卫星终端突发性业务模型与排队性能分析

【前言】卫星终端突发性业务模型与排队性能分析由文秘帮小编整理而成，但愿对你的学习工作带来帮助。而ON/OFF模型比较适合用来描述卫星终端上种类繁多的业务，其运行时间长，能实时动态监测系统和外界的信息，可以将采集的各种信息叠加之后统一进行传输。 目前应用ON/OFF模型产生网络流量已有较多的研究。文献[3]考虑了Internet的网络流量和分析，较为真实地反映了网络...

摘 要：随着卫星网络在应急通信中的应用，卫星终端业务的种类不断增加，业务流量可瞬间增大，具有明显的突发性，终端上的数据流量数据呈现出自相似性。利用时间间隔服从重尾分布的ON/OFF叠加模型产生卫星终端的自相似业务流量，并讨论了自相似业务流量输入对卫星终端的丢包率、时延和时延抖动的影响以及对有效带宽的需求。通过仿真，得出了网络终端业务丢包率、时延、时延抖动与系统缓存之间的关系，在此基础上，提出了减少时延、降低丢包率的思路，在带宽和缓存受限的情况下，为信息的高效传输提供了理论依据。

关键词：应急通信；突发性；丢包率；时延；时延抖动；带宽需求

0 引言

卫星网络具有终端通信时间长、业务种类多、信息量大等特点，而卫星终端上的业务具有突发性，且在不同的时间尺度下表现出相同的特性即长相关性。人们长期认为马尔可夫模型能够恰当地描述数据流量的特征，但后来发现，传统模型描述的网络流量具有短相关性，也就是在不同尺度上有不同的特性。而自相似模型恰恰能够反映网络流量的长相关性，即在不同时间尺度上表现出相同的突发性[1-2]。

目前描述网络流量的模型有分形布朗运动（Fractal Brown Motion， FBM）、分形高斯噪声（Fractal Gauss Noise， FGN）、自回归分数整合滑动平均（Farctal AutoRegressive Integrated Moving Average，FARIMA）和ON/OFF模型。本文研究卫星终端的业务流量，由于卫星上业务种类各异，所以具有高斯特性的FBM、FGN模型并不适合用来描述卫星终端的业务流量；而且终端上的资源有限，其视频成分不是主要的业务类型，所以FARIMA模型也不适合用来描述卫星终端的业务流量；

而ON/OFF模型比较适合用来描述卫星终端上种类繁多的业务，其运行时间长，能实时动态监测系统和外界的信息，可以将采集的各种信息叠加之后统一进行传输。

目前应用ON/OFF模型产生网络流量已有较多的研究。文献[3]考虑了Internet的网络流量和分析，较为真实地反映了网络的业务流量，但是其一般都是应用在地面网络中，不适用于卫星网络。文献[4]利用ON/OFF模型建立移动终端上的业务流量，但是其系统中用户会话请求的到达过程为泊松过程，不能满足应急通信中业务流量瞬时改变自相似突发业务的特性。文献[5]没有充分考虑卫星网络终端的特性，传统通信网络中对自相似特性的分析不太适用于卫星网络中终端上的缓存及带宽受限的情况。

在描述卫星终端业务流量时，应该根据该终端上业务的特性选取合适的建模方法。为了描述卫星终端上流量的真实特性，需要找到合理、准确、可靠的描述网络流量特征的业务模型，对拥塞控制、带宽分配及终端性能评价等问题作进一步的研究，并通过有效的方法对它们的性能进行分析和评价。基于此，本文采用ON/OFF模型进行卫星终端自相似业务突发性研究分析，通过对卫星终端上的ON/OFF模型产生的自相似业务流量输入进行排队分析，研究卫星网络终端业务的丢包率、时延、时延抖动以及有效带宽和系统缓存的关系，为高效传输提供理论依据。

1 终端突发性业务模型与排队性能

1.1 卫星终端突发性业务模型

1.1.1 ON/OFF模型

ON/OFF模型定义：叠加大量的ON/OFF源，每个源有两个状态，即ON和OFF。在ON状态，以连续速率发送数据包，在OFF状态，不发送数据包。传统的ON/OFF模型通常是通过叠加大量的ON/OFF时间服从指数分布的开关源得到。而自相似过程可以通过叠加大量的ON/OFF时间具有重尾分布的ON/OFF源得到，每个ON或OFF状态的时长独立地符合Pareto分布[6-7]。

指数分布函数形式如下所示：

通过仿真分析，在突发业务到来时，要使业务丢包率下降，应该增加系统缓存和带宽。一种方法就是增加一定程度的系统缓存，可以根据时效性和丢包率的权重决定增加缓存的大小；另外一种方法就是增加系统的带宽，在上述分析的带宽的范围内，尽量地增加带宽。

3 结语

研究应急通信中卫星终端上的业务流量，提出ON/OFF叠加模型描述卫星终端上的业务流量模型。通过对这些突发流量的排队模型的研究分析，得出卫星网络终端上业务的丢包率、时延、时延抖动和带宽需求等性能指标。仿真结果表明在H=0.75时，增加系统缓存到1000b或者带宽达到1000b时都可以有效地提高业务的丢包率时延和时延抖动等性能。另外，缓存增大初期，时延和抖动都增加得很快，但是到达一个峰值后便下降，这主要是因为自相似通信量存在长程相关性，在时间比较长时，便产生了作用，因此利用增大缓冲存储空间的方法，可以在时间较长的情况下降低时延及其抖动。

参考文献：

[1]TAQQU M S， WILLINGER W， SHERMAN R. Proof of a fundamental result in selfsimilar traffic modeling [J]. Computer Communication Review， 1997，27（5）： 5-23.

[2]SONG S， NG J KY， TANG B. Some results on the selfsimilarity property in communication networks [J]. IEEE Transactions on Communications，2004，52（10）：1636-1642.

[3]ZHANG B， YANG J， WU J. Survey and analysis on the Internet traffic model [J]. Journal of Software， 2011， 22（1）： 115-131. （张宾，杨家海，吴建平.Internet流量模型分析与评述[J].软件学报，2011，22（1）：115-131.）