面向EPON与LTE无线双模融合通信的网络业务流建模方法与流程

本发明是属于通信网络业务流建模中的面向epon与lte无线双模融合通信的网络业务流建模领域。

背景技术：

以太网无源光网络(epon)和lte已被广泛应用于通信网络中，与传统的传输网络相比，它们可以提供更大带宽、更短时延的数据传输能力。而在电力通信网络的配电通信系统中，目前仍主要采用光纤组网的epon系统和租用运营商gprs两种通信模式，单一通信制式存在固有缺陷以及使用的局限性，给配电通信网络的安全性以及新功能业务的拓展带来了极大的挑战，如：施工过程中光缆被挖断将会导致大量onu失连，造成电力终端监控设备采集数据无法传输和汇集；gprs本身的传输带宽就非常小，并且容易受到外界的电磁干扰等，这些都限制了配电通信系统网络的发展以及新功能的部署，已经无法满足配电通信系统服务功能多样化的需求。因此，融合epon和lte构建无线双模融合通信系统是配电通信系统发展的必然趋势。在配电通信系统中，epon与lte无线双模融合通信系统的流量特性以及管理模式相比于传统的epon与gprs相结合的通信模式发生了巨大的变化，同时也与移动通信服务网络的业务流量也有巨大的差别。然而，在配电通信系统中关于epon与lte无线双模融合通信的网络业务流量的性质和特点尚未深入研究，理论分析与实际应用之间的差距仍然较大。本专利意在解决配电通信系统中epon与lte无线双模融合通信网络流量建模问题，并提出了一种基于沃尔什变换的建模方法来描述epon与lte无线双模融合通信网络流量的端到端流量。首先，将端到端业务表示为独立同分布随机时变序列。然后用沃尔什变换来表征网络流量的端到端流量。通过计算相应的参数，证明了建立模型是正确性。仿真结果表明，本专利方法具有可行性和有效性。

随着配电通信系统中数据传输需求和新应用的不断发展，epon与lte无线双模融合通信网络已经广泛地部署在当前的配电通信网络中。epon与lte无线双模融合通信网络中的流量具有新功能，这给配电通信系统的传输网络性能和流量工程带来了新的挑战。准确地描述和模拟epon与lte无线双模融合通信网络的流量对提高epon与lte无线双模融合通信网络的性能具有重要意义。而且，配电通信系统中的网络流量具有自相似性、自相关性、重尾分布等特点，这对网络优化和路由有重要影响。epon与lte无线双模融合通信网络的流量表征了配电通信的网络行为。因此，模拟epon与lte无线双模融合通信网络中的端到端流量已受到研究人员、运营商和开发人员的广泛关注。

通信网络中的端到端流量行为体现了网络中的路径级和网络级特征，这可以用于描述网络状态和性质，如路径负载、吞吐量、网络利用率等。利用统计方法被用来表示和描述从源节点到目的节点的网络流量模型；重力模型、通用演化、混合方法和压缩感知等可以用于捕获端到端网络流量的属性。在执行建模的过程中，这些方法可以更好地预测和估计端到端流量。但是，这些方法需要来自链路负载的信息或关于端到端网络流量的先前信息，这必然增加了获得模型参数的计算复杂性和开销。而采用时频域分析可以用来捕捉多尺度特征和动态特性；利用神经网络被用来模拟网络流量，这些方法可以建立表示端到端网络流量的模型，但要准确地捕获它们的功能并为通信网络中的流量工程建立准确和适当的网络流量模型非常困难。为此，本发明提出一种新的建模方法来估测epon与lte无线双模融合通信网络中的端到端流量。

技术实现要素：

针对现有方法存在的不足，本发明提出一种更简便、高准确度、高效率的epon与lte无线双模融合通信网络的流量建模方法，其主要步骤如下：

步骤一：根据网络流量测量仪获取网络中的测量值，并写成表达式

所示的非线性函数表征网络流量的真实值；其中[τ1,τ2]是滤波器窗口的长度；τ1和τ2分别是滤波窗口的起始时刻和终止时刻；f(t)是一个任意连续时间函数；t代表时间；x表示测量的真实值；h是仪器响应函数。

