专利名称：一种网络流量估计方法
技术领域：
本发明属于计算机网络通信技术领域，特别涉及其中的网络流量估计方法。
背景技术：
随着hternet的快速发展，网络正朝着大规模、高速、多业务、大容量的方向发展，控制和管理网络的难度随之增大，网络状态参数不管对于网络管理人员、网络服务提供商或者网络研究人员都是一个很重要的物理量。网络流量矩阵(Traffic Matrix, TM)是网络性能参数的重要指标，表示了网络中任意OD(Origin-Destination)对(或流，或节点)之间的流量，描述了网络流量在各个OD 对间的分布情况。流量矩阵的获取，按测量的协作方式可分为主动测量和被动测量，按测量的情况可分为直接测量和间接测量。利用软件Netflow直接测量OD流数据存在很多问题(1)为得到全网络的OD流量信息，必须在所有的核心路由器上安装Netflow软件， 这是一项很大的开销；(2)直接测量过程中需要耗费大量路由器资源，影响路由器性能；(3)对于大尺度网络采集的数据和对测量数据的处理分析是很困难的。而在路由器上收集链路流量统计数据简单的多，间接测量来估计流量矩阵是非常热门的研究方向。通过收集得到的链路流量数据利用线性反问题来得到OD流数据的估计， 流量矩阵、路由策略、链路流量之间的关系可以通过一个线性等式描述Y = AX 式(1)其中，Y是一个矩阵，表示网络中所有链路的流量；X也是一个矩阵，表示流量矩阵，流量矩阵的行对应OD对，列对应不同时刻的OD对;A= {aiJ}是0-1矩阵，表示路由矩阵，％表示路由矩阵A中第i行、第j列的元素，i e l，L，m]，j e [1，L，η]，其中m为链路总数，η是OD流总数，如果第j条OD流通过第i条链路，则= 1，否则= 0，A的列表明了某个OD流量需求在网络中所要经过的全部链路的集合，式(1)中的Y和A比较容易获得Y可以通过SNMP(Simple Network Management Protocol)测量得到，A可以通过路由策略和网络拓扑获得。但是，由于实际网络中链路测量数远小于OD流数，这使得路由矩阵A 不是满秩的，(1)式会有无穷多组可能解，故而，流量矩阵估算要解决的是在已知链路流量 Y和路由矩阵A的情况下求解流量矩阵X，所面对的问题是欠定的、病态系统的反问题求解。随着流量监测技术的发展，如果可以充分利用流量监测中可得的测量数据，直接用于获得OD流的时间空间相关性而不用通过假设，将大大提高流量矩阵估计的精度，同时利用直接测量获得的数据校正模型，校正后的模型用于接下来的流量矩阵的估计。针对该问题，在文献“Vardi Y. Network Tomography !Estimating source-destination traffic intensities from link data， Journal of the American Statistical Association， 1996,91(433) :365_377”提出利用网络层析成像，将OD流建模为泊松分布，使用二阶矩作为推断OD流对的先验信息，对链路数据利用EM算法估计泊松分布模型的参数，为了减小EM算法在泊松模型下的实施难度，讨论了使用正态模型来逼近泊松分布模型。为了更好的追踪OD流的非平稳性，用一阶马尔可夫过程逼近OD流的非平稳性，在文献"Tebaldi C, West Μ. Bayesian inference on network traffic using link count data. Journal of the American Statistical Association,1998,93(442) :557 576，， 提出使用贝叶斯方法来求解流量矩阵，这类方法建立在矩阵理论和统计数学基础上，利用层析成像反演来求解网络流量矩阵。其中，在文献“A. Soule，K. Salamatian, A. Nucci, et al. Traffic matrix tracking using Kalman filters. ACM SIGMETRICS Performance Evaluation Review, 2005, 33 (3):对_31”提出了 Kalman滤波器方法，利用动态线性系统理论的状态空间模型来表示系统的变化，把OD流看作网络流量系统的基本状态。因为OD流在时间上是动态变化的，因此状态空间也是变化的。基于Kalman滤波器的OD流量估计方法，是基于状态模型的线性动态系统；而由于现实世界多数的系统都是非线性的，OD流量估计的非线性模型能够更好的体现OD流量估计模型特性。当系统是非线性时，获得系统方程完整的描述是困难的，常采用线性近似得到次优估计。当系统具有强非线性时，会引入较大的线性化误差，影响OD流量估计的精度；同时需要计算偏导数矩阵，增加了系统的计算复杂度。
