本發明涉及網絡通信,具體涉及一種低時延自組網通信方法和系統。
背景技術:
1、低時延自組網通信指的是一種無線通信網絡架構,其中網絡節點能夠自動組建、管理和維護網絡連接,無需依賴固定的基礎設施。低時延意味著在數據傳輸過程中,從一個節點到另一個節點所花費的時間非常短,這對于需要實時或近實時通信的應用場景至關重要,如無人機編隊、應急救援或戰場通信等。自組網的特點在于網絡能夠在動態變化的環境中快速響應、靈活擴展,并能應對節點的頻繁移動或故障。通過低時延自組網通信,網絡能夠在保證高效數據傳輸的同時,確保通信的穩定性和可靠性,適應復雜的應用需求。
2、在低時延自組網通信中,網絡節點自動組建指的是各個節點無需依賴固定的基礎設施或中央控制器,就能夠自主發現并連接到其他節點,形成一個網絡。每個節點都具有路由和轉發能力,通過動態路由選擇和分布式控制的方式,節點之間可以根據網絡的實時狀態(如節點的位置、信號強度、負載等)自動選擇最佳路徑進行通信。這樣,網絡能夠快速適應節點的移動或變化,確保數據能夠以最低的延遲通過最優路徑傳輸,從而實現一個高效且靈活的通信網絡。
3、動態路由協議需要持續更新路由表,以反映網絡的最新拓撲結構。現有技術通常采用定時更新的方式來刷新每條通信路徑上的節點狀態,這在大多數情況下能夠滿足基本需求。然而,當通信網絡中的節點狀態快速變化,而路由表更新頻率無法及時跟進時,可能會引發嚴重后果。首先,路由信息的滯后可能導致某些節點因路徑不可達而失去與其他節點的通信能力,進而引發網絡分裂,形成多個無法互通的子網。這種網絡分區將阻礙數據在整個網絡中的傳輸,嚴重影響網絡的整體功能,尤其是在關鍵任務通信中。其次,過時的路由信息可能導致數據包被引導至失效路徑或不存在的節點,造成數據包丟失,不僅降低了通信的可靠性,還可能導致重要數據的永久丟失。當通信網絡中的節點狀態低速變化,而路由表更新頻率高頻時,頻繁的路由更新需要消耗網絡帶寬和計算資源。如果節點狀態變化緩慢,而更新頻率過高,則會占用不必要的網絡資源和計算能力,導致其他關鍵任務的資源不足,影響整體網絡性能。
4、在所述背景技術部分公開的上述信息僅用于加強對本公開的背景的理解,因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。
技術實現思路
1、本發明的目的是提供一種低時延自組網通信方法和系統,通過實時收集和分析網絡拓撲信息,利用機器學習模型對通信路徑節點的動態變化進行評估,能夠智能化地調整不同路徑的路由更新頻率,在高動態路徑中提高更新頻率,避免路由滯后引發的網絡分裂和數據丟失;在低動態路徑中降低頻率,以節約資源并減少性能浪費,有效提升了通信的實時性和可靠性,特別適用于關鍵任務通信場景,顯著增強了網絡的整體性能,以解決上述背景技術中的問題。
2、為了實現上述目的,本發明提供如下技術方案:一種低時延自組網通信方法,包括以下步驟:
3、從網絡中的各個節點收集當前的拓撲信息,對收集的拓撲信息進行分析,繪制出當前網絡的拓撲結構圖;
4、對每條通信路徑上的節點進行動態變化特征提取,基于提取的動態變化特征,使用預先訓練好的機器學習模型對每條通信路徑上的節點變化狀況進行綜合評估;
5、根據智能評估的結果,將所有通信路徑劃分為三類,其中包括高動態路徑、穩定變化路徑和低動態路徑;
6、對于劃分為穩定變化路徑的通信路徑,設定一個標準節點狀態更新頻率,以標準節點狀態更新頻率對通信節點的狀態進行更新;
