CN103096363B - 模拟弱无线网络的方法和装置 - Google Patents
模拟弱无线网络的方法和装置 Download PDFInfo
- Publication number
- CN103096363B CN103096363B CN201110350416.2A CN201110350416A CN103096363B CN 103096363 B CN103096363 B CN 103096363B CN 201110350416 A CN201110350416 A CN 201110350416A CN 103096363 B CN103096363 B CN 103096363B
- Authority
- CN
- China
- Prior art keywords
- network
- wireless network
- data
- distribution pattern
- simulation model
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种模拟弱无线网络的方法和装置,属于无线网络应用领域。所述方法包括:构建模拟弱无线网络的仿真模拟模型,所述仿真模拟模型与无线网络进行叠加得到弱无线网络;获取所述弱无线网络的网络特征值的第一数据,并获取所述无线网络的网络特征值的第二数据;根据所述第一数据和所述第二数据,确定出所述仿真模拟模型的网络特征值的特征参数。所述装置包括构建模块、获取模块和确定模块。本发明通过构建模拟弱无线网络的仿真模拟模型,并确定出该仿真模拟模型的网络特征值的特征参数,确定出具体的仿真模拟模型。根据仿真模拟模型仿真出弱无线网络环境,从而能够在仿真的弱无线网络环境中进行手机应用软件的质量测试。
Description
技术领域
本发明涉及无线网络应用领域,特别涉及一种模拟弱无线网络的方法和装置。
背景技术
随着无线网络的发展,越来越多的手机应用软件都需要进行无线网络的连网操作,如手机浏览器,手机微博和手机联网游戏等等,网络状况会直接影响手机应用软件的网络访问速度,手机应用软件在弱无线网络情况下的性能,直接体现该手机应用软件的质量,即软件的稳定性和可靠性。因此,需要重现弱无线网络的场景。
现有技术采用屏蔽桶实现信号的完全屏蔽,而弱无线网络场景的搭建目前无法实现。
发明内容
为了以小代价实现弱无线网络,本发明实施例对手机与网络访问IP间的移动数据网络进行模拟,提供了一种模拟弱无线网络的方法和装置,从而能够根据模拟出的模拟系统对手机应用软件的网络访问进行测试。技术方案如下:
本发明实施例提供了一种模拟弱无线网络的方法,所述方法包括:
构建模拟弱无线网络的仿真模拟模型,所述仿真模拟模型与无线网络进行叠加得到弱无线网络;
获取所述弱无线网络的网络特征值的第一数据,并获取所述无线网络的网络特征值的第二数据;
根据所述第一数据和所述第二数据,确定出所述仿真模拟模型的网络特征值的特征参数。
其中,所述根据所述第一数据和所述第二数据,确定出所述仿真模拟模型的网络特征值的特征参数,具体包括:
对所述弱无线网络的网络特征值进行测量得到第一数据,并对所述无线网络的网络特征值进行测量得到第二数据;
根据所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的分布类型;
根据所述仿真模拟模型的网络特征值的分布类型、所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的特征参数。
其中,根据所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的分布类型,体包括:
根据第一数据,确定出弱无线网络的网络特征值的第一分布类型;
根据第二数据,确定出无线网络的网络特征值的第二分布类型;
将所述第一分布类型和所述第二分布类型进行叠加,确定出仿真模拟模型的网络特征值的分布类型。
其中,所述网络特征值具体包括网络延迟值,所述弱无线网络的网络延迟值的第一分布类型为正态分布,所述无线网络的网络延迟值的第二分布类型为恒定值;
相应地,所述将所述第一分布类型和所述第二分布类型进行叠加,确定出仿真模拟模型的网络特征值的分布类型,具体包括:
将第一分布类型和第二分布类型进行叠加,确定出仿真模拟模型的网络延迟值的分布类型为正态分布。
其中,所述仿真模拟模型的网络延迟值的分布类型为正态分布模型时,所述网络特征值的特征参数具体包括均值和方差;
