 Nguyễn Văn Lộc - B18DCVT275 Đoàn Thành Trung - B18DCVT427

MỤC LỤC

DANH MỤC HÌNH VẼ 1

BẢNG THUẬT NGỮ VIẾT TẮT 2

LỜI MỞ ĐẦU 3

Chương 1: Xác suất 4

1.1 Định nghĩa về xác suất 4

Xác suất có điều kiện 6

Tính độc lập thống kê của các sự kiện 7

1.2 Biến ngẫu nhiên, hàm phân bố xác suất và hàm mật độ phân bố xác suất 7

Biến ngẫu nhiên 7

Hàm phân bố xác suất có điều kiện 11

Các biến ngấu nhiên độc lập thống kê 12

1.3 Hàm của biến ngẫu nhiên 12

Chương 2: Các lớp khách hàng của lớp quang 16

2.1 SONET/SDH 16

Đơn giản hóa việc ghép kênh: 17

Khả năng quản lý 18

Khả năng tương tác 18

Tính khả dụng của mạng 18

Bộ ghép kênh 18

VCAT and LCAS 21

Các lớp SONET/SDH 22

Cấu trúc khung SONET 24

Lớp vật lý SONET/SDH 25

Các yếu tố cơ sở của SONET/SDH 28

KẾT LUẬN 32

TÀI LIỆU THAM KHẢO 33

DANH MỤC HÌNH VẼ

Hình 2 1: Hàm phân bố xác suất khi tung đồng tiền 2 mặt và con xúc xắc 8

Hình 2 2: Hàm phân bố xác suất của biến ngẫu nhiên liên tục 9

Hình 2 3: Biến đổi tuyến tính của biến ngẫu nhiên X và ví dụ về hàm mật độ phân bố xác suất tương ứng của X và Y 13

Hình 2 4: Các lớp SONET / SDH hiển thị các điểm cuối của đường dẫn, đường thẳng và mặt cắt các lớp cho một kết nối mẫu đi qua bộ ghép kênh đầu cuối 23

Hình 2 5:Cấu trúc của khung STS-1.B biểu thị một byte có 8 24

Hình 2 6: Cấu trúc của một khung STS-N, đạt được bằng cách xen kẽ byte N 25

Hình 2 7: Các yếu tố của cơ sở hạ tầng SONET 29

Hình 2 8: Các loại hệ thống kết nối chéo khác nhau 31

LỜI MỞ ĐẦU

Xã hội hiện đại thực tế hoàn toàn tuỳ thuộc vào công nghệ truyền thông Trong thời đại thông tin ngày nay, thử tưởng tượng trong một văn phòng hiện đại không có bất

kỳ kết nối nào để gọi điện hoặc mạng dữ liệu thì chúng ta làm được những gì? Lỗi mạng,

dù đó là do lỗi của con người hay do lỗi kỹ thuật cũng đều cácgây thiệt hại về kinh tế rất lớn cho người cung cấp cũng như cho nhà khai thác dịch vụ qua mạng.Chính vì vậy nhu cầu truyền tin đặc biệt là truyền tải thông tin theo công nghệ Quang là rất lớn

Cùng với đó,lý thuyết xác suất và quá trình ngẫu nhiên là công cụ toán học chủ yếu để nghiên cứu các hệ thống truyền tin Nó được đùng trong việc mô hình hóa thống

kê các nguồn tỉn, lượng tử hóa nguồn và mô tả các quá trình truyền tin, nhận tin cũng như cần thiết cho việc ứng dụng vào nghiên cứu các hệ thống truyền tin

Từ khi công nghệ truyền dẫn sợi quang ra đời, đã tạo ra một hệ thống tốc độ cao, băng tần truyền dẫn rộng, chất lượng tốt, thúc đẩy nhiều dịch vụ mới, đáp ứng nhu cầu phát triển của mạng thông tin hiện đại Để tạo ra chuẩn giao tiếp chung cho toàn thế giới, đòi hỏi phải có một kỹ thuật truyền dẫn mới Đó là kỹ thuật truyền dẫn đồng bộ SONET/SDH.Mạng SONET/SDH có khả năng thay đổi cấu hình, định tuyến lại các luồng số bằng phần mềm ngay cả khi mạng đang vận hành nên khả năng chuyển mạch bảo vệ lưu lượng có thể được thực hiện một cách dễ dàng và nhanh chóng

