分形高斯噪声Hurst参数估计的实验评价

摘要

网络业务量是网络测量、网络行为学、网络接入控制、网络性能分析等研究方向的关键部分。随着包括计算机通信网络的高速发展，以及新的应用如视频点播技术(Video On Demand，VOD)，网络电话(Voice over Intrnet Protocol，VOIP)的出现，网络的突发业务流量急剧增加，网络的业务量特性也呈现出与传统的业务量模型极为不同的性质，给网络业务量特性的研究和分析带来了新的挑战，同时也为网络业务量特性的研究开辟了新领域。由于自相似模型能够更加真实地描述网络传输的特性，因此通过生成具有自相似性的流量的仿真研究是网络业务量研究的一个重要方面。 本文第一章介绍了课题的背景以及国内外对自相似流量的研究现状；第二章介绍了传统网络业务模型中较为典型的网络流量模型、自相似、长相关的数学定义以及常见的自相似业务模型。在第三章中给出了自相似业务量产生算法的分类以及各类较为突出的几种算法的详细说明及其实现。在第四章，论文对现有的比较经典的Hurst参数估计算法做出了实验评价。首先检验了各种算法识别自相似序列的能力；其次从准确性、一致性、运算复杂度以及运算时间对这些算法做出了综合的比较；最后讨论了周期信号、高斯随机信号以及序列的相关结构对各种算法的影响。第五章在MATLAB的GUIDE平台上开发了FGN随机数据仿真与Hurst参数估计系统，这样做有利于我们今后更快、更方便的生成FGN序列以及估计Hurst参数。 本文的主要贡献有：(1)在MATLAB环境下对几种FGN序列生成算法进行了仿真与分析；(2)对Hurst参数估计的八种方法进行了系统的比较，通过对它们的精确度、计算复杂度以及一致性进行了比较；(3)对影响Hurst参数估计的一些因素进行了深入的研究，能够更快、更准确的估计Hurst参数；(4)在MATLAB的GUIDE平台上开发了FGN随机数据生成和Hurst参数估计系统。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题的背景和意义

1.2国内外的研究现状

1.3本论文的主要成果

1.4本文结构

第二章 自相似过程的描述

2.1自相似过程和长相关过程

2.1.1长相关过程

2.1.2自相似过程的定义

2.1.3自相似过程的性质

2.2传统网络流量模型

2.2.1马尔可夫模型

2.2.2泊松模型

2.2.3回归模型

2.2.4流体流模型

2.3自相似网络流量模型

2.3.1分形布朗运动

2.3.2分形高斯噪声

第三章FGN生成算法及其实现

3.1 随机中点置位法(RMD)

3.2 自相关函数系统合成法(AS)

3.3功率谱的FFT快速算法

3.4小波合成法生成FGN序列

第四章Hurst参数估计算法分析

4.1 Hurst参数估计算法及其实现

4.1.1聚合序列时间—方差法(VT)

4.1.2聚合尺度绝对值法(Abs)

4.1.3 R/S方法(R/S)

4.1.4周期图方法

4.1.5 Whittle法

4.1.6小波分析法(wavelet)

4.1.7相关函数回归法(regression)

4.1.8 Hilbert-Huang变换方法(HHT)

4.2准确性分析

4.2.1非LRD序列的估计

4.2.2分形高斯噪声的Hurst参数估计

4.2.3周期信号对算法准确性的影响

4.2.4序列相关结构对估计算法的影响

4.2.5对实际网络流量数据的分析

4.3一致性分析

4.4算法的时间复杂度分析

第五章分形高斯噪声信号生成与分析系统设计

5.1系统设计原则与步骤

5.1.1设计原则

5.1.2设计步骤

5.2用户面板及界面的制作

5.2.1 创建新的设计窗口

5.2.2设计图形用户界面

5.3 GUI编程

5.4客户端的生成

5.5系统功能介绍

5.5.1生成FGN信号(fgn_generation面板)

5.5.2 Hurst参数估计(fgn_estimator面板)

5.6本章小结

参考文献

攻读硕士期间参加的科研项目和发表的论文

致谢