一种基于大数据的智能通信分配系统
技术领域
本发明涉及智能通讯设备,更具体地说,涉及一种基于大数据的智能通信分配系统。
背景技术
通信技术,又称通信工程(也作信息工程、电信工程,旧称远距离通信工程、弱电工程)是电子工程的重要分支,同时也是其中一个基础学科。该学科关注的是通信过程中的信息传输和信号处理的原理和应用。通信工程研究的是,以电磁波、声波或光波的形式把信息通过电脉冲,从发送端(信源)传输到一个或多个接受端(信宿)。接受端能否正确辨认信息,取决于传输中的损耗功率高低。信号处理是通信工程中一个重要环节,其包括过滤,编码和解码等。通常使用的多址方式有:①频分多址:用户利用预先分配、互不重叠的频段进行接收;②时分多址:用户利用预先分配、互不重叠的时间进行接收;③空分多址:用户利用预先分配、互不重叠的波束覆盖区域进行接收;④码分多址:用户利用不同码型结构的正交性进行相关接收。
而通讯时最重要的时如何进行通讯数据的分配,保证通讯数据的可靠性和合理性,而不同的通信分配算法适用的情况也不同随着而随着5G技术的发展和普及,基站的高密度化是目前非常显著的特征,那么就需要基站之间的通讯拓扑是时变的,而这种时变的拓扑结构利用现有的通讯分配方式灵活性会受到影响,难以保证最大的传输效率。
发明内容
有鉴于此,本发明目的是提供一种基于大数据的智能通信分配系统。
为了解决上述技术问题,本发明的技术方案是:一种基于大数据的智能通信分配系统,包括大数据服务系统以及若干主分配器,每一主分配器配置有若干5G基站;
所述大数据服务系统包括有模型数据库,所述模型数据库存储有通讯模型以及该通讯模型对应的通讯策略组,所述通讯策略组包括若干不同的通讯策略以及通讯策略对应的通讯偏差基数以及通讯效率基数;
所述的主分配器配置有基准信息数据库,所述基准信息数据库存储有基准参数信息,所述基准参数信息其对应的每一5G基站设置,所述基准参数信息包括5G基站的基本参数以及关联参数,所述主分配器设置有模型生成模块,所述模型生成模块根据所述基准信息数据库以及该主分配器的分配基准信息生成对应的通讯模型;
所述大数据服务系统包括通讯更新策略,所述通讯更新策略包括配置有更新算法,通过所述更新算法计算对应的通讯模型下每一通讯策略的使用优先值,并确定使用优先值最高的通讯策略发送至对应的主分配器,所述使用优先值根据所述通讯偏差基数以及通讯效率基数生成;
所述主分配器还配置有占空测试子系统,所述占空测试子系统配置有占空测试策略以及对应的占空启动阈值,所述占空测试子系统实时获取该主分配器下所有通讯信道的利用率以获得利用率值,当利用率值低于占空测试阈值时执行对应的占空测试策略,所述占空测试策略包括生成若干内容已知的通讯事件,并等待通讯事件完成以获取实际偏差数以及实际效率数,并根据实际偏差数以及实际效率数生成反馈修正信息;
所述大数据服务系统包括反馈修正策略,所述反馈修正策略包括根据所述的反馈修正信息修正所述通讯偏差基数以及通讯效率基数。
进一步地:每一通讯事件包括通讯起始端地址、通讯响应端地址以及通讯数据内容。
进一步地:所述通讯数据内容包括通讯数据类型、数据大小以及分包数。
进一步地:所述的更新算法为S=z(Zx-Zp)+r(Rp/Rx)+w,其中S为对应的使用优先值,z为预设的误差调节参数,Zp为通讯偏差基数,Zx为该模型对应的偏差条件值,所述偏差条件值反映该通讯模型对于通讯偏差的要求,r为预设的效率调节参数,Rp为通讯效率基数,Rx为通讯条件值,所述通讯条件值反映该通讯模型对于通讯效率的要求,w为平滑因子,所述平滑因子通过一预设的补偿稳定策略获得。
进一步地:所述补偿稳定策略包括通过补偿算法和稳定算法,所述补偿算法包括计算通讯模型之间的相似度值,确定预设模型数量下相似度最高的通讯模型并构成通讯模型组,通过稳定算法计算该模型组下每个通讯模型的平滑因子;
所述稳定算法为w=m(Q1S1+K+Qn-1Sn-1),所述m为预设的平滑调节参数,Qn-1第n-1个通讯模型对应的相似度值,所述Sn-1为第n-1个通讯模型的使用优先值,n为所述预设模型数量。
进一步地:所述补偿算法为Qx=Qs-|ae-as|-|be-bs|+c+d其中Qx为相似度值,Qs为预设的相似度基准,ae为预设的作为对比的通讯模型包含的基站数量,as为该通讯模型包含的基站数量,be作为对比的通讯模型通讯能力值,bs为该通讯模型的通讯能力值,c为预设的场景值,当作为对比的通讯模型使用的场景与该通讯模型使用的场景不相同时c为0,d为预设的协议值,当作为对比的通讯模型使用的协议与该通讯模型使用的协议不相同时d为0。
