CN114845338A - 一种面向用户接入的随机退避方法 - Google Patents
一种面向用户接入的随机退避方法 Download PDFInfo
- Publication number
- CN114845338A CN114845338A CN202210426751.4A CN202210426751A CN114845338A CN 114845338 A CN114845338 A CN 114845338A CN 202210426751 A CN202210426751 A CN 202210426751A CN 114845338 A CN114845338 A CN 114845338A
- Authority
- CN
- China
- Prior art keywords
- access
- user
- users
- probability
- priority
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 26
- 230000011664 signaling Effects 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 14
- 230000000977 initiatory effect Effects 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 11
- 230000004069 differentiation Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 19
- 230000005540 biological transmission Effects 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 9
- 238000004088 simulation Methods 0.000 description 6
- 238000013468 resource allocation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000019771 cognition Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0289—Congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/06—Airborne or Satellite Networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种面向用户接入的随机退避方法，通过对于重要的用户和非常重要的业务，分配高优先级；根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后；其中，具有相同优先级的用户，根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；和/或采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。通过在网络发生拥塞而不能满足所有用户的应用需求时，针对不同的业务对时延、速率等的容忍度进行分组处理，以不同的区分度满足不同业务类型用户的需求。
Description
技术领域
本发明属于无线通信领域，具体涉及一种面向用户接入的随机退避方法。
背景技术
在传统地面通信中，拥塞控制一般从网络层和传输层着手，一方面从网络层控制网络流的路由，避开拥塞路径，一方面从传输层控制注入网络的流量。
在卫星通信系统中，有限的资源由系统中的所有用户共享，当有大量的用户同时进行随机接入时，将不可避免地造成拥塞，使得数据包丢失，严重时会造成系统服务不可用。因此必须研究适用于卫星大容量通信的拥塞控制方法。下面是几种常用的通信拥塞控制方法。
首先，传输层拥塞控制：(1)接入类型延迟机制(ACB,Access Class Barring)；接入等级(AC,Access Class)是3GPP提出来用于对不同类型用户进行优先级划分的，当信道状况不好时，会首先让优先级高的用户接入，而优先级低的用户必须等待。ACB定义了16种接入类型，其中应急服务，安保服务和公共设施服务等被给予较高优先级。当系统负载较重时，基站会广播ACB参数给系统中所有的M2M用户，这一参数中包含有对应于各个优先级用户的接入概率以及需要退避等待的时间。而接收到ACB参数的M2M用户会首先依据自己的优先级，确定自己的接入概率，然后在发起随机接入请求之前，随机生成一个0到1之间的数，并将生成的数和接入概率进行比较，如果随机数小于接入概率，则允许其接入。否则，就禁止该用户接入并开始退避过程，直到退避时间结束后，才可以进行下一次接入，并重复上述过程。这一方案由于采用了接入概率，在知道系统中用户量的情况下，可以实现精准的控制，使得信道的负载量维持在一个较低的水平，从而使系统吞吐量最大化，实现对系统资源的充分利用。(2)退避时间调节机制；退避时间调节方案是将用户的接入请求进行延迟，当系统负载较大时，卫星转发器会给系统内的用户分配不同的退避参数W，每个接收到退避参数的用户会在0到W之间随机选一个数字作为自己的退避时间，退避时间结束后才允许其再次发起接入，以此来达到将短时间内密集的接入请求分散到不同的时间段上的目的。在用户量不太大的情况下可以起到较好的效果，但是在考虑一个卫星波束覆盖范围内有十万以上的用户时，这一机制需要较长的时间才能将用户的接入请求均匀分散到不同的时间段上，增大了系统的传输时延。(3)资源分配方案；如前文所述，系统中的资源有限，当有大量的用户同时请求随机接入时，会造成系统拥塞。