一种基于人工神经网络的智能异频融合方法技术

本发明专利技术公开了一种基于人工神经网络的智能异频融合方法，综合考虑终端在不同频段上的路损、干扰、时延、频谱效率、以及用户的业务需求等因素，通过构建人工神经网络，生成训练序列进行学习，获得最优神经网络参数，快速获得任意终端在异频融合系统中的接入策略，并适时的根据通信环境变化，进行实时跟踪响应，调整接入策略。

【技术实现步骤摘要】
一种基于人工神经网络的智能异频融合方法
本专利技术涉及异频通信
，特别涉及一种基于人工神经网络的智能异频融合方法。
技术介绍
随着无线通信技术的不断发展，业界已经制定并使用了多种通信标准，每种通信标准分别使用不同的频谱资源，所能满足的通信速率、通信距离、通信时延、用户容量等指标各有不同。但是，现有单一的通信方式，通常只能在某几个通信指标上满足用户需求，若要全面满足用户多速率、距离、时延等通信服务的要求，异频融合是主要的实现方案。如图1所示，异频融合方法通过综合多个频段的通信波形，利用低频通信进行广域覆盖，利用高频通信进行高速传输。在目前的通信系统中，低频通信系统与高频通信系统由于电磁波的传播特性的不同，所能满足的通信指标有较大的区别。例如，LTE与WIMAX等微波通信标准可以提供高速率、低时延的通信服务，但是其覆盖距离有限，并且在复杂场景鲁棒性较差；而短波通信方式，可以提供远距离覆盖，有更好的联通性，但是通信速率相对较低，通信时延相对较大。对高、低频通信进行融合，才可以满足用户“既通得好又通得远”的要求。然而，高、低频段由于电磁波传播特性差异较大，终端受限于复杂度、功耗等因素，通常在每一个时刻只能选择其中一个频段进行通信，因此如何将异频通信进行有效的融合是该领域亟需解决的问题。在现有异频融合方法中，有采用多模并发的方法，让系统同时工作在不同频段上，但这种方法不适用于频率跨度大、通信复杂度高的异频融合；也有采用手动切换的方法，用户根据其需要、通信体验等，自行进行通信模式或频段的选择，但这种方法敏捷性较差、实时性较低，会明显降低通信质量；还有根据通信距离进行切换的方法，通信距离远则选择低频频段通信，通信距离近则选择高频频段通信，但这种方法颗粒度大，切换准确度较低。此外，蜂窝通信中有小区切换的方法，但这类方法主要解决小区选择、降低小区间干扰等问题，所考虑的影响因素少，主要评估链路质量。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种基于人工神经网络的智能异频融合方法，能够快速获得任意终端在异频融合系统中的接入策略，并适时的根据通信环境变化，进行实时跟踪响应，调整接入策略。本专利技术的目的通过以下的技术方案实现：一种基于人工神经网络的智能异频融合方法，包括：第一阶段：训练阶段，通过收集测试数据，整理训练序列，具体步骤如下：1)将影响异频融合通信效果的主要参数,包括但不限于路损、干扰、频谱效率、时延、负载、移动速率和业务需求,以及对应的优选接入策略记录成有序序列，该有序序列记为x＝(x1,x2,…xn),同时记录当前参数下的优选接入策略f∈{f1,f2…fm}，这些数据可以在系统测试时获得；2)建立人工神经网络，其中：u表示人工神经网络对输入的参数做出的综合评价；接入选择结果为：3)根据训练数据，联合2)中方程进行求解，获取人工神经网络的参数wi与hj，从而完成人工神经网络的训练过程；第二阶段：通过训练获得参数wi与hj后，可用于接入策略选择，进入执行阶段，包括步骤如下：4)收发双方获取影响异频融合通信效果的主要参数；5)将步骤4)获取的数据按序输入第一阶段训练后的人工神经网络，获得接入策略；6)根据步骤5)获取的接入策略，收发双发在对应的频段进行通信。优选的，步骤4)收中发双方获取影响异频融合通信效果的主要参数，数据来源包括同步信号、参考信号以及各类测量报告。优选的，周期性或者触发性的进行步骤4)中的主要参数测量，执行步骤5)与步骤6)，适时调整接入策略，适应时变性。本专利技术与现有技术相比，具有如下优点和有益效果：本专利技术综合考虑收发双方在不同频段上的路损、干扰、时延、频谱效率、以及用户的业务需求等因素，通过构建人工神经网络，生成训练序列进行学习，获得最优神经网络参数，快速获得任意终端在异频融合系统中的接入策略，并适时的根据通信环境变化，进行实时跟踪响应，调整接入策略，保证双发双方在异频融合系统中通信的鲁棒性附图说明图1是异频融合覆盖示意图。