專利名稱：一種端到端排隊(duì)時(shí)延測量方法
技術(shù)領(lǐng)域：
本發(fā)明屬于網(wǎng)絡(luò)測量技術(shù)領(lǐng)域，特別是涉及一種端到端排隊(duì)時(shí)延的非同步測量方法。
背景技術(shù)：
隨著越來越多新型互聯(lián)網(wǎng)應(yīng)用的涌現(xiàn)，網(wǎng)絡(luò)性能的有效測量和準(zhǔn)確估計(jì)已經(jīng)成為網(wǎng)絡(luò)設(shè)計(jì)和網(wǎng)絡(luò)管理的關(guān)鍵。特別地，在多媒體實(shí)時(shí)應(yīng)用中，報(bào)文的傳輸必須滿足嚴(yán)格的網(wǎng)絡(luò)時(shí)延要求，時(shí)延是各類網(wǎng)絡(luò)性能指標(biāo)中最重要的一項(xiàng)參數(shù)。同時(shí)，時(shí)延還可以為可用帶寬、報(bào)文丟失率等其它特性參數(shù)的測量估計(jì)提供非常有用的參考信息。因此時(shí)延估計(jì)一直是網(wǎng)絡(luò)測量研究領(lǐng)域的熱點(diǎn)。
測量往返路徑時(shí)間(Round-Trip Time)是最簡單的一種時(shí)延估計(jì)方法，如常用的Ping命令。RTT測量時(shí)，探測分組離開和到達(dá)測量端的時(shí)間都由同一個(gè)時(shí)鐘進(jìn)行記錄，所以由這兩個(gè)時(shí)間戳之差就可以直接計(jì)算探測分組在往返路徑上經(jīng)歷的時(shí)間。雖然往返路徑時(shí)延的測量方法簡單有效，但在實(shí)際應(yīng)用中，網(wǎng)絡(luò)性能的表現(xiàn)卻絕大多數(shù)依賴于端到端的單方向時(shí)延。例如在流媒體網(wǎng)絡(luò)應(yīng)用中，流媒體內(nèi)容的報(bào)文分組都只會(huì)在服務(wù)器端到客戶端的方向上進(jìn)行傳輸，因此服務(wù)器端到客戶端方向的時(shí)延就遠(yuǎn)比另一個(gè)方向的時(shí)延重要得多。一種簡單的單向時(shí)延估計(jì)是把往返路徑時(shí)間的測量值除以2。然而隨著網(wǎng)絡(luò)規(guī)模和復(fù)雜性的增加，往返路徑的鏈路環(huán)境和流量負(fù)載呈現(xiàn)出越來越不對稱的特點(diǎn)，這種粗糙的估計(jì)方法得到的是一個(gè)很不準(zhǔn)確的結(jié)果。
直觀地，與往返路徑時(shí)間的測量方法類似，單向時(shí)延也可以通過分別記錄探測分組在源端和目的端的發(fā)送和到達(dá)時(shí)間戳進(jìn)行測量。但在分布式的網(wǎng)絡(luò)環(huán)境下，測量端之間時(shí)鐘不同步的問題卻使得這類單向指標(biāo)的測量變得非常困難。由于存在著相互獨(dú)立的計(jì)時(shí)系統(tǒng)，目的端和源端測量的時(shí)間差不僅僅是探測分組在單向路徑上傳輸?shù)臅r(shí)間，它還包含了兩個(gè)測量端所對應(yīng)的時(shí)鐘偏差。在最壞的情況下，如果目的端時(shí)鐘滯后源端時(shí)鐘的差別大于探測分組實(shí)際傳輸?shù)亩说蕉藛蜗驎r(shí)延，那么測量結(jié)果將是一個(gè)明顯錯(cuò)誤的負(fù)值估計(jì)。
目前有兩種嘗試解決測量端之間時(shí)鐘不同步問題的方法。其中，網(wǎng)絡(luò)時(shí)間協(xié)議NTP廣泛應(yīng)用于互聯(lián)網(wǎng)環(huán)境中。它以一個(gè)固定的時(shí)間服務(wù)器作為參考點(diǎn)，計(jì)算其到各個(gè)測量端的往返路徑時(shí)間，將測量結(jié)果除以2之后再對各個(gè)測量端之間的時(shí)鐘偏差進(jìn)行估計(jì)。正如之前所提到的，這種對半估計(jì)的方法只有在往返路徑時(shí)延都一致的條件下才有意義。另一種同步方案是使用全球定位系統(tǒng)GPS。雖然GPS可以提供準(zhǔn)確的時(shí)間同步信息，但是它必須利用特殊的接收裝置來接收衛(wèi)星信號，因此并不適用于Internet中大多數(shù)不具有GPS功能的普通計(jì)算機(jī)的時(shí)間同步。
