[发明专利]一种基于WiFi的TCP和UDP流吞吐量分析方法

权利要求书

1.本发明提出一种基于WiFi的TCP和UDP流吞吐量分析方法，具体为：假定网络中TCP上行和下行流处于饱和状态且与有限负载UDP上行流相互竞争，通过建立相应模型并利用马尔科夫随机过程计算网络中活跃TCP和UDP站数目的稳态分布，再将该分布函数植入到MAC协议模型中，推导出近似但精确的TCP和UDP吞吐量表达式。

2.根据权利要求1所述的一种基于WiFi的TCP和UDP流吞吐量分析方法，其特征在于：

同一接入点AP下的移动终端之间进行数据交流；假设在任何时间，每个无线站点都是单个的上行或下行流；表示TCP下行链路的接收站点数目，表示TCP上行链路的发送站点数目；AP转发TCPACK给发送者或TCP数据给接收者，S^T表示一个站点产生的TCP流，S_u^T是一个站点发送TCP上行数据，S_d^T表示一个站点接收TCP下行数据；

模型假设：

S.1:TCP流无丢包损失，也就是每个站点的传输队列无穷大避免缓冲区溢出；

S.2:信道为理想的信道，不会影响帧传输；

S.3:无线信道是系统链路的瓶颈；

S.4:只考虑长时间的TCP链接，也就是有无穷的数据需要发送；

S.5:在接收点的应用程序从socket接收缓冲区读数据的速率为它从网络接收到的速率；

S.6:不考虑ACK延迟；

以下是基础架构网络模型的等效网络，假定S^U表示站点的UDP流，有N^U个UDP上行流；个TCP上行流和个下行流；TCP流为持续不间断且UDP流是一个有限的负载，当进行TCP和UDP建模时，可忽略用于双向传输复杂的基于反馈的流控制算法，这样TCP站点可以模拟为一小部分的单向传输源；对个TCP下行流而言，实际的AP产生TCP数据；对个TCP上行流而言，AP产生TCPACK因此在等效网络中，AP是饱和的，那么它传输时的包负载的概率分布函数为：

其中，AP的有效负载包大小不超过lbytes，TCP段的大小固定为l_T，ACK不占用有效负载；

假设φ为饱和无线站点，也就是(φ＜N^T)，仿真实际TCP站点产生的总的TCP吞吐量；考虑到这些等效站点为个TCP下行流产生TCPACK,并且对个TCP上行流产生TCP数据，那么通用的站点包负载分布概率可以计算为：

令Y_udp(t)为在t时刻存储在所有S^U站点传输队列里面总的UDP数目，t和t+1作为两个连续退避时隙的开始时刻。在稳定条件下的虚拟时间结束后S^U个站点传输队列有h个UDP数据报文的概率为：

其中，h^u＝N^U·W^U，W^U表示操作系统分配给UDP套接字缓冲区的大小。

假设套接字缓冲区是有限的，因此在发送方缓冲区溢出造成的数据报文丢失依赖于UDP和当前网路竞争。为简便起见，采用短符号Y_h表示系统状态{Y_udp(t)＝h}，E[R]_h(也可以写作E[R(h)])表示状态Y_h对应的随机变量R的期望。

为了减少模型的复杂性，采用近似方法，比如说，对每次传输尝试，不管有几次重传，站点传输概率始终为p_k，k是网络中积压的站点数目；为了计算在状态Y_h的积压站点数，假定UDP数据存储在S^U站点的传输缓冲区里面，并且均匀分布在S^U个站点的输出队列里面；又令表示在Y_udp(t)＝h状态时，积压的S^U站点数目，并且令k_h是状态Y_h时的积压节点的数目；鉴于先前的考虑，有：

因此，在Y_h时，总的活跃站点的数目有个活跃UDP站点、一个饱和AP和φ个等效饱和TCP站点，则：

为了简便，忽略在参数k里面的下标h；

事实上，实际的包到达过程是一个连续时间过程，一个新的UDP包到达是随机的；简单来说，假设队列仅仅在时隙的末尾结束时发生变化，但是在这个时隙内，p_k是一个常数；而到达过程离散化只是一个近似，它存在一点误差，但可提供精确的结果；

根据先前的观察，可以把{Y_udp(t)}的随机过程看作是离散的马尔科夫链；注意，这是一个有限的马尔科夫链，因为S^U站点的输出队列不能存储超过h^u个UDP数据包；设γ_i1,i0是Pr{Y_udp(t+1)＝i1|Y_udp(t)＝i0}的缩写，为了计算传输概率，需要引入一些辅助的概率；首先，必须定义如何计算UDP负载；关键的假设是，定义函数Θ(i,T)表示在一个一般时间间隔T内到达S^U个站点传输队列里面的数据包个数有i个；为了获得这个封闭的γ_i1,i0的传输概率，需考虑在Y_h的状态下不同的虚拟时隙的类型；一般地，一个虚拟时隙可以是：

