CN104756474B - 用于通信链路性能估计的方法和系统 - Google Patents
用于通信链路性能估计的方法和系统 Download PDFInfo
- Publication number
- CN104756474B CN104756474B CN201280075813.6A CN201280075813A CN104756474B CN 104756474 B CN104756474 B CN 104756474B CN 201280075813 A CN201280075813 A CN 201280075813A CN 104756474 B CN104756474 B CN 104756474B
- Authority
- CN
- China
- Prior art keywords
- data
- communication equipment
- active probe
- performance
- equipment
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/12—Network monitoring probes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M11/00—Telephonic communication systems specially adapted for combination with other electrical systems
- H04M11/06—Simultaneous speech and data transmission, e.g. telegraphic transmission over the same conductors
- H04M11/062—Simultaneous speech and data transmission, e.g. telegraphic transmission over the same conductors using different frequency bands for speech and other data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/2209—Arrangements for supervision, monitoring or testing for lines also used for data transmission
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0823—Errors, e.g. transmission errors
- H04L43/0847—Transmission error
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
- H04L43/087—Jitter
Abstract
所描述的是一种用于通信设备的性能估计的方法。该方法包括:执行主动探测,以确定主动探测数据;读取操作数据,该操作数据包括与信道及其噪声条件相关的数据以及与该通信设备和另一通信设备之间的用户数据业务相关的计数器值,其中该操作数据与该通信设备的当前设置相关;以及根据该主动探测数据和该操作数据,对该通信设备训练性能估计算法。
Description
背景技术
执行监视通信链路的性能,例如前摄性地解决和防止用户抱怨、决定何时更新与通信链路关联的硬件、决定何时触发优化算法、验证该优化算法已经提高性能等。
可以使用传统测试软件应用程序(如iperf、netperf、ttcp等)来评估通信系统性能。这种软件应用程序需要被安装在两个通信设备上,其中一个设备上的应用程序生成并发送测试数据,另一设备上的应用程序接收测试数据。在测试完成后,对数据传输的统计结果进行评估,以评估这两个设备之间的通信链路的性能。
本文中的术语“性能”通常指网络吞吐量(例如,TCP/UDP)、延迟、抖动、连通性、错误率、功耗、发射功率等。改善通信系统的性能包括提高该通信系统的吞吐量、降低该通信系统的错误率和延迟、改善(即降低)该通信系统的抖动、降低该通信系统的功耗等。术语“TCP”代表传输控制协议。术语“UDP”指用户数据报协议。
然而,通过这种传统测试软件应用程序测试通信系统或网络以估计其性能,对客户的网络服务是侵入性的。这些传统测试在网络上施加测试业务,该测试业务会对客户的业务产生有害影响。
附图说明
根据下面给出的具体实施方式以及根据本公开的各实施例的附图,将更全面地理解本公开的实施例,然而不应认为其将本公开局限于这些特定实施例,而是仅用于说明和理解。
图1是根据本公开的一个实施例的可操作来评估和改善通信系统性能算法的通信网络。
图2是根据本公开的一个实施例的用于训练性能算法的流程图。
图3是根据本公开的一个实施例的用于由服务器对通信设备训练性能算法的流程图。
图4是根据本公开的一个实施例的具有机器可读存储介质的基于处理器的系统,该机器可读存储介质具有计算机可执行指令,该机器可执行指令可操作来评估和改善通信系统性能算法。
具体实施方式
用于测试网络业务的传统方法(对用户网络服务是侵入性的)被称为“主动探测”。本文中术语“主动探测”一般指,通过从一个通信设备经由网络向另一通信设备发送测试样式/数据并然后测量所发送的测试样式的响应,对通信网络进行测试。响应数据在本文中还被称为“主动数据”或“主动测量数据”,其是与通信网络的主动探测关联的数据。
诸如iperf、netperf、ttcp等之类的传统主动探测软件运行在应用层,其中数据发送应用程序软件和数据接收应用程序软件一起被用于准确地测量这两个发送和接收设备之间的性能。传统的主动探测是准确的,因为实际的测试数据是以与用户业务在该网络上会发送的方式相同的方式发送的。频繁的主动探测可能干扰用户,因为其可能使用户业务延迟。在不停止用户业务的情况下运行主动探测是可能的,但是这种测量是不准确的,因为测试业务与用户业务相竞争,而且此外主动探测可能因为较低的吞吐量和/或较高的延迟而显著地损害用户体验。为了克服这个及其它局限,本文描述用于在不影响客户的业务的条件下测量性能的方法和系统。
一种先进的主动探测方法在代理人案号P067PCT(在2012年7月13日与本申请同时提交的标题为“Method and System for Performance Measurement of a CommunicationLink(用于通信链路的性能测量的方法和系统)”的PCT申请号,通过引用整体并入本文,并且由美国加利福尼亚雷德伍德城94065的ASSIA公司共同拥有)中描述,能够通过考虑补偿用户业务以及测试业务的操作数据,来避免用户业务问题。
用于评估通信链路和/或通信设备的性能的另一机制是监视与通信设备关联的操作数据。该操作数据是为几种目的而生成的。例如,有时作为通信设备的正常操作的副产品,生成操作数据。在另一示例中,为了提供与通信设备关联的基本性能或操作信息,生成操作数据。读取或收集这种操作数据对用户网络服务不是侵入性的。这种通信数据(操作数据)的监视或读取在本文中有时被称为“被动探测”。通常,通信设备的操作数据不包含最重要的和高级的性能参数,例如吞吐量或延迟,但是使用操作数据可以进行高级参数的粗略估计。
例如,根据典型的操作数据,如分组错误量以及表示每个数据符号正发送多少比特的物理层星座信息,可以粗略地估计吞吐量。然而,这种估计可能是不准确的,因为所使用的操作数据可能不包含关于吞吐量的足够信息,并且因为操作数据和吞吐量之间的关系经常取决于噪声(包括干扰)和在不同位置和不同时间快速变化的信道特性。
在本公开的实施例中,操作数据与主动探测数据一起被用于获得通信链路性能的可靠估计。在一个实施例中,在使用主动探测数据时,可以一起收集操作数据。包括完整的主动探测数据和操作数据的集合,主动探测数据结果被视为通信链路性能的准确估计,并且被用于训练仅操作数据(operational-data-only)估计算法。
在一个实施例中,一旦训练结束并且完全地理解了仅操作数据估计的准确度,就可以用操作数据在不频繁的主动探测(其是侵入性的服务)的情况下对系统进行监视。在一个实施例中,不频繁地调用主动探测,或者甚至根据对准确性能估计的需要以及对为更新仅操作数据估计器而训练数据的需要,动态地调用主动探测。
可以以一些不同的方式使用本公开的实施例。例如,在较高层的抽象中,可以从大型(例如,100个或100个以上的形成网络的通信设备)通信网络中收集主动探测和操作数据,并且可以对全部数据执行分析以开发具有良好准确度的被动估计器。在一个实施例中,利用任何众所周知的机器学习技术(例如SVM(支持矢量机))执行这种被动估计。
在另一示例中,在较低层的抽象中,可以针对通信网络中的每个通信链路适应性地调整被动估计器。每个环境是唯一的,并且最好的估计器可以依赖于环境。在一个实施例中,对通信系统中的每个通信设备执行机器学习或任何学习,使得被动估计器提供给定的环境的最佳性能。
