一种认知物联网中基于状态预测的状态更新方法与流程

1.本发明涉及无线通信状态更新领域，特别涉及一种认知物联网中基于状态预测的状态更新方法。
技术背景
2.物联网时代的到来促进了新兴应用的发展，给人们的生产生活带来了极大的便利。一些物联网应用需要实时的状态更新，例如：车联网中路边单元需要获取车辆实时的位置信息以保证交通安全；在智能医疗中，人体内的传感器可以将病人实时的健康信息发送给医生，以便做出及时的治疗。传统的性能指标，如吞吐量、时延和可靠性等无法准确地刻画状态更新的性能。对此，本发明采用s.k.kaul等人提出的信息年龄(s.k.kaul,r.d.yates,and m.gruteser,“real-time status:how often should one update？”in proc.ieeeinfocom,2012,pp.2731
–
2735.)作为性能指标。然而，大部分的可用频谱资源已被分配完毕，物联网节点作为非授权用户，无法获得单独的频谱资源进行通信。对此，认知物联网技术被认为是提高频谱资源利用率，为非授权用户提供频谱资源的一项有效手段。对此，本发明旨在认知物联网中设计一种新颖有效的状态更新方法。
3.然而，由于无线传输的时延，数据包到达接收端时便存在一定的信息年龄，次用户接收端无法获得被监测目标最新的状态信息。为了改善状态更新的性能，现有很多文献从降低时延的角度出发来提高接收端获取的状态信息的新鲜度，如：在发送端采用后来先服务的方式来降低最新的状态数据包的排队时延，采用免授权接入的方式来降低数据包的接入时延等。然而，随着新兴应用的不断发展，人们对于状态更新及时性的要求不断提高，特别是在车联网等关乎人身安全的应用中。如何在不改变网络架构的前提下，进一步提高状态更新的性能，成为促进新兴应用实用化发展的关键问题。状态预测技术使得节点预测并发送目标未来某一时刻的状态信息，从而使得该状态信息的实际时延大大降低，已成为支撑高可靠低时延通信的一项关键技术。
4.目前，已有少量文献研究了状态估计技术在状态更新场景中的应用。文献(m.klgel,m.h.mamduhi,s.hirche,etal.,“aoi-penalty minimization for networked control systems with packet loss,”in proc ieee infocom,2019,pp.189
–
196.)提出了状态更新系统的状态估计问题，目的端可以根据接收到的状态包估计目标端的当前状态，并提出了最小年龄惩罚函数的阈值策略。文献(l.lyu.y.dai,n.cheng,etal.,“aoi-aware co-design of cooperative transmission and state estimation for marine iot systems,”ieee internet thingsj.,vol.8,no.10,pp.7889-7901,may,2021.)探讨了状态估计的均方误差，提出了一种最小化均方误差的协同传输方案。然而，现有文献均是研究接收端具有状态估计技术时，系统的状态更新性能。值得注意的是，当接收端进行状态估计时，接收端根据发送端发来的已经过时的信息来估计目标当前的状态信息，现有文献将其称为“状态估计”，在本发明中，发送端根据目标当前的状态信息预测目标未来某一时刻的状态信息，由于发送端预测的目标状态还未发生，本发明将其称之为“状态预测”。然而，
现有文献中基于“状态估计”的传输结构使得接收端依靠收到的状态信息来估计目标当前的状态信息，接收端无法判断自身所估计的状态信息是否准确。在状态更新系统中，接收端使用错误的状态信息会比得不到及时的状态更新后果更为严重。


技术实现要素：

5.本发明的目的在于提供一种认知物联网中基于状态预测的状态更新方法，该方法解决了上述接收端无法判断预测信息是否准确的问题，避免了接收端使用错误的预测信息给状态更新系统带来的负面影响。
6.本发明采取的技术方案是：该方案特征在于：
7.步骤1：信道监测：次用户发送端每次在发送数据包前先监听信道，当信道空闲，即主用户通信对不发送信息时，次用户发送端才可以接入信道，并向次用户接收端发送状态更新数据包；
