CN201146527Y - 网络参数测量系统 - Google Patents

Abstract

本实用新型涉及了一种网络参数测量系统，可应用到网络性能测量、分析、诊断、网络多媒体、网络应用和网络安全等领域。包括有中央控制器、源测试器、待测网络、目标测试器。网络参数测量系统体积小便于手持，带有针对间接测量网络参数、指标进行测量、分析、诊断的功能，相对于现有设备成本低廉；对点接入时间序列可用带宽分析方法，克服了PGM模型的假设限制，导致的模型与实际网络情况不符的问题，和PRM模型本身在测量过程中产生的测量数据包对网络造成影响，算法迭代导致的周期过长，和实时测量精度低的问题。

Description

网络参数测量系统

技术领域

本实用新型提出了一种网络参数测量系统，可应用到网络性能测量、分析、诊断、网络多媒体、网络应用和网络安全等领域。

背景技术

目前，网络路径可用带宽的测量技术主要基于两种模型：PGM(Probe GapModel)及PRM(Probe R ate Model)，前者是基于对网络路径数据流统计的直接计算方法；后者是高速发送不同速率数据包流的以迭代检测拥塞临界点。但是PGM是基于待测网络路径中网络窄链路与紧链路为同一链路及当测量包对的第二个包到达时第一个包还没有离开的前提假设，这样它所需要的网络容量参数可以由现有的容量测量工具来测量，但是这种假设在实际网络中是很难满足的，由于这个假设的限制，该模型在可用带宽测量中有其固有的不足；而PRM模型不断高速发送大量数据流阻塞网络，在真实网络测量时必会影响正常的网络数据传输，而且该方法很难准确地捕捉到转折点，由于不断迭代，在一次测量中可能需要较长的测量周期。

目前市场上没有专门对可用带宽进行测量的仪器，相关技术和仪器有Smartbits等网络性能测试和分析的大型网络测试仪，这类设缺少针对间接测量网络参数、指标进行测量、分析、诊断的功能，特别是可用带宽进行计算的功能，而且价格昂贵。

实用新型内容

本实用新型的目的是为了克服现有测量方法的上述缺陷，提供了一种网络参数测量系统。克服了PRM模型本身在测量过程中产生的测量数据包对网络造成影响，算法迭代导致的周期过长，和实时测量精度低的问题。

为了实现上述目的，本实用新型采取了如下技术方案。网络参数测量系统，其特征在于：包括有外部控制器1、源测试器2和目标测试器4；其中：所述的源测试器2包括有中央处理器2.5和与中央处理器2.5相连接的显示器2.3，所述的目标测试器4与源测试器2的电路结构相同；

外部控制器1的串口1.1与源测试器2的串口2.1相连，外部控制器1向源测试器2发送控制命令，接收源测试器2测试数据和分析结果；

源测试器2的以太网口2.2用于与待测网络3接入点3.1相连，源测试器2向待测网络3发送测试数据包，并接收待测网络3反馈的数据包；

待测网络3接入点3.1收到的测试数据包通过待测网络3传到接出点3.2，同理，接出点3.2发送的反馈数据包通过待测网络3传回接入点3.1；

目标测试器4的以太网口4.2用于与待测网络3的接出点3.2相连，接收源测试器2发送来的测试数据包，并通过以太网口4.2将处理结果发送至待测网络3接出点3.2，返回源测试器2，源测试器2对数据进行处理后，最终返回外部控制器1，从而构成闭环的网络参数测量系统。

对点接入时间序列可用带宽分析方法，是按如下步骤实现的：

步骤1：发送测量控制命令；

外部控制器1向源测试器2发送测量控制命令，测量控制命令包括目标测试器4的IP地址和测量策略；测量数据流的条数n(12≤n≤20)，每个测量数据流包含的数据包的个数M(30≤M≤120)和每个数据包的大小L(64≤L≤1500)，这三个参数的取值范围是由正交试验确定的；

