一种适用于非对称信道的可靠的无反馈数据传输方法

技术领域

本发明属于异构网络数据传输领域，能够提高异构网络数据传输的时效性和可靠性。具体是一种适用于非对称信道的可靠的无反馈数据传输方法。

背景技术

互联网数据中心(IDC)研究服务发布的最新研究报告指出，到2025年全球物联网(IoT)设备将从现在的200亿台增加到416亿台。物联网技术的主要代表——具有低功耗、低数据率的ZigBee节点将遍布在生活的每一个角落。另一方面，近些年随着Wi-Fi接入点大规模部署，这种简单、快速的无线接入互联网的方式已经成为了用户笔记本电脑，手机等无线设备接入互联网进行信息交互的一个重要手段。虽然通信带宽为20MHz或40MHz的Wi-Fi网络采用IEEE802.11技术，而通信带宽为2MHz的ZigBee网络采用IEEE802.15.4技术，但两种网络的大部分设备都工作在2.4GHz的频带上，这就使得不同协议的设备将加剧原本拥挤不堪信道上的传输冲突。

Tian He等在2017年在MobiCom会议上提出了WeBee，在物理层实现两种数据格式的融合，实现了物理层的跨技术通信CTC(Cross Technology Communication)，利用Wi-Fi的部分子载波在发送Wi-Fi数据的同时捎带发送ZigBee数据，从而避免了信道争用所带来的资源损失。随后CTC技术引起了工业界和学术界的关注和深入研究，新的技术创新和硬件原型不断涌现。可以预见未来组建面向大型应用场景的物联网，CTC技术将起到非常重要的作用。

然而，由于通信距离的差异，异构设备的传输方式多为单跳传输和多跳返回。通过发送ACK来确保可靠传输的机制导致非对称信道中传输延迟的延长，在低占空比的ZigBee网络里通信时延达到秒量级。这样的延迟不能满足具有一定速率需求的物联网应用，也限制了CTC技术在物联网领域的进一步发展，成为目前亟待解决的关键问题之一。

本专利提出一种适用于非对称信道的可靠的无反馈数据传输方法，能够在CTC通信无反馈的情况下保证异构设备之间的可靠传输，降低了传输时延，提高了信道利用率。通过拟合误差的方法对随机森林算法进行改进，使训练模型能够通过判断信道条件、接收机位置、有效载荷等因素来预测当前的丢包率，使发射机能够准确计算出要发送的数据包数量。接收端能够成功解码，不必再反馈ACK，从而降低传输时延。

发明内容

一种适用于非对称信道的可靠的无反馈数据传输方法包括以下几个步骤：

A.定义参数：发射端与接收端之间的距离L，数据包的有效荷载S，发射端的传输增益G，发送数据包的周期C，发送数据包过程中的接收信号强度RSSI，数据传输的丢包率P，应该发送的数据包数量N，实际需要发送的数据包数量M。

B.收集样本，训练模型：通过改变发射端与接收端之间的距离L，数据包的有效荷载S，发射端的传输增益G，发送数据包的周期C这些参数，记录传输每条数据包时的RSSI以及丢包率P。将收集到的大量样本放入随机森林回归模型中训练，得到预测丢包率的模型H(X,θ)。

C.将预测模型进行本地化：对预测模型进行改进，使预测的丢包率不能小于实际丢包率。将训练模型的误差进行随机抽样，找出最优的拟合函数ε(X)，然后得到新的预测丢包率模型F(X)＝H(X,θ)+|ε(X)|,命名为F-RFCTC。使该模型预测的丢包率能够计算出需要发送的数据包数量最优。

D.计算需要发送的数据包数量：在发送端，将参数放入预测模型F-RFCTC，得到丢包率，通过该丢包率计算出需要发送的数据包数量，使接收端能够成功解码。

本发明对比已有技术具有以下显著优点：

1.该方法提出利用机器学习在异构网络中实现无反馈智能传输。

2.该发明能够在无反馈的情况下保证异构设备之间的可靠传输，降低了传输时延，提高了信道利用率。

附图说明

图1是本发明的总体流程图。

图2是本发明的模型应用流程图。

图3是本发明中得到最优预测模型的流程图。

图4是拟合误差图。

图5是本发明提出的预测模型F-RFCTC的实际值与预测值对比图。

图6是本发明提出的方法与其他现有CTC技术在不同占空比情况下传输时间对比图。

图7是本发明提出的方法与其他现有CTC技术传输可靠性的对比图。

图8是本发明提出的方法与其他现有CTC技术传输数据包数量的对比图。

具体实施方式

下面结合附图，说明本发明的实施方式。

图1是一种适用于非对称信道的可靠的无反馈数据传输方法的总流程图，具体实现为：

A.定义参数：发射端与接收端之间的距离L，数据包的有效荷载S，发射端的传输增益G，发送数据包的周期C，发送数据包过程中的接收信号强度RSSI，数据传输的丢包率P，应该发送的数据包数量N，实际需要发送的数据包数量M。

B.收集样本，训练模型：通过改变发射端与接收端之间的距离L，数据包的有效荷载S，发射端的传输增益G，发送数据包的周期C这些参数，记录传输每条数据包时的RSSI以及丢包率P。将收集到的大量样本放入随机森林回归模型中训练，得到预测丢包率的模型H(X,θ)。

C.将预测模型进行本地化：对预测模型进行改进，使预测的丢包率不能小于实际丢包率。将训练模型的误差进行随机抽样，找出最优的拟合函数ε(X)，然后得到新的预测丢包率模型F(X)＝H(X,θ)+|ε(X)|,命名为F-RFCTC。使该模型预测的丢包率能够计算出需要发送的数据包数量最优。

D.计算需要发送的数据包数量：在发送端，将参数放入预测模型F-RFCTC，得到丢包率，通过该丢包率计算出需要发送的数据包数量，使接收端能够成功解码。

图2是本发明的模型应用流程图。发射端把收发两端的距离、数据包的有效荷载、发射增益、发送的数据包数量、发射数据包周期、RSSI的参数传送给F-RF预测模型，通过预测，计算出接收端成功解码需要的数据包数量。

图3是本发明中得到最优预测丢包率模型的流程图，为了使训练模型H(X,θ)更能应用于无反馈的CTC通信场景下，首先对小于实际值的误差进行统计，记为集合R，然后在R中随机找α个误差，将其拟合成曲线，得到拟合函数ε(X)，如图4所示。测试新的预测模型F(X)＝H(X,θ)+|ε(X)|，将新的误差进行分析，若此次小于实际值的误差和异常误差(本发明规定预测值与实际值相差大于0.1均为异常误差)的个数小于总样本个数的0.5％，则判定此时的拟合函数为最优，得到最优的预测模型F(X)＝H(X,θ)+|ε(X)|。

图5是F-RFCTC模型的预测值与实际值的对比，该模型的预测值几乎均大于数据的真实值，且预测值与真实值之间的误差小于0.1。

图6、7、8是本发明提出的方法与其他三个CTC技术(分别是NetCTC、MCTS、WeBee)在传输时间、传输的可靠性以及传输数据包的数量的对比。其中，传输的时间间隔为910ms，每次实验发送1000个数据包。由此对比图可以看出本发明提出的方法能够在CTC通信无反馈的情况下保证异构设备之间的可靠传输，降低了传输时延，提高了信道利用率。