进一步地:所述占空测试策略中包括获取每个通讯事件的理论内容,并比对得到的实际内容的误差信息以得到实际偏差数,所述误差信息包括频偏以及丢包率。
进一步地:所述占空测试策略中包括获取每个通讯事件的理论完成时间,并计算在理论完成时间内完成传输的通讯事件数以得到实际效率数。
进一步地:所述基本参数包括基站功率;所述关联参数包括该5G基站与另一5G基站之间的距离以及路由关系。
进一步地:所述占空测试子系统还包括占空更新策略以及占空更新阈值,当利用率值低于占空更新阈值时执行对应的占空更新策略,所述占空更新策略包括从所述模型数据库中随机获取一对应的通讯策略并执行所述占空测试策略。
本发明技术效果主要体现在以下方面:通过这样设置,可以通过集中的配置对应的通讯分配策略并实时获取每个通讯策略下进行测试,然后更新对应的使用优先值,然后获得使用优先值较高的通讯策略以对应到5G基站系统中,这样一来整个系统适应性更强,利用实地大数据的自反馈能力进行学习以提高每个系统的通讯效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1:本发明系统分布关系图;
图2:本发明系统架构原理图。
附图标记:100、大数据服务子系统;110、模型数据库;200、主分配器;210、基准信息数据库;220、占空测试子系统;300、5G基站。
具体实施方式
以下结合附图,对本发明的具体实施方式作进一步详述,以使本发明技术方案更易于理解和掌握。
一种基于大数据的智能通信分配系统,包括大数据服务系统以及若干主分配器200,每一主分配器200配置有若干5G基站300;所述先介绍一下一般的通讯系统的构成,参照图1所示一般5G基站300提供具体的与终端的通讯服务,而每个区域的5G基站300分别由对应的主分配器200控制,而主分配器200和5G基站300、5G基站300本身之间的通讯关系构成了通讯模型,而能够采用的通讯策略较多,本发明的核心就是通过大数据为不同的通讯模型制定不同的通讯策略且这个策略可以根据实际情况调整。
所述大数据服务系统包括有模型数据库110,所述模型数据库110存储有通讯模型以及该通讯模型对应的通讯策略组,所述通讯策略组包括若干不同的通讯策略以及通讯策略对应的通讯偏差基数以及通讯效率基数;首先就是大数据的模型数据库110,模型数据库110存储的是通讯模型的类别,由于本发明的核心是通过实际计算不同通讯模型合适的通讯策略,通讯模型下有对应的不同的通讯策略,而通讯策略又是具有两个基数,这两个基数反映的是每个通讯模型的能力(实际测得)。这样就可以在理论上获得可以量化的判断指标,判断哪个通讯策略更加合适。
所述的主分配器200配置有基准信息数据库210,所述基准信息数据库210存储有基准参数信息,所述基准参数信息其对应的每一5G基站300设置,所述基准参数信息包括5G基站300的基本参数以及关联参数,所述基本参数包括基站功率;所述关联参数包括该5G基站300与另一5G基站300之间的距离以及路由关系。所述主分配器200设置有模型生成模块,所述模型生成模块根据所述基准信息数据库210以及该主分配器200的分配基准信息生成对应的通讯模型;而通讯模型的情况都是已知量,例如基站的位置分布关系以及每个基站的参数、协议以及基站的使用场景,而根据这些已知量就能对基站进行分类,而每个通讯模型如果在硬件条件不变的情况下,通讯模型的信息是不会改变的,所以这个通讯模型可以通过主分配器200直接获得并上传,然后大数据就可以根据其他通讯模型的检测情况作为该通讯模型选择通讯策略的依据。
