运用人工智能实现通讯链路动态加权的网络优化方法技术

本发明专利技术提出了一种运用人工智能实现通讯链路动态加权的网络优化方法，涉及通讯网络链路动态加权优化技术领域，包括以下步骤：通讯元素获取该通讯元素的通讯路径的所有链路特征进行实时记录并形成链路表，根据链路表的链路特征生成智能可视化网络拓扑图；当有通讯请求时，通过计算机视觉及图像识别技术识别智能可视化网络拓扑图，从而提取通讯元素之间的链路特征，导入链路图像识别样品库进行对比，计算出各链路的实时动态加权值，计算出最优通讯路径，并按最优通讯路径实现通讯；将本次参与通讯的最新链路特征更新所述智能可视化网络拓扑图并导入神经卷积机器学习库进行机器学习，形成最新一次的链路图像识别样品库，完成优化。

【技术实现步骤摘要】
运用人工智能实现通讯链路动态加权的网络优化方法
本专利技术涉及通讯网络链路动态加权优化
，尤其涉及一种运用人工智能实现通讯链路动态加权的网络优化方法。
技术介绍
目前组网通讯方面基本采用如IEEE802.11系列、物联网802.15.4等固定的协议实现局域网或小型网络的组网通讯。出于对网络可靠性与鲁棒性等经验计算值的考虑，组网过程通常需要进行多次广播路由请求、通讯握手、时隙控制的等方式，再根据固定算法加权确定有效链路。主要存在如下问题：1).在高速网络中，4G、5G、WIFI等延时和碰撞不明显，但也因此发生网络冗余、拥堵；2).在低速网络中，如zigbee、lora、aloha等物联网中，信息并发造成网络碰撞、延时尤为明显。再者，无线局域网及小型自组网网络优化办法是依赖对网络可靠性与鲁棒性等经验计算值的考虑，组网过程通常需要进行多次广播路由请求、通讯握手、时隙控制的等方式，再根据固定算法加权确定有效链路实现的。主要存在如下问题：1).在高速互联网及物联网网络中，如OFDM、WIFI等基于IEEE802.11本文档来自技高网...

【技术保护点】
1.一种运用人工智能实现通讯链路动态加权的网络优化方法，其特征在于：所述网络优化方法，包括以下步骤：/nS1：通讯网络里参与通讯的通讯元素获取该通讯元素的通讯路径的所有链路特征进行实时记录并形成链路表，根据链路表的链路特征生成智能可视化网络拓扑图；/nS2：当所述通讯网络的通讯元素有通讯请求时，发起通讯请求的通讯元素为发起者，路径中经过的通讯元素为转发者，目标通讯元素为对象；发起者到转发者到对象为通讯路径，在通讯路径中两两通讯元素之间形成链路；通过计算机视觉及图像识别技术，识别所述智能可视化网络拓扑图，从而提取发起者到对象之间所有通讯路径中两两通讯元素之间的链路特征，导入链路图像识别样品库进行...

【技术特征摘要】
1.一种运用人工智能实现通讯链路动态加权的网络优化方法，其特征在于：所述网络优化方法，包括以下步骤：
S1：通讯网络里参与通讯的通讯元素获取该通讯元素的通讯路径的所有链路特征进行实时记录并形成链路表，根据链路表的链路特征生成智能可视化网络拓扑图；
S2：当所述通讯网络的通讯元素有通讯请求时，发起通讯请求的通讯元素为发起者，路径中经过的通讯元素为转发者，目标通讯元素为对象；发起者到转发者到对象为通讯路径，在通讯路径中两两通讯元素之间形成链路；通过计算机视觉及图像识别技术，识别所述智能可视化网络拓扑图，从而提取发起者到对象之间所有通讯路径中两两通讯元素之间的链路特征，导入链路图像识别样品库进行对比，计算出各链路的实时动态加权值；
S3：根据每条链路的实时动态加权值，计算出最优通讯路径，并按最优通讯路径实现通讯；
S4：在通讯完成后，将本次参与通讯的发起者到对象之间所有通讯路径中两两通讯元素之间的最新链路特征更新所述智能可视化网络拓扑图；将更新后的智能可视化网络拓扑图导入神经卷积机器学习库进行机器学习，形成最新一次的链路图像识别样品库，为链路动态加权提供数据支撑，完成通讯网络链路动态加权的优化；
S5：等待下一次通讯请求；当所述通讯网络的通讯元素有最新一次通讯请求时，返回所述步骤S1。


2.如权利要求1所述的运用人工智能实现通讯链路动态加权的网络优化方法，其特征在于：所述链路特征包括但不限于发起者、对象、位置、链路、信道、通讯时隙、信号强度、通讯耗时、历史成功率、类型以及特殊能力。


3.如权利要求２所述的运用人工智能实现通讯链路动态加权的网络优化方法，其特征在于：所述智能可视化网络拓扑图是通过计算机视觉及图像识别技术分析在同一时刻里，通讯网络里的所有通讯元素的实时通讯状态的链路特征而生成的一张通过颜色、大小、形状、线型、粗细及图形组合表示所有通讯实际情况的智能可视化网络拓扑矢量图，用于为计算机视觉和图像识别人工智能技术提供一个统一的导入及分析数据格式。


4.如权利要求3所述的运用人工智能实现通讯链路动态加权的网络优化方法，其特征在于：所述步骤S4的更新智能可视化网络拓扑图是：智能可视化网络拓扑图将根据链路的实时动态加权值，自动更新通过颜色、大小、形状、线型、粗细及图像组合表示所有参加通讯的通讯元素的通讯路径及链路特征的矢量图；
根据更新后的矢量图，可实现在最小路由开销的情况下，以最少节点、最短路径、最快路径找出通讯时延最短、速度最快、网络开销最小的链路进行通讯。


5.如权利要求4所述的运用人工智能实现通讯链路动态加权的网络优化方法，其特征在于：所述链路加权值计算方法为：
所述通讯元素的发起者为source、转发者为jump、对象为target，所述通讯元素的通讯路径为link，所述两两通讯元素之间形成的链路为path；所述加权值为weig...

【专利技术属性】
技术研发人员：马卫东，黄荣超，
申请(专利权)人：广州空天通讯技术服务有限公司，
类型：发明
国别省市：广东;44