專利名稱：電信網絡中控制數據流的方法和服務器的制作方法
技術領域：
本發明涉及一種在電信網絡中監控數據流的方法和服務器，特別用于準許新的數據流進入網絡。
背景技術：
電信網絡例如因特網能夠傳輸多種數據，特別是諸如對話、圖片和/或一系列圖片等多媒體數據編碼信息。
為此，這些信息經計算機語言進行編碼然后再以數據包的形式進行傳輸進而形成數據流，同一個數據流的每一個數據包都有同樣的標記，尤其是包含數據流的發送方和接收方在網絡中的地址。
為了得到高質量的數據流傳輸，有必要防止傳輸數據流的網絡產生擁塞，擁塞將導致長的包傳輸延遲，一個或多個包的丟失或其他現象將降低網絡的通訊質量。
這就是為什么當一個數據流必須被準許進入到一個通訊網絡中時，一個控制服務質量(QoS)的服務器決定準許這個新的數據流進入網絡是否是可以接受的，以確保按照要求的質量級別實現傳輸新數據流和已經在網絡中被傳輸的數據流。
而且，數據流可以有可變的比特率，例如，尤其是數據對與視頻會議相關的音頻和/或視頻信息編碼時。而且，數據流的比特率的變化，即數據流的連續性，也根據該流傳輸的數據的特性進行變化。
例如，當傳輸電話對話時，無聲期間產生低的數據比特率而對話期間產生高的數據比特率。而且，這類和對話有關的數據流的比特率變化很小。這種數據流被稱為具有低的不連續性(或“低突發度性”)。
舉另一個例子，傳輸視頻相關的一系列圖片，例如，導致在很高的比特率傳輸圖片與接近零比特率的期間相互交替。這種情況下，數據流的比特率被稱作具有高的不連續性(或“高突發度性”)。
如上所示，當數據流必須通過電信網絡傳輸時，用于控制網絡服務質量的服務器必須確定是否能夠傳輸新的數據流同時確保新的和已經在傳輸的數據流的質量。
如果準入的數據流的比特率事先已知的話，這種數據流控制證明是較容易實現的，如果準入的數據流的比特率隨后發生變化，就像多媒體數據流的情況一樣，尤其是該流具有高突發度性時，情況就更加復雜了。
因為這樣，參照下文的網絡業務量，已知通過考慮網絡所涉及的所有流，使用模型去統計地確定是否準許數據流進入網絡。
這些數據業務量模型使用與業務量相關的參數——例如最小比特率、信號的突發度度和/或平均比特率——去準許或拒絕新的數據流的進入以達到預定的在需要的質量和網絡的最大利用(即網絡的最大效率)之間的折衷。
一個現有技術的電信網絡中的數據業務量模型使用包括間隔和在這些間隔中允許的最大比特率的值對。這個模型在下文被稱為確定性邊界間隔長度相關(D-BIND)模型。
實際上，在本領域中已知使用D-BIND模型表示視頻業務量的特征，特別定義了P個對{(Rk，Ik)|k＝1，...，p}(1)在這里IK是間隔，RK是在間隔IK中相關流可以發送的最大數據比特率。
相應地，如果Aj[t1，t2]代表在時刻t1和t2間數據流j傳送的比特總數，那么流j的最大比特率Rk由如下定義Rk=max0≤t(Aj[t,t+IkIk)]]>p的值通常根據經驗在4到8的范圍內選擇，Rk值的設定作為準入控制算法的一個參數來使用，例如，在E.W.Knightly的“H-BINDA New Approach to Providing Statistical Performance Guarantees toVBR Traffic”，Proceedings of IEEE INFOCOM’96，(舊金山，CA)，pp.1091-1099，March 1996中所描述的。
現有技術中關于D-BIND模型的一個應用涉及依照移動圖像專家組(MPEG)協議進行編碼的視頻的傳輸，業務量的特征為三類數據的子集，稱為I、B和P幀，包括不同數量的數據并具有特定的傳輸順序。
