CN105939184B - 基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法 - Google Patents
基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法 Download PDFInfo
- Publication number
- CN105939184B CN105939184B CN201610124164.4A CN201610124164A CN105939184B CN 105939184 B CN105939184 B CN 105939184B CN 201610124164 A CN201610124164 A CN 201610124164A CN 105939184 B CN105939184 B CN 105939184B
- Authority
- CN
- China
- Prior art keywords
- time
- delay
- bundle
- value
- rtt
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 53
- 230000008859 change Effects 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000012790 confirmation Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 108700028335 DDP-BLM protocol Proteins 0.000 description 1
- 101100059678 Mus musculus Cfdp1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/12—Arrangements for detecting or preventing errors in the information received by using return channel
- H04L1/16—Arrangements for detecting or preventing errors in the information received by using return channel in which the return channel carries supervisory signals, e.g. repetition request signals
- H04L1/18—Automatic repetition systems, e.g. Van Duuren systems
- H04L1/1829—Arrangements specially adapted for the receiver end
- H04L1/1848—Time-out mechanisms
- H04L1/1851—Time-out mechanisms using multiple timers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及DTN网络的数据传输技术领域，尤其涉及一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算法。本发明提供一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算法，包括以下步骤：A、链路参数实时变化描述：B、分析bundle往返时延的组成：C、基于UKF的RTT估计模型：D、重传定时器RTO设定策略。本发明通过对空天DTN网络下BP层保管‑转发机制点对点的bundle往返时延RTT分析，利用UKF对其时变组成部分进行跟踪，将其随机突发时延进行看做噪声滤除，在此基础上设定准确的重传定时器，可以使节点上的bundle快速释放，有利于bundle的快速传输，提高文献的传输时延。
Description
技术领域
本发明涉及DTN网络的数据传输技术领域，尤其涉及一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法。
背景技术
1.DTN数据的可靠传输及其时延估计算法
空间网络相对于传统地面网络，有以下几个突出的特点：空天信道快衰落引起的高误码率，导致高丢包率；星间、星地双向链路不对称，有可能造成一定的传输拥塞；节点之间通信距离长，且时变，有较长的传播时延；星上设备可靠性引起的突发性链路中断等。上述这些特点导致空间网络中数据的传输面临着较大的挑战，当前所采取的技术手段主要是借鉴地面网络的TCP/IP协议，通过改进TCP/IP网络的部分协议和算法，尽量与空间网络环境相适应。但传统地面网络的TCP/IP协议要求有比较稳定的端到端和低误码率链路，近些年来，DTN网络的出现为解决空间信息网络的数据传输问题提供了新的契机。DTN网络通过引入新的协议层BP和应用广泛的LTP层，提供的保管-转发功能，能有效克服空间网络的间歇断续、高误码等恶劣环境，实现了数据的可靠传输。BP层最小数据单元bundle 存储在节点的内存区，BP层通过保管转发功能来支持点到点的重传，与 TCP/IP协议不同的是，中间节点在发送完数据之后，不会立刻丢失其数据包，如果当前保管节点发送bundle给下一跳节点，则向下一个节点提出保管申请，同时启动一个重传定时器，在定时器时间内，当前节点还没有收到下一跳节点的确认保管信号，则重发该bundle，直到下一跳节点同意保管该bundle或者生存期TTL的到来当前节点释放该bundle，否则，会一直重传该bundle；如果在定时器时间内，当前节点成功收到确认保管信号，则释放该bundle。在时延估计算法上，考虑到DTN通信环境的恶劣，数据包容易丢失，现有算法对DTN时延估计很好的考虑了数据包丢失和重传的情况，根据统计概率基础上估算每个数据包丢失的情况，并且和重传方式配合，估计出数据的传输时延。
