专利名称：基于时延梯度信息的输入时延自适应平滑处理方法
技术领域：
本发明涉及计算机网络性能测试技术领域，具体涉及非直接测量网络距离的IP 网络坐标系统中时延数据的预处理方式。
背景技术：
在目前IP网络中，P2P等分布式应用流量已经占网络总流量的一半以上，并且还有继续增长的趋势。如何优化它们的性能，这不仅是包括ISP和ICP等在内的网络运营商， 也是众多用户关心的问题之一。在实际IP网络中，链路带宽、节点间时延等信息均可用于网络性能优化和提高，而节点间时延是优化中最常用的参数之一。例如在目前很多DHT路由设计中，节点之间进行对等通信时，不会考虑优先选取距离自己最近的节点。这样就使得最终形成的重叠网结构混乱，效率低下。如何让节点获得并利用诸如时延等的接近性信息就非常重要。因此时延测量方法和技术一直是IP网络研究领域的一个重要课题。
节点间时延，也常被称作网络距离。直接获取节点间网络距离的方式就是在两两节点间发起主动测量，如Ping方式，其简单直观。但若按需直接测量网络中所有节点间的时延值，其开销大、效率低、可扩展性差。相比之下，另一种非直接测量时延的方式是将IP 网络距离嵌入的某一测度空间，建立其网络节点与该空间点的映射关系，并为网络节点赋予一组相应的空间坐标，形成网络坐标系统。坐标系统中两节点的几何距离近似估计了实际网络距离。这种非直接测量的方式仅需要部分邻居节点间的有限次直接测量时延信息， 减少了网络负载开销，协调了分布式网络性能优化和可扩展性之间的冲突。
实际IP网络坐标系统的构建和坐标的计算中需要直接测量部分节点间的时延。 在现实网络背景中，由于在节点与节点间的链路状况存在多种不稳定的因素，如网络拥塞、 网络拓扑变化、路由策略以及随机延迟污染等，使得直接测得的时延值动态波动较大。如果直接测得的时延不作处理就直接用于构建IP网络坐标系统，那么所构建的网络坐标系统不可避免地产生振荡，从而影响时延预测的准确性和稳定性。
发明内容
本发明所要解决的问题是如何提供一种基于时延梯度信息的输入时延自适应平滑处理方法，该处理方法能解决IP网络中直接测量的时延值常常受到随机延迟污染而导致的IP网络坐标系统不稳定和定位准确度降低的问题，以减少因排队延迟等导致的随机延迟污染，使输入时延数据保持稳定，从而维持系统的稳定性和距离预测的准确度。
本发明所提出的技术问题是这样解决的提供一种基于时延梯度信息的输入时延自适应平滑处理方法，其特征在于，包括以下步骤 ①将IP网络定位系统中每个节点保存在最近一段时间内与其他节点间直接测量获得的时延值记录； ②将该记录输入到一个有限次窗口的基于时延梯度信息的自适应平滑滤波器中； ③经滤波器处理后的输出值作为IP网络定位系统的输入延时，实现时延值的非直接测量； 其中自适应平滑滤波器将某个时刻节点直接测量到与参考节点间的时延值，利用所存储的历史记录的时延值和当前的时延值进行加权计算，滤波器窗口内的当前时刻和前一时刻时延值的差值，作为当前时刻网络时延值的梯度信息，滤波器窗口的权值大小是当前梯度的单调递减函数，窗口内的所有的时延值和权值相乘并累积求和，最后除以调制因子，作为网络距离测度空间的输入时延值。
按照本发明所提供的基于时延梯度信息的输入时延自适应平滑处理方法，其特征在于，具体步骤如下； ①变量定义 自适应滤波器的窗口长度H值应当不小于3，即H彡3 ； 严为平滑前的原始时延直接测量值，对4+1)为第k次迭代平滑后滤波器的输出值； 节点N以直接测量的方式从邻居节点Neigh获得时延样本R，并将其储存到自己的时延历史记录窗口中，节点N所存储的关于节点Neigh的最近H次的时延样本历史记录为向量[RT_h+1，RT_h+2，... , RT]Neigh，该时延样本向量中，时延梯度表征时延测量值的不连续性， 即t时刻的时延样本与t-Ι时刻时延样本的差值，其表达式为
