异构无线IoT网络中基于学习的路由链路调度的制作方法

本发明总体涉及在无线通信网络中路由数据，并且具体涉及异构无线通信网络中的路由调度。

背景技术：

1、随着5g及以后通信技术的出现，消费者iot装置正在从当代演进到下一代。当代iot装置配备有较少资源并且执行简单功能。另一方面，下一代iot装置安装有更多资源并且可以执行更多功能。以智能仪表为例，当代仪表支持一个通信接口（诸如wi-fi（ieee802.11）或wi-sun（ieee 802.15.4））并且仅收集计量数据。另一方面，下一代仪表可以支持多个通信接口（诸如wi-fi/wi-sun和5g二者）、收集计量数据和感测电源信息，这对于智能电网维护是关键的并且必须可靠地递送到数据中心。然而，在迁移阶段期间完全移除部署的当代装置是不切实际的。因此，下一代iot网络将由混合的当代装置和下一代装置组成。关于下一代iot网络，客户期望更大。因此，需要针对下一代iot网络开发新的网络技术以满足消费者的期望。

2、iot网络通常是多跳的。因此，路由是不可避免的。路由由路线发现和路线调度组成。路线发现和路线调度二者是高度复杂的问题。路线发现可能是np完全的，例如，作为无线干扰的结果，将多跳无线网络中的吞吐量最大化被证明是np难的。还已证明集中式路线调度问题和分布式路线调度问题二者在2d网状拓扑中是np完全的。

3、已经很好地研究了路线发现。存在公知的路线发现协议，包括dijkstra最短路径算法、动态源路由（dsr）、自组织按需距离向量（aodv）和ipv6低功率和有损网络路由协议（rpl）。

4、路线调度比路线发现更复杂，尤其是在基于载波感测多址（csma）的多跳无线iot网络中，其中，无线干扰提出了极大的挑战。路线发现可以不考虑无线干扰。然而，路线调度必须考虑无线干扰。与路线发现相比，路线调度的研究较少。无线网络中的路线调度是调度用于数据传输的信道接入，以避免相互传输干扰和信道接入延迟，从而提高网络效率。

5、除了无线干扰之外，新兴的异构iot网络增加了路由问题的额外复杂度。针对下一代iot网络技术发展，必须考虑诸如装置异构性、数据异构性和通信能力异构性的异构性，这是因为更有能力的装置可以起到提高网络性能的重要作用，例如，具有多个通信接口的装置可以显著提高iot网络性能。然而，大多数现有路由技术是针对当代同构网络而设计的，而不考虑网络异构性。

6、因此，期望提供新的路由技术以在异构无线iot网络中高效地递送数据。

7、为此，本发明提出了一种用于异构无线iot网络的基于机器学习的路由链路调度方案。路由链路调度问题被制定为优化问题，该优化问题然后被参数化以用于机器学习算法，并且使用具有零对偶间隙的原始-对偶方法来求解参数化问题。

技术实现思路

1、本发明的一些实施方式基于以下认识：消费者无线装置正在从当代演进到下一代，其中，当代装置支持单个通信接口并且执行简单功能，因此称为单链路节点，其中，下一代装置可以支持多个通信接口并且执行更多功能，因此称为多链路节点。

2、本发明的一些实施方式基于以下认识：在消费者装置迁移阶段期间，由于成本考虑和服务继续，用下一代装置完全替换部署的当代装置是不切实际的。因此，下一代无线网络将由混合的当代节点和下一代节点组成。

3、为此，本发明的各种实施方式的一个目的是使用数据中心、混合的当代数据节点和下一代数据节点来形成下一代无线iot网络，其中，数据中心被认为是多链路节点。

4、本发明的一些实施方式基于以下认识：无线iot网络通常是多跳网络，其中，至少一个数据节点不能直接与任何数据中心进行通信，并且通信需要由其它数据节点中继。因此，路由是不可避免的。

5、本发明的一些实施方式基于以下认识：路由由路线发现和路线调度组成，其中，路线调度比路线发现更复杂，特别是在基于载波感测多址（csma）的无线网络中，其中，由于干扰路由链路不能同时进行发送，因此无线干扰提出了极大的挑战。

6、为此，本发明的一些实施方式提供了一种用于确定共享介质无线通信网络中的路由链路的无线干扰以避免同时调度干扰路由链路的方法。

7、本发明的一些实施方式基于以下认识：多跳无线网络中的路线调度可以被分成两类：整个路线调度和路由链路调度，其中，在整个路线调度中，非干扰路线可以被调度为同时进行发送，其中，在路由链路调度中，非干扰路由链路可以被调度为同时进行发送。然而，因为不同路线上或同一路线上的多个链路可以被调度为同时进行发送，所以整个路线调度不如路由链路调度高效。

8、因此，本发明的各种实施方式提供了用于下一代异构无线网络的路由链路调度技术，其中，单链路节点之间的称为低速链路的路由链路可能彼此干扰，并且多链路节点之间的称为高速链路的路由链路不会彼此干扰。

9、本发明的一些实施方式基于以下认识：无线网络中的路线调度是频谱资源分配问题，并且旨在调度用于数据传输的信道接入，以避免相互传输干扰和信道接入延迟，从而提高网络效率。

10、为此，本发明的各种实施方式将异构多跳无线iot网络中的路由链路调度问题制定为优化问题，以使经受以下项的网络吞吐量最大化：（1）使得单链路节点之间的被调度路由链路彼此不干扰的干扰约束，（2）使得针对路由链路调度的数据量不超过链路容量的链路容量约束，（3）使得路由链路被调度或不被调度的调度决策约束，以及（4）使得仅在链路的起始节点具有要发送的数据的情况下才调度路由链路的数据可用性约束。

11、本发明的一些实施方式基于以下认识：最优链路调度涉及求解已知为np难的最大加权独立集合问题。没有高效的全局最优算法可用于装置到装置网络中的路由链路调度，尤其是针对具有大量彼此干扰的链路的密集部署的网络。

12、为此，本发明的一些实施方式提供了用于异构多跳无线iot网络中的数据传输的基于机器学习的路由链路调度技术，其中，在复杂网络环境（诸如异构无线iot网络）中，基于机器学习的路由方法可以优于传统路由方法。

13、因此，本发明的各种实施方式将被制定路由链路优化问题中的调度策略参数化，以应用机器学习技术，其中，使用原始-对偶方法来求解参数化优化问题，其中，被制定原始-对偶问题被证明具有零对偶间隙。

14、为此，提供了异构图神经网络（hetgnn）算法来训练原始-对偶问题。

15、根据本发明的一些实施方式，提供了用于针对异构无线网络执行路由链路调度的数据中心，异构无线网络包括单链路数据节点、多链路数据节点以及至少另一数据中心，数据中心包括：至少一个收发器，所述至少一个收发器被配置为与单链路数据节点、多链路数据节点执行数据通信；处理器；以及存储器，该存储器包括存储在其上的指令，指令在处理器上执行时执行以下步骤：提供总数据节点集合，该总数据节点集合包括单链路数据节点集合和多链路数据节点集合、异构无线网络的网络拓扑以及从总节点集合到至少一个数据中心的路线集合，其中，网络拓扑指示数据中心的数量以及数据节点和数据中心的位置；制定路由链路调度问题，以将路由链路调度策略确定为服从约束集合的组合优化问题；通过与参数集合相关联的映射函数来将路由链路调度策略参数化，以将组合优化问题转换为参数化优化问题；使用具有零对偶间隙的原始-对偶方法来求解参数化优化问题；以及基于无监督异构图神经网络（hetgnn）算法更新原始-对偶变量，其中，通过更新原始-对偶变量来训练节点特征和边特征的步骤继续，直到时间阈值；以及基于经更新的原始-对偶变量，分别针对单链路数据节点和多链路数据节点，在直到时间阈值的每一步处生成路由链路调度策略，其中，路由链路调度策略中的每个路由链路调度策略包括针对被调度路由链路的使得被调度路由链路不是干扰链路的数据传输时间。

16、此外，本发明的一些实施方式提供了用于异构无线网络的路由链路调度方法，该异构无线网络包括单链路数据节点、多链路数据节点和至少一个数据中心，所述至少一个数据中心具有至少一个收发器、与存储计算机程序的存储器相关联的处理器，其中，至少一个数据中心被配置为执行步骤。所述步骤可以包括：提供总数据节点集合，该总数据节点集合包括单链路数据节点集合和多链路数据节点集合、异构无线网络的网络拓扑以及从总节点集合到至少一个数据中心的路线集合，其中，网络拓扑指示数据中心的数量以及数据节点和数据中心的位置；制定路由链路调度问题，以将路由链路调度策略确定为服从约束集合的组合优化问题；通过与参数集合相关联的映射函数来将路由链路调度策略参数化，以将组合优化问题转换为参数化优化问题；使用具有零对偶间隙的原始-对偶方法来求解参数化优化问题；以及基于无监督异构图神经网络（hetgnn）算法更新原始-对偶变量，其中，通过更新原始-对偶变量来训练节点特征和边特征的步骤继续，直到时间阈值；以及基于经更新的原始-对偶变量，分别针对单链路数据节点和多链路数据节点，在直到时间阈值的每一步处生成路由链路调度策略，其中，路由链路调度策略中的每个路由链路调度策略包括针对被调度路由链路的使得被调度路由链路不是干扰链路的数据传输时间。

17、将参考附图进一步解释当前公开的实施方式。所示附图不一定按比例绘制，而是通常将重点放在例示当前公开的实施方式的原理上。