8.步骤2：状态预测及数据包发送：次用户发送端不断采样目标实时的状态信息，并根据当前的状态信息预测未来某一时刻目标的状态信息，并将该预测信息发送给次用户接收端，其中预测区间长度要小于次用户发送的状态更新数据包的长度；
9.步骤3：传输参数设置：次用户发送端在平均传输功率及主用户受碰撞程度约束下，调整优化自身发送功率和预测区间长度，提高状态更新的性能；
10.步骤4：预测信息比较：次用户发送端在发送状态更新数据包的过程中，当时间到达预测点位置时，次用户发送端将预测信息与目标在预测点的实际信息进行比较，若预测准确，则次用户发送端继续发送该数据包，否则，次用户发送端立刻停止发送该数据包，并重新开始新一轮的状态预测和数据包发送；
11.步骤5：状态更新：次用户接收端解码次用户发送端发来的状态更新数据包，当次用户发送端成功预测状态信息且次用户接收端成功解码数据包时，次用户接收端根据该新到达的数据包更新目标的状态信息；
12.与现有状态更新方法相比，本发明具有如下优点及显著效果：
13.本发明提供了一种认知物联网中基于状态预测的状态更新方法，将状态预测技术应用于发送端，实现了在不改变网络架构的前提下改善状态更新的性能。在发送端，当信道空闲时，次用户发送端预测并向次用户接收端发送目标状态信息，当时间到达预测点时，发送端将预测信息与目标实际信息进行比较，若发现预测失败，则中止当前的发送过程，并进行新一轮的状态预测和数据包发送；接收端可以根据收到的数据包的长度来判断状态预测是否发生失败，若发端预测成功，接收端才选择解码数据包并更新自身状态信息。
14.本发明提供了一种认知物联网中基于状态预测的状态更新方法，该方法利用状态预测技术降低了状态信息的传输时延，提高了状态更新的性能；发送端预测目标未来某一时刻的状态信息，并将其发送给接收端，由于预测可能会发生失败，当时间到达预测点时，发送端比较预测信息与目标实际的状态信息，若发现预测失败，立刻进行下一个预测数据包的发送，从而提高了状态更新的效率，同时发送端调整自身发送功率和预测区间长度来提高状态更新性能；由于预测失败的数据包长度较短，接收端可以根据数据包长度来判断预测是否准确，从而避免了接收端使用错误的预测信息给状态更新系统带来的负面影响。
15.本发明将预测技术应用于发送端，极大改善了状态更新的性能，且不需要改变现
有的网络架构。在本发明中，当时间到达预测点时，发送端可以比较预测信息与目标实际的状态信息，若发现预测失败，则立刻中止当前数据包的发送，从而提高了状态更新的效率。另外，接收端根据接收到的数据包长度判断预测是否失败，从而避免了接收端使用错误的预测信息对系统带来的负面影响。
附图说明
16.图1是本发明的系统模型图。
17.图2是本发明数据包传输过程及信息年龄变化示意图。
18.图3是本发明的平均峰值信息年龄随着预测区间长度变化的示意图。
19.图4是本发明的平均峰值信息年龄随着次用户发送端传输功率变化的示意图。
20.图5是本发明与传统无预测状态更新方法的性能比较示意图。
具体实施方式
21.以下结合说明书附图对本发明的技术方案作进一步的详细说明。
22.如图1所示，本发明的系统存在一个主用户通信对，一个次用户通信对，所有节点均配备单天线。当感知到主用户不发送信息的时候，次用户发送端选择接入信道。由于次用户在发送的过程中不会感知信道且主用户可以随时接入信道，当次用户在发送的过程中主用户接入信道，次用户和主用户发生数据包碰撞，接收端无法解码数据包中的信息。当次用户发送端检测到信道空闲时，次用户发送端根据目标当前状态信息预测未来状态信息。次用户发送端在满足平均传输功率和与主用户的碰撞概率的约束下，调整优化自身的发送功率和预测区间长度。之后，次用户发送端将预测的状态信息发送给接收端。当时间到达预测点时，发送端将预测信息与目标实际状态信息进行比较，若预测失败，则立刻停止发送当前数据包并进行新一轮数据包的发送，否则将该数据包发送完毕。接收端根据接收到的数据包长度判断预测是否失败，若发端预测成功，接收端则解码数据包并更新自身关于目标的状态信息。
23.本发明具体的传输方法实现过程如下：
24.步骤1：信道监测