Hai sự kiện bù nhau (A và 𝐴̅} là loại trừ nhau,

Hợp (Union) của hai sự kiện là sự kiện chứa tất cả các giá trị eó trong cả hai sự kiện Phép hợp được ký hiệu “∪” Ví dụ nếu:

Rõ ràng với định nghĩa này chúng ta luôn có:

eó thể định nghĩa sự kiện đồng thời liên quan với nó Sự kiện đồng thời là sự kiện mà hai

sự kiện riêng đồng thời xuất hiện Một ví dụ về một sự kiện đồng thời là: con súc sắc thử nhất xuất hiện mặt chẵn và con thứ hai xuất hiện giá trị 3

Tổng quát, nếu một phép thử (thực hiện một thực nghiệm) làm xuất hiện các sự kiện Ai„

¡ = 1,2, , n và phép thử thứ hai làm xuất hiện các sự kiện Bj, j = 1, 2, , m thì

phép thử đồng thời sẽ làm xuất hiện các sự kiện đồng thời

P(A | B) = P(A, B)/P(B) (1.10)

Tương tự xác suất có điểu kiện củá sự kiện #Ö với điều kiện A đã xuất hiện là:

P(B | A) = P(A, B)/P(A) (1.11)

với điểu kiện P(A) > 0 hoặc P(B) > 0 Kết hợp (1.10) và (1.11) ta có:

P(A, B) = P(A).P(B | A) = P(B).P(A | B) (1.12)

Bây giờ, nếu thực hiện một phép thử đơn lẻ mà trong đó hai sự kiện A và B cùng xuất

hiện thì xác suất đồng thời được quan niệm là xác suất xuất hiện của A ∩ B, 𝑃(𝐴, 𝐵) = 𝑃(𝐴 ∩ 𝐵) Trong trường hợp này, nếu A và B loại trừ nhau A ∩ B = Ø, thì P(A, B) =

0, dẫn đến P(A /B) = 0 Tương tự nếu A là tập con của B thì:

Trong hệ thống truyền tín hiệu số, các sự kiện Ai sẽ được coi là các tin có thể được phát,

B được coi là tin nhận được khi phía nguồn phát tin Ai và có nhiễu tác động, xác suất P(Ai

| B) được coi là xác suất để nguồn tin phát tin Ai khi phia thu đã nhận được B Trong công thức Bayes, P(Ai | B) được gọi là xác suất hậu nghiệm, còn P(Ai) được gọi là xác suất tiên nghiệm

Tính độc lập thống kê của các sự kiện Tính độc lập thống kê của các sự kiện là một khái niệm quan trọng của lý thuyết xác suất Để giải thích khái niệm này, chúng ta xem xét hai

sự kiện A và B và xác suất có điều kiện của chúng là P(A | B) hoặc P(B | A) Giả thiết rằng việc xuất hiện của sự kiện A không phụ thuộc vào sự xuất hiện sự kiện B và ngược lại, chúng ta có:

Định nghĩa về tính độc lập này cũng có thể mở rộng cho nhiều sự kiện Ví dụ A1, A2, A3 được gọi là độc lập thống kê nếu:

P(A 1 , A 2 , A 3 )= P(A 1 ).P(A 2 ).P(A 3 ) (1.17)

1.2 Biến ngẫu nhiên, hàm phân bố xác suất và hàm mật độ phân bố xác suất

Biến ngẫu nhiên

Giả thiết rằng một thực nghiệm có tập giá trị S và s là một phần tử của nó, s ∈ 𝑆, chúng

ta sẽ định nghĩa một hàm X(s) có miền xác định là S và miền giá trị của nó là một khoảng trên trục thực Hàm X(s) được gọi là một biến ngẫu nhiên Ví dụ nếu chúng ta tung một đổng xu có hai mặt sấp (H) và ngửa (T), tập S= {H, T}, Ta định nghĩa một hàm:

𝑋(𝑠) = { 1

−1

(𝑠 = 𝐻)

Đây chính là một biến số ngẫu nhiên có thể lấy giá trị 1 hoặc -1 tùy theo kết quả tung

đồng tiền Biến ngẫu nhiên này được gợi là biến ngẫu nhiên rời rạc

Trong nhiều trường hợp vật lý, các thực nghiệm sẽ cho một biến có giá trị liên tục như

trong trường hợp đo điện áp nhiễu của bộ khuếch đại điện tử chẳng hạn Lúc này tập giá

trị s là liên tục và ta có thể định nghĩa hàm X{S) = S Hàm X(s) này là một biến ngấu

nhiên liên tục Đề đơn giản cho cách ghi biến ngẫu nhiên, từ nay X(s) sẽ được viết là X

Giả thiết chúng ta đã có biến ngẫu nhiên X, và sự kiện để cho biến ngẫu nhiên X nhỏ hơn

một giá trị x, (X ≤ x), với -∞ < x < ∞ là một giá trị thực bất kỳ Sự kiện này sẽ có một

xác suất xuất hiện nhất định và chúng tả ký hiệu xác suất của sự kiện này là F(x)

F(x)= P(X ≤ x) -∞ < x < ∞ (1.19)

Hàm F(x) được gọi là hàm phân hổ xác suất của biến ngẫu nhiên X Vì F(x) là xác suất

xuất hiện, nên giá trị của nó cũng nằm trong đải [0; 1] 0 ≤ F(x) ≤ 1, ở đây F(-∞) = 0 và

F(∞) = 1 Hàm này là một hàm không giảm

a) b) Hình 2 1: Hàm phân bố xác suất khi tung đồng tiền 2 mặt và con xúc xắc

Ví dụ biến ngẫu nhiên rời rạc tương ứng với sự kiện tung đồng tiển có hai giá trị 1 và -1

như đã định nghĩa có hàm phân bố xác suất như trên hình 1.2(a) và biến ngẫu nhiên rời

rạc X(s) = s khi tung một con xúc sắc có hàm phân bố xác suất như trên hình 1.2(b)

Hình 2 2: Hàm phân bố xác suất của biến ngẫu nhiên liên tục là một hàm trơn, không giảm của x như trên hình 1.2a Trong thực tế, chúng ta hay gặp các biến ngẫu nhiên liên tục trong từng khoảng Hàm phân bố xác suất của nó trơn, không giảm trong từng khoảng trên trục thực và có các bước nhảy tại các giá trị rời rạc của x như trên hình 1.2b

Đạo hàm p(x) của hàm phân bố xác suất được gọi là hàm mật độ phân bố xác suất của biến ngẫu nhiên X Vậy chúng ta sẽ có:

P(X) = dF(x)/dx, - ∞ < x < ∞ (1.20)

và

F(x) = ∫ 𝑃(𝑢)𝑑𝑢∞𝑥 - ∞ < u < ∞ (1.21)

Vì F(x) là hàm không giảm nên p(x) ≥ 0 Trong trường hợp biến ngẫu nhiên rời rạc hay

là hỗn hợp cả hai loại thì hàm phân bố xác suất có bước nhảy nên phần rời rạc của hàm mật độ phân bố xác suất có thể tính theo công thức:

gián đoạn

chiều

Khi chúng ta thực hiện đồng thời nhiều phép thử hoặc thực hiện một phép thử phức tạp thì chúng ta sẽ gặp một biến ngẫu nhiên nhiều chiều Biến này đồng thời nhận một bộ giá trị ngẫu nhiên, mà mỗi giá trị có thể coi là giá trị một biến ngẫu nhiên thành phần Hàm phân bố xác suất và hàm mật độ phân bố xác suất của biến này gọi là hàm phân bố xác suất và mật độ phân bố xác suất nhiều chiều

Giả sử biến ngẫu nhiên X gồm hai biến ngẫu nhiên thành phần X1, X2 Hàm phân bố xác suất hai chiều sẽ là : :

𝐹(𝑥1, ∞, ∞, 𝑥4 , 𝑥𝑛) = 𝐹(𝑥1, 𝑥4 , 𝑥𝑛)

và 𝐹(𝑥1, −∞, −∞, 𝑥4 , 𝑥𝑛) = 0 (1.31)

Hàm phân bố xác suất có điều kiện

Xét hai biến ngẫu nhiên X1, X2 có hàm mật độ phân bố xác suất đồng thời p(x1, x2) Giả

sử chúng ta muốn xác định xác suất để biến ngẫu nhiên 𝑋1 ≤ 𝑥1 với điểu kiện:

𝑥2 − ∆𝑥2 < 𝑋2 ≤ 𝑥2

trong đó ∆𝑥2 dương Điều đó có nghĩa là chúng ta muốn xác định xác suất của sự kiện (𝑋1 ≤ 𝑥1 | 𝑥2 − ∆𝑥2 < 𝑋2 ≤ 𝑥2) Sử dụng những quan hệ đã thiết lập ở trên cho xác suất có điểu kiện của một sự kiện, xác suất của sự kiện (𝑋1 ≤ 𝑥1 | 𝑥2 − ∆𝑥2 < 𝑋2 ≤ 𝑥2)

sẽ bằng xác suất của sự kiện đồng thời (𝑋1 ≤ 𝑥1 | 𝑥2 − ∆𝑥2 < 𝑋2 ≤ 𝑥2) chia cho xác suất của sự kiện (𝑥2 − ∆𝑥2 < 𝑋2 ≤ 𝑥2)

𝑃((𝑋1 ≤ 𝑥1 | 𝑥2 − ∆𝑥2 < 𝑋2 ≤ 𝑥2) = ∫ ∫

𝑝(𝑢1, 𝑢2)𝑑𝑢1𝑢2

𝑥2𝑥2−∆𝑥2

(1.32)

Giả sử các hàm mật độ phân bố xác suất P(𝑥1, 𝑥2)và p(x2) là các hàm liên tục trong khoảng (𝑥2 − ∆𝑥2, 𝑥2), chúng ta có thể chia cả tử số và mẫu sế của (2-1-31) cho ∆𝑥2; và lấy giới hạn khi ∆𝑥2 → 0 và nhận được:

Hàm phân bố xác suất có điều kiện đồng thời tưởng ứng với hàm mật độ phân bố xác suất

𝑝(𝑥1, 𝑥2, , 𝑥𝑘|𝑥𝑘+1, , 𝑥𝑛) là:

𝐹(𝑥1, 𝑥2, , 𝑥𝑘|𝑥𝑘+1, , 𝑥𝑛) = ∫𝑥1 ∫−∞𝑥𝑘 𝑝(𝑢1,𝑢2 ,𝑢𝑘,𝑥𝑘+1, ,𝑥𝑛)𝑑𝑢1𝑑𝑢𝑘

−∞

Các biến ngấu nhiên độc lập thống kê

Chúng ta đã định nghĩa các sự kiện độc lập thống kê Bây giờ chúng ta sẽ định nghĩa các biến ngẫu nhiên độc lập thống kê, Nếu các biến ngẫu nhiên là kết quả của phép thử chung mà sự xuất hiện một giá trị của biến này không phụ thuộc vào sự xuất hiện giá trị nào của tất cả các biến ngẫu nhiên khác thì chúng ta nói là chúng là các biến ngẫu nhiên độc lập thống kê với nhau Vậy nếu các biến X1 Xn là độc lập thống kê thì :

𝐹(𝑥1, 𝑥2, , 𝑥𝑛) = 𝐹(𝑥1)𝐹(𝑥2) 𝐹(𝑥𝑛) (1.38)

và

𝑝(𝑥1, 𝑥2, , 𝑥𝑛) = 𝑝(𝑥1)𝑝(𝑥2) 𝑝(𝑥𝑛) (1.39)

1.3 Hàm của biến ngẫu nhiên

Một vấn đề thường gặp trong các ứng dụng thực tế là cho một biến ngẫu nhiên X được đặc trưng bởi hàm mật độ phân bố xác suất p(x), cần xác định hàm mật độ phân bố của biến ngẫu nhiên Y = g(X) với g(X) là một hàm của X Nếu ánh xạ từ X tới Y là một-một thì việc xác định p(y) là khá đơn giản, nhưng khi ánh xạ đó không phải là một-một (ví dụ Y = 𝑋2 ) thì việc tính p(y) sẽ phức tạp hơn

𝐹𝑦(y) = P(Y ≤ y) = P(aX + b ≤ y) = P( X ≤ 𝑦−𝑏

Lấy đạo hàm của (2-1-46) theo y ta thu được:

g’(x) ký hiệu đạo hàm của g(x)

Trong trường hợp tổng quát, giả sử 𝑥1, 𝑥2… , 𝑥𝑛 là các nghiệm thực của của phương trình g(x) = y Khi đó hàm mật độ phân bố xác suất của biến ngẫu nhiên Y = g(X) có thể biểu diễn dưới dạng:

Gọi 𝑅𝑥 là miền xác định của các biến ngẫu nhiên 𝑋𝑖,i = 1,2, n trong không gian n chiều

và 𝑅𝑦 là ảnh của 𝑅𝑥 (ánh xạ một-một) được xác định bởi các hàm 𝑌𝑖 = g(𝑋1, 𝑋2,… 𝑋𝑛)

với J là định thức jacobi của phép biến đổi, được xác định bằng định thức:

Chương 2: Các lớp khách hàng của lớp quang

2.1 SONET/SDH

SONET (Mạng quang đồng bộ) là đường truyền và ghép kênh tiêu chuẩn mới nhất cho truyền tải tín hiệu tốc độ cao trong cơ sở hạ tầng mạng ở Bắc Mỹ Một tiêu chuẩn có liên quan gần đây, SDH (Hệ thống phân cấp kỹ thuật số đồng bộ), đã được thông qua ở Châu Âu và Nhật Bản và cho hầu hết các liên kết ngầm Để hiểu các yếu tố cơ bản của sự phát triển và tiêu chuẩn của SONET và SDH, chúng ta cần nhìn lại thời gian và hiểu cách ghép kênh đã được thực hiện trong mạng công cộng.Trước tiên là SONET và SDH, cơ sở

hạ tầng hiện có dựa trên hệ thống phân cấp kỹ thuật số plesiochronous (PDH), có từ thời giữa những năm 1960 (Các nhà khai thác ở Bắc Mỹ gọi PDH là kỹ thuật số không đồng

bộ phân cấp.) Khi đó, trọng tâm chính là ghép kênh thoại kỹ thuật số Một mạch thoại tương tự có băng thông 4 kHz có thể được lấy mẫu ở 8 kHz và được lượng tử hóa 8 bit trên mỗi mẫu, dẫn đến tốc độ bit là 64 kb/s cho mạch thoại kỹ thuật số Điều này đã trở thành tiêu chuẩn được áp dụng rộng rãi Luồng tốc độ cao hơn được định nghĩa là bội số của luồng 64 kb/s cơ bản Các bộ tiêu chuẩn khác nhau xuất hiện ở các khu vực khác nhau trên thế giới đối với các luồng tốc độ cao hơn này,được thể hiện trong Bảng 6.1.Ở Bắc

Mỹ, tín hiệu 64 kb / s được gọi là DS0 (tín hiệu kỹ thuật số-0), tín hiệu 1.544 Mb/s là DS1, 44,736 Mb/s là DS3, v.v Ở Châu Âu, hệ thống phân cấp được gắn nhãn E0, E1, E2, E3, v.v., với tỷ lệ E0 giống như tỷ lệ DS0 Các mức cước này ngày nay phổ biến rộng rãi trong các mạng của nhà cung cấp dịch vụ và được cung cấp dịch vụ kênh thuê riêng cho khách hàng, thường không mang theo dữ liệu hơn là lưu lượng thoại

Tuy nhiên thì PDH cũng gặp một số vấn đề, đó là chưa có sự thống nhất về tiêu chuẩn truyền và ghép kênh tới cuối những năm 1980 Kết quả dẫn tới các tiêu chuẩn SONET/SDH, giải quyết được nhiều vấn đề liên quan với PDH Chúng ta giải thích một

số lợi ích của SONET/SDH dưới đây và so sánh nó với PDH

(a) (b)

Hình 2 1: So sánh ghép kênh không đồng bộ và đồng bộ (a) Trong trường hợp không đồng bộ, các

bộ phân kênh phải được xếp chồng lên nhau để trích xuất luồng tốc độ thấp hơn từmột luồng được ghép nối (b) Trong trường hợp đồng bộ, điều này có thể được thực hiện trong một bước duy nhất bằng cách

sử dụng mạch tương đối đơn giản

Đơn giản hóa việc ghép kênh:

Trong bộ ghép kênh không đồng bộ (asynchronous multiplexing), mỗi thiết bị đầu cuối trong mạng chạy xung riêng của nó, và khi chúng ta có thể chỉ định tốc độ xung cho tín hiệu, có thể có sự khác biệt đáng kể về tốc độ thực tế giữa các xung khác nhau Ví dụ, trong tín hiệu DS3, sự biến thiên 20 ppm (phần triệu) trong tốc độ xung giữa các xung khác nhau, điều này không phổ biến, có thể tạo ra sự khác biệt về tốc độ bit là 1,8 kb giữa

2 tín hiệu Vì vậy, khi các luồng tốc độ thấp hơn được ghép kênh bằng cách xen kẽ các bit của chúng, các bit bổ sung có thể cần được thêm vào luồng đa hợp để giải thích sự khác biệt giữa tốc độ xung của từng luồng riêng lẻ Do đó, tốc độ bit trong phân cấp không đồng bộ không phải là bội số tích phân của 64kb cơ bản

Với ghép kênh không đồng bộ, rất khó để chọn ra một luồng tốc độ bit thấp, ở tốc độ 64 kb/s, khi một luồng tốc độ cao hơn đi qua Chẳng hạn, một luồng DS3 không hoàn toàn phân kênh cho luồng tốc độ cao hơn xuống tới các luồng thành phần riêng lẻ của nó Điều này dẫn đến nhu cầu về "bộ dãy ghép kênh", hoặc bộ ghép kênh xếp chồng lên nhau, mỗi khi cần trích xuất luồng tốc độ bit thấp, như trong Hình 6.1 Đây là một đề xuất tương đối tốn kém và cũng làm ảnh hưởng đến độ tin cậy của mạng vì cần một lượng lớn thiết bị điện tử

Kiến trúc bộ ghép kênh không đồng bộ SONET/SDH đưa ra những sự suy giảm đáng kể chi phí cho việc điều chế và giải điều chế Tất cả xung trong mạng đồng bộ hoàn hảo tới một xung duy nhất, mạng được đồng bộ hóa hoàn hảo với một xung duy nhất và do đó, tốc độ được xác định trong SONET / SDH là bội số tích hợp của tốc độ cơ bản và không cần bổ sung bit khi ghép kênh với nhau Do đó, tín hiệu tốc độ thấp hơn có thể được tách

ra từ luồng ghép kênh SONET / SDH trong một bước duy nhất bằng cách xác định vị trí thích hợp của các bit tương ứng trong tín hiệu ghép kênh Điều này làm cho việc thiết kế