基于数据流预测的低功耗RRC协议优化控制方法技术

一种无线通信技术领域的基于数据流预测的低功耗RRC协议优化控制方法，利用自回归滑动平均模型(ARMA)捕捉3G数据流中数据块块间间隔时间（Inter-Block?Time,IBT）序列并得出IBT序列的时间相关性，然后通过对时间相关性进行基于移动终端的能耗转换的去尾处理以及预测误差修正处理，最终实现降低功耗的RRC协议优化机制。本发明专利技术能够在保证用户体验度的前提下，显著的较少移动终端的能量消耗。本发明专利技术通过时间序列分析模型捕捉3G数据流中的时间相关性，并建立预测模型。利用未来数据流的预测值，动态地调整RRC状态机的转换策略，从而减少额外能量的消耗，同时在用户体验度和能源效率之间做出了较好的权衡。

【技术实现步骤摘要】

本专利技术涉及的是一种无线通信
的方法，具体是一种3G无线通信网络环境下基于数据流预测的低功耗无线资源控制协议(RRC)优化方法。
技术介绍
3G移动通信技术凭借着其高带宽、低时延等特性，在全世界范围内得到了广泛的应用。它的出现，使得更多的互联网应用(如流媒体播放、视频会议等)能够流畅地运行在各种移动终端上，极大地丰富了用户的体验。与此同时，移动终端上的电池技术却成为了瓶颈，终端能耗问题正吸引着越来越多的研究工作随之展开。在3G网络中，无线资源控制(RRC)协议负责3G网络中的移动终端(UE)和基站(BS)之间数据链路的建立和释放。RRC协议在每一个终端设备上维护着一个状态机，该状态机负责管理物理链路的状态。通常来说，有三个主要状态=IDLE (UE空闲状态)、FACH (UE低速率传输状态)和DCH (UE高速率传输状态)，其中IDLE状态表示如果一段时间内没有数据传输，则3G接口转入IDLE状态。该状态下，终端和基站之间没有数据链路，不能够传输数据，并且基本上不消耗终端能量；DCH状态表示如果有数据需要收发，则3G接口转入DCH状态，一条专用的数据链路被分配给终端以供高速率的数据传输，该状态下，能耗最高，大约有800mW功率；FACH状态表示当3G接口在DCH状态完成一组数据传输，其便转入FACH状态。该状态下，一条共享的数据链路被分配给终端，仅支持低速率的数据传输。此时功率约为400mW。 RRC各状态之间有两种转换类型分别是UE由低能耗状态向高能耗状态转换(Promotion)和UE由高能耗状态向低能耗状态转换(Demotion),其中Promotion表示3G接口从低能耗状态转入高能耗状态，如从IDLE到DCH，或从FACH到DCH。这种转换涉及到专用链路的请求和分配，会带来较大的时延！Demotion表示3G接口从高能耗状态转入低能耗状态，如从DCH到FACH，或者从FACH到IDLE。Demotion由两个计时控制器(Tl和T2)。当3G接口在DCH状态传输完一组数据后，Tl启动。如果一直到Tl结束都没有新的数据传输，则3G接口转入FACH状态，此时T2启动。同样，如果一直到T2结束都没有新的数据传输，则3G接口转入IDLE状态。Tl和T2合起来被称作尾时间。之所以在数据传输完成之后保留尾时间，是因为在尾时间内，3G接口实际上仍是处于数据传输状态的(DCH或FACH)。在这种状态下，3G接口能够更快地响应新的数据包的到来。一方面，较长的尾时间可以减少Promotion所带来的时延,提升用户体验度。另一方面，尾时间过长会导致3G接口长时间地处于较高能耗状态，从而浪费终端电量。因此尾巴时间的选择，需要在用户体验度和能源效率之间进行权衡。一个好的选择策略应该能够适应不同应用场景下不同的数据传输需求。针对3G网络中尾效应能耗问题，现有的解决方案可以归为以下两类基于应用层的解决方案不同的应用有着不一样的数据流，如在流媒体应用中，数据包连续不断地到达，且对时延的要求很好。而在电子邮件应用中，数据包的收发时刻相对比较灵活，而且多以突发形式传输。可将时间不敏感应用(如电子邮件、RSS订阅等)的数据包捆绑并选择合适时机发送，以减少形成尾巴的数目，从而降低能耗。