分布式网络数据包优先级传输模型研究仿真

陈明

（四川工商职业技术学院信息工程系，四川都江堰611837）

分布式网络数据包优先级传输模型研究仿真

陈明

（四川工商职业技术学院信息工程系，四川都江堰611837）

对分布式网络数据包优先级传输模型进行优化，可以提高分布式网络中资源调度和信息传输性能。传统方法采用时频耦合尺度分解算法，在大量的冗余数据干扰下，降低了数据的优先级识别精度和传输性能。建立一种基于自适应加权量化特征分解和冗余数据滤除的分布式网络数据包优先级传输模型。首先构建分布式网络数据包优先级传输的信道结构模型，采用级联滤波算法对数据包中冗余数据进行滤波预处理，对数据库中的信息传输流进行自适应加权量化特征分解后，通过特征提取实现优先级的自适应识别，实现传输模型改进。仿真实验结果表明，采用改进模型进行分布式网络数据包优先级传输，数据传输的吞吐性能较好，执行时间较短，展示了较好的应用性能。

分布式网络；数据包；优先级传输；信道

随着网络技术发展，通过分布式网络数据传输和处理技术实现网络信息存储和信息处理已经成为当今信息处理的重要技术手段。分布式网络数据处理是通过互联网的相关服务实现对虚拟大数据资源的动态扩展和信息数据交互［1-3］。在分布式网络系统中，通过云存储模型进行数据信息的调度和传输通信，此时，需要对数据包的传输和调度的优先级进行识别和排列，可以提高数据通信的效率，降低计算开销。因此，研究分布式网络数据包优先级传输模型具有重要的意义，受到相关专家学者的重视［4-6］。

传统方法对分布式网络数据传输和优先级调度主要通过基于循环堆栈排列的优先级识别算法、基于支持向量机分析的优先级传输模型和基于模糊推理神经网络控制的分布式网络优先级传输模型等［7-10］，通过多径时延扩展及码间干扰抑制对分布式网络信道进行均衡设计，实现数据包的优先级传输调度，但在海量冗余数据信息的干扰下，数据传输的准确性和优先级排列的抗干扰性不好，因此，相关文献进行了算法改进设计，其中，文献［11］提出一种基于CMA调制的分布式网络数据传输信道均衡算法，采用小波基函数对分布式网络数据包的输入信号进行经验模态分解，改善了数据包传输的性能，实现优先级传输调度，但该算法计算开销大，收敛性能差；文献［12］提出一种基于非线性失真单周控制分布式网络数据包优先级传输信道均衡算法，通过被动时间反转镜最优分集发射和接收，进行数据包的优先级传输，但该算法进行数据包优先级传输调度的稳定性差［13-15］。

1　分布式网络数据包优先级传输的信道结构模型与数据预处理

1.1分布式网络数据包优先级传输的信道结构模型

首先构建分布式网络数据包优先级传输信道模型，进行数据包信息流的输入输出特性分析。分布式网络数据包优先级传输信道是一个扩展信道，主要有两个主要特征：一是分布式网络数据包优先级传输信道为带宽受限信道，信道的特性随优先级传输调度的特征改变；二是分布式网络数据包优先级传输信道受数据包中冗余数据干扰的约束，具有多径传播及空变特性。通过研究分布式网络数据包优先级传输信道的特性，并进行实际的信道测量，来完成数据包的优先级传输调度，提高网络数据传输和通信的稳定性和可靠性，具体步骤如下：

在分布式网络数据包通信传输环境下，假设vm，m∈［1，n］代表第m个多径输入向量集合的所需要的优先级传输堆栈，当分布式网络节点发送一个信道较窄的通信信号时，利用分布式网络中信息传输资源优先级传输集合G（其元素为gωm，ω⊆｛G，T，W，L｝，m∈［1，n］）表示请求数据传输的特征信息流，通过循环堆栈控制，提交相应的资源信息数据传输任务，利用公式（1）描述分布式网络中数据包优先级传输的资源信息流实体元素：

在上述分布式网络中数据包优先级传输的资源信息流实体元素基础上，利用公式（2）建立分布式网络数据包优先级传输系统的信号接收模型：

其中，si（t）为资源信息数据包传输节点中的多径输入分量，nm（t）代表数据包调度的第个相位偏转信息。通过信号接收模型对传输信号的信息流进行特征空间重构和分层均衡调度，假设xm（t）为数据池中传输阵元m接收的多普勒频移，利用公式（3）建立分布式网络数据包优先级传输的信道冲击响应表达式：

其中，x=（x1，x2，…，xn）为分布式网络中数据包中信息调度过程中的干扰数据集合。在信道冲击响应过程中，假设rj代表资源信息数据包调度的特征矢量集合ni的种类，依据资源信息数据包流的优先级属性，利用公式（4）计算资源信息数据包优先级传输识别的传输损失：

新型政党制度理论创新基本维度——基于民主政治的比较研究……………………………………………………… 董亚炜（6·12）

其中，α表示数据包执行信息传输中的负载，为资源调度的初始时间延迟，将资源信息数据包优先级传输识别的传输损失与信号接收模型融合，建立分布式网络数据包优先级传输的信道结构模型如图1所示。

图1　分布式网络下数据包传输的信道传输结构模型

1.2数据包传输信息流模型构建和冗余数据滤波预处理

在1.1建立的信道传输结构模型的基础上，建立数据包传输信息流模型，首先利用公式（5）描述给定数据包传输的有限数据集：

通过有限数据集中的传递随机码簇头节点获取资源信息数据包的包络特征：

其中，a（t）和θ（t）分别为资源信息数据包的包络幅值和时频信息，为了适应数据包调度中优先级传输系统的多客户偏好，根据不同数据包的包络特征，将资源数据集合划分为n个子集样本，其中高频参量系数为xi，i=1，2，L，n，利用公式（7）获取分布式网络数据包优先级任务回调的特征矢量：

其中，σjk表示资源信息数据包信息的IMF分量，wjk表示数据传输节点m发送优先级传输任务的向量加权系数，Mh为资源信息流的特征矢量重组特加权系数，将上述参数进行整合，利用公式（8）建立数据包传输信息流模型：

对数据包传输信息流模型进行分析发现，在分布式网络数据包自适应优先级传输和资源整合中，受到冗余数据的干扰，需要进行冗余数据滤波，以保证数据包优先级传输的平稳性，提高资源信息数据包信息特征融合处理能力和数据包优先级传输过程中的抗干扰能力。

本文采用自适应级联滤波方法进行冗余数据干扰抑制［16］，首先利用公式（10）获取数据包信息流在不同的路径中传输时输入输出的迭代公式：

其中：

在跨平台分布式网络环境下，通信协议存在很大的差别，导致数据传输具有多重分布属性，在进行分布式网络数据包优先级传输检测，利用路径中传输时数据包之间的迭代关系，利用公式（11）建立分布式网络数据包优先级传输的单分量信号模型：

其中，s为分布式网络数据包优先级传输的单分量主频特征，s=（c-v）/（c+v）。

利用单分量信号模型中的自适应IIR滤波器进行冗余数据滤波，对冗余数据分量与噪声进行过滤：

2　自适应加权量化特征分解与优先级传输方法改进实现

2.1自适应加权量化特征分解及问题描述

通过对冗余数据滤波提高了数据包传输中优先级识别的抗干扰能力，在此基础上进行特征分解和优先级传输模型改进设计。本文建立了基于自适应加权量化特征分解和冗余数据滤除的分布式网络数据包优先级传输模型，对数据库中的信息传输流进行自适应加权量化特征分解，通过特征提取实现优先级的自适应识别，实现传输模型改进，具体步骤如下：

在分布式网络数据包优先级传输中，对传输的码间干扰进行双线性变换，利用公式（14）描述分布式网络数据包优先级传输量化特征提取的结果：

其中，Φk为接收端被扩展瞬时频率，ζ（n）为两个时间点间进行数据传输的谱宽度，pk为尺度参数。对提取的不同数据包优先级传输量化特征，分别进行自适应均衡处理，利用公式（15）获取分布式网络数据包优先级传输高维特征矢量：

