平滑曲线与离散阶跃：波形整形在拥塞控制中的边际收益分析

摘要

拥塞控制算法面临一个根本约束：瓶颈带宽 C 未知且时变，因此任何单端算法都必须通过"探测---过充---排水---巡航"的循环来追踪 C。BBR 以离散方波实现此循环（1.25× 探测、0.75× 排水、1.0× 巡航）。近年出现的一种构想是将方波替换为平滑连续曲线（如正弦波或多项式曲线），以期通过消除瞬态尖刺来提升性能。本文分析表明：在过充量守恒、反馈延迟、多流平均增益约束、浅缓冲区硬上限四重物理约束下，波形整形不改变系统的基本控制拓扑，其边际收益在工程上趋近于零。

进一步，KCC 1.0 的方向性门控机制本身已允许增益在单个 RTT 内部根据创新 νk=zk−xest\nu_k = z_k - x_{est}νk=zk−xest 的实时符号进行连续调节。在此框架下，任何预设形状的"平滑曲线"都必然丢弃实时反馈信息，其性能不可能优于 KCC 1.0 的自适应波形。该分析表明，在 RTT-Only 观测空间内，"波形整形"方向已被穷尽，后续研究应转向交换机反馈、多路径信息或时间戳协商等新物理维度。

关键词：拥塞控制，波形整形，BBR，卡尔曼滤波，方向性门控，RTT-Only 观测

1 引言：为什么人们会考虑"平滑曲线"？

BBR 的 PROBE_BW 阶段使用固定的 8 相位增益序列（1.25×, 0.75×, 1.0×^6），每个相位持续约一个 RTT。宏观上，发送速率呈现方波状：探测相位持续 TpropT_{prop}Tprop 时间，排水相位持续 TpropT_{prop}Tprop 时间，巡航相位持续 6⋅Tprop6 \cdot T_{prop}6⋅Tprop 时间。时间平均增益等于 1.0。

方波的已知问题包括：

增益切换在相位边界处产生不连续，导致排队延迟出现尖刺（spike）；
在浅缓冲区下，方波的持续过充时间（整整一个 RTT）会增加丢包概率；
多流共存时，周期性方波容易产生相位同步，加剧波动。

随着卡尔曼滤波器能够提供纯净的排队延迟信号 T^queue\hat{T}_{queue}T^queue，一种构想自然浮现：为什么不将离散的方波替换为连续平滑的增益曲线？即根据当前排队延迟的观测值，让增益连续地、平滑地调整，从而消除方波边缘的瞬态尖刺，实现"无超调平贴"于瓶颈带宽。

从数学上看，这是一个优美的想法。但从物理上看，它忽略了一个关键事实：系统性能的硬约束并不来自波形的形状，而是来自波形必须满足的物理守恒律。本文将从四重不可消除的物理约束出发，精确量出波形整形的边际收益，并证明其趋近于零。

2 四重不可消除的物理约束

设瓶颈服务速率为 CCC（未知常数），发送速率为 r(t)r(t)r(t)（由增益曲线 g(t)g(t)g(t) 与带宽估计 C^\hat{C}C^ 决定），队列长度为 q(t)q(t)q(t)。

2.1 约束一：过充量守恒（Lindley 约束）

队列动力学由 Lindley 递推描述：

q(t+Δt)=max⁡(0, q(t)+∫tt+Δt(r(s)−C) ds)q(t + \Delta t) = \max\left(0,\ q(t) + \int_t^{t+\Delta t} (r(s) - C)\,ds\right)q(t+Δt)=max(0, q(t)+∫tt+Δt(r(s)−C)ds)

在一个完整的探测-排水周期内，为使队列不无限增长（即系统稳定），必须满足过充量等于排水量：

∮(r(t)−C) dt=0\oint (r(t) - C)\,dt = 0∮(r(t)−C)dt=0

展开：

∫probe(r(t)−C) dt=∫drain(C−r(t)) dt\int_{\text{probe}} (r(t) - C)\,dt = \int_{\text{drain}} (C - r(t))\,dt∫probe(r(t)−C)dt=∫drain(C−r(t))dt