相应地,根据所述仿真模拟模型的网络特征值的分布类型、所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的特征参数,具体包括:
弱无线网络的网络延迟值减去无线网络的网络延迟值,得到相对延迟值;
根据相对延迟值进行正态计算,确定出均值和方差。
其中,所述网络特征值具体包括网络丢包率,所述弱无线网络的网络丢包率的第一分布类型为恒定值,所述无线网络的网络丢包率的第二分布类型为恒定值;
相应地,所述将所述第一分布类型和所述第二分布类型进行叠加,确定出仿真模拟模型的网络特征值的分布类型,具体包括:
将第一分布类型和第二分布类型进行叠加,确定出的仿真模拟模型的网络丢包率的分布类型为恒定值。
其中,所述仿真模拟模型的网络丢包率的分布类型为恒定值时,所述网络丢包率为特征参数;
相应地,所述根据仿真模拟模型的网络特征值的分布类型、所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的特征参数,具体包括:
对弱无线网络的网络丢包率取平均值;
将所述平均值减去无线网络的网络丢包率,得到仿真模拟模型的网络丢包率。
本发明实施例还提供了一种模拟弱无线网络的装置,所述装置包括:
构建模块,用于构建模拟弱无线网络的仿真模拟模型,所述仿真模拟模型与无线网络进行叠加得到弱无线网络;
获取模块,用于获取弱无线网络的网络特征值的第一数据,并获取无线网络的网络特征值的第二数据;
确定模块,用于根据所述第一数据和所述第二数据,确定出所述仿真模拟模型的网络特征值的特征参数。
其中,所述确定模块具体包括:
测量单元,用于对所述弱无线网络的网络特征值进行测量得到第一数据,并对所述无线网络的网络特征值进行测量得到第二数据;
第一确定单元,用于根据所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的分布类型;
第二确定单元,用于根据所述仿真模拟模型的网络特征值的分布类型、所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的特征参数。
其中,第一确定单元具体包括:
第一确定子单元,用于根据第一数据,确定出弱无线网络的网络特征值的第一分布类型;
第二确定子单元,用于根据第二数据,确定出无线网络的网络特征值的第二分布类型;
第三确定单元,用于将第一确定单元确定出的第一分布类型和第二确定单元确定出的第二分布类型进行叠加,确定出仿真模拟模型的网络特征值的分布类型。
本发明实施例提供的技术方案带来的有益效果是:通过构建模拟弱无线网络的仿真模拟模型,并确定出该仿真模拟模型的网络特征值的特征参数,确定出具体的仿真模拟模型。根据仿真模拟模型仿真出弱无线网络环境,从而能够在仿真的弱无线网络环境中进行手机应用软件的质量测试。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例1中提供的模拟弱无线网络的示意图;
图2是本发明实施例1中提供的模拟弱无线网络的整体方案示意图;
图3是本发明实施例1中提供的模拟弱无线网络的方法流程图;
图4是本发明实施例2中提供的模拟弱无线网络的方法流程图;
图5是本发明实施例2中提供的PING工具进行网络特征值检测的示意图;
图6是本发明实施例2中提供的三种真实的弱无线网络下不同大小PING包检测到的网络延迟分布图;
图7是本发明实施例2中提供的三种真实的弱无线网络下不同大小PING包检测到的丢包率分布图;
图8是本发明实施例2中提供的真实的弱无线网络延迟频率分布图;
图9是本发明实施例3中提供的纯弱信号网络的模拟效果图;
图10是本发明实施例3中提供的纯拥塞网络的模拟效果图;
图11是本发明实施例3中提供的弱信号+拥塞混合网络的模拟效果图;
图12a是本发明实施例3中提供的真实的纯弱信号网络的网页访问模拟效果图;
图12b是本发明实施例3中提供的模拟的纯弱信号网络的网页访问模拟效果图;
图13a是本发明实施例3中提供的真实的拥塞网络的网页访问模拟效果图;
图13b是本发明实施例3中提供的模拟的拥塞网络的网页访问模拟效果图;
图14a是本发明实施例3中提供的手机QQ浏览器与UC浏览器在纯弱信号模拟网络下,网页全部显示耗时对比结果图;
图14b是本发明实施例3中提供的手机QQ浏览器与UC浏览器在纯弱信号模拟网络下,手机第一屏显示耗时对比结果图;
图15是本发明实施例4中提供的模拟弱无线网络的装置结构示意图;
图16是本发明实施例4中提供的模拟弱无线网络的装置中的确定模块的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
本发明实施例提供的模拟方案如图1所示,通过将移动数据网络等效于模拟网络,来得到模拟弱无线网络的模型,该模拟网络是指模拟的弱无线网络。其中,本发明实施例中的弱无线网络是一个相对的概念,弱是相对于网络访问快速正常的网络,弱无线网络直接表现为某个网络场景下的会频发出现网络访问超时或者网络连接失败的情况。
在本技术方案的发明过程中,根据对弱无线网络形成的基本原因进行测量分析从而将广义上的弱无线网络细化成三种类型,即纯弱电磁波信号(dBm值)网络,纯拥塞网络,弱信号+拥塞混合网络。
纯弱电磁波信号网络是指手机端接收到的电磁波功率很低,表现为手机的dBm(miliwat,分贝毫瓦)值很小,直观表现为手机信号格数很少,dBm值为负值,值越小,信号越弱,其中,dBm是表示功率绝对值的单位,反映当前基站的信号量的微弱程度,表现就是手机的信号格子的变化。经过广泛采样确定本技术方案所定义的弱信号网络即dbm值可以在-105~-113之间波动的环境。信号的强弱跟手机所处的位置有关。
纯拥塞网络是指手机所处的网络场景中,信号强度高(dbm值高于-60),手机信号满格,而手机网络访问用户过多,使得网络处于拥塞状态,网络连接频繁出现连接时间超长,或连接不上情况。实际应用中,出现以上情况概率大概在70%~80%之间。正常网络变化成一个拥塞网络跟具体的时间段有很大联系。
弱信号+拥塞混合网络是指手机处在混合弱信号和拥塞两种网络特点的网络场景下,网络所处位置信号强度弱,又同时存在使用用户过到而引起拥塞的情况。
参见图3,本发明实施例提供了一种模拟弱无线网络的方法,所述方法包括:
步骤101:构建模拟弱无线网络的仿真模拟模型,仿真模拟模型与无线网络进行叠加得到弱无线网络;
步骤102:获取弱无线网络的网络特征值的第一数据,并获取无线网络的网络特征值的第二数据;
步骤103:根据第一数据和第二数据,确定出仿真模拟模型的网络特征值的特征参数。
本发明实施例提供的方法,通过构建模拟弱无线网络的仿真模拟模型,并确定出该仿真模拟模型的网络特征值的特征参数,确定出具体的仿真模拟模型。根据仿真模拟模型仿真出弱无线网络环境,从而能够在仿真的弱无线网络环境中进行手机应用软件的质量测试。
实施例2
参见图4,本发明实施例提供了一种模拟弱无线网络的方法,所述方法包括:
步骤201:构建模拟弱无线网络的仿真模拟模型;
本发明实施例通过构建模拟弱无线网络的仿真模拟模型,确定出该仿真模拟模型的特征参数,从而能够搭建起模拟弱无线网络的场景,将终端网络访问框架变成与真实的弱无线网络等效的网络,实际应用中,真实网络的网络特征值很复杂,本发明实施例以网络特征值为网络延迟和丢包率为例进行说明,确定出模拟弱无线网络的仿真模拟模型的网络特征值的特征参数,使得模拟弱无线网络的特征参数的分布类型与真实网络一致。
其中,本发明对某一个具体的被确定为弱无线网络的网络场景进行模拟再现,重现弱无线网络的应用场景,模拟出仿真模拟模型。该仿真模拟模型与无线接入模块、PC上网模块组成模拟系统,整个模拟系统的示意图如图2所示,仿真模拟模型分别与无线接入模块和PC上网模块进行连接;其中,无线接入模块可以采用wifi(Wireless Fidelity,可以将个人电脑、手持设备等终端以无线方式互相连接的技术)连接PC(Person Computer,个人电脑),也可以采用usb,蓝牙等其他无线接入方式,继而共享电脑的网络进行上网或宽带访问;仿真模拟模型,即仿真弱无线网络的模型,该仿真模拟模型通过PC网络仿真软件实现,可以使用shunra公司的cloud网络仿真软件,也可以使用华为公司的packet storm软件仿真模拟工具等功能类似的仿真软件;PC上网模块可以通过网卡或宽带进行网络访问,如3G上网卡、PC端上网方式等上网方式。
步骤202:对弱无线网络的网络特征值进行测量,得到第一数据;
具体地,该弱无线网络是指实际存在的真实的弱无线网络,该步骤的应用场景为将手机在真实的弱无线网络场景下接入PC,通过使用网络测量工具,如网络PING(PacketInternetGrope,因特网包探索器,测试网络连接的程序)工具,对手机处于真实的弱无线网络场景的网络特征值进行测量,以测量出真实的弱无线网络场景下的网络特征值的第一数据。
