基于Haar小波和极大似然估计的Hurst参数估计法  

Hurst parameter estimation method based on Haar wavelet and maximum likelihood estimation

作　　者：武莹[1] 李俊州[2] 

机构地区：[1]开封大学软件职业技术学院,河南开封475004 [2]开封大学艺术设计学院,河南开封475004

出　　处：《华中师范大学学报（自然科学版）》2013年第6期763-768,775,共7页Journal of Central China Normal University：Natural Sciences

基　　金：河南省教育厅科学技术研究重点项目（13A520367）.

摘　　要：Hurst参数是表征网络业务自相似性的一个重要参数,在一定的观察时间内对突发业务的Hurst参数进行快速、准确的估计是高速宽带网络实施流量控制和缓冲资源分配的前提.本文提出一种基于Haar小波和极大似然估计的Hurst参数估计法.该方法首先使用Haar小波对DFBM序列的增量DFGN序列进行小波变换,然后再利用极大似然估计来估计Hurst系数.仿真生成的DFBM和真实自相似网络业务数据的计算结果均表明,该方法提高了Hurst参数估计的效率和准确性,比传统方法具有更好的性能.Since H urst parameter is the key value of self-similar network traffic,efficient estimation of Hurst parameter to the given accuracy is the basic step of flow control as well as buffer management in high-speed broadband network （e.g.,ATM） with self-similar traffic.A Hurst parameter estimation method based on HAAR wavelet and maximum likelihood estimation was proposed.This method firstly uses Haar wavelet transform incremental DFGN sequences of DFBM,and then employs maximum likelihood estimation estimate Hurst coefficient.Simulation results based on DFBM and real traffic data reveal that the method can improve accuracy and efficiency compared to the traditional method.

关 键 词：HAAR小波 HURST参数 极大似然估计 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]