步骤2：生成、发送测试数据

源测试器2接收到测量控制命令后，对测量控制命令进行分析，以递增速率Ri(i＝1，…n)向待测网络3发送n条测量数据包流，每条测量数据流包含如下参数：目标测试器4的IP地址、数据包的个数M、每个数据包的大小L、测量数据流ID(ID＝1，…，n)、每条测量数据流内相邻数据包间隔ΔTinⁱ(i＝1，…，n)、发送速率Ri(i＝1，…n)；

测量数据包流通过待测网络3到达目标测试器4；

步骤4：数据采集：

对每条测量数据流内数据包到达时间采样，得到时间序列T_j ⁱ(i＝1，…，n；j＝1，…，m)，其中i为测量数据流的ID号，j为第i条测量数据流内第j个数据包，由于在待测网络3传输过程中，会有数据包的丢失，所以j＜＝M；T_j ⁱ即表示第i条测量数据包流内第j个数据包的到达时间；通过接收的时间序列数据，计算接收的每条测量数据包流内相邻数据包的时间间隔Tout_j ⁱ：

${\mathrm{\ΔTout}}_j^i=T_{j+1}^i-T_j^i,(i=1,\·\·\·,n;j=1,\·\·\·,m-1)---\left(1\right)$

步骤5：数据预处理

对接收的每条测量数据包流内相邻数据包的时间间隔Tout_j ⁱ进行检验，对震动过大的噪音数据进行处理，删除明显偏离相邻数据的异常值，删除原则为：

对第j个Tout_j ⁱ与之前或之后各a个时间间隔的平均值进行求差，其中(j-a)≥0或(j+a)≤(m-1)，如果差值的绝对值大于之前或之后a个时间间隔的相邻间隔之差绝对值的平均值，则删除第j个Tout_j ⁱ，即

$|{\mathrm{Tout}}_j^i-\frac{\underset{p=1}{\overset{a}{\mathrm{\Σ}}}{\mathrm{Tout}}_{j-p}^i}{a}|\×\mathrm{\β}>\frac{\underset{p=1}{\overset{a-1}{\mathrm{\Σ}}}|{\mathrm{Tout}}_{j-p}^i-{\mathrm{Tout}}_{j-p-1}^i|}{a-1}---\left(2\right)$

或

$|{\mathrm{Tout}}_j^i-\frac{\underset{p=1}{\overset{a}{\mathrm{\Σ}}}{\mathrm{Tout}}_{j+p}^i}{a}|\×\mathrm{\β}>\frac{\underset{p=1}{\overset{a-1}{\mathrm{\Σ}}}|{\mathrm{Tout}}_{j+p}^i-{\mathrm{Tout}}_{j+p+1}^i|}{a-1}---\left(3\right)$

公式(2)及(3)中β(0≤β≤1)为界定强度；如果第j个Tout_j ⁱ满足(2)或(3)，则删除该值；

对接收的数据进行检验后，由公式(4)计算出第i条测量数据流内的数据包的时间间隔的均值ΔToutⁱ；

$\stackrel{\‾}{{\mathrm{\ΔTout}}^i}=\frac{1}{m-1}\underset{j=1}{\overset{m-1}{\mathrm{\Σ}}}\left(\mathrm{\Δ}{\mathrm{Tout}}_j^i\right)---\left(4\right)$

根据测量数据包流数据ΔTinⁱ，通过公式(5)得到ΔT_i，

ΔT_i＝ΔToutⁱ-ΔTinⁱ(i＝1，…，n)    (5)

该数据与测量数据流速率Ri做为曲线拟合的待拟合数据(R_i，ΔT_i)：

步骤5：曲线拟合

使用非线性最小二乘数据拟合方法对预处理得到(R_i，ΔT_i)的数据进行曲线拟合，得到曲线拟合方程F(x)；

步骤6：估计可用带宽值A

目标测试器4使用拐点收敛计算方法，对数据拟合函数的拟合曲线进行计算，最终得到拟合曲线的唯一拐点值，即待测网络的路径可用带宽参数的测量估计值A；

步骤7：返回测量结果

目标测试器4通过待测网络3将A返回源测试器2，然后源测试器2将待测网络参数测量4结果返回外部控制器1。

本实用新型的与现有技术相比的优势：

1.网络参数测试系统采用了嵌入式硬件电路设计，体积小便于手持，带有针对间接测量网络参数、指标进行测量、分析、诊断的功能，同时作为一个低成本的专项测量仪器，其在性价比上有其很大的优势。

2.对点接入时间序列可用带宽分析方法，采用“黑箱”模型，克服了PGM模型的假设限制，导致的模型与实际网络情况不符的问题。

3.对点接入时间序列可用带宽分析方法，通过单次发送测试流，然后再对经过网络路由的测试流进行曲线拟合，然后对拟合的曲线进行拐点的求值以估计可用带宽，克服了PRM模型本身在测量过程中产生的测量数据包对网络造成影响，算法迭代导致的周期过长，和实时测量精度低的问题。

附图说明

附图1网络参数测量系统系统连接图

附图2测试器硬件框图

附图3网络参数测量系统软件流程图

具体实施方式

下面结合图1～图4详细说明本实施例。

本实施例包括有外部控制器1、源测试器2和目标测试器4；其中：源测试器2和目标测试器4采用了相同的测试器5硬件电路，区别是测试器5应用于源测试端时，运行源测试程序，称之为源测试器2，当测试器5应用于目标测试端时，运行目标测试程序，称之为目标测试器4；

其中测试器5包括有串口5.1，以太网口5.2，显示器5.3，键盘5.4和中央处理器5.5五部分组成；测试器5工作于四种工作模式：源测试器独立工作模式，源测试器主从工作模式，目标测试器独立工作模式，目标测试器独立主从工作模式。

串口5.1的连接方法根据测试器5的四种不同工作方式而定：当测试器5工作于源测试器独立工作模式，目标测试器4独立工作模式，目标测试器独立主从工作模式时，串口5.1无需连接，即不与外部控制器1相连接；当测试器5工作于源测试器主从工作模式时，串口5.1即串口2.1与外部控制器1串口相连接，用于接收命令和返回测量数据及分析结果；串口5.1通过串行数据总线与中央处理器5.5相连接，实现中央处理器5.5与外部控制器1的通讯；

以太网接口5.2的连接根据测试器5的四种不同工作方式而定：当测试器5工作于源测试器独立工作模式，源测试器主从工作模式时，以太网接口5.2与待测网络3的接入点3.1相连，发送测试数据并接收反馈数据；当测试器5工作于目标测试器独立工作模式，目标测试器独立主从工作模式时，以太网接口5.2与待测网络3的接出点3.2相连，接收测试数据并发送反馈数据；以太网接口5.2与中央处理器5.5的网络接口相连，实现中央处理器5.5与待测网络3的通讯；

显示器5.3的图像输入接口通过图像传输数据线与中央处理器5.5的图像输出接口相连接，中央处理器5.5将要显示的图像数据置于显示缓存中，通过上述图像传输数据线传到显示器5.3显示；

键盘5.4通过位控制总线直接与中央处理器5.5的位控制引脚连接，实现开关量的输入。

1、网络参数测量系统实现方案：

如图1所示，网络参数测量系统由外部控制器1、源测试器2、待测网络3和目标测试器4四个主要部分构成。以下是这四个部分的连接关系：

外部控制器1的串口1.1与源测试器2的串口2.1相连，外部控制器1向源测试器2发送控制命令，接收源测试器2测试数据和反馈数据；

源测试器2的以太网口2.2和待测网络3接入点3.1相连，源测试器2向待测网络3发送测试数据包，并接收待测网络3反馈的数据包；

待测网络3接入点3.1收到的测试数据包通过待测网络3传到接出点3.2，同理，接出点3.2发送的反馈数据包通过待测网络3传回接入点3.1；

目标测试器4的以太网口4.2与待测网络3的接出点3.2相连，接收源测试器2发送来的测试数据包，并通过以太网口4.2将处理结果发送至待测网络3接出点3.2，返回源测试器2，源测试器2对数据进行处理后，最终返回外部控制器1，从而构成闭环的网络参数测量系统。

