基于AOS的Hurst-優先級自適應RED與動態調度算法

別玉霞，潘成勝，劉海燕，王延春

（1. 南京理工大學 自動化學院，江蘇 南京 210094；2. 大連大學 信息工程學院，遼寧 大連 116622；3. 遼寧省通信網絡與信息處理重點實驗室，遼寧 大連 116622）

1 引言

衛星通信網絡正在與地面互聯網融合，利用衛星通信系統的大容量傳輸和廣播特性提供互聯網業務，充分利用衛星網絡的帶寬分流地面互聯網流量，以緩解地面網絡擁塞和帶寬資源不足的問題[1]。同時，衛星通信網絡可與作戰指控系統、應急通信系統等結合，形成融合陸、海、空、天的一體化網絡。空間數據系統咨詢委員會(CCSDS, consultative committee for space data systems)提出的高級在軌系統(AOS, advanced orbiting systems)[2]適用于大型航天器，傳輸的碼速率范圍寬，業務種類多，具有網絡接入功能，可與地面網互聯實現空間多媒體通信，已經成為空間數據系統設計的重要標準。AOS能夠統一組織星上數據流，將文本、音頻、視頻、靜態圖像等多種類型的數據在一條物理信道上傳輸。為有效傳輸來自多個用戶[3,4]的重要性和實時性要求各不相同的大容量、高速率數據，AOS中各虛擬信道(VC, virtual channel)[5]以時分復用的方式高效地共享地—空、空—地或空—空信道。

研究表明，地面互聯網的業務流量普遍呈現出自相似性[6]，并已得到廣泛公認。國內外已有關于衛星網絡業務自相似性的研究。文獻[1]基于地面互聯網自相似性的研究成果，得到了如下結論：地面網絡的自相似業務經過信關站進入衛星鏈路后的業務流量仍具有自相似性，自相似業務在衛星網絡中匯聚和傳播后的業務流量仍然是自相似的，即業務的自相似性在衛星網絡中普遍存在并能夠傳播。文獻[7]通過建立包含低軌衛星網絡、地面網絡和信關站的網絡模型，仿真驗證了低軌衛星網絡中流量的自相似性。已有文獻在研究寬帶衛星通信網絡時也采用了自相似業務模型[8～10]，并研究了衛星通信網絡中自相似業務流量的預測問題[11～13]。文獻[14]表明，網絡流量的自相似性不僅存在于互聯網絡中，同時也存在于衛星網絡中[15]。網絡內部數據流量的特性取決于傳送的業務類型，自相似性揭示了高速網絡業務流量的一個普遍特性，自相似性與業務發生的時間地點或信源編碼方式無關，并且無論網絡的拓撲結構、用戶數量、傳輸介質、協議類型等如何變化，這種自相似性始終存在[16]。

網絡業務自相似性的一個突出表現為長時間的數據突發，在此情況下，星上路由節點的分組處理系統隊列性能會受到較大影響，依靠增加緩存容量，對系統性能的改善并不明顯，反而會增加延時；同時，不同用戶的數據業務具有不同的重要性和傳輸實時性要求。為保證在突發情況下使重要數據得到及時傳輸，且能有效地利用緩存資源，需要基于AOS數據流的自相似性對網絡性能的影響以及不同數據業務的傳輸需求，設計一種合理的隊列管理與虛擬信道調度算法。

為有效地進行擁塞控制，中繼衛星節點上的隊列管理算法按照一定的規則對緩存資源進行分配，通過一定的丟棄分組概率來提前通知數據源端調整發送速度。典型的隊列管理算法有RED[17]以及改進算法 ARED[18]、SRED[19]、BLUE[20]、文獻[21～24]所提出的算法等，這些隊列管理算法是基于流量的短相關模型的，沒有考慮流量的自相似性，不能有效解決突發業務的隊列管理問題。文獻[25]把流量的自相似參數引入到 RED算法的丟棄概率中，提高了隊列長度的穩定性，減少了丟棄分組率、排隊時延和排隊抖動。文獻[26]提出了基于時間槽的自相似流量隨機早檢測，在每個時間槽內計算一次丟棄分組概率，大大降低了系統負擔。文獻[27]利用自相似業務流的可預測性，采用經典控制理論中的預測PI控制器來進行隊列管理，保持隊列穩定在期望的長度。上述算法能夠較好地實現自相似流量下的隊列管理，但對所有分組公平丟棄，不能滿足AOS中多種類型業務的不同重要性。因此，需要基于 AOS的數據流量特性和業務重要性設計隊列管理算法。