其中,本发明实施例可以对上述三种真实的弱无线网络场景进行网络特征值测量,以获取该三种真实的弱无线网络场景下的网络特征值的第一数据,以网络特征值为网络延迟和丢包率为例,该步骤中即获取真实的弱无线网络场景下的网络延迟和丢包率。
PING工具的测量方法如图5所示,由PING测量工具对真实的弱无线网络场景进行PING包检测,获取到真实的弱无线网络的网络特征值的第一数据,即网络特征值的分布结果。其中PING包大小的不同,测量出的网络特征值的分布结果也会不一样,如图6所示的三种真实的弱无线网络下不同PING包检测到的网络延迟分布图,及如图7所示的三种真实的弱无线网络下不同PING包检测到的丢包率分布图。根据对图6,图7的分析,可以确定出使用512字节大小的PING包进行网络测量为最优。通过PING测量工具,采用512字节PING包进行PING值检测,可以获得真实弱无线网络下的网络特征值的分布情况。
步骤203:对无线网络的网络特征值进行测量,得到第二数据;
具体地,该无线网络是指实际存在的网络信号良好的正常的无线网络,该步骤的应用场景为手机在无线接入模块和PC上网模块组成的无线网络中接入PC,测量手机在该无线网络中的网络特征值,该无线网络即为在构建的模拟系统中未启用仿真模拟模型的网络系统,该未启用仿真模拟模型的网络系统实际上是状况良好的网络,即丢包率低,网络延迟少的网络,可以为良好的宽带网络,也可以是3G无线网络。采用与步骤201中相同的网络测量工具及测量方法,对未启用仿真模拟模型的网络系统的网络特征值进行测量,获取到第二数据,从而根据对真实的弱无线网络下的第一数据和未启用仿真模拟模型的网络系统下的第二数据的分析计算,确定出仿真模拟模型。其中,PING包仍然采用512字节,且PING的IP地址与步骤201中的相同。
步骤204:分析真实的弱无线网络的网络特征值的第一数据,确定出真实的弱无线网络的网络特征值的第一分布类型;
对于该步骤,本发明实施例中采用统计学的分析原理,对真实的弱无线网络的网络延迟值进行分析,得到如图8所示的真实的弱无线网络的延迟时间频率分布图。
根据该延迟时间分布图分析出真实的弱无线网络的网络延迟值的分布近似于正态分布,确定出该真实的弱无线网络的网络延迟值的分布类型为正态分布。
根据该延迟时间分布图分析出真实的弱无线网络下,丢包率相对稳定,为一恒定值。实际应用中,网络延迟和丢包率根据弱无线网络类型的不同而不同。
步骤205:分析无线网络的网络特征值的第二数据,确定出无线网络的第二分布类型;
对于该步骤,通过对正常良好的无线网络的网络特征值进行统计分析,确定出在这种正常良好的网络下,网络延迟值波动很小,基本上稳定在一个固定值,该固定值一般可以通过计算各个网络延迟值的平均值获得;丢包率很小,可以忽略不计,大约为0%。
步骤206:根据真实弱无线网络的网络特征值的第一分布类型和无线网络的网络特征值的第二分布类型,确定出仿真模拟模型的分布类型;
具体地,本发明实施例通过对真实的弱无线网络的网络特征值的第一分布类型与未启用仿真模拟模型的网络系统的网络特征值的第二分布类型进行叠加,确定出仿真模拟模型的分布类型。其中,对于同一类型的网络特征值的分布类型进行叠加,得到仿真模拟模型的该类型的网络特征值的分布类型。
具体地,对于网络特征值为网络延迟值,上述真实的弱无线网络的网络延迟值的分布类型为正态分布时,未启用仿真模拟模型的网络系统的网络延迟值在一固定值上下浮动,约为平均值,则两者叠加后,仿真模拟软件实现的仿真模拟模型的网络延迟分布类型也一定为正态分布,因此,网络延迟的模拟选择正态分布模型进行仿真。
对于网络特征值为网络丢包率,上述真实的弱无线网络的丢包率为一恒定值,未启用仿真模拟模型的网络系统的丢包率为一恒定值,则两者叠加后,仿真模拟模型的丢包率也为一恒定值。
步骤207:根据仿真模拟模型的网络特征值的分布类型、第一数据和第二数据,确定出仿真模拟模型的网络特征值的特征参数。
具体地,对于网络特征值为网络延迟值,网络延迟值的分布类型为正态分布时,用真实的弱无线网络的网络延迟值减去正常的网络延迟值(即未启用仿真模拟模型的网络系统的网络延迟值),得到相对延迟值;并根据该相对延迟值代入正态分布式中进行正态计算,确定出仿真模拟模型的网络延迟值的两个特征参数:均值和方差,即确定出关于网络延迟值的仿真模拟弱无线网络的模型。
另外,由于通过仿真模拟软件对启用仿真模拟模型的模拟系统测量的数据包均进行延迟,而以上获得的相对延迟值是一个PING回声,因此,可将相对延迟值除以2,再根据除以2的相对延迟值进行正态计算,确定出正态模型的两个参数:均值和方差。
