买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学深圳研究生院

摘要：本发明涉及DTN网络的数据传输技术领域，尤其涉及一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算法。本发明提供一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计算法，包括以下步骤：A、链路参数实时变化描述：B、分析bundle往返时延的组成：C、基于UKF的RTT估计模型：D、重传定时器RTO设定策略。本发明通过对空天DTN网络下BP层保管‑转发机制点对点的bundle往返时延RTT分析，利用UKF对其时变组成部分进行跟踪，将其随机突发时延进行看做噪声滤除，在此基础上设定准确的重传定时器，可以使节点上的bundle快速释放，有利于bundle的快速传输，提高文献的传输时延。

主权项：1.一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于，包括以下步骤：A、链路参数实时变化描述：通信距离St随时间变化，链路由于节点运动速度差异明显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要参数呈现时变特性；距离的变化给链路带来的影响可用下列公式表示如下：Lspacet＝4π·Stλ2＝4π·St·fC2lgLspacet＝92.45+20lgSt+20lgf其中Lspacet代表t时刻的自由空间损耗；St代表距离t时刻节点的距离，单位为km；λ代表波长；f代表频率，单位为GHz；C代表光速，单位为kms；B、分析bundle往返时延的组成：bundle的往返时延RTT包含：传播时延、确认信号的发射时延、排队时延、网络突发状况下引起的随机时延，一个bundle在节点间的往返时延RTT表示为：RTT＝2·SC+Tack+Ttransient+Twait其中，SC代表传播时延；Tack为确认信号的发射时延；Ttransient代表网络突发状况下引起的随机时延，Twait代表等待排队时延，在没有等待时间该项为0；C、基于UKF的RTT估计模型：给出无迹卡尔曼滤波的状态方程和观测方程模型；根据给出的方程结合测量时间制定不等时间间隔的滤波方法；然后以输出的滤波估计值为基础，设计出适合的重传定时器算法；最后给出文件传输时延的估计；D、重传定时器RTO设定策略。

全文数据：基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法技术领域本发明涉及DTN网络的数据传输技术领域，尤其涉及一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法。背景技术1.DTN数据的可靠传输及其时延估计算法空间网络相对于传统地面网络，有以下几个突出的特点：空天信道快衰落引起的高误码率，导致高丢包率；星间、星地双向链路不对称，有可能造成一定的传输拥塞；节点之间通信距离长，且时变，有较长的传播时延；星上设备可靠性引起的突发性链路中断等。上述这些特点导致空间网络中数据的传输面临着较大的挑战，当前所采取的技术手段主要是借鉴地面网络的TCPIP协议，通过改进TCPIP网络的部分协议和算法，尽量与空间网络环境相适应。但传统地面网络的TCPIP协议要求有比较稳定的端到端和低误码率链路，近些年来，DTN网络的出现为解决空间信息网络的数据传输问题提供了新的契机。DTN网络通过引入新的协议层BP和应用广泛的LTP层，提供的保管-转发功能，能有效克服空间网络的间歇断续、高误码等恶劣环境，实现了数据的可靠传输。BP层最小数据单元bundle存储在节点的内存区，BP层通过保管转发功能来支持点到点的重传，与TCPIP协议不同的是，中间节点在发送完数据之后，不会立刻丢失其数据包，如果当前保管节点发送bundle给下一跳节点，则向下一个节点提出保管申请，同时启动一个重传定时器，在定时器时间内，当前节点还没有收到下一跳节点的确认保管信号，则重发该bundle，直到下一跳节点同意保管该bundle或者生存期TTL的到来当前节点释放该bundle，否则，会一直重传该bundle；如果在定时器时间内，当前节点成功收到确认保管信号，则释放该bundle。