7、針對高動態路徑和低動態路徑,采用模糊邏輯控制,基于實時的動態變化信息,在標準節點狀態更新頻率的基礎上,智能化地提升或者降低實際節點狀態更新頻率。
8、優選的,繪制當前網絡的拓撲結構圖,具體的步驟如下:
9、在網絡中的每個節點上啟動狀態收集機制;
10、在狀態收集機制啟動后,所有節點將其收集到的信息發送到一個或多個中心節點進行匯聚;
11、在數據匯聚和存儲完成后,開始對收集到的節點狀態信息進行分析;
12、根據分析的結果,使用網絡可視化工具或專用的軟件來繪制當前的網絡拓撲結構圖。
13、優選的,對每條通信路徑上的節點進行動態變化特征提取,提取的特征包括通信路徑上節點之間的跳數變化率和通信路徑上節點能量消耗的速度變化,獲取后,在監控窗口下,對通信路徑上節點之間的跳數變化率和通信路徑上節點能量消耗的速度變化進行分析后,分別生成跳變指數和節點能耗指數,將跳變指數和節點能耗指數輸入至預先訓練好的機器學習模型中,通過機器學習模型生成路徑節點動態變化系數,通過路徑節點動態變化系數對每條通信路徑上的節點變化狀況進行綜合評估。
14、優選的,對通信路徑上節點之間的跳數變化率進行分析后生成跳變指數,具體的步驟如下:
15、在監控窗口下,對通信路徑上每一對節點之間的跳數進行實時采集,設定時間間隔作為采樣周期,表示在時間點時,通信路徑上節點間的跳數;
16、計算相鄰采樣時間點之間的跳數變化率,計算的表達式為:,其中,表示在時間點時的跳數變化率,k是一個調節因子,用于控制變化率的敏感度,i表示在時間序列中當前的時刻;
17、為了進一步分析跳數變化的累積效應,計算每個時間點的累積變化效應,計算的表達式為:,其中,表示到時間點時的累積變化效應,j表示在時間點內的時間點索引;
18、通過累積變化效應計算每一對節點之間的跳變指數,計算的表達式為:,式中,表示每一對節點之間的跳變指數,n表示監控窗口內的采樣次數;
19、對通信路徑進行綜合分析,計算跳變指數,計算的表達式為:,式中,表示第w對節點之間的跳變指數,m表示通信路徑上的節點總數,表示通信路徑的跳變指數。
20、優選的,對通信路徑上節點能量消耗的速度變化進行分析后生成節點能耗指數,具體步驟如下:
21、對于通信路徑上的每個節點,計算其瞬時能量消耗速率,設每個節點在時間和時的剩余能量分別為和,則瞬時能量消耗速率的計算表達式為:,式中,表示節點在時間點時的剩余能量,表示節點在時間點時的處理功率,表示節點在時間點時的工作電壓;
22、計算節點的累積能量消耗系數,累積能量消耗系數反映了節點在監控窗口內的能量消耗累積情況,計算的表達式為:,式中,表示節點在監控窗口內的累積能量消耗系數,表示在時間點時的瞬時能量消耗速率,表示在時間點時的傳輸時間,即節點通信活動的持續時間,表示節點在時間點時的當前工作頻率,表示節點處理任務的復雜性;
23、計算能量消耗變化靈敏度,能量消耗變化靈敏度反映了能量消耗速率對時間變化的敏感程度,計算的表達式為:,式中,表示累積能量消耗系數的時間變化率,和分別表示節點處理功率和工作電壓的時間變化率;
24、綜合能量消耗變化靈敏度、累積能量消耗系數以及瞬時能量消耗速率計算每個節點的節點能耗系數,計算的表達式為:,式中,表示每個節點的節點能耗系數,t表示監控窗口的總時長;
25、計算節點能耗指數,計算的表達式為:,式中,表示第f個節點的節點能耗系數,表示通信路徑的節點能耗指數。
26、優選的,將在監控窗口下對通信路徑上節點進行綜合分析后生成的路徑節點動態變化系數與預先設定的路徑節點動態變化系數參考范圍進行比對分析,對通信路徑進行劃分,具體劃分的步驟如下:
27、若路徑節點動態變化系數處于路徑節點動態變化系數參考范圍之間,則將該通信路徑劃分穩定變化路徑;
28、若路徑節點動態變化系數小于路徑節點動態變化系數參考范圍最小值,則將該通信路徑劃分為低動態路徑;
29、若路徑節點動態變化系數大于路徑節點動態變化系數參考范圍最大值,則將該通信路徑劃分為高動態路徑。
30、優選的,針對高動態路徑和低動態路徑,采用模糊邏輯控制,智能化地提升或者降低實際節點狀態更新頻率的過程如下:
31、針對跳變指數、節點能耗指數、標準節點狀態更新頻率定義模糊集合和隸屬函數;
32、基于模糊集合,構建模糊規則庫,規則庫的規則形式為:“如果”?跳變指數和節點能耗指數屬于某個模糊集合,則實際節點狀態更新頻率將調整到某個水平;
33、將實時的跳變指數和節點能耗指數輸入到模糊推理引擎中,結合定義的模糊規則庫,進行模糊推理,模糊推理的過程通過“如果-那么”的規則執行,確定最適合當前路徑條件的更新頻率,推理公式為:,式中,表示模糊推理過程,和分別表示跳變指數和節點能耗指數的隸屬度函數,表示模糊輸出;
34、使用質心法對模糊推理得到的模糊輸出進行解模糊化,生成模糊實際節點狀態更新頻率,解模糊化的公式為:,是解模糊化過程中使用的隸屬度函數,是解模糊化后得到的模糊實際節點狀態更新頻率;
35、根據解模糊化后的模糊實際節點狀態更新頻率,對最終應用的實際節點狀態更新頻率進行調整,調整的公式如下:,其中,是最終應用的節點狀態更新頻率,表示標準節點狀態更新頻率。
36、一種低時延自組網通信系統,包括拓撲信息收集與分析模塊、動態變化特征提取與評估模塊、通信路徑分類模塊、標準頻率更新模塊以及模糊邏輯控制模塊;
37、拓撲信息收集與分析模塊,從網絡中的各個節點收集當前的拓撲信息,對收集的拓撲信息進行分析,繪制出當前網絡的拓撲結構圖;
38、動態變化特征提取與評估模塊,對每條通信路徑上的節點進行動態變化特征提取,基于提取的動態變化特征,使用預先訓練好的機器學習模型對每條通信路徑上的節點變化狀況進行綜合評估;
39、通信路徑分類模塊,根據智能評估的結果,將所有通信路徑劃分為三類,其中包括高動態路徑、穩定變化路徑和低動態路徑;
40、標準頻率更新模塊,對于劃分為穩定變化路徑的通信路徑,設定一個標準節點狀態更新頻率,以標準節點狀態更新頻率對通信節點的狀態進行更新;
41、模糊邏輯控制模塊,針對高動態路徑和低動態路徑,采用模糊邏輯控制,基于實時的動態變化信息,在標準節點狀態更新頻率的基礎上,智能化地提升或者降低實際節點狀態更新頻率。
42、在上述技術方案中,本發明提供的技術效果和優點:
43、本發明通過實時收集和分析網絡拓撲信息,準確提取通信路徑上節點的動態變化特征,基于這些特征,通過機器學習模型對通信路徑上節點的動態變化進行評估,能夠有效識別并區分出高動態、穩定變化和低動態路徑,從而對不同類型的路徑采取針對性的路由更新策略。在高動態路徑中,通過提升節點狀態更新頻率,能夠及時反映網絡拓撲的變化,避免因路由信息滯后導致的網絡分裂和數據包丟失。而在低動態路徑中,降低更新頻率則有效減少了網絡帶寬和計算資源的消耗,避免了因頻繁更新帶來的性能浪費。通過這種智能化的調整方式,不僅增強了通信的實時性和可靠性,還在節約資源的同時,維持了網絡的高效運作,特別適用于關鍵任務通信場景中,對網絡的整體性能提升起到了顯著的作用。