在一个实施例中,性能估计算法执行如下更新。首先,限定初始步长。如果使用被动数据的吞吐量估计被主动探测数据确定为过低,则与步长成比例地增加该吞吐量估计。如果使用被动数据的吞吐量数据被主动探测数据确定为过高,则与步长成比例地减少该吞吐量估计。术语“低”和术语“高”指彼此不同的可编制的或预定的阈值。如果吞吐量估计减少并且在下一次迭代时增加,或者如果吞吐量估计增加并且在下一次迭代时减少,则降低步长。
在一个实施例中,从计数器(本文中还被称为与通信设备关联的操作计数器)中读取操作数据,操作数据的计数值因成功地传递分组而增加。本文中的术语“成功地”指建议通信设备安全接收分组的指示,安全接收分组通常通过ACK(确认)消息分组来确认。在另一实施例中,操作数据,如错误计数、重传计数、调制、信号强度等,被用于估计通信链路的吞吐量。
在被动探测的过程期间,即在操作数据的读取期间,不中断客户网络服务。操作数据通常是用户可见到的或可访问的数据,并且通常用于通信系统的调试(debug)和基本性能监视,但是通常不用于高级性能估计,因为该数据不是为性能监视而设计的,不携带与性能相关的足够信息,并且没有高准确度的已知估计算法。因此,被动探测自身可能不足以确定通信系统的高级性能,并且操作数据通常包括仅与通信系统的当前性能弱关联的计数器值。
本文中的实施例公开一种用于通过将操作数据与主动探测数据一起使用来训练性能估计算法,改善通信设备的性能估计的方法和系统。在一个实施例中,在使用准确的主动探测数据和非入侵的被动探测数据训练性能估计算法以后,对操作数据进行规则的监视并且将操作数据用于准确地更新性能估计,而不中断网络上的客户业务。
在一个实施例中,当需要更新性能估计算法时,发起主动探测。然后,通过被动操作探测数据,训练性能估计算法。在另一实施例中,周期性地(即以规则的间隔)发起主动探测,以检查仅使用被动探测数据的性能估计算法是否正以与主动探测数据的算法相当的准确度估计性能。本文中的实施例提供一种用于评估通信设备性能以及用于在对网络用户很少中断或不对用户中断的情况下管理网络系统的有效且几乎非侵入的方法。
在下面的描述中,介绍许多细节,以提供本公开的实施例的更全面解释。然而,对本领域技术人员将显而易见的是,本公开的实施例可以在没有这些特定细节的情况下实践。在其它示例中,为了避免使本公开的实施例模糊,以框图形式而不是详细地示出众所周知的结构和设备。
注意,在实施例的对应图中,以直线表示信号。一些直线可能较粗,以表示更主要的信号路径,和/或一些直线可能在一端或两端具有箭头,以表示主要信息流向。这样表示的目的不是限制性的。相反,这些直线与一个或多个示例性实施例结合用于帮助电路或逻辑单元的更方便理解。由设计需要或偏好指定的任何被表示的信号实际上可以包括可以沿任一方向传播的一个或多个信号,并且可以以任何适合类型的信号机制来实现。
在下面的描述和权利要求中,可以使用术语“联接”和其派生词。本文中的术语“联接”指直接接触(物理地、电气地、磁性地、光学地等)的两个或更多个元件。本文中的术语“联接”还可以指彼此不直接接触但仍彼此配合或相互影响的两个或更多元件。
如本文中使用的(除非另外指定),描述普通对象的序数词“第一"、“第二”和“第三”等,仅表示所指的相似对象的不同示例,并且目的不在于表明如此描述的这些对象必须在时间上、在空间上、按等级或以任何其它方式处于特定的顺序。术语“基本上”、“大致”、“几乎”、“大约”、“接近”及类似术语指位于目标值+/-20%范围内的量。
图1是根据本公开的一个实施例的可操作来评估和改善通信系统性能估计算法的通信网络100。在一个实施例中,该通信网络包括与一个或多个通信设备1031-N通信地联接的优化中心101(例如,服务器),其中N是正整数。在一个实施例中,通信设备1032通过数字用户线路(DSL)链路与客户驻地设备(CPE)调制解调器104联接。在一个实施例中,CPE调制解调器104与接入点(AP)105联接。在一个实施例中,AP 105联接至一个或多个站点(STA)1061-M,其中M是正整数。
在一个实施例中,性能估计算法102是具有输入变量是被动探测数据的公式。在一个实施例中,性能估计算法102与被动探测数据成比例地增加或减少。
在一个实施例中,在优化服务器101和/或通信设备1031-N中的一个或多个通信设备上存储用于更新和/或提高性能估计算法102的指令。尽管图1的实施例未示出其它设备104、105和1061-M包括用于更新和/或提高性能估计算法102的指令,但在一个实施例中,与网络(有线或无线)直接地或间接地联接的任何通信设备可以具有用于更新和/或提高性能估计算法102的指令。在一个实施例中,可以根据每个通信设备的数据和环境,对该通信设备调整性能估计算法102。在一个实施例中,对这些通信设备1031-N产生的性能估计算法可能是不同的。
在一个实施例中,通信设备1031-N包括接入点(AP)、基站、无线局域网(LAN)设备、数字用户线路接入复用器(DSLAM)、网关、性能增强设备、数字用户线路(DSL)CPE(客户驻地设备)调制解调器、家庭内电力线设备、基于家庭电话线网络联盟(HPNA)的设备、家庭内同轴电缆分配设备、G.hn(全球家庭联网标准)兼容设备、家庭内计量通信设备、与LAN通信地接合的家庭内装置、无线毫微微蜂窝基站、无线WiFi兼容基站、无线移动设备中继器、无线移动设备基站、自组网(ad-hoc)/网状网内的节点、机顶盒(STB)/机顶单元(STU)客户电子设备、支持互联网协议(IP)的电视、支持IP的媒体播放器、支持IP的游戏控制台、以太网网关、与LAN连接的计算设备、连接以太网的计算机外围设备、连接以太网的路由器、连接以太网的无线桥、连接以太网的网桥以及连接以太网的网络交换机。
在一个实施例中,该一个或多个通信设备1031-N可操作来执行主动探测,以确定主动探测数据。在该实施例中,该一个或多个通信设备1031-N在它们各自的通信链路1071-N上将业务输运至优化中心101。在该实施例中,由该一个或多个通信设备1031-N通过通信链路1071-N从优化中心101接收的响应是主动数据,该主动数据由对应一个或多个通信设备1031-N中各自的性能估计算法102使用,以训练这些性能估计算法。
在一个实施例中,该一个或多个通信设备1031-N可操作来通过从一个通信设备向另一通信设备发送主动探测数据,来执行主动探测。例如,通信设备1031通过DSL链路向通信设备1061发送探测数据,和/或通信设备1032通过DSL线路向CPE 104发送主动探测数据。在另一示例中,通信设备1061通过包括1071的通信链路向优化中心101发送主动探测数据。
在一个实施例中,该一个或多个通信设备1031-N进一步可操作成在读取包括与通信链路1071-N上的用户数据业务相关的计数器值的操作数据以前等待预定的时间。在一个实施例中,该预定的时间位于0.001秒至60秒的范围内。在其它实施例中,可以使用其它等待时间段。在一个实施例中,该等待时间段可通过软件或硬件来编制。
为了不使本公开的实施例模糊,介绍通信设备1031、1032、104和优化中心101。相同的介绍适用于其它通信设备。在一个实施例中,通信设备1031进一步可操作来接收报告,该报告表示由其它通信设备(例如,优化中心101和/或通信设备1032)接收的数据的量或数据。
在一个实施例中,该一个或多个通信设备1031-N可操作来读取操作数据,该操作数据包括与信道(例如,链路1071-N、105和1061-M之间的链路、1031和1061-M之间的链路和/或1032和104之间的DSL链路)和其噪声条件相关的数据、与通信设备1031-N的当前设置相关的数据、以及与通信设备1031-N和另一通信设备(例如,优化中心101、105、1061-M、104等)之间的用户数据业务相关的计数器值,其中该操作数据与通信设备的当前设置相关。这种操作数据的示例是成功发送的分组计数、成功接收的分组计数、ACK分组计数、错误分组计数、丢弃分组计数、重传计数等。
在一个实施例中,该一个或多个通信设备可操作来比执行被动探测更少次数地执行主动探测。例如,每天最多执行5次主动探测,因为主动探测是侵入性过程,并且每天执行被动探测1440次(例如,每一分钟)。
在一个实施例中,该一个或多个通信设备1031-N可操作为根据主动探测数据和操作数据来训练它们各自的性能估计算法102。在一个实施例中,该一个或多个通信设备1031-N可操作来,在执行主动探测以前从与通信链路上的用户数据业务相关的计数器值中读取操作数据(即,被动探测)。例如,链路1071-N、105和1061-M之间的链路、1031和1061-M之间的链路和/或1032和104之间的DSL链路。
在一个实施例中,计数器值包括分组错误计数、分组重传计数、成功的ACK消息计数等中至少之一。在一个实施例中,该一个或多个通信设备1031-N可操作来在执行主动探测期间或在执行主动探测以后读取操作数据(即,执行被动探测)。
