分布式环境下动态网络时延矩阵正则化重建

时延矩阵的重建是延迟敏感型应用优化的重要基础。在深入探讨分布式网络环境下一类基于矩阵分解的非梯度下降重建算法鲁棒性的基础上,分析了时延序列抖动对算法中的不适定与病态问题反演求解的强烈影响。为了降低这种影响,在引入正则化项改善系数矩阵谱特征的基础上,提出了一种时延序列的中值-卡尔曼时空联合滤波框架以抑制抖动污染,并通过统计特征的提取实现了拓扑突变感知,从而提高动态环境下的时延矩阵重建的性能。实验结果表明,滤波重建算法可在保留时延序列主要统计特征的基础上有效避免时延噪声造成的性能损失,并提供平稳的时延估计服务,始终将应力系数保持在较低的水平上。