[发明专利]一种在线检测网络共享拥塞路径的方法

摘要

一种在线检测网络共享拥塞路径的方法，该方法首先采用主动测量的方法获得各路径上的单向时延样本；根据主成分分析中特征向量和特征值反映出的路径之间的相关性，将每条路径的时延测量数据映射到新的、低维空间中的一个点，共享拥塞的路径在该空间中对应的点会聚集在一起；然后对空间中的点进行聚类分析，从而准确地识别出共享拥塞的路径。本发明提出的共享拥塞检测方法是一种可扩展的方法，可以同时分析多条不同源和目的路径的共享拥塞情况，计算复杂性低，可以在较短的时间内正确地识别出改变后的共享拥塞路径，满足在线实时检测的需要。

主权项

一种在线检测网络共享拥塞路径的方法，其特征是它包括下列步骤：A.网络测量步骤：设测量的路径条数为m，对于每一条路径，从源节点向目的节点以固定的时间间隔发送UDP探测分组；然后目的节点接收到探测分组后计算单向时延，并将探测分组的时间戳和单向时延值发送给源节点；最后源节点接收到响应分组后记录下时间戳和单向时延作为该路径的一个时延样本；第i条路径在第j个测量间隔的单向时延记为xij，将第j个测量间隔得到的所有路径测量的单向时延组成一个向量x(j)＝[x1j，x2j，xij，...xmj]T，称为第j个样本；B.样本零均值处理步骤：当一个新的样本x(n)输入时，即当j＝n时，增量地计算样本均值，按(1)式计算前n个样本的均值为μ(n)， μ ( n ) = n - 1 n μ ( n - 1 ) + 1 n x ( n ) - - - ( 1 ) 然后按(2)式对样本x(n)进行零均值处理，得到x′(n)；x′(n)＝x(n)‑μ(n)              (2)C.增量地计算前n个样本的协方差矩阵的特征向量vi和特征值λi，i＝1，2，...，min{m，n}，包括以下步骤：(1)令x1(n)＝x′(n)(2)对于每一个i＝1，2，...，min{m，n}做以下步骤：(a)如果i＝n，那么初始化第i个特征向量为vi(n)＝xi(n)，(b)否则，计算(3)式和(4)式。 v i ( n ) = n - 1 - l n v i ( n - 1 ) + 1 + l n x i ( n ) x i T ( n ) v i ( n - 1 ) | | v i ( n - 1 ) | | - - - ( 3 ) x i + 1 ( n ) = x i ( n ) - x i T ( n ) v i ( n ) | | v i ( n ) | | v i ( n ) | | v i ( n ) | | - - - ( 4 ) 其中l为遗忘因子，取值为2，3或4。(3)标准化vi(n)得到第i个特征向量和特征值。按(5)式计算第i个特征向量vi，按(6)式计算第i个特征值λi；vi＝vi(n)/||vi(n)||                (5)λi＝||vi(n)||                     (6)D.确定时延序列的主成分个数r步骤：按(7)式计算累积方差贡献率，对事先选定的累计方差贡献率阈值c0，确定主成分的个数r满足αr≥c0且r最小，c0的取值范围为[80％，95％]， α r = Σ i = 1 r λ i / Σ i = 1 m λ i - - - ( 7 ) E.投影步骤，得到各路径时延样本的投影：用V表示由前r个特征向量构成的特征向量矩阵，用∑表示由前r个特征值构成的对角阵，按(8)式将特征向量矩阵V向特征值对角阵∑投影得到投影矩阵S，S中的一行对应一条路径时延数据的投影； S = s 1 s 2 M s m = VΣ = v 11 v 12 L v 1 r v 21 v 22 L M M O v m 1 v m 2 L v mr λ 1 0 L 0 0 λ 2 L 0 M M O M 0 0 L λ r - - - ( 8 ) F.聚类步骤：将S中每一行看作r维空间中的一个坐标点，用聚类算法对这m个坐标点进行聚类，离得近的坐标点将被分在一类中，对应的路径被分在同一类中，这样在同一类中的路径共享相同的拥塞链路，即为共享拥塞路径。