在此情況下，MPEG協議要求不同長度的間隔Ik用于表示MPEG流整體的特征。
使用S-BIND模型的數據流準入控制通過使用由D-BIND業務量模型提供的對{(Rk，Ik)|k＝1，...p}的H-BIND算法來實現。
更確切地說，H-BIND算法考慮了數據流具有的高斯分布，以便分布的方差和均值可以通過考慮到相關每個間隔Ik的最壞情況進行計算，即，考慮到在間隔內方差最大值的情況，這種情況降低了業務量的預測性能。
從該方差和該均值，該算法計算超出允許的涉及間隔Ik的延時限制的概率來評估對于整個流超出允許延時限制的最大概率，整個流即引入的流和已經在傳輸中的流。
為此，在MPEG視頻的情況下，H-BIND算法將時間分成能對應于傳輸數據子集所必須的時間的間隔，于是數據流被一系列通過函數b(t)得到的正實數{Xt1，Xt2，...，XtN}模型化，函數b(t)借助于由D-BIND模型提供的對{(Rk，Ik)|k＝1，...，p}生成，如上所示，依照如下公式b(t)=RkIk-Rk-1Ik-1Ik-Ik-1(t-Ik)+RkIk,Ik-1≤t≤Ik]]>從函數b(t)，對于每個考慮到的間隔得到b(t)的值，產生如下序列{bt1，bt2，...，btN}.
這種最大化在間隔內模型化數據比特率的數據序列方差的方法是“所有或沒有”類型，在這里“所有”由b1代表，是在最小子集內數據數量的值，“沒有”由0代表。
于是新的序列{Xt1，Xt2，...，XtN}是類型{bt1，0，0，bt1，0，0，0，bt1，0，0，0，bt1，0，0，0...}，在連續的bt1間的0的數目從函數b(t)得到。
一旦得到序列{Xt1，Xt2，...，XtN}，比特率的均值和方差就在間隔長度k上計算得到μ=(1N)Σt=1NXt1,---(1)]]>σ2(tk)=(1N-k)Σt=1N-k+1(Σm=0k-1Xt1+tm-kμtk)2]]>根據中心極限定理(CLT)，復用業務量可以用H-BIND算法通過一個具有均值μ^(tk)=Σjkμj]]>和方差σ(tk)=Σjtk2σj2(tk),]]>的正態分布B(tk)進行模型化。
在這里μj和σj(tk)根據每個數據流j來評估，超出建立的延遲限制dj的概率是Prob{delay＞dj}＝max0≤tk≤βProb{B(tk)-Ctk≥Cdj}在這里β=min{t>0|Σjbj(t)≤Ct}]]>是忙區范圍的限制。
對所有當前數據流和等待授權進入網絡的數據流都實施H-BIND模型化。
如果超出數據流j的延遲dj的邊界的延遲的概率低于強制級別P1，新的數據流就被授權進入網絡。
本發明源于如下觀察，將序列{bt1，bt2，...，btN}轉換為新序列{bt1，0，0，bt1，0，0，0，bt1，0，0，0，bt1，0，0，0...}，
如前所釋，數據流被由函數b(t)限定的值序列模型化，即利用由b(t)限定的序列間最大的方差限定。
換句話說，H-BIND算法用最壞的情況場景來分析網絡業務量，其降低了網絡的使用效率，這會對于那些具有高突發度性的數據流，諸如視頻流產生滿意的結果。
然而，如果業務量是低突發度性的，H-BIND算法導致了網絡容量的浪費，其表現為涉及通信網絡的成本效率的一個主要問題以及涉及在網絡中評估突發度性的問題。

發明內容
本發明旨在解決這個問題。因而它涉及一種在電信網絡中控制數據業務量的方法，該方法使用網絡傳輸的業務量的統計模型和數據比特率的高斯分布，在該方法中，特征化所述的高斯分布的值由一個根據變化強度的函數改變的參數進行加權，也就是已知的突發度性，其業務量由網絡和所述的用于評估網絡中的業務量加權值處理，這種方法由依靠數據流的平均值和在給定時間內比特率的最大值定義的加權值參數γ來描述。
