申请/专利权人：深圳市佳贤通信科技股份有限公司

申请日：2022-11-04

公开（公告）日：2024-03-08

公开（公告）号：CN115767623B

主分类号：H04W28/02

分类号：H04W28/02;H04W28/06;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2024.03.01#著录事项变更;2023.03.24#实质审查的生效;2023.03.07#公开

摘要：本发明涉及数据传输技术领域，具体涉及一种基于5G的抗延迟冗余数据传输方法，该方法获取5G链路的数据传输过程中的数据丢失量序列、数据重传率序列、数据压缩率序列和相对散热效率序列，以得到数据延迟程度；采集多次数据传输过程的数据延迟程度，对数据延迟程度划分可靠度等级；获取多次数据传输过程对应的数据延迟程度的预测可靠度等级，基于可靠度等级与对应预测可靠度等级获取每次数据传输过程的冗余比例；对冗余比例进行优化得到优化冗余比例，基于优化冗余比例训练冗余比例预测网络，利用训练好的冗余比例预测网络进行数据传输。本发明在得到完整传输数据的前提下，又不会由于添加过多冗余包造成数据传输过慢。

主权项：1.一种基于5G的抗延迟冗余数据传输方法，其特征在于，该方法包括以下步骤：在设定的5G链路的数据传输过程中，获取各个传输点的数据丢失量、数据重传率、数据压缩率和相邻两个传输点之间的相对散热效率，以相对应组成数据丢失量序列、数据重传率序列、数据压缩率序列以及相对散热效率序列；结合数据丢失量序列和数据重传率序列计算数据的所需冗余程度；结合数据压缩率序列和相对散热效率序列计算数据的接收稳定程度；将接收稳定程度的相反数输入以常数e为底数的指数函数中所得到的结果乘以所需冗余程度得到数据延迟程度；采集设定链路的连续K次数据传输过程对应的数据延迟程度，K为正整数，对数据延迟程度划分可靠度等级；然后训练LSTM预测网络，具体为：将每个数据传输过程中的数据丢失量序列、数据重传率序列、数据压缩率序列以及相对散热效率序列构成一个高维向量作为LSTM预测网络的输入，对应的数据延迟程度W作为LSTM预测网络的输出；基于训练好的LSTM预测网络得到每个数据传输过程对应的数据延迟程度的预测值，基于预测值得到对应的预测可靠度等级，基于可靠度等级与对应预测可靠度等级获取每次数据传输过程的冗余比例；对冗余比例进行优化得到优化冗余比例，将每个数据传输过程的数据丢失量序列、数据重传率序列、数据压缩率序列以及相对散热效率序列构成一个训练样本，利用训练样本和对应优化冗余比例训练冗余比例预测网络，利用训练好的冗余比例预测网络获取实时数据传输过程中的实时冗余比例，基于实时冗余比例进行数据传输；所述结合数据丢失量序列和数据重传率序列计算数据的所需冗余程度的方法，包括：计算数据丢失量序列对应的平均数据丢失量，将数据丢失量序列中的每个数据丢失量与平均数据丢失量之间的差值绝对值相加再求均值的结果作为平均偏差，将平均偏差输入以常数e为底数的指数函数中得到第一结果；计算数据重传率序列对应的平均数据重传率，将平均数据重传率代入反正切函数中得到第二结果；将第一结果、第二结果和常数之间的乘积作为所需冗余程度；所述结合数据压缩率序列和相对散热效率序列计算数据的接收稳定程度的方法，包括：计算相对散热效率序列中的当前相对散热效率与上一个相对散热效率之间的第一差值绝对值，将第一差值绝对值的相反数代入以常数e为底数的指数函数得到第一结果；获取当前相对散热效率对应的传输点在设定历史时段内的历史相对散热效率序列，得到最大历史相对散热效率和平均历史相对散热效率，计算最大历史相对散热效率和平均历史相对散热效率的差值，以第一结果为分子、差值与设定值的和为分母得到对应的比值作为当前相对散热效率的第一稳定值；计算数据压缩率序列中的当前数据压缩率与上一个数据压缩率之间的第二差值绝对值，将第二差值绝对值的相反数代入以常数e为底数的指数函数得到当前数据压缩率的第二稳定值；根据相对散热效率序列中每个相对散热效率的第一稳定值计算平均第一稳定值；获取数据压缩率序列中所有数据压缩率的第二稳定值之间的乘积，对乘积进行E次开方的结果与平均第一稳定值相加得到接收稳定程度，其中E为数据压缩率序列的长度。

全文数据：

权利要求：

百度查询： 深圳市佳贤通信科技股份有限公司 一种基于5G的抗延迟冗余数据传输方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD