多度量网络拓扑估计方法研究

《多度量网络拓扑估计方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ＫＳｉ３Ｂ礁朵击糾乂＊葦ＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳＣＩＨＮＯＬＯＧＹＯＦＩＮＡＥＮＣＥＡＮＤＴＥＣＣＨ－Ｉｒ？．？？？■？＊硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳ’，如這Ｉ一＼ｊ．／．＾＾．．巧撕又度還豫＾Ａ．膠Ｉ着论文题圆多度量网络拓扑化计方法邮宛—違学科专此避信与信盘系统—．南学号２０１３２１０１０８１４作者姓名報１政独剑

2、性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育折构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：议日期：Ｖｆ（年厚日．卷琴论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或

3、机构送交论文的复印件和磁盘，允许论义被查阅和借阀。本人授权电子科技大学可将学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影巧、缩印或扫描等复制手段保存、汇编学位论文。（保密）的学位论文在解密后应遵守此规定签签名：奚：作者名＿导师叫斗每：《年日＞月日期／分类号密级注1UDC学位论文多度量网络拓扑估计方法研究（题名和副题名）李国政（作者姓名）指导教师于富财副教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业通信与信息系统提交论文日期2016

4、.4.20论文答辩日期2016.5.25学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。RESEARCHONMULTIMETRICNETWORKTOPOLOGYESTIMATIONMETHODAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:CommunicationandInformationSystemsAuthor:LiGuo

5、ZhengAdvisor:FucaiYuSchool:SchoolofCommunicationandInformationEngineering摘要摘要随着网络规模的日益增大和复杂，为了能够对网络性能进行及时有效的检测和调控，实时准确的获取网络拓扑结构具有非常重要的意义。基于网络层析成像的拓扑估计方法可以在不需要网络内部节点协作的情形下，通过端到端测量的测量方法获取路径状态参数，并根据路径状态参数的统计特性对网络拓扑结构进行估计。传统的网络层析成像方法都是以在整个测量周期内网络状态保持平稳为前

6、提的条件下进行拓扑估计的，但是在实际网络环境中，由于链路的流量是具有突发性的，使得前提条件不成立，从而使得最终得到的拓扑估计结果误差较大。当前存在的层析成像方法大都是利用一个度量参数对网络拓扑进行估计，而单个度量参数所蕴含的信息不够丰富，这使得仅仅利用一个度量对网络拓扑进行估计得到的拓扑结构不够准确。针对以上问题，本文提出了一种可以在非平稳网络环境下进行拓扑估计的多度量拓扑估计方法，主要工作包括以下两方面：1）基于序列后向搜索的度量优选方法：由于不同目的节点对在共享路径上的时延变化是相同的，本文

7、通过以时延信号为输入利用小波包分解提取得到多个共享路径长度的度量参数，但由于并不是所有的度量对网络拓扑估计都是有用的，因此本文提出了一种基于序列后向搜索的度量优选方法，通过利用序列后向搜索算法，对所有利用小波包分解获取得到的度量进行优选，最终得到一组最优的度量，并以此为基础组件多度量参数。2）基于半模糊聚类的非平稳网络拓扑估计方法：当前存在的网络层析成像方法大都通过节点融合或者分层聚类的方法进行拓扑估计，而这些方法都存在节点融合过度或者融合不足的缺点，为了能够准确的对网络拓扑进行估计，本文提出了

8、一种基于半模糊聚类的拓扑估计方法，该方法以多度量参数作为输入，对目的节点进行动态聚类，并从中选择最佳的聚类结果作为估计出的网络的拓扑结构。本文利用NS2对提出的方法进行仿真。仿真结果验证了在非平稳网络环境下，通过特征选择构建的多度量参数在非平稳网络环境下能够更准确的反映出非平稳网络的时变特性。同时，仿真结果表明，以多度量参数为输入的基于半模糊聚类的网络拓扑估计方法，能够有效地估计出网络拓扑结构，并且比基于分层聚类的网络拓扑估计方法得到估计结果具有更高的估计精度。本文还利用PlanetLab在实际