一种物联网的业务分类接入和物件标签位置预测方法
技术领域
本发明涉及通信技术领域,特别是涉及无线网络。
背景技术
随着物联网技术的快速发展,移动台可通过多路径到达目的节点,为实现对移动台的高效监控和管理,需准确预测移动台到达目的节点的时间。
目前,解决物联网的标识信息接入的方法大致有两类:一类是通过预留信道的方法来实现优先权,就是在总的信道中预留一部分给实时性业务专用,而余下的信道两种业务共用。如基于时隙ALOHA的预留信道的混合语音、数据优先权接入;支持语音优先接入的预留ALOHA策略和带移动边界预留信道的移动通信网络的呼叫接入控制等。另一类是采用网络运行机制获得优先接入,如IEEE802.11e的EPCF(增强点协调模式)通过设置不同的帧间隔实现优先接入控制;此外,由物联网业务流的突发性和移动性引起的“正负”效应也可通过设置不同的阈值的方法来提高通过率。第一类方法由于预留信道给实时性业务,在非实时性业务量较大而对实时性业务较小的情况下就会造成信道资源的浪费,即使可改变预留信道个数,但算法也相对复杂不易于实现。第二类方法研究的大多是单信道或等效单信道情况下,而没有真正对多信道情况进行研究;基于估计的设置阈值方法,由于其估计算法的准确性和复杂性,使其难于在实际中应用。为了保证视频流用户间通信的连续性和可靠性,必须保证较低的中断率和丢包率,修正的最大加权时延优先算法(M—LWDF。modified—largestweighted delay first)和指数正比公平(EXP/PF,exponent proportional fair)等实时调度算法按照排队时延(HoL,head-of-line delay)调度用户,保证了用户较低的丢包率,但是没有考虑用户的中断率,影响了用户的满意度。因此有必要结合信道条件实现物联网的业务分类接入和对物件标签位置的快速预测,满足物联网业务的传输要求。
综上所述:由于现有无线网络的接入机制不能满足物联网的业务流接入要求,并且对于及时发现预测物件标签的到达位置存在较大难度,因而有必要设计一种高效的方法,实现对物联网业务流的高效管理。
发明内容
本发明所要解决的技术问题是:解决物联网业务流的高效分类管理和物件标签的快速位置跟踪和预测问题。
本发明为解决上述技术问题所采用的技术方案为:提供一种物联网的业务分类接入和物件标签位置预测方法,该方法通过建立混合业务分类器、进行业务标识以及使用混合自动应答请求机制实现物联网的业务分类接入,并且通过建立首先根据当前移动台估计位置,然后产生位置强度变量序列,之后产生累积位置强度变量序列,随之为每一位置强度选择矢量序列,最后预测到达位置;其特征在于:通过发明一种物联网的业务分类接入和物件标签位置预测方法,实现对物联网的业务流和物件标签的高效监督和管理,包括以下步骤:
A.建立混合业务分类器;
B.进行物联网中的动态业务标识;
C.使用动态混合自动应答请求机制;
D.物件标签位置预测。
所述步骤A中,混合业务分类器主要由业务流汇聚单元,业务标识单元,业务数据特征提取与分类单元,业务特征子集获取单元,业务流集合初始化单元,特征分类数据库组成。当混合业务流到达系统时,其通过业务汇聚单元对等待预处理的不同业务流进行统一管理,然后通过业务标识单元对不同的业务流分配不同的颜色标识,然后通过对不同的业务数据特征提取获得业务的最优分类,对于业务数据的特征提取首先是通过从特征分类数据库获得对业务流集合的初始化信息,然后获得业务特征子集得到,并将每次获得的业务最优分类信息添加至特征分类数据库。
所述步骤B中,业务标识的子步骤为:a.检测随机抽取的数据包突发长度是否大于规定的包的长度,若大于规定的包的长度,则转至子步骤b,若小于规定的包的长度,则转至子步骤c;b.将此数据包标示为绿色,并转至子步骤d;c.判断其余数据包的突发长度是否大于规定的包的长度,若大于则转至子步骤e,若小于则转至子步骤f;d.以规定的包的长度为单位逐渐分割被随机抽取的的数据包突发长度直至最小,然后停止计算;e.为该数据包分配黄色标识,并转至子步骤g;f.为该数据包分配红色标识,并停止计算;g.以规定的包的长度为单位逐渐分割剩余的数据包突发长度直至最小,最后停止计算并分类存储不同颜色标识的业务,然后对混合业务进行选择性输出,对于分类存储不同颜色标识的业务和对混合业务进行选择性输出由模糊调度器进行调节,如图1所示。
