[發明專利]無線網絡中基于機器學習的無線丟包和擁塞丟包區分方法

在審

• 申請號: 202210400814.9
• 申請日: 2022-04-17
• 公開（公告）號: CN114980196A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 顏金堯;陳宇浩
• 申請（專利權）人: 中國傳媒大學
• 主分類號: H04W28/02
• 分類號: H04W28/02;H04W24/06;H04L47/12;H04L47/32;G06N3/04
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

1.無線網絡中基于機器學習的無線丟包和擁塞丟包區分方法，其特征在于包括以下步驟：

基于機器學習區分無線網絡中的無線丟包和擁塞丟包的方法；

在ns-3模擬器中獲得機器學習中神經網絡模型訓練所需數據；

在python環境中訓練并保存神經網絡模型；

在基于Linux系統的手機、計算機、服務器中部署神經網絡模型；

在ns-3模擬器中測試并驗證模型的方法；

其中，使用機器學習區分無線網絡中的無線丟包和擁塞丟包，包括如下步驟：

步驟101，TCP中的擁塞控制模塊監測到丟包事件；

步驟102，擁塞控制模塊根據傳統的TCP設計，得到該流的基本信息，包括擁塞窗口cwnd、往返時延rtt、已發送但未確認的包數量infight；

步驟103，擁塞控制模塊根據神經網絡設計，對該流的原始特征信息進行二次提取，得到適合神經網絡的輸入特征，包括rtt_rate、rtt_{max_rate}、rtt_{min_rate}、cwnd_rate，計算公式如下：

步驟104，將步驟102和步驟103中的特征進行標準化，特征x的規范化值x_normalized計算公式如下，其中x_mean是特征x的平均值，x_std是特征x的標準差：

步驟105，整理步驟104中的數據；

步驟106，將整理好的數據交由神經網絡模型計算；

步驟107，神經網絡模型根據訓練好的權重參數，通過矩陣運算，得到預測的輸出值；

步驟108，將輸出值映射為分類結果；如果神經網絡輸出值小于0.5，則認為是無線丟包，否則認為是擁塞丟包。

2.根據權利要求1所述的方法，其特征在于，通過ns-3模擬器生成用于區分無線網絡中的無線丟包和擁塞丟包所需的訓練數據，包括如下步驟：

步驟201，實現有線網絡拓撲，設置每條鏈路的物理帶寬、傳播時延、隊列長度、IP地址；

步驟202，實現無線網絡拓撲，設置無線網絡協議、傳播模型、傳播延遲模型、傳播損失模型、物理層錯誤比特率模型、數據模式、控制模式、無線訪問接入點Ap和手機客戶端Sta的移動模型和距離、IP地址；

步驟203，實現一個自定義的客戶端Socket類，這個Socket類需要實現設置IP地址、包大小、數量和發包速率功能；

步驟204，把203中的Socket部署到手機客戶端，在服務器端部署服務器，使用端口號在二者之間建立TcpSocket鏈接；

步驟205，在每條鏈路設置回調函數，用于記錄進入該條鏈路發送隊列的每一個數據包QueueFile，以及因隊列已滿而丟棄的數據包信息DropFile；

步驟206，在手機客戶端的Socket實現記錄擁塞窗口cwnd、往返時延rtt、已發送但未確認的包數量infight到文件中；

步驟207，在服務器端監測并記錄每條鏈接的吞吐量到文件中；

步驟208，設置模擬需要的參數，包括隨機數種子、模擬時間、文件存儲位置、擁塞控制算法；

步驟209，實現一個批量訓練腳本，能多次調用ns-3模擬腳本，通過使用不同的隨機數種子，產生訓練數據。