在时延估计算法上，考虑到DTN通信环境的恶劣，数据包容易丢失，现有算法对DTN时延估计很好的考虑了数据包丢失和重传的情况，根据统计概率基础上估算每个数据包丢失的情况，并且和重传方式配合，估计出数据的传输时延。2.保管确认信号重传定时器BP协议保管转发功能依靠点对点传输来保证数据传输的可靠性，重传定时器的合理设置至关重要。当重传定时器设置过小时，引起bundle的虚假重传，虚假重传不仅为时延带来一个当前bundle重传的代价，多次反复虚假重传，会导致当前节点生存时间TTL逾期，使当前节点删除对该bundle的保管，造成数据包在传到目的节点之前丢失，上述过程既明显增加了文件的整体传输时延，又会浪费大量的额外能量，也会导致数据传输的不可靠；当定时器设置过大，长时间等待会降低链路的有效利用率。现有算法对确认信号定时器的设置CFDP协议有详细的描述，算法充分考虑数据信号确认信号丢包情况。数据包发射完成之后，在发送节点启动该bundle的重传定时器。预测其保管确认信号到达的时间为确认信号的发射时延和传播时延以及bundle传播时延之和，所以设定保管确认信号定时器为传播时延的两倍加上确认信号发射时延。基于上述过程，随着卫星的在轨高速运动，有算法考虑通信距离实时的变化是必然的，故对传播时延进行propagationtime与通信距离成正比的动态设置，避免重传定时器设置不准确的问题。3.DTN时延估计算法存在的问题DTN中BP层依靠点对点的保管权转让实现bundle的可靠传输，传统时延估计算法没有更多的考虑通信环境实时的改变对时延的影响。空间网络中，通信节点在轨高速运动，节点之间的链路通信状态时刻变化，传统基于bundle时延的估计算法缺少对节点之间链路的实时状态考虑，设定的链路参数误码率、传播时延、排队时延等是静态的。bundle传输往返时延RTT由数据和保管信号发射时延、排队时延、传播时延、中断时延以及可能出现的突发时延等组成。引起bundle往返时延变化的情况有很多，如通信距离变化、突发中断、节点不可视等。以空间网络中的LEO-GEO距离变化为例，通过STK仿真，在某次可见的时间内，距离变化可高达2000km，距离的变化会直接导致传播时延以及自由空间损耗等变化，损耗的改变会带来误码率的变化。可以说，网络环境实时的改变影响每个bundle的时延。而通信链路随机突发状况，将加剧RTT的突变。空间网络突发状况多，这类随机变化存在时间短、难以捕获，可能由传输过程中的突发中断、障碍物阻挡、或在节点收发端，收发节点高速运动对星上收发设备的影响以及在接入接收端的竞争时延造成。这类突发时延的存在导致RTT振荡比较明显，利用bundle的时间戳测量得到的RTT值包含链路突发状况下的时延，应将这一部分随机干扰作为噪声滤除。4.设置重传定时器的问题对于空间网络重传定时器的设置，以往算法只考虑了可能的丢包，没有考虑到丢包率本身也会实时改变；更为关键的是星间传播时延没有深空链路那么大，不能将传播时延作为设置重传定时器动态变化的唯一因素，还应该充分考虑到链路的排队时延、突发时延等其他时延的影响。所以对于这种高度动态的通信链路，如果不能实时的跟踪实时的网络状态，将无法精准的预测重传定时器。尤其是DTN具有不对称的双向链路，容易引起确认信号的拥塞，引入排队时延，往返时延将会随着排队时延的增加而线性增加。如果设置静态的重传定时器，几乎不可能对每个bundle的保管确认信号的到来时间有精准的预测。基于上述情况，迫切需要一种可以实时跟踪网络状况的时延估计算法，根据得到的时延估计预测保管信号到来的时间。发明内容针对现有技术中存在的缺陷或不足，本发明所要解决的技术问题是：提供一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，根据空天DTN网络bundle保管-转发机制，利用本发明设计基于无迹卡尔曼滤波对bundle往返时延进行实时估计，在此基础上提出一种可持续跟踪、快速收敛的重传定时器算法，以充分提高数据传输的有效吞吐率。