[发明专利]基于卡尔曼滤波的时变网络链路丢包率的估计方法

摘要

本发明公开了一种基于卡尔曼滤波的时变网络链路丢包率的估计方法，其主要分为训练和估计两个阶段，在训练阶段，源节点向多个目的节点发送背靠背探测包获取路径数据，然后利用路径数据估计出时变链路丢包率的先验信息，并建立卡尔曼滤波器的状态转移方程；估计阶段在不需要发送探测包的条件下，利用状态转移方程和网络背景流所得到的路径数据，通过反馈控制的方法完成时变链路丢包率的递归计算和估计；通过引入卡尔曼滤波模型来估计时变网络的链路丢包率，得到的链路丢包率估计结果，具有均方误差最小这个特性，并且具有很好的估计精度，能够实时地反应时变网络链路丢包率的时变特性。

主权项

1.基于卡尔曼滤波的时变网络链路丢包率的估计方法，其特征在于，具体包括： S1、准备先验数据：由源节点向目的节点对发送背靠背探测包，得到时变路径传输概率Y，根据Y=AX，得到时变链路传输概率X，其中A为已知的网络链路的路由矩阵； S2、训练阶段：根据所述步骤S1中得到的时变路径传输概率Y、时变链路传输概率X以及卡尔曼滤波模型：X_k+1=C_kX_k+W_k，Y_k=A_kX_k+V_k得到C_k、Q_k、R_k； 其中，X_k、Y_k分别表示在时刻k下的链路传输概率的对数向量和路径传输概率的对数向量，用{t₁,t₂....t_T}表示测量时间内的等间距时刻，用{1,2,...,T}来表示k的取值范围{t₁,t₂....t_T}，其中k∈{1,2,...,T}，且1≤k≤T，C_k为在时刻k下的状态转移矩阵，A_k为在时刻k下的路由矩阵，W_k表示时刻k下时变网络链路丢包率估计过程中的随机噪声，V_k表示时刻k下时变网络路径丢包率估计过程中的观测噪声； 所述Q_k为时刻k下的随机噪声W_k的协方差矩阵，R_k为时刻k下的观测噪声V_k的协方差矩阵，设定在测量周期内，状态转移矩阵C_k和路由矩阵A_k恒定不变，即C_k=C，A_k=A，随机噪声W_k和观测噪声V_k的协方差矩阵是常量，即Q_k=Q，R_k=R,选出一组与真实值最接近的Q、R值； S3、获取观测数据：在网络中加入路径级Pareto分布的用户数据报协议UDP流和路径级文件传输协议FTP应用传输控制协议TCP流作为背景流量，获取在时刻k下路径的传输概率S4、估计阶段：采用反馈控制的方式来完成过程状态的递归计算和估计，包括两个过程： （1）、时间预测过程：根据上一时刻k下链路传输概率的估计值和系统误差协方差矩阵的估计值P_k|k，向前预测当前时刻k+1下链路传输概率的预估值和误差协方差矩阵的预估值P_k+1|k，计算结果组成当前时刻下状态更新的先验值，预测过程为：P_k+1|k=CP_k|kC^T+Q，其中，C^T为状态转移矩阵C的转置矩阵； （2）、状态校正过程：计算当前时刻下k+1的卡尔曼滤波增益K_k+1，由步骤S3所获取的在时刻k下路径的传输概率得到当前时刻的观测向量校正预测过程中链路传输概率向 量的预估值得到链路传输概率的后验估计值最后对误差协方差矩阵P_k+1|k的预估值进行更新校正,得到当前时刻下误差协方差矩阵的后验估计值P_k+1|k+1，校正过程为：K_k+1=P_k+1|kA^T[AP_k+1|kA^T]^-1其中，A^T为路由矩阵A的转置矩阵，I为单位向量矩阵，(I-K_k+1A)^T为(I-K_k+1A)矩阵的转置矩阵；由于在系统的初始状态存在两个初值条件：其中，X=(X₁，X₂，…X_N)^T表示步骤S1中得到的链路传输概率的先验数据，初始链路传输概率为链路传输概率的先验平均值，当完成以上所述时间预测过程和状态校正过程两步之后，整个系统的状态估计过程将再次重复，直到整个测量周期结束或者估计误差超过门限而导致卡尔曼滤波模型的系数需要重新训练为止；S5、误差计算：定义路径估计误差为：误差门限值T_e为：其中，M为路径条数，K_i为第i条路径所包含的链路条数，γ(i,j)为第i条路径上第j条链路传输概率估计结果所允许的最大误差。当满足时，需要重新测量卡尔曼滤波模型系数；若时，无需对卡尔曼滤波模型系数进行重新测量，直接进行下一时刻的时间更新和状态更新过程。