对于网络特征值为网络丢包率,网络丢包率的分布类型为恒定值时,本发明实施例中未启用仿真模拟模型的网络系统的丢包率为0,则仿真模拟模型的网络丢包率等于上述真实的弱无线网络的丢包率。
其中,可以对真实的弱无线网络进行多次丢包率的采集,得到多次结果,对该真实弱无线网络的模型的网络丢包率取平均值,该平均值即为仿真模拟模型的网络丢包率。
本发明实施例提供的方法,通过构建出模拟弱无线网络的仿真模拟模型,并确定出该仿真模拟模型的网络特征值的特征参数,确定出具体的仿真模拟模型。根据仿真模拟模型仿真出弱无线网络环境,从而能够进一步在仿真的弱无线网络环境中,进行手机应用软件的质量测试。
实施例3
本发明实施例对上述确定出的模拟模型进行验证,即验证模拟的弱无线网络和真实的弱无线网络的相似度,分别采用PING验证和业务验证。
(1)PING验证方案
其中,PING验证方案是为了验证模拟的弱无线网络和真实的弱无线网络的网络特征值是否一致,即网络延迟值频率分布情况是否一致,丢包率是否相等。
纯弱信号网络的模拟模型的验证结果,请参见如表1所示的纯弱信号网络的数据分析表和图9所示的纯弱信号网络的模拟效果图,可见,纯弱信号网络的模拟模型模拟的网络状况和真实的纯弱信号网络的网络状况一致。实际中,模拟网络和真实弱信号网络的丢包率相等,均为8%。
表1纯弱信号网络的数据分析表
纯拥塞网络的模拟模型的验证结果,请参见如表2所示的纯拥塞网络的数据分析表,和图10所示的纯拥塞网络的模拟效果图,可见,纯拥塞网络的模拟模型模拟的网络状况和真实的纯拥塞网络的网络状况一致。实际中,模拟网络和真实的纯拥塞网络的丢包率相等,均为10%。
表2纯拥塞网络的数据分析表
弱信号+拥塞混合网络模型的验证结果,请参见如表3所示的弱信号+拥塞混合网络的数据分析表,和图11所示的弱信号+拥塞混合网络的模拟效果图,弱信号+拥塞混合网络的模拟模型模拟的网络状况和真实的弱信号+拥塞混合网络的网络状况一致。实际中,模拟网络和真实的弱信号+拥塞混合网络的丢包率相等,均为10%。
表3弱信号+拥塞混合网络的数据分析表
(2)业务验证
本发明实施例还将上述模拟弱无线网络的模型应用于手机终端业务,进行业务验证,验证得出该模拟弱无线网络的模型等效于真实的弱无线网络。
下面通过对比测试手机浏览器在真实的弱无线网络和模拟的弱无线网络下,网页访问第一屏的速度,来验证上述模拟弱无线网络的模型模拟出的模拟网络的正确性。
纯弱信号网络的模拟模型的网页访问的验证结果,请参见如表4所示的纯弱信号网络的网页访问对比表,图12a所示的真实的纯弱信号网络的网页访问模拟效果图,和图12b所示的模拟的纯弱信号网络的网页访问模拟效果图。可见,纯弱信号网络的模拟模型模拟的访问速度和真实的纯弱信号网络的访问速度一致。
纯拥塞网络的模拟模型的网页访问的验证结果,请参见如表5所示的纯拥塞网络的网页访问对比表,图13a所示的真实的纯拥塞网络的网页访问模拟效果图,和图13b所示的模拟的纯拥塞网络的网页访问模拟效果图。可见,纯拥塞网络的模拟模型模拟的访问速度和真实的纯拥塞网络的访问速度一致。
真实的弱信号+拥塞混合网络下,浏览器访问几乎全部超时,174次网页访问中,只有17次能访问上,成功率为9.8%,根据拥塞特性,并不是所有时刻都会有拥塞,也会存在非拥塞时间缝隙,而这些能连上的数据恰好多分布在每天的13点到14点间,如果将其作为非拥塞数据进行剔除,则真正的弱信号+拥塞网络下的网页访问将近全部不能打开。可见,通过模拟网络模拟出来的结果为几乎全部不能打开,弱信号+拥塞混合网络的模拟模型模拟的访问速度和真实的弱信号+拥塞混合网络的访问速度一致。
上述实施例中确定出模拟弱无线网络的模型的特征参数,得到模拟弱无线网络的模型,并验证了模拟模型的正确性,在此基础上,本发明实施例还将模拟弱无线网络的模型进行实践应用,下面是利用手机QQ浏览器与UC浏览器进行对比测试结果:
图14a为手机QQ浏览器与UC浏览器在纯弱信号模拟网络下,网页全部显示耗时对比结果图,图14b为手机QQ浏览器与UC浏览器在纯弱信号模拟网络下,手机第一屏显示耗时对比结果图,可见,UC浏览器在纯弱信号模拟网络下,网页全部显示耗时与手机第一屏显示耗时均小于手机QQ浏览器。
实施例4
参见图15,本发明实施例提供了一种模拟弱无线网络的装置,所述装置包括构建模块401和确定模块402,
构建模块401,用于构建模拟弱无线网络的仿真模拟模型,仿真模拟模型与无线网络进行叠加得到弱无线网络;
获取模块402,用于获取弱无线网络的网络特征值的第一数据,并获取无线网络的网络特征值的第二数据;
