拥塞检测方法、装置、计算机设备和存储介质与流程

1.本技术涉及物联网技术领域，具体涉及一种拥塞检测方法、装置、计算机设备和存储介质。


背景技术：

2.目前工业物联网(industrial iot，iiot)被认为是满足生产自动化效率要求的有力候选技术。在目前的工业物联网中iiot设备会将处理任务发送至集中式云服务器(central cloud server,ccs)和附近的边缘服务器(edge server，es)进行处理，可缩短任务的响应时间。
3.由于工业物联网在运行过程中会产生海量数据，任一节点链路因为突发数据量过多或者数据负载过载引起拥塞，可能会导致整个网络的崩溃。目前并没有特别有效的拥塞检测方法。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种可高效进行拥塞检测的拥塞检测方法、装置、计算机设备和存储介质
5.申请提供了一种拥塞检测方法，该方法包括：
6.获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路；
7.根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；
8.根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
9.在其中一个实施例中，节点链路的信号数据包括节点链路的状态信息数据、探测信道条件数据和探测噪声数据。
10.在其中一个实施例中，节点链路的状态信息数据包括瞬时队列尺寸数据、平均队列尺寸数据、平均发送速率数据、到达速率数据、链路使用率数据和缓存占用率数据中的至少一种。
11.在其中一个实施例中，对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据，包括：
12.根据每一节点链路的状态信息数据和探测信道条件数据，确定每一节点链路的状态增益数据；
13.根据状态增益数据、探测噪声数据和高斯随机测量矩阵，确定每一节点链路的压缩数据。
14.在其中一个实施例中，根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值，包括：
15.根据各节点链路的压缩数据，确定物联网的压缩测量矩阵；
16.根据物联网的节点链路数量和压缩测量矩阵，确定物联网的目标协方差矩阵；
17.根据物联网的目标协方差矩阵，确定各节点链路的自相关状态值。
18.在其中一个实施例中，根据节点链路数量和物联网的压缩测量矩阵，确定物联网的目标协方差矩阵，包括：
19.对物联网的压缩测量矩阵进行转置处理，得到压缩测量矩阵的转置矩阵；
20.根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵。
21.在其中一个实施例中，根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵，包括：
22.根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的初始协方差矩阵；
23.对初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵。
24.在其中一个实施例中，根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测，包括：
25.针对每一节点链路，若该节点链路的自相关状态值大于该节点链路的状态阈值，则确定该节点链路存在拥塞。
26.在其中一个实施例中，该方法，还包括：
27.根据每一节点链路的预设虚警率和节点链路的探测噪声数据的方差，确定每一节点链路的状态阈值。
28.第二方面，本技术还提供了一种拥塞检测装置，该装置包括：
29.获取模块，用于获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路；
30.第一确定模块，用于根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；
31.检测模块，用于根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
32.第三方面，本技术还提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
33.获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路；
34.根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；
35.根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
36.第四方面，本技术还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
37.获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处
理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路；
38.根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；
39.根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