25.次用户发送端每次在发送数据包前先监听信道，当信道空闲，即主用户通信对不发送信息时，次用户发送端才可以接入信道，并向次用户接收端发送状态更新数据包。主用户发送端可以在任意时刻接入信道，其空闲时间和发送数据包的时间分别服从系数为α和β的指数分布，由于主用户对频谱的占用较为稀疏，即β＞α，次用户可以利用空白频谱资源发送数据包。另外，当β趋于无穷大，α趋于0时，主用户可以看做一直不发送数据包，即信道一直空闲，而主用户的活跃概率对本发明的设计没有影响，因此本发明同样适用于非认知网络，即独占信道的用户进行状态更新的场景；
26.步骤2：状态预测及数据包发送
27.步骤2.1:预测失败概率：在时刻i，次用户发送端采样目标实时的状态信息则n
p
个信道使用后目标的状态可表示为
[0028][0029]
其中为状态转移矩阵，为目标状态转移的噪声，w中的元素为服从均值是0、方差是σ1,...,σ
l
的随机变量，l为次用户发送端监测目标的状态数，为实数集。
[0030]
为了表示未来一个时刻被监测目标的状态，引入了n
p
这个量，表示以第i个信道使用为起始点，未来第n
p
个信道使用时目标的状态，这里的信道使用是一个时频资源块，当带宽固定时，也可以理解为时隙。m没有任何含义，这个公式中，m从1取到n
p
，代表等式右边加号后面一共有n
p
个项。
[0031]
则用户估计的目标状态为
[0032][0033]
因此，状态估计的误差为
[0034][0035]
第l个状态的估计误差为
[0036][0037]
由于ε
l
(n
p
)是若干个均值为0的高斯变量的和，ε
l
(n
p
)同样是个均值为0的高斯变量，其方差为
[0038][0039]
状态更新系统对预测误差具有一定的容忍度，比如在车联网中，传感器预测的车辆位置偏差小于一定的阈值便可认为预测是准确的，不会对实际的道路交通产生影响。假设第l个状态的预测误差容忍度为δ
l
，则预测失败概率可以表示为
[0040][0041]
其中，ψ()为标准正态分布的累积分布函数。
[0042]
只有当l个状态都被预测准确，次用户发端才会将完整的数据包发送给接收端。因此，总的预测失败概率为
[0043][0044]
步骤2.2：解码失败概率：当预测失败不发生时，节点才将完整的数据包发送给接收端，接收端对数据包进行解码，由于次用户发送端为传感器，其发送的信息量较少，数据包长度较短，本发明用短包通信理论刻画接收端的解码性能，接收端解码数据包的误包率可以表示为
[0045][0046]
其中为次用户接收端的信噪比，p为次用户发送端的发送功率，χ0为阴影衰落系数，h为小尺度瑞利衰落系数，d为次用户收发端的距离，为路径衰落因子，σ2为噪声功率，nd为次用户发送端发送的编码数据包的长度，d为目标状态信息信息量的大小。
[0047]
因此，平均误包率可以表示为
[0048][0049]
步骤2.3：状态更新过程：
[0050]
在该基于预测的状态更新系统中，在时刻t，信息年龄δ(t)可以表示为
[0051]
δ(t)＝t-u(t)
ꢀꢀꢀ
(10)
[0052]
其中u(t)为接收端收到的最新状态数据包中所含状态信息对应的时刻，则平均峰值信息年龄为
[0053][0054]
其中tk为接收端成功解码第k个状态更新数据包的时刻，可以计算得到平均峰值信息年龄为
[0055][0056]
步骤3：传输参数设置：次用户发送端在平均传输功率及主用户受碰撞程度约束下，调整优化自身发送功率和预测区间长度，以降低系统的平均峰值信息年龄，优化问题可以表示为
[0057]
[0058][0059][0060]
0≤n
p
≤nd(13d)
[0061][0062]
其中φ为次用户发端的传输功率，为传输功率约束，θ为主用户通信被次用户碰撞的比例，为碰撞约束，为自然数集合，(13d)保证预测区间长度小于数据包长度，(13e)表示预测区间长度只能取整数。
[0063]
次用户发送端的平均传输功率为
[0064][0065]
由误包率表达式(8)可知，误包率随着传输功率的增大而减小，而误包率的减小会带来状态更新性能的提升，因此传输功率p应取在满足传输功率约束下的最大值。最佳的传输功率为
[0066][0067]
主用户被次用户碰撞的平均比例为
[0068][0069]
因此，最佳的预测区间长度应当满足
[0070][0071]
由于预测区间长度为自然数，可以通过一维搜索的方法快速得到最佳的预测区间长度值。
[0072]
发送功率和预测区间长度的具体求解实现可表示：
[0073][0074]
步骤4：预测信息比较
[0075]
次用户发送端在发送状态更新数据包的过程中，当时间到达预测点位置时，次用户发送端将预测信息与目标在预测点的实际信息进行比较，若预测准确，则次用户发送端继续发送该数据包，否则，次用户发送端立刻停止发送该数据包，并重新开始新一轮的状态预测和数据包发送。接收端根据接收到的数据包长度来判断预测失败是否发生，当数据包长度为n
p
时，说明预测失败，接收端丢弃该数据包，当数据包长度为nd时，说明预测成功，接收端解码该数据包；
[0076]
步骤5：状态更新
[0077]
次用户接收端解码次用户发送端发来的状态更新数据包，当次用户发送端成功预测状态信息且次用户接收端成功解码数据包时，次用户接收端根据该新到达的数据包更新目标的状态信息；
[0078]
实施例：
[0079]
仿真参数设置：次用户发端的发送功率为0.2w，次用户收发端之间的距离为200m，小尺度衰落因子阴影衰落χ0＝-50db，噪声的功率谱密度-174dbm/hz，主用户平均空闲和发送数据包的时间为2000channeluses和500channeluses，预测区间长度为50channeluses，数据包长度为150channeluses，状态信息的信息量为100nats。考虑一个窄带通信场景，次用户发送端检测目标的两个状态，两个状态之间存在一定的关联，如车联网中车辆的速度和位置，系统带宽为b＝180khz，状态转移矩阵为状态转移噪声
为w＝[0；0.01]，系统对两个状态估计误差的容忍度为0.05，其中蒙特卡洛仿真次数均为106次。
[0080]
图3为本发明的平均峰值信息年龄随着预测区间长度变化的示意图。从图中可以发现，仿真点和理论曲线拟合较好，证明了理论分析的正确性。随着预测区间的增大，平均峰值信息年龄先减小后增大。这是因为预测区间的增加使得到达接收端的数据包更新鲜，导致平均峰值信息年龄的下降。然而，预测错误概率随着预测区间的增大而增大，这对状态更新产生了负面影响。因此，存在最佳的预测区间长度使得系统状态更新性能最好。
[0081]
图4为本发明的平均峰值信息年龄随着次用户发送端传输功率变化的示意图。从图中可以发现，平均峰值信息年龄随着传输功率的增大而减小，这是因为传输功率的增大使得接收端解码失败的概率减小，提高了状态更新的效率。因此，传输功率越大，系统的状态更新性能越好。因此，次用户发送端需要在满足平均传输功率的约束下，选择最大的传输功率。
[0082]
图5是本发明与传统无预测状态更新方法的性能比较示意图。从图中可以看出，所提出的基于预测的状态更新方案优于传统不进行预测的方案，说明了预测技术对状态更新的积极作用。同时，随着系统对预测误差容忍度的增大，预测机制获得的性能增益也随之增大。这是因为预测失败概率随着容忍度的增大而减小，此时次用户发送端可以在不严重恶化预测性能的情况下选择较长的预测区间，从而显著提高状态更新性能。
[0083]
本发明创新性地将预测技术引入到状态更新系统中，发送端根据被监测目标当前的状态信息，预测未来某一时刻的状态信息，并将预测的状态信息发送给接收端，使得状态信息的传输时延降低，从而使得到达接收端的数据包的信息新鲜度大大提升。更为重要的是，由于发送端可以获取目标的实时状态信息，当发送端发现预测信息不准确时，可以中止当前发送过程，从而避免了接收端使用错误的预测信息给系统带来的负面影响。这种状态更新方法可广泛应用于认知网络中点对点的状态更新场景，但不局限以上列举的范围。
[0084]
上述实施例的描述较为具体和详细，但仅仅表达了本发明的一种可行的实施方式，并非对本发明专利范围的限制。需要指出的是，本领域的科研人员和工程人员，在本发明的框架下，可以在本实施例的基础上加入若干变形或改进，但这些都在本发明专利的保护范围之内，本发明专利的保护范围以所附权利要求为准。