虛擬信道調度算法是按照一定的服務規則對各虛擬信道中的幀進行傳輸。虛擬信道調度方式主要有全同步方式、全異步方式和同步/異步混合方式[28]。在全同步方式中，各虛擬信道以固定的時隙占用物理信道，信道利用率低，且不利于處理突發性強的異步數據。在全異步方式中，根據優先級決定各虛擬信道的傳送，可以靈活地處理異步數據，但同步數據會產生排隊延時，且延時量會隨其數據量的變化而變化，從而出現延時抖動。單一的全同步方式和全異步方式不能滿足 AOS不同類型業務的傳輸要求。同步/異步混合方式把信道分成同步虛擬信道和異步虛擬信道2部分，分配某些時隙傳送同步數據，其余時隙傳送異步數據，這種方式適合于業務類型較多的系統，但不能保證某些重要性極強的數據的及時傳輸。因此，可以基于同步/異步混合方式，兼顧重要性極強的數據，設計3級復用方式。

在傳統的研究中，隊列管理和虛擬信道調度相互獨立，缺乏相關性，不能有效地利用緩存和處理資源[29]。本文針對 AOS數據流及其業務特點，有效結合隊列管理和虛擬信道調度，提出了Hurst-優先級自適應 RED與動態調度 (HPRED-DS, hurst and priority adaptive RED combined with dynamic scheduling) 算法。基于HPRED-DS算法，在粗粒度根據流量的自相似程度、在細粒度根據優先級自適應調整丟棄分組概率，并根據不同業務的傳輸要求進行VIP/同步/異步混合的虛擬信道動態調度。實驗結果表明，該算法可滿足AOS不同數據流量特性和不同業務的傳輸需求，保證信道的合理高效利用。

2 AOS隊列管理與虛擬信道調度系統模型

作為衛星網絡的一個中繼節點，航天器的數據包括自身數據和來自網絡中其他節點的數據，每個信源都可包含工程數據、音頻數據、視頻數據、有效載荷數據和延時回放數據。音頻和視頻數據傳輸實時性和等時性要求高，稱為同步數據，工程數據、有效載荷和延時回放數據具有較強的突發性但等時性要求不高，稱為異步數據。AOS將共用同一條物理信道的數據以時分復用的方式在不同的虛擬信道中傳輸。由于每種數據業務的優先級不同，本文為每種數據業務分別分配一條虛擬信道，如圖 1所示。異步數據對傳輸等時性要求不高，采用異步傳輸模式，在異步虛擬信道中動態傳輸。同步數據具有很強的等時性與實時性要求，采用同步傳輸模式，在專用的同步虛擬信道中傳輸，同步虛擬信道提供的固定時隙保證了固定的延時，可滿足同步數據的等時性要求。此外，將數據源中某些重要性和實時性極強的同步和異步數據分離出來，稱為VIP數據，VIP數據可以包括航天器故障數據、重要的戰場數據、應急數據（地震監測數據、搶險救災數據、突發公共安全數據等），這類數據在總數據源中的比重隨網絡應用環境的不同而改變，但總體來說，比重相對較低。設置一條VIP虛擬信道專用于傳送VIP數據，以保證此類業務的及時傳輸。

到達各虛擬信道的分組要先進入其相應的輸入緩存隊列，輸入緩存采用最小分配共享方案，即根據各虛擬信道的平均業務量為每條虛擬信道分別預留一定的緩存，以保證其緩存的最小值。隊列管理模塊按照設計的隊列管理算法確定每個分組進入輸入緩存隊列的概率。處理單元將各虛擬信道的分組復用成幀，并暫存于相應的處理器緩存中。虛擬信道調度模塊根據設計的調度算法在每個時隙選擇一條虛擬信道，從其處理器緩存中取幀并傳輸。

當緩存大小和系統利用率固定時，排隊性能與流量的自相似程度有關，自相似程度可由Hurst參數H來刻畫[30]，H值越大，自相似性越強。流量的自相似性會導致緩存溢出率高、延時長，自相似程度越高，突發性就越強，對隊列性能造成的影響也越大[31]。因此，隊列管理算法要根據流量的自相似程度自適應調整，并要保證高優先級數據具有低丟棄概率。為合理利用處理資源，虛擬信道調度算法要兼顧VIP虛擬信道、同步虛擬信道和異步虛擬信道的傳輸特性，并與隊列管理算法有效結合起來。

