CN101981870A - 分组交换通信网络中的可用带宽估计 - Google Patents

Abstract

一种用于确定分组交换通信网络中路径的端到端可用带宽的系统和方法。多速率分组调频信号注入器(12)在不同探测速率u将探测业务分组注入到利用了探测调频信号的网络中。接收机(16)对探测业务分组的时间间隔进行采样，以生成用于计算相对分组间间隔应变ε的时间间隔样本，即在不同探测速率的分组间时间间隔变化样本。期望最大化EM分析器(17)利用EM算法来识别有用的应变ε样本并且估计l₂线的参数，其中l₂线代表在大于折点的探测速率探测速率和分组间间隔应变ε之间的直接线性关系。滤波器，诸如例如卡尔曼滤波器(18)，然后基于k线的估计参数确定网络路径的可用带宽。

Description

分组交换通信网络中的可用带宽估计

技术领域

本发明涉及通信网络。更具体地，并且不限制，本发明针对一种确定分组交换通信网络中的端到端可用带宽的方法。

背景技术

网络路径的可用带宽是该路径上从端到端的没有使用的业务容量。在包括准入控制、服务等级协商检验、智能路由、服务器选取以及网络监视在内的多个上下文中，测量通信网络的端到端可用带宽能力是有用的。端到端可用带宽可以通过将有效的测量工具用于识别“链中最弱的链路”，即瓶颈链路，来确定。

若干可用带宽测量工具已经发展了多年，其中的大部分是基于探测速率模型(PRM)，该模型依赖于自感应拥塞，即以足够高以至于瞬间使网络路径的瓶颈链路过载的速率注入探测业务。可用带宽与连续分组之间的分组间时间间隔的变化的探测速率相关性强相关。在拥塞的情况下，期望该时间间隔增大，其在探测接收机处是可观测的。假如具有该时间间隔增加对探测速率和可用带宽的相关性的合理模型，这使得估计可用带宽是可行的。

如果以低于可用带宽的速率发送探测分组，则期望探测分组到达接收机的速率匹配所使用的传输速率。如果探测分组速率高于最小的未使用的容量，则在瓶颈路由中发生拥塞，并且探测分组将被延迟；这增大了分组间时间间隔，其在探测接收机处是可观测的。通过以多种速率传输探测分组，通过识别拥塞点来测量可用带宽是可行的，所述拥塞点即时间间隔开始增加的探测速率。

其它可用带宽测量工具是基于探测间隔模型(PGM)。通过采用两个连续探测分组之间的时间间隔变化方面的信息，PGM估计瓶颈路由器处的交叉业务的量。通过从瓶颈链路容量中减去测量的交叉业务来估计可用带宽。

在实际中，基于PRM的工具比PGM工具更可靠，因为为了产生可靠的估计，后者需要知道瓶颈链路的容量。此外，PGM工具还假定瓶颈链路(即具有最小未使用容量的链路)与窄链路(即具有最小容量的链路)相同，这不必然是现实中的情况。

在未决的公开号为2007/0115849的美国专利申请中，公开了这种类型的带宽估计方法，被称为BART。BART方法将卡尔曼滤波应用于带宽估计，卡尔曼滤波是数值方法，允许(在特定条件下)对系统状态的实时估计(“跟踪”)，其是不可直接观测的，但是通过与系统状态相关的可观测量可以间接地对其测量。卡尔曼滤波已经被成功应用在许多其它工程领域，但是BART方法是第一次用于估计网络路径可用带宽的问题。

图1是分组间时间间隔变化或应变(strain)(ε)作为探测速率或探测业务强度(u)的函数的模型的图形表示。应变ε实质上为0，遵循l₁线，直到探测业务强度达到有折点10的水平。该折点指示可用带宽(B)。在折点之上的过载范围内，应变ε随着探测业务强度的增加而线性增加，遵循l₂线。该线性关系允许卡尔曼滤波。

在BART方法中，典型地组织为探测串的一系列探测分组对被传输用于可用带宽的每一测量。探测分组速率被随机选取，但是对于在一个探测序列内的所有分组是不变的。因此，该串探测分组在时间上等距地传输，即许多探测对以相同探测速率发送。测量中所有分组对的平均分组间间隔应变ε被用作卡尔曼滤波器的输入，该滤波器的输出是倾斜直线l₂的估计。

另一个已知的方法，被称为pathChirp，注入了时间上不等距的探测分组。更确切地，分组间时间间隔在发送方是变化的。这允许在每一采样以大范围的探测速率采样。然而，PathChirp使用了不太有效的分析方法，该方法没有利用诸如卡尔曼滤波的滤波方法。

