一种多路径并行传输系统有效吞吐量的优化方法
【专利摘要】本发明涉及一种多路径并行传输系统有效吞吐量的优化方法，属于通信技术领域。该方法包括以下步骤：步骤1)在多路径并行传输系统中，利用卡尔曼滤波算法对各条并发链路上的传播时延进行估计；步骤2)推导出多路径并行传输系统中数据包有序传输约束条件；步骤3)根据推导出的传播时延估计结果和数据包有序传播的约束条件，对发送端的拥塞窗口进行调整。本发明提供的一种多路径并行传输系统有效吞吐量的优化方法，能够根据传播时延估计和数据包有序传播约束条件，自适应地调整各子流的拥塞窗口大小，从而均衡各链路上的负载，减小并发链路间的最大时延差，减少数据包乱序，提高多路径并行传输系统有效吞吐量。
【专利说明】
-种多路径并行传输系统有效吞吐量的优化方法
技术领域
[0001] 本发明属于通信技术领域，设及一种多路径并行传输系统有效吞吐量的优化方 法。
【背景技术】
[0002] 随着移动通信技术的发展，如今市场上主流的移动终端大都配备了两个或两个W 上的无线网络接口。在此基础上，人们开始研究如何利用多个不同的网络接口进行多路径 传输，W便聚合多个无线网络上的可用带宽，提升流媒体、视频会议等带宽密集型业务的 QoS,其中不少的研究是关于如何提升多路径并行传输系统有效吞吐量的。
[0003] 在无线通信技术高度发达的今天，单一接入网络的传输速率已经接近香农极限， 想要通过底层信号处理优化技术提高速率变得越来越困难。然而在异构网络环境下，可W 通过聚合多个网络接口带宽的方式使得终端的吞吐性能得到大幅度提高，从而满足业务需 求。在此过程中，发送端的业务流将被分成多个业务子流在多个不同的网络上并行传输，并 在多接口接收端完成汇聚。在理想情况下聚合链路的吞吐量可W达到多条链路吞吐量之 和。
[0004] 多路径并行传输系统应用于异构网络环境中时，由于异构网络不同路径间的不对 称性，使得接收端会发生数据包乱序现象，进而限制了多路径并行传输系统吞吐性能的提 升。数据包乱序(packet reordering)问题是由于不同路径上的传输时延差异，数据包到达 接收端的顺序与发送顺序并不相同，后发送的数据包可能会比之前发送的数据包更早地到 达接收端。然而，SCTP协议中规定，只有按序到达的数据包才能往上递交应用层进行处理。 当数据包乱序现象比较严重时，运就使得乱序的数据包会滞留在接收端缓存中，无法及时 递交上层应用进行处理，增大了分组的传输时延，降低了多路径并行传输的有效吞吐性能。
[0005] 现有的相关研究虽然能够有效提高多路径并行传输的有效吞吐量，但也存在着一 些问题。多路径并行传输系统在异构网络环境下性能低于预期的原因包括:不正确的端到 端往返时延(Round-化ip Time，RTT)估计和路径间的不对称性等。不正确的RTT估计使得数 据包分流、数据包重传等算法的执行结果出现误差，而路径间的不对称性则是导致传输过 程中出现数据包乱序、有效吞吐量降低的根本原因之一。现有的研究不能很好兼顾端到端 往返时延估计和路径间的不对称性问题，从而无法使多路径并行传输系统在异构网络环境 中达到最优的性能。
【发明内容】
[0006] 有鉴于此，本发明的目的在于提供一种多路径并行传输系统有效吞吐量的优化方 法，该方法由基于卡尔曼滤波的时延估计和基于时延差控制的拥塞控制算法两部分组成， 能够有效减少数据乱序现象，提高传输系统的吞吐性能。
[0007] 为达到上述目的，本发明提供如下技术方案：
[000引一种多路径并行传输系统有效吞吐量的优化方法，在该方法中，多路径并行传输 系统在发送端与接收端之间存在N条相互独立的传输路径，分别为b，L2,. . .，Lk，..丄n，N> 2;各条路径上端到端的路径传播时延满足山含cb含...dk...含dN;该方法包括W下步骤： [0009] S1:在多路径并行传输系统中，运用时延估计算法，估计出当前时刻的最优先验估 计值dk;
[0010] S2:根据数据包有序传输的约束条件d( i) > d( i-1)- A τ( i)和步骤1)中时延估计 算法的估计结果，调节各条链路上的拥塞窗口，减小不同链路上的端到端时延差，提高在异 构网络环境下的多路径并行传输有效吞吐量。
[0011] 进一步，具体包括W下步骤：
[0012] 1)采用卡尔曼滤波算法对离散系统的状态进行最优估计，线性随机微分方程的形 式为:X化）=AX(k-l)+BU(k-l)+W(k-l)，系统状态的测量值可W描述为：Z(k)=HX(k)+V 化），其中，X化)和X化-1)分别是k时刻和k-1时刻的系统状态，iKk-l)是k-1时刻系统的控制 量;A、B均为目标系统的参数，若目标系统是多模型系统，则A和B是矩阵的形式;Z化)是k时 刻系统状态的测量值，Η是测量系统的参数，若是多测量系统，则同理Η是矩阵的形式;WA- 1)是系统过程的噪声，而V化)表示测量的噪声，两者均为高斯白噪声，方差分别是Q和R;
[0013] 2)假设端到端传输时延是一个常量信号与一个高频变化的分量之和，该高频分量 是一个高斯白噪声，则端到端时延可W表示为:X化）=X化-1)+W化-1)，Z化）=X化)+Wk)， 其中，X化)和Z化)分别表示端到端时延的真实值和通过SACK报文测量得到的测量值;W化） 代表端到端时延的高频噪声分量，满足方差为Q的高斯分布，即W化)~N(0，Q) ;Wk)表示端 到端时延测量值的噪声，满足方差为R的高斯分布，即V化)~N(0，R);
[0014] 3)更新时延估计值:X化|k-l)=X化-1 |k-l)，P化|k-l)=P化-1 |k-l)+Q;更新估计 误差
x(k|k)=x(k|k-i)+Kg(k)(zA)-xA|k-i))，PA|k) = (i-Kg(k)) P化|k-i);其中，X化|k-i)是根据k-i时刻的状态预测得到的k时刻端到端时延的先验估计， X化-i|k-i)是k-i时刻的最优估计;P化|k-i)是X化|k-i)对应的估计误差，类似的，P化-1 k-l)是X化-l|k-l)对应的估计误差;而更新估计误差阶段根据当前时刻的时延估计值对先 验估计值及其估计误差进行修正，得到当前时刻的时延最优估计值，作为下一次估计的依 据Jg为卡尔曼增益化alman Gain),Z化)是k时刻的时延测量值（由SACK报文中包含的信息 计算得出）；
[0015] 4)取最新的时延测量值作为时延估计初值X(0|0)，并输入估计误差的初值P(0|0) (可W取任意非零值），根据X化|k-l)=X化-l|k-l)得到当前时刻的时延先验估计值；
[0016] 5)根据最新的时延估计值，更新时延系数Θ，
[0017]
[001引其中，dmax为端到端时延估计值中最大值，血in端到端时延估计值中最小值；
[0019] 6)定义两个阔值θ〇和0max，阔值Θ祐义为当0>0〇时，表示当前不同路径上时延差距 较大，有可能会导致数据乱序现象的发生，由于数据包i的发送路径与所采用的数据分流策 略有关，因此为了保证满足数据包有序传输约束条件，要求所有路径上的发送间隔都要满 足:d(i) >d(i-l)-(T(i)-T(i-l))=d(i-l)-Δパi)，因此有；
[0020]
[0021] 阔值0max的定义是，当0>0max表示当前路径时延差异非常大，传输过程中数据乱序 现象严重，很有可能会导致接收端缓存阻塞，因此选择接收端的缓存大小作为计算的参 考标准，记接收端缓存中能够容纳的数据包个数为NBuffer，
[0022]
[0023] 7)判断θ与θ〇和的关系：
[0024] 若0>0〇,查找当前传输时延估计值最大的路径Pi;
[0025] 若0 <目日< 0max，则将Pi上的拥塞窗口 cwndi减小为
[0026] 若Θ > ，则将Pi上的拥塞窗口 cwn山减小为
[0027] 其中，cwnd:拥塞控制窗口（Congestion conhol window)，用于控制发送端一次 性最多可W往网络中发送的数据包数量;发送端根据当前网络的拥塞状况，自适应地调整 cwnd的大小来对网络进行拥塞控制；
[002引 8)比较减小后的cwndi和该路径的慢启动阔值SSthreshi，如果cwndi<SSthreshi， 则令551:11'63山=(3*]1山，其中，331:11的311:慢启动阔值（51〇*-31日1'1:1:11的311〇1(1)，区分慢启动 阶段和拥塞避免阶段的临界值，当cwnd<ssthresh时，执行慢启动算法；反之，当cwnd> sst虹esh时，执行拥塞避免算法。
[0029] 本发明的有益效果在于:本发明提供的优化方法能够准确进行路径时延估计，并 将估计出的时延应用于窗口拥塞控制，自适应地调整发送端拥塞窗口大小，能够有效减少 数据乱序现象，提高传输系统的吞吐性能。
【附图说明】
[0030] 为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行 说明：
[0031 ]图1为多路径并行传输基于卡尔曼滤波的端到端时延估计示意图；
[0032] 图2为网络负载与吞吐量关系图；
[0033] 图3为具有两条并发路径的多路径传输一般场景示意图；
[0034] 图4为具有两条并发路径的多路径传输最佳场景示意图；
[0035] 图5为多路径并行传输系统有效吞吐量优化方法流程示意图。
【具体实施方式】
[0036] 下面将结合附图，对本发明的优选实施例进行详细的描述。
[0037] 本发明提供的一种多路径并行传输系统有效吞吐量的优化方法，该方法能够准确 进行路径时延估计，并将估计出的时延应用于窗口拥塞控制，自适应地调整发送端拥塞窗 口大小，能够有效减少数据乱序现象，提高传输系统的吞吐性能。
[0038] 图1为多路径并行传输基于卡尔曼滤波的端到端时延估计示意图；
[0039] 卡尔曼滤波算法可W对离散系统的状态进行最优估计，线性随机微分方程的形 式:X化）=AX化-1)+脚化-l)+w化-1)，系统状态的测量值可w描述为:Z化）=版化)+V化）， 其中，X化)和X化-1)分别是k时刻和k-1时刻的系统状态，iKk-l)是k-1时刻系统的控制量。 A、B均为目标系统的参数，若目标系统是多模型系统，则A和B是矩阵的形式。Z化)是k时刻系 统状态的测量值，Η是测量系统的参数，若是多测量系统，则同理Η是矩阵的形式。W化-1)是 系统过程的噪声，而V化)表示测量的噪声，两者均为高斯白噪声，方差分别是Q和R。
[0040] 卡尔曼滤波算法的两个阶段可W分别用W下两组公式描述：
[0041] 更新时延估计值：
[0042] X(k|k-l)=X(k-l |k-l)
[0043] P(k|k-l)=P(k-l |k-l)+Q
[0044] 更新估计误差：
[0045]
[0046] X(k|k)=X(k|k-l)+KgA)(Z(k)-XA|k-l))
[0047] P(k|k) = (l-Kg(k))P 化 |k-l)
[004引更新时延估计值阶段根据前一时刻的时延最优估计值和时延估计误差完成对当 前时刻的端到端时延的先验估计。其中，X化|k-l)是根据k-1时刻的状态预测得到的k时刻 端到端时延的先验估计，X化-1 |k-l)是k-1时刻的最优估计。P化I k-1)是X化I k-1)对应的估 计误差，类似的，P化-l|k-l)是X化-l|k-l)对应的估计误差。而更新估计误差阶段根据当前 时刻的时延估计值对先验估计值及其估计误差进行修正，得到当前时刻的时延最优估计 值，作为下一次估计的依据。Kg为卡尔曼增益化alman Gain)，Z化)是k时刻的时延测量值 (由SAO(报文中包含的信息计算得出）。
[0049] 在实际运用时，取最新的时延测量值作为时延估计初值X(0|0)，并输入估计误差 的初值P(〇|〇)(可W取任意非零值），时延估计就能够自动循环运行，完成对端到端时延的 预测。根据式X化|k-l)=X化-l|k-l)可W得到当前时刻的时延先验估计值。
[0050] 基于卡尔曼滤波的时延估计可W划分为两个不断循环的阶段：更新时延估计值 (预测状态)和更新估计误差(修正状态）。
[0051] 图2为网络负载与吞吐量关系图，随着互联网的迅速发展，网络中传输的业务种类 越来越多样化，新型业务尤其是多媒体业务的大量出现，使得网络中传输的流量越来越大。 然而，对于单一传输链路来说，链路的传输能力是有限的，如果缺少必要的拥塞控制机制对 该链路上的数据流进行控制，在链路负载较轻时，随着注入的流量的增加，吞吐量尚能逐步 线性增加；当吞吐量超过某个临界值后，再次增加负载，该链路上的传输吞吐量也不会继续 增长，反而会逐步减少，直至产生"死锁"。在多路径并行传输中，若某一并发链路上发生"死 锁"，则链路的端到端时延将急剧增大，导致通过该链路发送的数据包迟迟不能到达接收 端，在接收端引发严重的数据包乱序，使得多路径并行传输的有效吞吐量急剧恶化，因此在 多路径并行传输协议中必须要包含相应的拥塞控制机制，W保证协议的吞吐性能。
[0052] 图3为具有两条并发路径的多路径传输一般场景示意图，SCTP-CMT协议通过将不 同网络的资源整合并统一管理，从而达到聚合不同网络的可用带宽，提升业务QoS的目的。 然而，该协议并不适合于异构无线网络环境。在异构网络中，由于路径间的不对称性导致不 同路径上的端到端传输时延差异巨大，在不同路径上并行传输的数据包将无法按照发送时 的顺序有序地到达接收端，从而引起数据包乱序现象。乱序的数据包将滞留在接收端缓存 中，等待传输序列号较小的数据包全部到达后，才能一同向上层应用递交，严重制约了多路 径并行传输有效吞量的提高。特别的，对于实时视频会议等对数据实时性要求较高的业务， 即使最终数据包能够成功递交给上层应用，数据包内的数据也可能已经超过了有效期限而 被应用丢弃，运将使得多路径并行传输系统的有效吞吐性能进一步恶化。
[0053] 本发明将多路径并行传输的有效吞吐量定义为:单位时间内接收端成功接收并按 序递交给应用层的数据包数量。当多路径并行传输系统各条并行路径上的最大时延差足够 小时，理想状况下可完全不受乱序的影响。因此，可W通过对多路径并行传输系统中各条并 行链路上的最大时延差进行调控，使其满足d(i)^d(i-l)-AT(i)，从而减小发生数据包乱 序的可能性，提高系统的有效吞吐量。参数说明如下：
[0054] τι--发送端各路径上的数据包发送间隔，其中i为路径编号（i = l，2)。
[0055] di-一路径i上的传播时延（即数据包从离开发送端到抵达接收端所花时间），且山 <d2。
[0化6] Ad--路径1和路径2的传播时延差，Δ d= I d2-di I。
[0057] T-一接收到一个完整有序的数据块所花费的时间。
[0化引S-一时间T内总共接收到的有序数据块的大小。
[0化9] G一一多路径并行传输系统的有效吞吐量，。-f
[0060] 假设总共有4个传输序列号TSN连续的数据包等待发送，数据包的TSN分别为1、2、3 和4,运里称运4个数据包为一个按序单元。其中有3个数据包被分配到路径1上进行传输，剩 下的一个数据包通过路径2传输。传输开始后，数据包1和数据包2分别由路径1与路径2发送 出去。