2.保管确认信号重传定时器
BP协议保管转发功能依靠点对点传输来保证数据传输的可靠性，重传定时器的合理设置至关重要。当重传定时器设置过小时，引起bundle的虚假重传，虚假重传不仅为时延带来一个当前bundle重传的代价，多次反复虚假重传，会导致当前节点生存时间(TTL)逾期，使当前节点删除对该 bundle的保管，造成数据包在传到目的节点之前丢失，上述过程既明显增加了文件的整体传输时延，又会浪费大量的额外能量，也会导致数据传输的不可靠；当定时器设置过大，长时间等待会降低链路的有效利用率。现有算法对确认信号定时器的设置(CFDP协议)有详细的描述，算法充分考虑数据信号确认信号丢包情况。数据包发射完成之后，在发送节点启动该bundle的重传定时器。预测其保管确认信号到达的时间为确认信号的发射时延和传播时延以及bundle传播时延之和，所以设定保管确认信号定时器为传播时延的两倍加上确认信号发射时延。基于上述过程，随着卫星的在轨高速运动，有算法考虑通信距离实时的变化是必然的，故对传播时延进行(propagation time与通信距离成正比)的动态设置，避免重传定时器设置不准确的问题。
3.DTN时延估计算法存在的问题
DTN中BP层依靠点对点的保管权转让实现bundle的可靠传输，传统时延估计算法没有更多的考虑通信环境实时的改变对时延的影响。空间网络中，通信节点在轨高速运动，节点之间的链路通信状态时刻变化，传统基于bundle时延的估计算法缺少对节点之间链路的实时状态考虑，设定的链路参数(误码率、传播时延、排队时延等)是静态的。bundle传输往返时延(RTT)由数据和保管信号发射时延、排队时延、传播时延、中断时延以及可能出现的突发时延等组成。引起bundle往返时延变化的情况有很多，如通信距离变化、突发中断、节点不可视等。以空间网络中的LEO-GEO 距离变化为例，通过STK仿真，在某次可见的时间内，距离变化可高达 2000km，距离的变化会直接导致传播时延以及自由空间损耗等变化，损耗的改变会带来误码率的变化。可以说，网络环境实时的改变影响每个bundle 的时延。而通信链路随机突发状况，将加剧RTT的突变。空间网络突发状况多，这类随机变化存在时间短、难以捕获，可能由传输过程中的突发中断、障碍物阻挡、或在节点收发端，收发节点高速运动对星上收发设备的影响以及在接入接收端的竞争时延造成。这类突发时延的存在导致RTT振荡比较明显，利用bundle的时间戳测量得到的RTT值包含链路突发状况下的时延，应将这一部分随机干扰作为噪声滤除。
4.设置重传定时器的问题
对于空间网络重传定时器的设置，以往算法只考虑了可能的丢包，没有考虑到丢包率本身也会实时改变；更为关键的是星间传播时延没有深空链路那么大，不能将传播时延作为设置重传定时器动态变化的唯一因素，还应该充分考虑到链路的排队时延、突发时延等其他时延的影响。所以对于这种高度动态的通信链路，如果不能实时的跟踪实时的网络状态，将无法精准的预测重传定时器。尤其是DTN具有不对称的双向链路，容易引起确认信号的拥塞，引入排队时延，往返时延将会随着排队时延的增加而线性增加。如果设置静态的重传定时器，几乎不可能对每个bundle的保管确认信号的到来时间有精准的预测。基于上述情况，迫切需要一种可以实时跟踪网络状况的时延估计算法，根据得到的时延估计预测保管信号到来的时间。
发明内容
针对现有技术中存在的缺陷或不足，本发明所要解决的技术问题是：提供一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，根据空天DTN网络bundle保管-转发机制，利用本发明设计基于无迹卡尔曼滤波对bundle往返时延进行实时估计，在此基础上提出一种可持续跟踪、快速收敛的重传定时器算法，以充分提高数据传输的有效吞吐率。
为了实现上述目的，本发明采取的技术方案为提供一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，包括以下步骤：
A、链路参数实时变化描述：通信距离S(t)随时间变化，链路由于节点运动速度差异明显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要参数呈现时变特性；距离的变化给链路带来的影响可用下列公式表示如下：
Lspace(t)＝(4π·S(t)/λ)2＝(4π·S(t)·f/C)2
lg(Lspace(t))＝92.45+20lgS(t)+20lgf