次迭代后时延梯度的表达式则为/f(幻二-Agi ；k次迭代后最近H次的时延样本的加权系数 [C(R),C2(R),…, <)⑷]的表达式如下
…
其中，f' T(R)为时延值的梯度； ②滤波器输出值计算 a、在系统初始时刻、，当前时延样本仅一个，则不做任何判断地默认当前数据Rui 为真实时延值； b、、时亥lj，节点采集到第2个时延样本时，窗口中当前数据仅2个，若 Rttl彡θ · Rt1，则认为Rttl异常，并用Rt1更新Rttl (即Rt。一Rtl)；反之计算[Rt。，Rtl]的标准误差σ，与实现设定的阈值χ比较，若σ彡χ，则Rtl视为异常，令Rtl —Rttl，即保持初始时刻的记录值，若σ彡χ，Rtl保留在时延记录中； c、tk时刻若节点采集的时延样本数目大于3但未填满整个窗口时，计算[Rttl， Rtl，...，Rtk]的标准误差并与阈值比较，若σ彡X，则Rtk为异常，令Rtk^Rtlrl ；若σ ^ χ, Rtl保留在时延记录中；
其中为调制因子，即k次迭代后滤波器窗口权值的总和，表达式如下
k从O开始进行迭代运算，当k = K时，即完成迭代卷积次数时，滤波器输出即为 RTTid,即i 7T/0 = ； 其中θ为滤波器中仅有两个时延测量值时，判断最近的测量值是否过于偏大的阈值；X为滤波器中时延测量值大于2而小于滤波器窗口长度时，判断时延记录向量方差大小是否异常的阈值；K为滤波器与原始测量的时延值的迭代卷积次数；RTTid为滤波器输入时延测量值经滤波器处理后的输出值，也就是IP网络坐标系统的输入时延值。
本发明在IP网络定位系统中，每个节点保存在最近一段时间内与其他节点间直接测量获得的时延值记录，该记录输入到一个有限次窗口(窗口长度>3)的基于时延梯度信息的自适应平滑滤波器(Self-adaptive Moving Filter based onRTT Gradient, SMF-RTTG)中。SMF-RTTG借鉴图像处理中高斯滤波器的思想，其可视为一系列有限窗口均值滤波器卷积得到。因此SMF-RTTG滤波器的自适应平滑通过用局部加权模板与原始的直接测量的时延值进行迭代卷积运算(这种迭代次数是有限的)实现。经滤波器处理后的输出值作为IP网络定位系统的输入时延，实现时延值的非直接测量。在直接测量的时延值记录中，当前时刻和前一时刻时延值的差值，即为当前时刻网络时延值的梯度信息。SMF-RTTG 基于原始直接测得的时延梯度来自适应地调整滤波器的权系数。在每次迭代时各个时延样本的加权系数是改变的，它是该时延样本值梯度的单调递减函数。时延样本的梯度为O时， 时延样本的权系数为1 ；梯度从O无限增大时，权系数则由1趋近于O。
本发明的有益结果是基于部分节点间的直接测量距离记录，利用自适应平滑滤波产生适用于作为网络距离测度空间的输入时延值，从而使基于网络坐标系统的非直接测量方法能获得较准确的时延。
图1时延样本格式示例； 图2算法功能示意图； 图3算法功能结构图。
具体实施例方式下面结合附图对本发明作进一步描述 IP网络中由于链路拥塞、排队延迟等造成随机延迟污染，使得网络中两节点之间直接测得的时延值并非固定不变的。因此，在IP网络定位系统中，如何平滑直接测量的时延值，消除随机延迟污染，是保证定位系统定位准确和稳定的关键。基于梯度信息的自适应平滑滤波(Self-adaptive Moving Filter based onRTT Gradient，SMF-RTTG)对直接测量的时延记录进行预处理，抑制随机延迟污染，保证IP网络坐标系统的输入时延稳定并真实反映当前网络的状态。
如图1 图3所示，IP网络中坐标系统输入时延数据的预处理算法于时延梯度信息，对保存的历史时延记录窗口中的时延数据进行滤波处理，以抑制参考节点间时延队列中的随机延迟污染事件等，并用滤波过的时延值作为IP网络坐标系统的输入时延值，维护系统的稳定性。
基于梯度信息的自适应平滑滤波(Self-adaptive Moving Filter based on RTTGradient, SMF-RTTG)当某个时刻节点直接测量到与参考节点间的时延值，利用所存储的历史记录的时延值和当前的时延值进行加权计算。窗口内的当前时刻和前一时刻时延值的差值，作为当前时刻网络时延值的梯度信息。滤波器窗口的权值大小是当前梯度的单调递减函数，窗口内的所有的时延值和权值相乘并累积求和，最后除以调制因子，作为网络距离测度空间的输入时延值。
SMF-RTTG算法的平滑处理机制新加入系统的节点需要获得部分节点间的直接测量时延信息，并将不同参考节点间的时延信息单独存储，形成直接测量的时延队列，该队列中所保存的信息包括 (1)邻居节点的标识，记为ID。
(2)队列长度，即窗口大小H。
(3)发送该信息的邻居节点与本节点之间的RTT，记为R。RT表示为该时延值在窗口中的位置，由其到达的时间先后顺序决定。
(4)滤波器参数a，该参数控制了在平滑过程中所要保留下来的直接测得的时延值突变的幅度，即a越大，平滑效果越显著，突变幅度越小。
假设当前节点N，若获得与部分邻居节点的直接测量时延信息RTT，提取出该信息中的ID和RTT字段内容，将RTT存入与有相同ID标识的参考邻居的时延队列中。系统初始、时刻，当前时延数据仅一个，则不做任何判断地默认当前时延数据Rt(1为真实时延值； 在、时亥lj，即当前数据仅2个，若Rt(1彡0 ，则认为RtQ异常，修改RtQ，使得RtQ = Rtl ；反之计算[Rt(l，Rtl]的标准误差o，与实现设定的阈值x比较，若o彡X，则Rtl视为异常，令 Rtl = Rt0,即保持初始时刻的记录值。tk时刻，若节点采集的时延样本数目大于3但未填满整个窗口时，计算[RtQ，Rtl，...，Rtk]的标准误差并与阈值比较，若o彡x，则Rtk为异常， 令Rtk = R^ ；若初始窗口值达到预定值H，则利用滤波器SMF-RTTG与原始直接测量的时延样本进行卷积计算当前时刻的RTTid值。
SMF-RTTG窗口长度选择策略要求SMF-RTTG的窗口长度H应当大于等于3。由窗口中记录的最近H次直接测量时延值加权决定滤波器中的输出时延值。
SMF-RTTG初始阶段滤波器输出时延值策略当新加入的节点在初始阶段采集的时延样本尚不能填充滤波器时，滤波器或者等待滤波器填充完毕再输出平滑的时延值，或者根据当前所采集数据做简单判断。一旦新加入的节点所记录的直接测量值数目达到H，则由滤波器和时延记录值进行卷积运算得到当前时刻的RTTid值。
SMF-RTTG的平滑策略滤波器窗口内时延的权值a的大小是当前梯度的单调递减函数。当时延队列中时延数据与前一时延值的差值变大时，它的加权因子呈负指数关系变小，在减小其在输出时延所占权值，保证输出时延值的稳定效果。
SMF-RTTG与原始时延卷积迭代次数SMF_RTTG与原始时延卷积迭代次数至少大于等于1，其应当在及时性与平滑度之间折中。
实施例 (1)变量定义与描述 滤波器SMF-RTTG的窗口长度H值应当不小于3，即H彡3。
对…为平滑前的原始时延直接测量值，对4+1)为第k次迭代平滑后滤波器的输出值。
节点N以直接测量的方式从邻居节点Neigh获得时延样本R，并将其储存到自己的时延历史记录窗口中。因此，节点N所存储的关于节点Neigh的最近H次的时延样本历史记录为向量[RT_h+1，RT_h+2，...，RT]Mgh。该时延样本向量中，时延梯度表征时延测量值的不连续性，即t时刻的时延样本与t-1时刻时延样本的差值，其表达式为f' t(R) = Rt-Rt_10 k次迭代后时延梯度的表达式则为= R(rk) - R(l\。
在滤波器SMF-RTTG与原始直接测得的时延值进行卷积的过程中，各个时延样本值的加权系数是为该时延值梯度的函数。这里加权系数与梯度的函数关系借鉴图像平滑处理中高斯滤波的思想，因此k次迭代后最近H次的时延样本的加权系数
i )]的表达式如下
其中，f' T(R)为时延值的梯度。
滤波器SMF-RTTG的参数a越大，滤波器的频带就越宽，平滑程度就越好。通过调节平滑程度参数a，可在输出时延过平滑与因拓扑变化等导致的时延突变引起的欠平滑之间取得折衷。
(2)算法过程 算法输入R，H，a，x，K 算法输出RTTID 说明e为滤波器中仅有两个时延测量值时，判断最近的测量值是否过于偏大的阈值；x为滤波器中时延测量值大于2而小于滤波器窗口长度时，判断时延记录向量方差大小是否异常的阈值；K为滤波器与原始测量的时延值的迭代卷积次数；RTTid为滤波器输入时延测量值经滤波器处理后的输出值，也就是IP网络坐标系统的输入时延值。
算法步骤 在每个节点进行测度空间嵌入的初始化阶段，部分节点间的直接测量时延数据进入历史时延记录窗口中，分为下列四步 1).在系统初始时刻、，当前时延样本仅一个，则不做任何判断地默认当前数据 Rt0为真实时延值； 2).、时亥lj，节点采集到第2个时延样本时，窗口中当前数据仅2个，若 Rt。彡e ，则认为RtQ异常，并用Rti更新RtQ(即RtQ —Rtl)；反之计算[Rt。，Rtl]的标准误差o，与实现设定的阈值x比较，若o彡X，则Rtl视为异常，令Rtl —Rt(l，即保持初始时刻的记录值，若o彡x，Rtl保留在时延记录中。
3). tk时刻若节点采集的时延样本数目大于3但未填满整个窗口时，计算[Rt(l， rtl，...，rtk]的标准误差并与阈值比较，若o彡x，则为异常，令rtk —rtk_1;若o ^ x, rtl保留在时延记录中。
4). tH时刻，节点时延样本数据填满整个窗口时，该时刻平滑输出定义为
其中釈广]为调制因子，即k次迭代后滤波器窗口权值的总和，表达式如下
k从0开始进行迭代运算，当k = K时，即完成迭代卷积次数时，滤波器输出即为 rttid，即
权利要求
1.基于时延梯度信息的输入时延自适应平滑处理方法，其特征在于，包括以下步骤①将IP网络定位系统中每个节点保存在最近一段时间内与其他节点间直接测量获得 的时延值记录；②将该记录输入到一个有限次窗口的基于时延梯度信息的自适应平滑滤波器中；③经滤波器处理后的输出值作为IP网络定位系统的输入延时，实现时延值的非直接 测量；其中自适应平滑滤波器将某个时刻节点直接测量到与参考节点间的时延值，利用所存 储的历史记录的时延值和当前的时延值进行加权计算，滤波器窗口内的当前时刻和前一时 刻时延值的差值，作为当前时刻网络时延值的梯度信息，滤波器窗口的权值大小是当前梯 度的单调递减函数，窗口内的所有的时延值和权值相乘并累积求和，最后除以调制因子，作 为网络距离测度空间的输入时延值。
2.根据权利要求1所述的基于时延梯度信息的输入时延自适应平滑处理方法，其特征 在于，具体步骤如下；①变量定义自适应滤波器的窗口长度H值应当不小于3，即H≤3 ；对⑴为平滑前的原始时延直接测量值，为第k次迭代平滑后滤波器的输出值；节点N以直接测量的方式从邻居节点Neigh获得时延样本R，并将其储存到自己的时 延历史记录窗口中，节点N所存储的关于节点Neigh的最近H次的时延样本历史记录为向 量[RT-h+1，RT-h+2，...，RT]Mgh，该时延样本向量中，时延梯度表征时延测量值的不连续性，即 t时刻的时延样本与t-Ι时刻时延样本的差值，其表达式为f' T(R) = Rt-IV1，k次迭代后 时延梯度的表达式则为/’p(i ) = 4k、-R(Tk-\ ； k次迭代后最近H次的时延样本的加权系数 (Rl 4k-H+2⑷，…，⑷]的表达式如下
其中，f' T(R)为时延值的梯度；②滤波器输出值计算a、在系统初始时刻、，当前时延样本仅一个，则不做任何判断地默认当前数据Rttl为真 实时延值；b、、时刻，节点采集到第2个时延样本时，窗口中当前数据仅2个，若Rttl> θ -Rt1, 则认为Rttl异常，并用Rt1更新Rttl (即RtQ —Rtl)；反之计算[Rt0，Rtl]的标准误差σ，与实现 设定的阈值χ比较，若σ彡X，则Rtl视为异常，令Rtl —Rttl，即保持初始时刻的记录值，若 σ彡χ，Rtl保留在时延记录中；c、tk时刻若节点采集的时延样本数目大于3但未填满整个窗口时，计算[Rttl，Rtl，...，RJ的标准误差并与阈值比较，若σ彡X，则Rtk为异常，令Rtk —、-1;若σ彡X，Rtl保 留在时延记录中；其中为调制因子，即k次迭代后滤波器窗口权值的总和，表达式如下
k从0开始进行迭代运算，当k = K时，即完成迭代卷积次数时，滤波器输出即为RTTid, 即
其中θ为滤波器中仅有两个时延测量值时，判断最近的测量值是否过于偏大的阈值； χ为滤波器中时延测量值大于2而小于滤波器窗口长度时，判断时延记录向量方差大小是 否异常的阈值；K为滤波器与原始测量的时延值的迭代卷积次数；RTTid为滤波器输入时延 测量值经滤波器处理后的输出值，也就是IP网络坐标系统的输入时延值。
全文摘要
本发明公开了一种基于时延梯度信息的输入时延自适应平滑处理方法，其特征在于，包括以下步骤①将IP网络定位系统中每个节点保存在最近一段时间内与其他节点间直接测量获得的时延值记录；②将该记录输入到一个有限次窗口的基于时延梯度信息的自适应平滑滤波器中；③经滤波器处理后的输出值作为IP网络定位系统的输入延时，实现时延值的非直接测量。该处理方法能解决IP网络中直接测量的时延值常常受到随机延迟污染而导致的IP网络坐标系统不稳定和定位准确度降低的问题，以减少因排队延迟等导致的随机延迟污染，使输入时延数据保持稳定，从而维持系统的稳定性和距离预测的准确度。
文档编号H04L12/26GK101848118SQ20101016177
公开日2010年9月29日 申请日期2010年5月4日 优先权日2010年5月4日
发明者阳小龙, 王万新, 周亮, 隆克平 申请人:电子科技大学