异构网络中关键参数的仿真与研究

张 潇，王 辉，王 伟

ZHANG Xiao1,WANG Hui2,WANG Wei1

1.河南科技大学 电子信息工程学院，河南 洛阳 471003

2.河南科技大学 现代教育技术与信息中心，河南 洛阳 471003

1.School of Electronic Information Engineering,Henan University of Science and Technology,Luoyang,Henan 471003,China

2.Modern Educational Technology and Information Center,Henan University of Science and Technology,Luoyang,Henan 471003,China

1 引言

对移动性与互联性的渴望，多种无线网络系统正逐步代替传统有线网络成为互联网接入的最后一跳。由于其无线信道本身具有时延长、误码高等特性，使得原本在有线网络中表现上佳的TCP协议性能大为下降。

20世纪90年代末期，相关的研究主要集中在异构网络内部固有的特性和参数上。基于TCP的原始协议，十几种优化的TCP协议升级版本被提出，这一思路在最早的异构（融合）网络[1-8]传输性能优化思想和方法中占主导地位，TCP-Reno、TCP-Vegas以及TCP-Westwood等都是比较典型的代表，实践证明，这些改进的TCP协议不同程度地提升了异构网络的传输性能。随后，采用代理的方法和基于跨层的设计思想被陆续提出，不同类型的代理用在不同的网络环境中以克服不同的链路特性以提高网络传输性能。到了20世纪末和21世纪初，在智能代理与分段连接方法[9-10]基础之上，模糊数学和智能控制理论的相关方法被陆续提出，其主要依据为网络状态是动态变化的，各种测度的阈值不应该是固定不变，应该根据测度的变化状态建立学习模型，测量值在模型中进行推理，从而认知网络状态并合理地进行控制。

各网络参数与当前网络真实传输状态的相关性是认知网络的一个关键问题，然而当前的网络参数研究仅停留在有线或无线的单一网络环境，欠缺对异构网络状态进行合理评价。

本文针对具有瓶颈链路的异构网络环境，在现有各参数基础之上，提出两个新参数。根据异构环境的特殊性，分别从链路时延长短、路由队列大小以及误码率高低等方面进行大量的实验仿真，用格贴近度[11-12]方法计算出各参数的相关性。将新参数与现有参数从不同环境的角度进行分析与研究，探讨新参数在异构环境下对网络当前状态反应的优势。

2 新参数与相关性研究理论基础

2.1 新参数的提出

传输层是OSI中最重要，最关键的一层，总体的数据传输与数据控制都由本层进行控制，异构网络中这一层的重要性不言而喻。传输层也称TCPIP层，如今这一层中参数有许多，典型的有rtt（往返延时），cwnd（拥塞窗口）等关键参数，但是这些参数在有线网络环境中特性表现突出，应用在无线或异构网络并不是对网络状态有良好的相关性。以现有参数特性为基础，针对异构网络提出两个新参数，下面给出具体理论与定义。

ToC为超时周期，此参数是在参数timeout基础上得到的，计算公式如下：

其中ack个数是随着数据成功传输不断增大，超时次数受到链路带宽与误码丢包的直接影响，该数据包丢包率统计特性近似服从尖τ分布。

均值抖动积MDP是基于参数传输往返延时rtt计算得出的，计算公式如下：

rtt参数值抖动比较大，无法确切反映出因为外界干扰而产生的变化。公式中前半部分（中括号内）为srtt（平滑rtt），有效地平滑了rtt参数本身的特性；后半部分（指数部分）为两次rtt的差值，由于rtt采用s为单位，该差值数量级比较小，此部分值接近于1，将每次rtt的抖动作为微调。在异构网络中rtt的抖动多数是由于无线网络中产生，也就是将异构网络中无线部分延时的抖动作为参数中的微调。MDP不仅能反应瓶颈链路中排队时延变化，而且网络利用率也能被体现，该数据统计量近似服从正态分布。