发明内容
本发明的目的是为了解决现有的基于卡尔曼滤波器的OD流量估计方法存在的上述问题，提出了一种网络流量估计方法。本发明的技术方案是一种网络流量估计方法，包括如下步骤Si.初始化，获得任意时间段的网络链路流量和源-目的节点对的网络流量数据， 假定源-目的节点对的网络流量的先验分布是高斯分布，求得初始状态均值足和协方差矩阵Po，用于求取初始时刻0的加权采样点集。S2.获得ο点集，采用无味变换获得ο点集σ i及相应的权值Wi,其中，i = 0，L， 2nx，每个σ点都是时刻t的1^维OD流随机状态向量，nx为整数，表示OD流的维数，2nx+l 表示状态采样点的数目；将获得的ο点集经过系统状态方程进行非线性变换，得到变换之后的 σ 点集= f(xt_1; GV1),其中，Xh = (Xijtjw, i = 0,L,2nJ 表示变换之前采样得到的t-Ι时刻的σ点集，xt,M = (XiitiwjI = OjL^nJ表示变换之后的采样得到的t-Ι时刻的σ点集，所述系统状态方程为Xt = f(Xt_i，ωΜ)，其中，Xt表示t时刻 维系统状态向量，表示t-Ι时刻的1^维系统状态噪声向量，f表示当前时刻与下一时刻的系统状态向量非线性关系；S3.状态预测，对步骤S2得到的变换后的ο点集进行加权处理，得到一步预测状态之η和一步预测状态的协方差矩阵PtH
权利要求
1.一种网络流量估计方法，其特征在于，包括如下步骤51.初始化，获得任意时间段的网络链路流量和源-目的节点对的网络流量数据，假定源-目的节点对的网络流量的先验分布是高斯分布，求得初始状态均值足和协方差矩阵 Ptl，用于求取初始时刻0的加权采样点集。52.获得σ点集，采用无味变换获得σ点集Qi及相应的权值Wi,其中，i= 0，L，2nx， 每个σ点都是时刻t的nJ^OD流随机状态向量，ηχ为整数，表示OD流的维数，2ηχ+1表示状态采样点的数目；将获得的ο点集经过系统状态方程进行非线性变换，得到变换之后的 σ 点集Xt,H = f(xt_1; COh)，其中，Xh = {xi>t,t-i' i = 0,L,2nJ 表示变换之前采样得到的t-Ι时刻的σ点集，Xt^= (XiitiwjI = OjL^nJ表示变换之后的采样得到的 t-Ι时刻的σ点集，所述系统状态方程为Xt = f(Xt_i，ωΜ)，其中，Xt表示t时刻ηχ维系统状态向量，表示t-Ι时刻的1^维系统状态噪声向量，f表示当前时刻与下一时刻的系统状态向量非线性关系；53.状态预测，对步骤S2得到的变换后的ο点集进行加权处理，得到一步预测状态Λη和一步预测状态的协方差矩阵Pt, H
2.根据权利要求1所述的网络流量估计方法，其特征在于，步骤Sl中所述的任意时间段具体为M小时。
3.根据权利要求1所述的网络流量估计方法，其特征在于，步骤S3中所述的系统状态方程具体采用切比雪夫多项式拟合曲线确定。
全文摘要
本发明公开了一种网络流量估计方法，具体包括初始化、获得σ点集、状态预测、状态估计和过程更新步骤。本发明的方法将流量矩阵估计问题建模为一个非线性系统，更符合OD流量真实特性；对通过UT变换获得的σ点集进行非线性变换，非线性变换所需的系统状态方程的系数具体通过切比雪夫多项式拟合得到，取代了现有的利用局部线性化近似获得系统状态方程，因此不需要系统的状态方程满足可用线性函数逼近的条件；UT变换采用了对称采样策略，用粒子点集逼近非线性函数的概率密度函数分布，得到状态估计的更高阶近似，使得OD流量估计的结果有更高的精度，并且降低了系统的计算复杂度。
文档编号H04L12/56GK102325090SQ201110281518
公开日2012年1月18日 申请日期2011年9月21日 优先权日2011年9月21日
发明者石凌燕, 胡光岷, 钱峰 申请人:电子科技大学