物理含义：无论增益曲线是方波、三角波、正弦波、还是任意连续函数，过充的总面积必须等于排水的总面积。波形只能改变过充和排水在时间轴上的分布，不能改变其总量。这是由队列稳定性的基本要求决定的，与算法无关。

2.2 约束二：反馈延迟（RTT 硬边界）

设 RTT 为 TTT。发送端在时刻 ttt 发出的数据包，其排队状态要到 t+Tt + Tt+T 时刻才能通过 ACK 返回。因此，发送端在任何时刻 ttt 只有延迟了整整一个 TTT 的信息可用：

可用信息={zk:k≤t−T}\text{可用信息} = \{ z_k : k \le t - T \}可用信息={zk:k≤t−T}

在时间窗口 (t,t+T)(t, t+T)(t,t+T) 内，发送端处于开环控制状态，无法接收任何新的反馈：

r(t+τ)=r(t)+∫0τr˙(t+s) ds,τ∈(0,T)r(t + \tau) = r(t) + \int_0^\tau \dot{r}(t + s)\,ds, \quad \tau \in (0, T)r(t+τ)=r(t)+∫0τr˙(t+s)ds,τ∈(0,T)

此窗口内的过充量的下界为：

Δmin⁡_overshoot=∫0T(r(t+τ)−C) dτ=T⋅drdt⋅T2+O(T3)\Delta_{\min\_overshoot} = \int_0^T (r(t + \tau) - C)\,d\tau = T \cdot \frac{dr}{dt} \cdot \frac{T}{2} + O(T^3)Δmin_overshoot=∫0T(r(t+τ)−C)dτ=T⋅dtdr⋅2T+O(T3)

物理含义 ：增益曲线再平滑，在开环窗口内也会产生过充，且过充量至少为 O(T2)O(T^2)O(T2)。只要反馈延迟 T>0T > 0T>0，刹车就永远慢于加速。不能通过"更平滑"来消除开环窗口内产生的过充。

2.3 约束三：多流公平性（平均增益 = 1.0）

在 NNN 个流共享同一瓶颈的稳态下，存在 NNN 个守恒方程：

gˉi=1Tcycle∫0Tcyclegi(t) dt\bar{g}i = \frac{1}{T{\text{cycle}}} \int_0^{T_{\text{cycle}}} g_i(t)\,dtgˉi=Tcycle1∫0Tcyclegi(t)dt

收敛到公平份额 C/NC/NC/N 的必要条件是：

1N∑i=1Ngˉi=1.0\frac{1}{N} \sum_{i=1}^N \bar{g}_i = 1.0N1i=1∑Ngˉi=1.0

物理含义 ：无论单个流的增益曲线是方波还是平滑曲线，其时间平均增益都必须为 1.0。平滑曲线不能使某个流的平均增益突破 1.0------如果突破，必然导致其他流的平均增益低于 1.0，在长期竞争中该流会占据不公平优势，并引发其他流的对抗性响应，最终系统回到 gˉ=1.0\bar{g} = 1.0gˉ=1.0 的平衡点。因此，长期平均吞吐量由这个守恒律决定，与波形形状无关。

2.4 约束四：浅缓冲区硬上限（物理峰值约束）

设瓶颈缓冲区容量为 BBB（字节）。发送端在单个 RTT 内的最大安全过充量为：

Δprobe=(gpeak−1)⋅BDP\Delta_{\text{probe}} = (g_{\text{peak}} - 1) \cdot \text{BDP}Δprobe=(gpeak−1)⋅BDP