为了实现上述目的，本发明采取的技术方案为提供一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，包括以下步骤：A、链路参数实时变化描述：通信距离St随时间变化，链路由于节点运动速度差异明显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要参数呈现时变特性；距离的变化给链路带来的影响可用下列公式表示如下：Lspacet＝4π·Stλ2＝4π·St·fC2lgLspacet＝92.45+20lgSt+20lgf其中Lspacet代表t时刻的自由空间损耗；St代表距离t时刻节点的距离，单位为km；λ代表波长；f代表频率，单位为GHz；C代表光速，单位为kms；B、分析bundle往返时延的组成：bundle的往返时延RTT包含：传播时延、确认信号的发射时延、排队时延、网络突发状况下引起的随机时延，一个bundle在节点间的往返时延RTT可表示为：RTT＝2·SC+Tack+Ttransient+Twait其中SC代表传播时延；Tack分别为确认信号的发射时延；Ttransient、Twait代表网络突发状况下引起的随机时延，Twait代表等待排队时延，没有等待时间该项为0；C、基于UKF的RTT估计模型：给出无迹卡尔曼滤波的状态方程和观测方程模型；根据给出的方程结合测量时间制定不等时间间隔的滤波方法；然后以输出的滤波估计值为基础，设计出适合的重传定时器算法；最后给出文件传输时延的估计；D、重传定时器RTO设定策略。作为本发明的进一步改进，所述步骤A中，系统采用QPSK调制，则链路比特信噪比SNR与链路比特误码率BER的关系为：其中BERt表示t时刻下的误比特率；SNRt为t时刻下的比特信噪比；将上式改写如下：其中e0为其他参数作为常量的和；SNRt＝e0-20lgSt作为本发明的进一步改进，所述步骤C中，状态方程，应该包含所有会对RTT造成变化的时延变量，还包含传播时延；丢包率或误比特率；和确认信道的排队时延，测量的往返时延应为发送端通过返回的确认信号得到的时间与发送原始数据时间之差；无迹卡尔曼滤波状态方程和观测方程可表示为：Zt＝hXt,RTOt+Nt其中Xt为t时刻的状态变量；Zt为t时刻的观测变量；为n维的状态向量方程，h.为m维的观测向量方程，两者都是状态向量X的非线性函数；Vt和Nt分别为t时刻下过程噪声向量和观测噪声向量。作为本发明的进一步改进，由于星间距离的变化相对缓慢，距离的二阶时间导数看成近似恒定，又传播时延与距离变化为正比关系，则状态方程为：式中，Tpt、分别表示的是t时刻传播时延、传播时延的变化速率、以及传播时延的变化加速率；T表示采样时间间隔；Twaitt为t时刻的等待时间；Peft表示的是t时刻bundle的丢包率，Lb表示的是bundle的长度；Vit表示过程噪声；δ逻辑关系可以简单如下：ifTack＞Tb&Memory-size＞0δ＝1elseδ＝0其中Memory-size0表示星上内存区还有可用的内存；则观测方程可以表示为：Zt＝1-Peft·RTTt+PeftRTOt+Nt其中Zt是t时刻下的得到的往返时延测量值；RTTt指的是t时刻数据传输成功的往返时延；RTOt是t时刻bundle重传定时器设定值，如果bundle丢包，认为t时刻的往返测量值为t时刻的重传定时器设定值；Tb为数据的发射时延。作为本发明的进一步改进，所述步骤D中重传定时器RTO设定策略包括预测重传定时器RTO的算法：利用测量值和滤波值之差做为平滑值，去掉等待时间带来线性增长的影响，再加上滤波值，表示如下：RTOnewtk+1＝SRTTVartk+4RTTDVartk+RTTUKFtkRTOnewtk+1根据tk+1时刻预测的定时器RTO的值；其中，RTTVartk＝Ztk-RTTUKFtkSRTTVartk＝αSRTTVartk-1+1-αRTTVartkRTTDVartk＝βRTTDVartk-1+1-β|RTTVartk-SRTTVartk|其中α和β分别表示为权重值；RTTVartk表示的是tk时刻下得到的测量值和RTT滤波估值之差；SRTTVartk表示的是差值的平滑值；RTTDVartk表示的是tk时刻下的平滑值偏差；RTOnewtk+1是基于tk+1时刻预测定时器的值；RTTUKFtk为tk时刻基于滤波估值得到的往返时延估计值；其中和是tk时刻下的丢包率与传播时延估计值，通过滤波器输出可得；Tack分别代表的是bundle的确认信号的发射时延。本发明的有益效果是：本发明通过对空天DTN网络下BP层保管-转发机制点对点的bundle往返时延RTT分析，并且利用UKF对其时变组成部分进行跟踪，并且将其随机突发时延进行看做噪声滤除，在此基础上设定准确的重传定时器，可以使节点上的bundle快速释放，有利于bundle的快速传输，提高文献的传输时延。附图说明图1是本发明的流程图；图2是本发明bundle往返时延RTT的组成结构图；图3是本发明卡尔曼滤波算法的时间更新和状态更新两个更新过程的完整框图。具体实施方式下面结合附图说明及具体实施方式对本发明进一步说明。如图1所示，本发明提供一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计，包括以下步骤：A、链路参数实时变化描述以LEO-GEO链路为例，通信距离St随时间变化，LEO-GEO链路由于节点运动速度差异明显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要参数呈现时变特性。距离的变化给链路带来的影响可用下列公式表示如下：Lspacet＝4π·Stλ2＝4π·St·fC2lgLspacet＝92.45+20lgSt+20lgf其中Lspacet代表t时刻的自由空间损耗；St代表距离t时刻节点的距离，单位为km；λ代表波长；f代表频率，单位为GHz；C代表光速，单位为kms；假定系统采用QPSK调制，则链路比特信噪比SNR与链路比特误码率BER的关系为：其中BERt表示t时刻下的误比特率；SNRt为t时刻下的比特信噪比；将上式改写如下：其中e0为其他参数作为常量的和；SNRt＝e0-20lgStB、bundle往返时延的组成一般来说，bundle的往返时延RTT包含：传播时延、数据和确认信号的发射时延、排队时延、网络突发状况下引起的随机时延、处理时延。如图1所示：空间网络下，上述大部分时延都是实时变化的，传播时延的变化参照节点间通信距离的变化前文已经提到，不再赘述，bundle和保管确认信号数据量的大小本文设定为定值，所以发射时延Tb与Tack是定值，处理时延和随机突发时延。如图2所示，一个bundle在节点间的往返时延RTT可表示为：RTT＝2·SC+Tack+Ttransient+Twait其中SC代表传播时延；Tack分别为确认信号的发射时延；Ttransient、Twait分别代表突发本文将链路突发中断看作影响链路时延波动的因素之一和排队等待时延没有等待时间该项为0。C、基于UKFUnscentedKalmanFilter，无迹卡尔曼滤波的RTT估计模型本文算法先通过前文分析给出无迹卡尔曼滤波的状态方程和观测方程模型；根据给出的方程结合测量时间制定不等时间间隔的滤波方法；然后以输出的滤波估计值为基础，设计出适合本文的重传定时器算法；最后给出文件传输时延的估计。状态方程，应该包含所有会对RTT造成变化的时延变量，如图1所示，所以应包含传播时延；丢包率或误比特率；和确认信道的排队时延。测量的往返时延应为发送端通过返回的确认信号得到的时间与发送原始数据时间之差。无迹卡尔曼滤波状态方程和观测方程可表示为：Zt＝hXt,RTOt+Nt其中Xt为t时刻的状态变量；Zt为t时刻的观测变量；为n维的状态向量方程，h.为m维的观测向量方程，两者都是状态向量X的非线性函数；Vt和Nt分别为t时刻下过程噪声向量和观测噪声向量。由于星间距离的变化相对缓慢，距离的二阶时间导数看成近似恒定，又传播时延与距离变化为正比关系。则状态方程为：式中，Tpt、分别表示的是t时刻传播时延、传播时延的变化速率、以及传播时延的变化加速率；T表示采样时间间隔；Twaitt为t时刻的等待时间；Peft表示的是t时刻bundle的丢包率，Lb表示的是bundle的长度；Vit表示过程噪声；δ逻辑关系可以简单如下：ifTack＞Tb&Memory-size＞0δ＝1elseδ＝0其中Memory-size0表示星上内存区还有可用的内存。则观测方程可以表示为：Zt＝1-Peft·RTTt+PeftRTOt+Nt其中Zt是t时刻下的得到的往返时延测量值；RTTt指的是t时刻数据传输成功的往返时延；RTOt是t时刻bundle重传定时器设定值，如图1所示，如果bundle丢包，认为t时刻的往返测量值为t时刻的重传定时器设定值；Tb为数据的发射时延；RTO的设定策略将在下文提出，V、N分别为过程噪声和观测噪声，假定两个随机噪声是相互独立的高斯序列，表示为V～0，QN～0，R。卡尔曼滤波算法可分为时间更新和状态更新两个典型过程，两个更新过程的完整框图如图3所示。经历了时间更新和测量更新保管确认信号来临的时候进行此步骤。可以输入如上图所示的表示是t时刻状态变量的估计值。D、重传定时器RTO设定策略上式中，RTOt为t时刻bundle的重传定时器设定值，每次接收到保管确认信号都要更新一次，本文设定更新的方法可以参照TCP协议RFC2988，传统的RTO预测是以指数平滑器为基础RFC2988预测手段对链路的变化不敏感，往返时延波动较大的情况下，定时器跟踪效果差，由前文可知，在接收端可以分为两种情况：一种是确认信道无确认信号排队；一种是收到bundle的发射时间小于确认信号发射时间，造成确认信道的延迟。针对可能出现在确认信道的拥塞情况，本文提出预测重传定时器RTO的算法思想为：利用测量值和滤波值之差做为平滑值，去掉等待时间带来线性增长的影响，再加上滤波值。表示如下：RTOnewtk+1＝SRTTVartk+4RTTDVartk+RTTUKFtkRTOnewtk+1根据tk+1时刻预测的定时器RTO的值；其中，RTTVartk＝Ztk-RTTUKFtkSRTTVartk＝αSRTTVartk-1+1-αRTTVartkRTTDVartk＝βRTTDVartk-1+1-β|RTTVartk-SRTTVartk|其中α和β分别表示为权重值；典型值为78和34；RTTVartk表示的是tk时刻下得到的测量值和RTT滤波估值之差；SRTTVartk表示的是差值的平滑值；RTTDVartk表示的是tk时刻下的平滑值偏差；RTOnewtk+1是基于tk+1时刻预测定时器的值；RTTUKFtk为tk时刻基于滤波估值得到的往返时延估计值；其中和是tk时刻下的丢包率与传播时延估计值通过滤波器输出可得；Tack分别代表的是bundle的确认信号的发射时延。上述算法可知，只有确认信号来临的时候或定时器时间耗尽时才会有完整的UKF滤波过程，算法的程序伪代码可表示为：以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

权利要求：1.一种基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于，包括以下步骤：A、链路参数实时变化描述：通信距离St随时间变化，链路由于节点运动速度差异明显，导致各自在轨运行一次可见时间内星间链路距离的变化较大，引起链路的主要参数呈现时变特性；距离的变化给链路带来的影响可用下列公式表示如下：Lspacet＝4π·Stλ2＝4π·St·fC2lgLspacet＝92.45+20lgSt+20lgf其中Lspacet代表t时刻的自由空间损耗；St代表距离t时刻节点的距离，单位为km；λ代表波长；f代表频率，单位为GHz；C代表光速，单位为kms；B、分析bundle往返时延的组成：bundle的往返时延RTT包含：传播时延、确认信号的发射时延、排队时延、网络突发状况下引起的随机时延，一个bundle在节点间的往返时延RTT表示为：RTT＝2·SC+Tack+Ttransient+Twait其中，SC代表传播时延；Tack为确认信号的发射时延；Ttransient代表网络突发状况下引起的随机时延，Twait代表等待排队时延，在没有等待时间该项为0；C、基于UKF的RTT估计模型：给出无迹卡尔曼滤波的状态方程和观测方程模型；根据给出的方程结合测量时间制定不等时间间隔的滤波方法；然后以输出的滤波估计值为基础，设计出适合的重传定时器算法；最后给出文件传输时延的估计；D、重传定时器RTO设定策略。