基于自适应网络编码的异构无线链路并发传输控制方法技术

技术编号:30322148 阅读:22 留言:0更新日期:2021-10-09 23:47
本发明专利技术公开了一种基于自适应网络编码的异构无线链路并发传输控制方法,包括:基于A3C构建自适应编码决策模型;确定编码分组大小N和编码分组内数据包冗余大小R;定义两个编码矩阵:原始数据包的编码矩阵和冗余编码矩阵,根据编码分组大小和编码分组内冗余数据包大小,从相应的编码矩阵选择编码系数,编码生成N+R个编码数据包;针对编码生成N+R个编码数据包,基于路径质量对数据包进行分发:在每一次调度分发时,衡量每条路径的质量,选取质量最优的路径将编码的数据包调度到该路径的缓存中。本发明专利技术解决了异构无线链路多路径传输存在的乱序问题,有效提升系统吞吐量。有效提升系统吞吐量。有效提升系统吞吐量。

【技术实现步骤摘要】
基于自适应网络编码的异构无线链路并发传输控制方法


[0001]本专利技术涉及无线通信
,具体而言涉及一种基于自适应网络编码的异构无线链路并发传输控制方法。

技术介绍

[0002]随着超高清视频直播、无人驾驶、虚拟现实、远程医疗等业务的不断兴起,人们对带宽、时延的要求不断提高。随着5G网络的不断部署与普及,这些需求不断得到满足,但5G网络很难满足人们对高带宽、低时延的需求。未来的网络将是多种网络共存的异构网络,任何单一的网络将无法满足人们个性化的需求。与此同时,随着智能硬件的普及,越来越多的终端设备装备有多种类型的网络接口,例如WiFi,4G LTE和5G NR等等,使得一个用户终端同时具有访问目标通信节点的多条链路,实现多路径并行传输,将可以利用的网络信道同时利用,以达到提高传输效率的目的。多路径并行传输在有线网络中的应用已经相对成熟。然而,在无线网络环境中,由于无线网络环境中的链路具有动态性和不可靠性,物理链路属性本身具有的差异,加上移动终端的移动性导致的异构无线网络发生动态性变化,会严重影响传输效率,降低了传输性能。由于链路之间的差异本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应网络编码的异构无线链路并发传输控制方法,其特征在于,所述控制方法包括以下步骤:S1,基于A3C构建自适应编码决策模型,定义A3C强化学习参数,强化学习参数至少包括路径状态集、编码动作集和用于衡量动作执行好坏的奖励函数;S2,对全局代理的神经网络参数θ
c
和θ
a
进行迭代优化,采用优化参数后的自适应编码决策模型获取最优编码策略,确定编码分组大小N和编码分组内数据包冗余大小R,N和R均是大于1的整数值;S3,定义两个编码矩阵:原始数据包的编码矩阵C
p
和冗余编码矩阵C
r
,根据编码分组大小和编码分组内冗余数据包大小,从相应的编码矩阵选择编码系数,编码生成N+R个编码数据包;S4,针对编码生成N+R个编码数据包,基于路径质量对数据包进行分发:在每一次调度分发时,衡量每条路径的质量,选取质量最优的路径将编码的数据包调度到该路径的缓存中。2.根据权利要求1所述的基于自适应网络编码的异构无线链路并发传输控制方法,其特征在于,所述控制方法还包括:S5,接收方根据接收到的数据包,确定解码矩阵,解码出原始数据包,递交上层应用。3.根据权利要求1所述的基于自适应网络编码的异构无线链路并发传输控制方法,其特征在于,步骤S1中,所述定义模型参数的过程包括以下步骤:S11,设定路径状态集S
t
为:S
t
={Bw
t
,Buffer
t
,(N,R),T,T
t
,Pl
t
}式中,Bw
t
={Bw
t,1
,Bw
t,2
,

,Bw
t,I
},Bw
t,i
表示t时刻路径i的带宽大小,I表示链路总数;Buffer
t
表示t时刻视频缓存,(N,R)表示过去时刻选择的编码分组大小N和R;T表示当前分组传输时延;T
t
={T
t,1
,T
t,2
...,T
t,I
},T
t,i
表示t时刻路径i的下载时延;Pl
t
={Pl
t,1
,Pl
t,2
,...,Pl
t,I
},Pl
t,i
表示t时刻路径i的丢包率,1≤i≤I;S12,设定动作集a
t
为:a
t
={N,R}式中,N表示编码分组大小,R表示分组内冗余数据包大小,N和R都是整数值;S13,定义状态转移概率S13,定义状态转移概率S14,定义奖励函数r
t
:式中,表示最大化吞吐量,其中Bw
t,i
表示t时刻路径i的带宽大小;α是重新缓冲的惩罚因子,rebuf表示重新缓冲的时间;β表示时延惩罚因子,T=MAX(T
t,i
)
(1≤i≤I)
表示总的下载时延;γ表示缓冲区惩罚因子,
B1,B2是缓冲区上下限阈值,θ为缓冲区调节因子,0≤θ≤1。4.根据权利要求3所述的基于自适应网络编码的异构无线链路并发传输控制方法,其特征在于,步骤S2中,对全局代理的神经网络参数θ
c
和θ
a
进行迭代优化的过程包括:S201,输入全局代理的神经网络参数θ
c
和θ
a
、全局最大的迭代次数M,令全局迭代次数m=1;S202,初始化时间t=0;S203,初始化起始状态s
t
=s0;初始化神经网络参数增量dθ
c
=0,dθ
a
=0;将全局代理的神经网络参数赋值给局部代理θ

c
=θ
c


a
=θ
a
;s0表示t=0时的网络状态;S204,设t=1;S205,基于策略π(a

【专利技术属性】
技术研发人员:朱晓荣王伟赵夙
申请(专利权)人:南京邮电大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1