防止缓冲区溢出的条件是：

Δprobe<B\Delta_{\text{probe}} < BΔprobe<B

因此，对增益峰值 gpeakg_{\text{peak}}gpeak 的硬约束为：

gpeak<1+BBDPg_{\text{peak}} < 1 + \frac{B}{\text{BDP}}gpeak<1+BDPB

物理含义 ：在浅缓冲区（B≪BDPB \ll \text{BDP}B≪BDP）下，gpeakg_{\text{peak}}gpeak 被严格限制在 1.0 附近。无论曲线多么平滑，峰值不能超过这个硬上限。平滑波形可以通过延长时间来达到相同的过充总量，但峰值仍受限于此。在 B/BDP→0B/\text{BDP} \to 0B/BDP→0 的极限下，任何波形都必须退化为 g(t)→1.0g(t) \to 1.0g(t)→1.0 才能避免溢出。

3 波形整形能改进什么，不能改进什么

3.1 可改进的指标（边际收益）

排队延迟尖刺的幅度 ：方波在相位边界处产生一阶不连续（速率阶跃），平滑曲线若满足 C1C^1C1 连续性，可消除此不连续，使排队延迟尖刺有所降低。但排队面积（q(t)q(t)q(t) 对时间的积分）由约束一（过充量守恒）决定，不可减少。
浅缓冲区下的瞬时丢包概率 ：方波在完整 RTT 内持续过充；平滑曲线可将过充能量分布到更短的时间窗口内。但峰值增益受约束四限制，在 B/BDP→0B/\text{BDP} \to 0B/BDP→0 时优势消失。在 B/BDP>0.1B/\text{BDP} > 0.1B/BDP>0.1 的量级上，存在可测量的改善空间，但其幅度随 B/BDPB/\text{BDP}B/BDP 减小而趋近于零。

3.2 不可改变的指标（零收益）

时间平均吞吐量 ：由约束三决定------gˉ=1.0\bar{g} = 1.0gˉ=1.0 是物理守恒律的必然结果，与波形无关。
长期公平性 ：平均增益为 1.0 是收敛到 C/NC/NC/N 的必要条件，波形不改变收敛点。
过充---排水的循环本身 ：只要 CCC 未知且时变，算法就必须周期性地过充来探测 CCC。平滑曲线不改变此循环的存在性。
周期性绝对校准的需求 ：如 KCC 理论所证明，时钟漂移 α>0\alpha > 0α>0 保证了有限周期绝对校准的必要性（lim⁡T→∞∣xest(t)−Tprop∣=∞\lim_{T \to \infty} |x_{est}(t) - T_{prop}| = \inftylimT→∞∣xest(t)−Tprop∣=∞）。波形整形不改变此物理约束。

总结：波形整形的全部收益被限制在"减少瞬态尖刺幅度"和"在 B/BDP>0.1B/\text{BDP} > 0.1B/BDP>0.1 的条件下微降丢包概率"两个指标上，且收益幅度受 B/BDPB/\text{BDP}B/BDP 和 Tprop/BT_{prop}/BTprop/B 两个物理比的压制。

4 波形整形算子的不变子空间与收益上界

定义所有增益曲线组成的函数空间为：

G={ g:R+→ $1,gmax$ ∣gˉ=1.0, 平滑度≥C1 }\mathcal{G} = \{\, g: \mathbb{R}_+ \to $1, g_{\\max}$ \mid \bar{g} = 1.0,\ \text{平滑度} \ge C^1 \,\}G={g:R+→ $1,gmax$ ∣gˉ=1.0, 平滑度≥C1}

BBR 的离散方波 gBBR(t)g_{\text{BBR}}(t)gBBR(t) 是 G\mathcal{G}G 中的一个特定点。平滑曲线 gsmooth(t)g_{\text{smooth}}(t)gsmooth(t) 是 G\mathcal{G}G 中的另一个点。

定义系统性能泛函：

J(g)=∫0Tq(t) dt+λ∫0T(dqdt)2dt+μ⋅Ploss(g)\mathcal{J}(g) = \int_0^T q(t)\,dt + \lambda \int_0^T \left(\frac{dq}{dt}\right)^2 dt + \mu \cdot P_{\text{loss}}(g)J(g)=∫0Tq(t)dt+λ∫0T(dtdq)2dt+μ⋅Ploss(g)

