CN106485059A - 一种面向场景的移动网络仿真可信度量化评估方法 - Google Patents
一种面向场景的移动网络仿真可信度量化评估方法 Download PDFInfo
- Publication number
- CN106485059A CN106485059A CN201610846541.5A CN201610846541A CN106485059A CN 106485059 A CN106485059 A CN 106485059A CN 201610846541 A CN201610846541 A CN 201610846541A CN 106485059 A CN106485059 A CN 106485059A
- Authority
- CN
- China
- Prior art keywords
- rate
- scene
- vector
- rottd
- cpl
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种面向场景的移动网络仿真可信度量化评估方法,针对移动现网和移动仿真网络的应用场景,采用网络主动测试工具获取网络数据包传输日志信息;分析数据包传输日志信息,提取数据包传输时延和丢包信息,生成现网场景和仿真场景的特征向量;然后计算现网场景特征向量与仿真场景特征向量的相似度,以量化仿真场景与现网场景的相似度。
Description
技术领域
本发明属于移动网络仿真领域,涉及到移动网络仿真可信度评估的问题,特别是涉及到一种面向场景的移动网络仿真可信度量化评估方法。
背景技术
随着4G移动通信技术和计算机技术的飞速发展,以及智能便携终端性能的不断提升,移动状态下的在线视频应用成为现实。但无线移动网络容易受到噪音干扰、多径衰落等影响,从而造成传输差错,这使得无线通信链路使用的基于有线链路的传输层优化算法性能下降,用户体验较有线网络有所降低。为此必须对无线移动网络进行研究,合理区分无线通路的性能下降是拥塞造成的还是差错造成的,为传输层乃至应用层进行传输优化提供参考和帮助。由于公共商业网络具有配置不可知、网络状态不可控,实验结果不可复现等特点,因此利用仿真手段再现现网场景,成为达到网络研究的目的不二选择。但是仿真系统只能尽可能地接近被仿真系统,而无法做到完全一致,人们需要客观、量化地研究仿真系统与被仿真系统的相似程度,这就是所谓的仿真可信度问题,即越是与现实相似的仿真越可信,反之则越不可信。仿真可信度是在特定的仿真目的和意义下,在总体结构和行为水平上能够复现原型系统的程度。
据申请人调研,目前关于网络仿真技术的使用,是本着“公认即可信”原则,对例如Matlab、OPNET、QualNet等仿真软件的使用是认为其是可信的,所以很少有文章怀疑使用这些软件所建仿真模型的可信度。目前在仿真模型可信度评估方面,主要研究成果集中在模型VV&A上,面向仿真软件或平台的工业生产领域,使用相似元法对建模全过程进行规范化控制,其中在各个阶段均依赖专家经验和人的主观判断,所以其过既复杂、不适用于一般应用中仿真可信度评估,又缺少一种量化评估标准。此外但本发明认为,不同的网络应用场景具有巨大的差异,针对不同的现网应用场景有必要加以区别和仿真再现,并考量仿真场景的可信度,于是提出一种面向场景的移动网络仿真可信度量化评估方法。
发明内容
本发明的目的在于在已搭建移动网络仿真平台的基础上,提供一种面向场景的移动网络仿真可信度量化评估方法,评价仿真平台上某一场景与某现网场景的相似度。
为了实现上述目的,本发明采用的技术方案是:
提出一种面向场景的移动网络仿真可信度量化评估方法,该方法首先定义了场景的概念,根据不同场景的定义,使用网络主动测试工具,分别测试获取现网场景和仿真场景中每个数据包时延和丢包信息,并输出数据包的日志信息;分析日志信息,提取网络时延和丢包信息,依此生成现网场景和仿真场景的特征向量;然后通过使用余弦相似度计算现网场景特征向量与仿真场景特征向量的相似度,来考量仿真场景与现网场景的相似度。
所述移动现网应用场景定义为:在现实的4G网络中一次持续时间为50秒的网络数据传输行为;移动仿真网络应用场景定义为:在仿真平台上一次持续时间为50秒的网络数据传输行为。
所述传输数据包日志信息的获取,是使用测试工具,在网络通路两端输出包序号、发送时间和接收时间等信息,其步骤如下:
步骤1,发送端发出数据包,数据包中写入包序号、发送时刻信息;
步骤2,若接收端接收到数据包,则读取数据包中的包序号、发送时刻信息并写入向发送端返回的确认包中;同时读取数据包本地接收时刻,合并包序号、发送时刻信息一起输出到日志文件中;
步骤3,发送端若收到来自接收端的确认包,则读取确认包中的包序号、发送时刻信息,同时读取本地系统时间作为数据包接收时间,合并输出到日志文件。
所述仿真场景向量的生成,其方法步骤如下:
