一种基于大数据深度学习的移动互联网资源分配系统技术方案

本发明专利技术涉及互联网技术领域，尤其是一种基于大数据深度学习的移动互联网资源分配系统，包括频率分配模块，频率分配模块的输出端与频率申请模块的输入端连接，频率申请模块的输出端与台站管理模块的输入端连接，频率分配模块的输出端与频率干扰模块的输入端连接，频率分配模块的输出端与频率信息模块的输入端连接，频率信息模块的输出端与频率回收模块的输入端连接，该基于大数据深度学习的移动互联网资源分配系统对系统与台站之间通讯做出了假设，而频率分配功能则通过对节点内部干扰、节点间干扰分别由函数实现协调、并在协调失败时使用优先级策列函数处理，最终实现频率资源的合理分配。

A mobile Internet resource allocation system based on big data deep learning

【技术实现步骤摘要】
一种基于大数据深度学习的移动互联网资源分配系统
本专利技术涉及互联网
，尤其涉及一种基于大数据深度学习的移动互联网资源分配系统。
技术介绍
随着人们对更为复杂的无线通讯应用的需求日趋强烈，多种通讯设备、不同通讯计数对无线电频率的竞争也日趋激烈，通讯设备的频率冲突、信号干扰等问题愈发突出。在复杂的电磁环境下频谱资源稀缺的情况已成为无线通讯向速度更快、范围更广、应用更丰富发展的巨大阻碍。无线网络通讯频谱地位一种资源，它和水、土地、森林等自然资源一样，也具有稀缺性和有限性，这就必然制约到可供使用频率的数量。总之如何将全部台站的用频情况进行动态统一的管理，同时有效而合理的对频率进行分配，就成为未来频谱资源紧张的重要途经之一。
技术实现思路
本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种基于大数据深度学习的移动互联网资源分配系统。为了实现上述目的，本专利技术采用了如下技术方案：设计一种基于大数据深度学习的移动互联网资源分配系统，包括频率分配模块，所述频率分配模块的输出端与频率申请模块的输入端连接，所述频率申请模块的输出端与台站管理模块的输入端连接，所述频率分配模块的输出端与频率干扰模块的输入端连接，所述频率分配模块的输出端与频率信息模块的输入端连接，所述频率信息模块的输出端与频率回收模块的输入端连接，所述频率分配模块的输出端与认为干扰模块的输入端连接，所述人为干扰模块的输出都安与节点管理模块的输入端连接，所述频率分配模块的输出端与约束分析模块的输入端连接，所述约束分析模块的输出端与频率管理模块的输入端连接，所述约束分析模块的输出端与频率协调模块的输入端连接，所述频率分配模块的输出端与频率协调模块的输入端连接。优选的，所述频率分配模块的功能是根据频率申请提交的元数据进行频率分配，分配过程需要考虑频率是否满足约束性、是否干扰其它台站，如出现干扰则进行频率协调，并对最终的分配结果进行存储。优选的，其特征在于，所述频率回收模块的功能是台站使用频率结束或分配的时间终止时，台站将归还频率给节点，同时更新频率分配结果。优选的，所述频率约束模块的功能是节点根据频率管理知识对申请的频率继续宁约束性分析。优选的，所述人为干预模块的功能是台站的频率申请不用经过频率分配算法，而采用人为决策的方式进行分配。优选的，所述频率协调模块的功能是，当节点对台站申请的频率分析发现对其他正在使用的台站存在干扰，则系统与被干扰台站所述的节点进行协调，满足台站的频率需求。本专利技术提出的一种基于大数据深度学习的移动互联网资源分配系统，有益效果在于：通过对无线通讯模型的分析确定了干扰模型，考虑到频率分配是多个频管单位之间相互协作、共同决策的过程，对频率分配系统进行了功能性和非功能性需求分析，确定了系统应基于分布式架构，且应具备频率可分配性分析能力、频率协调能力、数据管理能力，对系统与台站之间通讯做出了假设，而频率分配功能则通过对节点内部干扰、节点间干扰分别由函数实现协调、并在协调失败时使用优先级策列函数处理，最终实现频率资源的合理分配。附图说明图1为本专利技术提出的一种基于大数据深度学习的移动互联网资源分配系统的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。参照图1，一种基于大数据深度学习的移动互联网资源分配系统，包括频率分配模块，频率分配模块的输出端与频率申请模块的输入端连接，频率申请模块的输出端与台站管理模块的输入端连接，频率分配模块的输出端与频率干扰模块的输入端连接，频率分配模块的输出端与频率信息模块的输入端连接，频率信息模块的输出端与频率回收模块的输入端连接，频率分配模块的输出端与认为干扰模块的输入端连接，人为干扰模块的输出都安与节点管理模块的输入端连接，频率分配模块的输出端与约束分析模块的输入端连接，约束分析模块的输出端与频率管理模块的输入端连接，约束分析模块的输出端与频率协调模块的输入端连接，频率分配模块的输出端与频率协调模块的输入端连接。频率分配模块的功能是根据频率申请提交的元数据进行频率分配，分配过程需要考虑频率是否满足约束性、是否干扰其它台站，如出现干扰则进行频率协调，并对最终的分配结果进行存储。频率回收模块的功能是台站使用频率结束或分配的时间终止时，台站将归还频率给节点，同时更新频率分配结果。频率约束模块的功能是节点根据频率管理知识对申请的频率继续宁约束性分析。人为干预模块的功能是台站的频率申请不用经过频率分配算法，而采用人为决策的方式进行分配。频率协调模块的功能是，当节点对台站申请的频率分析发现对其他正在使用的台站存在干扰，则系统与被干扰台站的节点进行协调，满足台站的频率需求，该基于大数据深度学习的移动互联网资源分配系统通过对无线通讯模型的分析确定了干扰模型，考虑到频率分配是多个频管单位之间相互协作、共同决策的过程，对频率分配系统进行了功能性和非功能性需求分析，确定了系统应基于分布式架构，且应具备频率可分配性分析能力、频率协调能力、数据管理能力，对系统与台站之间通讯做出了假设，而频率分配功能则通过对节点内部干扰、节点间干扰分别由函数实现协调、并在协调失败时使用优先级策列函数处理，最终实现频率资源的合理分配。以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其专利技术构思加以等同替换或改变，都应涵盖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】
1.一种基于大数据深度学习的移动互联网资源分配系统，其特征在于，包括频率分配模块，所述频率分配模块的输出端与频率申请模块的输入端连接，所述频率申请模块的输出端与台站管理模块的输入端连接，所述频率分配模块的输出端与频率干扰模块的输入端连接，所述频率分配模块的输出端与频率信息模块的输入端连接，所述频率信息模块的输出端与频率回收模块的输入端连接，所述频率分配模块的输出端与认为干扰模块的输入端连接，所述人为干扰模块的输出都安与节点管理模块的输入端连接，所述频率分配模块的输出端与约束分析模块的输入端连接，所述约束分析模块的输出端与频率管理模块的输入端连接，所述约束分析模块的输出端与频率协调模块的输入端连接，所述频率分配模块的输出端与频率协调模块的输入端连接。/n