所述步骤C中,使用动态混合自动应答请求机制可减少数据阻塞丢弃次数和提高用户与用户之间的数据传输速率,其通过在物理层和数据链路层对数据块编码的过程中增加错误效验信息来实现。其子步骤为:a.对被发送数据进行编码;b.对被发送数据进行错误效验编码;c.设置错误效验码;d.无线信道传输;e.使用错误的数据块与重传编码数据块混合;f.对数据块进行错误效验解码;g.检验信道质量是否满足要求,若满足要求,则丢弃数据块,若不满足要求,则转至子步骤h;h.判断对传输的数据块的错误效验是否成功,若效验成功,则接收正确的数据块,若效验不成功,则丢弃数据块;i.传输信道质量测量;j.判断传输信道是否满足设定的BER要求,若满足BER要求,则对传输信道进行功率控制,若不满足要求,则向发送端请求数据块重传,如图2所示。
所述步骤D中,首先根据当前移动台估计位置,然后产生位置强度变量序列,之后产生累积位置强度变量序列,随之为每一位置强度选择矢量序列,最后预测到达位置。
所述步骤D中,产生位置强度变量序列的方法为令移动矢量mv=η2-η1,获取mv在X轴上的投影值mvx,获取mv在Y轴上的投影值mvy,若mvx=mvy=0,则ω=(0.25,0.25,0.25,0.25),其中Π,e,w,s,分别为北方,东方,西方,南方,ω为四维位置强度变量,ω=(Π,e,w,s),η1和η2为位置标量,若mvx和mvy中任一值不等于0,则令a.设置东西方向:如果h=0则e=0,w=0,如果h≠0并且mvx>0,则e=h,w=0,如果h≠0并且mvx=0,则e=0,w=h,b.设置南北方向:如果v=0则s=0,Π=0,如果v≠0,mvy>0则s=0,Π=v,如果v≠0,mvy=0,则s=v,Π=0。
所述步骤D中,产生位置强度变量序列的方法为,令sv1,sv2,…,svn为信号矢量序列,r为权重值,lp为位置A,ωp为位置A的位置强度变量,为本次位置强度,o为估计位置,c为估计位置的信任值,当观测器接收到第一个信号矢量时,则ωp=(0.25,0.25,0.25,0.25),并且若观测器未接收到第一个信号矢量,则对于每一个信号矢量svi,2≤i≤n,并令 为下次位置强度,选择具有最大位置强度值的位置作为预测的目的位置,其中为位置强度序列。
本发明的有益效果为:提供一种物联网的业务分类接入和物件标签位置预测方法,该方法通过建立混合业务分类器、进行业务标识以及使用混合自动应答请求机制实现物联网的业务分类接入,并且通过建立首先根据当前移动台估计位置,然后产生位置强度变量序列,之后产生累积位置强度变量序列,随之为每一位置强度选择矢量序列,最后预测到达位置。
附图说明
图1为进行业务标识流程示意图
图2为动态混合自动应答请求机制工作流程示意图
具体实施方式
下面根据附图和实施例对本发明作进一步详细说明:
本发明的基本思路如下:提供一种物联网的业务分类接入和物件标签位置预测方法,该方法通过建立混合业务分类器、进行业务标识以及使用混合自动应答请求机制实现物联网的业务分类接入,并且通过建立首先根据当前移动台估计位置,然后产生位置强度变量序列,之后产生累积位置强度变量序列,随之为每一位置强度选择矢量序列,最后预测到达位置。
1.混合业务分类器主要由业务流汇聚单元,业务标识单元,业务数据特征提取与分类单元,业务特征子集获取单元,业务流集合初始化单元,特征分类数据库组成。当混合业务流到达系统时,其通过业务汇聚单元对等待预处理的不同业务流进行统一管理,然后通过业务标识单元对不同的业务流分配不同的颜色标识,然后通过对不同的业务数据特征提取获得业务的最优分类,对于业务数据的特征提取首先是通过从特征分类数据库获得对业务流集合的初始化信息,然后获得业务特征子集得到,并将每次获得的业务最优分类信息添加至特征分类数据库。
