網(wǎng)絡(luò)層析成像若干關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)的服務(wù)和網(wǎng)絡(luò)的架構(gòu)也在發(fā)生深刻變化，要成功設(shè)計(jì)、控制和管理網(wǎng)絡(luò)，就需要了解和掌握網(wǎng)絡(luò)的內(nèi)部特性(包括各種網(wǎng)絡(luò)特征參數(shù)和拓?fù)浣Y(jié)構(gòu))。如何在日益復(fù)雜的互聯(lián)網(wǎng)網(wǎng)絡(luò)環(huán)境中實(shí)時(shí)、精確測(cè)量網(wǎng)絡(luò)性能已成為國(guó)內(nèi)外科學(xué)界和工業(yè)界共同關(guān)注的前沿科學(xué)問(wèn)題之一，該問(wèn)題是網(wǎng)絡(luò)行為學(xué)的基本研究?jī)?nèi)容，也是網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)、異常檢測(cè)與分析、網(wǎng)絡(luò)監(jiān)測(cè)與評(píng)估等工作的基礎(chǔ)。傳統(tǒng)的網(wǎng)絡(luò)測(cè)量方法需要通過(guò)網(wǎng)絡(luò)節(jié)點(diǎn)間的協(xié)作來(lái)求解，但是隨著網(wǎng)絡(luò)朝著分布化、非協(xié)作

2、、異構(gòu)化管理和基于邊緣控制的方向演變，我們發(fā)現(xiàn)傳統(tǒng)網(wǎng)絡(luò)測(cè)量方法不能完全滿足各種應(yīng)用對(duì)網(wǎng)絡(luò)測(cè)量的要求，針對(duì)某些特定情況，我們還需要研究能夠不依賴網(wǎng)絡(luò)中間節(jié)點(diǎn)協(xié)作的網(wǎng)絡(luò)測(cè)量方法。 網(wǎng)絡(luò)層析成像將醫(yī)學(xué)和地震學(xué)等領(lǐng)域成功應(yīng)用的層析成像理論和方法應(yīng)用于通信網(wǎng)絡(luò)的測(cè)量問(wèn)題，能夠在沒(méi)有中間節(jié)點(diǎn)協(xié)作的條件下，將網(wǎng)絡(luò)測(cè)量問(wèn)題轉(zhuǎn)化為反問(wèn)題的求解，估計(jì)得到大尺度網(wǎng)絡(luò)內(nèi)部的各種性能統(tǒng)計(jì)信息，是目前備受國(guó)際學(xué)術(shù)界關(guān)注的網(wǎng)絡(luò)測(cè)量新技術(shù)之一。本文系統(tǒng)地回顧了

3、網(wǎng)絡(luò)層析成像的起源與各個(gè)階段所取得的重要成果，系統(tǒng)地對(duì)網(wǎng)絡(luò)層析方法進(jìn)行了分類，指出了在當(dāng)前網(wǎng)絡(luò)環(huán)境下進(jìn)行網(wǎng)絡(luò)層析成像所面臨的一些主要問(wèn)題：從網(wǎng)絡(luò)層析成像解的穩(wěn)定性、唯一性、求解實(shí)時(shí)性和非線性網(wǎng)絡(luò)層析成像問(wèn)題出發(fā)，針對(duì)網(wǎng)絡(luò)層析成像中所面臨的幾個(gè)實(shí)際問(wèn)題進(jìn)行了深入研究，在以下幾個(gè)方面取得了一些有價(jià)值的研究成果： 1．網(wǎng)絡(luò)鏈路時(shí)延估計(jì)的層析成像方法研究 提出了一種基于遞歸多感知器的網(wǎng)絡(luò)鏈路延遲追蹤算法，該算法能夠在沒(méi)有任何先驗(yàn)

4、信息條件下追蹤非平穩(wěn)網(wǎng)絡(luò)鏈路平均延遲的時(shí)變行為，估計(jì)鏈路延遲的概率密度分布，克服了以往方法對(duì)網(wǎng)絡(luò)鏈路先驗(yàn)?zāi)Ｐ偷囊蕾嚕艽蟪潭忍岣吡私獾木群颓蠼獾姆€(wěn)定性、實(shí)時(shí)性。 2．網(wǎng)絡(luò)鏈路丟包率估計(jì)的層析成像方法研究 提出了基于包群的單播鏈路丟包率估計(jì)層析成像方法，在根節(jié)點(diǎn)一次性向所有葉節(jié)點(diǎn)發(fā)送探測(cè)包群，包群中相鄰節(jié)點(diǎn)或相近節(jié)點(diǎn)可以自由組合成包對(duì)、三包組、四包組等，獲得路徑的丟包率和條件丟包率，構(gòu)成超定方程組；為了精度和計(jì)算復(fù)雜度考

5、慮，利用基于奇異值分解的廣義逆方法求解超定系統(tǒng)方程得到最后鏈路的丟包率。該方法與現(xiàn)有的三包組方法相比，可以在探測(cè)包數(shù)量相同的情況下，通過(guò)自由組合，構(gòu)成包含更多方程的超定方程組，提高了解的精度和穩(wěn)定性。 3．大尺度網(wǎng)絡(luò)流量矩陣估計(jì)方法研究 提出了一種基于遞歸多感知器大尺度網(wǎng)絡(luò)流量矩陣的追蹤算法，首先引入了黑盒子模型對(duì)流量矩陣估計(jì)問(wèn)題進(jìn)行無(wú)先驗(yàn)建模；其次，利用遞歸神經(jīng)網(wǎng)絡(luò)對(duì)模型進(jìn)行求解；最后得到整個(gè)網(wǎng)絡(luò)流量矩陣的追蹤算法。該

6、方法克服了對(duì)先驗(yàn)?zāi)Ｐ偷囊蕾?，提高了估?jì)精度、穩(wěn)定性和實(shí)時(shí)性，還便于采用并行算法或網(wǎng)絡(luò)分布式算法進(jìn)一步提高求解的實(shí)時(shí)性。 4．網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)估計(jì)方法研究 提出了一種快速的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的分層聚類估計(jì)算法，通過(guò)引入了基于高斯混合模型的遞歸算法，改進(jìn)了網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)估計(jì)中相似性量度聚類過(guò)程，可以在不降低估計(jì)精度的前提下，提高了網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)估計(jì)的實(shí)時(shí)性。 5．網(wǎng)絡(luò)流量分類方法研究 提出了一種基于混合高斯的網(wǎng)絡(luò)流量半監(jiān)督