基于模拟的网络流量自相似现象分析

一、引言自从1993年文[2]发表以来,网络流量的自相似特征日益受到重视,使传统的基于泊松和马尔可夫行为的流量模型受到了质疑。但是关于自相似现象的成因以及这一现象对网络流量建模的影响一直没有确定性的答案。文[3]中提出了高可变性(High Variability)是网络流量自相似现象的可能原因。但在文[1]中,作者基于Network Simulation-Version 2(以下简称ns2)网络模拟器,模拟产生了单个TCP对话流量的自相似现象,从而提出高可变性未必是出现自相似现象的必要前提,而TCP流量控制机制本身就是一个能产生自相似现象的确定性过程、然而在文[1]中,作者只模拟出了链路上单个TCP对话流量的自相似现象,但是在现实网络观测到自相似现象都是对于链路上总的流量来说的,而不是针对单个对话流量来说的。因此,本文设计了新的网络模拟方案,以探讨网络链路总流量出现自相似现象的条件,从模拟结果可以看出同一瓶颈     

分形滤波的网络流量预测

提出了一种结合分形滤波与线性神经网络进行网络流量预测的新方法。通过分形滤波增强网络流量中的长相关结构,使序列更加平滑,根据相空间重构理论利用线性神经网络进行预测操作,并用实际网络流量验证该模型的有效性。     

基于小波的网络流量特征分析

网络流量的特性分析一直是通信网络性能分析的一个极其重要的问题.本文充分利用小波变换具有多分辨率的特点,将时域里的网络流量通过小波分解,分解到不同的频带上,再对各子频带上的细节分量使用不同阀值进行消噪处理,然后采用自回归滑动平均混合模型对小波分解去噪后的不同分量分别进行预测再合成预测流量.对实际流量进行模拟预测,结果表明该模型有效地提高了预测精度,能对网络流量特别是短期流量做出较为准确的预测.     

基于流的网络流量特征分析

网络流量特征分析是提高网络性能的基础．其自相似特征是一个普遍存在的现象．通过对主干链路上的流量进行基于流的流量特征的分析，结果表明流间隔时间序列在小时间尺度上的自相似程度较弱，而大时间尺度上的自相似程度较强．进一步的分析表明，流的大小以及ICMP流对流的自相似特征有显著的影响，特别是流大小为1个包的流对其影响更大．     

基于混合模型的网络流量预测研究

随着网络应用的多样化发展,分析网络流量的行为特性并建立模型进行预测,对于网络管理与流量工程有着重要意义。论文通过对多种流量预测方法的分析和比较,指出单一预测模型的局限性并结合近年流量的新特性提出：网络流量的建模预测必须建立在流量重要特性的基础上,采用混合模型可以更全面、准确地描述和预测流量的行为趋势。     

自相似流量关键参数分析

大量的研究结果表明,网络流量过程普遍存在着自相似和长相关特性,自相似和长相关特性对网络性能具有重要的影响.目前绝大部分研究都集中在Hurst系数的估计及其性能影响上,这是不全面的.本文深入研究影响网络性能的自相似流量关键参数,通过仿真分析Hurst系数和方差系数对网络性能的影响,表明Hurst系数和方差系数对网络性能均有重要的影响.分析了方差对网络性能影响的原因,研究了G与方差之间的关系及其计算方法,给出了基于IDC的复合分形更新过程参数的估计算法,分析了分形开始时间对网络性能的影响.     

自相似网络流量模拟系统的集群实现

随着网络技术的发展,人们对网络服务质量提出更高的需求。对网络流量准确的建模,预测未来的网络流量,是保证网络服务质量和可靠性的重要措施。提出了一种基于Windows集群的自相似网络流量模型解决方案。该方案采用分形高斯噪声（FGN）模型并行算法,由基于Windows HPC Server的集群系统生成网络流量。详细描述了基于集群平台的系统设计和实现过程。实验结果表明,该系统能够生成大规模的具有指定Hurst系数的自相似网络流量,同时克服了单机系统及分布式系统的局限性。     

自相似网络流量的长相关分析方法

网络流量的长相关性的发现，不仅对传统的流量模型提出了挑战，而且引发了新的长相关性流量模型的研究，文章结合网络流量的研究进展，讨论了现有的几种长相关性流量模型，比较它们各自的优缺点，并预测了未来流量模型的发展方向     

重尾分布对网络流量性质的影响

重尾边缘分布的网络流量同时存在尺度突发和局部突发。对重尾分布的性质的研究表明重尾分布变量有很强的不稳定性,在网络流量建模中需要足够长的序列来减小重尾分布不稳定性引起的误差。仿真实验结果表明重尾分布的流量在小时间尺度上符合重分形模型。     

自校正Kalman滤波、预报、去卷、平滑新方法

本文用现代时间序列分析方法，提出了基于白噪声估值器和输出预报器解决线性离散定常系统稳态最优和自校正Ｋａｌｍａｎ滤波，预报，平滑问题新方法，此方法可能应用于跟踪系统、信号处理、通讯系统等领域，仿真例子说明了新方法的有效性。     

自相似网络流量可预测性及其在AQM中的应用

从网络流量的自相似性带来的可预测性入手,小结了两类常用的预测方法,并对其进行了比较;然后根据已有预测算法,将预测结果引入经典主动队列管理机制——RED算法中,提出了基于流量预测的RED算法;最后通过仿真实验表明,该算法能较好地控制平均队列长度,提高主动队列管理的性能。     

背景流量仿真及其在卫星网络性能分析中的应用

研究表明网络流量具有自相似特性,而自相似网络流量的生成是网络性能分析的一个关键环节,为此设计了一种生成网络背景流量的方法。在VC++环境中对该方法进行了仿真,验证了其有效性。进一步将该方法应用于卫星网络仿真,对卫星网络端到端的延迟进行了初步分析,结果表明网络流量的突发特性影响着卫星网络的性能,这是在进行卫星网络路由优化与流量分配时需要考虑的因素。     

通用网络流量监测报警系统的研究与实现

网络流量监测是网络测量领域一项重要内容。通过流量测量与预测,可以了解到自治域之间、网络之间的流量情况及其趋势,从而更好地进行网络改建和负载均衡的设计。本文根据SNMP网络管理协议和JAVA开发了一个通用的网络流量监测报警系统,为更好的理解网络提供了依据,为智能化管理网络打下良好基础。     

网络中突发业务自相似建模及其Hurst系数估计

提出了一种基于自回归AR模型的Hurst系数的估计方法，并给出了数学推导过程。采用真实网络突发业务的仿真结果表明，该文所提出的方法比传统的R／S法等估计方法具有更高的估计精度，能更好地反映真实网络业务流量的自相似性。该方法可望用于网络业务流量的管理和网络拥塞控制。     

自相似网络流量差分分析新方法

多媒体网络流量具有重尾特性及自相似特性,已得到了广泛的认同.而Alpha-stable过程作为Gaussian过程的推广能很好地描述重尾特性及自相似特性.在简要介绍了Alpha-stable分布和Alpha-stable过程的基础上,本文研究分析了当前基于线形分形稳定噪声(LFSN)理论的网络业务流量模型,并提出了基于差分分析的新方法及基于差分分析的LFSN流量模型参数估计新方法.对Bellcore实验室采集数据的拟合验证结果表明,该估计方法能准确确定模型参数.     

自相似网络通信量的多尺度预测研究

自相似性是网络的普遍属性,并且对网络性能具有重要影响。在网络性能研究中,利用自相似的长程相关性来进行预测对于有效分配和利用网络资源以保证网络QoS及提高网络性能是非常有意义的。然而,由于自相似通信量同时具有长程相关和短程相关性的多尺度性和非线性使得通信量的预测非常困难。文章在充分考虑自相似网络通信量这些特性的基础上,提出了利用人工神经网络来进行预测的方法。我们首先根据研究目标构建了多时间尺度预测的人工神经网络,并且对输入/输出向量处理、参数选择和学习算法进行了讨论;然后,我们利用FARIMA为模型合成的同时具有LRD和SRD性质的通信量trace进行了多尺度预测的实验研究,结果表明可以利用该算法进行多时间尺度预测,这对于优化网络控制策略是非常有意义的。     

基于自相似业务的RED算法性能研究

通过计算研究无线局域网中业务流的自相似性和仿真实验,研究无线局域网中基于自相似业务的RED算法的性能。仿真结果表明由于业务流的自相似性的负面影响和无线网络本身特点的影响,RED算法和Drop-Tail算法的性能差别不大。由于Drop-Tail算法简单易行、开销较低,建议在无线接入点采用Drop-Tail算法进行拥塞控制。     

基子自适应泸波器理论的自相似流量预测

根据流量特徵预测其到达速率是基于测量的网络控制机制的关键问题。本文研究了基于最小均方（Least Mean-Square，LMS）自适应滤波器对自相似流量进行速率预测的方法。通过分析对不同实际流量记录和仿真流量的预测结果，发现该方法不但减小了采用指数加权平均估计带来的计算复杂度，而且其滤波器系数自适应特性可以有效地跟踪流量的高度变化，从而更加准确地估计流量速率。此外，实验还得出了用LMS自适应滤波器进行流量预测的几个基本参数。