这种解决方案缺点在于不适用诸如流媒体播放、网页浏览等实时性要求较高的应用。基于链路层的解决方案一些工作根据网络负载和传输需求动态地调整尾时间，但这会导致RRC状态机状态转换次数的增加，而一般而言，从低能耗状态转移到高能耗状态会带来能够被用户感知的时延，因此，这类方法会明显降低用户体验度。现有的方案均没有较深入地分析和利用3G网络数据流的特点，在用户体验度和能源效率的权衡上无法满足现有需求。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出一种基于数据流预测的低功耗RRC协议优化控制方法，利用3G数据流的时间相关性对其进行预测，并根据预测值调整RRC状态机的状态转换策略，进而减少尾效应所带来的能量消耗；同时本专利技术在减少能耗的同时，并未对用户体验度产生较大影响。本专利技术是通过以下技术方案实现的，本专利技术利用自回归滑动平均模型(ARMA)捕捉3G数据流中数据块块间间隔时间(Inter-Block Time, IBT)序列并得出IBT序列的时间相关性，然后通过对时间相关性进行基于移动终端的能耗转换的去尾处理以及预测误差修正处理，最终实现降低功耗的RRC协议优化机制。所述的IBT序列为Iti, i = l.. η-l}，其中Ai表示第i个数据块和第i+Ι个数据块之间的时间间隔，i为自然常数。所述的IBT序列的时间相关性通过以下方式获得收集移动终端上收发的数据包，并抽象成数据块序列 ，然后从中提取出块间间隔IBT序列；再利用ARMA模型捕捉IBT序列中的时间相关性建立用于对未来IBT的值进行预测的预测模型。由于不同的应用场景(如即时通讯、流媒体播放、网页浏览等等)IBT序列分布不一，且生成最优的ARMA模型所需要的训练数据量也不一样，本专利技术所述的ARMA预测模型针对不同的应用场景进行不同的对应训练。所述的数据块是指一串连续收发的数据包序列，相邻数据包之间的间隔不超过500晕秒。所述的自回归滑动平均模型通过以下步骤得到1.1)采集终端收发的数据包，记录下包头信息，并通过深度包分析技术将数据包按照应用场景进行分类；1. 2)对每种应用场景下的数据包序列进行预处理，将数据包序列转换成数据块序列，间隔小于500毫秒的相邻数据包会被认为属于同一个数据块。得到数据块序列后，从中提取块间间隔时间(IBT)，形成IBT序列Iti, i = l.. η-l}；1. 3)采用自回归滑动平均(ARMA)模型对IBT序列进行建模，设模型为 tI = φ 0+ Φ It1-1+ Φ 2 -2+· · · + φ pt1-p- ε 厂 θ I ε θ 2 ε 卜2-· · · - θ q ε ^q,其中Φο, Φ !,.··, ΦΡ, Q1,-.., 为待定系数，ei，...，为误差分量，模型的训练过程穷举参数P和q的取值空间，对每一组取值，拟合出待定系数Φο，Φ i，...，ΦΡ，θι,..·, ，并计算在该系数下的拟合残差的方差σ 2，再计算AIC = nlog σ 2+ (p+q+1) Iogn的值，最终选取使最小信息准则(AIC)值最大的一组P和q作为ARMA模型参数。1.4)采用自回归滑动平均模型对预测误差序列进行建模预测误差序列为{￡^ =I1-1iJ = X-Jl-X) j表示\的预测值，e,表示第i个IBT值的预测误差，ej = Φ 0+ Φ Ph+ Φ 26卜2+· · · + Φ jA—p- ε 厂 θ ι ε 卜「θ 2 ε i2-. · · - Θ q ε j_q,其中Φ。，Φ1; . . .，Φρ, θ P . . .，Θ q为待定系数，ε^...，SiI为误差分量。自回归阶数P和滑动平均阶数q同样可根据最小信息准则测试确定。所述的去尾处理是指为了减少能耗并在后续数据传输发生时用户体验不到任何提升时延，若后续IBT预测值大于提升时延，则在数据传输完成之后，立即将3G接口从DCH状态切换至IDLE状态；同时根据后续数据块到达时间的估计值，提前将3G接本文档来自技高网...

【技术保护点】
一种基于数据流预测的低功耗RRC协议优化控制方法，其特征在于，利用自回归滑动平均模型捕捉3G数据流中IBT序列并得出IBT序列的时间相关性，然后通过对时间相关性进行基于移动终端的能耗转换的去尾处理以及预测误差修正处理，最终实现降低功耗的RRC协议优化机制。

【技术特征摘要】
1.一种基于数据流预测的低功耗RRC协议优化控制方法，其特征在于，利用自回归滑动平均模型捕捉3G数据流中IBT序列并得出IBT序列的时间相关性，然后通过对时间相关性进行基于移动终端的能耗转换的去尾处理以及预测误差修正处理，最终实现降低功耗的RRC协议优化机制。2.根据权利要求1所述的方法，其特征是，所述的IBT序列的时间相关性通过以下方式获得收集移动终端上收发的数据包,并抽象成数据块序列,然后从中提取出块间间隔IBT序列；再利用自回归滑动平均模型捕捉IBT序列中的时间相关性建立用于对未来IBT的值进行预测的预测模型； 所述的ARMA预测模型针对不同的应用场景进行不同的对应训练； 所述的应用场景包括即时通讯、流媒体播放、网页浏览。3.根据权利要求1或2所述的方法，其特征是，所述的自回归滑动平均模型通过以下步骤得到 1.1)采集终端收发的数据包，记录下包头信息，并通过深度包分析技术将数据包按照应用场景进行分类；1.2)对每种应用场景下的数据包序列进行预处理，将数据包序列转换成数据块序列，间隔小于500毫秒的相邻数据包会被认为属于同一个数据块，得到数据块序列后，从中提取块间间隔时间，形成IBT序列Iti, i = l.. n-Ι}； 1.3)采用自回归滑动平均模型对IBT序列进行建模，设模型为、=φ^φ^+φ^-2+· · · + Φ Pt1-P- ε「Θ 丄 ε H— θ 2 ε 卜2' · · - θ q ε ^q,其中φ 0, φ ” · · ·，φ ρ, Q1,..., θ q 为待定系数，Si,..., ei_q为误差分量，模型的训练过程穷举参数p和q的取值空间，对每一组取值，拟合出待定系数Φο，Φρ...，ΦΡ，Q1,..., ，并计算在该系数下的拟合残差的方差σ 2，再计算AIC = nlog ο 2+(p+q+l) Iogn的值,最终选取使最小信息准则AIC值最大的一组P和q作为ARMA模型参数； 1.4)采用自回归滑动平均模型对预测误差序列进行建模预测误差序列为Iei=t1-t/ i, i =1. . η-1}, θ 表示第i个IBT值的预测误差，ei = Φ ο+ ^ ie1-1+ ^ 2e1-2+· · · + Φ ρβ -ρ- E1-O1E ^1- θ 2 ε j_2-. . . - Θ q ε j_q,其中Φ0, Φ1； . . . , Φρ, Q1,..., θ q为待定系数，ε ρ . . .，ε 为误差分量，自回归阶数P和滑动平均阶数q同样可根据最小信息准则测试确定。4.根据权利要求1所述的方法，其特征是，所述的去尾处理是指为...

【专利技术属性】
技术研发人员：薛广涛，余飞，朱弘恣，俞嘉地，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：