CN104079447A - 基于自适应滤波的带宽预测方法 - Google Patents
基于自适应滤波的带宽预测方法 Download PDFInfo
- Publication number
- CN104079447A CN104079447A CN201310743784.2A CN201310743784A CN104079447A CN 104079447 A CN104079447 A CN 104079447A CN 201310743784 A CN201310743784 A CN 201310743784A CN 104079447 A CN104079447 A CN 104079447A
- Authority
- CN
- China
- Prior art keywords
- available bandwidth
- value
- prediction
- bandwidth value
- method based
- 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.)
- Pending
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开基于自适应滤波的带宽预测方法,步骤1:设定基数m和变量i的初始值;步骤2:测定从i到m+i-1的连续m个可用带宽的值;步骤3:通过滤波器权重系数向量和预测基数参数向量,预测第m+i个可用带宽的值;步骤4:测定第m+i个可用带宽的值;步骤5:根据所述预测的第m+i个可用带宽的值和所述测定的第m+i个可用带宽的值,修改滤波器权重系数向量;步骤6:变量i加1,返回步骤3进行下一个可用带宽的值的预测。本发明利用网络流量的自相似性,在数据发送端通过实际测定的m个可用带宽的值,使用自适应滤波方法,预测出下一个可用带宽的值,从而达到了精确预测可用带宽值的目的。
Description
技术领域
本发明涉及互联网信息处理技术,特别是基于自适应滤波的带宽预测方法。
背景技术
带宽是反映网络状态的重要参数,体现了网络链路中数据包的最大传输速率。通过测量链路可用带宽,就可以在数据发送端调节数据包的发送速率,既充分利用网络带宽又不造成拥塞,使链路带宽达到充分利用,因此测量链路可用带宽变得越来越重要。
网络环境的不确定性导致了网络数据传输时延的不稳定性,带宽的测量通常根据数据包的数据容量和时延的比值来计算,因而带宽作为衡量网络性能的一项重要指标,同样具有不确定性。因此,带宽不能用简单的时变函数来表示和预测。但是,时延的统计特性显著,即带宽具有很典型的自相似性,可以考虑通过其自相似性寻求预测带宽的途径。
在信号处理领域,自适应滤波是一种以适应系数和历史信号值为基础来预测某一时刻信号值的典型方法。该方法通过获取历史参数,调整过滤器系数,使它自动适应信号的统计特性,提高了预测的准确度。
针对上述两点,本发明将自适应滤波方法应用到可用带宽值预测中,通过计算实际可用带宽值与预测可用带宽值的误差,调整自适应滤波器的适应系数,做出对下一个可用带宽值的预测。通过不断的预测和调整,使预测值无限接近实际值,达到精确预测可用带宽值的目的。
发明内容
本发明的目的在于提供一种基于自适应滤波的带宽预测方法,能准确预测带宽值。
本发明的目的是这样实现的:一种基于自适应滤波的带宽预测方法,步骤1:设定基数m和变量i的初始值;步骤2:测定从i到m+i-1的连续m个可用带宽的值;步骤3:通过滤波器权重系数向量和预测基数参数向量,预测第m+i个可用带宽的值;步骤4:测定第m+i个可用带宽的值;步骤5:根据所述预测的第m+i个可用带宽的值和所述测定的第m+i个可用带宽的值,修改滤波器权重系数向量;步骤6:变量i加1,返回步骤3进行下一个可用带宽的值的预测。
本发明利用网络流量的自相似性,在数据发送端通过实际测定的m个可用带宽的值,使用自适应滤波方法,预测出下一个可用带宽的值,从而达到了精确预测可用带宽值的目的。
附图说明
下面将结合附图对本发明作进一步说明。
图1为本发明的工作流程图。
具体实施方式
一种基于自适应滤波的带宽预测方法,如图1所示:
步骤101:设定基数m和变量i的初始值。基数m的取值取决于经验值,一般情况下,本发明优选的m取值范围是在25和100之间,因此本实施例中,取25≤m≤100;变量i的初始值取大于零的自然数,本实施例中取1。
步骤102:测定从i到m+i-1的连续m个可用带宽的值;在数据发送端发送数据包,同时监测数据包发送速率,设定当前数据包发送速率为当前可用带宽;同时根据发送速率的改变比例改变当前可用带宽;连续测定从i到m+i-1的m个可用带宽的值。
步骤103:初始化滤波器权重系数向量;滤波器权重系数向量是自适应滤波方法中的重要向量参数,在本发明中,就是通过调整滤波器权重系数向量中各个向量的数值,做出对适应系数的修正,从而实现对下一个可用带宽值的准确预测。本实施例中,滤波器权重系数向量为:Wn=[w1n w2n … wmn]T;其中,向量元素wkn的初始值为1≤k≤m。
步骤104:将测定的从i到m+i-1的m个可用带宽的值依次赋给预测基数参数向量Xn的向量元素。预测基数参数向量为列向量Xn=[x1n x2n … xmn]T。
步骤105:通过滤波器权重系数向量和预测基数参数向量,预测第m+i个可用带宽的值。预测方法是通过公式计算第m+i个可用带宽的值。
步骤106:测定第m+i个可用带宽的值;测定第m+i个可用带宽的值使用的方法与步骤102中,测定从i到m+i-1的连续m个可用带宽的值使用的方法一样。
