CN103795649A - 一种网络延时抖动平滑方法 - Google Patents

Abstract

本发明公开了一种网络延时抖动平滑方法，包括：利用指数平滑预测法预测网络抖动的大小和变化趋势；利用网络抖动的预测结果，设置数据缓冲器的大小。本发明能够较好的预测网络延时抖动大小的变化，有效减少了变化的网络抖动中的异常值，减小了丢包率，与其他方法相比有一定的优越性，并且无需各个系统模块时钟同步。

Description

一种网络延时抖动平滑方法

技术领域

本发明涉及网络通信技术领域，具体涉及一种网络延时抖动平滑方法。

背景技术

在对抖动要求严格的场合中，例如网络控制系统或者物理信息融合系统（CPS），传感器获取具体物理对象的各种信息（例如环境温度、噪声、湿度、电机转速以及车辆行驶速度等等），并通过网络传送到控制器。控制器对用户的命令以及物理信息经过分析计算之后，依靠网络向执行器发出一定时限的控制命令。执行器则在正确的时间对具体的物理对象执行控制命令，改变物理对象的状态。物理世界、传感器、控制器和执行器依靠通信网络构成了一个反馈环路^[1]。

执行器可以直接对物理世界的实体产生影响，影响其进程，执行器往往需要根据控制命令在正确的时间做正确的事情。反馈环路中信息流的传递则依靠有线或者无线网络。而往往网络延时抖动大小是变化的，甚至有些情况下抖动会很大。而数据缓冲器可以很好的吸收不规律的网络抖动。合理的设置接收数据的缓冲器的大小可以使得网络抖动平滑，提高系统的实时性，高效性与稳定性，具有重大意义^[2]。缓冲器设置过大，接收到的数据包在接收端等待过时间过长，这样系统比较稳定，但是系统实时性就无法体现了，如果错过最佳执行时间，对系统会造成损害。缓冲器设置过小，接收到含有执行命令的数据包很快被执行，提高了系统实时性，但是网络抖动太大的话，会造成丢包率上升，如果执行器无法接收到正确的执行命令，同样对系统会造成损害。

如何合理的设置接收数据缓冲器的大小，平滑网络中的不规则抖动，成为了国内外网络控制系统的研究热点。研究学者们提出了很多种网络抖动平滑以及缓冲器大小设置算法。文献[3]中提出了一种集成了反馈缓冲器、传感器采样和控制的端到端算法（PBD算法），该算法根据网络抖动的观测值来预测下一个网络延时的大小。这种算法弥补了单纯的反馈缓冲器的不足之处：当数据包接受时间超过设定值时，会采用一个特殊的命令控制设备。但是预测值往往波动也很大，对于网络抖动的平滑方面改进效果不佳，尤其是抖动值很大时，其预测值往往失去了其原本的意义。文献[4]中提出一种无须时钟同步的抖动平滑算法（MA算法），将网络控制系统（NCS）中信号的往返时间（RTT）分解为由物理设备（执行器）到控制器，再由控制器到物理设备（执行器）的传递时间两部分。其中一部分可以通过观测值精确计算出来，另外一部分根据观测值来预测下一个传递时间，最后计算出数据包的往返时间RTT。在MA算法中有一个不足之处：在遇到较大的延时抖动异常值后，调整值会变得很大，无法重新贴近实验中的网络延时抖动的大小，与此同时，在接收端处理数据的时候，网络延时便会变得特别大，无法体现其实时性与优越性。

参考文献：

[1]陈志辉.基于时间自动机的信息物理融合系统建模与验证[J].计算机与现代化,2012(10):125-130.

[2]Oklander B,Sidi M.Jitter buffer analysis[C]//ComputerCommunications and Networks,2008.ICCCN'08.Proceedings of17thInternational Conference on.IEEE,2008:1-6.

[3]Liberatore V.Integrated Play-Back,Sensing,and NetworkedControl[C]//INFOCOM.2006.

[4]Al-OmariH,Wolff F,Papachristou C,McIntyre D.An Improved Algorithmto Smooth Delay Jitter in Cyber-Physical Systems.In Proceedings ofthe8th International Conference on Embedded Computing andInternational Conference on Scalable Computing and Communications.Dalian,China:IEEE,2009.81-86.