性能估计算法的准确度可能取决于用户业务样式的特性以及噪声和信道环境的特性。在环境中,噪声和信道可能频繁地改变。在另一环境中,噪声和信道可能十分不频繁地改变。在又一环境中,噪声和信道可能频繁地改变,但主要仅在两个状态之间改变。
在一个实施例中,可以适应性地调整每个设备的性能估计算法102。在一个实施例中,该一个或多个通信设备1031-N可操作来通过更新性能估计算法102作为一个或多个指标的函数,对性能估计算法102进行训练,一个或多个指标包括以下至少之一:一天的时间、一周的时间、通信设备的类型、设备的制造者和型号、设备特性、固件、主干局限、用户的网络使用样式、包括信号功率、频带和操作模式中至少之一的射频(RF)特性、环境统计信息、或关于与通信设备相邻的通信设备的操作的数据,其中该数据包括干扰信道和干扰水平中至少之一。
在一个实施例中,该一个或多个通信设备1031-N可操作来使用用于训练性能估计算法的主动探测数据,计算通信设备1031-N的吞吐量。在一个实施例中,该一个或多个通信设备1031-N可操作来发送主动探测数据并且通过通往优化中心101(例如,服务器)的通信链路1071-N读取操作数据,其中该操作数据在执行主动探测以前、在执行主动探测期间和/或在执行主动探测以后与来自该一个或多个通信设备1031-N的数据业务相关。在一个实施例中,优化中心101可操作来根据主动探测数据对该通信设备训练性能估计算法102,并且从该一个或多个通信设备1031-N读取操作数据。
在一个实施例中,优化中心101可操作来应用机器学习算法,以训练该通信设备的性能估计算法。在该实施例中,准确的主动探测数据与被动探测数据一起用于机器学习,并且相应地确定仅使用被动数据作为输入的性能估计算法102。
例如,优化中心101(或者任何其它通信设备)可以应用以下中的一个或多个:决策树学习、关联规则学习、人工神经网络学习算法、遗传编程算法、归纳逻辑编程方法、支持向量机方法、聚类、基于贝叶斯网络的概率图模型、强化学习、表征学习、稀疏字典学习等。在其它实施例中,可以使用其它机器学习算法。尽管本文的实施例描述由优化中心101应用机器学习算法,但是任何通信设备可以具有用于应用和执行机器学习的可执行指令和关联硬件,以训练性能估计算法。
在一个实施例中,在完成对性能估计算法的训练过程以后,可以在没有任何用户业务中断的情况下用操作数据(来自被动探测的数据)监视网络100。在一个实施例中,根据对准确性能估计的需要以及对针对更新操作数据估计器而训练数据的需要,可以由任何通信设备偶尔地和/或动态地发起主动探测。例如,当网络性能下降至阈值以下并且性能估计未提供准确数据时,通信设备1032可以调用主动探测来训练性能估计算法,使得今后可以通过操作数据监视网络100。
图2是根据本公开的一个实施例的用于训练性能算法的流程图200。尽管关于图2的流程图中的框以特定顺序示出,但是可以修改动作的顺序。因此,可以以不同顺序执行所图示的实施例,并且可以并行执行一些动作/框。图2的流程图是关于图1的实施例图示的。为了不使该流程图的实施例模糊,未重申每个方法步骤的详情。
在一个实施例中,该方法包括记录与通信链路(例如,链路1071-N、105和1061-M之间的链路、1031和1061-M之间的链路和/或1032和104之间的DSL链路)上的数据业务相关的计数器的运行值。在一个实施例中,计数器的运行值包括分组错误计数、分组重传计数、成功的ACK消息计数等中至少之一。例如,B1是由计数器记录的总发送字节。在这种实施例中,操作计数器对成功传递的分组增加计数值。在一个实施例中,通信设备(例如,1031或优化中心101)开始执行主动探测。在这种实施例中,从通信设备(1031、105、1032或优化中心101)通过各个通信链路(链路1071-N、105和1061-M之间的链路、和/或1032和104之间的链路)向另一通信设备(101、1061-M或104)发送主动探测数据。
在一个实施例中,在等待“t”秒(例如,0.001秒至60秒)以后,再次读取操作计数器值,例如,现在从操作计数器中记录总共B2个发送字节。在一个实施例中,计算吞吐量,其中吞吐量=(B2-B1)/t(以“字节/秒”为单位)。由于与所使用的实际用户数据字节相比,来自操作数据的报告字节中的任何偏差,所计算的吞吐量可能不准确。所计算的吞吐量不准确的另一原因可能是所报告的字节比该链路的容量低得多,仅因为用户未足够充分地使用该链路,并且未产生足以引起计数器全速增加计数器值的业务。在一个实施例中,可以通过将根据操作数据计算的吞吐量与利用主动探测数据计算的吞吐量进行比较,来检测所计算的吞吐量的这种偏差和不准确性。在这种实施例中,本文介绍的方法可以用于提供与直接的、但不准确的使用(B2-B1)/t方法相比更准确的吞吐量估计算法。
在框201,通信设备(例如,1031-N、105和/或优化中心101中的一个或多个)读取与该通信设备的物理层或媒体介入控制(MAC)地址层(例如网关)关联的操作数据。例如,通信设备1032读取与通信设备1032和CPE 104之间的DSL链路关联的操作数据。
在框202,通信设备执行主动探测。例如,通过链路1071-N、设备105和1061-M之间的链路、1031和1061-M之间的链路发送和接收测试数据。在另一示例中,通过1032和104之间的DSL链路发送和接收测试数据。在其它实施例中,通过其它链路和其它通信设备发送和接收来自主动探测的测试数据。
在框203,通信设备1032再次读取操作数据,之后执行主动探测。在该实施例中,再次读取与被动数据或操作数据对应的计数器值,并且现在它们的内容(计数器值)代表网络性能的快照。在缺少链路的训练性能估计算法时使用主动探测数据,计数器值可能不提供网络性能的准确快照。
在框204,优化中心101使用计数器值(被动数据,即操作数据)以及通过执行主动探测确定的主动数据,来训练性能估计算法102。尽管本文中的实施例是使用用于训练性能估计算法102的优化中心101来说明的,但是网络中的任何其它通信设备(图1的)可以用于训练性能估计算法102。在一个实施例中,通信设备1032可以使用该数据来训练性能算法102。
在一个实施例中,优化中心101使用操作数据来继续改进性能估计算法102,因为在已经执行正常地生成完全业务(例如,通过充满链路)的主动探测以后,操作数据现在具有更相关的数据。在这种实施例中,主动探测的执行可能被限制,使得数据业务不被中断。例如,使用现在提供网络性能的准确估计的操作数据更新性能估计算法102。
图3是根据本公开的一个实施例的用于由服务器对通信设备训练性能算法的流程图300。如之前提到的,通信设备1031-N中的任意一个还可以是服务器。尽管关于图3的流程图中的框以特定顺序示出,但是可以修改动作的顺序。因此,可以以不同顺序执行所图示的实施例,并且可以并行执行一些动作/框。图3的流程图是关于图1-图2的实施例图示的。
流程图300是关于在服务器端301处执行的活动以及在通信端302执行的活动图示的。在框303,通信设备1032执行主动探测。例如,通信设备1032通过通信链路1072向服务器101发送测试数据,然后从服务器101接收主动数据。在另一示例中,通信设备1032通过DSL链路向CPE 104发送测试数据,CPE 104表现为服务器,然后通信设备1032从CPE 104接收主动数据。在本文介绍的实施例中,通信设备中的任一个可以表现为服务器,以处理数据(主动和/或被动)来更新性能估计算法。
在框304,通信设备1032执行被动探测,即读取操作数据。在框305,通信设备1032向服务器端301发送操作数据。例如,通信设备1032通过通信链路1072向服务器101发送操作数据。在另一示例中,通信设备1032通过DSL链路向表现为服务器的CPE 104发送操作数据。
在框306,在服务器端301接收操作数据。例如,服务器101接收操作数据。在另一示例中,通过通往表现为服务器的CPE 104的DSL链路,接收操作数据。
在框307,服务器端301处的通信设备根据从主动探测和/或操作数据(被动探测数据)中接收到的数据,训练性能估计算法102。在框308,所训练的算法被发送至通信设备1032,通信设备1032可使用该训练算法来评估通信设备1032的性能。
如本文介绍的,与使用具有主动探测的传统网络监视工具(NMU)相比,使用操作数据的性能估计不是侵入性的。操作数据通常容易获得,并且可以用于连续地更新或训练性能估计算法以及用于评估网络性能。在一个实施例中,准确的NMU间歇性地(例如,一周一次)用于校准、增强或细调基于操作数据的性能估计方法。在这种实施例中,操作数据用于连续地监视网络,而NMU间歇性地用于校准性能估计方法。可以使用基于学习的算法将从NMU和操作数据中获得的结果组合在一起。例如,通过使用基于NMU技术的网络主动探测,可以校准使用操作数据获得的网络的吞吐量估计。
在每个通信链路(例如,链路1071-N、105和1061-M之间的链路、1031和1061-M之间的链路和/或1032和104之间的DSL链路)是唯一的情况中,来自NMU和操作数据的结果可以在链路调整算法(link-tailored algorithm)中使用。
例如,特定链路,例如链路1071-N、105和1061-M之间的链路、1031和1061-M之间的链路和/或1032和104之间的DSL链路,可能具有十分高的数据业务,该十分高的数据业务不允许使用NMU的频繁校准,因为执行NMU干扰用户业务。在这种实施例中,学习算法可以将来自NMU的偶尔结果与来自操作数据的更频繁结果(来自被动探测的被动数据)组合,以将性能估计算法调整为适合特定链路的操作数据特性。在一些实施例中,相关的操作数据字段可能不可用,但是它们的缺少被使用NMU测量的偶然每链路校准适应,以克服来自相关操作数据字段不可用的任何限制。
在一个示例中,可以使用操作数据(即,被动探测数据)识别发送和接收特性中的样式,并且可以使用NMU(即,主动探测)确认(或校准)该样式。在一个实施例中,这种样式可以基于时间、业务、信道、应用等。这些样式还可以用于性能估计。
在另一示例中,通过通信设备1032的用户使用实时数据,可以实时地执行网络的性能估计或性能评价。例如,想要执行通信设备1032的自诊断的用户可以发起执行主动探测并读取操作数据的性能估计。在另一实施例中,服务提供商可以监视网络性能,并且响应于来自客户的帮助请求而诊断该网络中的通信链路。
图4是根据本公开的一个实施例的具有机器可读存储介质404的基于处理器的系统400,该机器可读存储介质具有计算机可执行指令102/404a,该机器可执行指令102/404a可操作来评估和改善通信系统性能算法。该存储介质和关联的计算机可执行指令可以位于本文介绍的任何通信设备和/或服务器中。该计算机机器可读/可执行指令102/404a由处理器401执行。实施例的要素被提供作为用于存储计算机可执行指令的机器可读介质(例如,用于实现图2-图3的流程图以及本说明书中介绍的其它过程的指令)。
在一个实施例中,基于处理器的系统400进一步包括用于存储由指令102/404a使用的数据的数据库402。在一个实施例中,基于处理器的系统400包括用于与其它设备通信的网络接口405。在一个实施例中,基于处理器的系统400的组件经由网络总线403彼此通信。
机器可读存储介质404可以包括但不限于:闪存、光盘、硬盘驱动器(HDD)、固态驱动器(SSD)、CD只读存储器(CD-ROM)、DVD ROM、RAM、EPROM、EEPROM、磁卡或光学卡、或其它类型的适合于存储电子指令或计算机可执行指令的机器可读介质。例如,本公开的实施例可以被下载作为计算机程序(例如,BIOS),该计算机程序可以利用数据信号从远程计算机(例如,服务器)通过通信链路(例如,调制解调器或网络连接)转移至请求计算机(例如,客户机)。
本说明书中对“实施例”、“一个实施例”、“一些实施例”或“其它实施例”的引用指的是,结合这些实施例描述的特定特征、结构或特性包含在至少一些实施例中,但不一定包含在所有实施例中。“实施例”、“一个实施例”或“一些实施例”的各种表现不一定全部指相同实施例。如果本说明书中阐述“可以”、“也许”或“可能”包括一组件、特征、结构或特性,那么不要求包括该特定组件、特征、结构或特性。如果说明书或权利要求提到“一组件”,那么这不指仅存在这些组件之一。如果本说明书或权利要求指“附加”组件,那么这不排除存在一个以上的该附加组件。
此外,特定的特征、结构、功能或特性可以以任何适合的方式在一个或多个实施例中组合。例如,在与第一实施例和第二实施例关联的特定的特征、结构、功能或特性不互斥的任何地方,可以将第一实施例与第二实施例组合。
尽管已经结合本公开的特定实施例描述了本公开,但是根据上面的描述,这样的实施例的许多替换、修改和变形对本领域普通技术人员是显而易见的。本公开的实施例旨在包含落入所附权利要求的广阔范围内的所有这种替换、修改及变形。
下面的示例属于进一步的实施例。这些示例中的具体内容可以在一个或多个实施例中的任何地方使用。本文描述的装置的所有可选特征还可以关于方法或过程实现。
例如,在一个实施例中,一种用于通信设备的性能估计的方法,该方法包括:执行主动探测,以确定主动探测数据;读取操作数据,该操作数据包括与信道和信道的噪声条件相关的数据以及与该通信设备和另一通信设备之间的用户数据业务相关的计数器值,其中该操作数据与该通信设备的当前设置相关;以及根据该主动探测数据和该操作数据,对该通信设备训练性能估计算法。
在一个实施例中,该方法进一步包括:在执行主动探测以前,读取操作数据。在一个实施例中,读取操作数据是在执行主动探测期间或以后执行的。在一个实施例中,训练性能估计算法包括:更新该性能估计算法作为一个或多个指标的函数,该一个或多个指标包括以下至少之一:一天的时间,一周的时间,通信设备的类型,设备的制造者和型号,设备特性,固件,主干局限,用户的网络使用样式,包括信号功率、路径损耗、噪声电平、频带和操作模式中至少一个的射频(RF)特性,环境统计信息,或关于与所述通信设备相邻的通信设备的操作的数据,其中该数据包括干扰信道和干扰水平中至少之一。
在一个实施例中,执行主动探测包括:将主动探测数据从通信设备发送至另一通信设备;以及在读取操作数据以前等待预定的时间。在一个实施例中,执行主动探测包括:将主动探测数据从通信设备发送至另一通信设备;以及接收报告,该报告表示由另一通信设备接收到的数据的量或数据。在一个实施例中,执行主动探测包括:将业务从通信设备发送至另一通信设备;以及记录与所发送的业务关联的测量的数据。
在一个实施例中,该方法进一步包括:使用用于训练性能估计算法的主动探测数据,计算通信设备的吞吐量、连通性、延迟、抖动或错误率中的至少一个。在一个实施例中,执行主动探测与执行被动探测相比,执行次数更少。
在一个实施例中,该方法进一步包括:在执行主动探测以前、期间和/或以后,将主动探测数据和所读取的操作数据发送至服务器。在一个实施例中,服务器会根据来自通信设备和其它通信设备的主动探测数据和所读取的操作数据,对通信设备训练性能估计算法。在一个实施例中,所述服务器应用机器学习算法,以对通信设备训练所述性能估计算法。
在一个实施例中,通信设备包括以下至少之一:接入点(AP)、基站、无线局域网(LAN)设备、数字用户线路接入复用器(DSLAM)、网关、性能增强设备、数字用户线路(DSL)客户驻地设备(CPE)调制解调器、家庭内电力线设备、基于家庭电话线网络联盟(HPNA)的设备、家庭内同轴电缆分配设备、G.hn(全球家庭联网标准)兼容设备、家庭内计量通信设备、与LAN通信地接合的家庭内装置、无线毫微微蜂窝基站、无线WiFi兼容基站、无线移动设备中继器、无线移动设备基站、自组网(ad-hoc)/网状网内的节点、机顶盒(STB)/机顶单元(STU)客户电子设备、支持互联网协议(IP)的电视、支持IP的媒体播放器、支持IP的游戏控制台、以太网网关、与LAN连接的计算设备、连接以太网的计算机外围设备、连接以太网的路由器、连接以太网的无线桥、连接以太网的网桥以及连接以太网的网络交换机。
在另一示例中,在一个实施例中,存在一种用于存储机器可执行指令的机器可读存储介质,当机器可执行指令执行时,引起处理器执行根据本文介绍的方法。
在另一示例中,一种系统包括:优化中心,通信地联接至一个或多个通信设备,其中该一个或多个通信设备能操作来:执行主动探测以确定主动探测数据;读取操作数据,该操作数据包括与信道和信道的噪声条件相关的数据以及与该通信设备和另一通信设备之间的用户数据业务相关的计数器值,其中该操作数据与该通信设备的当前设置相关;以及根据该主动探测数据以及该操作数据,对该通信设备训练性能估计算法。
在一个实施例中,优化中心被实现为服务器或被实现为来自一个或多个通信设备中的通信设备。在一个实施例中,一个或多个通信设备可操作来在执行主动探测以前读取操作数据。在一个实施例中,一个或多个通信设备可操作来在执行主动探测期间或在执行主动探测以后读取操作数据。
在一个实施例中,一个或多个通信设备可操作来通过更新性能估计算法作为一个或多个指标的函数,训练该性能估计算法,该一个或多个指标包括以下至少之一:一天的时间,一周的时间,通信设备的类型,设备的制造者和型号,设备特性,固件,主干局限,用户的网络使用样式,包括信号功率、路径损耗、噪声电平、频带和操作模式中至少之一的射频(RF)特性,环境统计信息,或关于与通信设备相邻的通信设备的操作的数据,其中该数据包括干扰信道和干扰水平中至少之一。
在一个实施例中,一个或多个通信设备可操作来通过以下步骤,执行主动探测:将主动探测数据从通信设备发送至另一通信设备;以及在读取操作数据以前等待预定的时间。在一个实施例中,一个或多个通信设备可操作来通过以下步骤,执行主动探测:将主动探测数据从通信设备发送至另一通信设备;以及接收报告,该报告表示由另一通信设备接收到的数据的量或数据。在一个实施例中,一个或多个通信设备可操作来通过以下步骤,执行主动探测:将业务从通信设备发送至另一通信设备;以及记录与所发送的业务关联的测量的数据。
在一个实施例中,一个或多个通信设备可操作来使用用于训练性能估计算法的主动探测数据,计算通信设备的吞吐量、连通性、延迟、抖动或错误率中的至少一个。在一个实施例中,一个或多个通信设备能操作来比执行被动探测更少次数地执行主动探测。
在一个实施例中,一个或多个通信设备可操作来:在执行主动探测以前、期间和/或以后,将主动探测数据和所读取的操作数据发送至服务器。在一个实施例中,服务器可操作来根据来自通信设备和其它通信设备的主动探测数据和所读取的操作数据,对通信设备训练性能估计算法。在一个实施例中,服务器可操作来应用机器学习算法,以对通信设备训练性能估计算法。
在一个实施例中,通信设备包括以下至少之一:接入点(AP)、基站、无线局域网(LAN)设备、数字用户线路接入复用器(DSLAM)、网关、性能增强设备、数字用户线路(DSL)客户驻地设备(CPE)调制解调器、家庭内电力线设备、基于家庭电话线网络联盟(HPNA)的设备、家庭内同轴电缆分配设备、G.hn(全球家庭联网标准)兼容设备、家庭内计量通信设备、与LAN通信地接合的家庭内装置、无线毫微微蜂窝基站、无线WiFi兼容基站、无线移动设备中继器、无线移动设备基站、自组网(ad-hoc)/网状网内的节点、机顶盒(STB)/机顶单元(STU)客户电子设备、支持互联网协议(IP)的电视、支持IP的媒体播放器、支持IP的游戏控制台、以太网网关、与LAN连接的计算设备、连接以太网的计算机外围设备、连接以太网的路由器、连接以太网的无线桥、连接以太网的网桥以及连接以太网的网络交换机。
在另一示例中,在一个实施例中,一种用于通信设备的性能估计的方法,该方法包括:在执行主动探测和被动探测以后,从该通信设备接收包括计数器值的操作数据,该计数器值与从通信设备至另一通信设备的用户数据业务相关;以及在执行主动探测以前或在执行主动探测以后,根据该操作数据对该通信设备训练性能估计算法。
在一个实施例中,该方法进一步包括:在执行主动探测以前,接收操作数据。在一个实施例中,操作数据是在执行主动探测期间或以后接收的。
在一个实施例中,训练性能估计算法包括:更新该性能估计算法作为一个或多个指标的函数,该一个或多个指标包括以下至少之一:一天的时间,一周的时间,通信设备的类型,设备的制造者和型号,设备特性,固件,主干局限,用户的网络使用样式,包括信号功率、路径损耗、噪声电平、频带和操作模式中至少之一的射频(RF)特性,环境统计信息,或关于与通信设备相邻的通信设备的操作的数据,其中该数据包括干扰信道和干扰水平中至少之一。
在一个实施例中,执行主动探测包括:将主动探测数据从通信设备发送至另一通信设备;以及在读取操作数据以前等待预定的时间。在一个实施例中,执行主动探测包括:将主动探测数据从通信设备发送至另一通信设备;以及接收报告,该报告表示由该另一通信设备接收到的数据的量或数据。
在一个实施例中,该方法进一步包括:使用用于训练性能估计算法的主动探测数据,计算通信设备的吞吐量、连通性、延迟、抖动或错误率中的至少一个。在一个实施例中,执行主动探测与执行被动探测相比,执行次数更少。
在一个实施例中,该方法进一步包括:接收主动探测数据和所读取的操作数据,该操作数据与在执行主动探测以前、在执行主动探测期间和/或在执行主动探测以后来自该通信设备的用户数据业务相关。在一个实施例中,对通信设备训练性能估计算法,根据来自通信设备和其它通信设备的主动探测数据和所读取的操作数据而执行的。在一个实施例中,训练性能估计算法包括应用机器学习算法。
在一个实施例中,通信设备包括以下至少之一:接入点(AP)、基站、无线局域网(LAN)设备、数字用户线路接入复用器(DSLAM)、网关、性能增强设备、数字用户线路(DSL)客户驻地设备(CPE)调制解调器、家庭内电力线设备、基于家庭电话线网络联盟(HPNA)的设备、家庭内同轴电缆分配设备、G.hn(全球家庭联网标准)兼容设备、家庭内计量通信设备、与LAN通信地接合的家庭内装置、无线毫微微蜂窝基站、无线WiFi兼容基站、无线移动设备中继器、无线移动设备基站、自组网(ad-hoc)/网状网内的节点、机顶盒(STB)/机顶单元(STU)客户电子设备、支持互联网协议(IP)的电视、支持IP的媒体播放器、支持IP的游戏控制台、以太网网关、与LAN连接的计算设备、连接以太网的计算机外围设备、连接以太网的路由器、连接以太网的无线桥、连接以太网的网桥以及连接以太网的网络交换机。
在又一示例中,存在一种用于存储机器可执行指令的机器可读存储介质,该机器可执行指令在执行时,引起处理器执行本文介绍的方法。
提供摘要,摘要将允许读者确定技术公开的本质和主旨。应当理解的是,摘要将不用于限制权利要求的范围或含义。以下权利要求在此被合并到具体实施方式中,其中每个权利要求作为单独实施例独立存在。
Claims (20)
1.一种用于通信设备的性能估计的方法,所述方法包括:
在执行主动探测和被动探测以后,由计算平台从所述通信设备接收包括计数器值的操作数据,所述计数器值与从所述通信设备发送至另一通信设备的用户数据业务相关;以及
基于主动探测数据,由所述计算平台根据所述操作数据针对所述通信设备训练性能估计处理器,
其中,在训练所述性能估计处理器之后,所述计算平台继续接收操作数据,仅使用操作数据来估计所述性能估计处理器的性能并且停止执行主动探测;并且
其中,主动探测数据结果被认为是在所述通信设备和所述另一通信设备之间的通信链路的性能的精确估计,并且主动探测数据结果被用于针对当其仅使用操作数据时来训练所述性能估计处理器。
2.根据权利要求1所述的方法,进一步包括:在执行主动探测以前,接收操作数据。
3.根据权利要求1所述的方法,其中当网络性能下降至阈值以下时,所述通信设备重新发起所述主动探测的执行并且基于更新的操作数据和更新的主动探测数据来重新训练所述性能估计处理器。
4.根据权利要求1所述的方法,其中训练所述性能估计处理器包括:更新所述性能估计处理器作为一个或多个指标的函数,所述一个或多个指标包括以下至少之一:
一天的时间,
一周的时间,
通信设备的类型,
设备的制造者及型号,
设备的特性,
固件,
主干局限,
用户的网络使用样式,
包括信号功率、路径损耗、噪声电平、频带和操作模式中至少一个的RF特性,
环境统计信息,或
关于与所述通信设备相邻的通信设备的操作的数据,其中所述数据包括干扰信道和干扰电平中至少一个。
5.根据权利要求1所述的方法,其中执行主动探测包括:
将主动探测数据从所述通信设备发送至所述另一通信设备;以及
在读取所述操作数据以前等待预定的时间。
6.根据权利要求1所述的方法,其中执行主动探测包括:
将主动探测数据从所述通信设备发送至所述另一通信设备;以及
接收报告,所述报告表示由所述另一通信设备接收的数据的量或数据。
7.根据权利要求1所述的方法,进一步包括:
使用用于训练所述性能估计处理器的主动探测数据,计算所述通信设备的吞吐量、连通性、延迟、抖动或错误率中的至少一个。
8.根据权利要求1所述的方法,其中执行主动探测与执行被动探测相比,执行次数更少。
9.根据权利要求1所述的方法,进一步包括:
接收所述主动探测数据并且读取操作数据,所述操作数据与在执行主动探测以前、在执行主动探测期间和/或在执行主动探测以后来自所述通信设备的用户数据业务相关。
10.根据权利要求1所述的方法,其中计算平台是多个通信设备中的一个通信设备。
11.根据权利要求10所述的方法,其中训练所述性能估计处理器包括应用机器学习算法。
12.根据权利要求10所述的方法,其中所述通信设备包括以下至少之一:
接入点(AP);
基站;
无线局域网(LAN)设备;
数字用户线路接入复用器(DSLAM);
网关;
性能增强设备;
数字用户线路(DSL)客户驻地设备(CPE)调制解调器;
家庭内电力线设备;
基于家庭电话线网络联盟(HPNA)的设备;
家庭内同轴电缆分配设备;
G.hn(全球家庭联网标准)兼容设备;
家庭内计量通信设备;
与LAN可通信地接合的家庭内装置;
无线毫微微蜂窝基站;
无线WiFi兼容基站;
无线移动设备中继器;
无线移动设备基站;
自组网/网状网内的节点;
机顶盒(STB)/机顶单元(STU)客户电子设备;
支持互联网协议(IP)的电视;
支持IP的媒体播放器;
支持IP的游戏控制台;
以太网网关;
与LAN连接的计算设备;
连接以太网的计算机外围设备;
连接以太网的路由器;
连接以太网的无线桥;
连接以太网的网桥;以及
连接以太网的网络交换机。
13.根据权利要求1所述的方法,其中,所述计算平台周期性地发起主动探测以检查所述性能估计处理器的基于操作数据的估计的性能与所述性能估计处理器的基于主动探测数据的估计的性能相比是否提供能够比较的精确度。
14.根据权利要求1所述的方法,其中,取决于精确性能估计的需要和用于更新仅操作数据估计器的训练数据的需要,主动探测由所述计算平台不频繁地调用。
