基于语义的LTP协议优化方法及系统

技术领域

本发明属于卫星及深空通信技术领域，具体涉及一种基于语义的LTP协议优化方法及系统。

背景技术

现有的基于DTN框架的数据传输要求数据在比特级进行传输与恢复(编码与解码)，但由于深空通信的发展以及传输数据量的增长，过大的传输时延不能够满足人们的需求。尤其是在以后的太阳系边界探测活动中，现有的传输技术无法满足具有高时效性要求的如控制指令数据等的需求。因此，一些研究致力于改进现有的LTP传输机制，它们大多数都是从优化LTP segment尺寸的角度和优化协议参数如重传计时器的设计考虑的。然而，它们都遵循了现有的LTP框架与传输过程，因此无法突破极限的限制，这两种方法都没有从根本上解决时效性差的问题。在给定信道条件下，丢包率随segment尺寸变化有着明显的限制下界，这使得segment尺寸优化方法会受到一定程度的约束。同时，现有的方法都没有考虑传输数据本身的特性，没有利用到数据间的语义特征来帮助恢复以达降低重传次数的目的。到目前为止，现有的DTN协议无法解决长距离空间通信中的高时效性数据传输问题，亟需新形式的传输协议提出。

发明内容

本发明针对上述问题，提供了一种基于语义的LTP协议优化方法及系统，在卫星及深空网络通信场景中，针对单跳数据传输过程，结合传输文件的语义特征对原始数据进行语义编解码及语义层面的传输，并改进现有LTP传输协议的重传机制，有效提高高差错信道下的信息时效性。

根据本公开实施例的第一方面，提供一种基于语义的LTP协议优化方法，所述方法包括以下步骤:

将原始文件封装为bundle格式数据并下发至LTP层；

根据所述bundle格式数据的语义特征将其拆分重组为多个segment；

利用基于Transformer架构的语义数据传输系统模型进行不同信道条件下的模型训练，根据不同segment组合方式下的传输准确率，获得对应场景下的最优segment组合方式；

以最优segment组合方式进行实际传输数据，若出现传输错误，则对错误segment进行重传标准判定，若符合重传判定标准，则对所述错误segment添加语义特征点后进行重传；

重传过程中，优先重传最优segment组合。

在一实施例中，所述语义数据传输系统模型包括语义编码器和语义解码器，所述语义编码器包括文本嵌入层、Transformer架构、全连接层、量化层；所述语义解码器包括解量化层、全连接层、Transformer架构和softmax层。

在一实施例中，所述最优segment组合方式的获取包括：

根据bundle格式数据的语义特征形成多个最小语义segment；

遍历所有最小语义segment的组合方式；

在不同信道条件下通过语义数据传输系统传输各种组合方式并获取所有情况下的传输准确率；

每种信道条件下最高传输准确率的segment组合方式即为最优segment组合。

在一实施例中，所述重传标准判定条件为同时满足错误segment的语义权重为局部最小值且小于等于1和错误segment的预期重传次数小于等于2。

根据本公开实施例的第二方面，提供一种基于语义的LTP协议优化系统，所述系统包括：

封装模块，用于将原始文件封装为bundle格式数据并下发至LTP层；

拆分重组模块，用于根据所述bundle格式数据的语义特征将其拆分、重组为多个segment；

最优segment组合方式获取模块，用于利用基于Transformer架构的语义数据传输系统模型进行不同信道条件下的模型训练，根据不同segment组合方式下的传输准确率，获得对应场景下的最优segment组合方式；

传输模块，用于以最优segment组合方式进行实际传输数据，若出现传输错误，则对错误segment进行重传标准判定，若符合重传判定标准，则对所述错误segment添加语义特征点后进行重传，重传过程中，优先重传最优segment组合。

在一实施例中，所述最优segment组合方式获取模块中所述语义数据传输系统模型包括语义编码器和语义解码器，所述语义编码器包括文本嵌入层、Transformer架构、全连接层、量化层；所述语义解码器包括解量化层、全连接层、Transformer架构和softmax层。

在一实施例中，所述最优segment组合方式获取模块中所述最优segment组合方式的获取包括：

根据bundle格式数据的语义特征形成多个最小语义segment；

遍历所有最小语义segment的组合方式；

在不同信道条件下通过语义数据传输系统传输各种组合方式并获取所有情况下的传输准确率；

每种信道条件下最高传输准确率的segment组合方式即为最优segment组合。

在一实施例中，所述传输模块中所述重传标准判定条件为同时满足错误segment的语义权重为局部最小值且小于等于1和错误segment的预期重传次数小于等于2。

本公开实施例提供的技术方案：一种基于语义的LTP协议优化方法及系统，先提取出原始待传输数据的语义特征并共享于收发两端，并根据这些语义特征进行语义分块与语义编码，并在语义层面进行传输与复原。使用基于深度学习的语义通信技术，使收发两端共享具备全部语义特征的语义知识库，制定分块与组合标准，根据训练过程获取不同信道下的最优的组合方式。制定基于语义特征的LTP传输协议与基于语义特征增量的重传策略以代替现有的LTP传输协议，还设计了一个基于语义的传输质量检测器用来评价是否在语义层面上完成了可靠传输。本发明在降低丢包率的同时使用最少的重传次数达到可靠传输的目的，同时有效提高信息时效性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是本发明实施例中基于语义的LTP协议优化方法整体逻辑示意图；

