[發明專利]高動態網絡中面向多樣化傳輸需求的智能擁塞控制方法在審
| 申請號： | 202210690131.1 | 申請日： | 2022-06-17 |
| 公開（公告）號： | CN115134859A | 公開（公告）日： | 2022-09-30 |
| 發明（設計）人： | 羅龍;蔡青青;黃雪英;孫罡;虞紅芳 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | H04W28/02 | 分類號： | H04W28/02;H04W72/04;H04W72/12;G06N3/08;G06N3/04 |
| 代理公司： | 山東諾誠智匯知識產權代理事務所(普通合伙) 37309 | 代理人： | 金峰 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 動態 網絡 面向 多樣化 傳輸 需求 智能 擁塞 控制 方法 | ||
1.一種高動態網絡中面向多樣化傳輸需求的智能擁塞控制方法，其特征在于，包括如下步驟：
S1、對毫米波信道容量進行采樣，利用采樣出的信道容量信息對信道容量預測模型進行預訓練；
S2、預定義API接口，通過預定義的API接口設置需求值和需求權重；
S3、以設定時間間隔統計網絡狀態信息和需求完成情況，并將所統計的信息交付擁塞控制算法，其中，信道容量預測模塊通過歷史信道容量信息計算信道容量預測值；
S4、強化學習模塊根據信道容量預測值、統計的網絡狀態信息和需求完成情況進行強化學習，輸出擁塞窗口調整策略并調整擁塞窗口，同時根據窗口值/平均RTT的形式計算發送間隔；
S5、重復步驟S3-S4直至傳輸完成。
2.根據權利要求1所述的高動態網絡中面向多樣化傳輸需求的智能擁塞控制方法，其特征在于，所述S2中需求值和需求權重具體為：
以Mbps為單位的吞吐需求和以ms為單位的時延需求值以及時延需求權重ωd和吞吐需求權重ωb，且ωb+ωd＝1。
3.根據權利要求2所述的高動態網絡中面向多樣化傳輸需求的智能擁塞控制方法，其特征在于，所述S3中需求完成情況的計算方式為：
其中，為t時刻的需求完成度，b0為吞吐需求，d0為時延需求，bt和dt表示t時刻的吞吐和時延，ωb和ωd為吞吐和時延偏好權重值，I為單維需求滿足度且
4.根據權利要求1所述的高動態網絡中面向多樣化傳輸需求的智能擁塞控制方法，其特征在于，所述S3具體包括如下步驟：
S31、每接到一個ACK數據包時更新統計的RTT、吞吐、丟包數量、估計的信道容量；
S32、當定時器超出時間間隔時，計算當前時間間隔內的平均吞吐、平均RTT、最小RTT、時延梯度、丟包率、需求完成度、最大網絡容量、獎賞值；
S33、將步驟S32計算得到的數據交付擁塞控制算法，信道容量預測模塊計算信道容量預測值。
5.根據權利要求4所述的高動態網絡中面向多樣化傳輸需求的智能擁塞控制方法，其特征在于，所述S33中信道容量預測值的計算方式為：
S331、將當前時間間隔統計的信道容量信息加入歷史信道容量隊列，歷史信道容量隊列始終維護一段固定長度的歷史信道容量信息；
S332、將歷史信道容量隊列中的信息輸入訓練好的網絡容量預測模型，輸出下一個時間間隔的信道容量。
6.根據權利要求1-5任一項所述的高動態網絡中面向多樣化傳輸需求的智能擁塞控制方法，其特征在于，所述信道容量預測模塊和強化學習模塊設置于傳輸層，其中，
所述信道容量預測模塊以歷史信道容量作為輸入，以預測的未來信道容量作為輸出，并將其輸入到強化學習模塊的狀態空間中，輔助強化學習模塊進行決策；
所述強化學習模塊將未來信道容量信息、當前時刻的網絡狀態信息和傳輸需求完成度作為強化學習模塊的狀態空間的輸入，并在每個決策時間段內，學習器根據DDPG算法擬合擁塞控制策略，使用需求完成度作為獎賞函數，輸出擁塞窗口調整策略。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學，未經電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210690131.1/1.html，轉載請聲明來源鉆瓜專利網。
