一种rohc压缩器的ir态回迁周期选择方法和装置的制造方法
【技术领域】
[0001] 本发明涉及鲁棒性头压缩（Robust Header Compression, R0HC)技术领域，尤其涉 及一种ROHC压缩器的IR态回迁周期选择方法和装置。
【背景技术】
[0002] 对于某些应用层业务，庞大的互联网协议（Internet Protocol, IP)报文头信息的 开销非常大，比如IP电话（Voice over Internet Protocol, VoIP)业务，其净荷长度通常 为15-20字节，而IP报文头信息却占了 40字节；而某一相同数据流的报文头中往往包含了 大量的冗余信息，ROHC技术即是为解决这一问题应运而生的。在ROHC中有三种工作模式， 分别为U模式、0模式和R模式。当压缩器和对端的解压器之间不存在反向信道，或反向信 道不可用时，即只存在单方向报文（从压缩器到解压器），双方将工作在U模式。
[0003] 工作在U模式的ROHC压缩器有三种状态，由低到高分别为：初始与更新 (Initialization and Refresh，IR)态、第一级（First Order State，F0)态和第二级 (Second Order State, SO)态。压缩器开始工作在最低的IR态下，然后逐步向高状态转换。 当压缩器有足够的信心确定解压器有充分的上下文用来解压时，压缩器将保持工作在最高 状态SO态。
[0004] IR态的引入主要有两个目的：一个是初始化压缩器和解压器的静态上下文，另一 个是用来修复被破坏的静态上下文。在IR态下，压缩器发送IR包，其中包含：整个报文头 (静态部分、动态部分）和一些额外的信息（例如：上下文ID号）等。压缩器将保持在IR 态下，直到确信解压器正确收到了所有的静态上下文信息。
[0005] 在U模式下，一旦解压器可能由于没有收到足够的信息而不能进行正确解压，将 造成后续的报文缺少正确的上下文，会使得后续报文也随之解错。因此在没有反馈信道的 情况下，压缩器必须周期性的回迁至IR态，通过IR包将完整的报文头信息发送给解压器， 使解压器可以获得完整的上下文。
[0006] 当前，RFC3095中明确规定了 U模式下，压缩器必须周期性回迁至IR态，但没有明 确给出IR态回迁周期。IR态的回迁周期的选择会影响两个通信系统指标：压缩效率和丢 包率。其中，压缩效率是指ROHC压缩头与原始报文头的比例关系，该指标可从侧面反映带 宽利用率；而丢包率是衡量通信系统传输结果的重要指标，丢包率越高表示通信系统的质 量越差。
[0007] 当IR态回迁周期时间长度选择较小时，即压缩器较频繁的回迁到IR态，由于IR 包发送了完整的原始报文头，因此压缩效率会降低，从而带宽利用率下降；但同时，由于较 频繁的发送IR包，可以降低由于缺少正确的上下文而导致连续解错报文而导致丢包的概 率，从而可降低丢包率。相应的，当IR态回迁周期时间长度选择较大时，即压缩器较少的回 迁到IR态，则压缩效率会上升，从而带宽利用率也上升；但由于较少的发送IR包，一旦解压 器解压失败后，解压器可能在出现连续解错较多的报文后才能等到IR包进行恢复，因此丢 包率也随之升高。
[0008] 显然，固定的IR态回迁周期不能根据信道质量动态的调整，因而不能兼顾通信系 统的压缩效率和丢包率这两个指标取得平衡。
【发明内容】
[0009] 为解决现有存在的技术问题，本发明实施例期望提供一种ROHC压缩器的IR态回 迁周期选择方法和系统，能够根据信道质量动态的调整通信系统的IR态回迁周期，以获得 同时兼顾通信系统压缩效率和丢包率的平衡。
[0010] 本发明实施例的技术方案是这样实现的：
[0011] 本发明实施例提供一种ROHC压缩器的IR态回迁周期选择方法，该方法包括：
[0012] 获取当前信道质量参数，发送至训练好的支持向量机，利用所述支持向量机根据 当前信道质量参数选择IR态回迁周期；
[0013] 按照所述支持向量机选择的IR态回迁周期调整所述ROHC压缩器的IR态回迁周 期。
[0014] 上述方案中，在利用所述支持向量机根据当前信道质量参数选择IR态回迁周期 之前，所述方法还包括：
[0015] 获取样本集；
[0016] 使用样本集训练所述支持向量机。
[0017] 上述方案中，所述获取样本集包括：
[0018] 获取样本信道质量参数；
[0019] 计算所述样本信道质量参数对应的最优IR态回迁周期。
[0020] 上述方案中，所述计算所述样本信道质量参数对应的最优IR态回迁周期包括：
[0021] 计算目标IR态回迁周期集在信道质量为所述样本信道质量参数时，所对应的总 增益集；
[0022] 根据计算出的总增益集，选择所述样本信道质量参数对应的最优IR态回迁周期。
[0023] 上述方案中，所述使用样本集训练所述支持向量机包括：
[0024] 构造训练数据，训练能够在两个IR态回迁周期做选择的支持向量机；
[0025] 构造判别函数，用构造出的训练数据确定该判别函数的参数，将所述两个IR态回 迁周期所对应的两类模式正确的分开；
[0026] 将所述支持向量机扩展为能够在N个IR态回迁周期做选择的支持向量机；
[0027] 其中，N为大于2的整数。
[0028] 本发明实施例还提供一种ROHC压缩器的IR态回迁周期选择装置，该装置包括：选 择模块和调整模块；其中，
[0029] 选择模块，用于获取当前信道质量参数，发送至训练好的支持向量机，利用所述支 持向量机根据当前信道质量参数选择IR态回迁周期；
[0030] 调整模块，按照所述支持向量机选择的IR态回迁周期调整所述ROHC压缩器的IR 态回迁周期。
[0031] 上述方案中,所述装置还包括支持向量机模块；所述支持向量机模块包括：
[0032] 样本集获取单元，用于获取样本集；
[0033] 训练单元，用于使用样本集训练所述支持向量机。
[0034] 上述方案中，所述样本集获取单元包括：
[0035] 参数获取子单元，用于获取样本信道质量参数；
[0036] 计算子单元，用于计算所述样本信道质量参数对应的最优IR态回迁周期。
[0037] 上述方案中，所述计算子单元包括：
[0038] 总增益计算子单元，用于计算目标IR态回迁周期集在信道质量为所述样本信道 质量参数时，所对应的总增益集；
[0039] 选择子单元，用于根据计算出的总增益集，选择所述样本信道质量参数对应的最 优IR态回迁周期。
[0040] 上述方案中，所述训练单元包括：
[0041] 数据构造子单元，用于构造训练数据，训练能够在两个IR态回迁周期做选择的支 持向量机；
[0042] 函数构造子单元，用于构造判别函数，用构造出的训练数据确定该判别函数的参 数，将所述两个IR态回迁周期所对应的两类模式正确的分开；
[0043] 扩展子单元，用于将所述支持向量机扩展为能够在N个IR态回迁周期做选择的支 持向量机；
[0044] 其中，N为大于2的整数。
[0045] 本发明实施例所提供的ROHC压缩器的IR态回迁周期选择方法和装置，通过引入 支持向量机，并以信道质量参数样本集和该参数样本集对应的最优IR态回迁周期训练支 持向量机，进而可利用训练好的支持向量机为ROHC压缩器选择在当前信道质量下最优IR 态回迁周期，该方法简单易行，能够在不同信道条件下自适应调整IR态回迁周期，最好地 平衡压缩效率和丢包率这两个重要的通信系统指标。
【附图说明】
[0046] 图1为本发明实施例提供的ROHC压缩器IR态回迁周期选择方法的实现流程示意 图；
[0047] 图2为本发明实施例提供的确定两个IR态回迁周期更优值的支持向量机示意 图；
[0048] 图3为本发明实施例提供的一对一式确定多个IR态回迁周期中最优值的支持向 量机原理图；
[0049] 图4是本发明实施例提供的ROHC压缩器IR态回迁周期选择装置的组成结构示意 图。
【具体实施方式】
[0050] 为了更清楚地说明本发明实施例和技术方案，下面将结合附图及实施例对本发明 的技术方案进行更详细的说明，显然，所描述的实施例是本发明的一部分实施例，而不是全 部实施例。基于本发明的实施例，本领域普通技术人员在不付出创造性劳动的前提下所获 得的所有其他实施例，都属于本发明保护的范围。
[0051] 在本发明实施例中，为了使通信系统的ROHC压缩器能根据信道质量选择最优IR 态回迁周期，引入了支持向量机（support vector machines, SVM)，并以信道质量参数样本 集和该参数样本集对应的最优IR态回迁周期训练支持向量机，进而可利用训练好的支持 向量机为ROHC压缩器选择在当前信道质量下最优IR态回迁周期。支持向量机是建立在统 计学习理论基础上的一种数据挖掘方法，它在解决小样本、非线性和高维模式识别问题中 表现出许多特有的优势，并在很大程度上克服了"维数灾难"和"过学习"等问题。支持向 量机的机理是寻找一个满足分类要求的最优分类超平面，使得该超平面在保证分类精度的 同时，能够使超平面两侧的空白区域最大化。理论上，支持向量机能够实现对线性可分数据 的最优分类。
[0052] 这里，最优IR态回迁周期是指使得通信系统的压缩效率和丢包率这两个因素的 总增益最大的IR态回迁周期。