40.第五方面，本技术还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
41.获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路；
42.根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；
43.根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
44.上述拥塞检测方法、装置、计算机设备和存储介质，本技术在进行拥塞检测时考虑了各节点链路的拥塞状态的稀疏性，在获取物联网中各节点链路的信号数据后，对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据，其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路，根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值，根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测，基于本技术的方法可高效完成各节点链路的拥塞检测，不仅检测准确度高，而且大幅提高了物联网拥塞检测响应速度，采用本技术的方法还便于分配各节点链路的传输任务，改善节点链路拥塞状态的同时，可提高工业生产效率，并且还节约了服务器的计算资源。
附图说明
45.图1为本实施例提供的第一种拥塞检测方法的应用环境图；
46.图2为本实施例提供的第一种拥塞检测方法的流程示意图；
47.图3为本实施例提供的确定每一节点链路的压缩数据的流程示意图；
48.图4为本实施例提供的确定各节点链路的自相关状态值的流程示意图；
49.图5为本实施例提供的确定该节点链路存在拥塞的流程示意图；
50.图6为本实施例提供的第二种拥塞检测方法的流程示意图；
51.图7为本实施例提供的第一种拥塞检测装置的结构框图；
52.图8为本实施例提供的第二种拥塞检测装置的结构框图；
53.图9为本实施例提供的计算机设备的内部结构图。
具体实施方式
54.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
55.本技术实施例提供的拥塞检测方法，可以应用于如图1所示的应用环境中。其中，
服务器节点102获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点104与服务器节点102之间的通信链路；服务器节点102根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；服务器节点102根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
56.其中，服务器节点是指服务器，如图1所示，服务器节点包括可至少一个集中式云服务器(central cloud server,ccs)，以及至少一个边缘服务器(edge server，es)。终端节点是指物联网中的终端设备(即iiot设备)。
57.需要说明的是，本技术中拥塞检测方法既可以应用于上图1的服务器节点中，也可以应用于上图1的终端节点中。当应用于服务器节点中时，本技术的拥塞检测方法可应用于上图1中的集中式云服务器css服务器中，辅助物联网全网的任务调度。当拥塞检测方法应用于终端节点时，可辅助终端节点选择合适的任务传输路径。
58.在一个实施例中，图2是根据本技术实施例提供的一种拥塞检测方法的流程示意图，该方法可应用于图1中的服务器节点或终端节点，下面以应用于服务器节点为例，对本技术的拥塞检测方法进行说明，该方法包括以下步骤：
59.s201，获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路。
60.其中，物联网是在互联网基础上的延伸和扩展的网络，将各种信息传感设备与网络结合起来而形成的一个巨大网络，实现在任何时间、任何地点，人、机、物的互联互通。节点链路是指物联网那个中终端节点与服务器节点的通信链路，若终端节点的数量为n
en
，服务器节点中边缘服务器的数量为n
es
，服务器节点中集中式云服务器的数量为n
css
(大多数情况下，集中式云服务器的数量为1个)，则节点链路的数量为：n
en
*(n
es
+n
css
)。信号数据是指节点链路对应的传输信号的相关数据，主要包括节点链路的状态信息数据、探测信道条件数据和探测噪声数据。节点链路的状态信息数据包括瞬时队列尺寸数据、平均队列尺寸数据、平均发送速率数据、到达速率数据、链路使用率数据和缓存占用率数据中的至少一种。探测信道条件数据包括但不限于信号增益系数等。探测噪声数据是指节点链路中的探测噪声相关数据，探测噪声数据一般为噪声满足均值为0、方差为的加性高斯白噪声。压缩数据是指对各节点链路的信号数据进行压缩处理后得到的数据。
61.本实施例一种可选的实施方式为：将物联网中各节点链路的信号数据输入至压缩工具，由压缩工具对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据。其中，压缩工具包括但不限于压缩软件或神经网络模型等。
62.本实施例另一种可选的实施方式为：根据物联网中各节点链路的信号数据，对每一节点链路的信号数据进行数据融合，以实现对该节点链路的信号数据的压缩处理，进而得到各节点链路的压缩数据。
63.s202，根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值。
