自相似流量分析其主动队列管理算法研究.pdfVIP

摘要 最近的研究使人们对网络流量的认识发生了显著的变换。在高速网络中对 数据流量的大量研究表明：网络流量具有传统流量模型无法描述的自相似特性， 因此能够描述自相似性的流量模型得到了深入地发展。然而自相似流量模型存在 的问题是计算复杂，相应的处理方法非常耗时且其参数难以实现在线的估测，这 都不易于这些模型在实际中的应用。同时，自相似性还会给网络的性能带来不利 的影响，导致排队延迟和分组丢失率增大，以及尺度不变突发性的发生。尽管尺 度不变突发性意昧着流量发生和空闲时期的集中出现，但是自相似流量在大时间 尺度下存在的相关结构也可以应用于性能改善的目的。 主要的工作和研究内容如下： 论文首先对自相似过程的相关研究背景进行了比较详细的分析，介绍了自 相似性的分类及定义，讨论了几种描述自相似性的流量模型。并总结了判定流量 是否具有自相似性以及自相似性参数——胁删f参数的估测方法。 在对拥塞控制和队列管理方法进行介绍的基础上，我们对网络节点上应用 的主动队列管理算法进行了研究，分析了这些算法的优点和不足之处。此外，本 提供比4RED更好的特性。 针对网络流量的自相似性具有预报特性，本文还提出了一种新的对输入流 量进行预报的方法，即多解析度预报器。这种用小波预处理提高预报性的思想是 来自于小波变换的多解析度分析方法。小波变换能够将一个时间序列分解为不同 解析度，且具有不同平滑特性的多个时间序列。越平滑的时间序列具有更大的预 报胜，而相反越粗糙的平滑性则越小的预报性，或者更可能是噪音。 考虑到流量的自相似性给网络的性能带来不利影响，同时自相似流量的相 关结构所具有的预报性，本文基于这两个方面分别提出了两种队列管理算法：滞 网络系统的暂态特性，来解决由于流量的自相似性造成缓存队列队长和延迟抖动 增大的问题。嬲基于小波多解析度分析的基础上，用于对网络到达流量的波 动进行短期和长期的预报，并重新设定分组的丢弃概率，同时避免了其他主动队 列管理算法必须进行预先参数设置的困难。通过理论分析和仿真验证的结果可以 证明：本文提出的三^，C和嬲算法可以同时应用于自相似和非自相似流量的情 况，并且比其他队列管理算法能更快地响应负载的变化，同时也说明了LNC和 翮9艇在调节队列长度的平稳性具有更强的鲁棒性。 关键词：互联网，拥塞控制，主动队列管理，自相似性，小波，多分辨率 分析 II Abstract has inthe ofnetwork beenasignificantchange understanding Recently，there 1]affic．Ithasbeenfoundinnumerousstudiesthatdatatrafficin networks high-speed be classical self-similar exhibits thatcannot models，hence self-similarity capturedby modelshavebeen withself-similarmodelsisthat are problem they developed．The is time whiletheir complex．Theirfittingprocedurevery consuming computationally cannotbeestimatedbasedontheon—line parameters havea detrimentaleffe