①一个空闲时隙

概率Pr{Idle}_h＝(1-p_k)^k；在一个空闲时隙，i个新的UDP数据到达S^U站点传输队列的概率是Θ(i,SLOT)，SLOT表示时隙长度；

②一个成功的传输

虚拟时隙包含一个成功的传输概率Pr{Succ}_h＝kp_k(1-p_k)^k；另外，利用虚拟时隙还可以区别三种不同类型的成功传输，1)AP以概率Pr{Succ^A|Succ}_h进行传输，平均持续时间是2)一个S^U站点以概率Pr{Succ^U|Succ}_h进行传输，平均持续时间是3)一个站点成功传输概率是Pr{Succ^T|Succ}_h,平均延迟是在一个成功传输中i个新的UDP数据报文到达S^U站点的传输队列的概率是X表示成功传输的类型；

③一个碰撞

虚拟时隙的碰撞概率是Pr{Coll}_h＝1-Pr{Idel}_h-Pr{Succ}_h，持续时间是E[T_C]_h；在碰撞过程中，i个新的UDP数据报文到达S^U站点传输队列的概率是Θ(i,E[T_C]_h)；

从上面的标准概率参数，可推出：

通过以上定义的概率，得出马尔科夫链的一步转移概率：

上式(*)里面的第一个表达式是存储在S^U站点的传输缓冲区里面的UDP数据减少1时的概率；这个事件发生在间隔内，有一个S^U站点进行了一次成功传输，但是没有新的数据报文到达；第二个表达式是存储在S^U站点的传输缓冲区UDP数据从h上升到δh+h时的概率，并且δh∈(0,h_u-h-1)，第三个表达式表示从一个通用状态Y_h到状态Y_u时的传输概率，所有的UDP套接字都是满的；因此，在这个状态下，下一个新的UDP数据报文不能进入网络；从状态Y_u到任何可以解释为公式里面的总和；

由公式(*)写出马尔科夫链通用状态Y_h的表达式：

结合上式与归一化条件，已经解决了线性系统等式的结果，并已经计算出在(1,N^T)中的每个Φ值的静态链分布，再将b_h嵌入到MAC协议模型中，可以进行吞吐量分析；

令ρ^*是系统传输层的吞吐量，定义为每个单位时间成功传输的负载数目；一旦P-Persistent中假定MAC协议操作和再生性能被分配给描述信道占用率的随机过程，按照近似方法，可以证明：

其中，E[T_ws]是一个虚拟间隔的平均持续时间，E[P_vs]是在平均虚拟间隔E[T_ws]内平均传输的负载数目；根据在状态Y_h时的条件期望，E[P_vs]可以表示为：

其中，E[P_s]_h是一次成功传输的平均负载长度，E[T_vs]可以计算为

特别地，考虑到在虚拟时间间隔内，平均虚拟时间间隔长度可以写为：

E[T_vs]_h＝Pr{Idle}_h·SLOT+Pr{Coll}_h·E[T_C]_c+Pr{Succ}_h·E[T_s]_h

其中，E[T_vs]_h是一次成功传输需要的平均时间；

考虑到可能的成功传输的不同类型，推出：

为计算ρ^*，必须计算E[P_S]_h，类似公式：

E[T_vs]_h＝Pr{Idle}_h·SLOT+Pr{Coll}_h·E[T_C]_c+Pr{Succ}_h·E[T_s]_h，可以得出：

其中，是AP成功传输TCP负载的平均长度，是一个站点成功传输TCP负载的长度；是一个S^U站点成功传输UDP的平均长度；在假设中，为了计算公式和里面的负载概率分布函数，有：

鉴于先前的结果，可以计算得到的吞吐量表达式；

ρ^*的表达式可以写为：

是在S^U站点中每单位时间成功传输的UDP数目，是站点每单位时间接收到的TCP负载长度；是站点每单位时间成功发送TCP负载的数目；考虑到公式：

推出

ρtcpD*=Σh=0hubh·E[PSA]h·Pr{SuccA|Succ}h·Pr{succ}hE[Tvs]---(16c)]]>

其中，ρ^*是φ参数的隐式函数，φ值表示无线站点扮演TCP发送者和TCP接收者对平均网络活跃度的贡献；因此为一个离散值。

3.根据权利要求2所述的一种基于WiFi的TCP和UDP流吞吐量分析方法，其特征在于：

基于WiFi的UDP和TCP流的吞吐量分析具体流程如下；

步骤10、开始；

步骤20、建立系统模型，并给定假设条件；

步骤30、推出饱和AP和饱和无线站点的包负载概率分布函数，如：

步骤40、采用近似方法简化系统模型；

步骤50、利用马尔科夫过程分析系统状态{Y_udp(t)}，并推出马尔科夫链非空的一步转移概率，如：

步骤60、结合一步转移概率计算每个Φ值的静态链分布；

步骤70、由状态Y_h时的条件期望计算一次成功传输的平均负载长度E[P_s]_h和在平均虚拟间隔E[T_ws]内平均传输的负载数目E[P_vs]；

步骤80、计算ρ^*的值，完成吞吐量分析；

步骤90、结束。