[发明专利]流量预测下结合改进队列管理算法的AOS智能帧生成方法

说明书

本发明公开了一种流量预测下结合改进队列管理算法的AOS智能帧生成方法，包括以下步骤：使用基于遗传算法优化小波神经网络的预测方法对信源ON/OFF模型产生的自相似流量进行预测；将预测结果引入改进的队列管理算法，队列管理模块采用改进的EARED队列管理算法；经过队列管理的流量接着进入帧生成模块，将数据流进行封装成帧，其中帧生成模块采用粒子群优化人工鱼群算法对帧生成算法；对成帧的数据进行虚拟信道调度，虚拟信道调度模块选择采用边界可移动的虚拟信道调度算法，最终完成数据流的传输过程。本发明能够有效地减少网络拥挤堵塞的产生，减少延时、降低丢包率、增加吞吐量等网络技术性指标。

技术领域

本发明通信技术，特别涉及一种流量预测下结合改进队列管理算法的AOS智能帧生成方法。

背景技术

现有的主动队列管理技术采用的是随机早检测RED算法和其优化衍生算法ARED等算法，同时常见的智能包复用技术是等时帧生成算法和高效率帧生成算法，下面进行相似描述：

RED算法

RED算法机制原理是如果虚拟通道中的数据包数量过大，首先，统计到达时间内数据包的平均队列，根据平均队列长度评估过载的实际情况，对数据包进行丢弃，在满足信道容量的情况下进入信道，然后将信道情况反馈给数据源，以此降低信源传输速率或传输时间，减少下一时刻进入信道的数据流量，从而达到拥塞控制的目的

(1)平均队列长度Q_avg：

通过加权平均策略来计算信道流量的平均队列长度Q_avg，如公式(1)所示：

Q_avg＝(1-W_q)×Q_avg+W_q×Q_curr (1)

其中：Q_avg是修正平均队列长度；W_q是范围在(0,1)的加权系数；Q_curr是虚拟信道当前实际队列长度。

(2)数据包丢弃概率P：

预先设定目标阈值范围的最小值min_th和最大值min_th，并与通过加权平均计算出的Q_avg进行对比，以此判定数据包丢弃概率：

①当Q_avg≤min_th时，信道传输流畅，不发生拥塞，数据包全部进入队列；

②当min_th＜Q_avg＜max_th时，数据包以1-P的概率进入队列；

③当max_th≤Q_avg时，信道已出现拥塞，没有剩余队列，此时应丢弃所有数据包。

概率值P_b和平均队列长Q_avg的关系，如下式(2)所示：

RED算法中Q_avg和P_b的关系如图1所示。

如图可知，当Q_avg小于min_th时，P_b为0，不丢弃数据包；当Q_avg在min_th与max_th之间时，数据包遵循线性丢弃概率P_b来丢弃，其最大值为max_p；当Q_avg大于max_th时，以P_b＝1来丢弃所有数据包。