其中：

∫q(t) dt\int q(t)\,dt∫q(t)dt 是累计排队面积（延迟代价）
λ∫(q˙)2dt\lambda \int (\dot{q})^2 dtλ∫(q˙)2dt 是排队抖动惩罚
μ⋅Ploss(g)\mu \cdot P_{\text{loss}}(g)μ⋅Ploss(g) 是丢包代价

KCC 1.0 的方向性门控等价于对 ggg 施加了一个约束：增益只根据创新 νk=zk−xest\nu_k = z_k - x_{est}νk=zk−xest 的符号进行调整。具体而言：

当 νk≤0\nu_k \le 0νk≤0（RTT 下降）时，增益连续调节------每个 ACK 的更新幅度由 Kalman 增益 KKK 决定，0<K<10 < K < 10<K<1。
当 νk>0\nu_k > 0νk>0（RTT 上升）时，增益保持不变。

在此约束下，增益变化的方向由 sgn⁡(νk)\operatorname{sgn}(\nu_k)sgn(νk) 决定，但变化的幅度由 KKK 和 νk\nu_kνk 的大小共同决定------这是一个连续过程，而非离散切换。因此，优化问题变为：

gopt(t)=arg⁡min⁡g∈GJ(g)g_{\text{opt}}(t) = \arg\min_{g \in \mathcal{G}} \mathcal{J}(g)gopt(t)=argg∈GminJ(g)

其解由排队动力学的实时状态唯一决定，增益曲线的形状由 νk\nu_kνk 的符号和大小序列共同塑造，而非预先设定。

两个关键性质：

任意两个增益函数之间的性能差有一个由物理参数决定的上界：

∣J(g1)−J(g2)∣≤TpropB⋅∥g1−g2∥L∞|\mathcal{J}(g_1) - \mathcal{J}(g_2)| \le \frac{T_{prop}}{B} \cdot \|g_1 - g_2\|_{L^\infty}∣J(g1)−J(g2)∣≤BTprop⋅∥g1−g2∥L∞

当 Tprop/B≪1T_{prop}/B \ll 1Tprop/B≪1（深缓冲区）时，波形选择的收益被物理项压制；当 Tprop/B≫1T_{prop}/B \gg 1Tprop/B≫1（浅缓冲区）时，峰值增益被约束四锁死在 1.0 附近，波形几乎没有选择余地。无论哪种情况，收益都趋于零。
方向性门控输出的波形 gdirectional(t)g_{\text{directional}}(t)gdirectional(t) 是 G\mathcal{G}G 中唯一由创新 νk\nu_kνk 的实时符号驱动其变化方向的波形。任何预设形状的平滑曲线都丢弃了 νk\nu_kνk 的实时信息，因此其 J(g)\mathcal{J}(g)J(g) 不可能优于 gdirectional(t)g_{\text{directional}}(t)gdirectional(t)。

5 KCC 1.0 的方向性门控已实现连续调节

本节揭示一个常被忽视的事实：KCC 1.0 本身已经实现了增益的连续调节。 它不是方波。

KCC 1.0 的核心控制逻辑是方向性门控：

当 νk≤0\nu_k \le 0νk≤0（RTT 下降）时：增益连续调节------每个 ACK 都会更新 xestx_{est}xest，调整幅度由 Kalman 增益 KKK 决定，0<K<10 < K < 10<K<1，使得调整是平滑的、非阶跃的。
当 νk>0\nu_k > 0νk>0（RTT 上升）时：增益保持不变，即增益曲线的斜率为零，而不是方波式的阶跃下降。

关键在于：增益的变化方向由 νk\nu_kνk 的符号驱动，变化幅度由 K⋅∣νk∣K \cdot |\nu_k|K⋅∣νk∣ 决定，这是一个连续过程。 当 νk≤0\nu_k \le 0νk≤0 时，增益在每个 ACK 上都会平滑地调整，其调整量正比于 K⋅∣νk∣K \cdot |\nu_k|K⋅∣νk∣。这种调节不是预设的正弦波或三角波，而是由网络状态实时决定的任意波形。