其中，bk为数据传输的包络向量幅值，φ为线性相关特征矢量，m为期望的响应，ck为量化特征系数。利用公式（16）对上述高维特征矢量进行自适应加权量化特征分解：

其中，rect=1。|t|≤1/2。进一步分析输入数据xn和期望响应dn的二阶统计特性，在自适应加权量化特征分解下，利用公式（17）计算分布式网络数据包优先级调度的量化特征的统计平均值：

其中，K=Tfmaxfmin/B，t0=f0T/B，f0为修正后的权向量，fmin，fmax分别为最低和最高频率。通过上述处理，实现优先级传输数据信息流的自适应加权量化特征分解，为进行优先级传输模型优化设计提供准确的数据基础。

2.2优先级传输的改进实现

在优先级传输数据信息流的自适应加权量化特征分解后，将输入的自适应加权量化特征分解分布在信道冲激响应RMDMMA_i（i=1，L，N）为的星座图圆中，利用公式（18）（19）描述数据包优先级传输的信道均衡控制方程，对多源分布式网络数据包调度和空间传输增益进行优化，提高资源信息数据包调度过程的聚焦性能，实现传输信道均衡控制：

其中：

通过迭代系统函数，构建滑动时间窗口矢量，融合直接序列扩频算法，利用公式（22）构造优先级识别的判决误差函数：

其中，sgn（·）表示符号函数。

将公式（22）判决误差函数引入传统的数据包传输模型：

对数据包传输模型中的误差函数求极限，使得误差收敛到零，即实现优先级传输的改进。

3　仿真实验与结果分析

为了测试本文算法在实现分布式网络下资源信息数据包传输和优先调度中的应用性能，进行仿真实验。验的计算机硬件配置参数为：仿真实验的硬件环境为Intel Core2 Duo1. 80GHz，1 G内存，主频为DDR2 667，仿真实验采用NS-2.27和NS软件进行分布式网络环境模拟。分布式网络资源信息数据包调度信息流采样采用BPSK调制，模拟100个实时资源信息数据包调度任务，数据包的最大容量为1 024 TB，数据包优先级传输调度的时隙分配的幅值取为A1=A2=A3=1，根据上述仿真环境和参数设计，进行分布式网络信息数据包调度仿真，进行分布式网络信息数据包优先级传输调度仿真，首先进行数据信息采样，采用对分布式网络中实时资源信息数据包采集方法，得到数据采集的时域波形如图2所示。

图2　分布式网络数据包传输的信息流采样时域波形

以上述分布式网络数据包信息采样结果为研究对象，进行优先级识别和传输，构建分布式网络数据包传输的信道模型，对数据包中的数据进行冗余信息滤波，得到冗余数据滤波前后的分布式网络数据包传输的优先级排列星座图如图3所示。

分析图3可知，采用本文算法，对数据库中的信息传输流进行自适应加权量化特征分解，通过特征提取实现优先级的自适应识别，实现分布式网络数据包传输的优先级排列优化，以此提高数据传输的吞吐性能。为了定量分析算法性能，采用本文算法和传统算法，以数据传输的吞吐性能和执行时间为测试指标，采用10000次蒙特卡洛实验，得到吞吐性能对比仿真结果如图4。

分析图4可知，采用本文模型进行分布式网络的数据包优先级传输，提高了数据传输的吞吐性能。通过执行时间统计，采用本文算法，执行时间比传统方法降低了29.67%，展示了本文模型通过对数据包优先级识别和排序，提高了数据传输的性能。

图3　冗余数据滤波前后的分布式网络数据包传输的优先级排列星座图

图4　吞吐性能对比

4　结束语

建立一种基于自适应加权量化特征分解和冗余数据滤除的分布式网络数据包优先级传输模型。并通过仿真实验结果表明，采用改进模型进行分布式网络数据包优先级传输，数据传输的吞吐性能较好，执行时间较短，展示了较好的应用性能。

［1］邸珩烨.基于多径码间干扰滤波的短波通信优化［J］.物联网技术，2015，5（10）:47-48，52.