15.根据权利要求1所述的方法,进一步包括:
由所述性能估计处理器通过下面提供更新:
定义初始步长尺寸,
如果由所述主动探测数据确定的使用被动数据的吞吐量估计低于第一阈值,则与所述初始步长尺寸成比例地增加所述吞吐量估计,并且
如果由所述主动探测数据确定的使用被动数据的吞吐量估计高于第二阈值,则与所述初始步长尺寸成比例地降低所述吞吐量估计。
16.根据权利要求15所述的方法,进一步包括:
如果所述吞吐量估计被降低并且然后在下一次迭代时被增加,或者如果所述吞吐量估计被增加并且然后在下一次迭代时被降低,则减小所述步长尺寸的值。
17.一种具有存储在其上的计算机程序代码的非暂时性计算机可读存储介质,所述计算机程序代码在由实现在计算平台上的一个或多个处理器执行时,引起所述计算平台执行一种方法,所述方法包括:
在执行主动探测和被动探测以后,由所述计算平台从通信设备接收包括计数器值的操作数据,所述计数器值与从通信设备发送至另一通信设备的用户数据业务相关;以及
基于主动探测数据,由所述计算平台根据所述操作数据针对所述通信设备训练性能估计处理器,
其中,在训练所述性能估计处理器之后,所述计算平台继续接收操作数据,仅使用操作数据来估计所述性能估计处理器的性能并且停止执行主动探测;并且
其中,主动探测数据结果被认为是在所述通信设备和所述另一通信设备之间的通信链路的性能的精确估计,并且主动探测数据结果被用于针对当其仅使用操作数据时来训练所述性能估计处理器。
18.根据权利要求17所述的非暂时性计算机可读存储介质,进一步包括计算机程序代码,所述计算机程序代码在由所述一个或多个处理器执行时,引起所述计算平台执行:在执行主动探测之前接收操作数据。
19.根据权利要求17所述的非暂时性计算机可读存储介质,进一步包括计算机程序代码,所述计算机程序代码在由所述一个或多个处理器执行时,引起所述计算平台执行:当网络性能下降至阈值以下时,所述通信设备重新发起所述主动探测的执行并且基于更新的操作数据和更新的活动探测数据来重新训练所述性能估计处理器。
20.根据权利要求17所述的非暂时性计算机可读存储介质,进一步包括计算机程序代码,所述计算机程序代码在由所述一个或多个处理器执行时,引起所述计算平台执行:
将主动探测数据从所述通信设备发送至所述另一通信设备;以及
在读取所述操作数据以前等待预定的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910614310.5A CN110266565B (zh) | 2012-07-13 | 2012-07-13 | 用于通信链路性能估计的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2012/046810 WO2014011191A1 (en) | 2012-07-13 | 2012-07-13 | Method and system for performance estimation of a communication link |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910614310.5A Division CN110266565B (zh) | 2012-07-13 | 2012-07-13 | 用于通信链路性能估计的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104756474A CN104756474A (zh) | 2015-07-01 |
CN104756474B true CN104756474B (zh) | 2019-07-30 |
Family
ID=46642615
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910614310.5A Active CN110266565B (zh) | 2012-07-13 | 2012-07-13 | 用于通信链路性能估计的方法和系统 |
CN201280075813.6A Active CN104756474B (zh) | 2012-07-13 | 2012-07-13 | 用于通信链路性能估计的方法和系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910614310.5A Active CN110266565B (zh) | 2012-07-13 | 2012-07-13 | 用于通信链路性能估计的方法和系统 |
Country Status (9)
Country | Link |
---|---|
US (4) | US10375590B2 (zh) |
EP (1) | EP2873223A1 (zh) |
JP (1) | JP2015530774A (zh) |
KR (1) | KR101677404B1 (zh) |
CN (2) | CN110266565B (zh) |
AU (2) | AU2012384930A1 (zh) |
BR (1) | BR112015000810A2 (zh) |
CA (1) | CA2879060C (zh) |
WO (1) | WO2014011191A1 (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110380933B (zh) * | 2012-07-13 | 2023-04-14 | 阿西亚Spe有限责任公司 | 用于通信链路性能测量的方法和系统 |
EP3020138B1 (en) * | 2013-04-23 | 2018-06-06 | Assia Spe, Llc | Methods systems, and apparatuses for implementing upstream power control for dsl |
US10362500B2 (en) | 2014-09-12 | 2019-07-23 | Abb Schweiz Ag | Detecting the status of a mesh node in a wireless mesh network |
TW201625030A (zh) | 2014-12-18 | 2016-07-01 | 湯姆生特許公司 | Wi-Fi無線節點之無線鏈測試方法,及執行該方法之電路 |
JP6538173B2 (ja) * | 2014-12-29 | 2019-07-03 | テレコム・イタリア・エッセ・ピー・アー | モバイル通信システムの性能監視 |
US9967884B2 (en) | 2015-11-10 | 2018-05-08 | Netgear, Inc. | Dedicated backhaul for whole home coverage |
CN111264033B (zh) * | 2017-05-03 | 2021-07-20 | 弗吉尼亚科技知识产权有限公司 | 用无线电信号变换器学习无线电信号的方法、系统和装置 |
CN109874146B (zh) * | 2017-12-05 | 2020-12-25 | 华为技术有限公司 | 一种预测路损的方法及装置 |
GB2571259B (en) * | 2018-02-15 | 2020-11-18 | British Telecomm | Digital subscriber line interference identification |
EP3753116B1 (en) | 2018-02-15 | 2023-11-22 | British Telecommunications public limited company | Digital subscriber line interference identification |
US10972379B2 (en) * | 2018-04-15 | 2021-04-06 | Versa Networks, Inc. | Application performance based path-selection |
US10972387B2 (en) | 2018-06-16 | 2021-04-06 | Versa Networks, Inc. | Application performance based path-selection using dynamic metrics |
KR102028315B1 (ko) * | 2018-06-22 | 2019-10-04 | (주)제이엠피시스템 | 무선 메쉬 네트워크의 성능 개선과 효율적인 관리를 위한 최적화 방법 및 시스템 |
CN108900454B (zh) * | 2018-06-28 | 2020-02-18 | 北京邮电大学 | 一种基于机器学习的调制方式参数盲检方法及装置 |
US10740656B2 (en) * | 2018-09-19 | 2020-08-11 | Hughes Network Systems, Llc | Machine learning clustering models for determining the condition of a communication system |
JP6944156B2 (ja) * | 2018-09-21 | 2021-10-06 | 日本電信電話株式会社 | オーケストレータ装置、プログラム、情報処理システム、及び制御方法 |
US10911341B2 (en) * | 2018-11-19 | 2021-02-02 | Cisco Technology, Inc. | Fabric data plane monitoring |
US11275672B2 (en) | 2019-01-29 | 2022-03-15 | EMC IP Holding Company LLC | Run-time determination of application performance with low overhead impact on system performance |
CN110545359B (zh) * | 2019-08-02 | 2021-06-29 | 国家计算机网络与信息安全管理中心 | 通信线路特征提取方法、通信线路识别方法及装置 |
KR20210041904A (ko) | 2019-10-08 | 2021-04-16 | 삼성전자주식회사 | 네트워크 연결을 관리하는 전자 장치 및 그의 제어 방법 |
US20210006330A1 (en) * | 2019-11-29 | 2021-01-07 | Intel Corporation | Extended link-training time negotiated on link start-up |
US20210204151A1 (en) * | 2019-12-27 | 2021-07-01 | Cisco Technology, Inc. | Automatic labelling of data for machine learning algorithm to determine connection quality |
CN115336200A (zh) * | 2020-03-31 | 2022-11-11 | 索尼集团公司 | 信息处理装置、信息处理方法以及通信装置 |
US11916777B2 (en) | 2021-07-06 | 2024-02-27 | Cisco Technology, Inc. | Learning SLA violation probability from intelligent fine grained probing |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1545769A (zh) * | 2001-07-05 | 2004-11-10 | ʤ��ͨѶ����˾ | Dsl系统中的单端线路探测 |
WO2007008835A2 (en) * | 2005-07-10 | 2007-01-18 | Adaptive Spectrum And Signal Alignment, Inc. | Dsl system estimation |
CN101523804A (zh) * | 2006-05-01 | 2009-09-02 | 自适应谱与信号定位公司 | 用于组合来自多个源的数据以表征通信系统的方法和设备 |
CN101729306A (zh) * | 2008-10-28 | 2010-06-09 | 中兴通讯股份有限公司 | 一种测试宽带网络用户接入线路下行带宽的方法及其系统 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5720003A (en) | 1994-10-27 | 1998-02-17 | Lucent Technologies Inc. | Method and apparatus for determining the accuracy limit of a learning machine for predicting path performance degradation in a communications network |
US8544087B1 (en) * | 2001-12-14 | 2013-09-24 | The Trustess Of Columbia University In The City Of New York | Methods of unsupervised anomaly detection using a geometric framework |
US9479341B2 (en) * | 2006-08-22 | 2016-10-25 | Centurylink Intellectual Property Llc | System and method for initiating diagnostics on a packet network node |
US8867377B2 (en) * | 2007-10-11 | 2014-10-21 | Cisco Technology, Inc. | Dynamic selection between active and passive probing in computer network |
US8208604B1 (en) * | 2008-02-26 | 2012-06-26 | Adtran, Inc. | Systems and methods for diagnosing anomalies along bonded loop communication media |
US8635335B2 (en) * | 2009-01-28 | 2014-01-21 | Headwater Partners I Llc | System and method for wireless network offloading |
KR101053905B1 (ko) * | 2008-06-26 | 2011-08-04 | 삼성전자주식회사 | 이동통신 시스템에서 네트워크 서비스를 제공하기 위한장치 및 방법 |
US8667123B2 (en) * | 2008-09-29 | 2014-03-04 | Woodhead Industries, Inc. | Microcontroller network diagnostic system |
US8000254B2 (en) * | 2008-12-23 | 2011-08-16 | General Instruments Corporation | Methods and system for determining a dominant impairment of an impaired communication channel |
US9557889B2 (en) * | 2009-01-28 | 2017-01-31 | Headwater Partners I Llc | Service plan design, user interfaces, application programming interfaces, and device management |
US20110202645A1 (en) * | 2010-02-12 | 2011-08-18 | Sonus Networks, Inc. | Methods and Apparatus to Test Network Elements |
US8811977B2 (en) | 2010-05-06 | 2014-08-19 | At&T Mobility Ii Llc | Device-driven intelligence and feedback for performance optimization and planning of a service network |
US9253015B2 (en) * | 2010-07-09 | 2016-02-02 | Attila Technologies, Llc | Transparent proxy architecture for multi-path data connections |
US20120084288A1 (en) * | 2010-10-01 | 2012-04-05 | Mohammed Abdul-Razzak | Criminal relationship analysis and visualization |