2.2 格贴近度定义

本文使用模糊数学的方法来研究分析参数，它是精确的经典数学与充满了模糊性的客观世界之间的一座桥梁。要计算两个模糊集合（即Fuzzy集合）接近的程度，即计算贴近度。通过仿真论证，格贴近度方法易于计算，得到各参数的相关性多样且准确。下面为实验分析所用到的格贴近度公式。

其中，a1和a2分别表示模糊集的样本均值，σ1和σ2分别表示模糊集的样本标准差。

研究式（1）中给出的公式，相应的可以分别得到：

所以格贴近度公式改进如下：

此公式比较直观且更贴近实际的正态模糊集，更重要的是避免了较复杂的指数计算。

2.3 相关性的分析方法

网络中提取的参数为一个模糊集合（即Fuzzy集合），对两个参数相似程度的度量，就可以应用以上公式进行计算。

如分析参数dupacks（数据包重传个数）与网络当前状态的相关性：当链路中出现拥塞或丢包，发送端将接收到重复的确认包ack，随之dupacks增大，相反整个链路的ttp（吞吐量）就会降低。参数dupacks与ttp分别作为输入参数与，带入公式（3），即可得到其格贴近度值，该结果反应了参数dupacks与ttp的相关程度。

3 实验仿真

3.1 异构网络环境建立

在NS2[13]中进行实验仿真，使用一种经典哑铃型拓扑，如图1所示。

图1 异构网络经典拓扑图

网络环境对于参数提取的影响非常关键，所以下面详细介绍实验的网络环境。

该拓扑中节点A、B和C为普通有线终端，节点D和E为无线终端，AP为连接有线与无线节点的基站，节点C与AP之间为有线连接，称为瓶颈链路，这样就构建了一种典型的异构网络拓扑。

为了提取各网络参数，设置一条目标流，节点A为发送端，节点D为接收端，途中经历A->C->AP为有线链路，AP->D为无线链路。修改NS2传输层中相关协议代码，将基站协议代理功能加入AP，即端到端的目标流分成了两部分，该方法即为上文介绍过的分段连接。有线链路部分采用标准的TCP协议，该协议对于有线链路的数据传输具有较好的性能；无线链路采用修改过的TCP协议，以适应特殊的异构网络环境。由于基站AP是作为无线链路部分的发送端，因此修改过的TCP协议应放在基站处，也可把此基站称为智能网关[14-15]。该智能网关应如何具体地对协议进行控制，是在对参数进行分析，认知异构网络当前状态之后所要做的工作，在此无线链路采用了TCP-Reno协议。

对于模拟真实多样的网络环境，如长延时网络、轻度负载或者重度负载等，设置不同的输入参数是一种有效的方法。该实验中共设置五种参数作为输入，分别为：延时、队列、背景流、有线误码和无线误码。这些参数都是影响真实网络环境的关键因素，延时：有线链路中的传输延时，模拟数据在有线链路传输所需的时间。队列：瓶颈链路缓冲队列长度，队列越长，瓶颈链路由于拥塞的丢包概率越小，反之概率越大，实验中采用尾丢弃队列，即Drop Tail。背景流：背景流的个数，实验中背景流是由节点B为发送端，经过瓶颈链路最后被无线节点E接收，背景流个数直接决定网络拥塞程度。有线和无线误码：由于链路不稳定因素造成的丢包，非拥塞产生的丢包。具体输入参数值如表1所示。

除可变的输入参数之外，实验中也牵涉到许多不变参数。无线链路MAC层采用802.11协议，网络接口队列大小为50，依然是尾丢包，无线路由协议为DSDV；TCP协议中代理窗口设置为20，UDP协议中数据包大小为1000，发送速率为25 KB/s；仿真时间为30 s。

表1 各输入参数表

虽然拓扑只有一种，但是联合可变与固定参数，可以模拟出243种不同的网络环境，基本可以涵盖大多数异构环境，为参数提取提供了可靠保证。

3.2 异构网络参数提取

传输层向它上面的应用层提供通信服务，它属于面向通讯部分的最高层，该层的参数变化也会对网络传输有关键的影响。实验中提取传输层的关键参数，作为相关性分析的数据源，具体提取参数如表2。

