基于深度学习的渐进式时延带宽测速分析方法及其系统技术方案

本发明专利技术公开基于深度学习的渐进式时延带宽测速分析方法及其系统，利用深度神经网络来解决特征表达的一种学习过程。为了提高深层神经网络的训练效果，人们对神经元的连接方法以及激活函数等方面做出了调整，建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据。本发明专利技术采用深度学习的智能设计算法，结合CS架构，用足够量的服务器与需求客户端进行算法测速，再统计用户数据，当用户数据量足够的时候，通过深度学习，能够更快更准的得出所需数据。

【技术实现步骤摘要】
基于深度学习的渐进式时延带宽测速分析方法及其系统
本专利技术涉及互联网
，尤其涉及基于深度学习的渐进式时延带宽测速分析方法及其系统。
技术介绍
在网络普及的当代，网络速率日益提高，5G时代来临前夕，人们对网络带宽的可利用率的实时性需求越来越大，人们需要一个更快更准的带宽测速方式，来认识到自己的带宽。于是，基于深度学习的渐进式时延带宽测速分析方法及其系统诞生了。顾名思义，该方法基于深度学习(DeepLearning,DL)这种智能方式，使用渐进式测速分析法，尽可能小的占用用户带宽，以最快的速度得出当前用户的带宽。该项技术利在用户数据越多，越能减少占用用户在使用过程中的带宽，并能越快能够得出结果，同时弊端也是在于深度学习需要大量的用户数据。
技术实现思路
本专利技术的目的在于提供基于深度学习的渐进式时延带宽测速分析方法及其系统。本专利技术采用的技术方案是：基于深度学习的渐进式时延带宽测速分析方法，其包括以下步骤：步骤1，从全国接口服务器获取时延带宽基本参数，并基于参数计算空闲带宽m；步骤2，本文档来自技高网...

【技术保护点】
1.基于深度学习的渐进式时延带宽测速分析方法，其特征在于：其包括以下步骤：/n步骤1，从全国接口服务器获取时延带宽基本参数，并基于参数计算空闲带宽m；/n步骤2，初始化系统参数，将上一次预测带宽Y、预测带宽Z和二分系数k均赋值0，同时迭代次数n赋值为1；/n步骤3，判断迭代次数n是否大于迭代上限M，M为大于n的整数；是则，执行步骤8；否则，执行步骤4；/n步骤4，将当前的预测带宽Z赋值给上一次预测带宽Y；同时计算当前迭代的预测带宽Z，Z＝Y+(-1)^k*[m/(2^n)]；/n步骤5，判断当前探测时延t是否小于时延策略t0；是则，执行步骤6；否则，执行步骤9；/n步骤6，测试客户端发起协议测...

【技术特征摘要】
1.基于深度学习的渐进式时延带宽测速分析方法，其特征在于：其包括以下步骤：
步骤1，从全国接口服务器获取时延带宽基本参数，并基于参数计算空闲带宽m；
步骤2，初始化系统参数，将上一次预测带宽Y、预测带宽Z和二分系数k均赋值0，同时迭代次数n赋值为1；
步骤3，判断迭代次数n是否大于迭代上限M，M为大于n的整数；是则，执行步骤8；否则，执行步骤4；
步骤4，将当前的预测带宽Z赋值给上一次预测带宽Y；同时计算当前迭代的预测带宽Z，Z＝Y+(-1)^k*[m/(2^n)]；
步骤5，判断当前探测时延t是否小于时延策略t0；是则，执行步骤6；否则，执行步骤9；
步骤6，测试客户端发起协议测速，并与测速服务交互获取客户端限速Z和测速的探测时延t；
步骤7，将迭代次数n加1，并判断测速客户端的网速是否达到限速Z；是则，k赋值0并执行步骤3；否则，k赋值1并执行步骤3；
步骤8，基于当前二分系数k的取值分别计算输入带宽R；
当k＝0时，输入带宽R＝B+Z；当k＝1时，输入带宽R＝B+Y；
步骤9，将输入带宽R上传并结束测速分析。


2.根据权利要求1所述的基于深度学习的渐进式时延带宽测速分析方法，其特征在于：步骤1中延带宽基本参数包括带宽B、时延策略t0、业务占用带宽X以及首次生成token的探测时延t。


3.根据权利要求1所述的基于深度学习的渐进式时延带宽测速分析方法，其特征在于：步骤1中空闲带宽m的计算公式为：m＝B-X。


4.根据权利要求1所述的基于深度学习的渐进式时...

【专利技术属性】
技术研发人员：卢建炜，王影新，郑炎，林荣杰，徐超，
申请(专利权)人：中电福富信息科技有限公司，
类型：发明
国别省市：福建;35