确定模块403,用于根据所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的特征参数。
其中,参见图16,确定模块403具体包括测量单元4031、第一确定单元4032和第二确定单元4033,
测量单元4031,用于对弱无线网络的网络特征值进行测量得到第一数据,并对无线网络的网络特征值进行测从而量得到第二数据;
第一确定单元4032,用于根据第一数据和第二数据,确定出仿真模拟模型的网络特征值的分布类型;
第二确定模块4033,用于根据仿真模拟模型的网络特征值的分布类型、第一数据和第二数据,确定出仿真模拟模型的网络特征值的特征参数。
其中,第一确定单元4032具体包括第一确定子单元4032a、第二确定单元4032b和第三确定单元4032c,
第一确定子单元4032a,用于根据第一数据,确定出弱无线网络的网络特征值的第一分布类型;
第二确定子单元4032b,用于根据第二数据,确定出无线网络的网络特征值的第二分布类型;
第三确定子单元4032c,用于将第一确定子单元4032a确定出的第一分布类型和第二确定单元4032b确定出的第二分布类型进行叠加,确定出仿真模拟模型的网络特征值的分布类型。
本发明实施例提供的装置,通过构建模拟弱无线网络的仿真模拟模型,并确定出该仿真模拟模型的网络特征值的特征参数,确定出具体的仿真模拟模型。根据仿真模拟模型仿真出弱无线网络环境,从而能够在仿真的弱无线网络环境中进行手机应用软件的质量测试。
本实施例提供的装置,具体可以,与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种模拟弱无线网络的方法,其特征在于,所述方法包括:
构建模拟弱无线网络的仿真模拟模型,所述仿真模拟模型与无线网络进行叠加得到弱无线网络;
获取所述弱无线网络的网络特征值的第一数据,并获取所述无线网络的网络特征值的第二数据;
根据所述第一数据和所述第二数据,确定出所述仿真模拟模型的网络特征值的特征参数;具体包括:
对所述弱无线网络的网络特征值进行测量得到第一数据,并对所述无线网络的网络特征值进行测量得到第二数据;
根据所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的分布类型,具体包括:根据第一数据,确定出弱无线网络的网络特征值的第一分布类型;根据第二数据,确定出无线网络的网络特征值的第二分布类型;将所述第一分布类型和所述第二分布类型进行叠加,确定出仿真模拟模型的网络特征值的分布类型;
根据所述仿真模拟模型的网络特征值的分布类型、所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的特征参数。
2.如权利要求1的方法,其特征在于,所述网络特征值具体包括网络延迟值,所述弱无线网络的网络延迟值的第一分布类型为正态分布,所述无线网络的网络延迟值的第二分布类型为恒定值;
相应地,所述将所述第一分布类型和所述第二分布类型进行叠加,确定出仿真模拟模型的网络特征值的分布类型,具体包括:
将第一分布类型和第二分布类型进行叠加,确定出仿真模拟模型的网络延迟值的分布类型为正态分布。
3.如权利要求2的方法,其特征在于,所述仿真模拟模型的网络延迟值的分布类型为正态分布时,所述网络特征值的特征参数具体包括均值和方差;
相应地,根据所述仿真模拟模型的网络特征值的分布类型、所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的特征参数,具体包括:
弱无线网络的网络延迟值减去无线网络的网络延迟值,得到相对延迟值;
根据相对延迟值进行正态计算,确定出均值和方差。
4.如权利要求1的方法,其特征在于,所述网络特征值具体包括网络丢包率,所述弱无线网络的网络丢包率的第一分布类型为恒定值,所述无线网络的网络丢包率的第二分布类型为恒定值;
相应地,所述将所述第一分布类型和所述第二分布类型进行叠加,确定出仿真模拟模型的网络特征值的分布类型,具体包括:
将第一分布类型和第二分布类型进行叠加,确定出的仿真模拟模型的网络丢包率的分布类型为恒定值。
5.如权利要求4的方法,其特征在于,所述仿真模拟模型的网络丢包率的分布类型为恒定值时,所述网络丢包率为特征参数;
相应地,所述根据仿真模拟模型的网络特征值的分布类型、所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的特征参数,具体包括:
