隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,網(wǎng)絡(luò)的規(guī)模和復(fù)雜性日益提高,準(zhǔn)確及時(shí)的性能數(shù)據(jù)對(duì)網(wǎng)絡(luò)管理至關(guān)重要。然而,龐大的現(xiàn)代網(wǎng)絡(luò)以及現(xiàn)有測(cè)量技術(shù)的限制使得收集完整的測(cè)量結(jié)果是不切實(shí)際的。網(wǎng)絡(luò)斷層掃描是從醫(yī)學(xué)中CT掃描衍生出來(lái)的概念,其核心是通過(guò)易于觀察的量來(lái)推斷所需測(cè)量的量。網(wǎng)絡(luò)斷層掃描可分為兩大類(lèi),第一類(lèi)用于推導(dǎo)網(wǎng)絡(luò)內(nèi)部鏈路的性能指標(biāo),如鏈路時(shí)延、丟包率等;第二類(lèi)用于估計(jì)網(wǎng)絡(luò)中源到目的的流量強(qiáng)度。不管是推導(dǎo)網(wǎng)絡(luò)鏈路的性能指標(biāo)還是估計(jì)網(wǎng)絡(luò)OD流,直接測(cè)量通常是極其困難的。網(wǎng)絡(luò)斷層掃描并非直接測(cè)量這些性能指標(biāo),而是從其他易得到的測(cè)量量估計(jì)出來(lái)。然而,從易于觀察的量來(lái)推斷網(wǎng)絡(luò)的性能數(shù)據(jù)往往是一個(gè)非常難的問(wèn)題,當(dāng)前大多數(shù)工作采用統(tǒng)計(jì)推理的方式。在本文中,我們分析網(wǎng)絡(luò)數(shù)據(jù)具有稀疏特性,即網(wǎng)絡(luò)性能指標(biāo)本身具有稀疏性或在某些字典下具有稀疏性。作為一種新興的信號(hào)分析和綜合方法,信號(hào)的稀疏表示吸引了研究者的大量關(guān)注,已成功應(yīng)用到信號(hào)編碼、壓縮感知、盲源分離等領(lǐng)域。當(dāng)前一些網(wǎng)絡(luò)斷層掃描工作已經(jīng)展示了網(wǎng)絡(luò)數(shù)據(jù)的稀疏特性,因而我們期待充分挖掘網(wǎng)絡(luò)數(shù)據(jù)的這種特性能得到良好的估計(jì)性能。本文針對(duì)這個(gè)交叉領(lǐng)域展開(kāi)研究,取得以下相應(yīng)成果:1.作為整個(gè)論文的基石,本文首先分析了網(wǎng)絡(luò)數(shù)據(jù)的稀疏性,包括網(wǎng)絡(luò)鏈路參數(shù)如延時(shí)、丟包率的稀疏性,并以實(shí)際網(wǎng)絡(luò)流量為例,闡述了OD流在基變換下的稀疏表達(dá)。然后提出利用稀疏性從路徑測(cè)量進(jìn)行鏈路估計(jì),除了壓縮感知領(lǐng)域經(jīng)典的l_1最小化,特別提出了一種稀疏貝葉斯學(xué)習(xí)的方法對(duì)網(wǎng)絡(luò)鏈路狀態(tài)進(jìn)行推理。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方案的有效性。2.針對(duì)網(wǎng)絡(luò)斷層掃描中的測(cè)量路徑選擇問(wèn)題,提出了一種基于路由矩陣互相干值的路徑選擇算法。該方法利用了鏈路參數(shù)的固有稀疏性,選擇那些路徑使得構(gòu)造的路由矩陣的互相干值最小。首先證明了該方法的NP完全性,并采用子模理論分析優(yōu)化目標(biāo)性質(zhì)。然后提出一種貪婪式算法,在每次迭代,算法優(yōu)先選擇測(cè)量路徑使得互相干值增長(zhǎng)量最小。實(shí)驗(yàn)結(jié)果證實(shí)所提方案能選擇少量的測(cè)量路徑數(shù),同時(shí)保持較高的鏈路辨識(shí)度。3.除了鏈路狀態(tài)的稀疏特征,本文進(jìn)一步探索了鏈路時(shí)間相關(guān)性,提出一種時(shí)空網(wǎng)絡(luò)擁塞診斷方法:加權(quán)l(xiāng)_1最小化方法。