一种基于WiFi的TCP和UDP流吞吐量分析方法
专利汇可以提供一种基于WiFi的TCP和UDP流吞吐量分析方法专利检索，专利查询，专利分析的服务。并且本 发明 提出一种基于WiFi的TCP和UDP流吞吐量分析方法。该方法假定网络中TCP上行和下行流处于饱和状态且与有限负载UDP上行流相互竞争，通过建立相应模型并利用 马 尔科夫随机过程计算网络中活跃TCP和UDP站数目的稳态分布，再将该分布函数植入到MAC协议模型中，推导出近似但精确的TCP和UDP吞吐量表达式。，下面是一种基于WiFi的TCP和UDP流吞吐量分析方法专利的具体信息内容。
1.本发明提出一种基于WiFi的TCP和UDP流吞吐量分析方法，具体为：假定网络中TCP上行和下行流处于饱和状态且与有限负载UDP上行流相互竞争，通过建立相应模型并利用马尔科夫随机过程计算网络中活跃TCP和UDP站数目的稳态分布，再将该分布函数植入到MAC协议模型中，推导出近似但精确的TCP和UDP吞吐量表达式。
2.根据权利要求1所述的一种基于WiFi的TCP和UDP流吞吐量分析方法，其特征在于：
同一接入点AP下的移动终端之间进行数据交流；假设在任何时间，每个无线站点都是单个的上行或下行流； 表示TCP下行链路的接收站点数目， 表示TCP上行链路的发送T
站点数目；AP转发TCP ACK给 发送者或TCP数据给 接收者，S表示一个站点产生的T T
TCP流，Su是一个站点发送TCP上行数据，Sd表示一个站点接收TCP下行数据；
模型假设：
S.1:TCP流无丢包损失，也就是每个站点的传输队列无穷大避免缓冲区溢出；
S.2:信道为理想的信道，不会影响帧传输；
S.3:无线信道是系统链路的瓶颈；
S.4:只考虑长时间的TCP链接，也就是有无穷的数据需要发送；
S.5:在接收点的应用程序从socket接收缓冲区读数据的速率为它从网络接收到的速率；
S.6:不考虑ACK延迟；
U U
以下是基础架构网络模型的等效网络，假定S表示站点的UDP流，有N 个UDP上行流；
个TCP上行流和 个下行流；TCP流为持续不间断且UDP流是一个有限的负载，当进行TCP和UDP建模时，可忽略用于双向传输复杂的基于反馈的流控制算法，这样TCP站点可以模拟为一小部分的单向传输源；对 个TCP下行流而言，实际的AP产生TCP数据；对个TCP上行流而言，AP产生TCP ACK因此在等效网络中，AP是饱和的，那么它传输时的包负载的 概率分布函数为：
其中，AP的有效负载包大小不超过l bytes，TCP段的大小固定为lT，ACK不占用有效负载；
T
假设φ为饱和无线站点，也就是 (φ＜N)，仿真实际TCP站点产生的总的TCP吞吐量；考虑到这些等效站点 为 个TCP下行流产生TCP ACK,并且对 个TCP上行流产生TCP数据，那么通用的 站点包负载分布概率可以计算为：
U
令Yudp(t)为在t时刻存储在所有S站点传输队列里面总的UDP数目，t和t+1作为两U
个连续退避时隙的开始时刻。在稳定条件下的虚拟时间结束后S个站点传输队列有h个UDP数据报文的概率为：
u U U U
其中，h＝N ·W，W表示操作系统分配给UDP套接字缓冲区的大小。
假设套接字缓冲区是有限的，因此在发送方缓冲区溢出造成的数据报文丢失依赖于UDP和当前网路竞争。为简便起见，采用短符号Yh表示系统状态{Yudp(t)＝h}，E[R]h(也可以写作E[R(h)])表示状态Yh对应的随机变量R的期望。
为了减少模型的复杂性，采用近似方法，比如说，对每次传输尝试，不管有几次重传，站点传输概率始终为pk，k是网络中积压的站点数目；为了计算在状态Yh的积压站点数，假定U U
UDP数据存储在S站点的传输缓冲区里面，并且均匀分布在S 个站点的输出队列里面；又令 表示在Yudp(t)＝h状态时，积压的SU站点数目，并且令kh是状态Yh时的积压节点的数目；鉴于先前的考虑，有：
因此，在Yh时，总的活跃站点的数目有 个活跃UDP站点、一个饱和AP和φ个等效饱和TCP站点，则：
为了简便，忽略在参数k里面的下标h；
事实上，实际的包到达过程是一个连续时间过程，一个新的UDP包到达是随机的；简单来说，假设队列仅仅在时隙的末尾结束时发生变化，但是在这个时隙内，pk是一个常数；而到达过程离散化只是一个近似，它存在一点误差，但可提供精确的结果；
