基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算法
【专利摘要】本发明涉及DTN网络的数据传输技术领域，尤其涉及一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算法。本发明提供一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算法，包括以下步骤：A、链路参数实时变化描述：B、分析bundle往返时延的组成：C、基于UKF的RTT估计模型：D、重传定时器RTO设定策略。本发明通过对空天DTN网络下BP层保管?转发机制点对点的bundle往返时延RTT分析，利用UKF对其时变组成部分进行跟踪，将其随机突发时延进行看做噪声滤除，在此基础上设定准确的重传定时器，可以使节点上的bundle快速释放，有利于bundle的快速传输，提高文献的传输时延。
【专利说明】
基于无迹卡尔曼滤波的空天DTN网络bund I e传输时延估计 算法
技术领域
[0001] 本发明设及DTN网络的数据传输技术领域，尤其设及一种基于无迹卡尔曼滤波的 空天DTN网络bundle传输时延估计算法。
【背景技术】
[0002] 1. DTN数据的可靠传输及其时延估计算法
[0003] 空间网络相对于传统地面网络，有W下几个突出的特点：空天信道快衰落引起的 高误码率，导致高丢包率;星间、星地双向链路不对称，有可能造成一定的传输拥塞;节点之 间通信距离长，且时变，有较长的传播时延;星上设备可靠性引起的突发性链路中断等。上 述运些特点导致空间网络中数据的传输面临着较大的挑战，当前所采取的技术手段主要是 借鉴地面网络的TCP/IP协议，通过改进TCP/IP网络的部分协议和算法，尽量与空间网络环 境相适应。但传统地面网络的TCP/IP协议要求有比较稳定的端到端和低误码率链路，近些 年来，DTN网络的出现为解决空间信息网络的数据传输问题提供了新的契机。DTN网络通过 引入新的协议层BP和应用广泛的LTP层，提供的保管-转发功能，能有效克服空间网络的间 歇断续、高误码等恶劣环境，实现了数据的可靠传输。BP层最小数据单元bundle存储在节点 的内存区，BP层通过保管转发功能来支持点到点的重传，与TCP/IP协议不同的是，中间节点 在发送完数据之后，不会立刻丢失其数据包，如果当前保管节点发送bundle给下一跳节点， 则向下一个节点提出保管申请，同时启动一个重传定时器，在定时器时间内，当前节点还没 有收到下一跳节点的确认保管信号，则重发该bundle,直到下一跳节点同意保管该bundle 或者生存期了化的到来当前节点释放该bundle，否则，会一直重传该bundle;如果在定时器 时间内，当前节点成功收到确认保管信号，则释放该bundle。在时延估计算法上，考虑到DTN 通信环境的恶劣，数据包容易丢失，现有算法对DTN时延估计很好的考虑了数据包丢失和重 传的情况，根据统计概率基础上估算每个数据包丢失的情况，并且和重传方式配合，估计出 数据的传输时延。
[0004] 2.保管确认信号重传定时器
[0005] BP协议保管转发功能依靠点对点传输来保证数据传输的可靠性，重传定时器的 合理设置至关重要。当重传定时器设置过小时，引起bundle的虚假重传，虚假重传不仅为时 延带来一个当前bundle重传的代价，多次反复虚假重传，会导致当前节点生存时间（TTL)逾 期，使当前节点删除对该bundle的保管，造成数据包在传到目的节点之前丢失，上述过程既 明显增加了文件的整体传输时延，又会浪费大量的额外能量，也会导致数据传输的不可靠； 当定时器设置过大，长时间等待会降低链路的有效利用率。现有算法对确认信号定时器的 设置(CFDP协议)有详细的描述，算法充分考虑数据信号确认信号丢包情况。数据包发射完 成之后，在发送节点启动该bundle的重传定时器。预测其保管确认信号到达的时间为确认 信号的发射时延和传播时延W及bundle传播时延之和，所W设定保管确认信号定时器为传 播时延的两倍加上确认信号发射时延。基于上述过程，随着卫星的在轨高速运动，有算法考 虑通信距离实时的变化是必然的，故对传播时延进行(propagation time与通信距离成正 比）的动态设置，避免重传定时器设置不准确的问题。
[0006] 3. DTN时延估计算法存在的问题