步骤二：根据等式

非线性函数公式被写为离散形式y(k)；k是自变量；h(i)是仪器的离散响应函数。[i1,i2]是离散的滤波器窗口长度；其中，i1和i2分别是滤波器窗口的起始点和结束点；n是采样点数。

步骤三：根据沃尔什变换理论

对具有n个采样点的序列，其沃尔什变换对可以表示为

经过反演得到测量曲线，并去除仪器以及环境的影响。f(k)与f(t)是沃尔什变换对；xi是测量的真实值序列，xk是xi的沃尔什变换。

步骤四：使用最小二乘法，得到误差平方和q(x0,x1,...,xn-1)，再通过等式

以获得xn的最小值，n是采样点数。其中q(x)是误差平方和；j是总的采样点数。

步骤五：xn用沃尔什的逆变换来评估，以获得网络流量真实值x的估计值

步骤六：使用估算误差来修正模型。如果过程结束，请退出并将结果保存到文件中，或返回到步骤1。

沃尔什函数是一个完整的、标准化的正交系统定义为[0,1]，表示为wal(n,k)，其中n是阶数，k是自变量，其值仅为+1和-1。沃尔什函数是一个非正弦函数，任何一个时间函数f(t)在[0,1)周期都为1。时变网络流量可以分解为一系列沃尔什函数的加权求和。因此，对于任何连续时间函数我们都可以得到下面的等式：

其中

因此，连续函数的沃尔什变换f(t)可以表示为

这是一个沃尔什变换对。

对于具有n个采样点的离散序列，其沃尔什变换对是

经过反演得到测量曲线，并去除仪器以及环境的影响。f(k)与f(t)是沃尔什变换对；xi是测量的真实值序列，xk是xi的沃尔什变换。

本文所涉及的方法基于以下假设：在测量解释模型中，网络流量在短时间内均匀且稳定，因此测量曲线在短期内可近似为矩形波。

测量仪获得的网络流量数据实际上是受仪器响应函数，环境条件等因素影响的非线性函数，它通常是网络流量的真实值。相应地，可以获得以下等式：

其中x表示测量的真实值；h是仪器响应函数；[τ1,τ2]指示滤波器窗口长度；t代表时间。因此，我们可以得到以下离散形式：

其中[i1,i2]表示滤波器窗口长度；k表示时间采样标记；n是窗口中采样点的数量。测量曲线反演的目的是从测量值y中去除仪器响应函数h，环境条件等的影响，以恢复流量的真实值x的估计值因此测量值的均方误差和真实值x是一样的。沃尔什变换比傅立叶变换反映时变流量的基本特征更准确。因此，我们使用基于沃尔什变换的测量曲线反演技术来描述网络流量。最小二乘法用于获得测量值的真实值的估计值

根据之前的假设，对x(k-i)进行沃尔什逆变换并完成方程：

j是采样点的总数；x＝(x0,x1,...,xn-1)^t是x(k-i)的沃尔什变换。

xn的解可以使用最小二乘法估计。根据沃尔什反变换，我们可以获得网络流量x的估计值。式子如下

已经证明，沃尔什变换下的最小二乘解模型具有最高的分辨率，可以在不考虑环境噪声影响的情况下得到网络流量的精确解x，插值结果与所得结果数据值接近。式子(7)可以使误差均方和取得xn的最小值。

本发明的优点：通过一些测试来演示基于沃尔什变换的流量建模方法(wtma)最终验证了业务流量模型的准确性。我们需要使用真实的网络数据。我们使用美国真正的abilene骨干网络的真实数据来验证wtma。利用matlab2010开展了详细的模拟实验。并将wtma与pca、wabr和hmpa网络流模型算法进行了比较。我们还评估wtma对pca、wabr和hmpa的性能改进。

基于沃尔什变换流量建模方法

实验结果表明，wtma可以有效地抓取端到端网络流量的动态变化对于不同的时隙，真实的端到端网络流量表现出显着的时变性质，wtma可以捕捉到端到端网络流量的趋势。虽然wtma对于端到端网络流量存在较大的估计误差，但它仍然可以捕获其变化趋势。这进一步表明wtma可以有效估计端到端网络流量随时间的变化。