步骤1,根据场景数据结构的形式化描述,针对每一场景中的每一速度样本,考虑到各网络参数统计数据的归一化问题,本发明使用各参数统计区间的占比为变量,提取其中每个数据包的统计信息,涉及以下:双向传输时延(RTT,Round Trip Time)、单向传输时延(ROTT,Relative One-way Trip Time)、连续丢包长度(CPL,Continue Packet Loss)、双向传输时延抖动(RTTd,Round Trip Time deviation)和单向传输时延抖动(ROTTd,Relative One-way Trip Time deviation)五种网络参数信息,生成速度样本的参数向量:
PRTT=(RTT1,RTT2,…,RTTi,…,RTT100)
PROTT=(ROTT1,ROTT2,…,ROTTi,…,ROTT100)
PCPL=(CPL1,CPL2,…,CPLi,…,CPL100)
PRTTd=(RTTd1,RTTd2,…,RTTdi,…,RTTd100)
PROTTd=(ROTTd1,ROTTd2,…,ROTTdi,…,ROTTd100)
式中:
RTTi表示在相同速率下数据包的RTT在第i个区间的个数;
PRTT表示由100个区间内的RTT个数,构成的关于RTT的一维向量;
ROTTi表示在固定速率下数据包的ROTT在第i个区间的个数;
PROTT表示由100个区间内的ROTT个数,构成的关于ROTT的一维向量;
CPLi表示在固定速率下数据包的CPL在第i个区间的个数;
PCPL表示由100个区间内的CPL个数,构成的关于CPL的一维向量;
RTTdi表示在固定速率下数据包的RTTd在第i个区间的个数;
PRTTd表示由100个区间内的RTTd个数,构成的关于RTTd的一维向量;
ROTTdi表示在固定速率下数据包的ROTTd在第i个区间的个数;
PROTTd表示由100个区间内的ROTTd个数,构成的关于ROTTd的一维向量;
步骤2,针对任一个速度样本,由五个参数向量构成该速度样本的速度样本向量:
rRate=(PRTT,PROTT,PCPL,PRTTd,PROTTd)
rRate表示在速率Rate下由RTT,ROTT,CPL,RTTd,ROTTd构成的向量;
步骤3,依此生成现网场景和仿真场景的场景特征向量,该场景向量由Rate1、Rate2、…、Ratem共m个速度样本向量构成:
式中:S表示某种场景下的特征向量。
现网场景与仿真场景的相似度计算与筛选,其具体方法为:
权利要求1所述面向场景的移动网络仿真可信度量化评估方法,其特征在于,利用如下公式计算现网场景特征向量与仿真场景特征向量的相似度:
式中:
Rate表示发送速率的集合;
m表示发送速率的个数;
ri表示仿真场景中第i个速率的速率样本向量;
r′i表示现网场景中第i个速率的速率样本向量;
Sim表示现网场景特征向量和与仿真场景特征向量的相似度。
本发明的特点在于针对在移动现实网络场景数据传输过程中的传输特征和仿真场景下数据传输过程中的传输特征,建立不同速度的样本向量,然后对多个样本向量进行相似度计算,确定相识度最高的仿真场景进行实验。采用本技术方案,可以用有效的检查出仿真场景和现实场景的相似度,确定相似度高的仿真场景,解决现实场景做实验不可重复和费用昂贵的问题。
附图说明
图1为本发明面向场景的仿真可信度量化评估方法实例示意图。
图2为本发明场景日志信息获取模块中仿真场景的日志信息获取工作流程图。
图3为本发明场景日志信息获取模块中接收端日志信息输出工作流程图。
图4为本发明场景日志信息获取模块中发送端日志信息输出工作流程图。
图5为本发明场景日志信息处理和网络特征提取模块工作流程图。
图6为本发明场景相似度计算模块工作流程图。
具体实施方式
为了增强对本发明的理解,网络测试速度选择为128KB/s、256KB/s、512KB/s、1024KB/s、2048KB/s,下面结合附图与系统实施对本发明做进一步详细说明。
本发明面向场景的移动网络仿真可信度量化评估方法的实施由三部分构成(如图1),场景日志信息获取模块,分别在移动现网环境和移动网络仿真平台上部署,使用主动测试工具实施网络测试并获取现网场景和仿真场景日志文件;日志文件处理和场景特征提取模块,用于生成现网场景特征向量(简称为现网场景向量)和仿真场景特征向量(简称为仿真场景向量);相似度计算模块,用于计算仿真场景向量与现网场景向量的相识度。
下面对本发明所述技术方案实施中各个模块功能和流程进行详细说明。
1、场景日志信息获取模块中仿真场景的日志信息获取工作流程:
如图2所示,在场景日志信息获取过程中,仿真场景与现网场景的区别在于多了仿真平台参数设置环节,因此这里只对仿真场景日志获取逻辑予以说明,对现网场景日志信息的获取不再累述。
步骤1,准备测试环境,设置仿真平台参数,使用不同的参数制造不同的仿真场景;
步骤2,如果网络测试状态就绪,运行步骤3;否则返回步骤1;
步骤3,设置发送速率(起始为128KB/s);
步骤4,将包序号和发送时刻信息写入数据包并开始发包,发送时长为10秒;
步骤5,判断发送速率(128KB/s、256KB/s、512KB/s、1024KB/s、2048KB/s)是否遍历完毕,如果已遍历完毕,运行步骤6,否则返回步骤3;