[0007] DTN中BP层依靠点对点的保管权转让实现bundl e的可靠传输，传统时延估计算法 没有更多的考虑通信环境实时的改变对时延的影响。空间网络中，通信节点在轨高速运动， 节点之间的链路通信状态时刻变化，传统基于bundle时延的估计算法缺少对节点之间链路 的实时状态考虑，设定的链路参数(误码率、传播时延、排队时延等)是静态的。bundle传输 往返时延(RTT)由数据和保管信号发射时延、排队时延、传播时延、中断时延W及可能出现 的突发时延等组成。引起bundle往返时延变化的情况有很多，如通信距离变化、突发中断、 节点不可视等。W空间网络中的LEO-GEO距离变化为例，通过STK仿真，在某次可见的时间 内，距离变化可高达2000km，距离的变化会直接导致传播时延W及自由空间损耗等变化，损 耗的改变会带来误码率的变化。可W说，网络环境实时的改变影响每个bundle的时延。而通 信链路随机突发状况，将加剧RlT的突变。空间网络突发状况多，运类随机变化存在时间短、 难W捕获，可能由传输过程中的突发中断、障碍物阻挡、或在节点收发端，收发节点高速运 动对星上收发设备的影响W及在接入接收端的竞争时延造成。运类突发时延的存在导致 RTT振荡比较明显，利用bundle的时间戳测量得到的RTT值包含链路突发状况下的时延，应 将运一部分随机干扰作为噪声滤除。
[000引 4.设置重传定时器的问题
[0009] 对于空间网络重传定时器的设置，W往算法只考虑了可能的丢包，没有考虑到丢 包率本身也会实时改变;更为关键的是星间传播时延没有深空链路那么大，不能将传播时 延作为设置重传定时器动态变化的唯一因素，还应该充分考虑到链路的排队时延、突发时 延等其他时延的影响。所W对于运种高度动态的通信链路，如果不能实时的跟踪实时的网 络状态，将无法精准的预测重传定时器。尤其是DTN具有不对称的双向链路，容易引起确认 信号的拥塞，引入排队时延，往返时延将会随着排队时延的增加而线性增加。如果设置静态 的重传定时器，几乎不可能对每个bundle的保管确认信号的到来时间有精准的预测。基于 上述情况，迫切需要一种可W实时跟踪网络状况的时延估计算法，根据得到的时延估计预 测保管信号到来的时间。
【发明内容】
[0010] 针对现有技术中存在的缺陷或不足，本发明所要解决的技术问题是：提供一种基 于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计，根据空天DTN网络bundle保管-转 发机制，利用本发明设计基于无迹卡尔曼滤波对bundle往返时延进行实时估计算法，在此 基础上提出一种可持续跟踪、快速收敛的重传定时器算法，W充分提高数据传输的有效吞 吐率。
[0011] 为了实现上述目的，本发明采取的技术方案为提供一种基于无迹卡尔曼滤波的空 天DTN网络bund Ie传输时延估计算法，包括W下步骤：
[0012] A、链路参数实时变化描述:通信距离S(t)随时间变化，链路由于节点运动速度差 异明显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要参 数呈现时变特性;距离的变化给链路带来的影响可用下列公式表示如下：
[0013] Lspace(t) = (43T ? S(t)A)2=(43T ? S(t) ? f/C)2
[0014] lg(Lspace(t))=92.45+201gS(t)巧 Ol 奸
[001引其中Lspace(t)代表t时刻的自由空间损耗;S(t)代表距离t时刻节点的距离，单位为 km; A代表波长;f代表频率，单位为G化;C代表光速，单位为km/s;
[0016] B、分析bundle往返时延的组成:bundle的往返时延RTT包含:传播时延、数据和确 认信号的发射时延、排队时延、网络突发状况下引起的随机时延、处理时延，一个bundle在 节点间的往返时延RlT可表示为：
[0017] RTT = 2 ? S/C+Tack+Ttransient+Twait
[001引其中S/C代表传播时延;Tack分别为数据和ACK的发射时延;Ttransient、lwait分别代表 突发和排队等待时延，没有等待时间该项为0 ;
[0019] C、基于UKF的RTT估计模型：给出无迹卡尔曼滤波的状态方程和观测方程模型；根 据给出的方程结合测量时间制定不等时间间隔的滤波方法;然后W输出的滤波估计值为基 础，设计出适合的重传定时器算法;最后给出文件传输时延的估计；
[0020] D、重传定时器RTO设定策略。
[0021] 作为本发明的进一步改进，所述步骤A中，系统采用QPSK调制，则链路比特信噪比 (SNR)与链路比特误码率(BER)的关系为：
[0022]