與端到端單向時(shí)延測量估計(jì)方法的研究相比，有關(guān)單向排隊(duì)時(shí)延及其分布特性的測量和估計(jì)方法的研究比較少。事實(shí)上，排隊(duì)時(shí)延在許多互聯(lián)網(wǎng)應(yīng)用中擔(dān)任著非常關(guān)鍵的角色。例如，在利用時(shí)延測量值進(jìn)行網(wǎng)絡(luò)主機(jī)定位時(shí)，排隊(duì)時(shí)延的估計(jì)可以有效地縮減置信區(qū)間的范圍，減小誤差，提高主機(jī)定位的準(zhǔn)確程度；對于VoIP應(yīng)用，為了補(bǔ)償語音分組的時(shí)延差異，需要根據(jù)時(shí)延分布函數(shù)對應(yīng)的丟包率，動(dòng)態(tài)地調(diào)整抖動(dòng)緩沖區(qū)的大小，從而獲得丟包率和傳輸時(shí)延之間的恰當(dāng)折中。與端到端的單向時(shí)延相比，排隊(duì)時(shí)延及其分布特性更直接地反映了網(wǎng)絡(luò)時(shí)延、流量和性能變化的情況，因此在業(yè)務(wù)質(zhì)量QoS保障、流量工程、負(fù)載均衡、異常檢測等眾多領(lǐng)域都將有重要的應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種網(wǎng)絡(luò)端到端排隊(duì)時(shí)延測量方法。
為了實(shí)現(xiàn)本發(fā)明目的，采用的技術(shù)方案如下一種端到端排隊(duì)時(shí)延測量方法，由探測發(fā)送端發(fā)送一串探測分組對，并在探測接收端測量探測每個(gè)分組對內(nèi)兩個(gè)探測分組之間的時(shí)間間隔，得到這些時(shí)間間隔的分布，然后通過排隊(duì)時(shí)延概率密度函數(shù)重構(gòu)算法，得到端到端排隊(duì)時(shí)延的概率密度函數(shù)。
上述技術(shù)方案中，所述排隊(duì)時(shí)延概率密度函數(shù)重構(gòu)算法，是通過從測量得到的傅立葉變換幅度值|FV|出發(fā)，重構(gòu)原始的概率密度函數(shù)fV(v)；所述傅立葉變換幅度值|FV|可以由|FV|=FX]]>確定，其中 fX(x)是樣本值xi的概率密度函數(shù)， 表示對函數(shù)f進(jìn)行傅立葉變換；所述樣本值xi=Δiout-Δiin,]]>其中Δiin表示在探測發(fā)送端第i對探測分組對內(nèi)兩個(gè)探測分組之間的發(fā)送時(shí)間間隔，Δiout表示在探測接收端測量得到的第i對探測分組對內(nèi)兩個(gè)探測分組的到達(dá)時(shí)間間隔。
本發(fā)明的技術(shù)方案中，重構(gòu)原始的概率密度函數(shù)fV(v)主要有兩種方式，其中一種的具體做法如下假設(shè)在第k次迭代中fV(v)的估計(jì)值是gk，則(a)對gk進(jìn)行傅立葉變換得到 分別得到Gk的幅度值|Gk|和相位exp[j·θk]；
(b)用所述測量結(jié)果|FV|代替|Gk|，構(gòu)成Gk′如下Gk′＝|FV|·exp[j·θk](c)對Gk′進(jìn)行傅立葉反變換，得到gk′ (d)由gk′得到新的估計(jì)值gk+1，并使之滿足歸一化條件gk+1(v)=gk′(v)∫0Tgk′(t)·dt]]>(e)如果下述估計(jì)偏差小到符合結(jié)束迭代的條件，則結(jié)束該迭代算法ϵk=∫0T|gk+1(t)-gt(t)|dt∫0T|gk(t)|dt.]]>結(jié)束迭代的條件可根據(jù)具體的網(wǎng)絡(luò)環(huán)境設(shè)定該偏差值。