其中Lspace(t)代表t时刻的自由空间损耗；S(t)代表距离t时刻节点的距离，单位为km；λ代表波长；f代表频率，单位为GHz；C代表光速，单位为 km/s；
B、分析bundle往返时延的组成：bundle的往返时延RTT包含：传播时延、确认信号的发射时延、排队时延、网络突发状况下引起的随机时延，一个bundle在节点间的往返时延RTT可表示为：
RTT＝2·S/C+Tack+Ttransient+Twait
其中S/C代表传播时延；Tack分别为确认信号的发射时延；Ttransient、Twait代表网络突发状况下引起的随机时延，Twait代表等待排队时延，没有等待时间该项为0；
C、基于UKF的RTT估计模型：给出无迹卡尔曼滤波的状态方程和观测方程模型；根据给出的方程结合测量时间制定不等时间间隔的滤波方法；然后以输出的滤波估计值为基础，设计出适合的重传定时器算法；最后给出文件传输时延的估计；
D、重传定时器RTO设定策略。
作为本发明的进一步改进，所述步骤A中，系统采用QPSK调制，则链路比特信噪比(SNR)与链路比特误码率(BER)的关系为：
其中BER(t)表示t时刻下的误比特率；SNR(t)为t时刻下的比特信噪比；将上式改写如下：
其中e0为其他参数作为常量的和；
SNR(t)＝e0-20lgS(t)
作为本发明的进一步改进，所述步骤C中，状态方程，应该包含所有会对RTT造成变化的时延变量，还包含传播时延；丢包率或误比特率；和确认信道的排队时延，测量的往返时延应为发送端通过返回的确认信号得到的时间与发送原始数据时间之差；无迹卡尔曼滤波状态方程和观测方程可表示为：
Z(t)＝h(X(t),RTO(t))+N(t)
其中X(t)为t时刻的状态变量；Z(t)为t时刻的观测变量；为n维的状态向量方程，h(.)为m维的观测向量方程，两者都是状态向量X的非线性函数；V(t)和N(t)分别为t时刻下过程噪声向量和观测噪声向量。
作为本发明的进一步改进，由于星间距离的变化相对缓慢，距离的二阶时间导数看成近似恒定，又传播时延与距离变化为正比关系，则状态方程为：
式中，Tp(t)、分别表示的是t时刻传播时延、传播时延的变化速率、以及传播时延的变化加速率；T表示采样时间间隔；Twait(t)为 t时刻的等待时间；Pef(t)表示的是t时刻bundle的丢包率，Lb表示的是bundle 的长度；Vi(t)表示过程噪声；δ逻辑关系可以简单如下：
if(Tack＞Tb&Memory-size＞0)
δ＝1
else
δ＝0
其中Memory-size>0表示星上内存区还有可用的内存；
则观测方程可以表示为：
Z(t)＝(1-Pef(t))·(RTT(t))+Pef(t)(RTO(t))+N(t)
其中Z(t)是t时刻下的得到的往返时延测量值；RTT(t)指的是t时刻数据传输成功的往返时延；RTO(t)是t时刻bundle重传定时器设定值，如果bundle丢包，认为t时刻的往返测量值为t时刻的重传定时器设定值；Tb为数据的发射时延。
作为本发明的进一步改进，所述步骤D中重传定时器RTO设定策略包括预测重传定时器RTO的算法：利用测量值和滤波值之差做为平滑值，去掉等待时间带来线性增长的影响，再加上滤波值，表示如下：
RTOnew(tk+1)＝SRTTVar(tk)+4RTTDVar(tk)+RTTUKF(tk)
RTOnew(tk+1)根据tk+1时刻预测的定时器RTO的值；其中，
RTTVar(tk)＝Z(tk)-RTTUKF(tk)
SRTTVar(tk)＝αSRTTVar(tk-1)+(1-α)RTTVar(tk)
RTTDVartk)＝βRTTDVar(tk-1)+(1-β)|RTTVar(tk)-SRTTVar(tk)|
其中α和β分别表示为权重值；RTTVar(tk)表示的是tk时刻下得到的测量值和RTT滤波估值之差；SRTTVar(tk)表示的是差值的平滑值；RTTDVar(tk) 表示的是tk时刻下的平滑值偏差；RTOnew(tk+1)是基于tk+1时刻预测定时器的值；RTTUKF(tk)为tk时刻基于滤波估值得到的往返时延估计值；其中和是tk时刻下的丢包率与传播时延估计值，通过滤波器输出可得；Tack分别代表的是bundle的确认信号的发射时延。
本发明的有益效果是：本发明通过对空天DTN网络下BP层保管-转发机制点对点的bundle往返时延RTT分析，并且利用UKF对其时变组成部分进行跟踪，并且将其随机突发时延进行看做噪声滤除，在此基础上设定准确的重传定时器，可以使节点上的bundle快速释放，有利于bundle 的快速传输，提高文献的传输时延。
附图说明
图1是本发明的流程图；
图2是本发明bundle往返时延RTT的组成结构图；
图3是本发明卡尔曼滤波算法的时间更新和状态更新两个更新过程的完整框图。
具体实施方式
下面结合附图说明及具体实施方式对本发明进一步说明。
如图1所示，本发明提供一种基于无迹卡尔曼滤波的空天DTN网络 bundle传输时延估计，包括以下步骤：
A、链路参数实时变化描述
以LEO-GEO链路为例，通信距离S(t)随时间变化，LEO-GEO链路由于节点运动速度差异明显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要参数呈现时变特性。距离的变化给链路带来的影响可用下列公式表示如下：
Lspace(t)＝(4π·S(t)/λ)2＝(4π·S(t)·f/C)2
