网络通信信道的隐马尔科夫模型.pptVIP

网络通信信道的隐马尔科夫模型 Hidden Markov Modeling for network communication channels 网络通信信道的隐马尔科夫模型 Authors：Kavé Salamatian、Sandrine Vaton Presented by：Xubo 2008年7月15日 网络通信信道的隐马尔科夫模型 主要内容 需要解决的问题 马尔科夫链 隐马尔科夫链（HMM） 利用HMM解决问题 网络通信信道的隐马尔科夫模型 需要解决的问题 IPPM定义了许多不同的端到端性能指标 时延 丢包率 可用 带宽 时延 抖动 。。。。。。 网 络 状 态 ? ? ? ? ? 网络通信信道的隐马尔科夫模型 需要解决的问题 网络通信信道的隐马尔科夫模型 需要解决的问题 网络通信信道的隐马尔科夫模型 需要解决的问题 时延 丢包率 可用 带宽 时延 抖动 模 型 网 络 状 态 网络通信信道的隐马尔科夫模型 马尔科夫链 1870年，俄国有机化学家Vladimir V. Markovnikov第一次提出马尔科夫模型 网络通信信道的隐马尔科夫模型 马尔科夫链 马尔可夫性 如果一个过程的“将来”仅依赖“现在”而不依赖“过去”，则此过程具有马尔可夫性，或称此过程为马尔可夫过程 X(t+1) = f( X(t) ) 网络通信信道的隐马尔科夫模型 马尔科夫链 时间和状态都离散的马尔科夫过程称为马尔科夫链，记作{Xn = X(n), n = 0,1,2,…} 在时间集T1 = {0,1,2,…}上对离散状态的过程相继观察的结果 链的状态空间记做I = {a1, a2,…}, ai∈R. 条件概率Pij ( m ,m+n)=P{Xm+n = aj|Xm = ai} 为马氏链在时刻m处于状态ai条件下，在时刻m+n转移到状态aj的转移概率。 网络通信信道的隐马尔科夫模型 马尔科夫链 转移概率矩阵 阴天 晴天 下雨 晴天 阴天 下雨 晴天 0.50 0.25 0.25 阴天 0.375 0.25 0.375 下雨 0.25 0.125 0.625 网络通信信道的隐马尔科夫模型 马尔科夫链 转移概率矩阵 由于链在时刻m从任何一个状态ai出发，到另一时刻m+n，必然转移到a1，a2…，诸状态中的某一个，所以有 当Pij(m,m+n)与m无关时，称马尔科夫链为齐次马尔科夫链，通常说的马尔科夫链都是指齐次马尔科夫链 网络通信信道的隐马尔科夫模型 HMM实例 观察值序列 Urn 3 Urn 1 Urn 2 Veil 网络通信信道的隐马尔科夫模型 HMM实例 在上述实验中，有几个要点需要注意： 缸间的转移不能被直接观察 从缸中所选取的球的颜色和缸并不是 一一对应的 每次选取哪个缸由一组转移概率决定 网络通信信道的隐马尔科夫模型 HMM概念 HMM的状态是不确定或不可见的，只有通过观测序列的随机过程才能表现出来 观察到的事件与状态并不是一一对应，而是通过一组概率分布相联系 HMM是一个双重随机过程，两个组成部分： 马尔可夫链：描述状态的转移，用转移概率描述 一般随机过程：描述状态与观察序列间的关系， 用观察值概率描述 网络通信信道的隐马尔科夫模型 HMM的基本要素 用模型五元组λ＝（ N, M, π ，A，B）用来描述HMM，或简写为λ =(π ，A，B) 参数 含义 实例 N 状态数目 缸的数目 M 每个状态可能的观察值数目 彩球颜色数目 A 与时间无关的状态转移概率矩阵 在选定某个缸的情况下，选择另一个缸的概率 B 给定状态下，观察值概率分布 每个缸中的颜色分布 p 初始状态空间的概率分布 初始时选择某口缸的概率 网络通信信道的隐马尔科夫模型 HMM可解决的问题 问题1：给定观察序列O=O1,O2,…OT,以及模型λ =(π ，A，B) , 如何计算P(O|λ)？ 问题2：给定观察序列O=O1,O2,…OT以及模型λ,如何选择一个对应的状态序列 S = q1,q2,…qT，使得S能够最为合理的解释观察序列O？ 问题3：如何调整模型参数λ=(π，A，B),使得P(O|λ)最大？ 网络通信信道的隐马尔科夫模型 HMM建模 本文研究报文丢失过程及网络状态和参数估计问题 使用open/close过程可以描述因特网中的报文丢失过程，但是有时候报文的丢失率会有较大的波动，作者认为网络信道具有隐藏的不同状态，在不同的状态下，报文的丢失率会有所不同，状态的转换会引起丢失率