該算法結(jié)合了鏈路性能參數(shù)的稀疏性和擁塞先驗(yàn)概率,如果把稀疏性看作是鏈路參數(shù)的空間屬性的話,那么先驗(yàn)概率就是鏈路參數(shù)的時(shí)間相關(guān)性。首先在理論上分析了加權(quán)l(xiāng)_1最小化的恢復(fù)誤差,并指出選取合適的權(quán)值最終會(huì)改善恢復(fù)精度。然后采用最大后驗(yàn)概率的方法使用擁塞先驗(yàn)概率來(lái)確定權(quán)值。實(shí)驗(yàn)結(jié)果證實(shí)所提方案優(yōu)于僅利用稀疏性的方法或僅利用擁塞概率的算法,具有較高的估計(jì)精度。4.針對(duì)網(wǎng)絡(luò)中的OD流矩陣估計(jì)問(wèn)題,提出一種利用流量矩陣稀疏表達(dá)的估計(jì)方法。該方法將小波基的一部分作為字典表達(dá)序列,并以O(shè)D流矩陣的列l(wèi)_1范數(shù)的和最小化為優(yōu)化目標(biāo),成功解決了流量估計(jì)中的病態(tài)性問(wèn)題。本文從理論上證明所提出方法的無(wú)誤差估計(jì)條件。由于真實(shí)的OD流量中通常含有異常分量,因此分別對(duì)兩者進(jìn)行建模能得到更精確的結(jié)果。理論分析若異常分量和正常分量在各自的字典下充分稀疏,則可無(wú)誤差恢復(fù)OD流矩陣的正常分量和異常分量。實(shí)驗(yàn)結(jié)果證實(shí)從鏈路測(cè)量估計(jì)OD流矩陣時(shí),所提方案不管是異常檢測(cè)還是流量矩陣恢復(fù)均具有較高的精度。通過(guò)解決上述問(wèn)題,將稀疏性理論引入到網(wǎng)絡(luò)斷層掃描中,取得了比傳統(tǒng)方法更好的結(jié)果。同時(shí),由于本文包含了若干關(guān)于稀疏性的理論分析,這些分析得出的結(jié)論也豐富了稀疏信號(hào)處理相關(guān)領(lǐng)域的理論體系。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TP393.0
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 網(wǎng)絡(luò)斷層掃描概述
        1.2.1 基本概念
        1.2.2 基本原理
    1.3 網(wǎng)絡(luò)斷層掃描國(guó)內(nèi)外研究歷史與現(xiàn)狀
        1.3.1 探測(cè)路徑選擇
        1.3.2 鏈路參數(shù)估計(jì)
            1.3.2.1 鏈路時(shí)延估計(jì)
            1.3.2.2 鏈路丟包率估計(jì)
            1.3.2.3 鏈路擁塞檢測(cè)
        1.3.3 流量矩陣估計(jì)
        1.3.4 稀疏性網(wǎng)絡(luò)斷層掃描
    1.4 本文的主要貢獻(xiàn)與創(chuàng)新
    1.5 本論文的結(jié)構(gòu)安排
第二章 網(wǎng)絡(luò)數(shù)據(jù)的稀疏性及稀疏求解方法研究
    2.1 引言
    2.2 網(wǎng)絡(luò)數(shù)據(jù)稀疏模型
        2.2.1 稀疏信號(hào)
        2.2.2 網(wǎng)絡(luò)鏈路參數(shù)的稀疏性
        2.2.3 OD流的稀疏表達(dá)
    2.3 鏈路參數(shù)的稀疏求解
        2.3.1 線性方程的稀疏解
1優(yōu)化尋求稀疏解'>        2.3.2 l₁優(yōu)化尋求稀疏解
        2.3.3 稀疏貝葉斯學(xué)習(xí)
    2.4 實(shí)驗(yàn)與分析
