专利名称：分析通信网络的测量结果选择的系统和方法
技术领域：
本发明涉及通信网络建模、网络测量和网络诊断。
背景技术：
存在多种用于协助通信网络管理的应用。这些应用一般从给定的网络中搜集测量结果，以某种方式处理这些测量结果，并将经过处理的测量结果报告给用户。某些应用试图通过识别一种或多种可能的故障原因，诊断出通信网络中的故障。然而，试图执行网络诊断的应用受限于可以获得的测量结果。由于许多原因，这些测量结果可能是受限的。例如，网络测量可能受限于预先存在的网络设计。或者，可能必须将网络中设备的测量结果传送至执行诊断的具体处理系统。为了防止该通信干扰网络的正常操作，仅仅将可用测量结果的子集传输到执行诊断功能的处理系统可能是适当的。
发明内容
代表性的实施例涉及为了进行通信网络诊断而协助选择网络测量结果的系统和方法。在一个代表性的实施例中，生成网络的表示(例如，有向图表示)。预期测量结果组和所述网络表示中的选定元素相关联，用以识别出预期测量的位置和性质。为每组测量结果计算出一个度量(metric)，该度量和处理各组测量结果的诊断算法的诊断精度有关。所述度量还与网络中设备的故障概率和/或设备的修复成本有关系。
在一个实施例中，为了协助测量结果的选择，提供了一种整数规划方法，用于确定当第一通信链路破坏分组时，诊断算法是否能在该第一通信链路和第二通信链路之间正确地区分出破坏链路。在该整数规划方法中，通信网络被建模为有向图的形式。根据该网络模型，可定义分组流约束。根据预期的测量结果选择可创建计数器约束。所定义的另一约束用于识别与破坏至少一个分组的第一通信链路相对应的特定边。也可定义其他合适的约束来识别不引起分组损坏的其他边。根据以上约束集，尝试使用合适的方法(如“Branch and Bound(分支定界)”方法)来求解所定义的整数规划。如果未发现解，则可知所述测量结果组使得由第一通信链路引起的分组损坏可区分于第二通信链路。如果发现解，则可知由第一通信链路引起的分组损坏可能被误诊断为由第二链路引起的。
基于用来确定两条通信链路是否“可区分”的上述方法，可以建立一个用于标识网络中每条通信链路之间的关系的混淆矩阵。该矩阵的每个元素(e，f)用于标识第e边是否可区分于第f边。该矩阵改进了测量选择。特别是，对于矩阵中标识出一边不可区分于另一边的每个元素(e，f)，可以选择附加的测量以区分这两个边。另外，该矩阵可以基于先验信息来协助测量结果的选择。例如，该矩阵可以与具体设备的故障概率和该设备的修复成本一起使用。
图1描述了使用整数规划方法进行网络诊断的流程图。
图2描述了用于定义协助网络诊断的整数规划的流程图。
图3描述了用于协助网络诊断的网络表示。
图4描述了使用图3中所示的网络表示的整数规划的约束集。
图5描述了症状(syndrome)表。
图6描述了由图4中所示的约束和图5中所示的症状定义的整数规划的结果表。
图7描述了用于根据整数规划方法确定第一边是否可区分于第二边的流程图。
图8描述了为网络诊断而计算预期测量结果组的度量的流程图。
图9描述了为诊断算法确定与多组预期测量结果相关联的相对诊断精度的流程图。
图10描述了用于分析预期网络测量结果的系统。
具体实施例方式
代表性的实施例采用了一种诊断算法，该诊断算法根据和网络相关联的分组流约束来分析网络中的观测故障(分组损坏的实例)。适当的诊断算法包括张驰方法、定理证明算法、线性规划方法、搜索方法和约束满足算法。一个实施例采用了整数规划方法来诊断网络中的故障。在序列号No.10/078,817，案卷号no.10011387-1，题为“Diagnosis of Data TransferFaults Using Constraints”的美国专利中更详细的描述了该诊断算法，所述美国专利待审查且已被共同转让，本文中包含该专利作为参考。在讨论网络测量结果的选择之前，将结合图1-6讨论整数规划方法的细节。
适当的整数规划可通过以有向图的形式对网络建模来定义。为了这种应用，术语“网络”可以包括能够传送分组的任意设备或系统。因而，“网络”可以包含通常被认为是网络的子部件的设备，例如路由器。有向图包括接收和/或传输分组的顶点。有向图还包括顶点之间的边，用于定义分组可穿过有向图的方向。基于通过有向图的网络定义，建立起一组分组约束。该分组约束指定了可能的网络测量结果的限制。当确定了实际的分组测量结果后，以合适的形式对分组约束和测量结果编码。考虑到已编码的分组约束和测量结果，采用优化算法(例如，合适的整数规划算法)来确定可能的故障候选者。