圖1 AOS隊列管理與虛擬信道調度模型

3 HPRED-DS算法

3.1 HPRED算法設計

隊列管理算法HPRED采用基于H值與優先級的2級丟棄分組策略：每隔一定時間間隔T (粗粒度)，根據流量的平均速率m、方差系數a和H值自適應調整下一時間間隔內分組的粗粒度丟棄概率Pb1，Pb1對所有分組都是公平的。對到達的每個分組（細粒度），根據其優先級計算當前分組的細粒度丟棄概率Pb2。丟棄分組概率Pb由2級丟棄概率Pb1和Pb2決定。

1) 粗粒度丟棄概率

Norros提出用如下的分形布朗運動模型來擬合自相似業務流[32]

其中，At代表 t時間內到達的業務流，m＞0為流量的平均輸入速率，a＞0為方差系數，Bt為具有0均值、方差和H∈(0.5,1)的標準分形布朗運動。當H=0.5時，At為無自相似性的布朗業務流。

將At輸入一個服務速率為C(C＞m)的隊列，根據Reich’s公式[32]可得到隊列長度

其中，At是時間參數為t的分形布朗業務流，t, s∈(-∞,+∞)。根據Norros的推導，得出隊列長度超過x的概率為[32]

其中，

根據式(3)和式(4)，可以得到P(X＞x)與x的關系曲線如圖2所示。

可以看出，P(X＞x)與x的變化關系與H有關，隨著x的增加，H越大，曲線下降越緩慢，即對于自相似性強的業務流，增大緩存容量并不能有效地改善溢出。因此，應根據P(X ＞ x)的變化規律來設計粗粒度丟棄概率。

圖2 P(X ＞x)與x的關系曲線

設共享緩存區的最大隊長閾值為Qmax、最小隊長閾值為 Qmin、平均隊列長度為 Qavg。當 Qmin

其中，

Pb1’與x的關系曲線如圖3所示。可以看出，Pb1’與x的關系較好地體現了P(X ＞ x)與x的變化規律，H=0.5時，Pb1’與x為線性關系。

圖3 Pb1’與x的關系曲線

基于以上分析，粗粒度丟棄概率為

通過對前j個時間間隔內流量的測量，可計算m、a和H值。計算m的時間復雜度為O(j)，計算a的時間復雜度為O(j)[26]，R/S法估計H值的時間復雜度為O(j2)[33]。每隔一定時間根據流量參數計算粗粒度丟棄概率 Pb1，既可根據流量的自相似程度自適應調整丟棄分組概率，又能避免在每個分組到達時分別計算m、a和H值，降低了系統負擔。

2) 細粒度丟棄概率

由于每種數據業務的優先級不同，還應根據分組的優先級自適應調整丟棄分組概率。

為每條虛擬信道分配一個優先級，同一條虛擬信道的分組具有相同的優先級。設共享緩存區的平均隊列長度為 Qavg、最大隊長閾值為 Qmax、最小隊長閾值為Qmin，第i條虛擬信道的優先級為pr(i)、平均隊列長度為 Qavg(i)、預留的緩存最小值為Qmin(i)，則進入當前虛擬信道分組的細粒度丟棄概率Pb2為

其中，

Pmax(i)表示第 i條虛擬信道的最大丟棄概率，Pmax(i)與優先級有關，優先級越高，Pmax(i)越小，如下式

3) 分組丟棄概率

通過當前粗粒度T內的丟棄分組概率Pb1和當前分組的細粒度丟棄概率Pb2，可得到HPRED算法下的丟棄分組概率Pb，Pb為Pb1和Pb2的線性疊加

其中，1=+βα。

3.2 DS算法設計

為保證VIP數據的及時傳輸，兼顧同步數據的等時性和異步數據的突發性，虛擬信道調度采用VIP /同步/異步混合的動態調度(DS)算法。將一個調度周期分為Nt個時隙，分別分配給VIP虛擬信道、同步虛擬信道和異步虛擬信道，且3個部分之間的邊界是可以移動的。只要出現VIP數據，則中斷當前傳送的數據，搶占后續時隙，直到將VIP數據傳送完畢。

設VIP虛擬信道、同步虛擬信道和異步虛擬信道的時隙數分別為 Nv、Ns和 Na，若無空閑時隙，則有

由于VIP數據要隨到隨傳，因此Nv是無法事先計算的，但在每個調度周期都要實時計算并調整

Ns與Na。設同步虛擬信道的個數為Nsyn，幀到達率為Fsyn；異步虛擬信道的個數為Nasyn，幀到達率為

Fasyn，則Ns與Na之比為

同步虛擬信道采用加權周期輪詢調度策略。若分配給同步虛擬信道 VC2、VC3的時隙數分別為n2、n3，則在同一調度周期的同步時隙內，對VC2和VC3的調度順序為

異步虛擬信道采用動態優先級調度策略。在每個異步時隙，判斷是否有超過最大延時的異步虛擬信道，若有，將其傳送；否則，傳送動態優先級最高的異步虛擬信道。各異步虛擬信道的動態優先級與緊迫度、待傳的幀數和延時有關。

異步虛擬信道的緊迫度系數E由優先級決定，設最低優先級異步虛擬信道的緊迫度系數為Emin，則次低優先級異步虛擬信道的緊迫度系數為Emin+1，依次類推。

設第 i條虛擬信道處理器緩存中的幀數為F1(i)，幀長為Lf，分組長為Lp，則該虛擬信道中待傳的幀數F(i)為

在初始時隙，延時基數B為

在每個異步調度時隙結束，對當前時隙未被傳送的異步虛擬信道，若F≥1，則B+1→B。

基于以上分析，異步虛擬信道的動態優先級Dp為

3.3 HPRED-DS算法流程

隊列管理和虛擬信道調度是相輔相成的，兩者相互配合才能獲得最優的控制效果。HPREDDS算法通過各虛擬信道的優先級和隊列長度將HPRED算法和DS算法結合起來。HPRED算法負責系統緩存資源的分配，DS算法負責帶寬資源的分配，并可根據各虛擬信道的變化動態調整，使它們相互影響。在對HPRED算法和DS算法設計的基礎上，HPRED-DS算法的步驟如下。

步驟 1 為同步虛擬信道和異步虛擬信道分配時隙；定義各虛擬信道的優先級；為各虛擬信道分配最小緩存；定義共享緩存區的最大隊長閾值和最小隊長閾值；設置粗粒度T。

步驟2 判斷當前時隙是否為T的整數倍，若是，轉入步驟3；否則，轉入步驟4。

步驟3 估計前j個粗粒度內流量的均值m、標準差a及自相似參數H；計算共享緩存區的平均隊列長度Qavg；計算下一粗粒度T內分組的粗粒度丟棄概率Pb1；轉入步驟4。

步驟 4 判斷當前時隙內是否有分組到達，若有，轉入步驟5；否則，轉入步驟7。

步驟5 計算各虛擬信道的平均隊列長度Qavg(i)；計算各分組的細粒度丟棄概率Pb2；轉入步驟6。

步驟6 由Pb1和Pb2計算各分組的丟棄概率Pb；各分組以1-Pb的概率進入相應虛擬信道的隊列；轉入步驟7。

步驟7 計算VIP虛擬信道待傳的幀數F，若F≥1，傳輸VIP虛擬信道，下一時隙，轉入步驟2；否則，轉入步驟8。

步驟 8 判斷當前時隙是否同步時隙，若是，轉入步驟9；否則，轉入步驟12。

步驟 9 計算當前時隙對應的同步虛擬信道的F，若F≥1，轉入步驟10；否則，轉入步驟11。

步驟10 傳輸當前時隙對應的同步虛擬信道，下一時隙，轉入步驟2。

步驟 11 計算其他同步虛擬信道的 F，若F≥1，傳輸其他同步虛擬信道，下一時隙，轉入步驟2；否則，轉入步驟12。

步驟 12 計算異步虛擬信道的 F，若 F≥1，轉入步驟13；否則，轉入步驟14。

步驟 13 按照動態優先級調度策略選擇一條異步虛擬信道并傳輸，下一時隙，轉入步驟2。

步驟14 傳輸空幀，下一時隙，轉入步驟2。

HPRED-DS算法以各虛擬信道的優先級和隊列長度為紐帶，將HPRED算法和DS算法有機結合起來，可滿足 AOS數據業務在不同自相似程度下、不同業務類型的傳輸要求，優化系統的處理效率、隊列長度和延時等性能。

4 仿真實驗與分析

按圖1所示的系統模型對HPRED-DS算法進行仿真實驗，并與RED隊列管理-優先級虛擬信道調度(以下簡稱RED-Priority)算法進行比較。參數設置為：Qmax=200packet，Qmin= 100packet，每幀封裝的分組個數 N=3。各虛擬信道的平均分組到達率(packet/s)、優先級和緊迫度系數如表1所示。

表1 虛擬信道參數設置

到達每條虛擬信道的數據為若干同類單數據源的疊加，每種數據源按ON/OFF模型產生數據。當ON和OFF的持續時間長度服從指數分布時，疊加業務流是短相關的，不具有自相似性， 0.5=H ；當ON和OFF的持續時間長度服從Pareto分布且形狀參數 1<α≤2時，疊加業務流具有自相似性，H∈(0.5,1)。在H=0.5和H=0.8 2種流量下，對算法的處理效率、隊列長度和延時進行仿真。

1) 處理效率

圖4為在RED-Priority算法與HPRED-DS算法下系統總的處理效率。

從圖4中可以看出，H=0.5時，在RED-Priority算法與 HPRED-DS算法下系統總的處理效率基本相同，且趨于1。H=0.8時，RED-Priority算法的處理效率為 0.7～0.9，HPRED-DS算法的處理效率為0.8～1。因此，在自相似流量下，HPRED-DS算法可提高處理效率，從而提高系統的吞吐率。

圖5為H=0.8時，RED-Priority算法與HPREDDS算法下各虛擬信道的處理效率。

圖4 系統總處理效率

圖5 各虛擬信道的處理效率(H=0.8)

從圖5中可以看出，H=0.8時，與RED-Priority算法相比，HPRED-DS算法在保證高優先級虛擬信道具有較高處理效率的同時，適當降低部分次高優先級虛擬信道的處理效率，避免了最低優先級虛擬信道處理效率的大幅度下降。

2) 隊列長度

圖6為在RED-Priority算法與HPRED-DS算法下共享緩存區的隊列長度。

圖6 共享緩存區的隊列長度

從圖6中可以看出，H=0.5時，在RED-Priority算法與 HPRED-DS算法下共享緩存區的隊列長度基本相同，隊列長度穩定。H=0.8時，RED-Priority算法下的隊列長度平均值為 114packet，最大值為266packet，標準差為75packet；HPRED-DS算法下的隊列長度平均值為 100packet，最大值為195packet，標準差為44packet，即HPRED-DS算法比 RED-Priority算法的隊列長度平均值降低了14packet，最大值降低了 71packet，標準差減少了31packet。因此，在自相似流量下，HPRED-DS算法與 RED-Priority算法的隊列長度相差不大，但HPRED-DS算法的隊列長度穩定。

圖7為H=0.8時，RED-Priority算法與HPREDDS算法下各虛擬信道的隊列長度。

從圖7中可以看出，H=0.8時，VIP虛擬信道得到了及時傳輸，即隊列長度為 0，同步虛擬信道具有較小的隊列長度，可保證同步數據的實時性。與RED-Priority算法相比，HPRED-DS算法在保證高優先級虛擬信道具有較低隊列長度的同時，通過適當增加部分次高優先級虛擬信道的隊列長度，避免了最低優先級虛擬信道隊列長度的大幅度波動。

圖7 各虛擬信道的隊列長度(H=0.8)

3) 延時

圖8為在RED-Priority算法與HPRED-DS算法下的排隊延時。

圖8 排隊延時

從圖 8中可以看出，H=0.5時，RED-Priority算法與HPRED-DS算法下排隊延時基本相同，延時抖動較小。H=0.8時，RED-Priority算法下的排隊延時平均值為64ms，最大值為154ms，標準差為46ms；HPRED-DS算法下的排隊延時平均值為 28ms，最大值為96ms，標準差為25ms，即HPRED-DS算法比RED-Priority算法的排隊延時平均值降低了36ms，最大值降低了58ms，標準差減少了21ms。因此，在自相似流量下，HPRED-DS算法比RED-Priority算法的排隊延時和延時抖動小。

以上仿真實驗結果表明，本文提出的HPREDDS算法可保持較高的處理效率和吞吐率；采用基于H值的粗粒度丟棄，可在自相似流量下穩定隊列長度，降低排隊延時和延時抖動；采用基于優先級的細粒度丟棄，可降低高優先級數據的丟棄概率，提高重要數據的處理效率；基于VIP /同步/異步混合的動態調度算法，可使某些極重要的數據得到及時傳輸，使同步虛擬信道具有較小的延時，并在保持高優先級虛擬信道性能的前提下，通過適當降低部分次高優先級虛擬信道的性能，來改善低優先級虛擬信道的性能，避免了把性能惡化全部壓在最低優先級的虛擬信道上，具有較好的公平性。

5 結束語

本文通過分析 AOS數據流量特性和不同業務的傳輸要求，設計了隊列管理和虛擬信道調度相結合的HPRED-DS算法。隊列管理算法采用粗粒度基于H值、細粒度基于優先級的2級丟棄分組策略，既能根據流量的自相似程度和業務重要性自適應調整丟棄分組概率，又能降低了系統負擔。虛擬信道調度算法采用VIP /同步/異步混合的動態調度模式，可兼顧VIP數據的重要性、同步數據的等時性和異步數據的突發性。實驗結果表明，HPRED-DS算法具有較好的處理效率、隊列長度和延時性能，可滿足 AOS數據在不同自相似程度下、不同業務的傳輸要求。基于排隊論模型的分析和優化調度問題，將在后續研究中繼續深入。

[1] 那振宇. 衛星互聯網服務質量保障方法研究[D]. 哈爾濱： 哈爾濱工業大學, 2010.NA Z Y. Research on QoS Guarantee Methods in Satellite Internet[D].Harbin： Harbin Institute of Technology, 2010.

[2] CCSDS. Advanced Orbiting Systems, Networks and Data Links：Architectural Specification[S]. CCSDS 701.0-B-3, 2001.

[3] CCSDS. Space Link Extension—Forward Space Packet Service Specification[S]. CCSDS 912.3-B-2, 2010.

[4] CCSDS. Space Packet Protocol[S]. CCSDS 133.0-B-1, 2003.

[5] CCSDS. AOS Space Data Link Protocol[S]. CCSDS 732.0-B-2, 2006.

[6] LELAND W E, TAQQU M S, WILLINGER W, et al. On the selfsimilar nature of Ethernet traffic (extended version)[J]. IEEE/ACM Transactions on Networking, 1994, 2(1)： 1-15.

[7] NA Z Y, GAO Z H, GUO Q. Performance analysis of self-similar traffic in LEO satellite network[A]. Proceedings of the Sixth International Conference on Machine Learning and Cybernetics[C]. Hong Kong, China, 2007.19-22.

[8] RYU B. Modeling and simulation of broadband satellite networks—part II： traffic modeling[J]. IEEE Communications Magazine, 1999,37(7)：48-56.

[9] CHITI F, FANTACCI R, TARCHI D, et al. QoS provisioning in GEO satellite with onboard processing using predictor algorithms[J]. IEEE Wireless Communications, 2005,12(5)：21-27.

[10] 李斗, 姬冰輝, 王峰等. 基于混沌預測的寬帶 DVB-RCS衛星接入信道動態分配方案研究[J]. 電子與信息學報, 2008,30(3)：607-611.LI D, JI B H, WANG F, et al. The dynamic allocation of broadband DVB-RCS satellite access channel based on chaotic prediction[J].Journal of Electronics & Information Technology, 2008,30(3)： 607-611.

[11] JIANG Z F, LI Y H, LEUNG V C M. A predictive demand assignment multiple access protocol for Internet access over broadband satellite networks[J]. International Journal of Satellite Communication Network, Wiley InterScience, 2003, 21： 451-467.

[12] MITCHELL P D, GRACE D, TOZER T C. Burst targeted demand assignment multiple-access for broadband Internet service delivery over geostationary satellite[J]. IEEE Journal on Selected Areas in Communications, 2004, 22(3)： 546-558.

[13] 陳劍, 聞英友, 趙大哲, 等. VBR視頻流量的小波包分解及其長時預測[J]. 通信學報, 2008,29(6)：34-42.CHEN J, WEN Y Y, ZHAO D Z, et al. Long-term prediction for VBR video traffic based on wavelet packet decomposition[J]. Journal on Communications, 2008,29(6)：34-42.

[14] 張賓, 楊家海, 吳建平. Internet流量模型分析與評述[J]. 軟件學報,2011, 22(1)：115-131.ZHANG B, YANG J H, WU J P. Survey and analysis on the internet traffic model[J]. Journal of Software, 2011, 22(1)：115-131.

[15] ILOW J, LEUNG H. Self-Similar texture modeling using FARIMA processes with applications to satellite images[J]. IEEE Transactions on Image Processing, 2001, 10(5)：792-797.

[16] CROVELLA M E, BESTAVROS A. Self-similarity in World Wide Web traffic evidence and possible causes[J]. IEEE/ACM Transactions on Networking. 1997,5(6)：835-846.

[17] FLOYD S, JAEOBSON V. Random early detection gateways for congestion avoidance[J]. IEEE/ACM Transactions on Networking,1993, 1(4)： 397-413.

[18] FLOYD S, GUMMADI R, SHENKER S. Adaptive RED： an algorithm for Increasing the Robustness of RED’s Active Queue Management[R].Technical Report, 2001.

[19] VERMA R, IYER A, KARANDIKAR A. On tuning of RED parameters[EB/OL]. http：//www.ee.iitb.ernet.in/uma/～ncc2002/proc/NCC-2002/pdf/n093.pdf.

[20] CHRISTIANSEN M, JEFFAY K, OTT D. Tuning RED for Web traffic[J]. IEEE/ACM Transactions on Networking, 2001, 9(3)： 249-269.

[21] JAVAM H, ANALOUI M. SARED： stabilized ARED[A]. Proceedings of International Conference on Communication Technology[C]. Guilin,China, 2006.1-4.

[22] WANG C，SOHRABY K, HOU T, et al. LRED：a robust and responsive AQM algorithm using packet loss ratio measurement[J]. IEEE Transactions on Parallel And Distributed Systems, 2007, 18(l)：29-43.

[23] SUN J, ZUKERMAN M, PALANISWAMI M. Stabilizing RED using a fuzzy controller[A]. Proceedings of IEEE International Conference on Communications[C]. Glasgow, Scotland, 2007. 266-271.

[24] USHADEVI M B, MAHESH H M, RAVIKUMAR H M. Efficient fair queuing using adaptive RED algorithm for high speed networks[A].Proceedings of International Conference on Intelligent and Advanced Systems[C]. Kuala Lumpur, Malaysia, 2007. 389-392.

[25] 黃麗亞, 王鎖萍. 基于自相似業務流的Hurst加權隨機早檢測算法[J]. 通信學報, 2007, 28(4)： 95-100.HUANG L Y, WANG S P. Hurst weighted random early detection algorithm based on self-similar traffic input[J]. Journal on Communications, 2007, 28(4)： 95-100.

[26] 王暉, 季振洲, 孫彥東等. 基于時間槽的自相似流量隨機早檢測算法—SFRED[J]. 通信學報, 2010, 31(10)： 115-120.WANG H, JI Z Z, SUN Y D, et al. Time slot-based RED algorithm on self-similar flows：SFRED[J]. Journal on Communications, 2010, 31(10)：115-120.

[27] 吳清亮, 陶軍, 姚婕. 一種基于預測PI控制器的自相似網絡主動隊列管理算法[J]. 電子學報, 2006,34(5)：938-943.WU Q L, TAO J, YAO J. An active queue management algorithm based on predictable PI controller in self-similar network[J]. Acta Electronica Sinica, 2006,34(5)：938-943.

[28] CCSDS. Advanced Obriting Systems，Netwoks and Data Links：Summery of Concept，Rational and Performance[S]. CCSDS 700.0-G-3, November 1992.

[29] CHO J W, CHO D H. Dynamic buffer management scheme based on rate estimation in packet-switched networks[J]. Computer Networks,2002, 39(6)： 2304-2309.

[30] 石江濤, 王永綱, 戴雪龍等. 自相似網絡業務流量的研究與實現[J].通信學報, 2005, 26(6)： 112-117.SHI J T, WANG Y G, DAI X L, et al. On study and implementation of self-similar network traffic[J]. Journal on Communications, 2005,26(6)： 112-117.

[31] PARK K, WILLINGER W. Self Similar Network Traffic and Performance Evaluation[M]. New York： Wiley, 2000.

[32] NORROS I. On the use of fractional brownian motion in the theory of connectionless networks[J]. IEEE Journal on Selected Areas in Communications, 1995, 13(6)：953-962.

[33] HOLLOT C V, MISRA V, TOWSLEY D. On designing improved controllers for AQM routers supporting TCP flows[A]. IEEE INFOCOM 2001[C]. Anchorage, Alaska, USA, 2001. 1726-1734.