基于t检测模型的网络坐标系统输入时延预处理方法

摘要

本发明公开了一种基于t检测模型的网络坐标系统输入时延预处理方法，其特征在于，每个网络节点记录其与部分邻居节点间最近H个直接测量时延值，在t检验模型下，依据该时延队列的时延观察值，估计出本节点间的下一时刻时延观察值的置信区间，以检测并抑制异常的时延观察值，得到其平滑输出时延结果。该算法基于概率论t检测模型，利用节点间历史记录时延样本信息，检测并抑制该节点间下一时刻异常的时延观察值，以得到平滑输出时延结果用来进行网络距离半测度空间嵌入，保证用其建立网络坐标系统时延预测的准确性及其收敛周期。

主权项

1.基于t检测模型的网络坐标系统输入时延预处理方法，其特征在于，每个网络节点记录其与部分邻居节点间最近H个直接测量时延值，在t检验模型下，依据时延队列的时延值，估计出本节点间的下一时刻时延值的置信区间，以检测并抑制异常的时延值，得到其平滑输出时延结果，具体步骤如下：①变量定义：a、Sample是节点A、B间有限次直接测量的时延值，A和B是网络坐标系统中的两个节点，其中A是本地节点，进行网络坐标的更新过程，B是A的参考邻居节点，该时延队列中包含节点AB间全部可能的时延值，称为总体，这是进行测度距离空间嵌入所需的时延集合，以一维数值的形式，作为要进行平滑处理的输入时延数据；b、SA＝{Sa₁，Sa₂，...Sa_H}是来自总体Sample的简单随机样本，由节点AB间最近H次直接测量时延的个体Sa₁，Sa₂，...Sa_H组成，其个体Sa₁，Sa₂，...Sa_H是来自总体Sample中时延信息的观察结果，样本容量即历史记录时延窗口大小为H，H≥3，并且，样本SA要随着总体Sample中最新取得的所直接测量的时延个体的到来而更新；c、AVER是总体Sample中简单随机样本SA({Sa₁，Sa₂，...Sa_H})的样本均值，以该样本均值作为总体均值的最大似然估计；d、MAXV是总体均值的置信区间上界，以简单随机样本SA({Sa₁，Sa₂，...Sa_H})的样本均值和样本方差作为其自变量：$\mathrm{MAXV}=\bar{X}+\frac{S}{\sqrt{n}}{t}_a(n-1);$e、是简单随机样本SA的样本均值，S是简单随机样本SA的样本标准差，N是SA的样本容量，用到的是t检验法，1-α称为置信水平；f、RTT_ID是输出结果，以该时延值作为网络距离半测度空间嵌入的输入，用于建立网络坐标系统；②处理过程：a、对于最新直接测量的时延个体，根据其格式字段中的“邻居节点ID值”判断出该时延个体所属于的总体Sample，提取出该时延个体格式字段中的“节点间原始时延值”作为本次待平滑处理的时延值；b、根据该节点间历史窗口内的简单随机样本SA({Sa₁，Sa₂，...Sa_H})信息，计算出样本均值和样本标准差S，从而进一步计算出总体均值的置信区间上界MAXV，其中和AVER同为简单随机样本SA的样本均值，用于计算MAXV，而AVER作为总体均值的最大似然估计；c、如果新到个体格式字段中“节点间原始时延值”大于MAXV，认为此次时延值存在异常，令平滑处理输出结果RTT_ID等于总体均值的最大似然估计值AVER；否则，令RTT_ID等于该新时延个体格式字段中的“节点间原始时延值”；d、用该时延个体格式字段中的“节点间原始时延值”，更新样本SA的历史窗口内时延个体信息，保证样本容量保持为H；e、用平滑处理输出结果RTT_ID，作为网络距离半测度空间的输入时延值，在网络坐标系统核心算法下，更新该节点的坐标值；f、等待新的个体时延值，如果有新的个体时延值到来，跳到步骤a；否则，继续等待。