        2.4.1 時(shí)延仿真
        2.4.2 實(shí)際網(wǎng)絡(luò)數(shù)據(jù)分析
    2.5 本章小結(jié)
第三章 基于稀疏性的探測(cè)路徑選擇算法
    3.1 引言
    3.2 模型和符號(hào)定義
    3.3 互相干最小算法
        3.3.1 壓縮感知測(cè)量矩陣設(shè)計(jì)
        3.3.2 測(cè)量路徑選擇
            3.3.2.1 設(shè)計(jì)目標(biāo)
            3.3.2.2 算法流程
    3.4 互相干最小算法的可擴(kuò)展性
    3.5 實(shí)驗(yàn)與分析
        3.5.1 互相干最小算法對(duì)最佳解的近似
        3.5.2 鏈路參數(shù)估計(jì)
        3.5.3 實(shí)驗(yàn)結(jié)果及分析
    3.6 本章小結(jié)
第四章 基于稀疏性的時(shí)空網(wǎng)絡(luò)擁塞診斷
    4.1 引言
    4.2 網(wǎng)絡(luò)模型
1優(yōu)化'>    4.3 加權(quán)l(xiāng)₁優(yōu)化
1優(yōu)化的恢復(fù)誤差'>        4.3.1 加權(quán)l(xiāng)₁優(yōu)化的恢復(fù)誤差
        4.3.2 權(quán)重的確定
        4.3.3 先驗(yàn)概率的估計(jì)
    4.4 整體框架
1算法的討論'>        4.4.1 加權(quán)l(xiāng)₁算法的討論
    4.5 實(shí)驗(yàn)與分析
        4.5.1 網(wǎng)絡(luò)拓?fù)?br>        4.5.2 模擬器
        4.5.3 性能指標(biāo)
        4.5.4 實(shí)驗(yàn)結(jié)果及分析:丟包率估計(jì)
        4.5.5 實(shí)驗(yàn)結(jié)果及分析:擁塞檢測(cè)
        4.5.6 實(shí)際拓?fù)浞治?br>    4.6 本章小結(jié)
第五章 基于稀疏性的流量矩陣估計(jì)和異常點(diǎn)檢測(cè)
    5.1 引言
    5.2 模型和符號(hào)定義
    5.3 基于稀疏性的流量矩陣估計(jì)
        5.3.1 OD流的稀疏表達(dá)
1最小化估計(jì)'>        5.3.2 列l(wèi)₁最小化估計(jì)
    5.4 異常流量
        5.4.1 基于稀疏性的流量矩陣估計(jì)和異常點(diǎn)檢測(cè)算法
    5.5 實(shí)際考慮
    5.6 實(shí)驗(yàn)與分析
        5.6.1 稀疏性對(duì)估計(jì)誤差的影響
        5.6.2 OD流量矩陣估計(jì)和異常檢測(cè)
            5.6.2.1 數(shù)據(jù)集
            5.6.2.2 性能指標(biāo)及比對(duì)方法
            5.6.2.3 實(shí)驗(yàn)結(jié)果
            5.6.2.4 結(jié)合部分OD流數(shù)據(jù)進(jìn)行估計(jì)
    5.7 本章小結(jié)
第六章 結(jié)束語(yǔ)
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻博期間取得的研究成果

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 費(fèi)高雷;胡光岷;;基于k階馬爾可夫鏈的單播網(wǎng)絡(luò)丟包層析成像[J];電子與信息學(xué)報(bào);2011年09期

本文編號(hào)：2878687