图1描述了根据一个代表性的实施例分析网络中的间歇故障的流程图。在步骤101，定义网络顶点、边和计数器。在步骤102，分组流约束被加入到线性规划中。在步骤103，症状约束被加入到线性规划中。症状约束是指与观测到的一个或多个间歇故障相关联的测量数据。在步骤104，通过使用“Branch and Bound”法一类的适当方法求解整数规划，来确定可能的故障候选者。下面将更详细的讨论这些步骤中的每一步。
具体地，在网络中间歇故障的诊断可以从创建该网络的模型开始(见图1中的步骤101)。某些代表性的实施例将网络表示为有向图G＝(V，E)。G的顶点v∈V是网络内的一点，其中，(i)可发生测量；(ii)分组的“goodness(好)”或“badness(坏)”可被检验(例如，利用循环冗余码(CRC)算法)；和/或(iii)可以丢弃坏的或损坏的分组。可以用和行为特性有关的信息来标记顶点。指定为“prop”的顶点传送坏的分组，指定为“nonprop”的顶点丢弃坏的分组，或者指定为“bus(总线)”的顶点在所有的输出边(out-edge)上传送所接收的好分组。指定为“unconstrained(无约束)”的顶点指的是这样一个顶点，对于该顶点，关于由各个顶点所接收的分组数目和传输的分组数目之间的关系的知识是不可获得的。设定A＝{prop，unprop，bus，unconstrained}为可能的顶点标签集。每个顶点v∈V具有由函数TV→2A给定的相关联的标签集。
边的有向集EV×V是顶点之间的通信路径。不丧失一般性，仅仅考虑单向边(在各个顶点之间沿一个方向传送分组的边)。即，为了网络模型的目的，双向传送分组的任何物理边被分割为两个单向边。边(j，i)∈V被称为i的输入边(in-edge)，(i，j)∈V被称为i的输出边。此外，假定分组从任意顶点v的任意输入边流入到v，并从v的任意输出边流出。如果已知物理系统限制在特定输入边进入其顶点之一的分组流，从特定输出边或边退出，则为了网络模型的目的，一个顶点可被分割为多个顶点。
另外，定义了可用的网络计数器Ψ和计数器的相关映射M。映射M由E×{t，r}×{good，bad}→Ψ给定。映射M提供了如下的计数器语义-假定M((i，j)，t，good)＝Ψ，则每当好的分组从顶点i传输至边(i，j)时，计数器递增；-假定M((i，j)，t，bad)＝Ψ，则每当坏的分组从顶点i传输至边(i，j)时，计数器递增；-假定M((i，j)，r，good)＝Ψ，则每当好的分组被顶点i经由边(i，j)接收时，计数器递增；-假定M((i，j)，r，bad)＝Ψ，则每当坏的分组被顶点i经由边(i，j)接收时，计数器递增；映射M可以是满射的，但是可以不是一一对应的，即，多个计数器语义可被映射至同样的计数器。例如，假定顶点v有三个输入边(x，v)，(y，v)和(z，v)。计数器Ψ可计数到达v的所有好的分组在利用顶点、边和计数器建立了网络模型之后，可以确认网络上的约束。所确认的约束(例如，分组流、计数器语义和/或等等以及所测量结果的计数器值)被编码为优化问题，其优化解确定了具体的边是否发生故障。诊断算法包括三个子部分提取流约束，加入症状约束，以及确定故障候选者。对于给定网络，可以执行或预先计算第一子部分(提取流约束)。只有第二和第三子部分对于每种症状被反复执行。
某些代表性的实施例采用下面的变量集U(i，j)∈E{g(i，j)，b(i，j)，mb(i，j)，gd(i，j)，bd(i，j)}在变量集中，变量g(i，j)代表传输到边(i，j)上的好的分组的数目，变量b(i，j)代表传输到边(i，j)上的坏的分组的数目。变量mb(i，j)代表在边(i，j)上变为坏的分组的数目(传输时是好的分组，接收时为坏的分组)。变量gd(i，j)代表传输到边(i，j)上时为好的分组，但是随后消失的分组的数目。具体地，分组可能经历充分的损坏，而导致接收设备无法将其识别为分组。变量bd(i，j)代表传输到边(i，j)上时为坏的分组，但是随后消失的分组的数目。