步骤6,判断仿真平台参数(如发射功率、信噪比、可用带宽等)在取值范围内是否遍历完毕,即仿真平台是否已实现可实现的所有仿真场景;如果是,则仿真场景日志信息获取完毕;如果否,则返回步骤1。
2、场景日志信息获取模块中接收端日志信息输出工作流程:
如图3所示,无论现网场景还是仿真场景,接收端的场景日志信息输出逻辑是相同的,其步骤如下所示:
步骤1,持续侦听接收端口;
步骤2,每收到一个来自发送端的UDP数据包,运行步骤3;否则返回步骤1;
步骤3,读取包序号、发送时刻信息,并写入确认包返回发送端;
步骤4,读取系统本地时刻为接收时刻,合并步骤3所得包序号、发送时刻信息一起输出的接收端日志文件,根据速度的不同划分为不同的速度样本日志文件,以场景状态信息命名;
步骤5,判断数据包发送是否已结束,如果是,则结束接收侦听,否则返回步骤1。
3、场景日志信息获取模块中发送端日志信息输出工作流程:
如图4所示,无论现网场景还是仿真场景,发送端的场景日志信息输出逻辑也是相同的,其步骤如下所示:
步骤1,持续侦听接收端口;
步骤2,如果收到来自接收端的确认包,运行步骤3;否则返回步骤1;
步骤3,读取包序号、发送时刻信息;读取本地时刻为接收时刻,合并输出到发送端日志文件,文件仍以不同速度样本来划分,以场景状态信息命名;
步骤4,判断数据包发送是否已结束,如果是,则结束接收侦听,否则返回步骤1。
4、场景日志信息处理和网络特征提取模块工作流程:
如图5所示,包括:
步骤1,读取场景日志文件;
步骤2,以速度样本日志文件为单位,对于场景日志信息进行统计;
步骤3,由发送端日志信息获得RTT和RTTd统计分布特征,得到参数向量PRTTd,PRTT;由接收端日志信息获得ROTT、ROTTd、CPL统计分布特征,得到参数向量PROTTd,PROTTd,PCPL;
步骤4,判断同一场景中速度样本日志文件是否遍历完毕,如果已完毕,运行下一步,否则返回步骤2;
步骤5,由五个速度样本向量生成场景向量:
S=(r128,r256,r512,r1024,r2048)
步骤6,判断场景日志文件是否遍历完毕,如果已完毕,则日志文件处理完毕,否则返回步骤1。
5、场景相似度计算与筛选模块工作流程:
如图6所示,针对某一个现网场景向量,在仿真场景向量库中到与之最为相似的仿真场景向量,也就找到与该现网场景最为相似的仿真场景,其步骤如下:
步骤1,读取现网场景向量;
步骤2,读取仿真场景向量;
步骤3,使用余弦相似度计算对等速度样本向量的相似度。
Claims (3)
1.一种面向场景的移动网络仿真可信度量化评估方法,其特征在于:针对移动现网和移动仿真网络的应用场景,采用网络主动测试工具获取网络数据包传输日志信息;分析数据包传输日志信息,提取数据包传输时延和丢包信息,生成现网场景和仿真场景的特征向量;然后计算现网场景特征向量与仿真场景特征向量的相似度,以量化仿真场景与现网场景的相似度。
2.据权利要求1所述面向场景的移动网络仿真可信度量化评估方法,其特征在于,分析数据包传输日志信息,提取数据包传输时延和丢包信息,生成现网场景和仿真场景的特征向量,其具体步骤为:
步骤1:提取同一速率下所有数据包的双向传输时延(RTT)、单向传输时延(ROTT)、连续丢包长度(CPL)、双向传输时延抖动(RTTd)和单向传输时延抖动(ROTTd)信息,生成参数向量:
PRTT=(RTT1,RTT2,…,RTTi,…,RTT100)
PROTT=(ROTT1,ROTT2,…,ROTTi,…,ROTT100)
PCPL=(CPL1,CPL2,…,CPLi,…,CPL100)
PRTTd=(RTTd1,RTTd2,…,RTTdi,…,RTTd100)
PROTTd=(ROTTd1,ROTTd2,…,ROTTdi,…,ROTTd100)
式中:
RTTi表示在相同速率下数据包的RTT在第i个区间的个数;
PRTT表示由100个区间内的RTT个数,构成的关于RTT的一维向量;
ROTTi表示在固定速率下数据包的ROTT在第i个区间的个数;
PROTT表示由100个区间内的ROTT个数,构成的关于ROTT的一维向量;
CPLi表示在固定速率下数据包的CPL在第i个区间的个数;
PCPL表示由100个区间内的CPL个数,构成的关于CPL的一维向量;
RTTdi表示在固定速率下数据包的PTTd在第i个区间的个数;
PRTTd表示由100个区间内的RTTd个数,构成的关于RTTd的一维向量;
ROTTdi表示在固定速率下数据包的ROTTd在第i个区间的个数;
PROTTd表示由100个区间内的ROTTd个数,构成的关于ROTTd的一维向量;
步骤2:针对任一个速度样本,由五个参数向量构成速度样本向量:
rRate=(PRTT,PROTT,PCPL,PRTTd,PROTTd)
式中:rRate表示在速率Rate下由RTT,ROTT,CPL,RTTd,ROTTd构成的向量;