2.业务标识的子步骤为:a.检测随机抽取的数据包突发长度是否大于规定的包的长度,若大于规定的包的长度,则转至子步骤b,若小于规定的包的长度,则转至子步骤c;b.将此数据包标示为绿色,并转至子步骤d;c.判断其余数据包的突发长度是否大于规定的包的长度,若大于则转至子步骤e,若小于则转至子步骤f;d.以规定的包的长度为单位逐渐分割被随机抽取的的数据包突发长度直至最小,然后停止计算;e.为该数据包分配黄色标识,并转至子步骤g;f.为该数据包分配红色标识,并停止计算;g.以规定的包的长度为单位逐渐分割剩余的数据包突发长度直至最小,最后停止计算并分类存储不同颜色标识的业务,然后对混合业务进行选择性输出,对于分类存储不同颜色标识的业务和对混合业务进行选择性输出由模糊调度器进行调节,如图1所示。
3.使用动态混合自动应答请求机制可减少数据阻塞丢弃次数和提高用户与用户之间的数据传输速率,其通过在物理层和数据链路层对数据块编码的过程中增加错误效验信息来实现。其子步骤为:a.对被发送数据进行编码;b.对被发送数据进行错误效验编码;c.设置错误效验码;d.无线信道传输;e.使用错误的数据块与重传编码数据块混合;f.对数据块进行错误效验解码;g.检验信道质量是否满足要求,若满足要求,则丢弃数据块,若不满足要求,则转至子步骤h;h.判断对传输的数据块的错误效验是否成功,若效验成功,则接收正确的数据块,若效验不成功,则丢弃数据块;i.传输信道质量测量;j.判断传输信道是否满足设定的BER要求,若满足BER要求,则对传输信道进行功率控制,若不满足要求,则向发送端请求数据块重传。
4.位于多路径中的移动台到达位置B的时间由两部分组成,其中位置B为目的节点,即其中为多路径中的移动台到达位置B的时间,为多路径中的移动台到达位置A的时间,为移动台从位置A到位置B的运动时间,为使用路径l的移动台n到达位置A的时间,其可通过对业务数据信息的采集和记录获得。
5.采用人工神经网络的方法对移动台从位置A到位置B的运动时间进行预测。所需的人工神经网络模型包括两部分:学习阶段和执行阶段,在学习阶段使用观测器组作为人工神经网络模型输入端和输出端的训练信号,执行阶段使用从学习阶段获得的权重值作为对移动台从位置A到位置B的运动时间进行预测的通道,其中为本移动台与路径集合L中任一路径的上一移动台之间的时间间隔,上一移动台使用与本移动台相同或不同的路径,有 为路径集合L中任一路径的上移动台k到达位置A的时间,为本移动台与使用相同路径l的上一移动台之间的时间间隔,有其中为使用路径l的上一移动台k+μ到达位置A的时间,为本移动台之前使用路径集合L的多个移动台的权重平均运行时间, 其中为本移动台之前的第j个移动台从位置A至位置B的平均运行时间,Γ为本移动台之前每一移动台的权重之和,δ为本移动台之前被选择的移动台的数量,为本移动台之前的使用路径l的移动台的从位置A至位置B的运行时间,其中为使用路径l的移动台k+μ到达位置B的时间。
6.首先通过运用非定位分类器和接收信号强度矢量序列获取当前移动台估计位置,然后产生位置强度变量序列,之后产生累积位置强度变量序列,随之为每一位置强度选择矢量序列,最后获取人工神经网络模型需求的门限值θj。
7.产生位置强度变量序列的方法为令移动矢量mv=η2-η1,获取mv在X轴上的投影值mvx,获取mv在Y轴上的投影值mvy,若mvx=mvy=0,则ω=(0.25,0.25,0.25,0.25),其中Π,e,w,s,分别为北方,东方,西方,南方,ω为四维位置强度变量,ω=(Π,e,w,s),η1和η2为位置标量,若mvx和mvy中任一值不等于0,则令a.设置东西方向:如果h=0则e=0,w=0,如果h≠0并且mvx>0,则e=h,w=0,如果h≠0并且mvx=0,则e=0,w=h,b.设置南北方向:如果v=0则s=0,Π=0,如果v≠0,mvy>0则s=0,Π=v,如果v≠0,mvy=0,则s=v,Π=0。
8.产生位置强度变量序列的方法为,令sv1,sv2,…,svn为信号矢量序列,r为权重值,θj为门限值,lp为位置A,ωp为位置A的位置强度变量,为本次位置强度,o为估计位置,c为估计位置的信任值,当观测器接收到第一个信号矢量时,则ωp=(0.25,0.25,0.25,0.25),并且若观测器未接收到第一个信号矢量,则对于每一个信号矢量svi,2≤i≤n,并令 为下次位置强度,选择具有最大位置强度值的位置作为预测的目的位置,其中为位置强度序列。
本发明提供了一种物联网的业务分类接入和物件标签位置预测方法,实现对物联网的业务流和物件标签的高效监督和管理。