所述大数据服务系统包括通讯更新策略,所述通讯更新策略包括配置有更新算法,通过所述更新算法计算对应的通讯模型下每一通讯策略的使用优先值,所述的更新算法为S=z(Zx-Zp)+r(Rp/Rx)+w,其中S为对应的使用优先值,z为预设的误差调节参数,Zp为通讯偏差基数,Zx为该模型对应的偏差条件值,所述偏差条件值反映该通讯模型对于通讯偏差的要求,r为预设的效率调节参数,Rp为通讯效率基数,Rx为通讯条件值,所述通讯条件值反映该通讯模型对于通讯效率的要求,w为平滑因子,所述平滑因子通过一预设的补偿稳定策略获得。所述补偿稳定策略包括通过补偿算法和稳定算法,所述补偿算法包括计算通讯模型之间的相似度值,确定预设模型数量下相似度最高的通讯模型并构成通讯模型组,通过稳定算法计算该模型组下每个通讯模型的平滑因子;所述稳定算法为w=m(Q1S1+K+Qn- 1Sn-1),所述m为预设的平滑调节参数,Qn-1第n-1个通讯模型对应的相似度值,所述Sn-1为第n-1个通讯模型的使用优先值,n为所述预设模型数量。所述补偿算法为Qx=Qs-|ae-as|-|be-bs|+c+d其中Qx为相似度值,Qs为预设的相似度基准,ae为预设的作为对比的通讯模型包含的基站数量,as为该通讯模型包含的基站数量,be作为对比的通讯模型通讯能力值,bs为该通讯模型的通讯能力值,c为预设的场景值,当作为对比的通讯模型使用的场景与该通讯模型使用的场景不相同时c为0,d为预设的协议值,当作为对比的通讯模型使用的协议与该通讯模型使用的协议不相同时d为0。首先是大数据服务系统的更新策略,需要说明的是首先为了量化每个通讯策略实际与该通讯模型的匹配程度,所以引入了一个使用优先值的概念,使用优先值是根据测量获得的通讯偏差以及通讯效率结合该通讯模型对这两个数据的要求计算得到,然后由于前期样本量较少,而通讯模型类型较多,本发明引入了一个平滑因子,这个平滑因子是可以借鉴相似的通讯模型的使用优先值作为自身使用优先值产生的一个数据来源,由于通讯模型不完全相同只是近似,所以平滑因子的权重应该根据样本数量的增加而减少,而平滑因子与基站数量,通讯能力值、协议、场景等有关,通讯能力值可以通过实际距离以及功率计算,也就是说可以根据基站的基础信息和关联信息获得。
并确定使用优先值最高的通讯策略发送至对应的主分配器200,所述使用优先值根据所述通讯偏差基数以及通讯效率基数生成;此时就可以确定使用优先值从而确定选择的通讯策略。
所述主分配器200还配置有占空测试子系统220,所述占空测试子系统220配置有占空测试策略以及对应的占空启动阈值,所述占空测试子系统220实时获取该主分配器200下所有通讯信道的利用率以获得利用率值,当利用率值低于占空测试阈值时执行对应的占空测试策略,所述占空测试子系统220还包括占空更新策略以及占空更新阈值,当利用率值低于占空更新阈值时执行对应的占空更新策略,所述占空更新策略包括从所述模型数据库110中随机获取一对应的通讯策略并执行所述占空测试策略。所述占空测试策略包括生成若干内容已知的通讯事件,每一通讯事件包括通讯起始端地址、通讯响应端地址以及通讯数据内容。并等待通讯事件完成以获取实际偏差数以及实际效率数,并根据实际偏差数以及实际效率数生成反馈修正信息;所述通讯数据内容包括通讯数据类型、数据大小以及分包数。所述占空测试策略中包括获取每个通讯事件的理论内容,并比对得到的实际内容的误差信息以得到实际偏差数,所述误差信息包括频偏以及丢包率。所述占空测试策略中包括获取每个通讯事件的理论完成时间,并计算在理论完成时间内完成传输的通讯事件数以得到实际效率数。占空测试的逻辑如下,首先是要每个分配器实时检测对应通讯信道的占空率以获得利用率值,也就说当空闲时可以利用空余的信道进行测试工作,不会给正常通讯造成负荷,而测试工作一般在夜间或者使用者较少的情况下进行,而通过占空测试策略就可以执行已知的通讯事件,由于基本通讯模型已知,起始数据内容已知,就可以清楚地计算得到效率和误差,由于实地效率和误差不可能和理论相同,所以将实际的误差作为修正因素上传到大数据对对应的情况进行修正,而再通过占空更新策略避免样本单一,因为由于平时每个主分配器200使用的都是最优的通讯策略,所以为了保证每个通讯策略都能进行测试,当测试时是通过占空更新策略临时选择对应的通讯策略进行测试,保证样本多样性。
所述大数据服务系统包括反馈修正策略,所述反馈修正策略包括根据所述的反馈修正信息修正所述通讯偏差基数以及通讯效率基数。而具体可以通过加权的方式进行修正,无论是高于理论值还是低于理论值都是根据事件数量进行加权,事件数量越多的权重越大,也就是说,这样最后大数据服务系统存储的通讯策略对应的通讯情况更趋近于实际情况。
当然,以上只是本发明的典型实例,除此之外,本发明还可以有其它多种具体实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求保护的范围之内。