另一種重構(gòu)原始的概率密度函數(shù)fV(v)可采用離散化傅立葉變換方法，所述排隊(duì)時(shí)延概率密度函數(shù)的離散傅立葉變換可以表示為|FV(m)|=|Σn=0N-1fV(n)·exp(i·2πmn/N)|]]>其中下標(biāo)m和n分別表示傅立葉域和時(shí)間域的離散取值點(diǎn)，1≤m，n≤N；具體做法是，在測量|FV(m)|的時(shí)候采用“過采樣”的方法，即采集足夠多的樣本值，使得|FV(m)|的取值個(gè)數(shù)為2N，并且對所有的n＞N令fV(n)＝0，由此使得{fV(n)1≤n≤N}，可以由{|FV(m)|＝|FV(m+N)|1≤m≤N}唯一確定；gk+1由下式確定gk+1(v)=gk′′(v)∫0Ngk′′(t)·dt,]]>0≤v≤2N
其中g(shù)k′′(v)=gk′(v),0≤v≤N0,N<v≤2N]]>在第二種重構(gòu)原始的概率密度函數(shù)fV(v)中，所述fV(v)的初始估計(jì)值g1的選擇方式之一是采用伽馬分布的概率密度函數(shù)，其具體確定方法如下設(shè)μ和ρ分別是一個(gè)節(jié)點(diǎn)輸出隊(duì)列的服務(wù)率和利用率，探測路徑上共有H個(gè)節(jié)點(diǎn)，則令α＝H，β＝-μ(1-ρ)，且當(dāng)μ和ρ未知時(shí)，可以令μ等于路徑上最小鏈路速率除以平均分組長度，ρ等于0.5。
本發(fā)明所述任意兩個(gè)探測分組之間的發(fā)送時(shí)間間隔設(shè)置為足夠大，使得所有探測分組經(jīng)歷的端到端單向排隊(duì)時(shí)延都是獨(dú)立并且同分布的隨機(jī)變量，其具體做法是把探測分組對之間的發(fā)送時(shí)間間隔以及探測分組對內(nèi)兩個(gè)探測分組之間的發(fā)送時(shí)間間隔都設(shè)置為大于排隊(duì)時(shí)間與探測分組的發(fā)送時(shí)間的和，使得任意兩個(gè)相鄰探測分組都不會(huì)同時(shí)出現(xiàn)在同一個(gè)輸出隊(duì)列中。
與現(xiàn)有方法相比，本發(fā)明不需要發(fā)送端與接收端的時(shí)鐘同步。它通過在發(fā)送端和接收端分別測量探測分組對內(nèi)報(bào)文分組之間的時(shí)間間隔，得到端到端單向排隊(duì)時(shí)延概率密度函數(shù)的傅立葉幅度值，然后通過偏差縮減的迭代重構(gòu)算法，估計(jì)時(shí)間域的概率密度函數(shù)，最后計(jì)算得到排隊(duì)時(shí)延的分布特性。其中，本發(fā)明以伽馬分布的概率密度函數(shù)作為重構(gòu)算法的初始估計(jì)函數(shù)，并提出了規(guī)范性的時(shí)間域約束條件和“過采樣”的時(shí)間域修正方法。由于該測量估計(jì)算法主要采用快速傅立葉變換與反變換計(jì)算，收斂速度快，總的計(jì)算量小，適合于實(shí)時(shí)應(yīng)用，能夠準(zhǔn)確地反映排隊(duì)時(shí)延的分布特性，對初始參數(shù)的設(shè)定具有很好的魯棒性。


圖1為本發(fā)明的一個(gè)實(shí)施例的示意圖；具體實(shí)施方式
下面結(jié)合附圖對本發(fā)明做進(jìn)一步的說明。
本發(fā)明通過由探測發(fā)送端發(fā)送一串探測分組對，每個(gè)分組對的兩個(gè)分組的發(fā)送時(shí)間間隔均為Δiin，分組對通過網(wǎng)絡(luò)的多個(gè)鏈路，經(jīng)過多個(gè)節(jié)點(diǎn)，到達(dá)探測接收端，并在探測接收端測量探測每個(gè)分組對內(nèi)兩個(gè)探測分組之間的時(shí)間間隔Δiout，得到這些時(shí)間間隔的分布，然后通過排隊(duì)時(shí)延概率密度函數(shù)重構(gòu)算法，得到端到端排隊(duì)時(shí)延的概率密度函數(shù)。