发明概述

本发明为BART方法的弱点提供了解决方案，所述弱点即在图1描述的u-ε平面上，系统状态的每一采样仅给出一个点。仅在该点在折点10右边过载范围的情况下，那么才获得有用信息。如果不是，则丢弃样本。对于每一样本，探测速率是随机选择的。如果选择的探测速率太低或太高，测量的时间间隔的有用性将被忽略。因为事先确定探测速率的最佳选择是困难的，因此许多样本被丢弃，并且在收集到足够信息以允许折点的合理估计之前，可能需要大量的样本。

本发明的示范实施例被称为期望最大化有效探测(Expectation-maximization Active Probing，E-MAP)。在E-MAP方法中，系统的每一采样使用调频信号(chirp)，即在每一测量中覆盖了大范围的探测速率的探测分组串。在u-ε平面中每一调频信号提供若干点。更快更有效地收集有用信息。仍然保持滤波的优点。

通过用每一样本覆盖大范围的速率，E-MAP方法降低了作出不适当探测速率选择的风险。最可能地，这生成了有用和无用的两种信息，但是E-MAP中的期望最大化(EM)算法能够自动确定所测量的时间间隔是应当丢弃还是在可用带宽分析中进一步使用。

因此在一个实施例中，本发明针对一种用于确定分组交换通信网络中路径的端到端可用带宽的方法。该方法包括以下步骤：将探测业务分组注入到利用了包括多个探测业务分组的探测调频信号的网络中，其中至少部分探测业务分组在不同探测速率(u)发送；通过接收机对探测业务分组的时间间隔进行采样，以生成时间间隔样本；以及利用在不同探测速率的时间间隔样本计算探测调频信号中探测业务分组的相对分组间间隔应变(ε)样本。EM算法被用来识别有用的应变ε样本并且估计l₂线的参数，其中l₂线代表在大于折点的探测速率的探测速率和分组间间隔应变ε之间的直接线性关系。该方法然后基于l₂线的估计参数实时地计算网络路径的可用带宽。

注入的探测业务分组可被组织为在不同探测速率发送的单独的分组对，或者在不同探测速率发送的若干分组的串。可用带宽可被计算为在l₂线与ε＝0轴相交的点的探测速率。

在另一个实施例中，本发明针对一种用于确定分组交换通信网络中路径的端到端可用带宽的系统。该系统包括多速率分组调频信号注入器、接收机、EM分析器和滤波器。所述多速率分组调频信号注入器将探测业务分组注入到利用包括多个探测业务分组的探测调频信号的网络中，其中至少部分探测业务分组在不同探测速率(u)发送。所述接收机对探测业务分组的时间间隔进行采样，以生成时间间隔样本。所述接收机还利用在不同探测速率的时间间隔样本计算探测调频信号中探测业务分组的相对分组间间隔应变ε样本。所述EM分析器包括用于利用EM算法来识别有用的应变ε样本并且估计l₂线的参数的部件，其中l₂线代表在大于折点的探测速率的探测速率和分组间间隔应变ε之间的直接线性关系。EM分析器还包括用于输出l₂线的估计参数的输出部件。所述滤波器，可以是卡尔曼滤波器，接收l₂线的估计参数并且基于l₂线的估计参数确定网络路径的可用带宽。

用于利用EM算法的部件可以包括：用于将u-ε平面中的计算点分配给零应变ε的l₁线和l₂线的部件；以及用于确定l₁线和l₂线的参数的最大似然估计的部件。系统还可以包括：用于分析l₁线和l₂线的参数的最大似然估计以确定u-ε平面中的计算点与l₁线和l₂线的估计参数之间是否已经达到充分的收敛的部件；以及用于在没有达到充分的收敛的情况下执行EM算法的附加迭代的部件。在该实施例中，当达到充分的收敛时，用于输出l₂线的估计参数的输出部件输出估计参数。然后滤波器将可用带宽确定为在l₂线与ε＝0轴相交的点上的探测速率。

在另一个实施例中，本发明针对一种供系统中使用、用于确定分组交换通信网络中路径的端到端可用带宽的期望最大化(EM)分析器，其中该系统包括多速率分组调频信号注入器，其将探测业务分组以多种探测速率(u)注入到网络中，其中至少部分探测业务分组在不同探测速率发送。EM分析器包括：用于从应变计算设备接收分组间间隔应变ε样本的部件；以及用于利用EM算法从接收的应变ε样本识别有用的应变ε样本的部件。线分配单元将u-ε平面中的计算点分配给l₂线和l₁线。最大似然估计单元估计l₂线的参数，其中l₂线代表在大于折点的探测速率的探测速率和应变ε之间的直接线性关系。EM分析器还包括：用于将l₂线参数的最大似然估计发送给卡尔曼滤波器以基于l₂线的估计参数确定网络路径的可用带宽的部件。

通过使用调频信号测量网络路径，以及通过使用EM算法自动地识别和丢弃不适用的探测测量，本发明快速生成可用的带宽估计。不需要从探测分组接收机到探测分组注入器的通信。本发明还可检测路径中的多个拥塞链路，在该情况下，在直线段之间有若干折点，与图1中的单个折点不同。该过程适用于性能增强的滤波。

附图说明

下面将通过显示优选的实施例并参考附图，来详细描述本发明的本质特征，其中：

图1是分组间应变(ε)作为探测业务强度(u)的函数的模型的图形表示；

图2是本发明的系统的示范实施例的简化方框图；

图3是示出了本发明方法的示范实施例的步骤的流程图；

图4是本发明的期望最大化(E-M)分析器的示范实施例的简化方框图；

图5示出在利用C＝10Mbit/s并且没有交叉业务的有线瓶颈链路的场景下，对于EM算法的不同迭代次数，分组间应变(ε)作为探测业务强度(u)的函数的四个图形表示；

图6示出权重w₁和w₂的四个图形表示，对应于图5中的EM算法的迭代；

图7是可用带宽作为时间的函数的图形表示，示出在瓶颈链路是容量C＝10Mbit/s的有线链路并且探测调频信号与帕累托分布式的交叉业务在瓶颈路由器交互的场景中使用和没有使用卡尔曼滤波的可用带宽的E-MAP估计；以及

图8是可用带宽作为时间的函数的图形表示，示出在瓶颈链路是无线链路并且可用带宽遭受大范围的波动的场景中使用卡尔曼滤波的E-MAP方法的性能。

具体实施方式

图2是本发明的系统的示范实施例的简化方框图。示范网络显示为具有正通过该网络传输的交叉业务11。多速率分组调频信号注入器12将一系列探测分组注入网络中。探测分组可被组织为在不同探测业务速率或强度(u)发送的单独的分组对或若干分组的串。交叉业务和探测分组穿过网络，该网络可以包括诸如交换机和/或路由器的多个节点13-15。接收机16实时采样分组的时间间隔。基于时间间隔样本以及探测调频信号特性的知识，接收机计算探测调频信号中每一探测分组对的相对分组间时间间隔应变ε。分析时间间隔样本，并与注入器12处分组的时间间隔相比较以确定分组间应变ε。然后E-M分析器17利用EM算法来识别有用的应变ε样本以及估计l₂线。然后该应变用作瓶颈链路特性的测量量。诸如例如卡尔曼滤波器的滤波器18可以用于可用带宽的增强跟踪性能。可选地，该滤波器可以将l₂线的最大似然估计反馈给E-M分析器17。应当注意的是，其它类型的滤波器也可以用于本发明，卡尔曼滤波器的使用仅仅是一个示范实施例。

经由网络路径，每一链路j都具有一定的容量C_j，这是经由该链路的最高可能的吞吐容量。在有线网络中C典型地是常量，但对于无线链路则不是这样。对于每一链路j，交叉业务11或链路负载被表示为X_j.，X很可能在短时间范围内变化。链路j的时变可用带宽被定义为B_j＝C_j-X_j.。

沿该路径的链路之一具有最小值的可用带宽，该链路被称为瓶颈链路，或紧的链路，其确定了路径的可用带宽。因此，对于从注入器12到接收机16的网络路径，可用带宽被定义为考虑到沿该路径的所有链路j的最小可用带宽：

$B=\underset{j}{\min }(C_j-X_j)---\left(1\right)$

当探测速率u小于可用带宽B时，ε的期望值是零，当探测速率大于折点10时，ε的期望值与过载成比例增长，其中探测分组暂时引起瓶颈路由器中的拥塞。因此，应变ε可以表达为：

$\mathrm{\&epsiv;}=\left\{\begin{array}{cc}0& (u<B)\\ \mathrm{\&alpha;}(u-B)=\mathrm{\&alpha;u}+\mathrm{\&beta;}& (u\&GreaterEqual;B)\end{array}\right.---\left(2\right)$

其中α和β是图1中斜直线l₂的参数，可用带宽对应于l₂线与轴ε＝0的交点。

通过改变探测注入器处的探测分组速率u以及识别在接收机处ε开始偏离零的点，获得估计瓶颈链路进而整个端到端路径的可用带宽的方法。通过估计参数α和β，可以容易地确定折点B。