步骤107:计算预测的第m+i个可用带宽的值和测定的第m+i个可用带宽的值之间的误差en;具体计算公式是:其中,bandn为测定的第m+i个可用带宽的值,为预测的第m+i个可用带宽的值。
步骤108:计算收敛因子μ的值;根据公式计算收敛因子μ的值。其中,X[j]为测定的第j个可用带宽的值。
步骤109:修改滤波器的权重系数向量;修改滤波器的权重系数向量,具体是根据公式Wn+1=Wn+2μenXn,修改滤波器的权重系数向量。
步骤110:判断是否需要预测下一个可用带宽的值,如果需要,则执行步骤111;否则,结束流程。
步骤111:变量i加1,返回步骤4,使用修改后的滤波器的权重系数向量,进行下一个可用带宽的值的预测。
按照以上步骤循环实施,可以实现对可用带宽值的精确预测。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种基于自适应滤波的带宽预测方法,其特征在于:步骤1:设定基数m和变量i的初始值;步骤2:测定从i到m+i-1的连续m个可用带宽值;步骤3:通过滤波器权重系数向量和预测基数参数向量,预测第m+i个可用带宽值;步骤4:测定第m+i个可用带宽值;步骤5:根据所述预测的第m+i个可用带宽值和所述测定的第m+i个可用带宽值,修改滤波器权重系数向量;步骤6:变量i加1,返回步骤3进行下一个可用带宽值的预测。
2.根据权利要求1所述的基于自适应滤波的带宽预测方法,其特征是:所述m的取值范围是25≤m≤100。
3.根据权利要求1所述的基于自适应滤波的带宽预测方法,其特征是:所述变量i的初始值为1。
4.根据权利要求1所述的基于自适应滤波的带宽预测方法,其特征是:所述测定可用带宽值的方法是,在数据发送端发送数据包,同时监测数据包发送速率,设定当前数据包发送速率为当前可用带宽值;同时根据发送速率的改变比例改变当前可用带宽值。
5.根据权利要求1所述的基于自适应滤波的带宽预测方法,其特征是:所述滤波器权重系数向量为:Wn=[w1n w2n … wmn]T;其中,向量元素wkn的初始值为1≤k≤m。
6.根据权利要求1所述的基于自适应滤波的带宽预测方法,其特征是:所述预测基数参数向量具体是,将所述测定的从i到m+i-1的m个可用带宽值依次赋给预测基数参数向量Xn的向量元素,向量Xn为列向量:Xn=[x1n x2n … xmn]T。
7.根据权利要求1所述的基于自适应滤波的带宽预测方法,其特征是:所述通过滤波器权重系数向量和预测基数参数向量,预测第m+i个可用带宽值具体是根据公式计算第m+i个可用带宽预测值。
8.根据权利要求1所述的基于自适应滤波的带宽预测方法,其特征是:所述根据所述预测的第m+i个可用带宽值和所述测定的第m+i个可用带宽值,修改滤波器的权重系数向量具体是,先利用公式计算预测的第m+i个可用带宽值和测定的第m+i个可用带宽值之间的误差en,其中,bandn为测定的第m+i个可用带宽值,为预测的第m+i个可用带宽值;再根据公式计算收敛因子μ的值,其中,X[j]为测定的第j个可用带宽值;最后,根据公式Wn+1=Wn+2μenXn,修改滤波器的权重系数向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310743784.2A CN104079447A (zh) | 2013-12-29 | 2013-12-29 | 基于自适应滤波的带宽预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310743784.2A CN104079447A (zh) | 2013-12-29 | 2013-12-29 | 基于自适应滤波的带宽预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104079447A true CN104079447A (zh) | 2014-10-01 |
Family
ID=51600502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310743784.2A Pending CN104079447A (zh) | 2013-12-29 | 2013-12-29 | 基于自适应滤波的带宽预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104079447A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104202213A (zh) * | 2014-09-06 | 2014-12-10 | 国家电网公司 | 带宽预测方法 |
CN108924667A (zh) * | 2018-08-03 | 2018-11-30 | 阳雨哲 | 一种支持QoE最大化的可用带宽自适应视频分片请求方法 |
CN113157505A (zh) * | 2021-04-07 | 2021-07-23 | 苏州瑞立思科技有限公司 | 一种带宽自适应的异常流量检测方法 |
CN113179175A (zh) * | 2021-03-16 | 2021-07-27 | 国家电网有限公司信息通信分公司 | 一种电力通信网业务的实时带宽预测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060133457A1 (en) * | 2004-12-16 | 2006-06-22 | Wang Michael M | Channel estimator with extended channel bandwidth |
CN101826933A (zh) * | 2010-01-21 | 2010-09-08 | 华北电力大学 | 基于自适应滤波的往返时延预测方法 |
CN102801606A (zh) * | 2012-02-24 | 2012-11-28 | 华北电力大学 | 一种sctp主路径自动切换方法 |
-
2013
- 2013-12-29 CN CN201310743784.2A patent/CN104079447A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060133457A1 (en) * | 2004-12-16 | 2006-06-22 | Wang Michael M | Channel estimator with extended channel bandwidth |
CN101826933A (zh) * | 2010-01-21 | 2010-09-08 | 华北电力大学 | 基于自适应滤波的往返时延预测方法 |
CN102801606A (zh) * | 2012-02-24 | 2012-11-28 | 华北电力大学 | 一种sctp主路径自动切换方法 |
Non-Patent Citations (1)
Title |
---|
李国栋等: "基于自适应滤波的带宽测量方法研究", 《高技术通讯》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104202213A (zh) * | 2014-09-06 | 2014-12-10 | 国家电网公司 | 带宽预测方法 |
CN108924667A (zh) * | 2018-08-03 | 2018-11-30 | 阳雨哲 | 一种支持QoE最大化的可用带宽自适应视频分片请求方法 |
CN113179175A (zh) * | 2021-03-16 | 2021-07-27 | 国家电网有限公司信息通信分公司 | 一种电力通信网业务的实时带宽预测方法及装置 |
CN113157505A (zh) * | 2021-04-07 | 2021-07-23 | 苏州瑞立思科技有限公司 | 一种带宽自适应的异常流量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104079447A (zh) | 基于自适应滤波的带宽预测方法 | |
CN101826933A (zh) | 基于自适应滤波的往返时延预测方法 | |
CN104486166A (zh) | 一种基于QoS的网络化控制系统采样周期调整方法 | |
CN104486163B (zh) | 一种单端可用带宽测量方法和采用该方法的终端 | |
CN104965186A (zh) | 根据温度对电能表电能计量误差进行自动补偿的校准方法 | |
CN103999409A (zh) | 用于带宽变化移动数据网络的链路缓冲器大小和队列长度估算的方法 | |
CN107392352B (zh) | 一种基于融合极限学习机的电池未来温度预测方法及系统 | |
CN103746875B (zh) | 一种基于二分法的多跳无线网络可用带宽自适应检测方法 | |
CN105432054B (zh) | 确定传输缓存量的方法和设备 | |
CN106713166A (zh) | 确定拥塞窗口大小的方法及装置 | |
CN104636874A (zh) | 检测业务异常的方法及设备 | |
CN105491615A (zh) | 基于时间序列的传感器自适应采样方法 | |
CN105718642A (zh) | 一种基于门限自回归模型的参考时间尺度产生方法 | |
CN111682975B (zh) | 网络状态预测方法、装置、电子设备及存储介质 | |
WO2017070974A1 (zh) | 无线射频接收机灵敏度快速检测方法及装置 | |
CN105004968A (zh) | 故障指示器、电流测量校正系统及方法 | |
CN109615852B (zh) | 一种突发事故下路段交通流分配快速预测的方法 | |
CN105353337B (zh) | 一种基于云端计算的校表方法以及装置 | |
CN116776094B (zh) | 一种晶振温度测试数据智能分析存储系统 | |
AU2016378754B2 (en) | Calibration device and sensitivity determining device for virtual flow meter, and associated methods | |
CN105897582A (zh) | 节点间距离的度量方法及系统 | |
Liu et al. | A link quality prediction mechanism for wsns based on time series model | |
CN104202213A (zh) | 带宽预测方法 | |
KR101384133B1 (ko) | 센서 네트워크 환경에서의 오류 데이터 식별방법 및 이를 이용한 센서 네트워크 시스템 | |
WO2014178116A1 (ja) | 流量予想装置及び流量予想システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141001 |