而如何将系统资源的利用率最大化是一个值得研究的问题，资源分配方案就是针对该问题所提出的解决方法。这一方案主要考虑的是将系统中的前导码和随机接入信道(PRACH,Physical Random Access Channel)之类的接入资源分配给不同的通信类型。在前导码分配方案中，有一种独立资源分配的方法，即将不同的前导码分别分配给不同类型的通信，让其使用不同的资源进行通信，以此来减少不同类型通信互相之间的影响。而在另一些共享资源分配方案中，有的通信类型可以使用所有的系统资源，而有的只能使用其中一部分的资源，同样也可以减少对某些通信类型的通信干扰。在PRACH资源分配方案中，主要思想是增加系统可用的通信资源，以此来解决接入资源的短缺问题。PRACH主要有时间资源和频率资源，当拥塞发生时，动态地在时域增加时隙或者在频域增加资源块，以此来缓解拥塞。在通信量减少时，再将这些额外增加的资源释放掉，以期通过这种方式来彻底解决系统资源短缺的问题。(4)时隙化接入机制；该方案为系统每一个用户提供专用的时隙用于随机接入，每个用户都有一个唯一的标识，其根据基站广播的随机接入周期计算得出自己应该发起接入请求的时隙。不难想象，当用户很多时，要给每个用户都分配一个专用的时隙用于随机接入，会造成系统的接入周期很大，一些时延敏感的用户是不能接受的。通过上述分析，综合考虑操作难度，效率以及可实现性等方面，其中最有效的是基于ACB的接入概率来实现拥塞控制的方法。相比于退避方案，卫星转发器通过广播接入概率可以实现更为准确有效的控制，使得同时发起接入请求的用户数保持在一个较低的水平，而实施这一方案的前提是必须获得系统中请求随机接入的用户量信息。虽然卫星转发器无法直接获得这一数值，但是却可以利用接收到的数据进行估计，进而利用负载估计值计算最佳接入概率，以此来实现最佳拥塞控制。
其次，网络层接入端的拥塞处理。为了缓解在接入端的拥塞，适当减轻接入端的负荷，接入端的拥塞处理是接入控制重要内容，而接入控制对于处理网络拥塞具有非常重要的作用。为了满足用户随时随地的连接及随之的业务需求，系统须为用户选择最适合的接口进行接入。随着新用户的接入或者老用户的离开，网络负荷状况也跟着动态变化，若不合理地分配接入用户，就可能对到达的或即将到达的业务请求产生阻塞。在设计接入控制算法时，需要考虑网络条件、用户偏好、业务类型等多个因素。由于这些因素之间存在着一定的矛盾性，即某些因素下最优的网络，对于其他因素往往比较差。不可能存在一个系统，在所有的网络标准中都是最优的。因此，接入控制算法只能尽量选择一个相对最优、最适合的网络为用户提供服务。目前的网络接入控制算法主要可以分为以下几类：基于接收信号强度的算法、基于多属性判决的算法、基于模糊逻辑的算法、基于效用函数的算法、基于博弈论的算法、基于马尔科夫决策过程的算法。以上接入拥塞控制方法在地面网络中得到了验证和较好的应用，但限于卫星通信非常长的传输时延，用户、网络状态和管控消息传输往往很难及时获取，难以根据实时状态进行接入控制和资源调度。
发明内容
本发明的主要目的在于提出一种面向用户接入的随机退避方法，旨在解决上述存在的技术问题。
为了实现上述目的，提出一种面向用户接入的随机退避方法，所述方法包括：
对于重要的用户和非常重要的业务，分配高优先级；
根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后；
其中，具有相同优先级的用户，根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；和/或采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。
优选的，所述方法还包括：
当系统负载较重时，卫星会广播ACB参数给系统中所有的用户，这一参数中包含有对应于各个优先级用户的接入概率以及需要退避等待的时间；
而接收到ACB参数的用户会首先依据自己的优先级，确定自己的接入概率，然后在发起随机接入请求之前，随机生成一个0到1之间的数，并将生成的数和接入概率进行比较，如果随机数小于接入概率，则允许其接入；
否则，就禁止该用户接入并开始退避过程，直到退避时间结束后，才可以进行下一次接入，并重复上述过程。
优选的，所述方法还包括：
用户对请求接入的确认信息进行检测，如果卫星给予反馈信息，那么没有拥塞；如果多次请求以后卫星仍然没有给予反馈信息，则请求接入的信令信息很可能与其它用户的信息碰撞而丢失；
卫星侧则对用户发送的信令信号的能量和误码率进行检测，如果用户信令信号湮没在大量的能量信号中而无法进行检测，则确认发生了碰撞和拥塞；同理，如果检测的信号误码率很高，导致信息无法正确接收，则确认发生了碰撞和拥塞；
在进行信号能量检测、信号误码率检测和碰撞次数检测以后，根据检测结果和学习算法进行学习、推理和决策，确定拥塞的发生。
优选的，所述方法还包括拥塞控制步骤，所述拥塞控制步骤基于学习自动机的估计方法和基于ACB的接入调整策略相结合，包括：
步骤(1)，将成功接入的用户数目优化问题映射为LA模型；
步骤(2)，在每个时隙的随机接入过程结束时，卫星将获取所有试图接入的用户的前导状态，然后得到相应的碰撞概率和空闲概率；
步骤(3)，使用基于LA的估计方法，来解决碰撞概率的优化问题，计算碰撞概率和奖励概率；
步骤(4)，根据奖励概率，使用DLRI算法对动作概率矢量P进行更新；
步骤(5)，确定是否达到最优，且在最优情况下，通过最优的λ值计算在每个时隙试图通过ACB方案接入系统的用户数目N；否则执行步骤(2)；
步骤(6)，通过对Ni的估计来获得近似最优的ACB因子p；
步骤(7)，根据最优ACB因子p控制每个用户的接入。
此外，还提出一种面向用户接入的随机退避装置，所述装置包括：
分配模块，对于重要的用户和非常重要的业务，分配高优先级；