同时我们比较了所有算法的相对估计误差。端到端网络流量的平均相对估计误差定义为：

在i＝1,2,...,n中，n是模拟过程的次数。||·||2是l2的范数。指的是第i次时间t的端到端估计值。

得到结论：与pca、wabr和hmpa相比，wtma对于端到端网络流具有更好的估计能力，而wtma确实具有最好的估计能力。更重要的是，在相对误差方面，wabr，hmpa和wtma在时间上的波动低于pca。这表明与其他三种算法相比，wtma可以更有效地建立具有动态和时变特征的端到端网络流。

分析wtma对端到端网络流量的其他三种算法的改进。得到结果：相对于pca，wtma可以达到最大的性能提升。对于wabr，wtma只能实现较小的改进。但是，wtma对hmpa的改善程度最低，不到5％。

附图说明

图1为给出本发明面向epon与lte无线双模融合通信网络流建模方法的实施方式总流程图；

图2描绘了端到端业务流67和107的真实值和wtma预测结果。其中(a)为端到端od流67的相对误差；(b)为端到端od流107的相对误差；

图3为端到端业务流67和107的四种算法pca、wabr，hmpa和wtma的平均相对误差。其中(a)为端到端od流67的相对误差；(b)为端到端od流107的相对误差；

图4为wtma分别对pca、wabr和hmpa端到端业务量流量67和107的改进比例。

具体实施方式

下面结合附图对本发明的实施方式作进一步详细的说明。

图1为面向epon与lte无线双模融合通信网络流建模方法的实施方式总流程图。该流程开始于步骤s101。在步骤s102，根据网络流量测量仪，获取网络中的测量值，并写入等式

所示的非线性函数网络流量的真实值。这一步的等式来源如下：沃尔什函数是一个完整的、标准化的正交系统定义为[0,1]，表示为wal(n,k)，其中n是阶数，k是自变量，其值仅为+1和-1。沃尔什函数是一个非正弦函数，任何一个时间函数f(t)在[0,1)周期都为1。时变网络流量可以分解为一系列沃尔什函数的加权求和。因此，对于任何连续时间函数我们都可以得到下面的等式：

其中

因此，连续函数的沃尔什变换f(t)可以表示为

这是一个沃尔什变换对。对于具有n个采样点的离散情况，沃尔什变换对可以表示为

经过反演得到测量曲线，并去除仪器以及环境的影响。f(k)与f(t)是沃尔什变换对；xk是xi的沃尔什变换。

本专利所涉及的方法基于以下假设：在测量解释模型中，网络流量在短时间内均匀且稳定，因此测量曲线在短期内可近似为矩形波。

网络流量测量仪获得的网络流量数据实际上是受仪器响应函数，环境条件等因素影响的非线性函数，它通常是网络流量的真实值。相应地，可以获得等式：

在步骤s103，把步骤s102中的等式变换为离散形式。该等式中x表示测量的真实值；h是仪器响应函数；[τ1,τ2]指示滤波器窗口长度；t代表时间。因此，我们可以得到以下离散形式：

其中[i1,i2]表示滤波器窗口长度；k表示时间采样标记；n是窗口中采样点的数量测量曲线反演的目的是从测量值y中去除仪器响应函数h，环境条件等的影响，以恢复流量的真实值x的估计值因此测量值的均方误差和真实值x是一样的。沃尔什变换比傅立叶变换反映时变流量的基本特征更准确。

步骤s104，根据沃尔什变换理论，通过公式(2)(3)可以得出测量曲线，并能从测量值y中去除仪器响应，环境条件等的影响。

测量曲线反演的目的是从测量值y中去除仪器响应函数h，环境条件等的影响，以恢复流量的真实值x的估计值从而使估计值的均方误差和x是一样的。沃尔什变换比傅立叶变换更准确，以反映时变流量的基本特征。因此，我们使用基于沃尔什变换的测量曲线反演技术来描述网络流量。最小二乘法用于获得测量值的真实值的估计值