表2 各参数提取表

提取一共9种参数，前7个参数均为传输层比较常见的。后2个参数是由基金项目网络认知模型的建立中提出的。

仿真时间30 s，采样周期为0.1 s，得到的参数文件均为300行2列的数据，时间以及参数值。

4 相关性分析

在异构网络中，端到端的传输必然经历有线与无线两种媒介，边界节点以及智能网关AP担负着关键的作用。而往往AP处的数据流负载比较大，就产生了瓶颈链路[16]（网络中最有可能发生拥塞的链路）。

如图1中节点C与AP之间可以称为瓶颈链路，实验中将此链路中的吞吐量（ttp）作为当前网络实际的性能指标，即为目标参数，表2中各参数作为比对参数，分析各参数与ttp的贴近度。再次特别强调，瓶颈链路状态的好坏并不与吞吐量成正比，而是带宽利用率决定了网络状态的优劣。实验中参数的贴近度为该参数反应网络实时状态的程度，从而由参数以及参数的贴近度就能得到不同环境下的网络实时状态。

有了提取得到的参数，使用MATLAB作为分析软件，使用公式（3）计算格贴近度，得到了各种环境下各参数与瓶颈链路ttp的相关性。

参数相关性均值表如表3所示。

表3 各贴近度均值表

相比之下awnd、ssthresh和queue的相关性稍差，即与瓶颈链路吞吐量的相关性较低，在此舍去；MDP和ToC是分别由rtt和timeout计算得出的，最终选取cwnd、dupacks、MDP和ToC四个参数。

4.1 不同链路时延环境

实验仿真中链路时延分别为10 ms、20 ms和50 ms，将得到的格贴近度按链路时延参数分别汇总取平均值，得到图2。

图2 不同链路延时各参数的相关性

明显发现，格贴近度值随链路延时的增大而减小。参数cwnd递减得最快；dupacks的格贴近度在延时为10 ms到20 ms递减程度较少，而在20 ms到50 ms间递减程度最高；反观参数MDP不论从递减程度且贴近度值，都是较好的，ToC次之，可以得出参数MDP与ToC在长延时的网络环境下与网络状态有着较好的相关性，能有效地反应当前网络性能。

4.2 不同网络负载环境

在目标流的基础之上加入背景流可以模拟不同网络负载的网络环境。实验中根据链路带宽和背景流发送速率，设定了三种网络负载环境，分别为：无背景流、轻度拥塞和重度拥塞环境，即参数分别为0，1和3，当有三个背景流时，瓶颈链路已经严重负载，出现很多拥塞丢包。

将得到的格贴近度按背景流分别汇总取平均值，得到图3。

图3 不同背景流各参数的相关性

与不同链路延时环境的特性不同，各参数的贴近度随着背景流的增加而提高，即在网络负载重的环境下，格贴近度值具有更高的价值。

无网络负载与轻度拥塞的环境下，参数MDP相比之下有较高的相关性，ToC相关性也略高于其他两个参数；而在重度网络负载环境下，各参数的相关性差别不大。

4.3 不同链路误码环境

异构网络中误码包括有线部分和无线部分两种误码，而对于传输层而言，经历异构网络环境的端到端代理是不区分误码产生的原因。因此实验中对两种误码进行了区分模拟，而在统计贴近度的结果时将两种误码合并为异构链路误码进行总结，如图4。

图4 不同误码率各参数的相关性

结果表明，在链路没有产生误码丢包环境下，各参数的相关性并不是很理想；误码率低的情况下，各参数贴近度比较高，但是随着误码率继续地增加，贴近度逐渐下降。即在链路无误码或者误码较严重环境下，用格贴近度作为标准反应网络状态较差；在链路中存在较低误码的情形，参数MDP依然有着较高的相关性。

