一种基于自学习算法并发数据通信的警报控制系统的制作方法

1.本发明涉及警报控制系统技术领域，具体涉及一种基于自学习算法并发数据通信的警报控制系统。


背景技术：

2.警报控制系统包含警报控制中心和警报控制器，在警报控制中心下发警报控制指令或状态查询指令后，警报控制器需要将警报器回示信息或自身工作状态信息发送回警报控制中心。受限于警报无线通信网络的窄带、低带宽特性，为提高数据传输吞吐量，需要对警报控制中心同警报控制器间的无线通信进行协调、控制。常用的协调机制有：1)由警报控制中心对警报控制器进行轮询，警报控制器按轮询次序，发送数据，警报控制中心可对通信成功进行确认或不确认，不成功的可以另行安排进行重新操作；此方式可有效减少无线信道冲突，但需要双向进行至少两次无线通信，通信失败还可能因为重试发送引起更多的无线通信。2)由警报控制中心发起批量查询指令，警报控制器按约定算法排列次序，按确定的顺序、时间间隔在确定时间点发起通信，警报控制中心可对传输成功进行确认或不确认。3)由警报控制中心发起批量查询指令，警报控制器按约定算法，计算随机退避时间间隔后，发起竞争通信，竞争成功者获得通信授权进行数据传输，或者在竞争时直接传输数据，获得成功确认后，传输完成，未收到成功确认信息，继续进行竞争传输。
3.警报控制系统中，不同的无线网络通信技术体制、不同数量的警报控制器条件下，不同协调机制采用的排序、随机竞争算法会产生不同的效果。现有人防多手段警报系统建设中，同时采用基于人防无线专网的无线通信网络(如图1所示)和基于mdt数字集群通信网络(如图2所示)两种无线通信网络，这两种无线通信网络的机制、性能存在较大的差异，对警报控制回示数据和终端工作状态数据的传输协调机制带来了更大的困难。


技术实现要素：

4.本发明的目的在于提供一种基于自学习算法并发数据通信的警报控制系统，该基于自学习算法并发数据通信的警报控制系统初始采用默认的策略和参数，通过多次通信，逐步调整通信策略、算法和参数，实现通信机制的动态调控。
5.为实现上述目的，本发明采用以下技术方案：
6.一种基于自学习算法并发数据通信的警报控制系统，包括警报控制中心和若干个警报控制器；所述警报控制中心包括中心业务处理模块、收发模块a、收发模块b、通信测量模块a、通信测量模块b、优化计算模块、通信参数控制下发模块和测量数据及优化参数存储模块；所述收发模块a和收发模块b根据中心业务处理模块需求分别将数据发送给通信测量模块a和通信测量模块b进行计算和存储后，再将数据发送给优化计算模块；所述优化计算模块采用通信控制参数优化算法将数据计算出通信参数后发送给收发模块a、收发模块b或通信参数控制下发模块进行执行；所述警报控制器与警报控制中心通信连接，通过警报控制器确定终端通信时间点及信道访问策略，实现通信机制的动态调控。
7.优选地，所述警报控制器包括终端业务处理模块、收发模块c、收发模块d、排序控制随机退避算法模块和通信参数存储模块；所述终端业务模块通过收发模块c或收发模块d与警报控制中心通信连接，终端业务模块收到警报控制中心下发的针对本机的通信参数更新指令后，将指令及数据发送给排序控制随机退避算法模块，由排序控制随机退避算法模块更新通信参数存储模块；所述排序控制随机退避算法模块通过访问通信参数存储模块获取计算参数；所述收发模块c或收发模块d与警报控制中心通信时，通过调用排序控制随机退避算法模块确定终端通信时间点及信道访问策略。
8.优选地，所述警报控制器具有默认的多种排序控制随机退避算法模块及通信参数，初始采用默认的策略和参数，通过多次通信，逐步调整通信策略、算法和参数，实现通信机制的动态调控。
9.优选地，所述优化计算模块用于对提供的数据进行转换、处理后存储到测量数据及优化参数存储模块，并基于历史及当前数据，综合所有警报终端通信测试数据及网络组网信息基于模型进行计算，计算出符合网络总体及每台警报终端的通信参数；其中，适合单独警报控制器的通信参数通过调用通信参数控制下发模块，将计算出的通信参数通过收发模块a、收发模块b下发给对应的警报控制器；符合网络总体通信协调的通信参数发给收发模块a或收发模块b，更新数据发送接收策略并进行执行。
10.优选地，所述通信测量模块a和通信测量模块b的处理过程包括以下步骤：
11.s1、结合通信帧结构，与通信基站、中间站/中继站通过协作，进行通信指标的测量，计算并存储以下数据：对i次双向通信，利用控制中心指令发送时标编号、响应数据的接收时标，计算出本次通信延迟时间为tij；其中，i为通信次数编号，j为通信站点编号；记录站点j当前连接的基站、中间站/中继站的编号为bij；记录基站、中间站/中继站接收到的重点站点发射信号强度等级为sij；记录警报终端数据发送的重发次数或失败次数fij；单次通信的通信参量存入集合：ri＝{i，j，tij，bij，sij，fij}；对于通信失败，未能返回数据的通信，tij置为特殊值ffff，sij和fij置为空值；
12.s2、根据站点基础信息，存储网络中央控制器、基站、中间站/中继站、终端的经纬度坐标位置pj，计算站点j周围最近不超过3个的基站编号及距离等级分别记为：ci1，ci2，ci3，di1，di2，di3；其中，cix为基站编号，dix为距离等级；站点网络集记为：ni＝{i,ci1，ci2，ci3，di1，di2，di3}；距离等级dix＝10logd+a；其中，d为实际物理距离，单位km；a为经验常量，取1.0～5，
13.s3、输出通信参量包括下发给每台警报站点的通信参量，针对站点i参量值集合为：ki＝{i，bi,li，mi，oi，pi}；其中，bi为站点i应当连接的基站、中间站/中继站编号；li为平均等待间隔时间，单位ms；mi为偏移量，单位ms，oi为随机退避算法索引号码，终端中内置的3种不同的计算方法；pi为随机算法的种子。
14.优选地，所述优化计算模块中的通信控制参数优化算法为：根据ni＝{i,ci1，ci2，ci3，di1，di2，di3}集合，ri＝{i，j，tij，bij，sij，fij}集合，动态计算出最优的ki＝{i，bi,li，mi，oi，pi}集合；其中，ni集合为静态数据，ri集合随着通信次数的增加，逐步增长；ki根据自主学习算法计算结果，在需要调整站点通信参数时增加新的数据；优化效果的效用评价目标为整体网络通信成功率、总时长最优，效用函数为最近ri集合中tij累加值最小；初始ki集合为根据网络结构、模拟实验环境通过人工监督6层卷积神经网络算法学习生成；通
过训练的算法，用于动态的参数优化过程，动态运行过程中，ni集合、ri集合通过数据文件形式定时发送给优化计算模块，优化计算模块再将计算值通过数据文件形式发送给通信参数下发模块。
15.优选地，所述排序控制随机退避算法模块中的随机退避算法：限定最小最大值的rand()函数计算法，p为下发的随机算法种子，同一种子生产的结果值存在统计差异，生成结果在有效数值段中随机均匀分布。
16.优选地，所述排序控制随机退避算法模块中的随机退避算法：限定最小最大值的rand()函数计算法，p为下发的随机算法种子，同一种子生产的结果值存在统计差异，生成结果在有效数值段中呈正态分布。
17.优选地，所述排序控制随机退避算法模块中的随机退避算法：限定最小最大值的rand()函数计算法，退避数值范围以指数函数增长，以等间距减小。
18.采用上述技术方案后，本发明与背景技术相比，具有如下优点：本发明提供一种基于自学习算法并发数据通信的警报控制系统，针对警报控制系统警报终端并发数据通信场景进行优化，优化计算采用自学习算法，可根据网络规模、实际性能进行动态优化，其通信策略、算法、参数可动态调整，且针对每台警报控制器计算单独的参数，支持一种通信体制或同时支持两种通信体制，两种通信体制通信策略、算法、参数独立计算和存储，极大简化了警报通信网络的优化工作、提高了网路通信优化效率，减少无线通信冲突和干扰，提高了系统的通信成功率以及减少总体并发通信时间，实现通信机制的动态调控。
附图说明
19.图1为现有的基于人防无线专网的无线通信网络示意图；
20.图2为现有的基于mdt数字集群通信网络示意图；
21.图3为本发明的警报控制中心和警报控制器的示意图。
22.图中附图标记表示为：
23.1、警报控制中心；10、中心业务处理模块；11、收发模块a；12、收发模块b；13、通信测量模块a；14、通信测量模块b；15、优化计算模块；16、通信参数控制下发模块；17、测量数据及优化参数存储模块；2、警报控制器；20、终端业务处理模块；21、收发模块c；22、收发模块d；23、排序控制随机退避算法模块；24、通信参数存储模块。
具体实施方式
24.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
25.在本发明中需要说明的是，术语“上”“下”“左”“右”“竖直”“水平”“内”“外”等均为基于附图所示的方位或位置关系，仅仅是为了便于描述本发明和简化描述，而不是指示或暗示本发明的装置或元件必须具有特定的方位，因此不能理解为对本发明的限制。
26.实施例
27.如图1至图3所示，本发明公开了一种基于自学习算法并发数据通信的警报控制系统，包括警报控制中心1和若干个警报控制器2；所述警报控制中心1包括中心业务处理模块
10、收发模块a11、收发模块b12、通信测量模块a13、通信测量模块b14、优化计算模块15、通信参数控制下发模块16和测量数据及优化参数存储模块17；所述收发模块a11和收发模块b12根据中心业务处理模块10需求分别将数据发送给通信测量模块a13和通信测量模块b14进行计算和存储后，再将数据发送给优化计算模块15，收发模块a11和收发模块b12分别对应基于人防无线专网的无线通信网络和基于mdt数字集群通信网络；所述优化计算模块15采用通信控制参数优化算法将数据计算出通信参数后发送给收发模块a11、收发模块b12或通信参数控制下发模块16进行执行；所述警报控制器2与警报控制中心1通信连接，通过警报控制器2确定终端通信时间点及信道访问策略，实现通信机制的动态调控。
28.如图3所示，所述警报控制器2包括终端业务处理模块20、收发模块c21、收发模块d22、排序控制随机退避算法模块23和通信参数存储模块24；所述终端业务模块通过收发模块c21或收发模块d22与警报控制中心1通信连接，终端业务模块收到警报控制中心1下发的针对本机的通信参数更新指令后，将指令及数据发送给排序控制随机退避算法模块23，由排序控制随机退避算法模块23更新通信参数存储模块24；所述排序控制随机退避算法模块23通过访问通信参数存储模块24获取计算参数；所述收发模块c21或收发模块d22与警报控制中心1通信时，通过调用排序控制随机退避算法模块23确定终端通信时间点及信道访问策略，收发模块c21和收发模块d22分别对应基于人防无线专网的无线通信网络和基于mdt数字集群通信网络。
29.如图3所示，所述警报控制器2具有默认的多种排序控制随机退避算法模块23及通信参数，初始采用默认的策略和参数，通过多次通信，逐步调整通信策略、算法和参数，实现通信机制的动态调控。
30.如图3所示，所述优化计算模块15用于对提供的数据进行转换、处理后存储到测量数据及优化参数存储模块17，并基于历史及当前数据，综合所有警报终端通信测试数据及网络组网信息基于模型进行计算，计算出符合网络总体及每台警报终端的通信参数；其中，适合单独警报控制器2的通信参数通过调用通信参数控制下发模块16，将计算出的通信参数通过收发模块a11、收发模块b12下发给对应的警报控制器2；符合网络总体通信协调的通信参数发给收发模块a11或收发模块b12，更新数据发送接收策略并进行执行。
31.如图3所示，所述通信测量模块a13和通信测量模块b14的处理过程包括以下步骤：
32.s1、结合通信帧结构，与通信基站、中间站/中继站通过协作，进行通信指标的测量，计算并存储以下数据：对i次双向通信，利用控制中心指令发送时标编号、响应数据的接收时标，计算出本次通信延迟时间为tij；其中，i为通信次数编号，j为通信站点编号；记录站点j当前连接的基站、中间站/中继站的编号为bij；记录基站、中间站/中继站接收到的重点站点发射信号强度等级为sij；记录警报终端数据发送的重发次数或失败次数fij；单次通信的通信参量存入集合：ri＝{i，j，tij，bij，sij，fij}；对于通信失败，未能返回数据的通信，tij置为特殊值ffff，sij和fij置为空值；
33.s2、根据站点基础信息，存储网络中央控制器、基站、中间站/中继站、终端的经纬度坐标位置pj，计算站点j周围最近不超过3个的基站编号及距离等级分别记为：ci1，ci2，ci3，di1，di2，di3；其中，cix为基站编号，dix为距离等级；站点网络集记为：ni＝{i,ci1，ci2，ci3，di1，di2，di3}；距离等级dix＝10logd+a；其中，d为实际物理距离，单位km；a为经验常量，取1.0～5，
34.s3、输出通信参量包括下发给每台警报站点的通信参量，针对站点i参量值集合为：ki＝{i，bi,li，mi，oi，pi}；其中，bi为站点i应当连接的基站、中间站/中继站编号；li为平均等待间隔时间，单位ms；mi为偏移量，单位ms，oi为随机退避算法索引号码，终端中内置的3种不同的计算方法；pi为随机算法的种子。
35.如图3所示，所述优化计算模块15中的通信控制参数优化算法为：根据ni＝{i,ci1，ci2，ci3，di1，di2，di3}集合，ri＝{i，j，tij，bij，sij，fij}集合，动态计算出最优的ki＝{i，bi,li，mi，oi，pi}集合；其中，ni集合为静态数据，ri集合随着通信次数的增加，逐步增长；ki根据自主学习算法计算结果，在需要调整站点通信参数时增加新的数据；优化效果的效用评价目标为整体网络通信成功率、总时长最优，效用函数为最近ri集合中tij累加值最小；初始ki集合为根据网络结构、模拟实验环境通过人工监督6层卷积神经网络算法学习生成；通过训练的算法，用于动态的参数优化过程，动态运行过程中，ni集合、ri集合通过数据文件形式定时发送给优化计算模块15，优化计算模块15再将计算值通过数据文件形式发送给通信参数下发模块。
36.如图3所示，所述排序控制随机退避算法模块23中的随机退避算法：限定最小最大值的rand()函数计算法，p为下发的随机算法种子，同一种子生产的结果值存在统计差异，生成结果在有效数值段中随机均匀分布。
37.如图3所示，所述排序控制随机退避算法模块23中的随机退避算法：限定最小最大值的rand()函数计算法，p为下发的随机算法种子，同一种子生产的结果值存在统计差异，生成结果在有效数值段中呈正态分布。
38.如图3所示，所述排序控制随机退避算法模块23中的随机退避算法：限定最小最大值的rand()函数计算法，退避数值范围以指数函数增长，以等间距减小。
39.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种基于自学习算法并发数据通信的警报控制系统，其特征在于：包括警报控制中心和若干个警报控制器；所述警报控制中心包括中心业务处理模块、收发模块a、收发模块b、通信测量模块a、通信测量模块b、优化计算模块、通信参数控制下发模块和测量数据及优化参数存储模块；所述收发模块a和收发模块b根据中心业务处理模块需求分别将数据发送给通信测量模块a和通信测量模块b进行计算和存储后，再将数据发送给优化计算模块；所述优化计算模块采用通信控制参数优化算法将数据计算出通信参数后发送给收发模块a、收发模块b或通信参数控制下发模块进行执行；所述警报控制器与警报控制中心通信连接，通过警报控制器确定终端通信时间点及信道访问策略，实现通信机制的动态调控。2.如权利要求1所述的基于自学习算法并发数据通信的警报控制系统，其特征在于：所述警报控制器包括终端业务处理模块、收发模块c、收发模块d、排序控制随机退避算法模块和通信参数存储模块；所述终端业务模块通过收发模块c或收发模块d与警报控制中心通信连接，终端业务模块收到警报控制中心下发的针对本机的通信参数更新指令后，将指令及数据发送给排序控制随机退避算法模块，由排序控制随机退避算法模块更新通信参数存储模块；所述排序控制随机退避算法模块通过访问通信参数存储模块获取计算参数；所述收发模块c或收发模块d与警报控制中心通信时，通过调用排序控制随机退避算法模块确定终端通信时间点及信道访问策略。3.如权利要求2所述的基于自学习算法并发数据通信的警报控制系统，其特征在于：所述警报控制器具有默认的多种排序控制随机退避算法模块及通信参数，初始采用默认的策略和参数，通过多次通信，逐步调整通信策略、算法和参数，实现通信机制的动态调控。4.如权利要求1所述的基于自学习算法并发数据通信的警报控制系统，其特征在于：所述优化计算模块用于对提供的数据进行转换、处理后存储到测量数据及优化参数存储模块，并基于历史及当前数据，综合所有警报终端通信测试数据及网络组网信息基于模型进行计算，计算出符合网络总体及每台警报终端的通信参数；其中，适合单独警报控制器的通信参数通过调用通信参数控制下发模块，将计算出的通信参数通过收发模块a、收发模块b下发给对应的警报控制器；符合网络总体通信协调的通信参数发给收发模块a或收发模块b，更新数据发送接收策略并进行执行。5.如权利要求1所述的基于自学习算法并发数据通信的警报控制系统，其特征在于，所述通信测量模块a和通信测量模块b的处理过程包括以下步骤：s1、结合通信帧结构，与通信基站、中间站/中继站通过协作，进行通信指标的测量，计算并存储以下数据：对i次双向通信，利用控制中心指令发送时标编号、响应数据的接收时标，计算出本次通信延迟时间为tij；其中，i为通信次数编号，j为通信站点编号；记录站点j当前连接的基站、中间站/中继站的编号为bij；记录基站、中间站/中继站接收到的重点站点发射信号强度等级为sij；记录警报终端数据发送的重发次数或失败次数fij；单次通信的通信参量存入集合：ri＝{i，j，tij，bij，sij，fij}；对于通信失败，未能返回数据的通信，tij置为特殊值ffff，sij和fij置为空值；s2、根据站点基础信息，存储网络中央控制器、基站、中间站/中继站、终端的经纬度坐标位置pj，计算站点j周围最近不超过3个的基站编号及距离等级分别记为：ci1，ci2，ci3，di1，di2，di3；其中，cix为基站编号，dix为距离等级；站点网络集记为：ni＝{i,ci1，ci2，ci3，di1，di2，di3}；距离等级dix＝10logd+a；其中，d为实际物理距离，单位km；a为经验常
量，取1.0～5，s3、输出通信参量包括下发给每台警报站点的通信参量，针对站点i参量值集合为：ki＝{i，bi,li，mi，oi，pi}；其中，bi为站点i应当连接的基站、中间站/中继站编号；li为平均等待间隔时间，单位ms；mi为偏移量，单位ms，oi为随机退避算法索引号码，终端中内置的3种不同的计算方法；pi为随机算法的种子。6.如权利要求5所述的基于自学习算法并发数据通信的警报控制系统，其特征在于，所述优化计算模块中的通信控制参数优化算法为：根据ni＝{i,ci1，ci2，ci3，di1，di2，di3}集合，ri＝{i，j，tij，bij，sij，fij}集合，动态计算出最优的ki＝{i，bi,li，mi，oi，pi}集合；其中，ni集合为静态数据，ri集合随着通信次数的增加，逐步增长；ki根据自主学习算法计算结果，在需要调整站点通信参数时增加新的数据；优化效果的效用评价目标为整体网络通信成功率、总时长最优，效用函数为最近ri集合中tij累加值最小；初始ki集合为根据网络结构、模拟实验环境通过人工监督6层卷积神经网络算法学习生成；通过训练的算法，用于动态的参数优化过程，动态运行过程中，ni集合、ri集合通过数据文件形式定时发送给优化计算模块，优化计算模块再将计算值通过数据文件形式发送给通信参数下发模块。7.如权利要求6所述的基于自学习算法并发数据通信的警报控制系统，其特征在于，所述排序控制随机退避算法模块中的随机退避算法：限定最小最大值的rand()函数计算法，p为下发的随机算法种子，同一种子生产的结果值存在统计差异，生成结果在有效数值段中随机均匀分布。8.如权利要求6所述的基于自学习算法并发数据通信的警报控制系统，其特征在于，所述排序控制随机退避算法模块中的随机退避算法：限定最小最大值的rand()函数计算法，p为下发的随机算法种子，同一种子生产的结果值存在统计差异，生成结果在有效数值段中呈正态分布。9.如权利要求6所述的基于自学习算法并发数据通信的警报控制系统，其特征在于，所述排序控制随机退避算法模块中的随机退避算法：限定最小最大值的rand()函数计算法，退避数值范围以指数函数增长，以等间距减小。

技术总结
本发明公开了一种基于自学习算法并发数据通信的警报控制系统，包括警报控制中心和若干个警报控制器；所述警报控制中心包括中心业务处理模块、收发模块A、收发模块B、通信测量模块A、通信测量模块B、优化计算模块、通信参数控制下发模块和测量数据及优化参数存储模块；所述收发模块A和收发模块B根据中心业务处理模块需求分别将数据发送给通信测量模块A和通信测量模块B进行计算和存储后，再将数据发送给优化计算模块；所述优化计算模块将数据计算出通信参数后发送给收发模块A、收发模块B或通信参数控制下发模块进行执行；所述警报控制器与警报控制中心通信连接，通过警报控制器确定终端通信时间点及信道访问策略。端通信时间点及信道访问策略。端通信时间点及信道访问策略。


技术研发人员：许少波 林抗明 陈彬锋
受保护的技术使用者：玉林市住房和城乡建设局
技术研发日：2023.04.17
技术公布日：2023/7/11