2.根据权利要求1所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于：所述步骤A中，系统采用QPSK调制，则链路比特信噪比SNR与链路比特误码率BER的关系为：其中BERt表示t时刻下的误比特率；SNRt为t时刻下的比特信噪比；将上式改写如下：其中e0作为参数常量的和；SNRt＝e0-20lgSt。3.根据权利要求1所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于：所述步骤C中，状态方程，应该包含所有会对RTT造成变化的时延变量，还包含丢包率或误比特率；测量的往返时延应为发送端通过返回的确认信号得到的时间与发送原始数据时间之差；无迹卡尔曼滤波状态方程和观测方程可表示为：Zt＝hXt,RTOt+Nt其中Xt为t时刻的状态变量；Zt为t时刻的观测变量；为n维的状态向量方程，h.为m维的观测向量方程，两者都是状态向量X的非线性函数；Vt和Nt分别为t时刻下过程噪声向量和观测噪声向量；RTOt是t时刻bundle重传定时器设定值。4.根据权利要求3所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于：由于星间距离的变化相对缓慢，距离的二阶时间导数看成近似恒定，又传播时延与距离变化为正比关系，则状态方程为：式中，Tpt、分别表示的是t时刻传播时延、传播时延的变化速率、以及传播时延的变化加速率；T表示采样时间间隔；Twaitt为t时刻的等待时间；Peft表示的是t时刻bundle的丢包率，Lb表示的是bundle的长度；Vit表示过程噪声；C代表光速；δ逻辑关系可以简单表示如下：ifTack＞Tb&Memory-size＞0δ＝1elseδ＝0其中Memory-size0表示星上内存区还有可用的内存；则观测方程可以表示为：Zt＝1-Peft·RTTt+PeftRTOt+Nt其中Zt是t时刻下的得到的往返时延测量值；RTTt指的是t时刻数据传输成功的往返时延；RTOt是t时刻bundle重传定时器设定值，如果bundle丢包，认为t时刻的往返时延测量值为t时刻的重传定时器设定值；Tb为数据的发射时延。5.根据权利要求1或4所述的基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法，其特征在于，所述步骤D中重传定时器RTO设定策略包括预测重传定时器RTO的算法：利用测量值和滤波值之差做为平滑值，去掉等待时间带来线性增长的影响，再加上滤波值，表示如下：RTOnewtk+1＝SRTTVartk+4RTTDVartk+RTTUKFtkRTOnewtk+1根据tk+1时刻预测的定时器RTO的值；其中，RTTVartk＝Ztk-RTTUKFtkSRTTVartk＝αSRTTVartk-1+1-αRTTVartkRTTDVartk＝βRTTDVartk-1+1-β|RTTVartk-SRTTVartk|其中α和β分别表示为权重值；RTTVartk表示的是tk时刻下得到的测量值和RTT滤波估值之差；SRTTVartk表示的是差值的平滑值；RTTDVartk表示的是tk时刻下的平滑值偏差；RTOnewtk+1是基于tk+1时刻预测定时器的值；RTTUKFtk为tk时刻基于滤波估值得到的往返时延估计值；其中和是tk时刻下的丢包率与传播时延估计值，通过滤波器输出可得；Tack代表的是bundle的确认信号的发射时延；是对Twait的估计值。

百度查询： 哈尔滨工业大学深圳研究生院 基于无迹卡尔曼滤波的空天DTN网络bundle传输时延估计的方法