[0061] Ad>Ti时，当通过传播时延较大的路径2上发送的数据包到达接收端时，接收端 才会接收到一个完整的有序数据块并向上交付给应用层，此时接收该有序数据块所花费的 时间Τ= Ad，故
[0062]
[0063] 图4为具有两条并发路径的多路径传输最佳场景示意图；
[0064] 假设总共有4个传输序列号TSN连续的数据包等待发送，数据包的TSN分别为1、2、3 和4,运里称运4个数据包为一个按序单元。其中有3个数据包被分配到路径1上进行传输，剩 下的一个数据包通过路径2传输。传输开始后，数据包1和数据包2分别由路径1与路径2发送 出去。
[0065] A cK τι时，由于SCTP规定接收端完整地接收到一个有序数据块后向发送端发送 SACK应答报文，发送端接收到该报文后开始下一轮的数据发送，故运种情况下接收端接收 到一个完整有序数据块所花费的时间可W近似地用路径2上的数据包发送间隔代替，故
[0066]
[0067]通过上述分析比较得知，当两条路径的传输时延差越大，接收端接收到TSN连续的 数据块并交付给应用层所花的时间就越长，有效吞吐量就越小。因此，我们可W通过在发送 端对数据包发送速率进行调节，均衡不同路径上的负载，间接地调控并发路径间的最大时 延差，减轻数据包乱序，提高多路径并行传输系统的吞吐量。
[0068] 图5为多路径并行传输系统有效吞吐量优化方法流程示意图，卡尔曼滤波的时延 估计运用卡尔曼滤波的原理对各并发路径的端到端时延进行准确估计，相比传统SRTT估计 算法具有更高的精确度，更能适应异构无线网络中链路时延多变的特点，避免因为时延估 计的不准确影响后续优化算法的性能。基于时延差控制的拥塞控制方法根据当前各并发链 路间的最大时延差，自适应地调整链路的拥塞窗口，实现链路间的负载均衡，达到减小最大 时延差的目的。通过结合W上两个步骤，在发送端将链路间的最大时延差调控在一个合理 的范围内，从而减少数据乱序，提高多路径并行传输系统的有效吞吐量。
[0069] 最后说明的是，W上优选实施例仅用W说明本发明的技术方案而非限制，尽管通 过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可W在 形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
【主权项】
1. 一种多路径并行传输系统有效吞吐量的优化方法，其特征在于:在该方法中，多路径 并行传输系统在发送端与接收端之间存在N条相互独立的传输路径，分别为Li，L 2, ...， Lk，. . .Ln，N2 2;各条路径上端到端的路径传播时延满足cU < d2 < . . .dk. . . < dN;该方法包括 以下步骤： S1:在多路径并行传输系统中，运用时延估计算法，估计出当前时刻的最优先验估计值 dk； S2:根据数据包有序传输的约束条件d(i)2d(i-l)_AT(i)和步骤1)中时延估计算法的 估计结果，调节各条链路上的拥塞窗口，减小不同链路上的端到端时延差，提高在异构网络 环境下的多路径并行传输有效吞吐量。2. 根据权利要求1所述的一种多路径并行传输系统有效吞吐量的优化方法，其特征在 于:具体包括以下步骤： 1) 采用卡尔曼滤波算法对离散系统的状态进行最优估计，线性随机微分方程的形式 为:X(k)=AX(k-l)+BU(k-l)+W(k-l)，系统状态的测量值可以描述为:Z(k)=HX(k)+V(k)， 其中，X(k)和X(k-l)分别是k时刻和k-1时刻的系统状态，U(k-l)是k-1时刻系统的控制量； A、B均为目标系统的参数，若目标系统是多模型系统，则A和B是矩阵的形式;Z(k)是k时刻系 统状态的测量值，Η是测量系统的参数，若是多测量系统，则同理Η是矩阵的形式;W(k-l)是 系统过程的噪声，而V(k)表示测量的噪声，两者均为高斯白噪声，方差分别是Q和R; 2) 假设端到端传输时延是一个常量信号与一个高频变化的分量之和，该高频分量是一 个高斯白噪声，则端到端时延可以表示为:X(k)=X(k-l)+W(k-l)，Z(k)=X(k)+V(k)，其中， X (k)和Z (k)分别表示端到端时延的真实值和通过SACK报文测量得到的测量值;W( k)代表端 到端时延的高频噪声分量，满足方差为Q的高斯分布，即W(k)~N(0，Q);V(k)表示端到端时 延测量值的噪声，满足方差为R的高斯分布，即V(k)~N(0，R); 3) 更新时延估计值:X(k | k-1) =X(k-l | k-1)，P(k| k-1) =P(k-l | k-l)+Q;更新估计误 差X(k|k)=X(k|k-l)+Kg(k)(Z(k)-X(k|k-l))， ?仏|1〇 = (1-此(1〇汗仏|1^1);其中4仏|1^1)是根据1^1时刻的状态预测得到的1^时刻 端到端时延的先验估计，X(k_l I k_l)是k_l时刻的最优估计;P(k I k_l)是X(k I k_l)对应的估 计误差，类似的，P(k-llk-l)是x(k-l|k-l)对应的估计误差;而更新估计误差阶段根据当前 时刻的时延估计值对先验估计值及其估计误差进行修正，得到当前时刻的时延最优估计 值，作为下一次估计的依据;Kg为卡尔曼增益(Kalman Gain)，Z(k)是k时刻的时延测量值 (由SACK报文中包含的信息计算得出）； 4) 取最新的时延测量值作为时延估计初值X(0 | 0)，并输入估计误差的初值P(0 | 0)(可 以取任意非零值），根据X(k I k-1) = X(k-11 k-1)得到当前时刻的时延先验估计值； 5) 根据最新的时延估计值，更新时延系数Θ，其中，dmax为端到端时延估计值中最大值，dmin端到端时延估计值中最小值； 6) 定义两个阈值θ〇和0max，阈值θ〇定义为当θ>θ〇时，表示当前不同路径上时延差距较 大，有可能会导致数据乱序现象的发生，由于数据包i的发送路径与所采用的数据分流策略 有关，因此为了保证满足数据包有序传输约束条件，要求所有路径上的发送间隔都要满足： d(i) 2(1(卜1)-(1'(1)-1'(卜1))=(1(卜1)-&丁(1)，因此有：阈值9max的定义是，当0>0max表示当前路径时延差异非常大，传输过程中数据乱序现象 严重，很有可能会导致接收端缓存阻塞，因此选择接收端的缓存大小作为9max计算的参考标 准，记接收端缓存中能够容纳的数据包个数为NBuffer，7) 判断Θ与θ〇和0max的关系： 若0 > θ〇，查找当前传输时延估计值最大的路径Pi ; 若0< θ〇< 0max，则将Pi上的拥塞窗口 cwndi减小为若Θ > 9max，贝lj将Pi上的拥塞窗口 cwndi减小为：卿=cwa^M 其中，cwnd:拥塞控制窗口（Congestion control window)，用于控制发送端一次性最 多可以往网络中发送的数据包数量;发送端根据当前网络的拥塞状况，自适应地调整cwnd 的大小来对网络进行拥塞控制； 8) 比较减小后的cwndi和该路径的慢启动阈值SSthreshi，如果cwndi<SSthreshi，则令 SSthreshi = cwndi，其中，ssthresh:慢启动阈值(Slow-start threshold)，区分慢启动阶段 和拥塞避免阶段的临界值，当cwnd<ssthresh时，执行慢启动算法；反之，当cwnd> ssthresh时，执行拥塞避免算法。
【文档编号】H04W28/02GK105873096SQ201610178755
【公开日】2016年8月17日
【申请日】2016年3月24日
【发明人】陶洋, 王振宇, 熊炫睿, 张家泳, 赫前进, 李加成, 赵芳金, 严志军
【申请人】重庆邮电大学