图2是本发明实施例中基于语义的LTP协议优化方法流程示意图；

图3是本发明实施例中语义数据传输系统结构示意图；

图4是本发明实施例中最优segment语义组合方式获取逻辑示意图；

图5是本发明实施例中SS-HARQ机制逻辑示意图；

图6是本发明实施例中基于语义的LTP协议优化系统置结构示意图；

图7是本发明实施例中仿真实验中文件交付时延对比示意图一；

图8是本发明实施例中仿真实验中文件交付时延对比示意图二；

图9是本发明实施例中仿真实验中平均AoI柱状对比图；

图10是本发明实施例中仿真实验中平均AoSI曲线对比图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅出示了与本发明相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

本发明实施例针对一种基于语义的LTP协议优化方法及系统，提供了如下实施例：

实施例1用于说明基于语义的LTP协议优化方法，参见图1，为实施例中基于语义的LTP协议优化方法逻辑图，在从一个节点传输数据到达另一个节点的过程中，首先将原始文件封装为bundle格式并下发至LTP层，根据数据的语义特征将bundle拆分重组为多个segment。根据训练过程中不同信道条件下的不同segment组合方式的传输准确率，获得对应场景下的最优segment组合，在实际传输中以最优组合方式传输数据。在重传过程中，首先重传最优组合本身，若需要重传，则根据实际条件判断是否采用语义增量重传机制。

具体的，参见图2，基于语义的LTP协议优化方法包括以下步骤:

S21、将原始文件封装为bundle格式数据并下发至LTP层；

S22、根据所述bundle格式数据的语义特征将其拆分重组为多个segment；

S23、利用基于Transformer架构的语义数据传输系统模型进行不同信道条件下的模型训练，根据不同segment组合方式下的传输准确率，获得对应场景下的最优segment组合方式；

S24、以最优segment组合方式进行实际传输数据，若出现传输错误，则对错误segment进行重传标准判定，若符合重传判定标准，则对所述错误segment添加语义特征点后进行重传；并且在重传过程中，优先重传最优segment组合。

参见图3，语义数据传输系统模型包括语义编码器和语义解码器，所述语义编码器包括文本嵌入层、Transformer架构、全连接层、量化层；所述语义解码器包括解量化层、全连接层、Transformer架构和softmax层，其中语义编码器和语义解码器是对称结构，训练过程获取到的各参数权重存储在编解码器中并在实际传输中应用。

参见图4，最优segment组合方式的获取包括：

根据bundle格式数据的语义特征形成多个最小语义segment；

遍历所有最小语义segment的组合方式；

在不同信道条件下通过语义数据传输系统传输各种组合方式并获取所有情况下的传输准确率；

每种信道条件下最高传输准确率的segment组合方式即为最优segment组合。

实施例中语义增量重传机制SS-HARQ，参见图5，具体包括：

首先，获取当前信道条件下的最优segment组合方式

第一步：第一轮传输当前信道条件下的最优segment组合；

第二步：在不同信道条件下通过语义数据传输系统传输各种组合方式并获取所有情况下的传输准确率；

第三步：若出现传输错误，针对错误块进行重传标准判定，是否使用SS-HARQ机制；

第四步：若使用SS-HARQ，则对其添加语义特征点后进行重传。

其中，重传标准判定条件为同时满足错误segment的语义权重为局部最小值且小于等于1和错误segment的预期重传次数小于等于2。

另一实施例用于说明一种基于语义的LTP协议优化系统，参见图6，所述系统600包括：

封装模块610，用于将原始文件封装为bundle格式数据并下发至LTP层；

拆分重组模块620，用于根据所述bundle格式数据的语义特征将其拆分、重组为多个segment；

最优segment组合方式获取模块630，用于利用基于Transformer架构的语义数据传输系统模型进行不同信道条件下的模型训练，根据不同segment组合方式下的传输准确率，获得对应场景下的最优segment组合方式；

传输模块640，用于以最优segment组合方式进行实际传输数据，若出现传输错误，则对错误segment进行重传标准判定，若符合重传判定标准，则对所述错误segment添加语义特征点后进行重传，重传过程中，优先重传最优segment组合。

最优segment组合方式获取模块630中所述语义数据传输系统模型包括语义编码器和语义解码器，所述语义编码器包括文本嵌入层、Transformer架构、全连接层、量化层；所述语义解码器包括解量化层、全连接层、Transformer架构和softmax层。

