雷岚栋 池亚平 张亮亮

1.西安电子科技大学，西安市 710071

2.北京电子科技学院，北京市 100070

引言

20 世纪80 年代，美国劳伦斯伯克利实验室到加州伯克利的吞吐量从32kb/s 骤降至40b/s[1]，其根本原因是发生了网络拥塞，随即人们对拥塞控制开展了一系列的研究，先后提出了多种策略机制和算法，其中以TCP Tahoe 和New Reno[2]影响最为广泛。 现如今，伴随着大数据、云计算乃至“互联网＋”的时代到来，出现了具有挑战性的新网络环境，网络结构类型发生深刻调整且表现形式差异化，多元化网络数据体量上的发展也突飞猛进，例如千兆位以太网或卫星链路:高误码率、长传播时延、高链路容量和不对称信道。 传统的网络拥塞控制已经不能满足网络发展的要求，早期拥塞控制算法采用的加性增乘性减(Additive Increase Multiple Decrease，AIMD)[3]机制，其设计初衷旨在服务广域互联网。 而在现有网络体系下，将导致网络带宽利用率低、吞吐量下降， 而且通过接收反馈信息的判断拥塞再采取调整拥塞窗口大小的措施加大了网络拥塞反应时间，加剧了源端的负荷和不稳定性。

在任何网络系统中，回路响应时间(Round Trip Time，RTT)[4]是对系统拥塞程度最直观的刻画参数，其变化能客观真实的反应当前网络负载状况，也能作为评价当前网络性能好坏的标准，适合作为拥塞反馈信号。 为增强网络传递信息效率，提升网络性能，本文提出了一种基于柯西分布统计模型下的拥塞控制策略，其主要对RTT 进行采样，通过采样值建立RTT 的柯西分布统计模型，运用柯西概率分布函数，在拥塞反馈的阶段预测下一次拥塞发生的程度，改进调整拥塞窗口大小，进而达到提升网络性能的效果。……