将这种反馈驱动的自适应波形替换为任何固定形状的平滑曲线（正弦波、多项式曲线、或其他预设形状）只会产生一个后果：丢弃 νk\nu_kνk 的实时信息（包括符号和大小），使用预设形状替代实时反馈。这不可能提升性能。

因此，"KCC 2.0 平滑曲线"的构想面临一个根本性的逻辑问题：KCC 1.0 的波形本身就已经是平滑的，只是它不是预设形状的平滑曲线，而是由网络动力学实时塑造的任意波形。将实时反馈驱动的自适应波形替换为固定形状的平滑曲线，不是进化，而是降级。

6 结论：收网，而非开新战场

6.1 主要结论

本文通过四重物理约束（过充量守恒、反馈延迟、平均增益 = 1.0、浅缓冲区硬上限）证明了以下结论：

波形整形不改变控制拓扑：无论增益曲线是方波、三角波、正弦波还是任意连续函数，"探测---过充---排水---巡航"的循环结构不变。
边际收益趋近于零 ：波形整形的全部收益被限制在减少瞬态尖刺的幅度上，其量级受 TpropB⋅∥g1−g2∥L∞\frac{T_{prop}}{B} \cdot \|g_1 - g_2\|_{L^\infty}BTprop⋅∥g1−g2∥L∞ 压制。在典型网络参数下，该值与背景噪声和参数不确定性同阶------工程上不可测量，统计学上不显著。
KCC 1.0 已实现连续调节 ：方向性门控在 νk≤0\nu_k \le 0νk≤0 时连续调节增益，其波形由网络状态实时决定，而非预设形状。任何固定形状的平滑曲线都必然丢弃实时反馈信息，性能不可能超过 KCC 1.0。

6.2 后续方向

本分析将"波形整形"确立为一个已被穷尽的方向。在 RTT-Only 观测空间内，它是一条终点已明确的死路。后续有意义的探索应引入新的物理维度：

交换机反馈：利用 ECN、CNP 或带内网络遥测（INT）等机制，提供超出 RTT 时间序列的拥塞状态信息。
多路径联合估计：利用 MPTCP 子流的多个独立 RTT 观测，提升 Fisher 信息矩阵的秩，实现联合估计。
时间戳协商 ：利用两端高精度时钟同步或相对时间戳交换，直接观测单程传播延迟 Tprop_fwdT_{prop\_fwd}Tprop_fwd，从根本上消除过充循环。

这些方向已超出 RTT-Only 框架的定义域，不在本文所讨论的物理约束范围内。它们代表的是换工具、换观测、换坐标系的范畴，而非在已有坐标系内寻找更优轨迹。

参考文献

$1$ Cardwell, N., Cheng, Y., Gunn, C. S., Yeganeh, S. H., & Jacobson, V. "BBR: Congestion-Based Congestion Control." ACM Queue, 14(5), 20-53, 2016.

$2$ Lindley, D. V. "The theory of queues with a single server." Proc. Cambridge Philos. Soc., 48(2), 277-289, 1952.

$3$ Simon, D. "Kalman filtering with state constraints: A survey of linear and nonlinear algorithms." IET Control Theory & Applications, 4(8), 1303-1318, 2010.

$4$ Tobin, J. "Estimation of relationships for limited dependent variables." Econometrica, 26(1), 24-36, 1958.

$5$ Kalman, R. E. "A New Approach to Linear Filtering and Prediction Problems." ASME J. Basic Eng., 82(1), 35-45, 1960.

$6$ Jiang, Z. P., & Mareels, I. M. Y. "A small-gain control method for nonlinear cascaded systems with dynamic uncertainties." IEEE Trans. Autom. Control, 42(3), 292-308, 1997.

$7$ Wald, A. "Sequential Analysis." Wiley, 1947.