[发明专利]自组织网络的流量图谱生成方法

说明书

本发明公开了一种自组织网络的流量图谱生成方法，主要解决现有网络表征方式低层次与维度小的缺陷。其方案是：将每个节点对于整体网络拓扑的认知描述为一个元组，构建网络图谱架构；初始化仅有历史状态的流量图谱；构建由业务负载预测模块、移动速度预测模块、缓冲空间预测模块、剩余电量预测模块级联组成的网络特征预测框架，并对其前两个模块进行训练，得到训练后的网络特征预测框架；通过训练后的网络特征预测框架，使用仅有历史状态的流量图谱预测包含未来状态的流量图谱，并将其与仅有历史状态的流量图谱进行交集，获得完整的流量图谱。本发明多层次、多维度的刻画了自组织网络的状态信息与未来态势，可为服务质量支持的通信策略提供支撑。

技术领域

本发明属于移动通信技术领域，具体地涉及一种流量图谱生成方法，可用于自组织网络。

背景技术

自组织网络是一种由完全对等节点构成，无需任何固定基站设施的分布式自治网络，其中节点具有移动性的称为移动自组织网络。移动自组织网络所具有的自组织、无中心、自适应、快速部署等特点使其已广泛应用于具有特殊需求的领域，如军事、抢险救灾、科学考察等，这些场景下的业务种类涵盖话音、视频与数据，并对传输有不同的服务质量要求。由于移动自组织网络存在的带宽受限、信道共享、节点移动、负载不均衡、能量受限等不足，很难满足网络中业务的服务质量要求。满足服务质量要求需要节点在传输之前进行有效的资源分配，这需要节点能够对网络拓扑结构与节点状态多层次、多维度的刻画，以及能够对网络未来状态进行预测。

重庆邮电大学在其申请的专利文献“一种无人机自组织网络中的节点轨迹预测方法”(申请公布号：CN 112770256 A，申请号：202110013204.9)中公布了基于GRU的自组织网络中的节点轨迹预测方法，该方法将处理后的无人机飞行特征对门控循环单元网络进行训练，采用粒子群优化算法对所述门控循环单元网络中的权值参数进行调优，通过K近邻算法提取出更为合理的飞行特征，有效的降低路由重构次数，实现了网络对于节点当前移动状态的刻画与未来移动状态态势的预测。然而该算法仍然使用传统的路径方式表征网络，导致其无法刻画节点间联系，失去了发现隐藏的可选路由的机会。同时，该方法仅预测了自组织网络节点移动性一个因素，没有综合考虑其它影响传输的节点状态，在能量受限、负载不均衡的场景中发挥不佳。

上海大学在其申请的专利文献“一种混合网络模式下的车载自组织网络路由决策方法”(申请公布号：CN 112887936 A，申请号：202011500377.5)中公布了一种混合网络模式下的车载自组织网络路由决策方法。该方法包括：1)将交通道路结构抽象成有向图；2)获取车辆行驶数据，构建车辆节点移动行为模型；3)获取需要通信两个车辆；4)基于各节点的通信范围，选取候选节点，构建最终通信链路，若无法获取候选节点，则通过RSU构建最终通信链路，若无法获取RSU，则输出目的节点无法通信的结果。该算法提高了车载自组织网络的可靠性、低时延性和高效性。然而该方法将网络表征为图的方式仅适用于道路环境，无法泛化至一般自组织网络。同时，该方法也仅表征了节点的移动性这一个因素来进行决策，无法处理自组织网络节点负载不均衡的问题。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种自组织网络的流量图谱生成方法，以通过流量图谱使用图结构刻画网络整体的拓扑结构以及节点的业务、移动、缓冲空间与能量特征，并通过小波神经网络得到这些特征的未来态势，预测出组织通信网络的状态表征与未来状态态势，保证自组织网络的服务质量。

为实现上述技术目的，本发明的技术方案是这样实现的：

一.技术原理：

流量图谱是一种多层次、多维度的数据结构。在空间维度上，流量图谱描述低层次的网络拓扑结构与链路状态与高层次的节点状态信息；在时间维度上，流量图谱刻画了节点的过去状态与图谱对其未来态势的预测。多层次、多维度的设计确保网络流量图谱掌握较为完整的网络状态信息。