论文部分内容阅读
针对网络拥塞控制中不能准确预测自相似业务量的问题，提出了一种噪声在线估计卡尔曼滤波（NOEKF）算法．NOEKF算法不依赖于业务源反馈信息，通过观测节点处当前和过去时刻的业务量来预测下一时刻的业务量，并建立了业务量的卡尔曼滤波状态方程和观测方程，给出了递推形式的状态向量最佳估计形式．考虑到未知状态方程和观测方程噪声的统计特性，采用在线估值法，并引入遗忘因子对噪声的统计特性进行估计．NOEKF算法预测准确、偏差小．仿真结果表明，与经典卡尔曼滤波算法和时间序列预测方法比较，NOEKF算法能够更精确地预测自相似