【技术特征摘要】
1.一种基于大数据深度学习的移动互联网资源分配系统，其特征在于，包括频率分配模块，所述频率分配模块的输出端与频率申请模块的输入端连接，所述频率申请模块的输出端与台站管理模块的输入端连接，所述频率分配模块的输出端与频率干扰模块的输入端连接，所述频率分配模块的输出端与频率信息模块的输入端连接，所述频率信息模块的输出端与频率回收模块的输入端连接，所述频率分配模块的输出端与认为干扰模块的输入端连接，所述人为干扰模块的输出都安与节点管理模块的输入端连接，所述频率分配模块的输出端与约束分析模块的输入端连接，所述约束分析模块的输出端与频率管理模块的输入端连接，所述约束分析模块的输出端与频率协调模块的输入端连接，所述频率分配模块的输出端与频率协调模块的输入端连接。


2.根据权利要求1所述的一种基于大数据深度学习的移动互联网资源分配系统，其特征在于，所述频率分配模块的功能是根据频率申请提交的元数据进行频率分配，分配过程需要考虑频率是否满足约束性、是否干扰其它台站，如出现干...

【专利技术属性】
技术研发人员：王海兵，
申请(专利权)人：深圳市深海瑞格科技有限公司，
类型：发明
国别省市：广东;44