本实施例中选用PC机作为外部控制器1，PC机的串口与源测试器2的串口2.1连接，设置工作方式及控制命令。

源测试器2和目标测试器4采用相同的硬件电路——测试器5，测试器的串口5.1、以太网口5.2、显示器5.3、键盘5.4、中央处理器5.5分别对应源测试器的串口2.1、以太网口2.2、显示器2.3、键盘2.4、中央处理器2.5，同理也分别对应目标测试器4的串口4.1、以太网口4.2、显示器4.3、键盘4.4、中央处理器4.5。

测试器5选用ADI的BlackFin537芯片作为中央处理器5.5。BlackFin537自带两个UART接口，其中UART1的RX、TX与通讯芯片MAX232的输入端Rin、Tin连接，MAX232的输出Rout、Tout分别与串口端子2，3脚连接，串口端子5脚与系统共地，构成测试器的串口5.1。UART2预留用于接串口LCD显示器。BlackFin537自带CAN接口，预留用于连接工业设备。

BlackFin537自带一个MAC层网络控制器，通过数据、地址、控制总线与网卡芯片LAN83C185输入端连接。网卡输出端Txp、Txn、Rxp、Rxn接RJ45底座，构成以太网口5.2，通过网线与网络设备相连。

BlackFin537的位控制总线P0-P7与8只LED连接，构成了显示器5.3；P8-P11与4个按键连接，构成了键盘5.4。实现了工作模式、测试器状态的人机交互操作。

待测网络3由路由器、交换机、防火墙等网络设备构成，在实际应用中设备和情况更为复杂，待测网络3的接入点3.1与源测试器2的以太网口2.2通过网线连接；待测网络3的接出点3.2与目标测试器4的以太网口4.2通过网线连接。网络参数测量系统与对点接入时间序列可用带宽分析方法测量的参数即为待测网络3的接入点3.1与接出点3.2之间的情况。

对点接入时间序列可用带宽分析方法实现方法如下：

网络参数测量系统与对点接入时间序列可用带宽分析方法是按如下步骤实现的：

步骤1：发送测量控制命令

外部控制器1向源测试器2发送测量控制命令，测量控制命令包括目标测试器4的IP地址和测量策略；

其中测量策略包括以下参数：测量数据流的条数n(12≤n≤20)，每个测量数据流包含的数据包的个数M(30≤M≤120)和每个数据包的大小L(64≤L≤1500)，这三个参数的取值范围是由正交试验确定的，本实施例中n取20，M取90，L取128；

步骤2：生成、发送测试数据

源测试器2接收到测量控制命令后，对测量控制命令进行分析，以递增速率Ri(i＝1，…n)向待测网络3发送n条测量数据包流，每条测量数据包流包含如下参数：

目标测试器4的IP地址、数据包的个数M、每个数据包的大小L、测量数据流ID(ID＝1，…，n)、每条测量数据流内相邻数据包间隔ΔTinⁱ(i＝1，…，n)、发送速率Ri(i＝1，…n)；

测量数据包流通过待测网络3到达目标测试器4。

步骤4：数据采集：

采样每条测量数据包流流内数据包到达时间序列T_j ⁱ(i＝1，…，n；j＝1，…，m)，其中i为探测流的ID号，j为第i条探测流内第j个数据包，由于在待测网络3传输过程中，会有数据包的丢失，所以j＜＝M。T_j ⁱ即表示第i条测量数据包流内第j个数据包的到达时间。通过接收的时间序列数据，计算接收的每条测量数据包流内相邻数据包的时间间隔Tout_j ⁱ：

