基于SNMP天基网络流量在线遥测与预测.docVIP

基于SNMP天基网络流量在线遥测与预测 　　摘要：针对星上路由器的业务流量速率为遥测目标，使用SNMP报文来实时收集网络流量统计信息，并使用多分辨率分析与神经网络结合的方法，对测量的流量数据序列进行冗余小波变换，将分解后不同尺度的系数用于BP神经网络的输入来进行流量的在线短时预测。 　　关键词：冗余小波变换;神经网络;流量预测 　　中图分类号：TP391文献标志码：A 　　文章编号：1001－3695(2007)07－0283－03 　　 　　0引言?? 　　 　　在对天基网络的管理中，资源管理和调度是保证空间任务实施非常关键的任务。这需要地面天基网络管理中心能够实时监测当前网络的资源分配情况、骨干节点和关键链路的业务流量负载，并作出预测分析。资源管理与调度的前提是对网络性能进行监测和预测，通过性能监测获取网络中关键节点和链路的性能指标，并根据这些数据来掌握网络的运行状态，发现网络行为规律以及异常，为进行网络规划、定位和排除故障、分析网络总体运行状态提供辅助手段。传统的网络管理是一种响应模式的行为，在监测到性能状态发生改变时，再实施管理往往会滞后。以对星上路由器端口流量的监测为例，在监测到流量超出预设阈值而触发告警时，网络已经因为过载而遭受影响。这需要根据历史数据对未来趋势进行预测，就可以获得网络性能在一定时间内的动态范围，提前给出预警，进而实施管理以满足优化网络性能和资源调度的需要。?? 　　与地面互联网络和移动通信网络相比，对星上路由器流量的监控面临很多困难。一些常用的检测手段和分析方法不再适用。由于卫星是在轨运行，无法像在地面一样使用流量监听工具，如Netflow等进行连续检测，只能由地面信关站进行遥测[1，2]。卫星网络具有动态运行、往返时延抖动很大、链路差错率高、上下行链路不对称等特点。因此对星上路由器的流量遥测数据是非平稳、不可靠的，会频繁发生遥测数据差错、丢失。在这种情况下，需要对遥测数据进行处理，去除噪声和差错后进行预测，为空间任务规划和调度提供决策支持。?? 　　 　　1天基网络流量的遥测与预测?? 　　 　　本文提出了一种空间综合信息网络流量遥测与预测系统结构，如图1所示。管理中心向星座代理发出轮询SNMP报文；信关站将地面发出的指令、数据等通过虚拟信道进行复接，形成标准的比特流，通过发射机发往卫星；卫星接收机收到来自地面或通过其他卫星转发的数据，经过分接，将SNMP报文交给星载中央处理器；星载处理器中将分析后的SNMP报文送往相应的代理，由代理对指令进行响应。以流量监测为例，星载代理从MIB信息中查询路由器端口发送的数据量，封装成SNMP单元，通过1553B高速总线送往高速多路复接器；将协议包与其他数据，如测控指令、有效载荷数据、转发数据等复接为标准格式的数据帧，由发射机送往地面站或其他卫星。?? 　　地面管理中心在接收到SNMP响应报文后，通过管理网络将数据送往相应的功能节点进行处理。预测节点将对接收到的流量统计信息进行预测。首先将采集的实时流量统计序列进行小波分解；然后对分解后的平滑信号和多层细节信号使用BP神经网络进行预测，得到流量在不同尺度上的突发特征；根据当前的突发强度调整轮询周期，提高对突发特征的捕捉并减少数据采集开销。其中，长期预测是对网络流量的长期趋势进行分析，多用于网络的规划、更新和资源调度；短期预测用于对网络进行过载告警。短期预测还能够用于对轮询策略进行微调，根据短期预测结果判断网络流量的变化特征和突发特征，进一步决定轮询周期。 　　 　　2基于冗余小波和神经网络的多分辨率预测方法?? 　　 　　神经网络具有分布存储、并行处理、自学习、自组织以及非线性映射等优点。将神经网络技术与小波分析技术结合用于对非线性和非平稳数据进行分析与预测，在很多领域已经取得优异的效果，成为研究热点。小波神经网络将小波变换良好的时频局域化特性和神经网络的自学习功能相结合，具有较强的逼近能力和容错能力。在结合方法上，可以将小波函数作为基函数构造神经网络形成小波网络，或将小波变换作为前馈神经网络的输入前置处理工具，即以小波变换的多分辨率特性对过程状态信号进行处理，实现信噪分离，提取出对流量预测误差影响最大的状态特性，作为神经网络的输入。O. Renaud等人[3，4]阐述使用基于小波的方法进行信号滤波与预测，信号经冗余小波分解后再对各分量使用多层传感器神经网络进行预测；F. Murtagh等人提出了一种使用小波分解和神经网络相结合的决策支持系统[5]；D. Benaouda等人[6]使用小波分析方法和神经网络方法对电力负荷进行了预测。?? 　　目前对网络流量的预测多数研究是采用对连续记录的报文流进行分析，使用时间序列分析方法来进行预测。Y. Qiao等人在对NSFNET骨干