发明内容

针对网络中的不规则抖动给系统带来的不稳定性和系统性能的下降，本发明提供了一种合理的设置接收数据缓冲器的大小，平滑网络抖动的方法。本发明能够较好的预测网络（特别是CPS网络）延时抖动大小的变化，有效减少了变化的网络抖动中的异常值，减小了丢包率，与其他方法相比有一定的优越性，并且无需各个系统模块时钟同步。

本发明的技术方案如下所述。

一种网络延时抖动平滑方法，包括：利用指数平滑预测法预测网络抖动的大小和变化趋势；利用网络抖动的预测结果，设置数据缓冲器的大小。

所述的数据缓冲器大小的设置条件是：

${\mathrm{\τ}}_i=(t_i-t_{i-1})+{\hat{f}}_{\mathrm{pc}}\left(i\right)+{\hat{r}}_{\mathrm{cp}}\left(i\right);$ ${\hat{r}}_{\mathrm{cp}}\left(i\right)\≥{\hat{r}}_{\mathrm{cp}}\left(i\right).$

其中：

τ_i表示数据缓冲器的大小。

t_i表示第i个数据包到达执行器的时刻，i=0,1,2，3，…。

t_j表示第j个数据包到达控制器的时刻，j=0,1,2，3，…。

表示第i个数据包从执行器到控制器的传输时间的差值。

表示第i个数据包从控制器到执行器的传输时间的差值。

表示

的预测值。

所述的指数平滑预测法数学表达式为：

$S_i^{\left(1\right)}={\mathrm{\αx}}_i(1-\mathrm{\α})S_{i-1}^{\left(1\right)},(i=\mathrm{1,2,3}\·\·\·.n);$ ${\tilde{Y}}_{i+1}=S_i^{\left(1\right)};$

其中：

x₁，x₂，…x_n表示时间序列，n为时间序列总期数；

α表示平滑系数，α∈(0,1)；

表示第i-1期的一次指数平滑值；

表示第i期的一次指数平滑值；

表示第i+1期预测值。

所述的指数平滑预测法步骤如下：

（1）根据公式： ${\hat{r}}_{\mathrm{cp}}=r_{\mathrm{cp}}\left(i\right)-r_{\mathrm{cp}}(i-1)=(t_{i+1}-t_i)-(t_j-t_{j-1}),$ 计算每一个数据包传送时的

并设置一个滑动窗口，大小为k，用于记录距离当前时间最近的k个

k=0,1,2,3，......；

（2）设定

的初始值为

（3）当

填满滑动窗口以后，为了得到

进行以下循环操作：利用数学表达式： $S_i^{\left(1\right)}={\mathrm{\αx}}_i+(1-\mathrm{\α})S_{i-1}^{\left(1\right)}$ 和 ${\tilde{Y}}_{i+1}=S_i^{\left(1\right)},$ 计算以此类推，直至第k个；

（4）对滑动窗口内的

进行排序，取窗口中第95%位的值N，将此N值与

进行大小比较，取大的值作为第一次预测值

（5）每有一个新的

则进行以下操作：利用数学表达式： $S_i^{\left(1\right)}={\mathrm{\αx}}_i+(1-\mathrm{\α})S_{i-1}^{\left(1\right)}$ 和 ${\tilde{Y}}_{i+1}=S_i^{\left(1\right)};$ 计算

（6）向后滑动一个窗口，此时，滑动窗口中一共有k个

值，也就是 ${\hat{r}}_{\mathrm{cp}}=r_{\mathrm{cp}}\left(i\right)-r_{\mathrm{cp}}(i-1)=(t_{i+1}-t_i)-(t_j-t_{j-1}).$ 将新的

存入滑动窗口的最前端，覆盖

此时窗口中为 ${\hat{r}}_{\mathrm{cp}}(i-1-k),{\hat{r}}_{\mathrm{cp}}(i-k),...,{\hat{r}}_{\mathrm{cp}}(i-2),{\hat{r}}_{\mathrm{cp}}(i-1),{\hat{r}}_{\mathrm{cp}}(i-1),$ 以此类推；

（7）对滑动窗口内的

进行排序，取其中第95%位的N值；

（8）令M等于滑动窗口中所有

的平均值；

（9）对滑动窗口内第95%位的N值进行判断，如果小于最近一个的

值，则代入α参数，利用公式：计算得到

（10）对滑动窗口内第95%位的N值进行判断，如果大于或等于最近一个的

值，则代入α参数，利用公式：

计算得到

${\tilde{r}}_{\mathrm{cp}}(i+1).$

附图说明

图1为本发明实施例流程图。

图2、图3为本发明中的指数平滑预测法（E-MA）与其他方法（PBD,MA）的效果比较图，图中：E-MA1表示α＝0.6的结果，E-MA2表示α＝0.8的结果。

图4记录了本发明实施例中的40个观测值初始值取值。

具体实施方式

下面结合附图和CPS网络实施例对本发明作进一步的详细描述。

假设历史观测值

来源均匀分布，

在第29个观测值中加入一个异常值80，设定滑动窗口为40，40个观测值如附图4。取α=0.7。具体步骤如下：

步骤1：在控制器与执行器的接受与发送数据包中添加一个函数，该函数用于获取当前设备物理时间。执行器与控制器在收到数据包的时候立刻给对方返回一个数据包，时间间隔忽略为0。例如执行器在接收到第i个数据包的时候记录当前系统时间t_i，立刻向控制器发送一个数据包。控制器接收到第j个数据包的时候记录当前时间t_j，立刻向执行器发送一个数据包，如此循环。

步骤2：根据公式： ${\hat{r}}_{\mathrm{cp}}\left(i\right)=r_{\mathrm{cp}}\left(i\right)-r_{\mathrm{cp}}(i-1)=(t_{i+1}-t_i)-(t_j-t_{j-1}),$ 计算每一次观测值

（也就是网络抖动差值）。并设置一个滑动窗口，大小为40，用于记录距离当前时间最近的40个

步骤3：设

的初始值为 ${\hat{r}}_{\mathrm{cp}}\left(0\right)=50.255.$

步骤4：当网络抖动值填满窗口后，为了得到

进行以下循环操作：利用公式：

和

计算

向后滑动一个窗口,以此类推，直至第40个

步骤5：对滑动窗口内的观测值

进行排序，取其中第95%位的观测值N（65.072），将此观测值与进行大小比较，取较大的作为第一次预测值

${\tilde{r}}_{\mathrm{cp}}=65.072\mathrm{ms}.$

步骤6：每有一个新的网络抖动值（设第41个值为55.165），则进行以下操作：利用公式： $S_i^{\left(1\right)}={\mathrm{\αx}}_i+(1-\mathrm{\α})S_{i-1}^{\left(1\right)}$ 和 ${\tilde{Y}}_{i+1}=S_i^{\left(1\right)},$ 计算

计算结果为52.594998。

步骤7：向后滑动一个窗口。

步骤8：此时滑动窗口中一共有40个

值，也就是 ${\hat{r}}_{\mathrm{cp}}(i-1-k),{\hat{r}}_{\mathrm{cp}}(i-k),...,{\hat{r}}_{\mathrm{cp}}(i-2),{\hat{r}}_{\mathrm{cp}}(i-1),{\hat{r}}_{\mathrm{cp}}(i-1).$ 将新的（55.165）存入滑动窗口的最后端，覆盖

此时窗口中为 ${\hat{r}}_{\mathrm{cp}}(i-1-k),{\hat{r}}_{\mathrm{cp}}(i-k),...,{\hat{r}}_{\mathrm{cp}}(i-2),{\hat{r}}_{\mathrm{cp}}(i-1),{\hat{r}}_{\mathrm{cp}}(i-1),$ 以此类推；最前端的是55.165。

步骤9：对滑动窗口内的观测值

进行排序，取其中第95%位的观测值N，此时仍然是65.072。

步骤10：令M等于滑动窗口中所有观测值

的平均值，M＝54.02053。

步骤11：对第95%位的观测值N进行判断，如果小于最近一个的观测值

则进入步骤12；否则，进入步骤13。

步骤12：代入α参数，利用以下公式计算预测值：

${\tilde{r}}_{\mathrm{cp}}(i+1)=N+(1-\mathrm{\α})\×(N-M);$

步骤13：代入α参数，利用以下计算预测值；

${\tilde{r}}_{\mathrm{cp}}(i+1)=N+\mathrm{\α}\×(M-{\tilde{Y}}_{i+1});$

最后，预测值由步骤12或者13产生。N大于最近一个观测值，代入步骤13中的公式，因此第42个预测值是66.0698724。

Claims (6)

1.一种网络延时抖动平滑方法，包括：

利用指数平滑预测法预测网络抖动的大小和变化趋势；

利用网络抖动的预测结果，设置数据缓冲器的大小。

2.根据权利要求1所述的方法，其中所述的网络是CPS网络。

3.根据权利要求1或2所述的方法，其中所述的数据缓冲器大小的设置条件是：

${\mathrm{\τ}}_i=(t_i-t_{i-1})+{\hat{f}}_{\mathrm{pc}}\left(i\right)+{\hat{r}}_{\mathrm{cp}}\left(i\right);$

${\tilde{r}}_{\mathrm{cp}}\left(i\right)\≥{\hat{r}}_{\mathrm{cp}}\left(i\right);$

其中：

τ_i表示数据缓冲器的大小；

t_i表示第i个数据包到达执行器的时刻，i=0,1,2，3，......；

t_j表示第j个数据包到达控制器的时刻，j=0,1,2，3，......；

表示第i个数据包从执行器到控制器的传输时间的差值；

表示第i个数据包从控制器到执行器的传输时间的差值；

表示

的预测值。

4.根据权利要求3所述的方法，其中所述的指数平滑预测法数学表达式为：

$S_i^{\left(1\right)}={\mathrm{\αx}}_i(1-\mathrm{\α})S_{i-1}^{\left(1\right)},(i=\mathrm{1,2,3}\·\·\·.n);$

${\tilde{Y}}_{i+1}=S_i^{\left(1\right)};$

其中：

x₁，x₂，…x_n表示时间序列，n为时间序列总期数；

α表示平滑系数，α∈(0,1)；

表示第i-1期的一次指数平滑值；

表示第i期的一次指数平滑值；

表示第i+1期预测值。

5.根据权利要求4所述的方法，其中所述的平滑系数α∈[0.6,0.8]。

6.根据权利要求4或5所述的方法，其中所述的指数平滑预测法步骤如下：

（1）根据公式： ${\hat{r}}_{\mathrm{cp}}=r_{\mathrm{cp}}\left(i\right)-r_{\mathrm{cp}}(i-1)=(t_{i+1}-t_i)-(t_j-t_{j-1}),$ 计算每一个数据包传送时的

并设置一个滑动窗口，大小为k，用于记录距离当前时间最近的k个

k=0,1,2,3，......；

（2）设定Y₁的初始值为

（3）当

填满滑动窗口后，为了得到

进行以下循环操作：利用数学表达式： $S_i^{\left(1\right)}={\mathrm{\αx}}_i+(1-\mathrm{\α})S_{i-1}^{\left(1\right)}$ 和 ${\tilde{Y}}_{i+1}=S_i^{\left(1\right)},$ 计算

向后滑动一个窗口，以此类推，直至第k个

（4）对滑动窗口内的

进行排序，取其中第95%位的N值，将此N值与进行大小比较，取大的值作为第一次预测值

（5）每有一个新的

则进行以下操作：利用数学表达式： $S_i^{\left(1\right)}={\mathrm{\αx}}_i+(1-\mathrm{\α})S_{i-1}^{\left(1\right)}$ 和 ${\tilde{Y}}_{i+1}=S_i^{\left(1\right)},$ 计算

（6）向后滑动一个窗口，此时滑动窗口中一共有k个

值，也就是 ${\hat{r}}_{\mathrm{cp}}(i-1-k),{\hat{r}}_{\mathrm{cp}}(i-k),...,{\hat{r}}_{\mathrm{cp}}(i-2),{\hat{r}}_{\mathrm{cp}}(i-1),{\hat{r}}_{\mathrm{cp}}(i-1).$ 将新的存入滑动窗口的最后端，覆盖

此时窗口中为 ${\hat{r}}_{\mathrm{cp}}(i-1-k),{\hat{r}}_{\mathrm{cp}}(i-k),...,{\hat{r}}_{\mathrm{cp}}(i-2),{\hat{r}}_{\mathrm{cp}}(i-1),{\hat{r}}_{\mathrm{cp}}(i-1),$ 以此类推；

（7）对滑动窗口内的

进行排序，取其中第95%位的N值；

（8）令M等于滑动窗口中所有

的平均值；

（9）对滑动窗口内第95%位的N值进行判断，如果小于最近一个的

值，则代入α参数，利用公式： ${\hat{r}}_{\mathrm{cp}}(i+1)=N+(1-\mathrm{\α})\×(N-M),$ 计算得到

（10）对滑动窗口内第95%位的N值进行判断，如果大于或等于最近一个的

值，则代入α参数，利用公式：

计算得到

${\hat{r}}_{\mathrm{cp}}(i+1).$

Images