下面詳細(xì)介紹本發(fā)明的實(shí)現(xiàn)過程及原理。
1、關(guān)于單向排隊(duì)時(shí)延任意一個(gè)報(bào)文分組在多跳路徑的傳輸過程中經(jīng)歷的端到端單向時(shí)延都包含有確定性和隨機(jī)性兩個(gè)部分。
確定性的時(shí)延部分包括路徑各條鏈路上傳播時(shí)間和傳輸時(shí)間之和。傳播時(shí)間是指信號從鏈路一端傳到另一端所需要的時(shí)間，它只跟鏈路兩端之間的物理性質(zhì)和距離長度有關(guān)。一般地，信號在銅纜電線或光纖鏈路上傳輸?shù)乃俣仁枪馑俚娜种?。傳輸時(shí)間是把一個(gè)報(bào)文分組的所有比特傳輸至鏈路上的時(shí)間，它跟鏈路容量及報(bào)文分組的大小有關(guān)。由于傳輸路徑的鏈路狀況在每次測量期間都不會(huì)改變，而且發(fā)送的探測分組都具有相同的報(bào)文大小，因此在端到端單向時(shí)延里面，確定性時(shí)延是一個(gè)恒定不變的部分。需要注意的是，并沒有假設(shè)往返路徑上的確定性時(shí)延是相同的，因?yàn)橥德窂降逆溌沸再|(zhì)總是不一致的。
隨機(jī)性的時(shí)延部分是指鏈路的排隊(duì)時(shí)延之和。鏈路上負(fù)載著的背景流量使得每一個(gè)到達(dá)鏈路節(jié)點(diǎn)的報(bào)文分組(不管是否探測分組)都必須在輸出接口的隊(duì)列中排隊(duì)等候。只有當(dāng)目前正在傳輸?shù)暮痛饲耙呀?jīng)排隊(duì)等候的分組完成了全部的傳輸任務(wù)后，新到達(dá)的分組才能夠被處理發(fā)送出去。不同的到達(dá)分組在不同的鏈路節(jié)點(diǎn)上經(jīng)歷的排隊(duì)時(shí)延都不相同，因此隨機(jī)性時(shí)延是單向時(shí)延中變化的部分。而本發(fā)明就是研究如何測量和估計(jì)傳輸路徑上的這部分端到端單向排隊(duì)時(shí)延。
假定d(j)表示第j個(gè)探測分組在傳輸路徑上總的端到端單向時(shí)延，c(j)和v(j)分別表示固定和變化的兩個(gè)時(shí)延部分。顯然，d(j)＝c(j)+v(j)，并且對每一次測量期間的任意兩個(gè)探測分組j和l都有c(j)＝c(l)。本發(fā)明的排隊(duì)時(shí)延估計(jì)算法也完全不需要考慮c(j)這一部分。
2、非時(shí)鐘同步的端到端測量方法本發(fā)明發(fā)送一串探測分組對，它們之間的間隔足以保證相鄰的探測分組對不會(huì)出現(xiàn)在同一個(gè)輸出隊(duì)列中。在第i對探測分組對內(nèi)，兩個(gè)探測分組的發(fā)送時(shí)間間隔為Diin，并且所有探測分組對內(nèi)的發(fā)送間隔都相等Δ1in=Δ2in=···=Δiin=···=Δin.]]>這一串探測分組經(jīng)過多跳鏈路的傳輸后，由于經(jīng)歷了各不相同的單向時(shí)延，使得在接收端探測分組對內(nèi)的到達(dá)時(shí)間間隔也不相同Δ1out、Δ2out、…、Δiout、…。其中第i對探測分組對內(nèi)兩個(gè)報(bào)文分組之間的到達(dá)時(shí)間間隔為Δiout=Δiin-di(1)+di(2)=Δiin-(ci(1)+vi(1))+(ci(2)+vi(2))=Δin+(vi(2)-vi(1))]]>其中，di(1)＝ci(1)+vi(1)和di(2)＝ci(2)+vi(2)是指第i對探測分組對內(nèi)第1個(gè)和第2個(gè)探測分組的端到端單向時(shí)延。從上式可以看出，探測分組對內(nèi)兩分組到達(dá)時(shí)間間隔與發(fā)送時(shí)間間隔之差就恰恰是這兩個(gè)探測分組在傳輸路徑上經(jīng)歷的單向排隊(duì)時(shí)延之差，即
xi=Δiout-Δin=vi(2)-vi(1)]]>注意到Δiout和Δin是分別在接收端和發(fā)送端測量的時(shí)間間隔，因此xi表示的是一個(gè)準(zhǔn)確的時(shí)間差測量值，并不需要兩端時(shí)鐘的同步。
如果Δin設(shè)置得足夠大，使得探測分組對內(nèi)的兩個(gè)分組不在鏈路的同一個(gè)輸出隊(duì)列中出現(xiàn)，那么在測量期間這一串探測分組經(jīng)歷的端到端單向排隊(duì)時(shí)延就是獨(dú)立并且同分布的隨機(jī)變量。令fX(x)和fV(v)分別表示xi和vi(1)(或vi(2))的概率密度函數(shù)(Probability Density Function)，則有fX(x)=∫-∞+∞fV(v+x)·fV(v)dv=∫0+∞fV(t+x)·fV(t)dt]]>顯然，上式同時(shí)也是fV關(guān)于x的自相關(guān)函數(shù)，因此由自相關(guān)定理可以得到 其中 表示對函數(shù)f進(jìn)行傅立葉變換，|F|是傅立葉變換后相應(yīng)的幅度值。
所以，無論發(fā)送端和接收端之間的時(shí)鐘是否同步，只需要在兩端分別測量每一對探測分組對內(nèi)報(bào)文之間的時(shí)間間隔，就可以得到傳輸路徑端到端單向排隊(duì)時(shí)延概率密度函數(shù)PDF的傅立葉變換幅度值|FV|=FX]]>3、時(shí)延分布重構(gòu)估計(jì)算法在端到端測量的基礎(chǔ)上，需要從傅立葉變換幅度值|FV|出發(fā)，重構(gòu)原始的時(shí)間域概率密度函數(shù)fV(t)，從而獲得單向排隊(duì)時(shí)延分布的估計(jì)。這類傅立葉域-標(biāo)準(zhǔn)域的重構(gòu)估計(jì)問題普遍存在于圖像處理領(lǐng)域。譬如，一般情況下，含有干擾噪聲的圖像先以傅立葉變換域的形式記錄。然后通過濾除異常頻率的干擾信號，把圖像的主要成分從噪聲中分辨出來。最后再利用傅立葉相位重構(gòu)的方法，將圖像信息從傅立葉域恢復(fù)回原始的圖像坐標(biāo)域。
偏差縮減算法是其中一個(gè)廣泛應(yīng)用的傅立葉相位重構(gòu)方法。假設(shè)在第k次迭代中fV的估計(jì)值是gk，那么重構(gòu)算法可以表示為下面步驟(a)對gk進(jìn)行傅立葉變換得到 分別得到Gk的幅度值|Gk|和相位exp[j·θk]；(b)用所述測量結(jié)果|FV|代替|Gk|，構(gòu)成Gk′如下Gk′＝|FV|·exp[j·θk](c)對Gk′進(jìn)行傅立葉反變換，得到gk′ (d)由gk′得到新的估計(jì)值gk+1，并使之滿足歸一化條件gk+1(v)=gk′(v)∫0Tgk′(t)·dt]]>(e)結(jié)束該迭代算法，如果下述估計(jì)偏差足夠小ϵk=∫0T|gk+1(t)-gk(t)|dt∫0T|gk(t)|dt]]>隨著迭代次數(shù)的增加，上式的偏差計(jì)算值會(huì)不斷減小，而且一般地，最開始的幾次迭代步驟中偏差值縮減的速度會(huì)比后面的快很多。當(dāng)偏差減小到一個(gè)較小值并開始收斂時(shí)，重構(gòu)算法對排隊(duì)時(shí)延概率密度函數(shù)的估計(jì)也趨于收斂了。
在利用每一對探測分組對內(nèi)報(bào)文之間的時(shí)間間隔測量值進(jìn)行迭代估計(jì)時(shí)，重構(gòu)算法通常是以離散化傅立葉變換的形式處理的。對于所要求解的排隊(duì)時(shí)延概率密度函數(shù)，其離散傅立葉變換可以表示為|FV(m)|=|Σn=0N-1fV(n)·exp(i·2πmn/N)|]]>
其中下標(biāo)m和n分別表示傅立葉域和時(shí)間域的離散取值點(diǎn)，1≤m，n≤N；具體做法是，在測量|FV(m)|的時(shí)候采用“過采樣”的方法，即采集足夠多的樣本值，使得|FV(m)|的取值個(gè)數(shù)為2N，并且對所有的n＞N令fV(n)＝0，由此使得{fV(n)1≤n≤N}可以由{|FV(m)|＝|FV(m+N)|1≤m≤N}唯一確定；此時(shí)，gk+1由下式確定gk+1(v)=gk′′(v)∫0Ngk′′(t)·dt,]]>0≤v≤2N其中g(shù)k′′(v)=gk′(v),0≤v≤N0,N<v≤2N]]>由排隊(duì)理論可知，報(bào)文分組在單服務(wù)臺排隊(duì)系統(tǒng)的逗留時(shí)間S符合下面的概率分布P(S＞t)＝e-μ(1-ρ)t，t≥0其中μ和ρ分別是排隊(duì)系統(tǒng)的服務(wù)率和利用率。上式表明，分組逗留時(shí)間S服從參數(shù)為μ(1-ρ)的指數(shù)分布，或者說，服從參數(shù)α＝1、β＝-μ(1-ρ)的伽馬分布。
對于包含有H個(gè)節(jié)點(diǎn)的傳輸路徑，探測分組在每個(gè)節(jié)點(diǎn)逗留的時(shí)間S1、S2、…、SH為獨(dú)立的隨機(jī)變量。如果它們服從參數(shù)分別為(α1，β)、(α2，β)、…、(αH，β)的伽馬分布，那么∑Sh就是一個(gè)參數(shù)為(α＝∑αh，β)的伽馬分布。由于探測分組的逗留時(shí)間S是排隊(duì)時(shí)間W和服務(wù)時(shí)間B兩者之和，可以選擇伽馬分布的概率函數(shù)作為迭代重構(gòu)算法中fV的初始估計(jì)值g1。g1的兩個(gè)分布參數(shù)α和β與傳輸路徑的跳數(shù)、服務(wù)率和利用率有關(guān)。盡管在測量期間并不知道這些信息，但是本發(fā)明的重構(gòu)算法能夠在迭代過程中利用傅立葉域和時(shí)間域的約束條件調(diào)整分布參數(shù)的估計(jì)，使得初始估計(jì)值的參數(shù)設(shè)定對最終迭代結(jié)果的影響很小。且當(dāng)μ和ρ未知時(shí)，可以令μ等于路徑上最小鏈路速率除以平均分組長度，ρ等于0.5。
權(quán)利要求
1.一種端到端排隊(duì)時(shí)延測量方法，其特征在于由探測發(fā)送端發(fā)送一串探測分組對，并在探測接收端測量探測每個(gè)分組對內(nèi)兩個(gè)探測分組之間的時(shí)間間隔，得到這些時(shí)間間隔的分布，然后通過排隊(duì)時(shí)延概率密度函數(shù)重構(gòu)算法，得到端到端排隊(duì)時(shí)延的概率密度函數(shù)。
2.根據(jù)權(quán)利要求1所述的端到端排隊(duì)時(shí)延測量方法，其特征在于所述排隊(duì)時(shí)延概率密度函數(shù)重構(gòu)算法，足通過從測量得到的傅立葉變換幅度值|FV|出發(fā)，重構(gòu)原始的概率密度函數(shù)fV(v)；所述傅立葉變換幅度值|FV|可以由|FV|=FX]]>確定，其中 fX(x)是樣本值xi的概率密度函數(shù)， 表示對函數(shù)f進(jìn)行傅立葉變換；所述樣本值xi=Δiout-Δiin,]]>其中Δiin表示在探測發(fā)送端第i對探測分組對內(nèi)兩個(gè)探測分組之間的發(fā)送時(shí)間間隔，Δiout表示在探測接收端測量得到的第i對探測分組對內(nèi)兩個(gè)探測分組的到達(dá)時(shí)間間隔。
3.根據(jù)權(quán)利要求2所述的端到端排隊(duì)時(shí)延測量方法，其特征在于重構(gòu)原始的概率密度函數(shù)fV(v)具體做法如下假設(shè)在第k次迭代中fV(v)的估計(jì)值是gk，則(a)對gk進(jìn)行傅立葉變換得到 分別得到Gk的幅度值|Gk|和相位exp[j·θk]；(b)用所述測量結(jié)果|FV|代替|Gk|，構(gòu)成Gk′如下Gk′＝|FV|·exp[j·θk](c)對Gk′進(jìn)行傅立葉反變換，得到gk′ (d)由gk′得到新的估計(jì)值gk+1，并使之滿足歸一化條件gk+1(v)=gk′(v)∫0Tgk′(t)·dt]]>(e)如果下述估計(jì)偏差小到符合結(jié)束迭代的條件，則結(jié)束該迭代算法ϵk=∫0T|gk+1(t)-gk(t)|dt∫0T|gk(t)|dt.]]>
4.根據(jù)權(quán)利要求2所述的端到端排隊(duì)時(shí)延測量方法，其特征在于所述重構(gòu)原始的概率密度函數(shù)fV(v)采用離散化傅立葉變換方法，所述排隊(duì)時(shí)延概率密度函數(shù)的離散傅立葉變換可以表示為|FV(m)|=|Σn=0N-1fV(n)·exp(i·2πmn/N)|]]>其中下標(biāo)m和n分別表示傅立葉域和時(shí)間域的離散取值點(diǎn)，1≤m，n≤N；具體做法是，在測量|FV(m)|的時(shí)候采用“過采樣”的方法，即采集足夠多的樣本值，使得|FV(m)|的取值個(gè)數(shù)為2N，并且對所有的n＞N令fV(n)＝0，由此使得{fV(n)1≤n≤N}，可以由{|FV(m)|＝|FV(m+N)|1≤m≤N}唯一確定；gk+1由下式確定gk+1(v)=gk′′(v)∫0Ngk′′(t)·dt,]]>0≤v≤2N其中g(shù)k′′(v)=gk′(v),0≤v≤N0,N<v≤2N.]]>
5.根據(jù)權(quán)利要求4所述的端到端排隊(duì)時(shí)延測量方法，其特征在于所述fV(v)的初始估計(jì)值g1的選擇方式之一是采用伽馬分布的概率密度函數(shù)，其具體確定方法如下設(shè)μ和ρ分別是一個(gè)節(jié)點(diǎn)輸出隊(duì)列的服務(wù)率和利用率，探測路徑上共有H個(gè)節(jié)點(diǎn)，則令α＝H，β＝-μ(1-ρ)，且當(dāng)μ和ρ未知時(shí)，可以令μ等于路徑上最小鏈路速率除以平均分組長度，ρ等于0.5。
6.根據(jù)權(quán)利要求1至5所述的端到端排隊(duì)時(shí)延測量方法，其特征在于所述任意兩個(gè)探測分組之間的發(fā)送時(shí)間間隔設(shè)置為足夠大，使得所有探測分組經(jīng)歷的端到端單向排隊(duì)時(shí)延都是獨(dú)立并且同分布的隨機(jī)變量，其具體做法是把探測分組對之間的發(fā)送時(shí)間間隔以及探測分組對內(nèi)兩個(gè)探測分組之間的發(fā)送時(shí)間間隔都設(shè)置為大于排隊(duì)時(shí)間與探測分組的發(fā)送時(shí)間的和，使得任意兩個(gè)相鄰探測分組都不會(huì)同時(shí)出現(xiàn)在同一個(gè)輸出隊(duì)列中。
全文摘要
本發(fā)明提供一種端到端排隊(duì)時(shí)延測量方法，由探測發(fā)送端發(fā)送一串探測分組對，并在探測接收端測量探測每個(gè)分組對內(nèi)兩個(gè)探測分組之間的時(shí)間間隔，得到這些時(shí)間間隔的分布，然后通過排隊(duì)時(shí)延概率密度函數(shù)重構(gòu)算法，得到端到端排隊(duì)時(shí)延的概率密度函數(shù)。本發(fā)明不需要發(fā)送端與接收端的時(shí)鐘同步適合于實(shí)時(shí)應(yīng)用，能夠準(zhǔn)確地反映排隊(duì)時(shí)延的分布特性，對初始參數(shù)的設(shè)定具有很好的魯棒性。
文檔編號H04L12/24GK101022369SQ20071002728
公開日2007年8月22日 申請日期2007年3月23日 優(yōu)先權(quán)日2007年3月23日
發(fā)明者余順爭 申請人:中山大學(xué)