等式(2)的测量模型是基于沿所测量路径的业务的流模型。因此，应当注意，当超出了流模型并且将路由器队列中的分组级交互考虑在内时，期望系统测量模型曲线稍微偏离图1的形式。然而，渐进行为保留。而且，该模型假定拥塞仅发生在沿网络路径的一个路由器中。图1中折点的数目对应路径中拥塞点的数目。在多个拥塞路由器的情况下，若干测量工具可能产生错误的估计，然而，由于EM算法的属性，本发明的E-MAP方法被设计为处理该情况。

EM算法已经用于统计学中大范围的估计问题。该算法用于从不完整的数据中发现最大似然估计，其可被视为一组观测资料。在本发明中，EM算法用于在网络带宽估计的上下文中直线的参数估计。

再次参考图1，显示了可用带宽、探测业务强度(u)以及分组间应变(ε)之间的渐进关系。由于大量的探测业务速率用在一个调频信号内，探测分组调频信号的传输典型地产生沿着水平线(l₁)和斜直线(l₂)的应变测量(ε)。为了估计可用带宽B，必须确定斜直线l₂的参数。

EM算法是迭代的，由期望步骤(E步骤)和最大化步骤(M步骤)这两个步骤组成。在E步骤中，假定直线l₁和l₂的参数是已知的。在M步骤中，假定哪些应变测量分别属于l₁和l₂是已知的。

起初，EM算法允许对于模型l₁和l₂选择随机参数值。

在E步骤中，应变测量ε_i(i＝1，2，…，N-1，其中N是一个调频信号中的探测分组的数目)被分配给最佳拟合的模型l₁或l₂。这可以通过使用如下等式每一线一个地计算两个留数(residual)r₁和r₂完成：

$r_1\left(i\right)={\widehat{\mathrm{\&alpha;}}}_1{\mathrm{\&mu;}}_i+{\widehat{\mathrm{\&beta;}}}_1-{\mathrm{\&epsiv;}}_i---\left(3\right)$

$r_2\left(i\right)={\widehat{\mathrm{\&alpha;}}}_2{\mathrm{\&mu;}}_i+{\widehat{\mathrm{\&beta;}}}_2-{\mathrm{\&epsiv;}}_i---\left(4\right)$

l₁和l₂的估计参数分别被表示为

和

u_i是调频信号中应变测量ε_i的探测速率。根据直线参数的当前估计，留数对应于所测量应变ε_i和这些测量的预测之间的差。

给定了留数，通过计算权重w₁和w₂继续E步骤：

$w_1\left(i\right)=\frac{e^{-{r_1}^2\left(i\right)/{{\mathrm{\&sigma;}}_1}^2\left(i\right)}}{e^{-{r_1}^2\left(i\right)/{{\mathrm{\&sigma;}}_1}^2\left(i\right)}+e^{-{r_2}^2\left(i\right)/{{\mathrm{\&sigma;}}_2}^2\left(i\right)}}---\left(5\right)$

$w_2\left(i\right)=\frac{e^{-{r_2}^2\left(i\right)/{{\mathrm{\&sigma;}}_2}^2\left(i\right)}}{e^{-{r_1}^2\left(i\right)/{{\mathrm{\&sigma;}}_1}^2\left(i\right)}+e^{-{r_2}^2\left(i\right)/{{\mathrm{\&sigma;}}_2}^2\left(i\right)}}---\left(6\right)$

权重实际上对应于概率。W₁(i)是应变测量ε_i属于l₁的概率，而W₂(i)是ε_i属于l₂的概率。因此，W₁(i)和W₂(i)的总和是1。关于(5)和(6)，留数可以被模拟为具有零平均值和方差σ2的正态分布随机变量。参数σ对应于应变测量中期望的噪声水平，其可用作E-MAP中的调谐参数以增强性能。

在M步骤中，计算的权重用于更新l₁和l₂的估计参数，这可以通过求解关于

和

的两个加权最小二乘方程来完成：

$\left[\begin{array}{cc}{\mathrm{\&Sigma;}}_i{w}_1\left(i\right){{\mathrm{\&mu;}}_i}^2& {\mathrm{\&Sigma;}}_i{w}_1\left(i\right){\mathrm{\&mu;}}_i\\ {\mathrm{\&Sigma;}}_i{w}_1\left(i\right){\mathrm{\&mu;}}_i& {\mathrm{\&Sigma;}}_i{w}_1\left(i\right)\&CenterDot;1\end{array}\right]\left[\begin{array}{c}{\widehat{\mathrm{\&alpha;}}}_1\\ {\widehat{\mathrm{\&beta;}}}_1\end{array}\right]=\left[\begin{array}{c}{\mathrm{\&Sigma;}}_i{w}_1\left(i\right)u_i{\mathrm{\&epsiv;}}_i\\ {\mathrm{\&Sigma;}}_i{w}_1\left(i\right){\mathrm{\&epsiv;}}_i\end{array}\right]---\left(7\right)$

