基于分数布朗运动的自相似流量判别及生成方法.docVIP

精品文档（可编辑） 值得下载 基于分数布朗运动的自相似流量判别及生成方法 0引言 随着互联网快速发展、网络应用多样化以及新型网络应用快速部署，网络流量特性也随之发生变化。如何抽象出流量的一般化特性成为近期研究的热点。1993年Leland等率先发现网络业务的自相似特性，此后大量研究结果表明，自相似、多分形和长相关（Long Range Dependence，LRD）是现代网络业务的普遍特性[1-3]。网络业务自相似、LRD特性与基于Markov链假设的业务模型有着截然不同的特性，对网络的性能有着重大的影响，如果继续使用传统的网络业务模型，如Markov链、Poisson过程或Gaussian过程等来描述已不再适合[4-7]。 自相似流量牵涉到两个方面的研究，其一为自相似流量判别，其二为自相似流量模拟。当前对网络自相似性分析的研究中，关于网络自相似判别方法及自相似性程度研究较少，有必要给出相关的自相似判别方法及其案例分析。当前常见的模拟自相似流量的方法有ON/OFF模型、M/G/∞排队模型、自回归分数滑动平均（Fractional AutoRegressive Integrated Moving Average，FARIMA）模型、小波模型及分形布朗运动（Fractal Brownian Motion，FBM）模型等，其中，FBM模型具有坚实的数学基础，算法复杂度低，