余菁菁

摘 要：为解决网络队列动态预测问题，提出一个网络系统在泊松分布流量和指数服务时间下的暂态队列行为预测模型并进行仿真验证。阐述基于扩展卡尔曼滤波（Kalman）的预测模型及其具体算法，结合网络中的数据流量特性，构建基于扩展卡尔曼滤波器的网络暂态队列预测模型，并根据仿真网络中的实际数据对模型进行验证。实验结果表明，所建立的网络暂态队列实时预测模型预测效果比较理想，基本与实时队列长度保持一致。因此，该模型可以较低的代价应用于网络中的动态路由算法及拥塞控制算法中。

关键词：通信网络;扩展卡尔曼滤波器;泊松流量;OPNET仿真;预测模型

DOI：10. 11907/rjdk. 192161 开放科学（资源服务）标识码（OSID）：

中圖分类号：TP393文献标识码：A 文章编号：1672-7800（2020）008-0212-04

Abstract： In order to solve the problem of network queue estimator dynamically， this paper presents the derivation of the transient queue behavior for a network with Poisson traffic and exponential service times and the result is then validated. The extended Kalman filter theory is presented and a network state estimator is designed using the transient queue behavior model combing with networks traffic trait. The behavior of the network state estimator is then investigated using traffic data from the simulated network. Simulation results show that the proposed scheme have a good prediction of queue size in network， and the prediction results are consistent with the real-time queue length， so it can be used in the algorithm of dynamic routing and congestion control algorithm with low cost.

Key Words： communication network; extended Kalman filter; poisson traffic; OPNET simulation; network state estimator

0 引言

现有绝大部分路由算法、流量控制算法和拥塞控制算法都是针对相对固定的网络设计的，没有考虑网络的随机变化特征，所以这些静态算法对于动态变化的网络（如Ad-hoc网络、传感器网络和车载网络等）效果不佳。如果对网络的随机特征可以精确建模，即利用过去的状态估计现在状态及预测未来状态，则可利用该模型设计适合动态变化的路由算法、流量控制算法和拥塞控制算法等。

现有研究主要是对网络流量进行预测，分为线性预测和非线性预测。线性预测具有代表性的是ARIMA[1-2]，其前提是网络流量具有线性宽平稳过程特征，但其预测精度较低，无法准确描述出网络全部特征。文……