控制模块，根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后；
其中，具有相同优先级的用户，根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；和/或采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。
优选的，所述控制模块还包括：
当系统负载较重时，卫星会广播ACB参数给系统中所有的用户，这一参数中包含有对应于各个优先级用户的接入概率以及需要退避等待的时间；
而接收到ACB参数的用户会首先依据自己的优先级，确定自己的接入概率，然后在发起随机接入请求之前，随机生成一个0到1之间的数，并将生成的数和接入概率进行比较，如果随机数小于接入概率，则允许其接入；
否则，就禁止该用户接入并开始退避过程，直到退避时间结束后，才可以进行下一次接入，并重复上述过程。
优选的，所述控制模块还包括：
用户对请求接入的确认信息进行检测，如果卫星给予反馈信息，那么没有拥塞；如果多次请求以后卫星仍然没有给予反馈信息，则请求接入的信令信息很可能与其它用户的信息碰撞而丢失；
卫星侧则对用户发送的信令信号的能量和误码率进行检测，如果用户信令信号湮没在大量的能量信号中而无法进行检测，则确认发生了碰撞和拥塞；同理，如果检测的信号误码率很高，导致信息无法正确接收，则确认发生了碰撞和拥塞；
在进行信号能量检测、信号误码率检测和碰撞次数检测以后，根据检测结果和学习算法进行学习、推理和决策，确定拥塞的发生。
优选的，所述装置还包括拥塞控制模块，所述拥塞控制模块基于学习自动机的估计方法和基于ACB的接入调整策略相结合，包括执行如下操作：
步骤(1)，将成功接入的用户数目优化问题映射为LA模型；
步骤(2)，在每个时隙的随机接入过程结束时，卫星将获取所有试图接入的用户的前导状态，然后得到相应的碰撞概率和空闲概率；
步骤(3)，使用基于LA的估计方法，来解决碰撞概率的优化问题，计算碰撞概率和奖励概率；
步骤(4)，根据奖励概率，使用DLRI算法对动作概率矢量P进行更新；
步骤(5)，确定是否达到最优，且在最优情况下，通过最优的λ值计算在每个时隙试图通过ACB方案接入系统的用户数目N；否则执行步骤(2)；
步骤(6)，通过对Ni的估计来获得近似最优的ACB因子p；
步骤(7)，根据最优ACB因子p控制每个用户的接入。
此外，还提出一种电子装置，包括处理器以及存储器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行以实现如上述所述的面向用户接入的随机退避方法。
此外，还提出一种计算机存储介质，所述计算机存储介质存储有程序；所述程序由处理器加载并执行以实现如上述所述的面向用户接入的随机退避方法。
本发明所提供的面向用户接入的随机退避方法，通过对于重要的用户和非常重要的业务，分配高优先级；根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后；其中，具有相同优先级的用户，根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；和/或采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。本发明通过在网络发生拥塞而不能满足所有用户的应用需求时，针对不同的业务对时延、速率等的容忍度进行分组处理，以不同的区分度满足不同业务类型用户的需求。将学习自动机和接入类型延迟机制相结合，在环境学习认知的基础上进行拥塞预测，将网络监测结果和预测结果相结合确定接入延迟策略，从而通过提前预知和提前采取措施来减小或消除卫星通信长时延带来的延迟效应，提高接入拥塞控制效率和精准度。
附图说明
图1为本发明实施例一面向用户接入的随机退避方法的流程图；
图2为本发明实施例一基于信号和碰撞的拥塞感知架构拓扑图；
图3为本发明实施例一基于LA和ACB的拥塞控制方案流程图；
图4为本发明实施例一基于LA-ACB方案的拥塞控制策略性能仿真示意图；
图5为本发明实施例一面向用户接入的随机退避装置结构示意图。
具体实施方式
以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明，并且在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
在天地一体化网络中，具有特性各异的各类用户，以及多样化的业务类型，各种业务类型所需传输速率、带宽、丢包率、时延容忍特性等QoS需求不同。因此，可根据用户类型、业务类型和用户需求将用户划分为多各优先级和分组，在资源受限情况下，各类用户根据优先级和业务分组，排队接入系统。
分级分组接入方案就是对不同优先级和分组的用户采用不同的接入方案，以此来实现对用户接入的控制，所需的代价就是操作复杂度较高，需要针对不同的用户群体采用不同的处理方案，对接收端的设计要求非常严格。
在天地一体化网络中，业务的划分可以大致划分为以下几类：(1)通话业务：通话业务是通信最重要的业务之一，通话业务要求的速率和输出传输可靠性要求不高，但是对时延要求较高，且在通话过程中不能被打断；(2)即时通信业务：即时通信(InstantMessaging)是通过网络实时发送/接收文字、语音或视频的聊天工具。即时通信软件通常通过TCP或UDP协议进行数据传输，属于P2P类型应用。常用的即时通信软件有腾讯QQ、微信等；(3)数据业务：通过卫星发送的数据，包括文字、图片、传真等，在天地一体化网络中设置了一种特殊的数据业务，即短报文业务。短报文业务传输到的数据量比较小，且实时性要求不高，但是对可靠性要求较高，可用于传输一些指令性的信息；(4)视频业务：视频是指基于流媒体技术的在线播放服务或是大容量的视频信息，数据量比较大，在线视频业务对实时性有一定的要求，但是视频传输则对实时性没有太高的要求，对时延具有一定的容忍度。以上业务类型在接入和传输过程中对速率、时延、误码率等的要求不同，所以在接入和传输的过程中对资源的需求也不同。因此，在网络发生拥塞而不能满足所有用户的应用需求时，需要针对不同的业务对时延、速率等的容忍度进行分组处理，以不同的区分度满足不同业务类型用户的需求。
