基于流量預測的下一代網(wǎng)絡動態(tài)QoS研究.pdf

1、支持綜合業(yè)務應用的下一代網(wǎng)絡(NGN)的出現(xiàn)，要求在IP承載網(wǎng)上提供包括傳統(tǒng)電信業(yè)務在內(nèi)的多業(yè)務應用。NGN承載層與業(yè)務應用層間相互獨立、缺乏有效協(xié)商的致命缺點使傳統(tǒng)實時應用業(yè)務、保證型業(yè)務難以在NGN環(huán)境下獲得傳統(tǒng)電信業(yè)務所要求的QoS保證，這桎梏了NGN的大規(guī)模發(fā)展與應用。本文針對該問題，對承載層IPQoS控制與業(yè)務層接納控制間建立有效協(xié)商機制所涉及的相關問題進行了系統(tǒng)研究。 為掌握NGN業(yè)務的IP流量特征，本文分析了當前主

2、流的網(wǎng)絡流量模型，并利用實測NGN流量數(shù)據(jù)對網(wǎng)絡流量的重要特征進行了分析。論證了傳統(tǒng)流量模型未能揭示NGN流量的本質特征，在NGN流量分析應用中具有嚴格局限性；自相似及混沌動學模型由于反映了NGN流量的本質變化，在NGN流量分析中可作為網(wǎng)絡流量分析與建模的重要工具與方法；驗證了NGN流量數(shù)據(jù)具有周期性、自相似性與混沌特性。 基于小波信號分解與神經(jīng)網(wǎng)絡信號預測的相關原理，將小波神經(jīng)網(wǎng)絡引入NGN流量預測中，根據(jù)該預測模型的特點與實

3、際應用的需要提出了一個改進的小波神經(jīng)網(wǎng)絡預測模型。得出采用小波信號分解，并以分解流量信號訓練BP網(wǎng)絡將避免由于流量“混沌”特性而導致的網(wǎng)絡振蕩；采用具有尺度變化能力的小波信號取代神經(jīng)網(wǎng)絡的Sigmoid轉移函數(shù)，可使神經(jīng)網(wǎng)絡對NGN流量信號具有更好的逼近效果與精度；以低頻分量作為訓練樣本與預測數(shù)據(jù)的改進預測模型對預測效率具有有效改善。 基于NGN網(wǎng)絡流量的混沌特性，提出對其時間序列進行相空間重構，提取其Lyapunov指數(shù)，并基

4、于Lyapunov指數(shù)進行短期流量預測的混沌動力學預測模型。得出基于混沌動力學預測模型進行NGN流量預測時，需要的數(shù)據(jù)量少，且能有效利用所有的數(shù)據(jù)信息，預測方法算法復雜度低，計算量小，但該預測方法僅在短期預測前提下具有高效性，當預測時間變長時其預測精度下降。 基于IPQoS對NGN綜合業(yè)務的重要影響，仿真分析了IntServ、DiffServ、DiffServ+MPLS三種QoS方案，分析了各自的性能特征與適用范圍。 為

5、在NGNIP承載層與業(yè)務層間建立有效協(xié)商機制，提出了NGN全面QoS的概念，以及NGN全面QoS實現(xiàn)的基本原則及網(wǎng)絡模型；針對目前NGNQoS控制的兩種方案，靜態(tài)參數(shù)估計并固定配置法與基于測量的動態(tài)資源配置方法，分析了二者存在的缺陷或局限性，基于NGN流量的混沌與多重分形的本質特征，提出了基于流量預測的NGN動態(tài)QoS控制機制。經(jīng)OPNET仿真驗證，基于短期流量預測的動態(tài)QoS控制機制的NGN全面QoS模型在多業(yè)務應用的NGN中可顯著改

6、善網(wǎng)絡的QoS指標，并能有效提高網(wǎng)絡的吞吐量，比現(xiàn)有的兩種方案在改善NGNQoS性能方面具有顯著優(yōu)勢。 根據(jù)對動態(tài)QoS實現(xiàn)方案的相關特點的分析，總結出動態(tài)QoS實現(xiàn)方案的幾個關鍵性要求，基于此要求，提出了基于預測的動態(tài)QoS的兩種實現(xiàn)方案——基于SNMP的實現(xiàn)方案與基于移動代理的實現(xiàn)方案，并對兩種實現(xiàn)方案的主要性能指標進行了分析。得出，SNMP方案與移動代理方案各具優(yōu)缺點，可適用不同網(wǎng)絡應用環(huán)境。 最后，基于本文的研究