本技术方案专注于无线通信领域,提出了一种基于综合优先级评分(CPS)和实时网络状态信息的SPMA协议退避参数动态调整方法。该方法首先对每个节点进行综合优先级评分,然后根据评分和网络状态动态调整退避策略,以优化无线通信效率。
背景技术
基于统计优先级多址接入(Statistical Priority-based Multiple Access,SPMA)协议是一种优化的多址接入技术,旨在无线自组织网络中有效区分不同优先级的业务流,以实现更高效的数据包传输。该协议主要通过信道状态检测、多优先级传输判决、流量控制等机制组成,针对不同等级的数据包实行区分化服务。通过设置不同阈值和优先级,SPMA协议能够在网络负荷高时,优先传输高优先级业务,同时抑制低优先级业务的发送,从而保证关键业务的传输性能。
SPMA协议通过设置不同的退避时间,意在提升高优先级数据包的传输效率并保证其优先性。协议设计中,低优先级数据包受限的传输率和较长的退避时间是有意为之,以减少对高优先级数据包传输的干扰。然而,这种设计在一些情况下可能导致整体网络效率问题,比如信道利用率低下和低优先级数据包的吞吐量显著降低。因此需要考虑如何在保证高优先级数据包传输的优先和效率的同时,也合理地利用信道资源,减少冲突,提高整体网络的性能和效率,平衡高低优先级数据包的需求。
针对上述问题,本项发明研究结合综合优先级评分和当前网络状态调整SPMA协议退避参数的方法。通过该系统设计,不仅能够计算每个待发送数据包的综合优先级评分并据此排序来确定传输队列中的优先级,还能利用深度学习技术动态调整退避参数优化网络性能。可以有效控制低优先级数据包的接入量,保持系统负载的稳定性,同时最大程度地提高整体信道利用率,确保高优先级数据包的传输效率,在维护网络性能的同时兼顾不同优先级数据的公平性。
实现思路