[发明专利]一种基于对数坐标平均筛选的网络流量参数估计方法

说明书

技术领域

本发明属于计算机网络技术领域，涉及自相似网络流量领域中网络流量参数估计方法，能直接应用于实际网络中，实时准确估计网络流量的自相似(Hurst)参数。

背景技术

20世纪90年代初，W.E.Leland等人首次发现网络流量具有自相似特性。自相似性质是网络流量本质特性之一，它揭示了网络流量复杂的行为：网络流量在任何时间尺度下都是极度无规则的。也就是说，这种不规则性不仅表现为流量强度大幅度的波动，同时这种波动在长时间内持续相关。网络流量的自相似性质是传统网络流量分析中广泛应用的基于分析流量马尔可夫性的泊松模型无法描述的。当时间尺度增大时，泊松流量将趋于平滑，不规则性消失。将这种传统泊松模型应用于现代通信网络中，可能会从本质上对网络性能指标的估计，如延时，丢包率等，产生偏差。

自相似又称为单分形(monofractal)，是Mandelbrot在上世纪60年代首先提出的。自相似过程在不同尺度下统计特性保持不变。在数学上，过程X(t)是自相似，则：

X(t)=dc-HX(ct),∀t≥0,∀c>0---(1)]]>

其中H参数称为Hurst(自相似)参数。H参数是自相似特性的度量。H参数在自相似网络流量模型，如FBM，FARIMA，LFSN模型中起着核心作用，它体现了网络流量的自相似特性。H参数估计是网络流量自相似建模的关键步骤，如何准确、快速地从网络流量中提取H参数是网络流量自相似模型需要解决的重要问题。

在Hurst参数的估计方法中，R/S方法是最早也是最常用的方法，且具有很强的实用性和估计准确性。通过R/S方法计算序列的Hurst参数，首先要计算样本均值X_k和样本方差S²(n)，并定义一个调节尺度统计量(Rescaledadjusted range statistic，or R/S statistic)为