某些代表性的实施例利用“Kirchoff-like(类基尔霍夫)”约束来分析分组通过网络的传播。如电路理论中所知的，Kirchoff(基尔霍夫)定律根据电流守恒的物理规律(即，在电路中电荷既不会产生也不会消灭)来约束电路中的电流流动。然而，Kirchoff定律不能一对一地适用于网络分析，因为在网络的分组流中没有与电荷守恒的物理规律类似的规律。因此，代表性的实施例产生Kirchoff-like约束以适应网络中分组产生和消灭的可能性，下面将对此进行更详细的讨论。
根据一个代表性的实施例，如图1的步骤102中所简要讨论的流约束的提取可如图2所示被形式化。创建初始的空约束集C(步骤201)。在步骤202，对于每个 且具有至少一条输入边和至少一条输出边的顶点i，如果 则在C中加入“KG(i)”，且如果bus∈T(i)，则对于i的每条输出边j加入“KGB(i，j)”。
Kirchoff-like约束KG(i)定义如下Σ(k,i)∈Eg(k,i)-Σ(k,i)∈Egd(k,i)-Σ(k,i)∈Emb(k,i)-Σ(i,j)∈Eg(i,j)=0]]>约束KG(i)表明传输到顶点i的好的分组的数目减去在i的输入边上消失的分组数目，再减去在i的输入边中变坏的分组数目，等于流出i的输出边的好分组的数目。
Kirchoff-like约束KGB(i，j)定义如下Σ(k,i)∈Eg(k,i)-Σ(k,i)∈Egd(k,i)-Σ(k,i)∈Emb(k,i)-g(i,j)=0]]>约束KGB(i，j)表明传输到顶点i的好的分组的数目减去在i的输入边上消失的分组数目，再减去在i的输入边中变坏的分组数目，等于流出i的输出边j的好分组的数目。
在步骤203，对于每个 且具有至少一个输出边的顶点，如果prop∈T(i)且 则在C中加入KBP(i)；如果prop∈T(i)且bus∈T(i)，则对于i的每个输出边j加入KBPB(i，j)；如果 则加入KBNP(i)。
约束KBP(i)定义如下Σ(k,i)∈Eb(k,i)-Σ(k,i)∈Ebd(k,i)+Σ(k,i)∈Emb(k,i)-Σ(i,j)∈Eb(i,j)=0]]>约束KBP(i)表明对于具有prop属性的顶点，传输到i的坏的分组的数目减去在i的输入边上消失的分组数目，再加上在i的输入边中变坏的分组数目，等于流出i的坏分组的数目。
约束KBPB(i，j)定义如下Σ(k,i)∈Eb(k,i)-Σ(k,i)∈Ebd(k,i)+Σ(k,i)∈Emb(k,i)-b(i,j)=0]]>约束KBPB(i，j)表明对于具有prop和bus属性的顶点，传输到i的坏的分组的数目减去在i的输入边上消失的分组数目，再加上在i的输入边中变坏的分组数目，等于流出i的每个输出边j的坏分组的数目。
约束KBNP(i)定义如下Σ(i,j)∈Eb(i,j)=0]]>约束KBNP(i)表明对于具有nonprop属性的顶点，不传输坏的分组。
在步骤204，对于每个边(i，j)，加入约束EDGECONSERVE。约束EDGECONSERVE定义如下gd(i，j)+mb(i，j)≤g(i，j)以及bd(i，j)≤b(i，j)。这两个不等式表明可以在边上消失或变坏的分组不超过在该边上被传输的分组。
在步骤205，加入计数器约束
counter_value(Ψ)＝∑M((i，j)，t，goog)＝Ψg(i，j)+∑M((i，j)，r，good)＝Ψ(g(i，j)-gd(i，j)-mb(i，j))+∑M((i，j)，t，good)＝Ψb(i，j)+∑M((i，j)，r，bad)＝Ψ((b(i，j)-bd(i，j)+mb(i，j))此外，注意所有变量被约束为非负的。
如前所讨论的，在加入分组流约束之后，加入症状约束(见图1的步骤103)。症状约束是网络中各种计数器的测量结果值。对于每个计数器，约束被加入到线性规划中，以指定计数器的测量结果值。
在加入了症状约束之后，诊断问题的特征在于试图识别出哪个故障候选者可能导致坏的分组。每个故障候选者可精确对应于一条边(i，j)∈E。每个候选有对应的变量mb(i，j)。当且仅当故障候选者导致至少一个坏的分组的约束存在解时，才可识别出故障候选者。于是，当且仅当max{mb(i，j)|C，S}≥1时，边(i，j)才是有故障的。约束都是线性的。同样地，变量值都是整数。因此，最大值问题是整数规划(IP)问题。已知的“Branch and Bound”方法可用于解决根据代表性的实施例构造的IP问题。同样地，多个用于解决IP问题的现有的库例程是可获得的。实用程序“lp_solve”(从ftp//ftp.es.ele.tue.nl/pub/lp_solve中可公开获得)可被用于此目的。
为了图示使用整数规划方法的网络诊断，图3描述了包括顶点301-306的网络300。假定顶点301(“start”)计数传输的好的分组且顶点302、303、305和306(分别是“n2pb”、“pbif1”、“pbif2”和“cboc”)每个都计数接收的好的分组。分组流被约束为要求分组从顶点301(“start”)流到顶点302(“n2pb”)、顶点303(“pbif1”)、顶点304(“buff”)、顶点305(“pbif2”)和顶点306(“cboc”)。顶点303和305在网络300中代表同一物理设备。此同一物理设备以两个顶点来代表以反映网络300中受约束的分组流。如果发现顶点303或者顶点305具有损坏分组，则将此同一物理设备作为识别出的故障源报告给用户。
定义计数器语义的映射如下所示M((start，n2pb)，t，good)＝Ψ1，M((start，n2pb)，r，good)＝Ψ2，M((n2pb，pbif1)，r，good)＝M((buff，pbif2)，r，good)＝Ψ3，
M((pbif2，cboc)，r，gooc)＝Ψ4，由于顶点303和305指的是同一物理设备，因此每当顶点303和305接收好的分组时，计数器Ψ3增加。
根据代表性的实施例，使用网络分组流和所定义的计数器，可得到图4中所示的约束400。图5描述了症状表500以定义对应于网络300的多个整数规划。图6描述了由约束400和各自的症状所定义的整数规划的解的结果表600。另外，可在网络300中对于节点304(“buff”)加入另一个计数器。附加计数器可计数接收到的好的分组(M((pbif1，buff)，r，good)＝Ψ5)。表500还包括对于该附加计数器的症状。表600还描述了由约束400和对应于附加计数器的症状所定义的整数规划的解的结果。
整数规划的示例结果说明依赖于可用于分析的系统测量结果，可达到不同量的诊断精度。代表性的实施例基于网络测量结果的不同，使用诊断中可观测的区别来协助网络测量结果的选择。
在一个实施例中，通过确定边是否是“可区分的”来分析诊断。当且仅当下面情况出现时，边e才被称为可区分于边f，每当边e破坏至少一个分组而其他边没有这样做时，边f不可能成为Ψ和M下的诊断结果。图7描述了根据整数规划诊断算法用于确定第一边是否可区分于第二边的流程图。在步骤701，以如前所讨论的同样的方式构造网络的有向图。在步骤702，从网络的有向图中选择第一边E(e1，e2)和第二边F(f1，f2)。在步骤703，选择可能的计数器和测量结果(Ψ和M)。在步骤704，如上面的图2中步骤202-205所讨论的构造包括分组流约束和测量结果约束的约束(C)。
在步骤705，选择C中除了counter_value(Ψ)约束的每个约束来创建新的对应约束，以复制包含在约束C中的网络模型。通过选择C中每个合适的约束，并通过使用合适的符号对整数规划中的各个变量重新命名来创建新的约束，可以使网络模型的复制发生。复制约束集被集C′引用作为参考。复制模型C′不受counter_value(Ψ)约束的约束。
在步骤706，对于最初的网络模型(C)中的每条边(i，j)，加入约束以构成约束集D。如果在最初的网络模型(C)中边(i，j)＝边E，则加入约束mb(i，j)≥1。如果在最初的网络模型(C)中边(i，j)≠边E，则加入约束mb(i，j)＝0。
在步骤707，试图求解由max{mb(f′1，f′2)|C，C′，D}所定义的整数规划。边(f′1，f′2)指的是对应于最初的网络模型中所选择的边F的网络的复制模型中的边。由于复制模型C′不受counter_value(Ψ)约束的约束，因此求解整数规划的努力试图确定指示边(f′1，f′2)已经引起至少一个分组损坏的实例的任何计数器值的集是否存在。另外，由于C′中的约束复制了C中的约束且对于C中的约束已经创建了和分组损坏有关的约束，因此当边E和F不可区分时，所定义的整数规划的解只会在边(f′1，f′2)上发现分组损坏。