[0023] 其中邸R(t)表示t时刻下的误比特率；SNR(t)为t时刻下的比特信噪比；将上式改 写如下：
[0024]
[0025] 其中eO为其他参数作为常量的和；
[0026] SNR(t)=e0-201gS(t)
[0027] 作为本发明的进一步改进，所述步骤C中，状态方程，应该包含所有会对RTT造成变 化的时延变量，还包含传播时延；丢包率或误比特率;和确认信道的排队时延，测量的往返 时延应为发送端通过返回的确认信号得到的时间与发送原始数据时间之差;无迹卡尔曼滤 波状态方程和观测方程可表示为：
[002引
[0029] Z(t)=h(X(t),RT0(t))+N(t)
[0030] 其中X(t)为t时刻的状态变量;Z(t)为t时刻的观测变量;巧为n维的状态向量方 程，h(.)为m维的观测向量方程，两者都是状态向量X的非线性函数;V(t)和N(t)分别为t时 刻下过程噪声向量和观测噪声向量。
[0031] 作为本发明的进一步改进，由于星间距离的变化相对缓慢，距离的二阶时间导数 看成近似恒定，又传播时延与距离变化为正比关系，则状态方程为：
[0032]
[0033] 式中，Tp(t)、/；,(〇、：^,,(/)分别表示的是t时刻传播时延、传播时延的变化速率、W 及传播时延的变化加速率;T表示采样时间间隔;Twait(t)为t时刻的等待时间;Pef(t)表示的 是t时刻bundle的丢包率，Lb表示的是bundle的长度;Vi(t)表示过程噪声；S逻辑关系可W简 单如下：
[0034] if (Tack〉Tb&Memo;ry-size〉0)
[0035] 5 = 1
[0036] else
[0037] 5 = 0
[0038] 其中Memo巧-size〉0表示星上内存区还有可用的内存；
[0039] 则观测方程可W表示为：
[0040] Z(t) = (l-Pef(t)) ? (RTT(t))+Pef(t)(RTO(t))+N(t)
[0041] 其中Z(t)是t时刻下的得到的往返时延测量值;RTT(t)指的是t时刻数据传输成功 的往返时延;RTO(t)是t时刻bundle重传定时器设定值，如果bundle丢包，认为t时刻的往返 测量值为t时刻的重传定时器设定值。
[0042] 作为本发明的进一步改进，所述步骤D中重传定时器RTO设定策略包括预测重传定 时器RTO的算法:利用测量值和滤波值之差做为平滑值，去掉等待时间带来线性增长的影 响，再加上滤波值，表示如下：
[0043] RTOnew (tk+i )= SRTT化r (tk) +4RTTIWar (tk) +RTTUKF (tk)
[0044] Rronew(tk+i)根据tk+拥刻预测的定时器RTO的值;其中，
[0045] RTT化r (tk) = Z (tk) -RTTUKF (tk)
[0046] SRTT化r (tk) = a SCTlTar (tk-i) + (1 -a) CTlTar (tk)
[0047] RTTIWadk)=邸TTIWar (tk-i) + (I -0) I CTlTar (tk) -SRTT化r (tk)
[004引
[0049] 其中a和0分别表示为权重值;RTlTar (tk)表示的是tk时刻下得到的测量值和RlT滤 波估值之差;SRTTVar( tk)表示的是差值的平滑值;RTTDVar( tk)表示的是tk时刻下的平滑值 偏差;RT0new(tk+i)是基于tk+i时刻预测定时器的值;RTTUKF(tk)为tk时刻基于滤波估值得 到的往返时延估计值;其中化）和&化)是tk时刻下的丢包率与传播时延估计值，通过滤 波器输出可得;Task分别代表的是bundle和确认信号的发射时延。
[0050] 本发明的有益效果是:本发明通过对空天DTN网络下BP层保管-转发机制点对点的 bundle往返时延RTT分析，并且利用UKF对其时变组成部分进行跟踪，并且将其随机突发时 延进行看做噪声滤除，在此基础上设定准确的重传定时器，可W使节点上的bundle快速释 放，有利于bundle的快速传输，提高文献的传输时延。
【附图说明】
[0051] 图1是本发明的流程图；
[0052] 图2是本发明bundle往返时延RlT的组成结构图；
[0053] 图3是本发明卡尔曼滤波算法的时间更新和状态更新两个更新过程的完整框图。
【具体实施方式】
[0054] 下面结合【附图说明】及【具体实施方式】对本发明进一步说明。
[0055] 如图1所示，本发明提供一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延 估计算法，包括W下步骤：
[0056] A、链路参数实时变化描述
[0化7] WLEO-GEO链路为例，通信距离S(t)随时间变化，LEO-GEO链路由于节点运动速度 差异明显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要 参数呈现时变特性。距离的变化给链路带来的影响可用下列公式表示如下：
[005引 Lspace(t) = (43T ? S(t)A)2=(43T ? S(t) ? f/C)2
[0059] lg(Lspace(t))=92.45+201gS(t)巧 Ol 奸
[0060] 其中Lspace(t)代表t时刻的自由空间损耗;S(t)代表距离t时刻节点的距离，单位为 km; A代表波长;f代表频率，单位为G化;C代表光速，单位为km/s;
[0061 ]假定系统采用QPSK调制，则链路比特信噪比（SNR)与链路比特误码率(B邸)的关系 为：
[0062]
[0063] 其中邸R(t)表示t时刻下的误比特率;SNR(t)为t时刻下的比特信噪比；将上式改 写如下：
[0064]
[0065] 其中eO为其他参数作为常量的和；
[0066] SNR(t)=e0-201gS(t)
[0067] B、bundle往返时延的组成
[0068] -般来说，bundle的往返时延RTT包含:传播时延、数据和确认信号的发射时延、排 队时延、网络突发状况下引起的随机时延、处理时延。如图1所示：
[0069] 空间网络下，上述大部分时延都是实时变化的，传播时延的变化(参照节点间通信 距离的变化)前文已经提到，不再寶述，bundle和保管确认信号数据量的大小本文设定为定 值，所W发射时延(化与化Ck)是定值，处理时延和随机突发时延。
[0070] 如图1所示，一个bundle在节点间的往返时延RTT可表示为：
[0071] RTT = 2 ? S/C+Tack+Ttransient+Twait
[0072] 其中S/C代表传播时延;Tack分别为数据和ACK的发射时延;Ttransient、lwait分别代表 突发(本文将链路突发中断看作影响链路时延波动的因素之一)和排队等待时延(没有等待 时间该项为0)。
[0073] C、基于UKF的RlT估计模型
[0074] 本文算法先通过前文分析给出无迹卡尔曼滤波的状态方程和观测方程模型;根据 给出的方程结合测量时间制定不等时间间隔的滤波方法;然后W输出的滤波估计值为基 础，设计出适合本文的重传定时器算法;最后给出文件传输时延的估计。
[0075] 状态方程，应该包含所有会对RTT造成变化的时延变量，如图1所示，所W应包含传 播时延;丢包率或误比特率;和确认信道的排队时延。测量的往返时延应为发送端通过返回 的确认信号得到的时间与发送原始数据时间之差。
[0076] 无迹卡尔曼滤波状态方程和观测方程可表示为：
[0077]
[0078] Z(t)=h(X(t),RT0(t))+N(t)
[0079] 其中X(t)为t时刻的状态变量;Z(t)为t时刻的观测变量；例.）为n维的状态向量方 程，h(.)为m维的观测向量方程，两者都是状态向量X的非线性函数;V(t)和N(t)分别为t时 刻下过程噪声向量和观测噪声向量。由于星间距离的变化相对缓慢，距离的二阶时间导数 看成近似恒定，又传播时延与距离变化为正比关系。则状态方程为：
[0080]
[0081 ] 式中，Tp(t)、：/；(/.)、');，(〇分别表示的是t时刻传播时延、传播时延的变化速率、W 及传播时延的变化加速率;T表示采样时间间隔;Twait(t)为t时刻的等待时间;Pef(t)表示的 是t时刻bundle的丢包率，Lb表示的是bundle的长度;Vi(t)表示过程噪声；S逻辑关系可W简 单如下：
[0082] if (Tack〉Tb&Memo;ry-size〉0)
[0083] 5 = 1
[0084] else
[0085] 5 = 0
[00化]其中Memo巧-size〉0表示星上内存区还有可用的内存。
[0087] 则观测方程可W表示为：
[008引 Z(t) = (l-Pef(t)) ? (RTT(t))+Pef(t)(RTO(t))+N(t)
[0089] 其中Z(t)是t时刻下的得到的往返时延测量值;RTT(t)指的是t时刻数据传输成功 的往返时延;RTO(t)是t时刻bundle重传定时器设定值，如图1所示，如果bundle丢包，认为t 时刻的往返测量值为t时刻的重传定时器设定值;RTO的设定策略将在下文提出，V、N分别为 过程噪声和观测噪声，假定两个随机噪声是相互独立的高斯序列，表示为V~(〇，Q)N~(0， R)。
[0090] 卡尔曼滤波算法可分为时间更新和状态更新两个典型过程，两个更新过程的完整 框图如图2所示。
[0091] 经历了时间更新和测量更新(保管确认信号来临的时候进行此步骤）。可W输入如 图3所示的i(/)表示是t时刻状态变量的估计值。
[0092] D、重传定时器RTO设定策略
[0093] 上式中，RTO(t)为t时刻bundle的重传定时器设定值，每次接收到保管确认信号都 要更新一次，本文设定更新的方法可W参照TCP协议(RFC2988)，传统的RTO预测是W指数平 滑器为基础(RFC2988预测手段对链路的变化不敏感，往返时延波动较大的情况下，定时器 跟踪效果差），由前文可知，在接收端可W分为两种情况:一种是确认信道无确认信号排队； 一种是收到bundle的发射时间小于确认信号发射时间，造成确认信道的延迟。针对可能出 现在确认信道的拥塞情况，本文提出预测重传定时器RTO的算法思想为:利用测量值和滤波 值之差做为平滑值，去掉等待时间带来线性增长的影响，再加上滤波值。表示如下：
[0094] RT0new(tk+i) =SRTT化r(tk)+4RTTIWar (tk)+RTTUKF (tk)
[00巧]RTCnewUk+i)根据tk+拥刻预测的定时器RTO的值;其中，
[0096] RTT化r (tk) = Z (tk) -RTTUKF (tk)
[0097] SRTT化r (tk) = a SCTlTar (tk-i) + (1 -a) CTlTar (tk)
[009引 RTTIWadk)=邸TTIWar(tk-i) + (1-0) I RHTar(tk)-SRTT化r(tk)
[0099]
[0100] 其中a和e分别表示为权重值;典型值为7/8和3/4;RlT化r(tk)表示的是tk时刻下得 到的测量值和RlT滤波估值之差;SRTTVar(tk)表示的是差值的平滑值;RTTDVar(tk)表示的 是tk时刻下的平滑值偏差;RTOnew(tw)是基于tk+i时刻预测定时器的值;RTTUKF(tk)为tk时 刻基于滤波估值得到的往返时延估计值;其中户^。和^片-)是tk时刻下的丢包率与传播时 延估计值(通过滤波器输出可得）；Tack分别代表的是bundle和确认信号的发射时延。
[0101] 上述算法可知，只有确认信号来临的时候或定时器时间耗尽时才会有完整的UKF 滤波过程，算法的程序伪代码可表示为：
[0102]
[0103]
[0104] W上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定 本发明的具体实施只局限于运些说明。对于本发明所属技术领域的普通技术人员来说，在 不脱离本发明构思的前提下，还可W做出若干简单推演或替换，都应当视为属于本发明的 保护范围。
【主权项】
1. 一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算法，其特征在于，包 括W下步骤： A、 链路参数实时变化描述:通信距离S(t)随时间变化，链路由于节点运动速度差异明 显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要参数呈 现时变特性;距离的变化给链路带来的影响可用下列公式表示如下： Lspace(t) = (4jT · S(t)A)2=(4jT · S(t) · f/C)2 lg^space(t)) = 92.45+20 1gS(t)+20 1gf 其中Lspace ( t )代表t时刻的自由空间损耗;S ( t )代表距离t时刻节点的距离，单位为km ; λ 代表波长;f代表频率，单位为G化;C代表光速，单位为km/s; B、 分析bundle往返时延的组成:bundle的往返时延RTT包含:传播时延、数据和确认信 号的发射时延、排队时延、网络突发状况下引起的随机时延、处理时延，一个bundle在节点 间的往返时延RTT可表示为： RTT = 2 · S/C+TaGk巧transient+Twait 其中S/C代表传播时延;Tack分别为数据和ACK的发射时延;Ttransient、Twait分别代表突发 和排队等待时延，没有等待时间该项为0 ; C、 基于UKF的RTT估计模型：给出无迹卡尔曼滤波的状态方程和观测方程模型;根据给 出的方程结合测量时间制定不等时间间隔的滤波方法;然后W输出的滤波估计值为基础， 设计出适合的重传定时器算法;最后给出文件传输时延的估计； D、 重传定时器RTO设定策略。2. 根据权利要求1所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算 法，其特征在于:所述步骤A中，系统采用QPSK调制，则链路比特信噪比（SNR)与链路比特误 码率(BER)的关系为：其中肥R(t)表示t时刻下的误比特率;SNR(t)为t时刻下的比特信噪比； 将上式改写如下：其中eO为其他参数作为常量的和； SNR(t) = e0-20 Ig S(t)3. 根据权利要求1所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算 法，其特征在于:所述步骤C中，状态方程，应该包含所有会对RTT造成变化的时延变量，还包 含传播时延;丢包率或误比特率;和确认信道的排队时延，测量的往返时延应为发送端通过 返回的确认信号得到的时间与发送原始数据时间之差;无迹卡尔曼滤波状态方程和观测方 程可表示为： Z(t)=h(X(t),RTO(t))+N(t)其中X(t)为t时刻的状态变量;Z(t)为t时刻的观测变量;(9(.)为η维的状态向量方程，h (.)为m维的观测向量方程，两者都是状态向量X的非线性函数;V(t)和N(t)分别为t时刻下 过程噪声向量和观测噪声向量。4. 根据权利要求3所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算 法，其特征在于：由于星间距离的变化相对缓慢，距离的二阶时间导数看成近似恒定，又传 播时延与距离变化为正比关系，则状态方程为：式中，Tp(t)、/；.(〇、j；(i)分别表示的是t时刻传播时延、传播时延的变化速率、W及传 播时延的变化加速率;T表不义样时间间隔；Twait( t)为t时刻的等待时间；Pef (t)表不的是t 时刻bundle的丢包率，Lb表示的是bundle的长度;Vi (t)表示过程噪声；δ逻辑关系可W简单 如下： if (Tack>Tb&Memory-size>0) δ = 1 else δ = 0 其中Memcxry-size〉0表示星上内存区还有可用的内存； 则观测方程可W表示为： Z(t) = (l-Pef(t)) · (RTT(t))+Pef(t)(RTO(t))+N(t) 其中Z(t)是t时刻下的得到的往返时延测量值;RTT(t)指的是t时刻数据传输成功的往 返时延;RTO(t)是t时刻bundle重传定时器设定值，如果bundle丢包，认为t时刻的往返测量 值为t时刻的重传定时器设定值。5. 根据权利要求1或4所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计 算法，其特征在于，所述步骤D中重传定时器RT0设定策略包括预测重传定时器RT0的算法： 利用测量值和滤波值之差做为平滑值，去掉等待时间带来线性增长的影响，再加上滤波值， 表示如下： RTOnew (tk+i) = SRTTVar (tk) +4RTTIWar (tk) +RTTUKF (tk) RTOnew(tk+i)根据tk+拥刻预测的定时器RTO的值;其中， RTTVar(tk)= Z(tk) -RTTUKF(tk) SRTTVar (tk) = a SRTTTar (tk-i) + (1 -a) RTTTar (tk) RTTDVar (tk)=邸TTWar (tk-i) + (1 -β) I RTTTar (tk) -SRTTTar (tk) 技 TTUKFU )二 i\ - P,:,'Uk)). a .于,化)+ T献 + + p,, U,;)(RTOfu，wUJ) 其中a和β分别表示为权重值;RTTTar(tk)表示的是tk时刻下得到的测量值和RTT滤波估 值之差；SRTTVar(tk)表示的是差值的平滑值;RTTDVar(tk)表示的是tk时刻下的平滑值偏 差;RTOnew( tk+1)是基于tk+拥刻预测定时器的值;RTTUKF( tk)为tk时刻基于滤波估值得到的 往返时延估计值;其中今妃）和马化)是tk时刻下的丢包率与传播时延估计值，通过滤波器 输出可得;Task分别代表的是bundle和确认信号的发射时延。
【文档编号】H04L1/18GK105939184SQ201610124164
【公开日】2016年9月14日
【申请日】2016年3月4日
【发明人】杨志华, 罗世敏, 刘振涛
【申请人】哈尔滨工业大学深圳研究生院