根据先前的观察，可以把{Yudp(t)}的随机过程看作是离散的马尔科夫链；注意，这是U u
一个有限的马尔科夫链，因为S站点的输出队列不能存储超过h 个UDP数据包；设γi1,i0是Pr{Yudp(t+1)＝i1|Yudp(t)＝i0}的缩写，为了计算传输概率，需要引入一些辅助的概率；
首先，必须定义如何计算UDP负载；关键的假设是，定义函数Θ(i,T)表示在一个一般时间U
间隔T内到达S个站点传输队列里面的数据包个数有i个；为了获得这个封闭的γi1,i0的传输概率，需考虑在Yh的状态下不同的虚拟时隙的类型；一般地，一个虚拟时隙可以是：
①一个空闲时隙
k U
概率Pr{Idle}h＝(1-pk)；在一个空闲时隙，i个新的UDP数据到达S 站点传输队列的概率是Θ(i,SLOT)，SLOT表示时隙长度；
②一个成功的传输
k
虚拟时隙包含一个成功的传输概率Pr{Succ}h＝kpk(1-pk)；另外，利用虚拟时隙还可A
以区别三种不同类型的成功传输，1)AP以概率Pr{Succ|Succ}h进行传输，平均持续时间是U U
2)一个S站点以概率Pr{Succ |Succ}h进行传输，平均持续时间是 3)一
T
个 站点成功传输概率是Pr{Succ|Succ}h,平均 延迟是 在一个成功传输中i个新的UDP数据报文到达SU站点的传输队列的概率是 X表示成功传输的类型；
③一个碰撞
虚拟时隙的碰撞概率是Pr{Coll}h＝1-Pr{Idel}h-Pr{Succ}h，持续时间是E[TC]h；在碰U
撞过程中，i个新的UDP数据报文到达S站点传输队列的概率是Θ(i,E[TC]h)；
从上面的标准概率参数，可推出：
通过以上定义的概率，得出马尔科夫链的一步转移概率：
U
上式(*)里面的第一个表达式是存储在S站点的传输缓冲区里面的UDP数 据减少1U
时的概率；这个事件发生在 间隔内，有一个S站点进行了一次成功传输，但是没有新U
的数据报文到达；第二个表达式是存储在S站点的传输缓冲区UDP数据从h上升到δh+h时的概率，并且δh∈(0,hu-h-1)，第三个表达式表示从一个通用状态Yh到状态Yu时的传输概率，所有的UDP套接字都是满的；因此，在这个状态下，下一个新的UDP数据报文不能进入网络；从状态Yu到 任何 可以解释为 公式里面的总和；
由公式(*)写出马尔科夫链通用状态Yh的表达式：
结合上式与归一化条件， 已经解决了线性系统等式的结果，并已经计算出在(1,NT)中的每个Φ值的静态链分布，再将bh嵌入到MAC协议模型中，可以进行吞吐量分析；
令ρ*是系统传输层的吞吐量，定义为每个单位时间成功传输的负载数目；一旦P-Persistent中假定MAC协议操作和再生性能被分配给描述信道占用率的随机过程，按照近似方法，可以证明：
其中，E[Tws]是一个虚拟间隔的平均持续时间，E[Pvs]是在平均虚拟间隔E[Tws]内平均传输的负载数目；根据在状态Yh时的条件期望，E[Pvs]可以表示为：
其中，E[Ps]h是一次成功传输的平均负载长度，E[Tvs]可以计算为
特别地，考虑到在虚拟时间间隔内，平均虚拟时间间隔长度可以写为：
E[Tvs]h＝Pr{Idle}h·SLOT+Pr{Coll}h·E[TC]c+Pr{Succ}h·E[Ts]h
其中，E[Tvs]h是一次成功传输需要的平均时间；
考虑到可能的成功传输的不同类型，推出：
为计算ρ*，必须计算E[PS]h，类似公式：
E[Tvs]h＝Pr{Idle}h·SLOT+Pr{Coll}h·E[TC]c+Pr{Succ}h·E[Ts]h，可以得出：
其
中， 是AP成功传输TCP负载的平均长度， 是一个 站点成功传输TCP负载的U
长度； 是一个S站点成功传输UDP的平均长度；在假设中， 为了计算公
式 和
里面的负载概率分布函数，有：
鉴于先前的结果，可以计算得到 的吞吐量表达式；
*
ρ的表达式可以写为：
U
是在S站点中每单位时间成功传输的UDP数目， 是 站点每单位时间接收到的TCP负载长度； 是 站点每单位时间成功发送TCP负载 的数目；考虑到公式：
推出
*
其中，ρ是φ参数的隐式函数，φ值表示无线站点扮演TCP发送者和TCP接收者对平均网络活跃度的贡献；因此 为一个离散值。
3.根据权利要求2所述的一种基于WiFi的TCP和UDP流吞吐量分析方法，其特征在于：
基于WiFi的UDP和TCP流的吞吐量分析具体流程如下；
步骤10、开始；
步骤20、建立系统模型，并给定假设条件；
步骤30、推出饱和AP和饱和无线站点的包负载概率分布函数，如：
步骤40、采用近似方法简化系统模型；
步骤50、利用马尔科夫过程分析系统状态{Yudp(t)}，并推出马尔科夫链非空的一步转移概率，如：
步骤60、结合一步转移概率计算每个Φ值的静态链分布；
步骤70、由状态Yh时的条件期望计算一次成功传输的平均负载长度E[Ps]h和在平均虚拟间隔E[Tws]内平均传输的负载数目E[Pvs]；
步骤80、计算ρ*的值，完成吞吐量分析；
步骤90、结束。
一种基于WiFi的TCP和UDP流吞吐量分析方法
技术领域
背景技术
分析，对于改善WLANs终端的应用服务效果有很大的影响。
发明内容
收者，S表示一个站点产生的TCP流，Su是一个站点发送TCP上行数据，Sd表示一个站点
接收TCP下行数据。
流，有N个UDP上行流。 个TCP上行流和 个下行流。TCP流为持续不间断且UDP流
是一个有限的负载，当进行TCP和UDP建模时，可忽略用于双向传输复杂的基于反馈的流控制算法，这样TCP站点可以模拟为一小部分的单向传输源。对 个TCP下行流而言，实际
的AP产生TCP数据。对 个TCP上行流而言，AP产生TCP ACK，因此在等效网络中，AP是
饱和的，那么它传输时的包负载的概率分布函数为：
流产生TCP数据，那么通用的 站点包负载分布概率可以计算为：
为两个连续退避时隙的开始时刻。在稳定条件下的虚拟时间结束后S个站点传输队列有h
个UDP数据报文的概率为：
压节点的数目。鉴于先前的考虑，有：
表示在一个一般时间间隔T内到达S个站点传输队列里面的数据包个数有i个。为了获
得这个封闭的γi1,i0的传输概率，需考虑在Yh的状态下不同的虚拟时隙的类型。一般地，一个虚拟时隙可以是：
2)一个S站点以概率Pr{Succ |Succ}h进行传输，平均持续时间是 3)一
个 站点成功传输概率是Pr{SuccT|Succ}h,它的平均延迟是 在一个成功传输中
U
i个新的UDP数据报文到达S站点的传输队列的概率是 X表示成功传输的类
型。
在碰撞过程中，i个新的UDP数据报文到达S站点传输队列的概率是Θ(i,E[TC]h)。
少1的时概率。这个事件发生在 间隔内，有一个S站点进行了一次成功传输，但是
U
没有新的数据报文到达。第二个表达式是存储在S站点的传输缓冲区UDP数据从h上升
到δh+h时的概率，并且δh∈(0,hu-h-1)，第三个表达式表示从一个通用状态Yh到状态
Yu时的传输概率，且所有的UDP套接字都是满的。因此，在这个状态下，下一个新的UDP数据报文不能进入网络。从状态Yu到 任何δh≥hu-h，可以解释为 公式里面的总和。
果，并已经计算出在(1,N)中的每个Φ值的静态链分布，再将bh嵌入到MAC协议模型中，
可以进行吞吐量分析。
*
TCP负载的长度。 是一个S站点成功传输UDP的平均长度。在假设中，
为了计算公式(1)(2)里面的负载概率分布函数，有：
的，因此，ρ的表达式可以写为：
(12)，推出：
附图说明
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 随机事例的估计方法、装置及计算机可读存储介质 | 2020-05-11 | 847 |
| 语言学习系统以及语言学习程序 | 2020-05-11 | 832 |
| 显示面板 | 2020-05-08 | 772 |
| 场景渲染方法、装置、计算机可读存储介质和计算机设备 | 2020-05-08 | 963 |
| 一种同时多个片层成像的重建方法及装置 | 2020-05-08 | 792 |
| 一种基于云计算的流行病监控系统 | 2020-05-08 | 592 |
| 一种基于分簇算法的分级Ad Hoc网络时间同步方法 | 2020-05-11 | 404 |
| 一种基于账户分类的区块链交易执行与数据存储方法 | 2020-05-08 | 62 |
| 一种基于虚拟训练的机器人智能抓取方法 | 2020-05-08 | 997 |
| 断层侧向封堵主控因素的评价方法 | 2020-05-11 | 300 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
