[發明專利]一種面向大數據的骨干網多業務流量估計方法及系統

有效

• 申請號: 202010157077.5
• 申請日: 2020-03-09
• 公開（公告）號: CN113379092B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 聶來森;吳詒軒;尚潤澤;王蕙質
• 申請（專利權）人: 西北工業大學青島研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06F17/16;G06N3/00;G06K9/62
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 楊媛媛

1.一種面向大數據的骨干網多業務流量估計方法，其特征在于，所述估計方法包括如下步驟；

生成隨機矩陣；

基于壓縮感知理論，測量骨干網中所述隨機矩陣對應的端到端網絡流量，獲得測量矩陣；

利用所述測量矩陣約束動態變化矩陣，建立動態變化矩陣約束函數；

建立骨干網的網絡層析成像模型的優化模型；

基于所述動態變化矩陣約束函數，求解所述優化模型，獲得最優動態變化矩陣；

根據最優動態變化矩陣，基于奇異值分解的方法確定低頻分量估計值；

根據所述測量矩陣，利用極大似然估計方法求取高頻分量服從的高斯分布的期望和方差，確定高頻分量服從的高斯分布；

根據高頻分量服從的高斯分布確定高頻分量估計值；

根據所述低頻分量估計值和所述高頻分量估計值采用離散小波逆變換的方法確定骨干網的流量；

根據流量矩陣的低頻分量估計值和高頻分量估計值，利用離散小波逆變換的方法獲得流量矩陣估計值，方法為：

每一條OD流的估計是通過下式計算

其中，和分別為矩陣和中的元素，為低頻分量估計值，為高頻分量估計值。

2.根據權利要求1所述的面向大數據的骨干網多業務流量估計方法，其特征在于，所述動態變化矩陣約束函數為：

其中，U^T表示流量矩陣M的動態變化矩陣，表示對角矩陣，表示正交矩陣、B表示隨機矩陣，Y表示測量矩陣。

3.根據權利要求1所述的面向大數據的骨干網多業務流量估計方法，其特征在于，所述優化模型為：

其中，L表示骨干網的鏈路負載矩陣,U^T表示流量矩陣M的動態變化矩陣，表示對角矩陣，表示正交矩陣、R表示路由矩陣。

4.根據權利要求1所述的面向大數據的骨干網多業務流量估計方法，其特征在于，所述根據最優動態變化矩陣，基于奇異值分解的方法確定低頻分量估計值，具體包括：

根據最優動態變化矩陣基于奇異值分解的方法，利用公式確定低頻分量估計值其中，表示對角矩陣，表示正交矩陣。

5.一種面向大數據的骨干網多業務流量估計系統，其特征在于，所述估計系統包括：

隨機矩陣生成模塊，用于生成隨機矩陣；

測量矩陣獲取模塊，用于基于壓縮感知理論，測量骨干網中所述隨機矩陣對應的端到端網絡流量，獲得測量矩陣；

動態變化矩陣約束函數建立模塊，用于利用所述測量矩陣約束動態變化矩陣，建立動態變化矩陣約束函數；

優化模型建立模塊，用于建立骨干網的網絡層析成像模型的優化模型；

優化模型求解模塊，用于基于所述動態變化矩陣約束函數，求解所述優化模型，獲得最優動態變化矩陣；

低頻分量估計值確定模塊，用于根據最優動態變化矩陣，基于奇異值分解的方法確定低頻分量估計值；

高頻分量服從的高斯分布，用于根據所述測量矩陣，利用極大似然估計方法求取高頻分量服從的高斯分布的期望和方差，確定高頻分量服從的高斯分布；

高頻分量估計值確定模塊，用于根據高頻分量服從的高斯分布確定高頻分量估計值；

骨干網的流量確定模塊，用于根據所述低頻分量估計值和所述高頻分量估計值采用離散小波逆變換的方法確定骨干網的流量；

根據流量矩陣的低頻分量估計值和高頻分量估計值，利用離散小波逆變換的方法獲得流量矩陣估計值，方法為：

每一條OD流的估計是通過下式計算

其中，和分別為矩陣和中的元素，為低頻分量估計值，為高頻分量估計值。

6.根據權利要求5所述的面向大數據的骨干網多業務流量估計系統，其特征在于，所述動態變化矩陣約束函數為：

其中，U^T表示流量矩陣M的動態變化矩陣，表示對角矩陣，表示正交矩陣、B表示隨機矩陣，Y表示測量矩陣。