64.其中，节点链路数量是指物联网中节点链路的数量，其中节点链路数量的计算方式在上述实施例中具有详细记载，在此不再赘述。自相关状态值是指基于物联网中节点链
路数量和各节点链路的压缩数据，确定得到的节点链路自身的状态值。
65.可选的，本实施例中可根据每一节点链路的压缩数据，确定该节点链路的状态信息，根据节点链路的状态信息和物联网的节点链路数量，确定该节点链路的自相关状态值。
66.本实施例中根据每一节点链路的压缩数据，确定该节点链路的状态信息的可选实施方式为：根据每一节点链路的压缩数据中的各数值进行融合(融合的方式可以为求和、加权求和、求乘积等)，将融合结果作为该节点链路的状态信息。
67.本实施例中根据节点链路的状态信息和物联网的节点链路数量，确定该节点链路的自相关状态值的可选实施方式为：可将节点链路的状态信息和物联网的节点链路数量的比值，作为该节点链路的自相关状态值。
68.s203，根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
69.其中，状态阈值是指用于结合节点链路的自相关状态值，判断该节点链路是否发送拥塞的阈值。
70.可选的，本实施例中各节点链路的状态阈值是相同的，若该节点链路的自相关状态值大于状态阈值，则确定该节点链路发生了拥塞。
71.本实施例在进行拥塞检测时考虑了各节点链路的拥塞状态的稀疏性，在获取物联网中各节点链路的信号数据后，对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据，其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路，根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值，根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测，基于本技术的方法可高效完成各节点链路的拥塞检测，不仅检测准确度高，而且大幅提高了物联网拥塞检测响应速度，采用本技术的方法还便于分配各节点链路的传输任务，提高工业生产效率，并且还节约了服务器的计算资源。
72.在其中一个实施例中，为了快速的确定各节点链路的压缩数据，提升拥塞检测的准确性，如图3所示，s203中对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据可选实施方式，包括：
73.s301，根据每一节点链路的状态信息数据和探测信道条件数据，确定每一节点链路的状态增益数据。
74.可选的，本实施例中可将每一节点链路的状态信息数据与探测信道条件数据的乘积，作为该节点链路的状态增益数据。
75.s302，根据状态增益数据、探测噪声数据和高斯随机测量矩阵，确定每一节点链路的压缩数据。
76.其中，高斯随机测量矩阵是维度为m
×
n,且m≤n的高斯随机变量的信息矩阵，高斯随机测量矩阵具有如下特征：各列特征值归一化，各行具备近似相等的范数，各行间正交。
77.可选的，本实施例中根据状态增益数据、探测噪声数据和高斯随机测量矩阵，再根据以下公式(1)，可确定每一节点链路的压缩数据：
78.yi＝φri＝φ(si+wi)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
79.其中，公式(1)中yi为第i个节点链路的压缩数据；φ为高斯随机测量矩阵，si为第i个节点链路状态增益数据，可根据状态信息数据和探测信道条件数据的乘积得到；wi为第i个节点链路的探测噪声数据。
80.本实施例中根据每一节点链路的状态信息数据和探测信道条件数据，可准确确定每一节点链路的状态增益数据，再根据状态增益数据、探测噪声数据和高速随机测量矩阵，可准确、快速的确定每一节点链路的压缩数据，也提高了拥塞检测结果的准确性。
81.在其中一个实施例中，为了准确的确定各节点链路的自相关状态值，如图4所示，s202一种可选的实施方式，包括：
82.s401，根据各节点链路的压缩数据，确定物联网的压缩测量矩阵。
83.其中，压缩测量矩阵是指基于各节点链路的压缩护具，确定得到的物联网的测量矩阵。
84.可选的，本实施例中可根据各节点链路的压缩数据，确定物联网的压缩数据矩阵，再对物联网的压缩数据矩阵进行转置处理，得到物联网的压缩测量矩阵。可通过如下公式(2)，确定物联网的压缩测量矩阵。
85.y＝[y1,...,y
l
]
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0086]
其中，公式(2)中，y表示物联网的压缩测量矩阵；y1表示第1个节点链路的压缩数据；y
l
表示第l个节点链路的压缩数据(物联网中的节点链路的数量也为l个)；[y1，
……
，y
l
]表示物联网的压缩数据矩阵；t表示转置处理。
[0087]
s402，根据物联网的节点链路数量和压缩测量矩阵，确定物联网的目标协方差矩阵。
[0088]
其中，目标协方差矩阵是指基于物联网的节点链路数量和物联网的压缩测量矩阵，确定得到的协方差矩阵。
[0089]
可选的，本实施例中对物联网的压缩测量矩阵进行转置处理，得到压缩测量矩阵的转置矩阵，根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵。
[0090]
本实施例中根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵，可选实施方式为：根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的初始协方差矩阵；对初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵。
[0091]
本实施例中根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，结合如下公式(3)，可确定物联网的初始协方差矩阵：
[0092][0093]
其中，公式(3)中s表示物联网的初始协方差矩阵；l表示节点链路数量；y表示物联网的压缩测量矩阵；y
t
表示压缩测量矩阵的转置矩阵。
[0094]
根据公式(1)和公式(2)，公式(3)也可采用如下公式(4)表达：
[0095][0096]
其中，公式(4)中φ为高斯随机测量矩阵，s1为第1个节点链路状态增益数据，可根据状态信息数据和探测信道条件数据的乘积得到；w1为第1个节点链路的探测噪声数据；s
l
为第l个节点链路状态增益数据，可根据状态信息数据和探测信道条件数据的乘积得到；w
l
为第l个节点链路的探测噪声数据；t表示转置处理。
[0097]
本实施例中对初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵，可通过如下公式(5)对初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵。
[0098]
e{s
ij
}＝e{[φ(si+wi)]
t
[φ(sj+wj)]}＝e{(si+wi)
t
φ
t
φ(sj+wj)}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0099]
其中，公式(5)中e{s
ij
}表示初始协方差矩阵中第i行第j列的特征值经过均值化处理后得到的值；si为第i个节点链路状态增益数据，可根据状态信息数据和探测信道条件数据的乘积得到；wi为第i个节点链路的探测噪声数据；sj为第j个节点链路状态增益数据，可根据状态信息数据和探测信道条件数据的乘积得到；wj为第j个节点链路的探测噪声数据；t表示转置处理；e表示均值化处理。
[0100]
s403，根据物联网的目标协方差矩阵，确定各节点链路的自相关状态值。
[0101]
可选的，本实施例中目标协方差矩阵中各特征的特征值均为状态信息数据与状态信息数据的乘积，状态信息数据与探测噪声数据的乘积，以及探测噪声数据与探测噪声数据的乘积，因此，选取目标协方差矩阵中对角线的特征值作为各节点链路的自相关状态值，例如e{s
ii
}表示第i个节点链路的自相关状态值，i的取值范围为1-l。
[0102]
本实施例中根据各节点链路的压缩数据，确定物联网的压缩测量矩阵，根据物联网的节点链路数量和压缩测量矩阵，确定物联网的目标协方差矩阵，根据物联网的目标协方差矩阵，可快速且准确的确定各节点链路的自相关状态值。
[0103]
在其中一个实施例中，为了灵活确定各节点链路是否存在拥塞，本实施例中每个节点链路均具有对应的状态阈值，如图5所示，本实施例一种拥塞检测方法可选的实施方式，包括：
[0104]
s501，获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据。
[0105]
s502，根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值。
[0106]
s503，针对每一节点链路，若该节点链路的自相关状态值大于该节点链路的状态阈值，则确定该节点链路存在拥塞。
[0107]
可选的，本实施例中确定节点链路的状态阈值的一种可选实施方式为：根据每一节点链路的预设虚警率和节点链路的探测噪声数据的方差，确定每一节点链路的状态阈值。具体的，可通过如下公式(6)，确定节点链路的状态阈值：
[0108][0109]
其中，公式(6)中λi表示第i个节点链路的状态阈值；为第i个节点链路的探测噪声数据的方差；q表示q函数；pf为预设虚警率；m表示高斯随机测量矩阵的行维度。
[0110]
可选的，本实施例中确定节点链路的状态阈值的另一种可选实施方式为：获取历史时段该节点链路通信出现异常(例如缓存占用率超过设定阈值)时的最小自相关状态值，将该最小自相关状态值作为该节点链路的状态阈值。
[0111]
需要说明的是，针对每一节点链路，若该节点链路的自相关状态值小于或等于该节点链路的状态阈值，则确定该节点链路不存在拥塞。
[0112]
本实施例中针对每一节点链路，若该节点链路的自相关状态值大于该节点链路的状态阈值，则确定该节点链路存在拥塞，每个节点链路均设置对应的状态阈值，使整个物联网中各节点链路的拥塞检测更加智能化，同时也减少了拥塞情况的发生，提高了各节点链路的利用率。
[0113]
在其中一个实施例中，如图6所示，一种拥塞检测方法的可选实施方式，包括：
[0114]
s601，根据每一节点链路的预设虚警率和节点链路的探测噪声数据的方差，确定每一节点链路的状态阈值。
[0115]
s602，根据每一节点链路的状态信息数据和探测信道条件数据，确定每一节点链路的状态增益数据。其中，状态信息数据包括瞬时队列尺寸数据、平均队列尺寸数据、平均发送速率数据、到达速率数据、链路使用率数据和缓存占用率数据中的至少一种。
[0116]
s603，根据状态增益数据、探测噪声数据和高速随机测量矩阵，确定每一节点链路的压缩数据。
[0117]
s604，根据各节点链路的压缩数据，确定物联网的压缩测量矩阵。
[0118]
s605，对物联网的压缩测量矩阵进行转置处理，得到压缩测量矩阵的转置矩阵。
[0119]
s606，根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的初始协方差矩阵。
[0120]
s607，对初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵。
[0121]
s608，根据物联网的目标协方差矩阵，确定各节点链路的自相关状态值。
[0122]
s609，针对每一节点链路，若该节点链路的自相关状态值大于该节点链路的状态阈值，则确定该节点链路存在拥塞。
[0123]
本实施例在进行拥塞检测时考虑了各节点链路的拥塞状态的稀疏性，在获取物联网中各节点链路的信号数据后，对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据，其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路，根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值，根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测，基于本技术的方法可高效完成各节点链路的拥塞检测，不仅检测准确度高，而且大幅提高了物联网拥塞检测响应速度，采用本技术的方法还便于分配各节点链路的传输任务，提高工业生产效率，并且还节约了服务器的计算资源。
[0124]
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0125]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的拥塞检
测方法的拥塞检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个拥塞检测装置实施例中的具体限定可以参见上文中对于拥塞检测方法的限定，在此不再赘述。
[0126]
在其中一个实施例中，通过图7示出了一个实施例中拥塞检测装置的结构框图。如图7所示，提供了一种拥塞检测装置1，该装置包括：获取模块10、第一确定模块20和检测模块30，其中：
[0127]
获取模块10，用于获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路。节点链路的信号数据包括节点链路的状态信息数据、探测信道条件数据和探测噪声数据。节点链路的状态信息数据包括瞬时队列尺寸数据、平均队列尺寸数据、平均发送速率数据、到达速率数据、链路使用率数据和缓存占用率数据中的至少一种。
[0128]
第一确定模块20，用于根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值。
[0129]
检测模块30，用于根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
[0130]
上述拥塞检测装置在进行拥塞检测时考虑了各节点链路的拥塞状态的稀疏性，在获取物联网中各节点链路的信号数据后，对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据，其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路，根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值，根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测，基于本技术的方法可高效完成各节点链路的拥塞检测，不仅检测准确度高，而且大幅提高了物联网拥塞检测响应速度，采用本技术的方法还便于分配各节点链路的传输任务，提高工业生产效率，并且还节约了服务器的计算资源。
[0131]
在其中一个实施例中，上图7中的获取模块10进一步包括：
[0132]
第一确定单元，用于根据每一节点链路的状态信息数据和探测信道条件数据，确定每一节点链路的状态增益数据。
[0133]
第二确定单元，用于根据状态增益数据、探测噪声数据和高速随机测量矩阵，确定每一节点链路的压缩数据。
[0134]
在其中一个实施例中，上图7中第一确定模块20，进一步包括：
[0135]
第三确定单元，用于根据各节点链路的压缩数据，确定物联网的压缩测量矩阵。
[0136]
第四确定单元，用于根据物联网的节点链路数量和压缩测量矩阵，确定物联网的目标协方差矩阵。
[0137]
第五确定单元，用于根据物联网的目标协方差矩阵，确定各节点链路的自相关状态值。
[0138]
在上述实施例的基础上，上述第四确定单元，还具体用于：对物联网的压缩测量矩阵进行转置处理，得到压缩测量矩阵的转置矩阵；根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵。
[0139]
在上述实施例的基础上，上述第四确定单元，还具体用于：根据节点链路数量、物
联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的初始协方差矩阵；对初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵。
[0140]
在其中一个实施例中，上图7中检测模块30，还具体用于：针对每一节点链路，若该节点链路的自相关状态值大于该节点链路的状态阈值，则确定该节点链路存在拥塞。
[0141]
在其中一个实施例中，如图8所示，上图7中拥塞检测装置1，还包括：
[0142]
第二确定模块40，用于根据每一节点链路的预设虚警率和节点链路的探测噪声数据的方差，确定每一节点链路的状态阈值。
[0143]
上述拥塞检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0144]
在其中一个实施例中，提供了一种计算机设备，该计算机设备可以是平台侧，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储节点链路相关数据。该计算机设备的网络接口用于与外部的用户侧通过网络连接通信。该计算机程序被处理器执行时以实现一种拥塞检测方法。
[0145]
本领域技术人员可以理解，图9中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的，计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0146]
在其中一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0147]
获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路；
[0148]
根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；
[0149]
根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
[0150]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：节点链路的信号数据包括节点链路的状态信息数据、探测信道条件数据和探测噪声数据。
[0151]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：节点链路的状态信息数据包括瞬时队列尺寸数据、平均队列尺寸数据、平均发送速率数据、到达速率数据、链路使用率数据和缓存占用率数据中的至少一种。
[0152]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据，包括：
[0153]
根据每一节点链路的状态信息数据和探测信道条件数据，确定每一节点链路的状态增益数据；
[0154]
根据状态增益数据、探测噪声数据和高速随机测量矩阵，确定每一节点链路的压缩数据。
[0155]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值，包括：
[0156]
根据各节点链路的压缩数据，确定物联网的压缩测量矩阵；
[0157]
根据物联网的节点链路数量和压缩测量矩阵，确定物联网的目标协方差矩阵；
[0158]
根据物联网的目标协方差矩阵，确定各节点链路的自相关状态值。
[0159]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据节点链路数量和物联网的压缩测量矩阵，确定物联网的目标协方差矩阵，包括：
[0160]
对物联网的压缩测量矩阵进行转置处理，得到压缩测量矩阵的转置矩阵；
[0161]
根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵。
[0162]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵，包括：
[0163]
根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的初始协方差矩阵；
[0164]
对初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵。
[0165]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测，包括：
[0166]
针对每一节点链路，若该节点链路的自相关状态值大于该节点链路的状态阈值，则确定该节点链路存在拥塞。
[0167]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：该方法，还包括：
[0168]
根据每一节点链路的预设虚警率和节点链路的探测噪声数据的方差，确定每一节点链路的状态阈值。
[0169]
上述提供的计算机设备，其在实现各实施例中的原理和具体过程可参见前述实施例中拥塞检测方法实施例中的说明，此处不再赘述。
[0170]
在其中一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0171]
获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路；
[0172]
根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；
[0173]
根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
[0174]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：节点链路的信号数据包括节点链路的状态信息数据、探测信道条件数据和探测噪声数据。
[0175]
在其中一个实施例中，节点链路的状态信息数据包括瞬时队列尺寸数据、平均队列尺寸数据、平均发送速率数据、到达速率数据、链路使用率数据和缓存占用率数据中的至少一种。
[0176]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对各节点链路的
信号数据进行压缩处理，得到各节点链路的压缩数据，包括：
[0177]
根据每一节点链路的状态信息数据和探测信道条件数据，确定每一节点链路的状态增益数据；
[0178]
根据状态增益数据、探测噪声数据和高速随机测量矩阵，确定每一节点链路的压缩数据。
[0179]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值，包括：
[0180]
根据各节点链路的压缩数据，确定物联网的压缩测量矩阵；
[0181]
根据物联网的节点链路数量和压缩测量矩阵，确定物联网的目标协方差矩阵；
[0182]
根据物联网的目标协方差矩阵，确定各节点链路的自相关状态值。
[0183]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据节点链路数量和物联网的压缩测量矩阵，确定物联网的目标协方差矩阵，包括：
[0184]
对物联网的压缩测量矩阵进行转置处理，得到压缩测量矩阵的转置矩阵；
[0185]
根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵。
[0186]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵，包括：
[0187]
根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的初始协方差矩阵；
[0188]
对初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵。
[0189]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测，包括：
[0190]
针对每一节点链路，若该节点链路的自相关状态值大于该节点链路的状态阈值，则确定该节点链路存在拥塞。
[0191]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：该方法，还包括：
[0192]
根据每一节点链路的预设虚警率和节点链路的探测噪声数据的方差，确定每一节点链路的状态阈值。
[0193]
上述提供的计算机可读存储介质，其在实现各实施例中的原理和具体过程可参见前述实施例中拥塞检测方法实施例中的说明，此处不再赘述。
[0194]
在其中一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0195]
获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路；
[0196]
根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；
[0197]
根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。
[0198]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：节点链路的信号
数据包括节点链路的状态信息数据、探测信道条件数据和探测噪声数据。
[0199]
在其中一个实施例中，节点链路的状态信息数据包括瞬时队列尺寸数据、平均队列尺寸数据、平均发送速率数据、到达速率数据、链路使用率数据和缓存占用率数据中的至少一种。
[0200]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据，包括：
[0201]
根据每一节点链路的状态信息数据和探测信道条件数据，确定每一节点链路的状态增益数据；
[0202]
根据状态增益数据、探测噪声数据和高速随机测量矩阵，确定每一节点链路的压缩数据。
[0203]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值，包括：
[0204]
根据各节点链路的压缩数据，确定物联网的压缩测量矩阵；
[0205]
根据物联网的节点链路数量和压缩测量矩阵，确定物联网的目标协方差矩阵；
[0206]
根据物联网的目标协方差矩阵，确定各节点链路的自相关状态值。
[0207]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据节点链路数量和物联网的压缩测量矩阵，确定物联网的目标协方差矩阵，包括：
[0208]
对物联网的压缩测量矩阵进行转置处理，得到压缩测量矩阵的转置矩阵；
[0209]
根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵。
[0210]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的目标协方差矩阵，包括：
[0211]
根据节点链路数量、物联网的压缩测量矩阵，以及压缩测量矩阵的转置矩阵，确定物联网的初始协方差矩阵；
[0212]
对初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵。
[0213]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测，包括：
[0214]
针对每一节点链路，若该节点链路的自相关状态值大于该节点链路的状态阈值，则确定该节点链路存在拥塞。
[0215]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：该方法，还包括：
[0216]
根据每一节点链路的预设虚警率和节点链路的探测噪声数据的方差，确定每一节点链路的状态阈值。
[0217]
上述提供的计算机程序产品，其在实现各实施例中的原理和具体过程可参见前述实施例中拥塞检测方法实施例中的说明，此处不再赘述。
[0218]
需要说明的是，本技术所涉及的数据(包括但不限于拥塞检测过程中的数据等)，均为经过各方充分授权的数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0219]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以
通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0220]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0221]
以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种拥塞检测方法，其特征在于，所述方法，包括：获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，所述节点链路为所述物联网中的终端节点与服务器节点之间的通信链路；根据所述物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；根据所述各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。2.根据权利要求1所述的方法，其特征在于，所述节点链路的信号数据包括节点链路的状态信息数据、探测信道条件数据和探测噪声数据。3.根据权利要求2所述的方法，其特征在于，所述节点链路的状态信息数据包括瞬时队列尺寸数据、平均队列尺寸数据、平均发送速率数据、到达速率数据、链路使用率数据和缓存占用率数据中的至少一种。4.根据权利要求2所述的方法，其特征在于，所述对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据，包括：根据每一节点链路的状态信息数据和探测信道条件数据，确定每一节点链路的状态增益数据；根据所述状态增益数据、探测噪声数据和高斯随机测量矩阵，确定每一节点链路的压缩数据。5.根据权利要求1所述的方法，其特征在于，所述根据所述物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值，包括：根据各节点链路的压缩数据，确定所述物联网的压缩测量矩阵；根据所述物联网的节点链路数量和所述压缩测量矩阵，确定所述物联网的目标协方差矩阵；根据所述物联网的目标协方差矩阵，确定各节点链路的自相关状态值。6.根据权利要求1所述的方法，其特征在于，所述根据节点链路数量和所述物联网的压缩测量矩阵，确定所述物联网的目标协方差矩阵，包括：对所述物联网的压缩测量矩阵进行转置处理，得到所述压缩测量矩阵的转置矩阵；根据节点链路数量、所述物联网的压缩测量矩阵，以及所述压缩测量矩阵的转置矩阵，确定所述物联网的目标协方差矩阵。7.根据权利要求6所述的方法，其特征在于，所述根据节点链路数量、所述物联网的压缩测量矩阵，以及所述压缩测量矩阵的转置矩阵，确定所述物联网的目标协方差矩阵，包括：根据节点链路数量、所述物联网的压缩测量矩阵，以及所述压缩测量矩阵的转置矩阵，确定所述物联网的初始协方差矩阵；对所述初始协方差矩阵中各特征的特征值进行均值化处理，得到目标协方差矩阵。8.根据权利要求1所述的方法，其特征在于，根据所述各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测，包括：针对每一节点链路，若该节点链路的自相关状态值大于该节点链路的状态阈值，则确定该节点链路存在拥塞。
9.根据权利要求8所述的方法，其特征在于，所述的方法，还包括：根据每一节点链路的预设虚警率和所述节点链路的探测噪声数据的方差，确定每一节点链路的状态阈值。10.一种拥塞检测装置，其特征在于，所述的装置，包括：获取模块，用于获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，所述节点链路为所述物联网中的终端节点与服务器节点之间的通信链路；第一确定模块，用于根据所述物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；检测模块，用于根据所述各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。13.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。

技术总结
本申请公开了一种拥塞检测方法、装置、计算机设备和存储介质。该方法可应用于物联网技术领域，具体可以包括：获取物联网中各节点链路的信号数据，并对各节点链路的信号数据进行压缩处理，得到各节点链路的压缩数据；其中，节点链路为物联网中的终端节点与服务器节点之间的通信链路；根据物联网的节点链路数量，以及各节点链路的压缩数据，确定各节点链路的自相关状态值；根据各节点链路的自相关状态值和状态阈值，对各节点链路进行拥塞检测。基于本申请的方法可高效完成各节点链路的拥塞检测，不仅检测准确度高，而且大幅提高了物联网拥塞检测响应速度。检测响应速度。检测响应速度。


技术研发人员：武晓鸽 戴国华 谭华 马晓亮
受保护的技术使用者：中国电信股份有限公司
技术研发日：2023.08.11
技术公布日：2023/10/19