端到端网络链路延迟分布高效估计方法

需积分: 0 1 下载量 169 浏览量 更新于2024-09-07 收藏 279KB PDF 举报
本篇论文《端到端网络链路时延分布估计》由作者康梦晓和刘元安共同完成,发表在中国科技论文在线上。他们的研究专注于在一个特定的假设环境中,即网络拓扑结构已知且稳定,且链路性能在时间和空间上独立。在这种情况下,他们提出了一个基于低计算复杂度的端到端方法来估计网络链路的时延。 该方法的核心是利用伪似然估计(PLE)技术。首先,通过端到端的测量手段收集数据,这种方法强调的是对网络流量中相邻数据包(back-to-back packets)行为的观察,因为这些数据包之间的延迟对整体网络性能有直接影响。作者认识到,实际的链路延迟可能不是连续的,而是分布在一系列固定大小的区间内,因此他们采用了一个变大小分箱模型,这个模型由多个固定大小的子模型组成。这种设计旨在减少计算复杂性,提高时延分布估计的效率。 论文的关键技术包括: 1. 伪似然估计(Pseudolikelihood Estimation, PLE):这是一种统计推断方法,通过将整个数据集视为多个独立的部分来估计参数,即使这些部分之间存在依赖关系。在链路时延的估计中,PLE允许作者处理复杂的统计模型,同时保持计算成本相对较低。 2. 变量大小分箱模型:这个模型允许对不同链路或不同时间段的时延特性进行灵活建模,因为网络环境可能会随时间变化。通过动态调整分箱大小,可以更好地捕捉到实际时延分布的复杂性。 3. 验证与有效性:为了证明其方法的有效性和准确性,作者使用NS-2(Network Simulator 2)进行模拟实验。结果表明,该端到端估计方法在实际网络环境中能有效地估算出链路时延分布,这对于网络操作和性能评估具有重要意义。 这篇论文对于网络工程和优化具有实用价值,特别是在设计实时监控和管理策略时,理解链路时延分布的精确估计是至关重要的。它提供了一种在计算效率和精度间取得平衡的方法,这对于现代网络通信系统来说是不可或缺的。

parser.add_argument('--save-txt', action='store_true', help='save results to *.txt') parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels') parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes') parser.add_argument('--nosave', action='store_true', help='do not save images/videos') parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3') parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS') parser.add_argument('--augment', action='store_true', help='augmented inference') parser.add_argument('--visualize', action='store_true', help='visualize features') parser.add_argument('--update', action='store_true', help='update all models') parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name') parser.add_argument('--name', default='exp', help='save results to project/name') parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment') parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)') parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels') parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences') parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference') parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference') parser.add_argument('--vid-stride', type=int, default=1, help='video frame-rate stride')这些都是什么作用

2023-07-10 上传