US9338074B2 (en) * | 2010-12-08 | 2016-05-10 | At&T Intellectual Property I, L.P. | Method and apparatus for wireless network performance diagnostics via user equipment |
MX2014006020A (es) | 2011-11-18 | 2015-01-12 | Cooper Technologies Co | Cálculo de costos de enlace en banda no instrusivo en redes de multisalto. |
US9100299B2 (en) * | 2012-05-21 | 2015-08-04 | Verizon Patent And Licensing Inc. | Detecting error conditions in standby links |
US8805423B2 (en) * | 2012-06-19 | 2014-08-12 | Qualcomm Incorporated | Adaptive passive scanning and/or active probing techniques for mobile device positioning |
-
2012
- 2012-07-13 WO PCT/US2012/046810 patent/WO2014011191A1/en active Application Filing
- 2012-07-13 AU AU2012384930A patent/AU2012384930A1/en not_active Abandoned
- 2012-07-13 CA CA2879060A patent/CA2879060C/en active Active
- 2012-07-13 CN CN201910614310.5A patent/CN110266565B/zh active Active
- 2012-07-13 CN CN201280075813.6A patent/CN104756474B/zh active Active
- 2012-07-13 BR BR112015000810-0A patent/BR112015000810A2/pt not_active IP Right Cessation
- 2012-07-13 KR KR1020157002178A patent/KR101677404B1/ko active IP Right Grant
- 2012-07-13 JP JP2015521588A patent/JP2015530774A/ja active Pending
- 2012-07-13 US US14/414,435 patent/US10375590B2/en not_active Expired - Fee Related
- 2012-07-13 EP EP12745938.6A patent/EP2873223A1/en not_active Ceased
-
2016
- 2016-06-17 AU AU2016204112A patent/AU2016204112B2/en active Active
-
2019
- 2019-07-18 US US16/516,209 patent/US10652773B2/en active Active
-
2020
- 2020-04-11 US US16/846,276 patent/US11166181B2/en active Active
-
2021
- 2021-11-01 US US17/516,563 patent/US11943644B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1545769A (zh) * | 2001-07-05 | 2004-11-10 | ʤ��ͨѶ����˾ | Dsl系统中的单端线路探测 |
WO2007008835A2 (en) * | 2005-07-10 | 2007-01-18 | Adaptive Spectrum And Signal Alignment, Inc. | Dsl system estimation |
CN101523804A (zh) * | 2006-05-01 | 2009-09-02 | 自适应谱与信号定位公司 | 用于组合来自多个源的数据以表征通信系统的方法和设备 |
CN101729306A (zh) * | 2008-10-28 | 2010-06-09 | 中兴通讯股份有限公司 | 一种测试宽带网络用户接入线路下行带宽的方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
KR20150039198A (ko) | 2015-04-09 |
BR112015000810A2 (pt) | 2018-05-29 |
CN110266565B (zh) | 2023-02-10 |
CA2879060C (en) | 2018-08-28 |
AU2016204112B2 (en) | 2017-09-07 |
US20200245169A1 (en) | 2020-07-30 |
WO2014011191A1 (en) | 2014-01-16 |
CN110266565A (zh) | 2019-09-20 |
US20220053352A1 (en) | 2022-02-17 |
US20190342781A1 (en) | 2019-11-07 |
AU2016204112A1 (en) | 2016-07-14 |
CN104756474A (zh) | 2015-07-01 |
EP2873223A1 (en) | 2015-05-20 |
JP2015530774A (ja) | 2015-10-15 |
US20160007218A1 (en) | 2016-01-07 |
US11166181B2 (en) | 2021-11-02 |
US10375590B2 (en) | 2019-08-06 |
KR101677404B1 (ko) | 2016-11-17 |
CA2879060A1 (en) | 2014-01-16 |
AU2012384930A1 (en) | 2015-02-05 |
US11943644B2 (en) | 2024-03-26 |
US10652773B2 (en) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104756474B (zh) | 用于通信链路性能估计的方法和系统 | |
CN104662841B (zh) | 用于通信链路性能测量的方法和系统 | |
US11909617B2 (en) | Method and apparatus for continuous access network monitoring and packet loss estimation | |
US11831536B2 (en) | Method and system for using a downloadable agent for a communication system, device, or link | |
US20200310898A1 (en) | Information processing method and information processing apparatus | |
CN105141542A (zh) | 基于tcp通信协议的拥塞窗口的控制算法和系统 | |
JP2015502696A (ja) | リモートサーバによって通信ユニットの性能を最適化する方法、装置、および、システム | |
US11706118B2 (en) | Methods and apparatus for detecting internet connection problems | |
KR20150110665A (ko) | 광대역 경험을 향상시키기 위한 클라우드 서비스에 대한 방법 및 장치 | |
CN106470128A (zh) | 故障检测装置和系统 | |
JP7272189B2 (ja) | 情報処理装置、無線通信システム、情報処理方法及びプログラム | |
JP6459590B2 (ja) | 通信装置、通信方法、および通信プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |