최근의 통신 네트워크에서 teletraffic의 양상은 Poisson 프로세스보다 self-similar 프로세스에 의해서 더 잘 반영된다. 이는 통신 네트워크의 teletraffic에 관련하여 self-similar한 성질을 고려하지 않는다면, 통신 네트워크의 성능에 관한 결과는 부정확 할 수밖에 없다는 의미가 된다. 따라서, 통신 네트워크에 관한 시뮬레이션을 수행하기 위한 매우 중요한 요소 중에 하나는 충분히 긴 self-similar한 sequence를 얼마나 잘 생성하느냐의 문제이다. 본 논문에서는 fractional Gaussian noise와 wavelet 변환을 이용한 새로운 pseudo-random self-similar sequence 생성기를 구현 및 분석하였다. 특별히 본 생성기는 다른 wavelet 변환보다 long range dependent한 프로세스들의 self-similar 구조에 잘 맞기 때문에 좀더 정확한 결과를 유도할 수 있는 Daubechies wavelet을 사용하였다. 본 생성기를 이용하여 매우 긴 sequence를 생성하는데 요구되는 통계적인 정확도와 생성시간에 대해서 분석하였으며, 본 논문에서 제안한 생성기의 성능은 Hurst 변수의 상대적인 정확도로 보았을 때, 그리고 sequence의 생성시간을 고려했을 때에 매우 우수함을 보였다. 이 생성기의 이론적 complexity는 n개의 난수를 발생하는데 O(n)이 요구된다.

Recent measurement studies of real teletraffic data in modern telecommunication networks have shown that self-similar (or fractal) processes may provide better models of teletraffic in modern telecommunication networks than Poisson processes. If this is not taken into account, it can lead to inaccurate conclusions about performance of telecommunication networks. Thus, an important requirement for conducting simulation studies of telecommunication networks is the ability to generate long synthetic stochastic self-similar sequences. A new generator of pseudo-random self-similar sequences, based on the fractional Gaussian nois and a wavelet transform, is proposed and analysed in this paper. Specifically, this generator uses Daubechies wavelets. The motivation behind this selection of wavelets is that Daubechies wavelets lead to more accurate results by better matching the self-similar structure of long range dependent processes, than other types of wavelets. The statistical accuracy and time required to produce sequences of a given (long) length are experimentally studied. This generator shows a high level of accuracy of the output data (in the sense of the Hurst parameter) and is fast. Its theoretical algorithmic complexity is O(n).