lg(Lspace(t))＝92.45+20lgS(t)+20lgf
其中Lspace(t)代表t时刻的自由空间损耗；S(t)代表距离t时刻节点的距离，单位为km；λ代表波长；f代表频率，单位为GHz；C代表光速，单位为 km/s；
假定系统采用QPSK调制，则链路比特信噪比(SNR)与链路比特误码率 (BER)的关系为：
其中BER(t)表示t时刻下的误比特率；SNR(t)为t时刻下的比特信噪比；将上式改写如下：
其中e0为其他参数作为常量的和；
SNR(t)＝e0-20lgS(t)
B、bundle往返时延的组成
一般来说，bundle的往返时延RTT包含：传播时延、数据和确认信号的发射时延、排队时延、网络突发状况下引起的随机时延、处理时延。如图1所示：
空间网络下，上述大部分时延都是实时变化的，传播时延的变化(参照节点间通信距离的变化)前文已经提到，不再赘述，bundle和保管确认信号数据量的大小本文设定为定值，所以发射时延(Tb与Tack)是定值，处理时延和随机突发时延。
如图2 所示，一个bundle在节点间的往返时延RTT可表示为：
RTT＝2·S/C+Tack+Ttransient+Twait
其中S/C代表传播时延；Tack分别为确认信号的发射时延；Ttransient、Twait分别代表突发(本文将链路突发中断看作影响链路时延波动的因素之一) 和排队等待时延(没有等待时间该项为0)。
C、基于UKF(Unscented Kalman Filter，无迹卡尔曼滤波)的RTT估计模型
本文算法先通过前文分析给出无迹卡尔曼滤波的状态方程和观测方程模型；根据给出的方程结合测量时间制定不等时间间隔的滤波方法；然后以输出的滤波估计值为基础，设计出适合本文的重传定时器算法；最后给出文件传输时延的估计。
状态方程，应该包含所有会对RTT造成变化的时延变量，如图1所示，所以应包含传播时延；丢包率或误比特率；和确认信道的排队时延。测量的往返时延应为发送端通过返回的确认信号得到的时间与发送原始数据时间之差。
无迹卡尔曼滤波状态方程和观测方程可表示为：
Z(t)＝h(X(t),RTO(t))+N(t)
其中X(t)为t时刻的状态变量；Z(t)为t时刻的观测变量；为n维的状态向量方程，h(.)为m维的观测向量方程，两者都是状态向量X的非线性函数；V(t)和N(t)分别为t时刻下过程噪声向量和观测噪声向量。由于星间距离的变化相对缓慢，距离的二阶时间导数看成近似恒定，又传播时延与距离变化为正比关系。则状态方程为：
式中，Tp(t)、分别表示的是t时刻传播时延、传播时延的变化速率、以及传播时延的变化加速率；T表示采样时间间隔；Twait(t)为 t时刻的等待时间；Pef(t)表示的是t时刻bundle的丢包率，Lb表示的是bundle 的长度；Vi(t)表示过程噪声；δ逻辑关系可以简单如下：
if(Tack＞Tb&Memory-size＞0)
δ＝1
else
δ＝0
其中Memory-size>0表示星上内存区还有可用的内存。
则观测方程可以表示为：
Z(t)＝(1-Pef(t))·(RTT(t))+Pef(t)(RTO(t))+N(t)
其中Z(t)是t时刻下的得到的往返时延测量值；RTT(t)指的是t时刻数据传输成功的往返时延；RTO(t)是t时刻bundle重传定时器设定值，如图1所示，如果bundle丢包，认为t时刻的往返测量值为t时刻的重传定时器设定值；Tb为数据的发射时延；RTO的设定策略将在下文提出，V、N分别为过程噪声和观测噪声，假定两个随机噪声是相互独立的高斯序列，表示为V～(0，Q)N～(0，R)。
卡尔曼滤波算法可分为时间更新和状态更新两个典型过程，两个更新过程的完整框图如图3 所示。
经历了时间更新和测量更新(保管确认信号来临的时候进行此步骤)。可以输入如上图所示的表示是t时刻状态变量的估计值。
D、重传定时器RTO设定策略
上式中，RTO(t)为t时刻bundle的重传定时器设定值，每次接收到保管确认信号都要更新一次，本文设定更新的方法可以参照TCP协议(RFC 2988)，传统的RTO预测是以指数平滑器为基础(RFC2988预测手段对链路的变化不敏感，往返时延波动较大的情况下，定时器跟踪效果差)，由前文可知，在接收端可以分为两种情况：一种是确认信道无确认信号排队；一种是收到bundle的发射时间小于确认信号发射时间，造成确认信道的延迟。针对可能出现在确认信道的拥塞情况，本文提出预测重传定时器RTO 的算法思想为：利用测量值和滤波值之差做为平滑值，去掉等待时间带来线性增长的影响，再加上滤波值。表示如下：
RTOnew(tk+1)＝SRTTVar(tk)+4RTTDVar(tk)+RTTUKF(tk)
RTOnew(tk+1)根据tk+1时刻预测的定时器RTO的值；其中，
RTTVar(tk)＝Z(tk)-RTTUKF(tk)
SRTTVar(tk)＝αSRTTVar(tk-1)+(1-α)RTTVar(tk)
RTTDVartk)＝βRTTDVar(tk-1)+(1-β)|RTTVar(tk)-SRTTVar(tk)|
其中α和β分别表示为权重值；典型值为7/8和3/4；RTTVar(tk)表示的是tk时刻下得到的测量值和RTT滤波估值之差；SRTTVar(tk)表示的是差值的平滑值；RTTDVar(tk)表示的是tk时刻下的平滑值偏差；RTOnew(tk+1)是基于tk+1时刻预测定时器的值；RTTUKF(tk)为tk时刻基于滤波估值得到的往返时延估计值；其中和是tk时刻下的丢包率与传播时延估计值(通过滤波器输出可得)；Tack分别代表的是bundle的确认信号的发射时延。
上述算法可知，只有确认信号来临的时候或定时器时间耗尽时才会有完整的UKF滤波过程，算法的程序伪代码可表示为：
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (5)
1.一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于，包括以下步骤：
A、链路参数实时变化描述：通信距离S(t)随时间变化，链路由于节点运动速度差异明显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要参数呈现时变特性；距离的变化给链路带来的影响可用下列公式表示如下：
Lspace(t)＝(4π·S(t)/λ)2＝(4π·S(t)·f/C)2
lg(Lspace(t))＝92.45+20lg S(t)+20lg f
其中Lspace(t)代表t时刻的自由空间损耗；S(t)代表距离t时刻节点的距离，单位为km；λ代表波长；f代表频率，单位为GHz；C代表光速，单位为km/s；
B、分析bundle往返时延的组成：bundle的往返时延RTT包含：传播时延、确认信号的发射时延、排队时延、网络突发状况下引起的随机时延，一个bundle在节点间的往返时延RTT表示为：
RTT＝2·S/C+Tack+Ttransient+Twait
其中，S/C代表传播时延；Tack为确认信号的发射时延；Ttransient代表网络突发状况下引起的随机时延，Twait代表等待排队时延，在没有等待时间该项为0；
C、基于UKF的RTT估计模型：给出无迹卡尔曼滤波的状态方程和观测方程模型；根据给出的方程结合测量时间制定不等时间间隔的滤波方法；然后以输出的滤波估计值为基础，设计出适合的重传定时器算法；最后给出文件传输时延的估计；
D、重传定时器RTO设定策略。
2.根据权利要求1所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于：所述步骤A中，系统采用QPSK调制，则链路比特信噪比SNR与链路比特误码率BER的关系为：
其中BER(t)表示t时刻下的误比特率；SNR(t)为t时刻下的比特信噪比；
将上式改写如下：
其中e0作为参数常量的和；
SNR(t)＝e0-20lg S(t)。
3.根据权利要求1所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于：所述步骤C中，状态方程，应该包含所有会对RTT造成变化的时延变量，还包含丢包率或误比特率；测量的往返时延应为发送端通过返回的确认信号得到的时间与发送原始数据时间之差；无迹卡尔曼滤波状态方程和观测方程可表示为：
Z(t)＝h(X(t),RTO(t))+N(t)
其中X(t)为t时刻的状态变量；Z(t)为t时刻的观测变量；为n维的状态向量方程，h(.)为m维的观测向量方程，两者都是状态向量X的非线性函数；V(t)和N(t)分别为t时刻下过程噪声向量和观测噪声向量；RTO(t)是t时刻bundle重传定时器设定值。
4.根据权利要求3所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于：由于星间距离的变化相对缓慢，距离的二阶时间导数看成近似恒定，又传播时延与距离变化为正比关系，则状态方程为：
式中，Tp(t)、分别表示的是t时刻传播时延、传播时延的变化速率、以及传播时延的变化加速率；T表示采样时间间隔；Twait(t)为t时刻的等待时间；Pef(t)表示的是t时刻bundle的丢包率，Lb表示的是bundle的长度；Vi(t)表示过程噪声；C代表光速；δ逻辑关系可以简单表示如下：
if(Tack＞Tb&Memory-size＞0)
δ＝1
else
δ＝0
其中Memory-size>0表示星上内存区还有可用的内存；
则观测方程可以表示为：
Z(t)＝(1-Pef(t))·(RTT(t))+Pef(t)(RTO(t))+N(t)
其中Z(t)是t时刻下的得到的往返时延测量值；RTT(t)指的是t时刻数据传输成功的往返时延；RTO(t)是t时刻bundle重传定时器设定值，如果bundle丢包，认为t时刻的往返时延测量值为t时刻的重传定时器设定值；Tb为数据的发射时延。
5.根据权利要求1或4所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于，所述步骤D中重传定时器RTO设定策略包括预测重传定时器RTO的算法：利用测量值和滤波值之差做为平滑值，去掉等待时间带来线性增长的影响，再加上滤波值，表示如下：
RTOnew(tk+1)＝SRTTVar(tk)+4RTTDVar(tk)+RTTUKF(tk)
RTOnew(tk+1)根据tk+1时刻预测的定时器RTO的值；其中，
RTTVar(tk)＝Z(tk)-RTTUKF(tk)
SRTTVar(tk)＝αSRTTVar(tk-1)+(1-α)RTTVar(tk)
RTTDVar(tk)＝βRTTDVar(tk-1)+(1-β)|RTTVar(tk)-SRTTVar(tk)|
其中α和β分别表示为权重值；RTTVar(tk)表示的是tk时刻下得到的测量值和RTT滤波估值之差；SRTTVar(tk)表示的是差值的平滑值；RTTDVar(tk)表示的是tk时刻下的平滑值偏差；RTOnew(tk+1)是基于tk+1时刻预测定时器的值；RTTUKF(tk)为tk时刻基于滤波估值得到的往返时延估计值；其中和是tk时刻下的丢包率与传播时延估计值，通过滤波器输出可得；Tack代表的是bundle的确认信号的发射时延；是对Twait的估计值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610124164.4A CN105939184B (zh) | 2016-03-04 | 2016-03-04 | 基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610124164.4A CN105939184B (zh) | 2016-03-04 | 2016-03-04 | 基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105939184A CN105939184A (zh) | 2016-09-14 |
| CN105939184B true CN105939184B (zh) | 2019-10-22 |
Family
ID=57151886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610124164.4A Active CN105939184B (zh) | 2016-03-04 | 2016-03-04 | 基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105939184B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108365924B (zh) | 2017-01-26 | 2021-02-12 | 华为技术有限公司 | 一种数据重传方法、通信装置 |
| CN108718226B (zh) * | 2018-05-08 | 2020-12-11 | 天津大学 | 一种水下长延时传感器网络传输层数据传输方法 |
| CN109104238A (zh) * | 2018-09-30 | 2018-12-28 | 哈尔滨工业大学（深圳） | 基于Markov决策的卫星网络DTN链路Bundle尺寸优化算法 |
| CN109814387B (zh) * | 2019-01-31 | 2020-09-04 | 中国地质大学（武汉） | 一种基于动态时延的卡尔曼滤波补偿方法及系统 |
| CN113395101B (zh) * | 2021-06-02 | 2022-07-22 | 哈尔滨工业大学 | 空天地融合网络中最小化传输时延的用户接入方法及装置 |
| CN113612589B (zh) * | 2021-08-18 | 2023-09-26 | 百果园技术(新加坡)有限公司 | 一种数据重传的方法、装置、设备和存储介质 |
| CN114785870B (zh) * | 2022-04-06 | 2024-01-19 | 浙江大学 | 一种面向tcp/ip和ble集成协议栈的优化方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104316945A (zh) * | 2014-11-13 | 2015-01-28 | 中国人民解放军总参谋部第六十三研究所 | 一种基于高阶累积量和无迹卡尔曼滤波的卫星干扰源三星定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130016584A1 (en) * | 2011-07-15 | 2013-01-17 | Teledyne Scientific & Imaging Llc | Methods and apparatus for obtaining sensor motion and position data from underwater acoustic signals |
-
2016
- 2016-03-04 CN CN201610124164.4A patent/CN105939184B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104316945A (zh) * | 2014-11-13 | 2015-01-28 | 中国人民解放军总参谋部第六十三研究所 | 一种基于高阶累积量和无迹卡尔曼滤波的卫星干扰源三星定位方法 |
Non-Patent Citations (2)
| Title |
|---|
| Comparison of Sigma-Point and Extended Kalman Filters on a Realistic Orbit Determination Scenario;Gaebler J et al;《Journal of the Astronautical Sciences》;20140316;全文 * |
| 基于UKF的战术数据链通信延时与补偿算法;张丽丽 等;《吉林大学学报(信息科学版)》;20121115;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105939184A (zh) | 2016-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105939184B (zh) | 基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法 | |
| Cardwell et al. | Bbr: Congestion-based congestion control: Measuring bottleneck bandwidth and round-trip propagation time | |
| US7965698B2 (en) | Method for preventing unnecessary retransmission due to delayed transmission in wireless network and communication device using the same | |
| Mellia et al. | TCP model for short lived flows | |
| US20110286469A1 (en) | Packet retransmission control system, method and program | |
| CN102083133B (zh) | 基于Vegas算法改进的一种卫星网络拥塞控制方法 | |
| US9369923B2 (en) | Transmission method in an ad hoc multi-hop IP network | |
| Molia et al. | TCP variants for mobile adhoc networks: Challenges and solutions | |
| CN101369980B (zh) | 基于自适应采样的带宽估计方法 | |
| WO2015026746A1 (en) | Method & implementation of zero overhead rate controlled (zorc) information transmission via digital communication link | |
| Guan et al. | Improvement of TCP Vegas algorithm based on forward direction delay | |
| Albalawi et al. | A delay-based congestion-control protocol for information-centric networks | |
| EP3108631B1 (en) | Buffer bloat control | |
| Lee et al. | A cross-layer approach for TCP optimization over wireless and mobile networks | |
| Liu et al. | Stroboscopic model and bifurcations in TCP/RED | |
| Sengottaiyan et al. | A modified approach for measuring TCP performance in wireless adhoc network | |
| CN106961365B (zh) | 一种基于tcp协议的网络延迟测量方法 | |
| Pötsch | Future Mobile Transport Protocols | |
| Li et al. | A concurrent multi-path transmission of data allocation algorithm based on heterogeneous networks | |
| CN108882333A (zh) | 一种基于发送探测包的自适应性路径信息的收集方法 | |
| CN110650491B (zh) | 一种用于车载自组网通信的前向纠错fec参数分析方法 | |
| Karimov et al. | EVALUATION OF THE EFFECTIVENESS OF CHANNEL LEVEL PROTOCOLL PARAMETERS | |
| CN104539486A (zh) | 一种基于tcp确认包对的端到端可用带宽估计方法 | |
| Weiqiang et al. | Optimization of tcp for haps network | |
| KR20240087091A (ko) | 심우주 통신에서 지능형 tcp 혼잡 제어 방법 및 그 장치 |
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 |