最优segment组合方式获取模块中630所述最优segment组合方式的获取包括：

根据bundle格式数据的语义特征形成多个最小语义segment；

遍历所有最小语义segment的组合方式；

在不同信道条件下通过语义数据传输系统传输各种组合方式并获取所有情况下的传输准确率；

每种信道条件下最高传输准确率的segment组合方式即为最优segment组合。

传输模块640中所述重传标准判定条件为同时满足错误segment的语义权重为局部最小值且小于等于1和错误segment的预期重传次数小于等于2。

除了上模块以外，系统600还可以包括其他部件，然而，由于这些部件与本公开实施例的内容无关，因此在这里省略其图示和描述。

基于语义的LTP协议优化系统600的其他具体工作过程参照上述基于语义的LTP协议优化方法实施例的描述，不再赘述。

为了进一步证明本发明的有效性，发明人进行了仿真实验，其中仿真性能指标包括：

文件交付时延：一个固定大小的文件全部被可靠接收所需要的总时延。

平均信息年龄(Age ofInformation，AoI)：在一个数据传输系统中，一系列被发出数据的平均新鲜程度；

上式中t表示当前时刻，u(t)表示最新更新数据的产生时间。

平均语义信息年龄(Age ofSemantic Information，AoSI)：AoSI是一种新的度量方法，用于在原始数据的语义层面上评估不同语义块在文件交付过程中的时效性贡献。

上式中λ

而语义质量由下式获得：

其中，

仿真验证中，发明人分别考虑在高轨道卫星场景和火星探测场景下的性能比较，具体指标包括文件交付时延、平均信息年龄和平均语义信息年龄。对比方案包括(1)编码方案的比较：传统的比特级编码、本发明提出的语义级编码；(2)重传标准的比较：针对所有数据要求完全可靠的CRC校验、针对所有数据要求一致的语义可靠的Sim32检测器、本发明提出的针对不同语义重要性数据具有不同语义可靠性要求的语义质量检测器SQD；(3)重传机制的比较：标准的ARQ机制、语义层面的HARQ机制SCHARQ、语义增量重传机制SS-HARQ。

首先，发明人研究文件交付时延的性能。如图7、图8所示，为不同传输协议与标准下的文件交付时延对比图。当传输相同内容和尺寸的文件时，使用CRC校验的传统比特级编码方案在两种环境下的交付时延都是最大的；由于语义通信可以在高信道误码率条件下借助存储的语义特征来恢复原始信息，因此使用语义传输代替比特级编码后交付时延明显降低；使用Sim32语义检测器代替CRC后，重传标准有了一定程度的放松，一些语义层面可靠性很高的数据不再需要重传，因此进一步降低了文件交付时延；在此基础上，在重传过程中引入语义特征增量后，添加的部分冗余语义信息并使语义特征变得更加完整，因此重传数据包含的语义特征数量增多导致了恢复准确率的提高，并且语义质量检测器SQD能够根据语义重要性程度对语义数据进行分层并设定不同层级的重传条件，进一步减少了不必要的重传次数，从而本发明方法具有最小的文件交付时延。

如图9所示，为四种方案的平均AoI的性能对比。因为AoI这一指标与数据块发出的间隔有关，图中的γ为源节点处按顺序依次发出各个语义数据块的间隔时间系数，γ越大则表示间隔的时间越长。为了观察实际场景中的各种节点处理情况并对比分析，将γ的范围设定为[0.2,1.0]。从图8可以看到，在全部发出间隔情况下，四种方案的平均AoI均逐渐减小，借助于语义传输、SS-HARQ与SQD的本发明方案始终具有最小的平均AoI。

如图10所示，为三种方案的平均AoSI的性能对比。因为考虑语义层面的指标评价，因此不再与传统比特级传输方案进行对比，只考虑语义方案的性能分析。与AoI相比，AoSI的值还与每个语义块对整体信息语义恢复的贡献度有关。可以看到，本发明提出的方案始终具有最小的平均AoSI，但随着发出时间间隔γ的增大，性能提升变得越来越少，这是由于相比于处理时延，节点处等待时延增加了，本发明优化的传输时延指标在总体上占据的比例变小，因此提升效果越来越少。

综合上述各实施例提供的技术方案，基于语义的LTP协议优化方法及系统，先提取出原始待传输数据的语义特征并共享于收发两端，并根据这些语义特征进行语义分块与语义编码，并在语义层面进行传输与复原。使用基于深度学习的语义通信技术，使收发两端共享具备全部语义特征的语义知识库，制定分块与组合标准，根据训练过程获取不同信道下的最优的组合方式。制定基于语义特征的LTP传输协议与基于语义特征增量的重传策略以代替现有的LTP传输协议，还设计了一个基于语义的传输质量检测器用来评价是否在语义层面上完成了可靠传输。本发明在降低丢包率的同时使用最少的重传次数达到可靠传输的目的，同时有效提高信息时效性。

在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的步骤、方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种步骤、方法所固有的要素。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。