1.一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，具体包括以下步骤：

S1、将压缩器建模为三种状态的有限状态机，包括刷新状态、一阶状态和二阶状态；

S2、将解压器建模为三种状态的有限状态机，包括非文本状态、全上下文状态以及静态上下文状态；

S3、将ROHC信道建模成K种状态的马尔可夫信道，其中 为信道好的状态，

为信道不好的状态；

S4、基于压缩器、解码器以及信道的建模，将如何选择下一个需要传输的包报头的类型建模为部分可观测的马尔科夫决策模型，通过求解该模型获取下一个需要传输的包报头的类型，即压缩端状态；

S5、根据QCI指数对数据流业务类型进行区分，再次调整ROHC压缩端状态。

2.根据权利要求1所述的一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，压缩器总是在初始化和刷新状态下启动，初始化和刷新状态表示数据包报头未压缩，此时通过数据包建立上下文同步；一阶状态表示数据包的报头被部分压缩，数据包中包括动态域的差分信息，数据包中部分包含静态域的差分信息；二阶状态表示数据包的报头被完全压缩。

3.根据权利要求1所述的一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，在解压器中，若处于非文本状态下，解压器需要一个刷新状态的数据包建立上下文同步，完成初始化过程；初始化成功后解压器可以从非文本状态转换到全上下文状态，全上下文状态可以对刷新状态、一阶状态和二阶状态的数据包进行解压，且当全上下文状态重复解压失败的情况下，可以切换为中间静态上下文状态；中间静态上下文状态在成功接收刷新状态或一阶状态的数据包后也可以上移转换为全文本状态，但中间静态上下文状态重复解压失败时也会向下转移至非文本状态；解压器有k1+k2+3个状态包括一个非文本状态、k1+1全上下文状态以及k2+1中间静态上下文状态，解压器处于全上下文状态时连续k1个数据包解压失败情况下，解压器转换为静态上下文状态，该状态只能解压刷新状态、一阶状态的数据包，且当一个一阶状态的数据包或者刷新状态数据包的分组解压成功，则将状态转换为全上下文状态；若在连续k2个数据包解压失败，则将状态转换为非文本状态。

4.根据权利要求3所述的一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，根据POMDP求解得到的下一个需要传输的包报头的类型后，再根据数据流的QCI指数对业务进行区分，对不同业务使用不同的U模式ROHC的乐观参数，再次调整ROHC压缩端状态，即若当前处理的任务为非实时任务时，采用的乐观参数为k1和k2，且部分可观测的马尔科夫决策模型业务当前解压端的状态为sD∈{FC0,...,FCk1}或sD∈{SC0,...,SCk2}，则不调整压缩端状态；若当前处理的任务为实时任务，将k1和k2参数模拟为k1＞＞1和k2＞＞1，若SD∈{FC0，...，FCk1/2}或sD∈{SC0,...,SCk2/2}则不调整压缩端状态，若sD∈{FCk1/2+1,...,FCk1}或sD∈{SCk2/2+1,...,SCk2}，则从二阶状态向下转换为一阶状态或者从一阶状态向下转换为刷新状态。

5.根据权利要求1所述的一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，部分可观测的马尔科夫决策模型用一个七元组进行表示，表示为(S,A,T,R,Ω,O,γ)，其中S为系统状态集合，某一时刻的系统状态为解压器状态和信道状态的笛卡尔积；A为智能体动作的集合，T为状态之间的条件转移概率集合，R为奖励函数集合，Ω为观测值集合，O为条件观测概率集合，γ为折扣因子集合。

6.根据权利要求5所述的一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，当给定动作a时，系统从状态s到状态s′的状态转移矩阵表示为：T(s,a,s′)＝p(s′H∣sH)p(s′D∣sD,a,s′H)；

其中，T(s,a,s′)表示当给定动作a时、系统从状态s到状态s′的状态转移矩阵，其属于状态之间的条件转移概率集合；p(s′H∣sH)表示信道从当前sH状态转移到下一时刻s′H状态的概率；p(s′D∣sD,a,s′H)表示给定动作a，下一时刻信道状态为s′H时，解压端的状态转移概率；a属于智能体动作的集合，状态s属于系统状态集合。

7.根据权利要求5所述的一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，在执行动作a之后，在状态s′下观测到o的概率表示为：O(s′,a,o)＝p(oH∣s′H)p(oT∣a,s′D,s′H)；

其中，O(s′,a,o)表示在执行动作a之后、在状态s′下观测到o的概率，其属于条件观测概率集合；p(oH∣s′H)表示，s′H表示下一时刻信道状态为s′H时观测到信道状态oH的概率；p(oT∣a,s′D,s′H)表示在给定动作a，下一时刻信道状态为s′H，解压端状态为s′D时观测到数据包传输状态的概率，，s′D表示下一时刻的解压端状态的集合；a属于智能体动作的集合，状态s属于系统状态集合，o属于观测值集合，oH属于观测信道状态的集合，oT表示观测数据包传输状态的集合。

8.根据权利要求5所述的一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，在执行动作a之后，系统从状态s到状态s′的奖励函数表示为：其中，R(s,a,s′)表示在执行动作a之后、系统从状态s到状态s′的奖励函数，其属于奖励函数集合；s′D表示下一时刻的解压器状态；LP表示未压缩前的数据包总长度；Li表示解压器处于i状态时，压缩包的总长度。

9.根据权利要求4所述的一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，利用PBVI算法求解部分可观测的马尔科夫决策模型，即为每个信念求最大化期望回报，优化目标表示为：其中， 表示信念b(s)的优化目标；a属于智能体动作的集合；ρ(b,a)＝∑sb(s)R(s,a)表示总的期望奖励，b(s)表示在智能体状态为s时的置信，R(s,a)表示表示在状态s时选择动作a的奖励；P(o∣b,a)表示在当前置信为b，动作为a的情况下，获得观测o的概率；

表示决策步骤为n‑1的情况下，置信为b′的最优期望。

10.根据权利要求9所述的一种区分多业务跨层优化无线网络协议头压缩方法，其特征在于，在当前置信为b、状态为s，且执行动作a得到观测o的条件下，下个状态为s′的概率，更新置信为b′，置信b′(s′)表示为：其中，P(o∣a,b)表示在当前置信为b，动作为a的情况下，获得观测o的概率；b(s)为当前置信为b，状态为s的概率。