一种基于神经网络算法的无线局域网性能增强方法技术

本发明专利技术公开一种基于神经网络算法的无线局域网性能增强方法，通过规范化处理原始数据，利用神经网络建立非线性回归模型，并反复利用原始数据训练建模，直到模型能反映退避窗口增大倍数与系统吞吐量、系统延迟和数据包重发率之间的关系，通过此模型对不同业务需求的退避窗口增大倍数进行预测，以得到最优系统性能需求下的退避窗口增大倍数，以解决信道冲突时，退避窗口增大倍数不能合理改变的问题。

【技术实现步骤摘要】
一种基于神经网络算法的无线局域网性能增强方法
本专利技术涉及无线通信领域和机器学习
，尤其涉及一种基于神经网络算法的无线局域网性能增强方法。
技术介绍
在无线通信领域，无线电管理委员会给定的无线信道带宽往往有限，这势必会造成信道的冲突，从而影响通信质量。目前企业多采用IEEE802.11系列标准的载波侦听多路访问冲突避免技术，加上请求发送/清除发送协议(RTS/CTS)机制，降低无线信道冲突，实现对共享信道的访问。载波侦听多路访问冲突避免机制的基本思想是当接入发生冲突时，会产生一个随机退避过程，退避计数器的值通过退避窗口产生，退避窗口服从二进制指数退避策略变大，退避计数器的值随信道空闲状态减小至零时，设备再次接入信道。但是其中退避窗口按固定倍数二倍增大，并没有充分考虑到节点优先级，数据包重发率等多方因素，这会对系统吞吐量和系统延迟带来较大负面影响。现有一种改进方法，通过划分通信节点优先级，对不同优先级节点采用不同的退避窗口增大倍数，优先级越高的节点退避窗口增大倍数越小，以满足节点的快速接入，此方法虽然在一定程度上提高了系统的性能，但其退避本文档来自技高网...

【技术保护点】
1.一种基于神经网络算法的无线局域网性能增强方法，其特征在于，包括如下步骤：/n根据已有的协议系统，采集并记录在固定发送节点个数时不同退避窗口增大倍数下的系统性能参数，将采集和记录过程重复多次，取系统性能参数的平均值作为最终的原始数据；/n将获得的原始数据进行规范化处理，使经过规范化处理后的数据数量级维持在预设范围之内；/n经规范化处理后的数据按比例划分为三类数据，分别为训练数据，验证数据和测试数据；/n使用神经网络建立非线性回归模型，其中神经网络架构分为输入层、隐藏层和输出层；/n采用神经网络算法对输入参数和输出参数进行多次训练建模，当模型输出的均方误差损失函数数值满足要求时，保存此训练模型...

【技术特征摘要】
1.一种基于神经网络算法的无线局域网性能增强方法，其特征在于，包括如下步骤：
根据已有的协议系统，采集并记录在固定发送节点个数时不同退避窗口增大倍数下的系统性能参数，将采集和记录过程重复多次，取系统性能参数的平均值作为最终的原始数据；
将获得的原始数据进行规范化处理，使经过规范化处理后的数据数量级维持在预设范围之内；
经规范化处理后的数据按比例划分为三类数据，分别为训练数据，验证数据和测试数据；
使用神经网络建立非线性回归模型，其中神经网络架构分为输入层、隐藏层和输出层；
采用神经网络算法对输入参数和输出参数进行多次训练建模，当模型输出的均方误差损失函数数值满足要求时，保存此训练模型；
使用保存的训练模型对系统性能参数进行数据预测，数据预测后需要对模型输出数据进行反规范化处理，反规范化处理后得到的数据即为真正的预测数据；
采用训练模型对原始数据进行测试，如果模型对原始数据回归拟合程度较好，则直接将此模型作为最终网络模型进行保存；如果此模型回归拟合程度较差，则放弃此模型，重新构建神经网络架构，直到得到满足要求的模型，保存此模型并将此模型作为最终模型；
在冲突避免机制中选择退避窗口增大倍数，使用最终模型对不同退避窗口增大倍数的系统性能参数进行预测和比较，通过对比得到使系统性能优越的退避窗口增大倍数，并将其应用于载波侦听多路访问冲突避免技术机制中。


2.如权利要求1所述的一种基于神经网络算法的无线局域网性能增...

【专利技术属性】
技术研发人员：李俊超，邬永强，李兆刚，章为昆，陈晨，何日阳，
申请(专利权)人：浙江万胜智能科技股份有限公司，
类型：发明
国别省市：浙江;33