[发明专利]一种基于复杂通信网络信道数据挖掘路径预测算法

说明书

技术领域

本发明涉及一种复杂通信网络信道数据路径预测算法，属于通信技术领域

背景技术

现代通信网络将各种物理网络联接起来，形成一个复杂的网络拓扑结构，此网络中存在着一定的幂律现象，如处理器的幂律分布、业务量的自(互)相似性、数据包的延时特性等，在复杂的通信网络的表象下是否隐藏着简洁的秩序与结构，进而去挖掘某些数据的动态规律及特征，以对通信网络的各种复杂现象的机理进行解释。文献[1]通过分析网络节点数据的相关函数，可以挖掘出数据的相关特性中存在着相变现象。并在临界点处，某些数据的功率谱存在着一致的幂律特性；文献[2-3]利用数据节点排队的均方涨落函数，研究了复杂通信网络中节点在时间上的长程相关特性；随着网络负载的增加，可以挖掘出网络节点数据的排队长度由自由流状态的不相关或短程相关特性逐渐演变为临界和拥塞状态下的的长程相关特性，其关联范围将逐渐增大，可以挖掘出数据的长程相关特性。

基于以上复杂网络节点数据的相关性研究。本发明将复杂通信网络看作是路径预测算法产生的节点数据迭代序列形成的BANACH空间，通过路由准则算子从源数据挖掘出目的数据，将为进一步研究通信复杂网络的规律性、动态性奠定一定的基础。

发明内容

发明将复杂通信网络看作是路径预测算法产生的节点数据迭代序列形成的BANACH空间，通过路由准则算子从源数据挖掘出目的数据，将为通信网络路由、定位、跟踪、数据挖掘等算法奠定一定的理论基础。复杂通信网络具有分布式、多层次、动静混合等形式，采用此ML路径预测算法，可以挖掘WEB的数据信息，得出马尔可夫路径预测模型。可以进一步得出复杂通信网络的复杂动态行为，可以更好的选择路由，挖掘数据。从而对复杂通信网络的信道节点实施更精确的跟踪、定位。将有利于进一步对大规模通信网络中网络拥塞、异常基点的搜索与跟踪等研究领域。

本发明解决其技术问题所采用的技术方案是：

为了方便研究复杂通信网络信道路径预测的相关问题，本发明引入数据节点自相关特性。

复杂通信网络节点行为具有长程相关幂律特性，其长程相关性是用节点数据的排队长度来折射时间上的长程相关特性。定义给定数据节点的均方涨落函数为[4]

ΔH(τ)＝H(t₀+τ)-H(t₀)  (t₀＝1，2，…，)      (1)

通信网络中的数据节点在时间段[1，k]上的数据累积量为

H(k)=Σt=1kq(t)---(2)]]>

其中，q(t)表示t时刻数据排队长度。定义自相关函数C(τ)为

C(τ)＝q(τ+t₀)q(t₀)-q²(t₀)       (3)

则有数据节点的均方涨落函数的均方根F(τ)为