图2是多频段异频融合接入选择人工神经网络示意图。图3是双频段异频融合接入选择人工神经网络。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例1一种基于人工神经网络的智能异频融合方法，流程如图2所示，该方法可以分为两个阶段，总共7个步骤：第一阶段：训练阶段，通过收集测试数据，整理训练序列，具体步骤如下：1)将影响异频融合通信效果的主要参数(包括但不限于路损、干扰、频谱效率、时延、负载、移动速率和业务需求等)以及对应的优选接入策略记录成有序序列，该有序序列记为x＝(x1,x2,…xn),同时记录当前参数下的优选接入策略f∈{f1,f2…fm}，这些数据可以在系统测试时获得。2)建立图2所示人工神经网络，该结构分为两个步骤：第一个步骤是将输入参数进行加权求和，代表的意义是综合考虑不同输入因素的影响，获得综合评估结果；第二步是对求和结果进行判定，也就是根据综合评估结果，做出行动决策。其中：u的意义是表示人工神经网络对输入的主要参数做出的综合评价，其数学求解是各个参数与相应权值的内积。接入选择结果为：3)根据训练数据，联合2)中方程进行求解，获取人工神经网络的参数wi与hj，从而完成人工神经网络的训练过程。第二阶段：通过训练获得参数wi与hj后，可用于接入策略选择，进入执行阶段，主要步骤如下：4)收发双方通过同步信号、参考信号以及各类测量报告等，获取影响异频融合通信效果的主要参数；5)将步骤4)获取的数据按序输入第一阶段训练后的人工神经网络，获得接入策略；6)根据步骤5)获取的接入策略，收发双发在对应的频段进行通信。周期性或者触发性的进行步骤4)中的主要参数测量，执行步骤5)与步骤6)，适时调整接入策略，适应信道、负载、业务、移动速率等的时变性。实施例2以LTE/LTE-A(2.4Ghz)与短波(30Mhz)的双频段异频融合为例，对应的人工神经网络如图3所示。本方法具体实施步骤如下：第一步：在系统测试阶段，分别测量在两个频段(2.4Ghz与30Mhz)上的路损、干扰、时延、多普勒频移等信道状态信息，记为并根据测试结果，记录最优接入策略fl(代表选择了2.4Ghz或者30Mhz频段)，其中上标l为记录测试序列的编号。第二步：记w＝(w1,w2…wn,h)，记u＝wTyl，其中wT为w的转置；第三步：根据已知的最优接入策略fl，计算u＝wTyl，通过拟合参数计算w，使得相同最优接入策略fl对应的训练序列yl所计算的u＝wTyl具有相同的符号。第四步：在系统使用过程中，收发双方测量第一步骤中的参数，然后输入图3所示网络，利用第三步获得的训练结果，获取最优接入策略；第五步：周期性或触发性的重复第四步，实时跟踪通信环境的变化。上述实施例为本专利技术较佳的实施方式，但本专利技术的实施方式并不受上述实施例的限制，其他的任何未背离本专利技术的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于人工神经网络的智能异频融合方法，其特征在于，包括：第一阶段：训练阶段，通过收集测试数据，整理训练序列，具体步骤如下：1)将影响异频融合通信效果的主要参数,包括但不限于路损、干扰、频谱效率、时延、负载、移动速率和业务需求,以及对应的优选接入策略记录成有序序列，该有序序列记为x＝(x1,x2,…xn),同时记录当前参数下的优选接入策略f∈{f1,f2…fm}，这些数据可以在系统测试时获得；2)建立人工神经网络，其中：

【技术特征摘要】
1.一种基于人工神经网络的智能异频融合方法，其特征在于，包括：第一阶段：训练阶段，通过收集测试数据，整理训练序列，具体步骤如下：1)将影响异频融合通信效果的主要参数,包括但不限于路损、干扰、频谱效率、时延、负载、移动速率和业务需求,以及对应的优选接入策略记录成有序序列，该有序序列记为x＝(x1,x2,…xn),同时记录当前参数下的优选接入策略f∈{f1,f2…fm}，这些数据可以在系统测试时获得；2)建立人工神经网络，其中：u表示人工神经网络对输入的主要参数做出的综合评价；接入选择结果为：3)根据训练数据，联合2)中方程进行求解，获取人工神经网络的参数wi与hj，从而完成人工神经网络的训练过程；第二阶段：...

【专利技术属性】
技术研发人员：周雄，彭岳峰，张全君，
申请(专利权)人：广州海格通信集团股份有限公司，
类型：发明
国别省市：广东,44