步骤3:依此生成现网场景和仿真场景的场景特征向量,该场景向量由Rate1、Rate2、…、Ratem共m个速度样本向量构成:
式中:S表示现网场景或仿真场景的特征向量。
3.据权利要求1所述面向场景的移动网络仿真可信度量化评估方法,其特征在于,计算现网场景特征向量与仿真场景特征向量的相似度,以量化仿真场景与现网场景的相似度,其具体公式为:
式中:
Rate是表示发送速率的集合,Rate={Rate1,Rate2,…,Ratem};
m是发送速率的个数;
rk表示仿真场景中发送速率为Ratek时的速度样本向量;
r’k表示现网场景中发送速率为Ratek时的速度样本向量;
|*|表示取向量*的模;
Sim表示现网场景特征向量和与仿真场景特征向量的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610846541.5A CN106485059B (zh) | 2016-09-23 | 2016-09-23 | 一种面向场景的移动网络仿真可信度量化评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610846541.5A CN106485059B (zh) | 2016-09-23 | 2016-09-23 | 一种面向场景的移动网络仿真可信度量化评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106485059A true CN106485059A (zh) | 2017-03-08 |
CN106485059B CN106485059B (zh) | 2018-11-09 |
Family
ID=58268757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610846541.5A Active CN106485059B (zh) | 2016-09-23 | 2016-09-23 | 一种面向场景的移动网络仿真可信度量化评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485059B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6532435B1 (en) * | 1999-04-20 | 2003-03-11 | Fujitsu Limited | Remote monitoring system, an automatic setting apparatus for setting a near-end value for managing a consumption component utilized in the remote monitoring system, and a recording medium having an automatic setting program recorded thereon and readable by a computer |
US20100153055A1 (en) * | 2008-12-15 | 2010-06-17 | Verizon Business Network Services Inc. | Network testing |
CN103716826A (zh) * | 2013-12-05 | 2014-04-09 | 同济大学 | 基于无线数据业务仿真场景的用户体验质量测试方法 |
CN103986626A (zh) * | 2014-05-30 | 2014-08-13 | 电子科技大学 | 基于端到端实测数据统计的路径特征刻画模拟方法及装置 |
CN105024993A (zh) * | 2015-05-25 | 2015-11-04 | 上海南邮实业有限公司 | 一种基于向量运算的协议比对方法 |
CN105262643A (zh) * | 2015-10-29 | 2016-01-20 | 西安交通大学 | 一种基于td-lte移动网络传输特征的丢包区分方法 |
-
2016
- 2016-09-23 CN CN201610846541.5A patent/CN106485059B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6532435B1 (en) * | 1999-04-20 | 2003-03-11 | Fujitsu Limited | Remote monitoring system, an automatic setting apparatus for setting a near-end value for managing a consumption component utilized in the remote monitoring system, and a recording medium having an automatic setting program recorded thereon and readable by a computer |