${\mathrm{\ΔTout}}_j^i=T_{j+1}^i-T_j^i,(i=1,\·\·\·,n;j=1,\·\·\·,m-1)---\left(1\right)$

步骤5：数据预处理

对接收的每条测量数据包流内相邻数据包的时间间隔Tout_j ⁱ进行检验，对震动过大的噪音数据进行处理，删除明显偏离相邻数据的异常值。删除原则为：对第j个Tout_j ⁱ与之前或之后a个时间间隔的平均值进行求差，其中(j-a)≥0或(j+a)≤(m-1)，如果差值的绝对值大于之前或之后a个时间间隔的相邻间隔之差绝对值的平均值，则删除第j个Tout_j ⁱ，即

$|{\mathrm{Tout}}_j^i-\frac{\underset{p=1}{\overset{a}{\mathrm{\Σ}}}{\mathrm{Tout}}_{j-p}^i}{a}|\×\mathrm{\β}>\frac{\underset{p=1}{\overset{a-1}{\mathrm{\Σ}}}|{\mathrm{Tout}}_{j-p}^i-{\mathrm{Tout}}_{j-p-1}^i|}{a-1}---\left(2\right)$

或

$|{\mathrm{Tout}}_j^i-\frac{\underset{p=1}{\overset{a}{\mathrm{\Σ}}}{\mathrm{Tout}}_{j+p}^i}{a}|\×\mathrm{\β}>\frac{\underset{p=1}{\overset{a-1}{\mathrm{\Σ}}}|{\mathrm{Tout}}_{j+p}^i-{\mathrm{Tout}}_{j+p+1}^i|}{a-1}---\left(3\right)$

公式(2)及(3)中β(0≤β≤1)为界定强度。如果第j个Tout_j ⁱ满足(2)或(3)，则删除该值。

对接收的数据进行检验后，由公式(4)计算出第i条测量数据包流内的数据包的时间间隔的均值ΔToutⁱ。

$\stackrel{\‾}{{\mathrm{\ΔTout}}^i}=\frac{1}{m-1}\underset{j=1}{\overset{m-1}{\mathrm{\Σ}}}\left(\mathrm{\Δ}{\mathrm{Tout}}_j^i\right)---\left(4\right)$

根据测量数据包流数据ΔTinⁱ，通过公式(5)得到ΔT_i，该数据与测量数据包流速率Ri一起做为曲线拟合的待拟合数据：

ΔT_i＝ΔToutⁱ-ΔTinⁱ(i＝1，…，n)    (5)

步骤5：曲线拟合

使用非线性最小二乘数据拟合方法对预处理得到(R_i，ΔT_i)的数据进行曲线拟合。具体步骤如下：

第1步：网络可用带宽非线性回归模型的建立

经过我们的实验分析，在不同网络环境下，及在不同网络背景流模式环境下，包括随机数据包背景流模式及模拟Internet数据包背景流模式精确Imix。通过实验对接收测量数据包流相邻数据包时间间隔平均值与该测试数包流初始的时间间隔之差ΔT_i关于发送速率Ri的进行数据拟合，发现当发送速率Ri大于及等于当前可用带宽时，在接收端，ΔT_i具有相似的表示形式；相对的，当Ri小于当前可用带宽时，ΔT_i同样具有相似的表示形式，每个表达式对应一组不同的参数，这些表达式就是我们所要建立的非线性回归模型，表达式为：

$F_1\left(x\right)=e^{(-x+{\mathrm{\λ}}_1)}+{\mathrm{\ϵ}}_1---\left(6\right)$

$F_2\left(x\right)={\mathrm{\λ}}_2\×\frac{1}{x}+{\mathrm{\ϵ}}_2---\left(7\right)$

F＝max(F₁，F₂)    (8)

公式(6)和(7)中x为测量数据包流的发送速率Ri，F为ΔT_i，λ₁、λ₂、ε₁、ε₂为待估计的参数，用一般的非线性回归模型形式可写为：

F_i＝φ(x_i；λ₁，λ₂，ε₁，ε₂)+e_i  (i＝1，2，…，n)    (9)

公式(9)中φ为非线性函数，e_i为回归误差，用简写矩阵形式表示该模型为：

F＝φ(X；θ)+e    (10)

公式(10)中F＝(F₁，F₂，…，F_n)^T；X＝(x₁，x₂，…，x_n)^T；θ＝(λ₁，λ₂，ε₁，ε₂)^T；e＝(e₁，e₂，…，e_n)^T。

第2步：非线性最小二乘估计牛顿法曲线拟合

该可用带宽测量模型具有一个回归自变量x_i，四个回归参数λ₁、λ₂、ε₁、ε₂组成回归参数向量。通过对可用带宽测量模型进行拟合，估计其参数，最终通过求拟合曲线的拐点估计出当前可用带宽值。拟合该模型，我们采用了最小二乘原则，该模型的总平方误差可表示为：

$E\left(\mathrm{\θ}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[F_i-\mathrm{\φ}(x_i;\mathrm{\θ})]---\left(11\right)$

在E为最小的条件下求得参数估计λ₁、λ₂、ε₁、ε₂。由于估计参数是x的非线性参数，我们无法由E对λ₁、λ₂、ε₁、ε₂的导数为零来解出最佳的参数值。高斯-牛顿法是基于对非线性回归模型的近似线性化的原理，所以我们采用非线性最小二乘数据拟合(牛顿法)来进行拟合。在初值θ₀处将可用带宽测量参数回归函数展成泰勒级数，并取其一阶近似：

$\mathrm{\φ}(x_i;\mathrm{\θ})=\mathrm{\φ}(x_i;{\mathrm{\θ}}_0)+\frac{\∂\mathrm{\φ}(x_i;\mathrm{\θ})}{{\∂\mathrm{\λ}}_1}|{\mathrm{\θ}}_0({\mathrm{\λ}}_1-{\mathrm{\λ}}_{\mathrm{1,0}})$

$+\frac{\∂\mathrm{\φ}(x_i;\mathrm{\θ})}{{\∂\mathrm{\λ}}_2}|{\mathrm{\θ}}_0({\mathrm{\λ}}_2-{\mathrm{\λ}}_{\mathrm{2,0}})+$

$\frac{\∂\mathrm{\φ}(x_i;\mathrm{\θ})}{{\∂\mathrm{\ϵ}}_1}|{\mathrm{\θ}}_0({\mathrm{\ϵ}}_1-{\mathrm{\ϵ}}_{\mathrm{1,0}})+---\left(12\right)$

$\frac{\∂\mathrm{\φ}(x_i;\mathrm{\θ})}{{\∂\mathrm{\ϵ}}_2}|{\mathrm{\θ}}_0({\mathrm{\ϵ}}_2-{\mathrm{\ϵ}}_{\mathrm{2,0}}),(i=\mathrm{1,2},\·\·\·,n)$

在公式(12)中λ_1，0，λ_2，0，ε_1，0，ε_2，0分别是参数的初值。定义φ(x_i；θ)对θ的梯度为：

$g_i={(\frac{\∂\mathrm{\φ}(x_i;\mathrm{\θ})}{{\∂\mathrm{\λ}}_1},\frac{\∂\mathrm{\φ}(x_i;\mathrm{\θ})}{{\∂\mathrm{\λ}}_2},\frac{\∂\mathrm{\φ}(x_i;\mathrm{\θ})}{{\∂\mathrm{\ϵ}}_1},\frac{\∂\mathrm{\φ}(x_i;\mathrm{\θ})}{\∂{\mathrm{\ϵ}}_2})}^T---\left(13\right)$

其灵敏系数矩阵为

$G=\left[\begin{array}{cccc}\frac{\∂\mathrm{\φ}(x_1;\mathrm{\θ})}{{\∂\mathrm{\λ}}_1}& \frac{\∂\mathrm{\φ}(x_1;\mathrm{\θ})}{{\∂\mathrm{\λ}}_2}& \frac{\∂\mathrm{\φ}(x_1;\mathrm{\θ})}{{\∂\mathrm{\ϵ}}_1}& \frac{\∂\mathrm{\φ}(x_1;\mathrm{\θ})}{{\∂\mathrm{\ϵ}}_2}\\ \frac{\∂\mathrm{\φ}(x_2;\mathrm{\θ})}{{\∂\mathrm{\λ}}_1}& \frac{\∂\mathrm{\φ}(x_2;\mathrm{\θ})}{\∂{\mathrm{\λ}}_2}& \frac{\∂\mathrm{\φ}(x_2;\mathrm{\θ})}{{\∂\mathrm{\ϵ}}_1}& \frac{\∂\mathrm{\φ}(x_2;\mathrm{\θ})}{{\∂\mathrm{\ϵ}}_2}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ \frac{\∂\mathrm{\φ}(x_n;\mathrm{\θ})}{\∂{\mathrm{\λ}}_1}& \frac{\∂\mathrm{\φ}(x_n;\mathrm{\θ})}{{\∂\mathrm{\λ}}_2}& \frac{\∂\mathrm{\φ}(x_n;\mathrm{\θ})}{{\∂\mathrm{\ϵ}}_1}& \frac{\∂\mathrm{\φ}(x_n;\mathrm{\θ})}{{\∂\mathrm{\ϵ}}_2}\end{array}\right]---\left(14\right)$

当θ＝θ₀时，G＝G₀，将(12)式代入(9)中，这时：

F＝φ(X；θ₀)+G₀(θ-θ₀)+e    (15)

令μ₀＝F-φ(X；θ₀)，由式(15)可求得参数θ与初值之差μ的线性化最小二乘估计为

按如下的迭代格式逐次接近θ：

θ_m＝θ_m-1+μ_m-1

迭代过程直到‖μ_m-1‖＜σ，其中σ为精度设定值，从而获得λ1，λ₂，ε₁，ε₂的最小二乘估计值。

步骤6：估计可用带宽值A

目标测试器4使用拐点收敛计算方法，对数据拟合函数的拟合曲线进行计算，最终得到拟合曲线的唯一拐点值，即待测网络的路径可用带宽参数的测量估计值A。

步骤7：返回测量结果

目标测试器4通过待测网络3将A返回源测试器2，然后源测试器2将待测网络参数测量4结果返回外部控制器1。

Claims (1)

1、网络参数测量系统，其特征在于：包括有外部控制器(1)、源测试器(2)和目标测试器(4)；其中：所述的源测试器(2)包括有中央处理器(2.5)和与中央处理器(2.5)相连接的显示器(2.3)，所述的目标测试器(4)与源测试器(2)的电路结构相同；

外部控制器(1)的串口(1.1)与源测试器(2)的串口(2.1)相连，外部控制器(1)向源测试器(2)发送控制命令，接收源测试器(2)测试数据和分析结果；

源测试器(2)的以太网口(2.2)用于与待测网络(3)接入点(3.1)相连，源测试器(2)向待测网络(3)发送测试数据包，并接收待测网络(3)反馈的数据包；

待测网络(3)接入点(3.1)收到的测试数据包通过待测网络(3)传到接出点(3.2)，同理，接出点(3.2)发送的反馈数据包通过待测网络(3)传回接入点(3.1)；

目标测试器(4)的以太网口(4.2)用于与待测网络(3)的接出点(3.2)相连，接收源测试器(2)发送来的测试数据包，并通过以太网口(4.2)将处理结果发送至待测网络(3)接出点(3.2)，返回源测试器(2)，源测试器(2)对数据进行处理后，最终返回外部控制器(1)。

Images