在步骤708，做出逻辑判决来确定是否存在大于零的整数规划的解。如果逻辑判决为假，则过程流从步骤708进行至步骤709，其中，作出边E可区分于边F的指示。如果步骤708的逻辑判决为真，则过程流执行至步骤710，其中，作出边E不可区分于边F的指示。
图8描述了用于计算度量的流程图，所述度量估计对于使用混淆矩阵的网络诊断选择测量结果的有效性。在步骤801，通过确定在网络的有向图表示中每条边是否可区分于其他各条边来构造混淆矩阵(C)。矩阵中的每个元素(e，f)确定第e边是否可区分于第f边。矩阵可被定义为当元素等于0时，则第e边可区分于第f边。如果元素等于1，则第e边不可区分于第f边。
在步骤802，确定对应于每条边的设备的故障概率(PFP(e))。如果和故障有关的信息是不可获得的，则每个PFP(e)可被赋值为1。在步骤803，确定对应于每条边的设备的修复成本(RC(e))。如果和修复成本有关的信息是不可获得的，则每个RC(e)可被赋值为1。在步骤804，通过∑e≠fC(e，f)PFP(e)RC(f)计算错误修复成本的上限。具体地，混淆矩阵的每个元素(e，f)标识由边e引起的错误是否可能被整数规划诊断算法混淆为是由边f引起的。通过对混淆矩阵的元素、故障概率以及贯穿网络中每条边的错误设备的修复成本的乘积求和来确定上限。
图9描述了用于分析对于网络诊断算法的多组预期测量结果的相对诊断有效性的流程图。在步骤901，定义多组预期测量结果(Ψi和Mi)。在步骤902，选择第i组预期测量结果。步骤903，计算和该组的诊断有效性有关的适当度量(例如，由图8所示流程图定义的度量)。在步骤904，做出逻辑判决以确定对于每组预期测量结果是否已计算度量。如果没有，过程流返回步骤902。如果已为每组计算度量，则过程流进行至步骤905。在步骤905，可根据诊断有效性的相对等级，使用已计算的度量来排列预期测量结果组以显示给用户。
图10描述了适合于实现代表性的实施例的计算机系统1000。计算机系统1000包括在合适的可执行指令的控制下运行的通用处理器1001。可执行指令或代码可用于定义前面所讨论的诊断过程流。可执行指令和相关的数据结构可被存储在可被计算机可读存储器设备1002访问的计算机可读存储器中。计算机可读存储器设备1002可使用任意数量的例如硬盘驱动器的合适的存储设备实现。网络表示1003、分组流约束1004、测量结果组1005、计数器约束1006和其他合适的数据结构可被存储在计算机可读介质上。诊断算法1007可根据网络表示1003执行网络诊断。度量计算算法1008可计算测量结果组1005中每组的度量以确定关于诊断算法1007的各自的诊断有效性。
尽管描述了采用整数规划技术的实施例，但是也可使用其他合适的算法来分析诊断算法的有效性。合适的算法包括张驰方法、定理证明算法、线性规划方法、搜索方法和约束满足算法。另外，这些算法所使用的网络表示可使用多种结构实施。合适的结构包括“树状”数据结构、邻接或其他合适的矩阵、使用合适的编程语言编码的逻辑推断等等。
某些代表性的实施例可提供多种优点。某些代表性的实施例使得能够选择对于网络诊断算法的测量结果以最优化诊断算法的有效性。某些代表性的实施例识别出可作为故障源被混淆处理的边以协助测量结果的选择。基于这种识别，可选择附加的测量结果。另外，当预期有多组测量结果时，可计算度量来比较测量结果在被诊断算法处理时的相对有效性。
权利要求
1.一种方法，包括创建网络表示；创建和所述网络的所述表示相关联的多组预期测量结果；以及当所述各组预期测量结果被提供给网络诊断算法时，为每组预期测量结果计算与各自的诊断有效性有关的度量。
2.如权利要求1所述的方法，其中，所述计算度量的操作包括确定由所述网络中的第一通信链路引起的分组损坏是否可能被所述网络诊断算法误诊断为是由第二通信链路引起的。
3.如权利要求2所述的方法，其中，所述计算度量的操作包括建立以下矩阵，该矩阵标识由所述网络中的各条通信链路引起的分组损坏是否可区分于由所述网络中的其他各条通信链路引起的分组损坏。