運用根據本發明的方法的算法，在下文中被稱為γH-BIND算法，能使用參數γ根據業務量的突發度改變數據業務量的高斯模型。
根據本發明的方法顯著地提高了對于低突發度性業務量(非突發度)的網絡容量的利用。
在一個實施例中，加權參數γ由數據比特率的平均值λavg與數據比特率的最大值λpeak的比率來定義γ=λavgλpeak]]>在一個實施例中，數據比特率的平均值λavg通過在一段預定的時間內測量得到，在此同一時間內確定數據比特率的最大值λpeak。
在一個實施例中，對高斯分布的平均值μ加權，例如根據公式μ′＝(1-γ)(μ-λavg)+λavg
在一個實施例中，使用數據業務量模型，包括值對{(Rk，Ik)|k＝1，...，p}在這里IK是間隔，p是通常值為4至8的變量，RK是最大數據比特率，在間隔IK中，給定數據流可以該最大數據比特率發送，流j的最大數據比特率RK定義如下Rk=max0≤t(Aj[t,t+Ik]Ik)]]>其中Aj[t1，t2]表示時刻t1和t2之間相關數據流(j)發送的比特的總數。
在一個實施例中，通過以下一系列正實數模型化數據流{Xt1，Xt2，...，XtN}這些正實數借助于值對{(Rk，Ik)|k＝1，...p}產生的函數b(t)得到，例如根據如下公式b(t)=RkIk-Rk-1Ik-1Ik-Ik-1(t-Ik)+RkIk,Ik-1≤t≤Ik]]>在一個實施例中，置信度ε利用隨機變量SK定義，隨機變量SK對于間隔IK中相關的數據流比特率的分布是特定的，與之相關聯，概率密度函數sk(a)如下定義Sk(a)=prob(Aj[t,t+Ik]Ik≤a),∀t≥0]]>然后如下定義每個間隔IK的值RK∫0Rksk(t)dt=ϵ]]>其中0＜ε≤1。
在一個實施例中，數據業務量控制用于決定是否準許一個數據流進入網絡，該數據流例如與多媒體信息相關，如對話、視頻會議、例如根據MPEG協議編碼的圖片和/或一系列圖片。
本發明還涉及用于控制電信網絡中數據業務量的設備，其利用網絡發送的業務量的統計模型和數據比特率的高斯分布，該設備的特征在于它包括用于執行根據任一前述實施例的方法的裝置，通過參數γ對所述高斯分布的數值特性進行加權，參數γ根據網絡處理的業務量的變化強度(也稱為突發度)而變化，所述加權的值用于評估網絡中的業務量。


本發明的其他特征和優點從下面參考所附單個圖說明的和不作為限制的描述中變得清楚，該圖是控制數據流進入通信網絡的方法的圖。
具體實施例方式
根據本發明，此后描述的算法被應用于根據統計模型準許考慮為高斯分布的數據流進入的方法。
因此，有必要澄清上述D-BIND模型使用最大比特率表明某些間隔的特征。現在在一些情況中，那些最大比特率未知，例如如果實時處理接收的數據流，這意味著這種模型不用于這些情況。
這就是為什么根據本發明的一個方面(該方面可以獨立于前面指明的各個方面進行應用)通過考慮缺乏相關流的參數知識改進了D-BIND模型。
為此，定義了一個隨機變量SK，其對于間隔IK中數據流比特率的分布是特定的，與之相關聯，概率密度函數sk(a)如下定義Sk(a)=prob(Aj[t,t+Ik]Ik≤a),∀t≥0]]>在這里Aj[t1，t2]代表一段時間[t1，t2]流j的數據量。
對于每個間隔IK，RK如下定義∫0RkSk(t)dt=ϵ]]>
其中0＜ε≤1。
當ε＝1時，RK的值與使用D-BIND模型的值相同。當ε減小時，RK減小，其增加了網絡的使用效率。
此后，ε稱為S-BIND模型的置信度。
在S-BIND模型中，根據置信度ε對于各種間隔Ik是否可以變化還是固定，每個數據流的特征由三個值的集合表示{ε，(Rk，Ik)|k＝1，...，p}，或者通過兩個值的集合表示{(Rk，Ik，εk)|k＝1，...，p}。
一旦S-BIND參數固定，控制服務質量(QoS)的服務器就能利用統計控制算法如H-BIND算法進行統計進入控制。
在本實施例中，服務器利用本發明的γH-BIND進入控制算法，其如下定義了數據流的突發度參數γγ=λavgλpeak]]>其中λavg是數據流比特率的平均值，通過在一段給定的時間內測量得到或者事先估計出，并且λpeak是網絡中流比特率的最大值。
在本實施例中，參數γ用于加權從式(2)計算出的數據流的平均值μ，得到新值μ’如下μ′＝(1-γ)(μ-λavg)+λavg加權μ借助于γH-BIND算法產生一系列值{Xt1，Xt2，...，XtN}，和借助于H-BIND算法得到的一系列值{Xt1，Xt2，...，XtN}相比，γH-BIND算法提供了改進的性能，特別對于非突發度業務量，如后面所附表1和2中給出的實驗的結果所示。
事實上，如果業務量的突發度增加，則γ趨于0，加權均值μ’趨于μ。
相對照地，如果業務量是非突發度的，則γ趨于接近1，加權值μ’接近于數據流的平均值λavg。
總之，新的流進入控制算法γH-BIND因此具有優于在先技術的優點，特別在考慮到數據流的突發度時優于H-BIND算法，使得能夠更好地利用網絡資源，特別在非突發度數據流的環境中。
實驗是在電信網絡的節點100(見附圖)進行的，電信網絡具有多個流輸入102、104、106和108，容量C＝45Mbps的一個輸出110。
應該指出，為了簡化比特率估計，沒有考慮質量控制器和節點100間的通信。
在實驗的第一階段，結果在表1中列出，節點100接收的數據業務量包括兩種流，即非突發度數據流，例如包括和電話呼叫有關的信息，和突發度數據流，例如包括和視頻序列有關的信息。
所有流有相同的延遲限制d，這意味這該數據包傳輸延遲必須在待傳輸時被編譯。
兩種數據流具有如下特征

在上表中，“平均OFF時間”(另一個是“平均ON時間”)是指沒有數據發送的時間(另一個是有數據發送的時間)。
在實驗的第二階段，結果在表2中列出，節點100僅接收突發度數據業務量。數據流例如包括和視頻序列有關的信息。
在上述仿真期間，利用H-BIND和γH-BIND進入控制算法的網絡150的效率通過各種延遲限制d和各種置信度ε進行測試，如附表1和2中指示的。
因此，延遲限制d從1ms變化到40ms，置信度ε從99％變化到77％。
另外，施加的質量規則如下超過最大延遲的比率＜＝1％最后，應該指出表1和2表示測量的整體比特率和“比特率/％使用”形式的網絡的使用的百分比。
發現(見表1)對于非突發度業務量，本發明的γH-BIND算法得到的網絡使用效率從3％到4％，大于H-BIND算法得到的效率，與參數ε的值無關。
另外，對于突發度業務量，例如包括視頻數據流的業務量，再次按照本發明的γH-BIND算法得到的效率高于H-BIND算法得到的效率，與參數ε的值無關。
最后，應該指出表1和2指示了在一段給定時間上每種情況下測量的或者事先估計的數據流的比特率的平均值和極值λpeak。
本發明自己有多種變形。這樣本發明就可以應用于子網絡或確定是否準許數據流進入域的控制服務器控制的域。
另外，很清楚用于對數據流模型化的高斯分布的其他變量特性可以借助于作為業務量突發度的函數的變量進行加權，該變量例如是分布的方差。
表1

表2

權利要求
1.一種通過數據比特率的高斯分布利用電信網絡(150)發送的業務量的統計模型(D-BIND，S-BIND)控制該電信網絡(150)中數據業務量的方法，其特征在于，所述高斯分布的特性值(μ，σ)由參數γ加權，參數γ根據網絡(150)處理的業務量的變化強度改變，變化強度也稱為突發度，所述加權值(μ’，σ)用于評估網絡內的業務量。
2.根據權利要求1的方法，其特征在于加權參數γ借助于數據比特率的平均值λavg和一段給定時間上的數據比特率的最大值λpeak定義。
3.根據權利要求2的方法，其特征在于加權參數γ定義為數據比特率的平均值λavg和數據比特率的最大值λpeak的比率γ=γavgγpeak]]>
4.根據權利要求2或權利要求3的方法，其特征在于在預定的一段時間上測量數據比特率的平均值λavg，并在該段時間確定數據比特率的最大值λpeak。
5.根據權利要求3或權利要求4的方法，其特征在于加權高斯分布的平均值μ，例如借助于公式如μ′＝(1-γ)(μ-λavg)+λavg
6.根據前面權利要求中任一項的方法，其特征在于使用涉及如下值對的數據業務量的模型{(Rk，Ik)|k＝1，...，p}其中Ik是時間間隔，p是通常值為4至8的變量，Rk是在間隔Ik中給定數據流可以發送的最大數據比特率，流j的最大數據比特率Rk定義如下Rk=max0≤t(Aj[t,t+Ik]Ik)]]>在這里Aj[t1，t2]表示時刻t1和t2之間相關數據流(j)發送的比特的總數。
7.根據權利要求6的方法，其特征在于通過如下一系列正實數模型化數據流{Xt1，Xt2，...，XtN}這些正實數例如根據如下公式借助于值對{(Rk，Ik)|k＝1，...p}產生的函數b(t)得到b(t)=RkIk-Rk-1Ik-1Ik-Ik-1(t-Ik)+RkIk,Ik-1≤t≤Ik]]>
8.根據權利要求7的方法，其特征在于利用隨機變量Sk定義置信度ε，隨機變量Sk對于間隔Ik中相關數據流比特率的分布是特定的，與之相關聯，概率密度函數sk(a)如下定義Sk(a)=prob(AJ[t,t+Ik]Ik≤a),∀t≥0]]>然后對于每個間隔Ik，值Rk如下定義∫0RkSk(t)dt=ϵ]]>在這里0＜ε≤1。
9.根據前面權利要求中任一項的方法，其特征在于數據業務量控制用于決定是否準許一個數據流進入網絡，該數據流例如與多媒體信息相關，如對話、視頻會議、例如根據MPEG協議編碼的圖片和/或一系列圖片。
10.一種用于通過數據比特率的高斯分布利用電信網絡(150)發送的業務量的統計模型(D-BIND，S-BIND)控制該電信網絡(150)中數據業務量的設備，該設備的特征在于包括用于執行根據前面權利要求中任一項的方法以利用參數γ加權所述高斯分布的特性值(μ，σ)的裝置，參數γ根據網絡(150)處理的業務量的變化強度改變，變化強度也稱為突發度，所述加權值(μ’，σ)用于評估網絡內的業務量。
全文摘要
本發明是關于控制電信網絡(150)中的數據業務量的方法，所述控制根據由網絡(150)發送的業務量的統計模型借助于數據流的高斯分布實現。根據本發明，一個這樣的方法的特征在于借助于參數γ加權高斯分布的特性值，參數γ根據所述網絡(150)處理的業務量的變化強度或不連續性改變，所述加權值用于評估網絡內的業務量。
文檔編號H04L12/54GK1846407SQ200480025060
公開日2006年10月11日 申請日期2004年6月28日 優先權日2003年7月1日
發明者阿爾貝托·孔特, 菲利普·多希, 錢列, 汪宇科, 湯益彥, 阿南德·克里施納默泰 申請人:阿爾卡特公司