对弱无线网络的网络丢包率取平均值;
将所述平均值减去无线网络的网络丢包率,得到仿真模拟模型的网络丢包率。
6.一种模拟弱无线网络的装置,其特征在于,所述装置包括:
构建模块,用于构建模拟弱无线网络的仿真模拟模型,所述仿真模拟模型与无线网络进行叠加得到弱无线网络;
获取模块,用于获取所述弱无线网络的网络特征值的第一数据,并获取所述无线网络的网络特征值的第二数据;
确定模块,用于根据所述第一数据和所述第二数据,确定出所述仿真模拟模型的网络特征值的特征参数;
所述确定模块具体包括:
测量单元,用于对所述弱无线网络的网络特征值进行测量得到第一数据,并对所述无线网络的网络特征值进行测量得到第二数据;
第一确定单元,用于根据所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的分布类型;
第二确定单元,用于根据所述仿真模拟模型的网络特征值的分布类型、所述第一数据和所述第二数据,确定出仿真模拟模型的网络特征值的特征参数;
第一确定单元具体包括:
第一确定子单元,用于根据第一数据,确定出弱无线网络的网络特征值的第一分布类型;
第二确定子单元,用于根据第二数据,确定出无线网络的网络特征值的第二分布类型;
第三确定单元,用于将第一确定单元确定出的第一分布类型和第二确定单元确定出的第二分布类型进行叠加,确定出仿真模拟模型的网络特征值的分布类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110350416.2A CN103096363B (zh) | 2011-11-08 | 2011-11-08 | 模拟弱无线网络的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110350416.2A CN103096363B (zh) | 2011-11-08 | 2011-11-08 | 模拟弱无线网络的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103096363A CN103096363A (zh) | 2013-05-08 |
CN103096363B true CN103096363B (zh) | 2017-04-26 |
Family
ID=48208361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110350416.2A Active CN103096363B (zh) | 2011-11-08 | 2011-11-08 | 模拟弱无线网络的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103096363B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103634664B (zh) * | 2013-11-06 | 2018-10-12 | 康佳集团股份有限公司 | 一种智能电视的网络自适应方法及系统 |
CN105451258B (zh) * | 2014-09-26 | 2019-10-25 | 优视科技有限公司 | 一种测试处理方法及装置 |
CN105072629B (zh) | 2015-06-30 | 2019-04-26 | 华为技术有限公司 | 测量终端上运行的业务的质量的方法、设备及系统 |
CN106888461B (zh) * | 2016-06-08 | 2020-07-31 | 阿里巴巴集团控股有限公司 | 一种弱网络环境的构建方法和设备 |
CN110569134A (zh) * | 2019-08-30 | 2019-12-13 | 北京电子工程总体研究所 | 一种基于正态分布模拟目标时间延迟的方法及系统 |
CN112448860B (zh) * | 2019-08-30 | 2023-04-07 | 北京奇艺世纪科技有限公司 | 一种应用程序的测试方法及相关设备 |
CN111769887B (zh) * | 2020-06-30 | 2022-09-16 | 北京百度网讯科技有限公司 | 用于模拟弱网测试环境的系统 |
CN113190965A (zh) * | 2021-03-31 | 2021-07-30 | 北京电子工程总体研究所 | 一种在目标模拟过程中的位置抖动产生方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102064957A (zh) * | 2010-11-11 | 2011-05-18 | 北京航空航天大学 | 一种基于trace文件的计算模拟无线网络性能参数的方法 |
-
2011
- 2011-11-08 CN CN201110350416.2A patent/CN103096363B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102064957A (zh) * | 2010-11-11 | 2011-05-18 | 北京航空航天大学 | 一种基于trace文件的计算模拟无线网络性能参数的方法 |
Non-Patent Citations (1)
Title |
---|
Design of the Simulation Platform for Networked Control Systems Based on DTHMM;Yuan Ge et.al;《Proceedings of the 8th World congress on Intelligent Control and Automation 》;20100709;第4401-4405 * |
Also Published As
Publication number | Publication date |
---|---|
CN103096363A (zh) | 2013-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103096363B (zh) | 模拟弱无线网络的方法和装置 | |
CN104679627B (zh) | 测试方法及装置 | |
CN106441276B (zh) | 运动轨迹生成方法及移动终端 | |
CN106569942A (zh) | 一种测试方法和装置 | |
CN101980417B (zh) | 数字变电站测试仿真方法 | |
CN103901391B (zh) | 具有数字化电能表检测功能的新型模拟标准表及检测方法 | |
Zhang et al. | A QoE test system for vehicular voice cloud services | |
CN106787199A (zh) | 一种便携式子站模拟测试系统及方法 | |
CN105355021B (zh) | 基于ZigBee的远程无线抄表系统及其性能检测方法 | |
CN107197120B (zh) | 图像源兼容测试方法及系统 | |
WO2024198505A1 (zh) | 导线风偏载荷监测方法、装置、设备以及存储介质 | |
CN102684187B (zh) | 一种基于wams和在线仿真数据的电网静态稳定分析方法 | |
Quintero et al. | A low-cost noise measurement device for noise mapping based on mobile sampling | |
CN106649946A (zh) | 一种输电线路工频相参数仿真计算方法 | |
CN114167132A (zh) | 无线终端的功耗检测方法、装置、电子设备及存储介质 | |
CN109375142A (zh) | 基于凯塞窗fft滤波的互感器校验仪检定方法和系统 | |
CN105298751B (zh) | 基于分布式检测和数据判测的垂直轴风力发电测试装置 | |
CN106972986B (zh) | Idc机房网络质量的检测方法及其系统 | |
CN106383280A (zh) | 基于二节点架空线模型的电压互感器模型测试方法 | |
CN205898287U (zh) | 基于无线传感网络的桥梁震动检测装置 | |
Sik et al. | Toward cognitive data analysis with big data environment | |
CN109444797A (zh) | 一种用于对电子式互感器暂态校验仪进行校验的方法及系统 | |
CN205825931U (zh) | 测量装置 | |
CN205374717U (zh) | 一种光纤电流互感器的数据采集及虚拟校验系统 | |
CN205881273U (zh) | 一种无线传感器网络实验平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |