无线网络流量分形特性分析与建模.pdf

数和多重分形谱进行多重分形检验和估计的算法。通过实验一和实验二分别对 OPNET仿真所得以及真实无线网络环境中的流量数据序列的自相似性和多重分形 特性进行检验和估计。针对传统Hurst参数估计方法所存在的不足，在本章中提出了 一种基于最优化线性回归模型的小波域内Hurst参数估计方法，并对无线局域网的网 络流量利用所提出的方法和传统Hurst参数估计方法进行比较分析。为实现对大、小 时间尺度上分形特性的统一检验与估计，本章还提出了一种基于分形维数的分形特 性统一检测方法，能同时对网络流量在大时间尺度上的自相似性和小时间尺度上的 多重分形性进行判定，并通过实验验证该方法的有效性。 由于自相似反映了网络流量在较长时间周期上的相关性，而合成操作又是网络中 的一种基本操作，因此，第四章对自相似业务流的合成特性进行研究。本章在对 N(N∈z．，N3)个严格二阶自相似、长程相关和强二阶自相似输入流合成后的流量 分形特性进行理论推导的基础上，以IEEE 象，详细分析研究了其在四向握手机制、退避机制下的业务流具体汇聚过程，并在 研究。 第五章基于分形网络流量理论、分形特性检验与估计和自相似业务流合成特性的 研究结果，进行分形特性无线网络流量建模的研究。对传统的流量模型从物理模型 和统计模型两条主线加以概括，对物理模型中的ON／OFF模型从单一业务源到多业 务源组进行研究，而对统计模型则从时域内的短相关和长相关模型进行归纳总结。 本章提出了一种基于分形自回归综合滑动平均(FARIMA)过程的无线网络流量模 型，给出模型辨识过程，通过实验研究利用该过程对无线网络流量的建模，并对模 型有效性进行验证。给出GARMA模型的构建及其模型辨识算法。本章还提出了一 种基于稳定分布的无线网络流量自相似模型，包括稳定分布的定义和属性、参数估 计和验证，并给出实验与结论。由于小波变换的一些独有优点，本章还提出了基于 小波分解的无线网络流量模型，对连续小波变换(cwT)、多解析度分析(MRA) 和小波变换的Mallat算法进行研究，并由此建立无线网络流量的小波模型并进行实 验研究。 第六章基于第五章所提出的分形网络流量模型进行流量预测。提出了基于 FARIMA模型的自相似无线网络流量自适应预测，并对真实无线网络流量在不同时 间尺度上的流量数据序列进行预测，对预测结果进行分析以验证预测算法和评估预 Ⅱ 摘要 测性能。由于小波变换具有很好的去相关性，因此对无线网络流量trace进行小波分 解所得的尺度系数和小波系数可利用短相关模型ARMA进行建模。本章基于小波分 解的无线网络流量模型，提出自回归预测算法，对不同时间尺度上无线网络流量的 近似分量和细节分量进行预测，进而得到对整个网络流量的预测结果，并对预测性 能进行分析。 第七章在流量建模及流量预测的基础上进行网络性能分析。本章第一部分通过引 入一类混合指数分布并证明此类分布服从Pareto重尾分布，得到相应的LST变换闭 合形式及服务时间渐进级数，同时将形状参数Y=3／2时的服务时间及其LST变换推 广到更一般的情形，较为有效地解决了重尾分布的信源排队等待时间分析问题。此 外，本章还提出了一种通用的分组丢失率分析方法，在对流量过程的平稳增量过程 究稳态和瞬态时网络性能，将排队系统中发生的分组丢失划分为绝对丢失和随机丢 失，分别对相应的分组绝对丢失率和随机丢失率进行定量分析研究，并通过实验研 究真实无线网络环境中流量在大、小时间尺度上的分形特性带给网络性能的影响。 关键词：无线网络流量，分形特性，自相似，长程相关，多重分形，流量建模， 流量预测，排队分析 ⅡI Abstract the of Eversince1993．whenW．E．Leland introduced formally concept fractalintothe ofnetworktrafficinthefield of self-similar