1.一种指控网络异构链路汇聚流量的端到端时延分析方法，其特征在于，指挥控制网络包括多个异构链路汇聚节点，流经所有异构链路汇聚节点的目标流量为贯穿流，流经其中一个异构链路汇聚节点的干扰流量为交叉流，在流量传输和到达过程中，执行如下步骤S1‑步骤S6，完成指挥控制网络异构链路汇聚流量端到端的时延性能评估：步骤S1：指挥控制网络中的流量类型包括时延敏感流量、带宽敏感流量、尽最大努力交付流量，分别针对三种流量类型，将时延敏感流量建模为MMPP流量模型，将带宽敏感流量、尽最大努力交付流量建模为fBm流量模型；

步骤S1所述的MMPP流量模型中各异构链路汇聚节点具有ON和OFF两种状态，处于ON状态时，异构链路汇聚节点传输流量，处于OFF状态时，异构链路汇聚节点停止传输流量；则MMPP流量模型所对应的无穷小生成矩阵Ω和强度矩阵Λ如下式： ；

；

式中，γ1为异构链路汇聚节点由ON状态到OFF状态的转移概率，γ2为异构链路汇聚节点由OFF状态到ON状态的转移概率，η为异构链路汇聚节点ON状态时的业务传输速率，其OFF状态时的业务传输速率为0；

MMPP流量模型所表征的流量，在时间t内的累积到达量Am(t)如下式：；

式中，λm为时间t内的MMPP流量平均到达速率， ，Zm(t)表示随机过程，且该随机过程的期望值， ；

fBm流量模型所表征的流量，在时间t内的累积到达量Af(t)如下式：；

式中，λf为时间t内的fBm流量平均到达速率，Zf (t)表示随机过程，且，其中af为方差系数， 为方差 的标准分形布朗运动，Hf为Hurst参数，取值范围为（0.5,1]；

步骤S2：基于MMPP流量模型、fBm流量模型，根据网络演算理论，分别推导时延敏感流量、带宽敏感流量、尽最大努力交付流量的随机到达曲线和有界函数；

步骤S2中对异构链路汇聚节点的流量累积到达量Am(t)和Af(t)的约束边界加以刻画，进而获得MMPP流量模型的随机到达曲线和fBm流量模型的随机到达曲线；

MMPP流量模型的到达过程 ，其中：

；

；

式中，Am(t)为MMPP流量模型所表征的流量在时间t内的累积到达量，fm为MMPP流量的随机到达曲线的有界函数，αm为MMPP流量模型的随机到达曲线，下角标ta表示随机到达曲线的类型为traffic amount，θm、 均为大于0的自由参数，x为大于0的常数；

fBm流量模型的到达过程 ，其中：

；

；

式中，αf为fBm流量模型的随机到达曲线，θf、 均为大于0的自由参数；

记时延敏感流量到达过程为 ，带宽敏感流量到达过程为，尽最大努力交付流量到达过程为 ，其中，Ap为各流量类型的累积到达量，fp为各流量类型的随机到达曲线的有界函数，αp为各流量类型的随机到达曲线，下标p={1,2,3}，p=1表示流量类型为时延敏感流量，p=2表示流量类型为带宽敏感流量，p=3表示流量类型为尽最大努力交付流量，则有：；

；

；

；

；

；

其中，θ1、θ2、θ3、 、 、 均为大于0的自由参数，H2、H3为Hurst参数，λ2、λ3分别为时间t内的带宽敏感流量、尽最大努力交付流量平均到达速率；

步骤S3：利用马尔可夫链针对状态时变通信链路的信道状态进行建模，预设每个信道均为独立同分布信道，获得通信链路为汇聚节点流量提供的总服务速率平均值；

步骤S3中利用马尔可夫链针对状态时变通信链路的信道状态进行建模，预设每个信道均为独立同分布信道，且均具有Good和Bad两种状态：当信道处于Good状态时，通信链路可用，异构链路汇聚节点中的流量以速率RG传输；当信道状态处于Bad状态时，通信链路不可用，异构链路汇聚节点中的流量无法成功传输到下一跳节点；各信道的生成转移矩阵Q如下式：；

式中， 为信道状态由Bad状态到Good状态的转移概率，为信道状态由Good状态到Bad状态的转移概率；

各信道的通信链路对异构链路汇聚节点中的流量提供的总服务速率平均值R为：；

其中，θR>0为自由参数；

步骤S4：基于步骤S3所获得的总服务速率平均值，以及步骤S2所获得的各随机到达曲线和有界函数，根据网络演算理论，分别推导流经异构链路汇聚节点的流量为时延敏感流量、带宽敏感流量、尽最大努力交付流量时的随机服务曲线；其中，异构链路汇聚节点采用的调度策略为PQ+GPS调度策略，时延敏感流量的随机服务曲线的计算基于PQ调度策略特性，带宽敏感流量和尽最大努力交付流量的随机服务曲线的计算基于GPS调度策略特性；

步骤S4中记到达异构链路汇聚节点d的时延敏感流量的交叉流集合为 ，记 到达过程为 ， ， ； 、均为大于0的自由参数，i表示 中第i条时延敏感流量的交叉流， 表示 中第i条时延敏感流量的交叉流的平均到达速率；记到达异构链路汇聚节点d的带宽敏感流量的交叉流集合为 ，记 到达过程为 ， ，； 、 均为大于0的自由参数，j表示 中第j条带宽敏感流量的交叉流， 表示 中第j条带宽敏感流量的交叉流的平均到达速率；记到达异构链路汇聚节点d的尽最大努力交付流量的交叉流集合为 ，记 到达过程为， ， ； 、

均为大于0的自由参数，k表示 中第k条尽最大努力交付流量的交叉流， 表示中第k条尽最大努力交付流量的交叉流的平均到达速率；

其中， 为到达异构链路汇聚节点d的各流量类型的累积到达量， 为到达异构链路汇聚节点d的各流量类型的随机到达曲线的有界函数， 为到达异构链路汇聚节点d的各流量类型的随机到达曲线；下标p={1,2,3}，p=1表示流量类型为时延敏感流量，p=2表示流量类型为带宽敏感流量，p=3表示流量类型为尽最大努力交付流量；

基于PQ调度策略特性，异构链路汇聚节点d为时延敏感流量提供的随机服务曲线为，Rd为异构链路汇聚节点d中的流量传输速率，记 为所有输入异构链路汇聚节点d的时延敏感流量集合，则异构链路汇聚节点d为带宽敏感流量和尽最大努力交付流量提供的随机服务曲线为 ， 为 中第i个时延敏感流量的平均到达速率；

基于GPS调度策略特性，异构链路汇聚节点d为带宽敏感流量提供的随机服务曲线以及为尽最大努力交付流量提供的随机服务曲线 分别如下式：；

；

其中，μ2为带宽敏感流量所在队列的权重，μ3为尽最大努力交付流量所在队列的权重，为 中第k个尽最大努力交付流量的平均到达速率， 为 中第j个带宽敏感流量的平均到达速率；

根据网络演算理论中的单流服务特性，异构链路汇聚节点d为时延敏感流量的贯穿流S1t提供弱随机服务曲线为 ，为带宽敏感流量的贯穿流S2t提供弱随机服务曲线为 ，为尽最大努力交付流量的贯穿流S3t提供弱随机服务曲线为 ，下角标ws表示随机到达曲线的类型为弱随机，为到达异构链路汇聚节点d的各流量类型的贯穿流，g表示随机服务曲线的有界函数，表示异构链路汇聚节点d为各流量类型的贯穿流提供的随机服务曲线，下标p={1,2,

3}，p=1表示流量类型为时延敏感流量，p=2表示流量类型为带宽敏感流量，p=3表示流量类型为尽最大努力交付流量；

其中：

；

；

；

式中， 表示异构链路汇聚节点d为时延敏感流量i提供的随机服务曲线；

根据网络演算理论中的串联特性，指挥控制网络为时延敏感流量的贯穿流S1t提供弱随机服务曲线为 ，g1t为时延敏感流量的贯穿流的随机服务曲线的有界函数，β1t为时延敏感流量的贯穿流的随机服务曲线，其中：；

；

式中， 为异构链路汇聚节点n为时延敏感流量提供的随机服务曲线， 为异构链路汇聚节点为时延敏感流量的贯穿流提供的服务速率， 通过异构链路汇聚节点n的时延敏感流量中的交叉流随机到达曲线的有界函数 计算得到， 表示异构链路汇聚节点n为时延敏感流量贯穿流提供的随机服务曲线，n={1,2,…,N}，g表示随机服务曲线的有界函数，N为异构链路汇聚节点总数；

其中：

；

；

式中，n=1,2,…,N‑1，y为求解积分时的自变量；同理获得指挥控制网络为带宽敏感流量的贯穿流S2t提供弱随机服务曲线 ，以及指挥控制网络为尽最大努力交付流量的贯穿流S3t提供弱随机服务曲线 ，gpt为各类型流量的贯穿流的随机服务曲线的有界函数，βpt为各类型流量的贯穿流的随机服务曲线，p=2表示流量类型为带宽敏感流量，p=3表示流量类型为尽最大努力交付流量；

步骤S5：在典型指挥控制网络异构链路汇聚流量传输系统架构下，基于步骤S2所获得的各随机到达曲线，以及步骤S4所获得的各随机服务曲线，分别推导时延敏感流量、带宽敏感流量、尽最大努力交付流量的端到端时延表达式；

步骤S5在典型指挥控制网络异构链路汇聚流量传输系统架构下，基于步骤S2所获得的各随机到达曲线，以及步骤S4所获得的各随机服务曲线，分别获得时延敏感流量、带宽敏感流量、尽最大努力交付流量的贯穿流S1t、S2t和S3t的随机时延上界如下式：；

；

；

式中， 为概率，fpt为各流量类型的贯穿流随机到达曲线的有界函数，gpt(x)为各流量类型的贯穿流随机服务曲线的有界函数，rpt,θ为异构链路汇聚节点为各流量类型的贯穿流提供的服务速率，Dpt为各流量类型的贯穿流的端到端时延，下标p={1,2,3}，p=1表示流量类型为时延敏感流量，p=2表示流量类型为带宽敏感流量，p=3表示流量类型为尽最大努力交付流量；

其中：

；

；

；

式中，N为异构链路汇聚节点的总数， 为异构链路汇聚节点n为各流量类型提供的随机服务曲线，对于n=1,2,…,N‑1有下式：；

；

；

式中，gpt(x)为各流量类型的贯穿流随机服务曲线的有界函数，g表示随机服务曲线的有界函数， 表示异构链路汇聚节点n的各流量类型中的交叉流随机到达曲线的有界函数，y为求解积分时的自变量；

步骤S6：设定流量到达过程中的相关参数，以及异构链路汇聚节点服务过程的相关参数，分别对不同流量控制策略下的端到端时延性能，不同参数下的时延敏感流量端到端时延性能，以及不同参数下的带宽敏感流量端到端时延性能进行评估。