论文部分内容阅读
网络拓扑识别是网络性能监测的重要组成部分之一,实时、准确地了解网络拓扑结构对于很多实际应用(如链路丢包率估计、链路时延估计等)都非常重要。基于网络层析成像的拓扑估计方法在不需要中间节点协作的前提下,通过主动发包或被动收集的方式测量得到端到端路径状态参数,并采用统计推断的方法估计出网络拓扑结构。传统的网络层析成像方法通常假设网络状态参数(包括拓扑结构)在整个测量时间内保持不变,即网络状态参数平稳。但在实际网络环境下,网络状态参数是时变的,因此基于平稳网络层析成像的拓扑估计方法得到的拓扑结构可能存在较大误差。本文针对上述问题,提出一种非平稳网络环境下的拓扑估计框架,在此框架下提出一种基于多度量参数融合的网络拓扑层析成像方法,主要工作包含以下两方面:(1)非平稳环境下拓扑估计度量参数的选择与提取:由于高阶累积量对于处理非线性非高斯问题的有效性,本文将其应用到非平稳拓扑结构层析成像中来对网络的链路长度和路径长度进行度量,从而提出了基于时延高阶累积量的新度量参数的构建方法。该方法首先根据高阶累积量的定义来计算得到路径时延的高阶累积量,然后根据累积量模型建立路径时延高阶累积量和共享路径高阶累积量的关系方程,从而计算出共享路径高阶累积量,也就是拓扑估计新度量参数。(2)基于多度量参数融合的网络拓扑层析成像方法:由于时延数据的各阶累积量均包含时延分布的各种不同的统计特性,为了充分利用各阶累积量的时延分布信息来对网络的拓扑结构进行估计,提出了基于多度量参数融合的网络拓扑层析成像方法。该方法首先根据新度量参数的性质提出了多度量参数的概念,并对其构建过程和它的几个重要性质进行了详细的描述。然后在多度量参数的基础上,提出了基于多度量参数融合的拓扑估计算法。该算法充分利用共享路径的长度信息,通过迭代的方法,自底向上来对树状网络的拓扑结构进行估计。本文利用Matlab和NS2对提出的方法进行仿真。仿真结果验证了在非平稳网络环境下,新度量参数具有更丰富的时延分布统计信息,能够反映出非平稳网络的时变特性。同时,仿真结果表明,基于多度量参数的非平稳网络拓扑估计方法即使在网络状态参数时变的条件下,也能够有效地估计出网络拓扑结构,并且比平稳方法得到估计结果具有更高的估计精度。