4.如权利要求1所述的方法，其中，所述计算度量的操作使用所述网络中的设备的故障概率。
5.如权利要求1所述的方法，其中，所述计算度量的操作使用所述网络中的设备的修复成本。
6.一种方法，包括选择网络表示中的第一边；定义对应于所述网络表示的分组流约束和对应于网络测量结果的计数器约束；定义分组损坏约束，所述分组损坏约束包括将所述第一边标识为引起至少一个分组损坏的实例的约束；对于所述网络表示中的第二边上的分组损坏，尝试求解使用所述分组流约束、计数器约束和分组损坏约束的整数规划；以及响应于所述尝试操作，确定由所述第一边引起的分组损坏是否可区分于由所述第二边引起的分组损坏。
7.如权利要求6所述的方法，其中，所述分组流约束包括对应于网络路由限制的第一组分组流约束和作为所述第一组的副本的第二组所述分组流约束。
8.如权利要求7所述的方法，其中，所述第一组的所述副本不受分组计数器约束的约束。
9.如权利要求6所述的方法，其中，所述分组损坏约束包括将不同于所述第一边的边标识为引起0个分组损坏实例的约束。
10.如权利要求6所述的方法，还包括确定对于所述第二边上大于0的分组损坏，所述整数规划是否有解。
11.如权利要求6所述的方法，还包括生成以下矩阵，该矩阵定义了所述网络表示中每条边的分组损坏是否可区分于所述网络表示中其他各条边上的分组损坏。
12.如权利要求11所述的方法，还包括使用所述矩阵、与所述网络表示中的边相关联的设备的故障概率以及所述设备的修复成本来确定使错误修复的成本最小化的一组测量结果。
13.如权利要求12所述的方法，还包括定义所述故障概率等于1。
14.如权利要求12所述的方法，还包括定义所述修复成本等于1。
15.一种计算机可读介质，包括第一数据结构，用于表示网络第二数据结构，用于表示和所述网络相关联的分组流约束；第三数据结构，用于表示多组预期测量结果；用于定义网络诊断算法的代码，所述网络诊断算法使用所述第一、第二和第三数据结构来确认可能的故障候选者；以及用于为每组预期测量结果计算度量的代码，所述度量与一组预期测量结果在被所述网络诊断算法处理时的各自诊断有效性有关。
16.如权利要求15所述的计算机可读介质，其中，所述网络诊断算法将整数规划求解算法应用于由所述第二数据结构和所述第三数据结构定义的约束。
17.如权利要求15所述的计算机可读介质，其中，当各组预期测量结果被所述网络诊断算法处理时，用于计算度量的所述代码确定所述第一数据结构中的每条边是否可区分于其他各条边。
18.如权利要求15所述的计算机可读介质，其中，所述度量还和与所述网络内的设备相关联的故障概率有关。
19.如权利要求15所述的计算机可读介质，其中，所述度量还和所述网络内的设备的修复成本有关。
20.一种系统，包括用于表示网络的装置；用于表示和所述网络相关联的至少一组测量结果的装置；当诊断算法处理所述测量结果组时，用于确定当用于表示的所述装置中的第一边已引起分组损坏时，所述诊断算法是否将所述第一边唯一地确认为分组损坏源的装置。
21.如权利要求20所述的系统，其中，用于确定的所述装置生成以下矩阵，该矩阵定义了在用于表示的所述装置中的每条边作为分组损坏源是否可区分于在用于表示的所述装置中的其他各条边。
22.如权利要求21所述的系统，还包括用于为所述预期测量结果组计算度量的装置，所述度量与所述预期测量结果组在被所述诊断算法处理时的诊断有效性有关。
23.如权利要求22所述的系统，其中，所述度量还和所述网络中的设备的故障概率有关。
24.如权利要求22所述的系统，其中，所述度量还和所述网络中的设备的修复成本有关。
全文摘要
本发明代表性的实施例涉及对和通信网络相关联的事件的测量结果的选择进行分析的系统和方法。在一个实施例中，测量结果的选择包括创建网络表示。在网络表示被创建之后，创建和网络表示相关联的多组预期测量结果。当各组预期测量结果被提供给网络诊断算法时，为每组预期测量结果计算和各自的诊断有效性有关的度量。
文档编号H04L12/24GK1630255SQ20041009870
公开日2005年6月22日 申请日期2004年12月14日 优先权日2003年12月17日
发明者李·A·巴福德 申请人:安捷伦科技有限公司