CN102437873B - 基于卫星网络的业务量建模和流量控制方法 - Google Patents
基于卫星网络的业务量建模和流量控制方法 Download PDFInfo
- Publication number
- CN102437873B CN102437873B CN201010295832.2A CN201010295832A CN102437873B CN 102437873 B CN102437873 B CN 102437873B CN 201010295832 A CN201010295832 A CN 201010295832A CN 102437873 B CN102437873 B CN 102437873B
- Authority
- CN
- China
- Prior art keywords
- network
- flow
- satellite
- satellite network
- modeling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Radio Relay Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于卫星网络的业务量建模和流量控制方法，属于通信领域。所述基于卫星网络的业务量建模和流量控制方法包括：S1卫星网络流量的获取；S2网络流量的自相似检测；S3基于小波分析和LFSN的网络流量建模和预测；S4将预测结果进行处理。本发明的有益效果是：应用随机过程的概念来描述数据源产生数据包的过程，符合星上数据源的分包特性。
Description
所属技术领域
本发明属于通信领域，更具体地说，属于一种基于卫星网络的业务量建模和流量控制方法。
背景技术
在通信网络中，网络的流量特性是网络设计和性能分析中必须考虑的一个重要因素，在网络协议设计、性能优化和网络设备研究等方面起到了至关重要的作用。
随着卫星技术的不断发展，卫星通信网络在通信领域中占据着越来越重要的位置。卫星网络是一个容量大、速率高的传输网络，它具有传输时延大、信号电平弱、多普勒频移大、信道噪声大、空地通信频繁中断等特点，这些复杂的动态特性可以通过网络流量来充分反映。因此，对于卫星网络的流量进行研究是设计和分析卫星网络体系架构的切入点，根据系统的网络流量进行分析，找出其内在的特点，建立合理的网络流量模型，并根据模型进行流量预测，是对卫星资源进行控制、调配，改进和提高网络性能的一种重要手段。
网络流量特性及模型的研究长期以来受到研究人员的高度重视。目前对网络流量的研究主要集中在地面有线网络和无线局域网中，采用的方法基本上是先对网络流量的特性进行分析，如网络流量是否具有自相似性和多重分形特性等，然后根据网络的这些特性选择合适的数学模型，如分形自回归滑动平均模型(FARIMA模型)等，确定模型参数，对其建模，并在此基础上进行网络流量的预测。但是，这一方法的复杂度较高，并不适合于传输时延大、处理能力有限的卫星网络。此外，目前地面Internet网主要采用TCP的拥塞控制和滑动窗口协议对网络流量进行控制，这是在网络已经发生拥塞的情况下采取的一种补救措施，发送端必须通过超时或返回ACK才能得到这一信息。这些流量控制的方法并不适合于传输时延大、信道噪声大、空地通信频繁中断的卫星网络。
发明内容
本发明为了解决以上问题，给出了一种基于卫星网络的业务量建模和流量控制方法。本发明就是针对卫星网络的上述特点提出的一种从业务量建模、网络流量预测到网络流量控制的一整套方法。
针对卫星网络的业务量建模和流量控制问题，提出了基于小波分析和LFSN过程的星上业务量建模方法，并根据模型的预测结果对网络流量进行控制。该方法包括如下步骤：
本发明的一种基于卫星网络的业务量建模和流量控制方法包括以下步骤：
S1卫星网络流量的获取：首先根据分包数据系统中卫星上数据源的特点，用随机过程的概念来描述数据源产生数据包的过程，得到星上数据源的模型参数；进一步，建立卫星网络拓扑结构，并添加业务，在卫星网络的骨干节点处收集网络流量；
S2网络流量的自相似检测：应用业务流量的自相似理论，分别使用方差——时间图法、R/S分析法、周期图法和小波分析法对收集到的卫星网络流量进行自相似性的检测；应用多重分形理论对卫星网络流量的特性进行分析；
S3基于小波分析和LFSN的网络流量建模和预测：根据上述网络流量自相似检测的结果选择适当的网络流量模型，对网络流量进行数学建模，确定模型参数，并做出前向预测；
S4将预测结果进行处理：利用数据包将信息返回到发送端，从而对发送节点的业务进行带宽分配，以及网络的流量控制和拥塞控制，或者在卫星网络的骨干节点处根据网络流量预测的结果，完成通信网络的接入控制。
本发明的有益效果是：应用随机过程的概念来描述数据源产生数据包的过程，符合星上数据源的分包特性。对于卫星网络流量的自相似检测以及基于小波分析和LFSN的网络流量建模使得建模和预测的结果更加准确，且复杂度降低。传统的拥塞控制是在网络已经发生拥塞的情况下采取的一种补救措施，发送端必须通过超时或返回ACK才能得到这一信息。将预测结果经过适当的处理返回到发送端，进行网络的流量控制和拥塞控制，能够提前对网络将要发生的情况给出判断，比较适合传输时延大、误码率较高的卫星网络。通过这一方法可以提高网络的吞吐量和链路的利用率，有利于提高网络性能。
附图说明
图1是本发明的卫星网络流量控制框图；
图2是本发明的卫星上的的流量整形算法原理图。
具体实施方式
图1是本发明的卫星网络流量控制框图；本发明的一种基于卫星网络的业务量建模和流量控制方法包括以下步骤：
S1卫星网络流量的获取：首先根据分包数据系统中卫星上数据源的特点，用随机过程的概念来描述数据源产生数据包的过程，得到星上数据源的模型参数；进一步，建立卫星网络拓扑结构，并添加业务，在卫星网络的骨干节点处收集网络流量；
S2网络流量的自相似检测：应用业务流量的自相似理论，分别使用方差——时间图法、R/S分析法、周期图法和小波分析法对收集到的卫星网络流量进行自相似性的检测；应用多重分形理论对卫星网络流量的特性进行分析；
S3基于小波分析和LFSN的网络流量建模和预测：根据上述网络流量自相似检测的结果选择适当的网络流量模型，对网络流量进行数学建模，确定模型参数，并做出前向预测；
S4将预测结果进行处理：利用数据包将信息返回到发送端，从而对发送节点的业务进行带宽分配，以及网络的流量控制和拥塞控制，或者在卫星网络的骨干节点处根据网络流量预测的结果，完成通信网络的接入控制。
图2是本发明的卫星上的的流量整形算法原理图；本发明针对卫星网络的业务量建模和流量控制问题，提出了基于小波分析和LFSN过程的星上业务流建模、预测和流量控制的方法。在具体实施时，可将此方法添加到卫星网络的骨干结点处，根据不同卫星在骨干结点汇聚的流量数据进行建模，得到模型参数，并根据目前数据预测下一阶段的流量走势，将预测数据返回到发送端，控制流量。这种方法不需要改变卫星网络的结构，易于实施。
Claims (1)
1.一种基于卫星网络的业务量建模和流量控制方法，其特征在于，所述方法包括以下步骤：
S1卫星网络流量的获取：首先根据分包数据系统中卫星上数据源的特点，用随机过程的概念来描述数据源产生数据包的过程，得到星上数据源的模型参数；进一步，建立卫星网络拓扑结构，并添加业务，在卫星网络的骨干节点处收集网络流量；
S2网络流量的自相似检测：应用业务流量的自相似理论，分别使用方差——时间图法、R/S分析法、周期图法和小波分析法对收集到的卫星网络流量进行自相似性的检测；应用多重分形理论对卫星网络流量的特性进行分析；
S3基于小波分析和LFSN的网络流量建模和预测：根据上述网络流量自相似检测的结果选择适当的网络流量模型，对网络流量进行数学建模，确定模型参数，并做出前向预测；
S4将预测结果进行处理：利用数据包将信息返回到发送端，从而对发送节点的业务进行带宽分配，以及网络的流量控制和拥塞控制，或者在卫星网络的骨干节点处根据网络流量预测的结果，完成通信网络的接入控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010295832.2A CN102437873B (zh) | 2010-09-29 | 2010-09-29 | 基于卫星网络的业务量建模和流量控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010295832.2A CN102437873B (zh) | 2010-09-29 | 2010-09-29 | 基于卫星网络的业务量建模和流量控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102437873A CN102437873A (zh) | 2012-05-02 |
| CN102437873B true CN102437873B (zh) | 2015-04-01 |
Family
ID=45985764
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010295832.2A Active CN102437873B (zh) | 2010-09-29 | 2010-09-29 | 基于卫星网络的业务量建模和流量控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102437873B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104219691B (zh) * | 2013-05-29 | 2018-05-18 | 华为技术有限公司 | 一种蜂窝网络业务量的预测方法及系统 |
| CN104581749B (zh) * | 2013-10-11 | 2019-03-22 | 北京亿阳信通科技有限公司 | 一种移动网络数据业务业务量的预测方法和装置 |
| CN104978604B (zh) * | 2014-04-04 | 2019-09-17 | 中国移动通信集团福建有限公司 | 一种基于业务能力模型的模拟仿真方法和装置 |
| CN106851604B (zh) * | 2015-12-07 | 2019-06-14 | 中国联合网络通信集团有限公司 | 一种移动通信网络的业务量预测方法及装置 |
| CN109639470B (zh) * | 2018-11-30 | 2021-10-15 | 四川安迪科技实业有限公司 | 基于星型组网的vsat卫星通信系统带宽分配方法 |
| CN110636014B (zh) * | 2019-10-09 | 2022-08-02 | 大连大学 | 一种基于流量自相似特性的卫星网络队列调度算法 |
| CN114679393B (zh) * | 2022-05-30 | 2022-09-09 | 凯睿星通信息科技(南京)股份有限公司 | 基于流量分析的卫星互联网带宽控制方法、系统及装置 |
-
2010
- 2010-09-29 CN CN201010295832.2A patent/CN102437873B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| "IP网络业务流量多重分形建模和预测研究";王升辉;《中国博士学位论文全文数据库 信息科技辑 2007年 第6期》;20071215;第1.2节至1.3.节，第2.2节至2.3节，第3.1节至3.5节，第4章至第5章 * |
| "分包系统的星上数据源及其模型";顾莹琦等;《遥测遥控》;20010331;第22卷(第2期);第1-4节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102437873A (zh) | 2012-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102437873B (zh) | 基于卫星网络的业务量建模和流量控制方法 | |
| CN100384149C (zh) | 突发性异常网络流量的检测与监控方法 | |
| CN102377452B (zh) | 高速取样有限精度量化脉冲超宽带信号到达时间估计方法 | |
| CN108320506A (zh) | 一种基于复合网络的拥堵时段的发现方法 | |
| EP3210397A1 (en) | Systems and methods for generating a virtual network topology for m2m communications | |
| CN105848187B (zh) | 基于信噪比阈值自适应的无线网络链路质量评估方法 | |
| Koucheryavy | State of the art and research challenges for USN traffic flow models | |
| Zhang et al. | Link state prediction-based reliable transmission for high-speed railway networks | |
| CN107026763A (zh) | 一种基于流量分解的数据通信网流量预测方法 | |
| CN106301927A (zh) | 基于车载异构网络的多属性垂直切换方法 | |
| CN104168131A (zh) | 一种基于组播通信的电力调度交换网的流量生成方法 | |
| CN117713967A (zh) | 一种用于自组网无人机智能频谱感知抗干扰通信系统 | |
| CN101754404A (zh) | 认知无线电网络中基于共识性的合作式频谱感知方法 | |
| CN105743783A (zh) | 基于bs-ts和自编码网络的车联网网络节点筛选方法及其通达性路由机制 | |
| Cheng et al. | VANET adaptive power control from realistic propagation and traffic modeling | |
| CN108055154A (zh) | 一种基于雾运算结构的车联网异常数据检测系统及方法 | |
| CN116866950A (zh) | 一种基于深度学习的无线网络资源优化系统及方法 | |
| Cheng et al. | VANET worm spreading from traffic modeling | |
| CN104125115A (zh) | 一种日志信息传送方法及装置 | |
| Gao et al. | Intelligent acquisition algorithm of dynamic traffic data based on Internet of Things | |
| Wang et al. | A scheme for fast network traffic anomaly detection | |
| CN108540323B (zh) | 基于最小加反卷积预测路由器处理速率的方法 | |
| ShangGuan et al. | Multiple V2V communication mode competition method in cooperative vehicle infrastructure system | |
| Biddut et al. | On the analysis of RED algorithm in ZigBee network for queue management | |
| CN108418804A (zh) | 一种防病毒路由器、系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |