用于路由器的带宽控制方法、系统和电子设备技术方案

本申请涉及路由器带宽分配的领域，其具体地公开了一种用于路由器的带宽控制方法、系统和电子设备。其采用基于卷积神经网络的深度学习技术来充分挖掘出各个所述终端设备的带宽信息之间和信号强度信息之间的关联性特征，并且使用上行参数来对所述带宽信息和所述信号强度信息进行融合，进而再基于经典多维尺度变换的原理对得到的所述特征图进行修正，以使得得到的每个所述终端设备所分配的带宽的百分比更加准确。通过这样的方式，可以对各个所述终端设备所分配的带宽资源进行合理地分配。终端设备所分配的带宽资源进行合理地分配。终端设备所分配的带宽资源进行合理地分配。

【技术实现步骤摘要】
用于路由器的带宽控制方法、系统和电子设备


[0001]本专利技术涉及路由器带宽分配的领域，且更为具体地，涉及一种用于路由器的带宽控制方法、系统和电子设备。

技术介绍

[0002]路由器又可以称之为网关设备。在网络通信中，路由器具有判断网络地址以及选择IP路径的作用，可以在多个网络环境中，构建灵活的链接系统，通过不同的数据分组以及介质访问方式对各个子网进行链接。
[0003]目前，在现有的路由器中，通常基于分时控制模式来控制路由器中各个终端设备的带宽资源，也就是，首先获取各个终端设备的信号强度，并基于信号强度来确定各个终端设备对应的带宽资源，然后，将计算出对应的带宽资源分配给各个终端设备。
[0004]但是，这种分配带宽的方式却没有考虑到各个终端设备的实际情况，以及各个终端设备所组成的整体情况。这样就可能会使得各个终端设备所分配的带宽资源存在着不足。因此，为了实现合理的带宽分配，期望一种用于路由器的带宽控制方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于路由器的带宽控制方法、系统和电子设备，其采用基于卷积神经网络的深度学习技术来充分挖掘出各个所述终端设备的带宽信息之间和信号强度信息之间的关联性特征，并且使用上行参数来对所述带宽信息和所述信号强度信息进行融合，进而再基于经典多维尺度变换的原理对得到的所述特征图进行修正，以使得得到的每个所述终端设备所分配的带宽的百分比更加准确。通过这样的方式，可以对各个所述终端设备所分配的带宽资源进行合理地分配。
[0006]根据本申请的一个方面，提供了一种用于路由器的带宽控制方法，其包括：
[0007]获取与路由器相连通的各个终端设备在一系列预定时间点的带宽数据并将所述一系列预定时间点的带宽数据按照设备样本维度和时间维度构造为带宽矩阵；
[0008]获取各个所述终端设备在相同的一系列预定时间点的信号强度数据并将所述一系列预定时间点的信号强度数据按照设备样本维度和时间维度构造为信号矩阵；
[0009]使用第一卷积神经网络和第二卷积神经网络作为特征提取器从所述带宽矩阵和所述信号矩阵获得第一特征图和第二特征图；
[0010]基于各个所述终端设备到所述路由器的上行通信参数来融合所述第一特征图和所述第二特征图以获得第三特征图，所述上行通信参数基于终端设备的小规模衰减功率分量、终端设备的小规模衰减效应、加性高斯白噪声功率和所选信道中的干涉确定；
[0011]基于所述第一特征图和所述第二特征图中相应位置之间的距离，使用经典多维尺度变换对所述第三特征图进行尺度变换以获得修正融合特征图；
[0012]获得当前的各个所述终端设备的带宽分配数据并将各个所述终端的带宽分配数据排列为带宽分配向量；
[0013]使用由多个全连接层构成的编码器对所述带宽分配向量进行编码以获得带宽分配特征向量；
[0014]以所述带宽分配特征向量作为查询向量与所述修正融合特征图进行矩阵相乘以将所述带宽分配特征向量映射到所述修正融合特征图的特征空间中以获得分配特征向量；以及
[0015]计算所述分配特征向量的各个位置的Softmax函数值作为每个位置对应的终端设备的带宽分配百分比，所述Softmax函数值为取各个位置的特征值为幂的自然指数函数值除以取各个位置的特征值为幂的自然指数函数值的加权和。
[0016]根据本申请的另一方面，提供了一种用于路由器的带宽控制系统，其包括：
[0017]带宽矩阵构造单元，用于获取与路由器相连通的各个终端设备在一系列预定时间点的带宽数据并将所述一系列预定时间点的带宽数据按照设备样本维度和时间维度构造为带宽矩阵；
[0018]信号矩阵构造单元，用于获取各个所述终端设备在相同的一系列预定时间点的信号强度数据并将所述一系列预定时间点的信号强度数据按照设备样本维度和时间维度构造为信号矩阵；
[0019]特征提取单元，用于使用第一卷积神经网络和第二卷积神经网络作为特征提取器从所述带宽矩阵构造单元获得的所述带宽矩阵和所述信号矩阵构造单元获得的所述信号矩阵获得第一特征图和第二特征图；
[0020]融合单元，用于基于各个所述终端设备到所述路由器的上行通信参数来融合所述特征提取单元获得的所述第一特征图和所述特征提取单元获得的所述第二特征图以获得第三特征图，所述上行通信参数基于终端设备的小规模衰减功率分量、终端设备的小规模衰减效应、加性高斯白噪声功率和所选信道中的干涉确定；
[0021]尺度变换单元，用于基于所述特征提取单元获得的所述第一特征图和所述特征提取单元获得的所述第二特征图中相应位置之间的距离，使用经典多维尺度变换对所述融合单元获得的所述第三特征图进行尺度变换以获得修正融合特征图；
[0022]带宽分配向量生成单元，用于获得当前的各个所述终端设备的带宽分配数据并将各个所述终端的带宽分配数据排列为带宽分配向量；
[0023]编码单元，用于使用由多个全连接层构成的编码器对所述带宽分配向量生成单元获得的所述带宽分配向量进行编码以获得带宽分配特征向量；
[0024]映射单元，用于以所述编码单元获得的所述带宽分配特征向量作为查询向量与所述尺度变换单元获得的所述修正融合特征图进行矩阵相乘以将所述带宽分配特征向量映射到所述修正融合特征图的特征空间中以获得分配特征向量；以及
[0025]结果计算单元，用于计算所述映射单元获得的所述分配特征向量的各个位置的Softmax函数值作为每个位置对应的终端设备的带宽分配百分比，所述Softmax函数值为取各个位置的特征值为幂的自然指数函数值除以取各个位置的特征值为幂的自然指数函数值的加权和。
[0026]根据本申请的又一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的用于路由器的带宽控制方法。
[0027]根据本申请的再又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的用于路由器的带宽控制方法。
[0028]与现有技术相比，本申请提供的用于路由器的带宽控制方法、系统和电子设备，其采用基于卷积神经网络的深度学习技术来充分挖掘出各个所述终端设备的带宽信息之间和信号强度信息之间的关联性特征，并且使用上行参数来对所述带宽信息和所述信号强度信息进行融合，进而再基于经典多维尺度变换的原理对得到的所述特征图进行修正，以使得得到的每个所述终端设备所分配的带宽的百分比更加准确。通过这样的方式，可以对各个所述终端设备所分配的带宽资源进行合理地分配。
附图说明
[0029]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于路由器的带宽控制方法，其特征在于，包括：获取与路由器相连通的各个终端设备在一系列预定时间点的带宽数据并将所述一系列预定时间点的带宽数据按照设备样本维度和时间维度构造为带宽矩阵；获取各个所述终端设备在相同的一系列预定时间点的信号强度数据并将所述一系列预定时间点的信号强度数据按照设备样本维度和时间维度构造为信号矩阵；使用第一卷积神经网络和第二卷积神经网络作为特征提取器从所述带宽矩阵和所述信号矩阵获得第一特征图和第二特征图；基于各个所述终端设备到所述路由器的上行通信参数来融合所述第一特征图和所述第二特征图以获得第三特征图，所述上行通信参数基于终端设备的小规模衰减功率分量、终端设备的小规模衰减效应、加性高斯白噪声功率和所选信道中的干涉确定；基于所述第一特征图和所述第二特征图中相应位置之间的距离，使用经典多维尺度变换对所述第三特征图进行尺度变换以获得修正融合特征图；获得当前的各个所述终端设备的带宽分配数据并将各个所述终端的带宽分配数据排列为带宽分配向量；使用由多个全连接层构成的编码器对所述带宽分配向量进行编码以获得带宽分配特征向量；以所述带宽分配特征向量作为查询向量与所述修正融合特征图进行矩阵相乘以将所述带宽分配特征向量映射到所述修正融合特征图的特征空间中以获得分配特征向量；以及计算所述分配特征向量的各个位置的Softmax函数值作为每个位置对应的终端设备的带宽分配百分比，所述Softmax函数值为取各个位置的特征值为幂的自然指数函数值除以取各个位置的特征值为幂的自然指数函数值的加权和。2.根据权利要求1所述的用于路由器的带宽控制方法，其中，所述第一卷积神经网络和所述第二卷积神经网络具有相同的网络结构；其中，所述第一卷积神经网络和所述第二卷积神经网络以如下公式对所述带宽矩阵和所述信号矩阵进行处理以获得所述第一特征图和所述第二特征图；所述公式为：f
i
＝active(N
i
×
f
i
‑1+B
i
)其中，f
i
‑1为第i层卷积神经网络的输入，f
i
为第i层卷积神经网络的输出，N
i
为第i层卷积神经网络的卷积核，且B
i
为第i层卷积神经网络的偏置向量，active表示非线性激活函数。3.根据权利要求2所述的用于路由器的带宽控制方法，其中，基于各个所述终端设备到所述路由器的上行通信参数来融合所述第一特征图和所述第二特征图以获得第三特征图，包括：基于各个所述终端设备到所述路由器的上行通信参数，以如下公式来融合所述第一特征图和所述第二特征图以获得第三特征图；所述公式为：
其中f1、f2和f3是分别是所述第一、第二和第三特征图的每个位置的特征值，h表示在终端设备的样本维度上的小规模衰减功率分量，a表示在终端设备的样本维度上的小规模衰减效应，σ2表示加性白高斯噪声的功率且I
c
是所选信道中的干涉。4.根据权利要求3所述的用于路由器的带宽控制方法，其中，基于所述第一特征图和所述第二特征图中相应位置之间的距离，使用经典多维尺度变换对所述第三特征图进行尺度变换以获得修正融合特征图，包括：计算所述第一特征图和所述第二特征图中相应位置之间的距离以获得第四特征图；对于所述第三特征图和所述第四特征图在通道维度上的每个第三矩阵和第四矩阵，计算所述第三矩阵和所述第四矩阵之间的修正矩阵；以及将所述修正矩阵按照通道维度排列为所述修正融合特征图。5.根据权利要求4所述的用于路由器的带宽控制方法，其中，计算所述第一特征图和所述第二特征图中相应位置之间的距离以获得第四特征图，包括：计算所述第一特征图和所述第二特征图中相应位置之间的欧式距离以获得所述第四特征图。6.根据权利要求5所述的用于路由器的带宽控制方法，其中，对于所述第三特征图和所述第四特征图在通道维度上的每个第三矩阵和第四矩阵...

【专利技术属性】
技术研发人员：江奇峰，
申请(专利权)人：杭州谣佐科技有限公司，
类型：发明
国别省市：