［2］刘艳峰，魏兵，任新成.近场通信天线场分布特性仿真［J］.电子测量技术，2015，38（8）:132-134.

［3］陈震华，许肖梅，陈友淦，等.浅海水声信道中原模图LDPC码的设计及性能分析［J］.电子与信息学报，2016，38（1）:153-159.

［4］GENG Zhe，DENG Hai，HIMED B.Adaptive radar beamforming for interference mitigation in radar-wireless spectrum sharing［J］.IEEE Signal Processing Letters，2015，22（4）: 484-488.

［5］YANG Yunchuan，SUN Cong，ZHAO Hui，et al.Algorithms for secrecy guarantee with null space beamforming in twoway relay networks［J］.IEEE Transactions on Signal Processing，2014，62（8）:2111-2126.

［6］梁国龙，韩博，范展.近场自适应波束形成的零陷展宽方法［J］.华中科技大学学报:自然科学版，2013，41（8）:34-39.

［7］陈友淦，许肖梅，张兰，等.浅海水声信道模型差异对纠错码性能分析的影响［J］.兵工学报，2013，34（11）:1404-1411.

［8］崔永君，张永花.基于特征尺度均衡的Linux系统双阈值任务调度算法［J］.计算机科学，2015，42（6）:181-184.

［9］魏利峰，纪建伟，王晓斌.云环境中web信息抓取技术的研究及应用［J］.电子设计工程，2016，（4）:29-31.

［10］何后裕，何华琴，李小双.分布式光伏接入对配电网网络损耗的影响分析［J］.现代电子技术，2014，37（6）:158-162.

［11］孙欣尧，王雪，吴江伟，等.分布式协同网络用电负荷分层加权概率预测方法［J］.仪器仪表学报，2014，35（2）:241-246.

［12］王晶，孙宏斌，陈润泽，等.变电站—调度中心两级分布式网络建模［J］.电力系统自动化，2014，38（9）:107-113，151.

［13］师超，仇洪冰，陈东华，等.一种简单的分布式无线传感器网络时间同步方案［J］.西安电子科技大学学报，2013，40（1）:93-99+147.

［14］安金鑫，王军，孙章，等.基于分布式网络的并行多通道数据采集系统设计［J］.电测与仪表，2013，50（6）:109-114.

［15］郑毅，李少远.网络信息模式下分布式系统协调预测控制［J］.自动化学报，2013，39（11）:1778-1786.

［16］黄震华，张波.一种分布式网络中轮廓推荐的有效方法［J］.电子与信息学报，2015，37（5）:1214-1219.

Simulation of distributed network packet priority transport model

CHEN Ming
（Department of Information Engineering Sichuan Technology and Business College Sichuan Province，Dujiangyan 611837，China）

Optimize the transmission model of distributed network packet priority，can improve the resource scheduling in distributed network and information transmission performance.The traditional method using time and frequency coupling scale decomposition algorithm，under a lot of redundant data interference，reduce the priority identification precision of the data and the transmission performance.Establish a based on adaptive weighted quantitative feature decomposition and redundant data transmission model of distributed network packet filtering priority.First build distributed network packets priority transmission channel structure model，using cascade filtering algorithm for redundant data in the packet filtering pre-processing，transmit information to the database after the flow characteristics of adaptive weighted quantitative decomposition，through feature extraction to realize adaptive priority recognition，realization of transmission model is improved.The simulation results show that the improved model for distributed network packet transmission priority，data transmission throughput performance is good，the execution time is shorter，shows a good application performance.

distributed network；data packet；priority transfer；channel

TP393

A

1674－6236（2016）12-0005-04

2016-03-18稿件编号：201603233

国家自然科学基金（65485695）

陈明（1981—），男，四川成都人，硕士研究生，讲师。研究方向：计算机网络。