步骤s105，使用最小二乘法得到q(x0,x1,...,xn-1)的平方和的误差，再通过公式(7)获得xn的最小值。根据之前的假设，对x(k-i)进行沃尔什逆变换并完成方程：

j是采样点的总数；x＝(x0,x1,...,xn-1)^t是x(k-i)的沃尔什变换。

xn的解可以使用最小二乘法估计。根据沃尔什反变换，我们可以获得网络流量x的估计值，式子如下

已经证明，沃尔什变换下的最小二乘解模型具有最高的分辨率，可以在不考虑环境噪声影响的情况下得到网络流量的精确解x，插值结果与所得结果数据值接近。式子(7)可以使误差均方和取得xn的最小值

步骤s106，通过沃尔什变换处理xn来得到网络流量x的真实值

步骤s107，通过估算的误差来调整数学模型。

模拟实验所需的实际数据由网络节点收集；我们使用美国真正的abilene骨干网络的真实数据来验证wtma。利用matlab2010开展了详细的模拟实验。pca、wabr和hmpa网络流模型算法的性能更好。因此，我们将wtma与它们进行了比较。在下面，端到端网络业务的预测结果将被分析以说明wtma算法。四种算法的端到端网络流量的平均相对误差将被展示出来。最后，我们还评估wtma相对于pca、wabr和hmpa的性能改进。在我们的仿真中，前500个时隙的数据用于训练四种方法的模型，而其他数据则用于验证其性能。

图2示出了网络流67和107的估计值，其中网络流67和107是从abilene骨干网络中的144个端到端网络流对中随机选择的。如我们的模拟实验所示，其他端到端网络流量对表示相似的结果。不失一般性，我们只讨论本文中的网络流67和107。另外，这里的端到端网络流量等于原始目的地(od)对。图2中(a)图表明，wtma可以有效地抓住端到端网络流量的动态变化67。对于不同的时隙，真实的端到端网络流量表现出显着的时变性质。从图2中(a)图可以看出，wtma可以捕捉到端到端网络流量的趋势。同样，如图2中(b)图所示，端到端网络流107在时间上表现出不规则和动态的变化。从图2中(a)图中可以清楚地看出，虽然wtma对于端到端网络流量67存在较大的估计误差，但它仍然可以捕获其变化趋势。这进一步表明btma可以有效估计端到端网络流量随时间的变化。

接下来，分析四种算法的估计误差。通常，端到端网络流量随时间变化的性质很难仅通过模型捕获。为了进一步验证该算法，我们比较了所有算法的相对估计误差。为了避免模拟中的随机性，我们执行500次运行来计算平均相对估计误差。

端到端网络流量的平均相对估计误差定义为：

在i＝1,2,...,n中，n是模拟过程的次数。||·||2是l2的范数。指的是第i次时间t的端到端估计值。

图3示出了端到端网络流67和107的四种算法在时间上的平均相对估计误差。非常有趣的是，对于端到端网络流67和107，wabr，hmpa和wtma显示较低的相对误差，而pca保持较大的估计偏差。同时，图2也表明wtma具有最低的相对误差。这告诉我们，与pca、wabr和hmpa相比，wtma对于端到端网络流具有更好的估计能力，而wtma确实具有最好的估计能力。更重要的是，在相对误差方面，wabr，hmpa和wtma在时间上的波动低于pca。这表明与其他三种算法相比，wtma可以更有效地建立具有动态和时变特征的端到端网络流。

现在，我们分析wtma对端到端网络流量的其他三种算法的改进。

图4绘出了端到端的流67和107的改进比率。对于端到端的流67，wtma相对于pca、wabr达到了约4.95％、2.11％和3.39％的性能改善，和hmpa。类似地，对于端到端业务流107，wtma分别获得相对于pca、wabr和hmpa约19.5％、12.9％和5.0％的性能改善。实验表明，与pca、wabr和hmpa相比，我们的wtma算法确实可以更有效地建模端到端网络流量。从图4中我们也可以看出，相对于pca，wtma可以达到最大的性能提升。对于wabr，wtma只能实现较小的改进。但是，wtma对hmpa的改善程度最低，即不到5％。如图3所示，这进一步表明，wabr、hmpa和wtma对于端到端网络流量具有更好的建模能力。此外，wtma和hmpa也有类似的表现。因此，wtma可以正确模拟端到端流量。

虽然以上描述了本发明的具体实施方式，但是本领域内的熟练技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变更或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。