$\left[\begin{array}{cc}{\mathrm{\&Sigma;}}_i{w}_2\left(i\right){{\mathrm{\&mu;}}_i}^2& {\mathrm{\&Sigma;}}_i{w}_2\left(i\right){\mathrm{\&mu;}}_i\\ {\mathrm{\&Sigma;}}_i{w}_2\left(i\right){\mathrm{\&mu;}}_i& {\mathrm{\&Sigma;}}_i{w}_2\left(i\right)\&CenterDot;1\end{array}\right]\left[\begin{array}{c}{\widehat{\mathrm{\&alpha;}}}_2\\ {\widehat{\mathrm{\&beta;}}}_2\end{array}\right]=\left[\begin{array}{c}{\mathrm{\&Sigma;}}_i{w}_2\left(i\right)u_i{\mathrm{\&epsiv;}}_i\\ {\mathrm{\&Sigma;}}_i{w}_2\left(i\right){\mathrm{\&epsiv;}}_i\end{array}\right]---\left(8\right)$

以上等式(3)-(8)假定在测量模型中仅有一个折点，如图1所示。如果探测调频信号包括了引起沿该路径的两个路由器处的拥塞的高探测速率，则期望有第二折点。这可以通过在EM算法中引入第三条线(l₃)来处理，但是由于l₂指出了第一折点，所以l₂的参数仍然是受主要关注的，其中第一折点等于网络路径的最小未使用容量。该推理适用于多个拥塞路由器。

图3是示出本发明的方法的示范实施例的步骤的流程图。在步骤21，多速率分组调频信号注入器12将一系列探测分组注入网络，探测分组可以被组织为单独的分组对或若干分组的串。在步骤22，接收机16在若干点上实时地对分组的时间间隔采样。在步骤23，基于时间间隔样本和关于探测调频信号特性的知识，接收机计算探测调频信号中每一探测分组对的相对分组间时间间隔应变ε。然后在步骤24，E-M分析器17利用EM算法来识别有用的应变ε样本并估计l₂线。EM分析器并行地估计l₁和l₂，从而可以确定u-ε平面中的哪些点与哪个线关联。

在子步骤24a，通过更新u-ε平面中的点到各l₁和l₂线的分配，E-M分析器执行EM算法的E步骤。在子步骤24b，通过更新l₁线和l₂线的参数的最大似然估计，E-M分析器执行EM算法的M步骤。在步骤25，确定对于l₁线和l₂线的参数的估计，是否已经达到充分的收敛。如果没有，该方法返回步骤24并且执行EM算法的另一个迭代。当已经达到充分的收敛时，该方法转到步骤26，在该步骤基于l₂估计实时地计算可用带宽。

E-MAP方法还可以将滤波器18用于可用带宽的增强跟踪性能。通过使用基于EM的多线拟合(multi-line-fitting)方法直接估计l₂的参数，并且向滤波器输入包含了α₂和β₂的最终EM估计的矢量。输出是l₂的已滤波的增强估计以及进而是可用带宽的估计，其中可用带宽估计出现在l₂和零分组间应变(ε)的轴的交点处。

图4是本发明的期望最大化(E-M)分析器17的示范实施例的简化方框图。由该E-M分析器执行的过程可由运行存储在存储器32中的控制软件的处理器31来控制。应变ε接收机33从接收机16接收应变ε样本，并将应变ε样本提供给线分配单元34，其中线分配单元34通过更新u-ε平面中的点到各l₁和l₂线的分配来执行EM算法的E步骤。最大似然估计单元35通过更新l₁和l₂线的参数的最大似然估计来执行EM算法的M步骤。收敛确定单元36确定在l₁和l₂线的估计参数与应变ε样本之间是否已经达到充分的收敛。如果没有，收敛确定单元促使线分配单元开始EM算法的另一个迭代。当已经达到充分的收敛时，该最大似然估计单元将l₂估计(α和β)发送给滤波器18，在该滤波器中基于l₂估计实时地计算可用带宽。

作为由线分配单元34、最大似然估计单元35以及收敛确定单元36执行的循环迭代的结果，E-M分析器识别有用的应变ε样本并且丢弃没用的样本。

本发明的E-MAP方法的一种实现通过网络模拟器中三个不同的模拟来评估。关于E-MAP配置，每一秒传输一个新的调频信号。一个调频信号由17个探测分组组成，其中每一分组是1500字节。对于有线和无线的情况，一个调频信号内的探测速率分别均匀分布在间隔1.0≤u≤20.0Mbit/s以及0.3≤u≤3.0Mbit/s。

图5示出对于第一场景，分组间应变(ε)作为探测业务强度(u)的函数的四个图形表示。在第一场景中，瓶颈是容量C＝10Mbit/s并且没有激活交叉业务即X＝0bit/s的有线链路。这种简单的情况使得示出E-MAP的基础策略是容易的，因为所测量的应变表现为沿着如图1的直线。更复杂和实际的场景由于交叉业务交互和/或瓶颈链路容量的变化，导致了等式(2)中偏离理想线性曲线的应变测量。

子图5(a)示出测量模型中两条线、即根据图1的l₁和l₂的初始估计。子图5(b)-5(d)分别示出在1、2和8个迭代之后的EM算法的输出。应变测量结果从一个探测调频信号获取。十六个测量结果从一个调频信号获取，因为一个调频信号中的十七个连续的分组组成十六对。虽然在子图5(a)中l₁和l₂的初始估计是相当差的，但是EM算法最终收敛到与应变测量结果完全一致的最大似然估计。因为l₂与ε＝0轴交叉在u＝10Mbit/s，l₂的估计参数使得计算可用带宽B的正确估计是容易的。

期望l₁线是近似水平的并且在理想情况下将收敛到ε＝0轴。在实际中，由于l₁线考虑不包括在l₂线中的u-ε点，所以可能有一些偏离。因为期望l₂线具有正斜率和负截距值，所以对l₁和l₂做初始猜测当然是可行的，其中该初始猜测比子图5(a)中的猜测更合理。然而，这对于方法的整体性能不是非常重要，虽然其可以加速参数估计的收敛。

图6示出权重w₁(左)和w₂(右)的四个图形表示，对应于图5中的EM算法的迭代。权重在EM算法的E步骤中计算。子图6(a)显示了在第一E步骤计算之后的权重。这些权重基于l₁和l₂的初始估计。子图6(b)-6(d)分别示出在2、3和8个E步骤迭代之后的计算的权重。在子图6(a)中，可以看出EM算法在开始时相当不确定应变测量属于l₁还是l₂。该算法相信测量ε₃-ε₅属于l₁，测量ε₁₃属于l₂，因为关于这些测量的权重等于1。对于其它测量，关于l₁和l₂两者，权重是0.5，这是由于如以上等式(3)和(4)所定义的大的留数r₁和r₂。

因为EM算法更新其对l₁和l₂的估计，所以应变测量属于l₁还是l₂变得清楚。参考子图6(d)，该算法已经收敛到其最终的估计，并且权重w₁和w₂显示了该算法确信测量ε₁-ε₇属于l₁以及测量ε₉-ε₁₆属于l₂。注意w₁(8)稍大于0，w₂(8)稍小于1。这是因为l₁和l₂两者都与ε₈交叠，如子图5(d)所示。

图7是可用带宽作为时间的函数的图形表示，示出在瓶颈链路是容量C＝10Mbit/s的有线链路并且探测调频信号与帕累托分布式的交叉业务在瓶颈路由器交互的第二场景中，使用和没有使用卡尔曼滤波的可用带宽的E-MAP估计。在该场景中，交叉业务连续地影响瓶颈路由器。交叉业务被描述为100个业务源的聚集，其中每一单个交叉业务源跟随帕累托分布传输具有不同大小和偏离间时间(inter-departure times)的分组。业务源被如此配置以至于聚集的业务流的平均交叉业务强度是X＝5Mbit/s。

图7中的虚线曲线对应于真实的可用带宽，其通过从瓶颈链路容量中减去交叉业务强度而获取。通过使用平均时间标度(scale)T＝1秒的滑动窗口来平均交叉业务轨迹的内容，从而计算交叉业务。

细实线曲线对应于没有使用卡尔曼滤波的E-MAP估计，即，简单地使用来自EM算法的l₂的参数估计来计算折点10。估计的可变性相当高，在5Mbit/s处的真实可用带宽上下波动。

粗实线曲线描述了当EM算法的输出被转发到卡尔曼滤波器时E-MAP的性能。通过将l₂的EM估计和l₂的先前卡尔曼滤波器估计组合，卡尔曼滤波器生成可用带宽的更新估计。相关于卡尔曼滤波器系统模型中的期望噪声变量以及l₂的EM估计精度定义赋予新卡尔曼滤波器输入的权重。

在卡尔曼滤波之后的可用带宽估计是非常接近真实的可用带宽的。一般而言，当利用卡尔曼滤波器时，改进了E-MAP方法的性能。该滤波器还为相关于诸如稳定性和灵活性的属性调谐E-MAP方法提供了机会。

图8是可用带宽作为时间的函数的图形表示，示出在第三场景中当可用带宽遭受大范围波动的，使用了卡尔曼滤波的E-MAP方法的性能。对于该情况，瓶颈链路是无线链路，其中无线电信道被模拟为瑞利衰落信道。更具体地，瓶颈被模拟为高速下行链路共享信道(HS-DSCH)，其被用于第三代移动通信系统UMTS中的HSDPA。

真实的可用带宽(虚线)对应最高可实现的吞吐量(即C的值)，其由于波动的无线电信道条件而随时间改变。真实的可用带宽被定义为使用T＝1秒的滑动窗口的平均吞吐容量。如图8可知，E-MAP方法提供了相当接近地跟踪可用带宽的一般趋势的结果。关于高频变量有一些滞后，但本领域技术人员可以明白的是，卡尔曼滤波器的适当配置可以加速E-MAP方法的反应时间。

虽然本发明的优选实施例已经在附图中示出并且在上述的具体实施方式中描述，然而可以理解的是，本发明不限于公开的实施例，而是能够有许多不背离如下权利要求书所定义的本发明范围的重新布置、修改以及替换。

Claims (18)

1.一种用于确定分组交换通信网络中路径的端到端可用带宽的方法，所述方法包括以下步骤：

将探测业务分组注入(21)到利用了包括多个探测业务分组的探测调频信号的网络中，其中在不同探测速率u发送至少部分所述探测业务分组；

通过接收机对所述探测业务分组的时间间隔进行采样(22)，以生成时间间隔样本；

利用在不同探测速率的所述时间间隔样本，计算(23)所述探测调频信号中所述探测业务分组的相对分组间间隔应变ε样本；

利用(24)期望最大化EM算法识别有用的应变ε样本并且估计l₂线的参数，其中所述l₂线代表在大于折点的探测速率的探测速率和分组间间隔应变ε之间的直接线性关系；以及

基于所述l₂线的估计参数实时地计算(26)所述网络路径的可用带宽。

2.如权利要求1所述的方法，其中计算所述可用带宽的步骤包括确定所述l₂线与ε＝0轴相交处的点上的探测速率。

3.如权利要求1所述的方法，其中将探测业务分组注入所述网络的步骤包括注入被组织为在不同探测速率发送的单独的分组对的探测业务分组。

4.如权利要求1所述的方法，其中将探测业务分组注入所述网络的步骤包括注入被组织为在不同探测速率发送的若干分组的串的探测业务分组。

5.如权利要求1所述的方法，其中利用所述EM算法识别有用的应变ε样本并且估计所述l₂线的参数的步骤包括：

将以每个探测速率的u-ε平面中的计算点分配(24a)给l₂线和l₁线，以及

确定(24b)l₁线和l₂线的参数的最大似然估计。

6.如权利要求5所述的方法，在确定l₁线和l₂线的参数的最大似然估计之后，进一步包括以下步骤：

确定(25)所述u-ε平面中的计算点与l₁线和l₂线的估计参数之间是否已经达到充分的收敛；

如果没有达到充分的收敛，执行(24)所述EM算法的附加迭代；以及

当已经达到充分的收敛时，计算(26)所述网络路径的可用带宽，其中所述可用带宽等于l₂线与ε＝0轴相交处的探测速率。

7.如权利要求5所述的方法，其中利用所述EM算法识别有用的应变ε样本并且估计所述l₂线的参数的步骤包括：

利用基于EM的多线拟合方法直接估计l₂线的参数；

向滤波器(18)输入包含了l₂线的最终EM估计的矢量；以及

从所述滤波器(18)输出l₂线的已滤波的增强的估计。

8.如权利要求7所述的方法，其中所述向滤波器(18)输入包含了l₂线的最终EM估计的矢量的步骤包括：向卡尔曼滤波器(18)输入所述矢量。

9.一种用于确定分组交换通信网络中路径的端到端可用带宽的系统，所述系统包括：

多速率分组调频信号注入器(12)，用于将探测业务分组注入到利用了包括多个探测业务分组的探测调频信号的网络中，其中在不同的探测速率u发送至少部分所述探测业务分组；

接收机(16)，用于对所述探测业务分组的时间间隔进行采样，以生成在不同探测速率的时间间隔样本，以及用于通过利用在不同探测速率的时间间隔样本，计算所述探测调频信号中所述探测业务分组的相对分组间间隔应变ε样本；

期望最大化EM分析器(17)，包括：

用于利用EM算法来识别有用的应变ε样本并且估计l₂线的参数的部件(34-36)，其中所述l₂线代表在大于折点的探测速率的探测速率和分组间间隔应变ε之间的直接线性关系；

输出部件(35)，用于输出所述l₂线的估计参数；以及

滤波器(18)，接收所述l₂线的估计参数，所述滤波器用于基于所述l₂线的估计参数确定所述网络路径的可用带宽。

10.如权利要求9所述的系统，其中所述多速率分组调频信号注入器(12)包括用于注入被组织为在不同探测速率发送的单独的分组对的探测业务分组的部件。

11.如权利要求9所述的系统，其中所述多速率分组调频信号注入器(12)包括用于注入被组织为在不同探测速率发送的若干分组的串的探测业务分组的部件。

12.如权利要求9所述的系统，其中所述用于利用EM算法来识别有用的应变ε样本并且估计所述l₂线的参数的部件包括：

用于将u-ε平面中的计算点分配给所述l₂线和l₁线的部件(34)，；以及

用于确定l₁线和l₂线的参数的最大似然估计的部件(35)。

13.如权利要求12所述的系统，进一步包括：

部件(36)，用于分析l₁线和l₂线的参数的最大似然估计，以确定所述u-ε平面中的所述计算点与l₁线和l₂线的所述估计参数之间是否已经达到充分的收敛；以及

部件(34-36)，用于在没有达到充分的收敛情况下执行所述EM算法的附加迭代；

其中所述用于输出所述l₂线的所述估计参数的输出部件(35)在已经达到充分的收敛时输出所述估计参数；以及

其中所述滤波器(18)将所述可用带宽确定为l₂线与ε＝0轴相交处的探测速率。

14.如权利要求12所述的系统，其中所述用于利用所述EM算法来识别有用的应变ε样本并且估计所述l₂线的参数的部件包括：

部件(34-36)，用于利用基于EM的多线拟合方法直接估计l₂线的参数；

其中所述输出部件(35)向所述滤波器输出包含了l₂线的最终EM估计的矢量；以及

其中所述滤波器输出l₂线的已滤波的增强的估计。

15.如权利要求9所述的系统，其中所述滤波器是卡尔曼滤波器(18)。

16.一种供系统使用、用于确定分组交换通信网络中路径的端到端可用带宽的期望最大化EM分析器(17)，所述系统包括多速率分组调频信号注入器(12)，其将探测业务分组注入到所述网络中，其中在不同探测速率发送至少部分所述探测业务分组，所述EM分析器包括：

用于从应变ε计算设备接收分组间间隔应变ε样本的部件(33)，所述应变ε样本在多个不同的探测速率u获取；

用于利用基于EM的多线拟合方法估计l₂线和l₁线的参数的部件(34，35)，所述用于估计参数的部件包括：

线分配单元(34)，用于将u-ε平面中的计算点分配给l₂线和l₁线；以及

最大似然估计单元(35)，用于估计l₂线的参数，所述l₂线代表在大于折点的探测速率的探测速率和所述应变ε之间的直接线性关系；以及

用于将所述l₂线的参数的最大似然估计发送给滤波器以基于所述l₂线的估计参数确定所述网络路径的可用带宽的部件(35)。

17.如权利要求16所述的EM分析器，进一步包括：

用于分析l₁线和l₂线的参数的最大似然估计以确定所述u-ε平面中的所述计算点与l₁线和l₂线的估计参数之间是否已经达到充分的收敛的部件(36)；以及

用于在没有达到充分的收敛的情况下执行所述EM算法的附加迭代的部件(34-36)；

其中所述用于向滤波器发送所述l₂线的参数的最大似然估计的部件(35)在已经达到充分的收敛时向所述滤波器(18)发送包含了l₂线的最大似然估计的矢量。

18.如权利要求17所述的EM分析器，进一步包括卡尔曼滤波器，所述卡尔曼滤波器用于接收所述l₂线的参数的最大似然估计，以及用于基于所述l₂线的估计参数确定所述网络路径的可用带宽。

Images