US20100153055A1 (en) * | 2008-12-15 | 2010-06-17 | Verizon Business Network Services Inc. | Network testing |
CN103716826A (zh) * | 2013-12-05 | 2014-04-09 | 同济大学 | 基于无线数据业务仿真场景的用户体验质量测试方法 |
CN103986626A (zh) * | 2014-05-30 | 2014-08-13 | 电子科技大学 | 基于端到端实测数据统计的路径特征刻画模拟方法及装置 |
CN105024993A (zh) * | 2015-05-25 | 2015-11-04 | 上海南邮实业有限公司 | 一种基于向量运算的协议比对方法 |
CN105262643A (zh) * | 2015-10-29 | 2016-01-20 | 西安交通大学 | 一种基于td-lte移动网络传输特征的丢包区分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106485059B (zh) | 2018-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100588271C (zh) | 基于分组度量和图像度量两者测量视频质量的系统和方法 | |
CN101313521B (zh) | 使用滤波和主动探测来评估数据传输路径 | |
US20110282642A1 (en) | Network emulation in manual and automated testing tools | |
TW201607262A (zh) | 用以測試無線電裝置的自然無線電環境之虛擬化技術 | |
CN107071399A (zh) | 一种加密视频流的质量评估方法及装置 | |
CN103138855A (zh) | 一种基于外场实测数据的无线网络信道模拟装置与方法 | |
CN103096363B (zh) | 模拟弱无线网络的方法和装置 | |
Zhang et al. | A QoE test system for vehicular voice cloud services | |
CN104683051A (zh) | 一种无线多径衰落信道仿真方法及信道仿真器 | |
CN113065060A (zh) | 基于深度学习的教育平台课程推荐方法及系统 | |
Varet et al. | Realistic network traffic profile generation: Theory and practice | |
CN103188719A (zh) | 中高速传感器网络测试系统 | |
CN104112003B (zh) | 对游戏终端的性能进行检测的方法及系统 | |
Laner et al. | Parsimonious network traffic modeling by transformed ARMA models | |
CN111935767B (zh) | 一种网络仿真系统 | |
Joshi et al. | FPGA implementation of channel emulator for testing of wireless air interface using VHDL | |
US20060009159A1 (en) | Protocol layer analysis in mobile device testing | |
Chuprov et al. | How degrading network conditions influence machine learning end systems performance? | |
KR101073402B1 (ko) | 네트워크의 트래픽 모의 및 유사성 검증방법 및 네트워크 트래픽 분석시스템 | |
CN117440407A (zh) | 一种lte无线网络的评估方法及服务器 | |
CN106485059A (zh) | 一种面向场景的移动网络仿真可信度量化评估方法 | |
CN111310796A (zh) | 一种面向加密网络流的Web用户点击识别方法 | |
CN114021364A (zh) | 一种基于Linux的水下传感器网络可视化仿真系统 | |
US11507803B2 (en) | System for generating synthetic digital data for data multiplication | |
CN107846586A (zh) | 视频流质量的监测方法、装置和服务端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |