论文部分内容阅读
网络层析成像技术不需要中间节点的协作,通过网络边缘节点收集网络中端到端的相关数据,采用统计推断等方法估计网络内部的状态参数。网络链路丢包率层析成像是应用网络层析成像技术估计网络链路丢包率,可应用于路由选择、优化网络、故障检测、流量工程、网络管理和控制等方面。本文将网络链路丢包率层析成像应用于故障链路检测和无线传感网络路由选择中,提出了基于神经网络进行故障诊断的方法和基于链路丢包率估计的定向扩散路由算法,并获得了良好的效果。首先,针对无线传感网络的有效性问题,提出了基于链路丢包率估计的定向扩散路由协议,主要工作包括:(1)当采用定向扩散协议传输感知数据时,由于每个节点都具有数据融合的功能,因此网络的逻辑拓扑形成了一棵以sink节点(汇聚节点)为根节点的反向多播树,sink节点根据收到的感知数据,使用因子图的方法估计链路的丢包率;(2)将监测任务用“属性-值”对的命名机制描述为兴趣消息,在一个固定的时间周期内,sink节点对收集到的端到端信息进行分析并估计链路的丢包率,丢包率信息将封装在兴趣消息中以广播的方式周期的向全网扩散;(3)将链路丢包率信息纳入梯度管理中,在兴趣消息扩散过程中,收到兴趣消息的节点建立到发送节点的梯度,同时记录到每个邻居节点的链路丢包率信息;(4)结合定向扩散中已经建立的时延信息并使用估计的链路丢包率信息进行选路,选择低时延低丢包率的链路传输数据;(5)使用NS2网络仿真工具对该协议进行验证,跟定向扩散路由协议相比该协议有效降低了端到端的平均丢包率,提高了网络的可靠性。其次,网络链路丢包率层析成像还可用于诊断故障链路,在本文中,提出了使用神经网络进行故障诊断的方法,主要工作包括:(1)深入研究现有的两个经典的故障链路诊断方法:SCFS(smallest consistent failure set)算法和CLINK(congested link)算法,发现链路故障的先验概率是推断故障链路集合的前提条件;(2)使用历史数据训练神经网络,获取链路状态的先验信息;(3)将后续的端到端测量结果输入到训练好的神经网络,推断出故障链路集合;(4)使用MATLAB对提出的算法进行仿真,仿真结果显示该算法相对于CLINK算法能够更加有效的诊断出网络中的故障链路。