4.4 相关性总结

虽然各参数格贴近度均值相差不大，但是区分不同网络环境之后，相关性的差异还是很明显，两个新参数的相关性表现比较突出。在瓶颈链路利用探测数据包的往返延时可以得到链路时延，在时延低的情形下，各参数相关性高，可以采用此参数作为衡量网络当前性能的标准。同样的，当瓶颈链路负载比较重、有较低误码率的情况下，参数相关性高，反应网络性能较准确。相反，此方法不适用在链路延时高、网络负载低、无丢包和误码率高的网络环境下，可以采取其他方法对网络性能进行认知。

5 结束语

从解决异构网络传输性能的问题，引出传统端到端方法修改现有协议并不合适，在异构网络边界处加入智能网关，采用分段方法可以针对不同网络环境自适应地调整，提高异构网络总体性能。

该实验成果为以上课题建立了异构网络拓扑模型，并确立与提取了各网络信息参数。在原有参数基础之上，提出超时周期（ToC）与均值抖动积（MDP）两个新参数。最后使用格贴近度的方法对参数和网络瓶颈链路真实状态进行仿真分析，得到了所有参数在不同网络环境下的相关性，且新参数较其他原有参数均有较好的相关性，为自然基金项目课题下一步建立网络认知模型以及智能网关中性能优化模块提供了可靠基础。

[1]Barakat C，Altman E，Dabbous W.On TCP performance in a heterogeneous network：a survey[J].IEEE Communications Magazine，2000，38.

[2]Biaz S，Vaidya N H.De-randomizing congestion losses to improve TCP performance over wired-wireless networks[J].IEEE/ACM Transactions on Networking，2005（3）.

[3]Ye Jin，Wang Jianxin.TCP improvement based on adaptive packets loss distinction method in wired/wireless network[J].Journal of Communications，2007，28（5）：15-21.

[4]Osada S，Wang Hui，Yokohira T，et al.Throughput optimization in tcp with a performance enhancing proxy[C]//International Conference on Communication Technology（ICCT 2006），2006：392-397.

[5]Wang Hui，Osada S，Yokohira T，et al.A throughput optimization algorithm for TCP connections with different routes in long-delay satellite environments[C]//International Communications Satellite Systems Conference（ICSSC-2007），2007.

[6]李红，沈未名.有线/无线混合网络传输控制策略[J].计算机工程，2009，35（14）：111-113.

[7]胡致远，李宁，郭建丁，等.无线异构网络的资源分配策略[J].计算机应用，2011，31（4）：893-896.

[8]韩涛，黄友锐，曲立国，等.适用于异构网络的改进TCP协议研究[J].计算机科学，2011（S1）：279-281.

[9]Peng Fei，Wu Lijuan，Leung V C M.Cross-layer enhancement of TCP split-connections over satellites links[J].International Journal of Satellite Communications and Networking，2006，24：405-418.

[10]吴结，高随祥.基于分段连接机制实现卫星TCP性能的改善[J].计算机系统应用，2006（7）：33-37.

[11]谢季坚.模糊数学方法及其应用[M].3版.武汉：华中科技大学出版社，2006：143-175.

[12]苏放，甄雁翔，景晓军.模糊综合评判的融合网络2种丢包原因区分[J].北京邮电大学学报，2009，32（3）：60-64.

[13]黄化吉，冯穗力，秦丽娇，等.NS网络模拟和协议仿真[M].北京：人民邮电出版社，2010.

[14]Ge Ge，Zhang Guoqing.TCP protocol design and simulation based on heterogeneous network[J].Journal of System Simulation，2004，16（12）：2875-2879.

[15]Wang Hui，Osada S，Yokohira T.Effect of premature ACK transmission timing on throughput in TCP with a performance enhancing proxy[J].IEICE Transactions on Communications，2007，90（1）：31-41.

[16]倪县乐，周卫华，曾志民，等.Internet瓶颈链路带宽测量方法[J].计算机工程与应用，2003，39（33）：141-142.