[发明专利]基于杠杆采样的网络时延估计方法

权利要求书

1.一种基于杠杆采样的网络时延估计方法，其特征在于，包括以下步骤：

步骤S1：采集端到端网络的时延数据，并构造为张量模型；

步骤S2：在预设的时间间隙内，随机选择网络中的节点对测量其时延数据；

步骤S3：根据测量到的时延数据，计算时延张量的杠杆分数以及下一时隙各节点对的采样概率；

步骤S4：根据杠杆分数选择分数大于阈值的节点对并测量其时延；

步骤S5：重复步骤S3和S4直到采样完成，得到相应的采样值；

步骤S6：根据得到的采样值，利用基于张量奇异值分解的交替方向乘子法进行张量填充，估计未知的网络时延数据。

2.根据权利要求1所述的基于杠杆采样的网络时延估计方法，其特征在于，所述步骤S1具体为：对于包含n个节点的端到端网络，分析在n₃个时隙内的时延变化情况，将时延数据构造为一个三阶张量模型,记为其中，表示第i个节点到第j个节点在第k个时隙的时延。

3.根据权利要求2所述的基于杠杆采样的网络时延估计方法，其特征在于，所述步骤S2具体为：

步骤S21:在n₃个时隙内，按照设定的比例β选择前l个连续的时隙，即l＝βn₃；

步骤S22:在前l个连续的时隙内，根据给定的采样比例α，在每个时隙随机地选择m＝n×n×α个节点对并测量其时延；

步骤S23:将第k个时隙的采样样本集合记为Ω_k，k＝1，...，l,记

步骤S24:初始化一个全零采样张量用于记录样本值，并更新为

4.根据权利要求1所述的基于杠杆采样的网络时延估计方法，其特征在于，所述步骤S3具体为：

步骤S31:令k＝k+1；

步骤S32:采用张量奇异值分解方法计算采样张量的奇异值分解：

步骤S33:计算第k个时隙的各节点对(i，j)的采样概率：

其中，r为张量的秩，μ_i和v_j分别是采样张量第i行和第j列的杠杆分数：其中，||·||_F表示张量Frobenius范数。

5.根据权利要求4所述的基于杠杆采样的网络时延估计方法，其特征在于，所述步骤S4具体为：

步骤S41：根据采样概率p_ij，在第k个时隙选择采样概率最大的m个节点对测量其时延；

步骤S42：将在第k个时隙新采样到的样本记为Ω_k，更新Ω和如下：Ω＝Ω∪Ω_k，

6.根据权利要求1所述的基于杠杆采样的网络时延估计方法，其特征在于，所述步骤S6具体为：

步骤S61:所有已知样本的集合为Ω，采样张量为引入两个中间变量和对未知变量进行迭代交替优化：

其中，ρ＞0，s表示迭代次数，1_(·)代表指示函数，表示张量核范数；

步骤S62:经过优化得到的解表示为：

即为最后恢复得到的网络时延数据。