資源描述：
《多源網(wǎng)絡(luò)層析技術(shù)在拓撲推測中的應(yīng)用研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、重慶郵電人學(xué)碩士論文摘要摘要隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)結(jié)構(gòu)也在發(fā)生深刻變化，要成功設(shè)計、控制和管理網(wǎng)絡(luò)，就需要了解和掌握網(wǎng)絡(luò)的內(nèi)部特性。由于網(wǎng)絡(luò)日益向著大型化、異構(gòu)化、分布化發(fā)展，通過直接進行網(wǎng)絡(luò)測量的方法，來獲得網(wǎng)絡(luò)內(nèi)部鏈路的時延和丟包率參數(shù)就變得越來越困難，網(wǎng)絡(luò)層析技術(shù)作為一種通過端到端的測量數(shù)據(jù)來推斷網(wǎng)絡(luò)鏈路性能參數(shù)或網(wǎng)絡(luò)拓撲結(jié)構(gòu)的技術(shù)正成為研究的熱點之一。目前網(wǎng)絡(luò)層析技術(shù)主要關(guān)注于從單個源發(fā)送到多個網(wǎng)絡(luò)目的節(jié)點的樹型網(wǎng)絡(luò)邏輯拓撲，而對多源網(wǎng)絡(luò)層析的拓撲推測和非平穩(wěn)網(wǎng)絡(luò)下的拓撲推測算法研究甚少。本文主要對多源網(wǎng)絡(luò)層析的
2、拓撲推測和非平穩(wěn)網(wǎng)絡(luò)的拓撲推測進行了研究。首先介紹了網(wǎng)絡(luò)層析技術(shù)的基本原理與實現(xiàn)方法，以及當前網(wǎng)絡(luò)層析技術(shù)領(lǐng)域的最新發(fā)展。接著對目前不同于傳統(tǒng)的最大似然估計算法的分組網(wǎng)絡(luò)拓撲基本原理和推測算法進行了描述。然后采用判斷共享與非共享的網(wǎng)絡(luò)拓撲的多源網(wǎng)絡(luò)探測包機制，在單源分組網(wǎng)絡(luò)拓撲推測的基礎(chǔ)上，以端到端丟包率函數(shù)的單調(diào)性為依據(jù)，提出了基于共享鏈路性能函數(shù)相關(guān)性的多源網(wǎng)絡(luò)拓撲推測算法和采用整合算法解決鏈路丟包率動態(tài)變化的非平穩(wěn)網(wǎng)絡(luò)拓撲算法。最后仿真驗證了推測算法的有效性?？傮w來說，本文主要貢獻如下：1．提出了一種基于共享鏈路性能函
3、數(shù)相關(guān)性的多源網(wǎng)絡(luò)拓撲推測算法。將單源‘網(wǎng)絡(luò)的分組拓撲推測思想應(yīng)用到多源網(wǎng)絡(luò)拓撲推測中，以端到端丟包率函數(shù)的單調(diào)性為依據(jù)，用判斷共享與非共享的探測包機制實現(xiàn)了內(nèi)部節(jié)點中的分叉節(jié)點和合并節(jié)點的推測。該算法解決了單源網(wǎng)絡(luò)層析的拓撲推測未能推測合并節(jié)點的問題，使網(wǎng)絡(luò)拓撲推測更加準確。仿真結(jié)果表明，算法只要較少的探測包發(fā)送就能較準確地推測出多源網(wǎng)絡(luò)邏輯拓撲。2．提出了一種基于單源網(wǎng)絡(luò)拓撲整合的非平穩(wěn)網(wǎng)絡(luò)拓撲推測算法。在丟包率動態(tài)變化的非平穩(wěn)網(wǎng)絡(luò)拓撲推測中，目前的網(wǎng)絡(luò)層析拓撲推測算法不能推測出鏈路丟包率小于靜態(tài)門限f的鏈路，本文通過以
4、丟包率為度量函數(shù)的從底向上的拓撲整合算法實現(xiàn)非平穩(wěn)網(wǎng)絡(luò)拓撲推測的完整性。仿真結(jié)果表明，隨著探測包數(shù)量的增加，只要選擇合適的靜態(tài)門限孝就能較準確地推測出完整的邏輯網(wǎng)絡(luò)拓撲。關(guān)鍵詞：單源網(wǎng)絡(luò)層析多源網(wǎng)絡(luò)層析拓撲推測鏈路丟包率非平穩(wěn)網(wǎng)絡(luò)AbstractTheknowledgeofnetworkparametersallowsnetworkengineerstoimprovethenetworkdesign，controlandoperate．Itishardtogettheimportantparameterssuchaslink
5、delayandlossratedirectly,becausetheInternethasbecomesmassive，distributedandheterogeneous．NetworkTomographyisnowahotspotforinferencetheinternallinkperformanceorlogictopologywiththeend—to-endmeasurementdata．Butasfarastopologyinferenceisconcerned，currentworksonlymakec
6、ontributionstosingle-sourcenetworktomography,whilehavingdonemuchlessontheresearchonthetopologyinferenceinmultiplesourcenetworktomographyandnonstationarynetworktopologyinference．Thispaperconcentratesonthemethodsandmethodologiesoflogicaltopologyinferencebasedmultiple
7、sourcenetworktomographyandinthenonstationarynetwork．Firstly，themechanismofnetworktomographytechnologyisintroducedandcurrentdevelopmentisanalysedinnetworktomographyresearchfield．Secondly,groupingnetworktopologyinferencealgorithmsotherthanmaximumlikelihoodestimator(M
8、LE)isanalyzed．Thirdly,accordingtothemonotonyofend-to·endlossratio，Aalgorithmofmultiplesourcetomographyforinferencetopologyisproposedbasedontheest