参照图1，图1是本实施例一种面向用户接入的随机退避方法的流程图，本实施例中，所述方法包括：
S1，对于重要的用户和非常重要的业务，分配高优先级；
S2，根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后；其中，具有相同优先级的用户，根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；和/或采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。
具体地，本实施例，对于重要的用户和非常重要的业务，分配高优先级，对于一般的用户和业务，可根据系统配置需求分配不同的优先级(优先级越多，系统对用户的服务和业务支持就越加精细化，但是系统复杂度就越高；反之，优先级越少，系统对用户的服务和业务支持精细化程度就越低，但是系统复杂度降低，开销减小。因此要选取是适当的优先级数目，在系统性能和复杂度之间达到均衡。)，然后根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后，为了避免用户排队超时状况的频繁发生，需要根据用户业务类型和排队时间进行动态优先级分配和超时设置，保证用户能够在一定时间内获取服务。其二，对于同一批申请的具有相同优先级的用户，可根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；也可以采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。
优选的，所述方法还包括：当系统负载较重时，卫星会广播ACB参数给系统中所有的用户，这一参数中包含有对应于各个优先级用户的接入概率以及需要退避等待的时间；而接收到ACB参数的用户会首先依据自己的优先级，确定自己的接入概率，然后在发起随机接入请求之前，随机生成一个0到1之间的数，并将生成的数和接入概率进行比较，如果随机数小于接入概率，则允许其接入；否则，就禁止该用户接入并开始退避过程，直到退避时间结束后，才可以进行下一次接入，并重复上述过程。
具体地，本实施例，在3GPP标准中，定义了16种接入类型，其中应急服务，安保服务和公共设施服务等被给予较高优先级。当系统负载较重时，卫星会广播ACB参数给系统中所有的用户，这一参数中包含有对应于各个优先级用户的接入概率以及需要退避等待的时间。而接收到ACB参数的用户会首先依据自己的优先级，确定自己的接入概率，然后在发起随机接入请求之前，随机生成一个0到1之间的数，并将生成的数和接入概率进行比较，如果随机数小于接入概率，则允许其接入。否则，就禁止该用户接入并开始退避过程，直到退避时间结束后，才可以进行下一次接入，并重复上述过程。
在无线网络通信环境中，拥塞的发生通常伴随着信号能量的湮没、误码率的上升、碰撞概率的增大等。因此，可以从信号层面的能量、误码率，以及用户层面的碰撞次数来感知网络拥塞的发生。
在管控信息的接入和传输过程中，设计基于信号和碰撞次数的拥塞感知架构，通过检测推理拥塞的发生和拥塞的程度，为后续拥塞控制提供决策依据。基于信号和碰撞的拥塞感知架构如图2所示。
优选的，所述方法还包括：用户对请求接入的确认信息进行检测，如果卫星给予反馈信息，那么没有拥塞；如果多次请求以后卫星仍然没有给予反馈信息，则请求接入的信令信息很可能与其它用户的信息碰撞而丢失；卫星侧则对用户发送的信令信号的能量和误码率进行检测，如果用户信令信号湮没在大量的能量信号中而无法进行检测，则确认发生了碰撞和拥塞；同理，如果检测的信号误码率很高，导致信息无法正确接收，则确认发生了碰撞和拥塞；在进行信号能量检测、信号误码率检测和碰撞次数检测以后，根据检测结果和学习算法进行学习、推理和决策，确定拥塞的发生。
本实施例，源端拥塞状态感知根据链路历史数据与当前状态建立拥塞显式通知和自主感知相结合的机制，对拥塞状态和拥塞程度进行感知与预测；拟建立用户接入行为分析模型，划分用户类型，根据用户接入行为决策对拥塞窗口参数和数据发送数据进行优化，实现基于天基管控协议架构的智能拥塞调控；兼顾显式拥塞通知与自主拥塞探测，研究基于业务优先级的自适应拥塞控制策略。发展链路感知与预测技术，形成链路传输性能动态预测算法，修正拥塞数据丢包决策过程，丰富用户、业务和链路特性差异化智能拥塞调控机制，并实现过载条件下的快速数据重传和拥塞恢复算法。本实施例，拟基于机器学习发展中继节点拥塞状态感知与拥塞程度预测技术，基于天基管控协议架构建立适配链路特性的中继逐跳协同拥塞调控机制。通过业务速率、缓存队列与链路负载状况分析构建逐跳协同拥塞预测模型，缓解卫星网络认知信息的超长迟滞反馈效应。基于网络状态认知智能测算并标记数据包丢弃概率，优化实现中继节点的主动缓存队列管理，降低数据分组在中继节点的排队延时。在硬件资源受限条件下兼顾和改善链路传输效率和能量效率，发展基于业务优先级的动态缓存调度策略，保障关键业务服务质量。
在以上分析中，阐述了对用户进行分级分组控制的拥塞控制策略的优势。为了实现该策略，本实施例在ACB方案的基础上，引入机器学习的方法，在机器学习感知和预测的基础上，使用基于学习自动机(Learning Automata,LA)的估计方法，用拥塞状态和链路负载状态来估计未来流量和可用信息。此外，使用ACB因子调整策略，动态调整ACB因子，来控制用户的接入，防止网络拥塞。
优选的，所述方法还包括拥塞控制步骤，所述拥塞控制步骤基于学习自动机的估计方法和基于ACB的接入调整策略相结合，包括：步骤(1)，将成功接入的用户数目优化问题映射为LA模型；步骤(2)，在每个时隙的随机接入过程结束时，卫星将获取所有试图接入的用户的前导状态，然后得到相应的碰撞概率和空闲概率；步骤(3)，使用基于LA的估计方法，来解决碰撞概率的优化问题，计算碰撞概率和奖励概率；步骤(4)，根据奖励概率，使用DLRI算法对动作概率矢量P进行更新；步骤(5)，确定是否达到最优，且在最优情况下，通过最优的λ值计算在每个时隙试图通过ACB方案接入系统的用户数目N；否则执行步骤(2)；步骤(6)，通过对Ni的估计来获得近似最优的ACB因子p；步骤(7)，根据最优ACB因子p控制每个用户的接入。
具体地，本实施例，涉及的拥塞控制方案基于学习自动机的估计方法和基于ACB的接入调整策略相结合，统称为基于LA-ACB的拥塞控制方案。其中，学习自动机是通过与环境不断的交互来调整自己，也就是说，其通过与环境不断的交流获得经验来改善自己的行为，从而在可选择的动作中选择在该环境下最优的动作，而最优的动作也就是在当前的环境下，能得到环境奖励概率最大的动作。如图3所示，为本实施例，基于LA和ACB的拥塞控制方案流程图。
具体地，本实施例，(1)将优化问题映射为学习自动机模型。(a)动作：此问题中的动作操作集A定义为可能的λ值集合(λ为通过ACB方案成功接入系统的用户数目)。理论上，λ可以是任何值，但不超过用户的总数。(b)反馈：在LA-ACB方案中，反馈定义为B＝{0，1}，其中0表示奖励，1表示惩罚。(c)环境：环境负责生成对所选动作的反馈。在此模型中，环境映射模拟随机接入过程。在每次迭代中，本实施例可以通过随机选择的值λ和随机值γ，从模拟随机接入的过程中得到生成的碰撞概率和空闲概率。(d)学习自动机：考虑到实现的最优性和便利性，本实施例将采用离散线性奖励不作为自动机算法DLRI(Discretized LinearReward-Inaction automaton)来进行学习。(2)在每个时隙的随机接入过程结束时，卫星将获取所有试图接入的用户的前导状态，然后得到相应的碰撞概率和空闲概率。(3)使用基于LA的估计方法，来解决碰撞概率的优化问题。在基于LA的学习过程中，在第j次迭代时，LA将根据动作概率矢量P随机选择一个动作aj，然后计算碰撞概率和奖励概率。估计的碰撞概率和实际碰撞概率差距越小，获得奖励的可能性就越大。(4)使用DLRI算法对动作概率矢量P进行更新，获得奖励的动作在下一次迭代中被选中的概率变大，经过多次迭代以后获得最优的λ值。(5)通过最优的λ值计算在每个时隙试图通过ACB方案接入系统的用户数目Ni。(6)通过对Ni的估计来获得近似最优的ACB因子p。(7)根据最优ACB因子p控制每个用户的接入。
为了评估LA-ACB方案的性能，对其进行了仿真，如图4所示为本实施例基于LA-ACB方案的拥塞控制策略性能仿真示意图。其中R为每个时隙需要接入系统的最大用户数目，
方案是卫星完全知道试图接入系统的用户数目的情况下，采用ACB方案的成功接入概率仿真曲线，
方案是卫星完全知道上一个时隙成功接入系统的用户数目的情况下，采用ACB方案的成功接入概率仿真曲线，LA-ACB方案是在卫星不知道以上先验信息的情况下采用基于LA-ACB方案的成功接入概率仿真曲线。从图中看出，LA-ACB方案的性能已接近已知先验信息情况下的
方案和
方案，且其性能对总的用户数目并不敏感，能够在网络规模扩展的情况下，仍然为用户提供高质量的服务。
此外，如图5所示，本实施例，还提出一种面向用户接入的随机退避装置，所述装置包括：
分配模块10，对于重要的用户和非常重要的业务，分配高优先级；
控制模块20，根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后；
其中，具有相同优先级的用户，根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；和/或采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。
优选的，所述控制模块还包括：
当系统负载较重时，卫星会广播ACB参数给系统中所有的用户，这一参数中包含有对应于各个优先级用户的接入概率以及需要退避等待的时间；
而接收到ACB参数的用户会首先依据自己的优先级，确定自己的接入概率，然后在发起随机接入请求之前，随机生成一个0到1之间的数，并将生成的数和接入概率进行比较，如果随机数小于接入概率，则允许其接入；
否则，就禁止该用户接入并开始退避过程，直到退避时间结束后，才可以进行下一次接入，并重复上述过程。
优选的，所述控制模块还包括：
用户对请求接入的确认信息进行检测，如果卫星给予反馈信息，那么没有拥塞；如果多次请求以后卫星仍然没有给予反馈信息，则请求接入的信令信息很可能与其它用户的信息碰撞而丢失；
卫星侧则对用户发送的信令信号的能量和误码率进行检测，如果用户信令信号湮没在大量的能量信号中而无法进行检测，则确认发生了碰撞和拥塞；同理，如果检测的信号误码率很高，导致信息无法正确接收，则确认发生了碰撞和拥塞；
在进行信号能量检测、信号误码率检测和碰撞次数检测以后，根据检测结果和学习算法进行学习、推理和决策，确定拥塞的发生。
优选的，所述装置还包括拥塞控制模块，所述拥塞控制模块基于学习自动机的估计方法和基于ACB的接入调整策略相结合，包括执行如下操作：
步骤(1)，将成功接入的用户数目优化问题映射为LA模型；
步骤(2)，在每个时隙的随机接入过程结束时，卫星将获取所有试图接入的用户的前导状态，然后得到相应的碰撞概率和空闲概率；
步骤(3)，使用基于LA的估计方法，来解决碰撞概率的优化问题，计算碰撞概率和奖励概率；
步骤(4)，根据奖励概率，使用DLRI算法对动作概率矢量P进行更新；
步骤(5)，确定是否达到最优，且在最优情况下，通过最优的λ值计算在每个时隙试图通过ACB方案接入系统的用户数目N；否则执行步骤(2)；
步骤(6)，通过对Ni的估计来获得近似最优的ACB因子p；
步骤(7)，根据最优ACB因子p控制每个用户的接入。
此外，本实例还提出一种电子装置，包括处理器以及存储器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行以实现如上述所述的面向用户接入的随机退避方法。
此外，本实例还提出一种计算机存储介质，所述计算机存储介质存储有程序；所述程序由处理器加载并执行以实现如上述所述的面向用户接入的随机退避方法。
在本发明上述实施例的方案中，所提供的面向用户接入的随机退避方法，通过对于重要的用户和非常重要的业务，分配高优先级；根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后；其中，具有相同优先级的用户，根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；和/或采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。本发明通过在网络发生拥塞而不能满足所有用户的应用需求时，针对不同的业务对时延、速率等的容忍度进行分组处理，以不同的区分度满足不同业务类型用户的需求。将学习自动机和接入类型延迟机制相结合，在环境学习认知的基础上进行拥塞预测，将网络监测结果和预测结果相结合确定接入延迟策略，从而通过提前预知和提前采取措施来减小或消除卫星通信长时延带来的延迟效应，提高接入拥塞控制效率和精准度。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现。也可以全部以硬件的形式实现。还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。
此外，本发明实施例还提供一种可读存储介质，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上用于高频实验考核的信息采集方法。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和偏移处理。该类修改、改进和偏移处理在本说明书中被建议，所以该类修改、改进、偏移处理仍属于本说明书示范实施例的精神和范围。
此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对它们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种面向用户接入的随机退避方法，其特征在于，所述方法包括：
对于重要的用户和非常重要的业务，分配高优先级；
根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后；
其中，具有相同优先级的用户，根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；和/或采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。
2.根据权利要求1所述的面向用户接入的随机退避方法，其特征在于，所述方法还包括：
当系统负载较重时，卫星会广播ACB参数给系统中所有的用户，这一参数中包含有对应于各个优先级用户的接入概率以及需要退避等待的时间；
而接收到ACB参数的用户会首先依据自己的优先级，确定自己的接入概率，然后在发起随机接入请求之前，随机生成一个0到1之间的数，并将生成的数和接入概率进行比较，如果随机数小于接入概率，则允许其接入；
否则，就禁止该用户接入并开始退避过程，直到退避时间结束后，才可以进行下一次接入，并重复上述过程。
3.根据权利要求1所述的面向用户接入的随机退避方法，其特征在于，所述方法还包括：
用户对请求接入的确认信息进行检测，如果卫星给予反馈信息，那么没有拥塞；如果多次请求以后卫星仍然没有给予反馈信息，则请求接入的信令信息很可能与其它用户的信息碰撞而丢失；
卫星侧则对用户发送的信令信号的能量和误码率进行检测，如果用户信令信号湮没在大量的能量信号中而无法进行检测，则确认发生了碰撞和拥塞；同理，如果检测的信号误码率很高，导致信息无法正确接收，则确认发生了碰撞和拥塞；
在进行信号能量检测、信号误码率检测和碰撞次数检测以后，根据检测结果和学习算法进行学习、推理和决策，确定拥塞的发生。
4.根据权利要求1所述的面向用户接入的随机退避方法，其特征在于，所述方法还包括拥塞控制步骤，所述拥塞控制步骤基于学习自动机的估计方法和基于ACB的接入调整策略相结合，包括：
步骤(1)，将成功接入的用户数目优化问题映射为LA模型；
步骤(2)，在每个时隙的随机接入过程结束时，卫星将获取所有试图接入的用户的前导状态，然后得到相应的碰撞概率和空闲概率；
步骤(3)，使用基于LA的估计方法，来解决碰撞概率的优化问题，计算碰撞概率和奖励概率；
步骤(4)，根据奖励概率，使用DLRI算法对动作概率矢量P进行更新；
步骤(5)，确定是否达到最优，且在最优情况下，通过最优的λ值计算在每个时隙试图通过ACB方案接入系统的用户数目N；否则执行步骤(2)；
步骤(6)，通过对Ni的估计来获得近似最优的ACB因子p；
步骤(7)，根据最优ACB因子p控制每个用户的接入。
5.一种面向用户接入的随机退避装置，其特征在于，所述装置包括：
分配模块，对于重要的用户和非常重要的业务，分配高优先级；
控制模块，根据优先级对申请服务的用户进行排队等待，优先级越高的用户排队位置越靠前，优先级越低的用户排队位置越靠后；
其中，具有相同优先级的用户，根据申请服务的时间顺序和竞争策略，采取基于竞争的频谱分配和用户接入，竞争胜利的可排在同一优先级队列的前面，否则排在后面；和/或采取免竞争的频谱分配和用户接入策略，通过完全随机的接入来使用户获取资源并接入系统。
6.根据权利要求5所述的面向用户接入的随机退避装置，其特征在于，所述控制模块还包括：
当系统负载较重时，卫星会广播ACB参数给系统中所有的用户，这一参数中包含有对应于各个优先级用户的接入概率以及需要退避等待的时间；
而接收到ACB参数的用户会首先依据自己的优先级，确定自己的接入概率，然后在发起随机接入请求之前，随机生成一个0到1之间的数，并将生成的数和接入概率进行比较，如果随机数小于接入概率，则允许其接入；
否则，就禁止该用户接入并开始退避过程，直到退避时间结束后，才可以进行下一次接入，并重复上述过程。
7.根据权利要求5所述的面向用户接入的随机退避装置，其特征在于，所述控制模块还包括：
用户对请求接入的确认信息进行检测，如果卫星给予反馈信息，那么没有拥塞；如果多次请求以后卫星仍然没有给予反馈信息，则请求接入的信令信息很可能与其它用户的信息碰撞而丢失；
卫星侧则对用户发送的信令信号的能量和误码率进行检测，如果用户信令信号湮没在大量的能量信号中而无法进行检测，则确认发生了碰撞和拥塞；同理，如果检测的信号误码率很高，导致信息无法正确接收，则确认发生了碰撞和拥塞；
在进行信号能量检测、信号误码率检测和碰撞次数检测以后，根据检测结果和学习算法进行学习、推理和决策，确定拥塞的发生。
8.根据权利要求5所述的面向用户接入的随机退避装置，其特征在于，所述装置还包括拥塞控制模块，所述拥塞控制模块基于学习自动机的估计方法和基于ACB的接入调整策略相结合，包括执行如下操作：
步骤(1)，将成功接入的用户数目优化问题映射为LA模型；
步骤(2)，在每个时隙的随机接入过程结束时，卫星将获取所有试图接入的用户的前导状态，然后得到相应的碰撞概率和空闲概率；
步骤(3)，使用基于LA的估计方法，来解决碰撞概率的优化问题，计算碰撞概率和奖励概率；
步骤(4)，根据奖励概率，使用DLRI算法对动作概率矢量P进行更新；
步骤(5)，确定是否达到最优，且在最优情况下，通过最优的λ值计算在每个时隙试图通过ACB方案接入系统的用户数目N；否则执行步骤(2)；
步骤(6)，通过对Ni的估计来获得近似最优的ACB因子p；
步骤(7)，根据最优ACB因子p控制每个用户的接入。
9.一种电子装置，包括处理器以及存储器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行以实现如上述权利要求1-4任一项所述的面向用户接入的随机退避方法。
10.一种计算机存储介质，所述计算机存储介质存储有程序；所述程序由处理器加载并执行以实现如上述权利要求1-4任一项所述的面向用户接入的随机退避方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210426751.4A CN114845338A (zh) | 2022-04-22 | 2022-04-22 | 一种面向用户接入的随机退避方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210426751.4A CN114845338A (zh) | 2022-04-22 | 2022-04-22 | 一种面向用户接入的随机退避方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114845338A true CN114845338A (zh) | 2022-08-02 |
Family
ID=82566599
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210426751.4A Pending CN114845338A (zh) | 2022-04-22 | 2022-04-22 | 一种面向用户接入的随机退避方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114845338A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117692961A (zh) * | 2024-02-04 | 2024-03-12 | 北京邮电大学 | 低轨卫星物联网随机接入拥塞控制方法和装置 |
-
2022
- 2022-04-22 CN CN202210426751.4A patent/CN114845338A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117692961A (zh) * | 2024-02-04 | 2024-03-12 | 北京邮电大学 | 低轨卫星物联网随机接入拥塞控制方法和装置 |
| CN117692961B (zh) * | 2024-02-04 | 2024-04-26 | 北京邮电大学 | 低轨卫星物联网随机接入拥塞控制方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1796332B1 (en) | Token bucket dynamic bandwidth allocation | |
| Qian et al. | Survey on reinforcement learning applications in communication networks | |
| Zhan et al. | Massive random access of machine-to-machine communications in LTE networks: Modeling and throughput optimization | |
| Cicconetti et al. | Quality of service support in IEEE 802.16 networks | |
| US7151747B2 (en) | Controlling method of priority class setup of communication packet and system of the same | |
| Ramos et al. | Quality of service provisioning in 802.11 e networks: challenges, approaches, and future directions | |
| CN113613339B (zh) | 基于深度强化学习的多优先级无线终端的信道接入方法 | |
| CN111294775B (zh) | 一种大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法 | |
| CN111526530B (zh) | 一种面向NB-IoT的随机接入拥塞控制算法的优化方法 | |
| CN114866474A (zh) | 一种端网协同流量调度方法、装置、系统及存储介质 | |
| Vu et al. | Performance analysis of best-effort service in saturated IEEE 802.16 networks | |
| Chen et al. | On achieving fair and throughput-optimal scheduling for TCP flows in wireless networks | |
| CN114845338A (zh) | 一种面向用户接入的随机退避方法 | |
| Tuysuz et al. | Exploiting the channel using uninterrupted collision‐free MAC adaptation over IEEE 802.11 WLANs | |
| Jakimoski et al. | Priority based uplink scheduling scheme for WiMAX service classes | |
| Cordeschi et al. | Fairness-constrained optimized time-window controllers for secondary-users with primary-user reliability guarantees | |
| WO2022130254A1 (en) | Method, device and apparatus for optimizing grant free uplink transmission of machine to machine (m2m) type devices | |
| Wang et al. | A deep learning assisted approach for minimizing the age of information in a WiFi network | |
| De Moraes et al. | Analytical modelling and message delay performance evaluation of the IEEE 802.16 MAC protocol | |
| Raeis et al. | Distributed fair scheduling for information exchange in multi-agent systems | |
| El-Azouzi et al. | Modeling Slotted Aloha as a Stochastic Game with Random Discrete Power Selection Algorithms. | |
| Huang et al. | AoI-Aware Dynamic User Scheduling in Vehicular Networks Based on Soft Reinforcement Learning | |
| CN117641512A (zh) | 基于区块链的物联设备无线接入控制方法、装置及介质 | |
| Jansang et al. | A simple analytical model for expected frame waiting time evaluation in IEEE 802.11 e HCCA mode | |
| Ko et al. | A traffic control system for IEEE 802.11 networks based on available bandwidth estimation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Sun Bingyu Inventor after: Zhang Jing Inventor after: Wang Hailei Inventor after: Wu Xuelian Inventor before: Zhang Jing Inventor before: Sun Bingyu Inventor before: Wang Hailei Inventor before: Wu Xuelian |
|
| CB03 | Change of inventor or designer information |