本发明专利技术涉及通信技术领域，涉及一种移动平台抗弱网通信网关接入方法及系统尤其是一种移动平台抗弱网通信网关接入方法，方法包括：根据移动平台的实时信息和目标深度学习预测模型，得到预测运动路径，实时信息包括位置信息和时间步长信息；根据所述预测运动路径，获取对应的若干通信网络；根据每一所述通信网络的路径损耗，获取若干备选通信网络；计算备选通信网络的每一接入节点的节点参数；根据移动平台当前连接的网络节点的节点参数和所述备选通信网络的节点参数，判断是否接入所述备选通信网络的接入节点；节点参数包括接收信号强度和接收信号质量。本发明专利技术能够根据预测的路径提前进行接入网络节点的规划，保证了数据传输的质量。的质量。的质量。
【技术实现步骤摘要】
一种移动平台抗弱网通信网关接入方法及系统
[0001]本专利技术涉及通信
，尤其是一种移动平台抗弱网通信网关接入方法及系统。
技术介绍
[0002]移动平台是指装有特定设备的车辆、机器人和无人机等，是万物互联世界中的重要组成部分，具有重要的应用价值。移动平台通过与基础设施和其他移动平台的通信，可以实现平台之间的交互和信息共享。然而，由于移动平台设备与基础设施之间的信号干扰、网络拥塞等问题，移动平台设备的通信质量常常受到影响，特别是在弱网络环境下。在移动平台的通信过程中，如数据传输、车联网服务等，都需要高效稳定的网络支持。然而，弱网络环境下，通信信号不稳定、数据传输速度慢、数据丢失等问题容易发生，给移动平台设备的通信稳定性和可靠性带来极大的影响。
[0003]为了解决移动平台在弱网络环境下的通信问题，研究人员和工程师们不断努力探索新的抗弱网通信方法和技术。在传统的抗弱网通信方法上，结合移动车辆平台的特点和需求，提出了一些针对性的改进和优化，如增强FEC纠错码的效率、使用ARQ重传技术、数据压缩等技术，但这些方法一定程度上提高数据传输的效率和稳定性，但仍存在一些局限性。例如，数据压缩可能会导致数据质量下降，流量控制可能会降低传输速度，而FEC纠错和ARQ重传可能会增加数据传输的延迟。
技术实现思路
[0004]一方面，为解决上述现有技术问题，本专利技术提供一种移动平台抗弱网通信网关接入方法，包括：
[0005]根据移动平台的实时信息和目标深度学习预测模型，得到预测运动路径，其中，所述实时信息包括位置信息和时间步长信息；
[0006]根据所述预测运动路径，获取对应的若干通信网络；
[0007]根据每一所述通信网络的路径损耗，获取若干备选通信网络；
[0008]计算所述备选通信网络的每一接入节点的节点参数；
[0009]根据所述移动平台当前连接的网络节点的节点参数和所述备选通信网络的节点参数，判断是否接入所述备选通信网络的接入节点；
[0010]其中，所述节点参数包括接收信号强度和接收信号质量。
[0011]作为本申请的一可选实施例，所述根据移动平台的实时位置信息和目标深度学习预测模型，得到预测运动路径的步骤，包括：
[0012]每隔预设时间，获取所述移动平台的实时信息；
[0013]将所述实时信息输入所述目标深度学习预测模型，得到预测路径标识；
[0014]根据所述预测路径标识，获取对应的预测运动路径。
[0015]作为本申请的一可选实施例，在所述根据移动平台的实时位置信息和目标深度学
习预测模型，得到预测运动路径的步骤之前，所述方法还包括：
[0016]根据所述运动平台的历史数据，得到第一样本数据，其中，所述第一样本数据包括经纬信息、时间步长信息、路径标识和路径详细信息；
[0017]根据所述第一样本数据，对初始深度学习预测模型进行训练，得到目标深度学习预测模型；
[0018]其中，所述初始深度学习预测模型基于深度残差神经网络构建。
[0019]作为本申请的一可选实施例，所述根据所述样本数据，对初始深度学习预测模型进行训练，得到目标深度学习预测模型的步骤包括：
[0020]根据预设经纬度区间，对所述第一样本数据的路径详细信息进行扩展，得到第二样本数据；
[0021]根据预设比例，对所述第二样本数据进行划分，得到训练集和测试集；
[0022]根据所述训练集和测试集对所述初始深度学习预测模型进行训练，得到目标深度学习预测模型。
[0023]作为本申请的一可选实施例，所述根据每一所述通信网络的路径损耗，获取若干备选通信网络包括：
[0024]对每一所述通信网络进行链路预算计算，得到每一所述通信网络的路径损耗；
[0025]根据所述路径损耗的大小，对所述通信网络进行快速排序；
[0026]将路径损耗最小的通信网络作为备选通信网络。
[0027]作为本申请的一可选实施例，所述路径损耗通过如下公式进行计算：
[0028][0029]式中，L是路径损耗，d是信号传播距离，f是信号频率，K是系统损耗因子。
[0030]作为本申请的一可选实施例，所述计算所述备选通信网络的每一接入节点的节点参数的步骤，包括：
[0031]对所述备选通信网络的每一接入节点进行接入测试，以获取所述备选通信网络的每一接入节点的接收信号强度和接收信号质量；
[0032]根据所述接收信号强度和接收信号质量，获取至少N个备选节点，其中，N为正整数。
[0033]作为本申请的一可选实施例，所述根据所述移动平台当前连接的网络节点的节点参数和所述备选通信网络的节点参数，判断是否接入所述备选通信网络的接入节点的步骤，包括：
[0034]对所述移动平台接入的网络节点进行监控，得到第一节点参数；
[0035]当所述第一节点参数小于预设节点参数值时，接入所述备选节点中路径损耗最小的备选节点。
[0036]作为本申请的一可选实施例，若干所述通信网络属于相同或不同的运营商。
[0037]另一方面，为解决上述技术问题，本申请还提供了一种移动平台抗弱网通信网关接入系统，包括：
[0038]预测模块，用于根据移动平台的实时信息和目标深度学习预测模型，得到预测运动路径，其中，所述实时信息包括位置信息和时间步长信息；
[0039]网络获取模块，用于根据所述预测运动路径，获取对应的若干通信网络；
[0040]网络筛选模块，用于根据每一所述通信网络的路径损耗，获取若干备选通信网络；
[0041]节点参数计算模块，用于计算所述备选通信网络的每一接入节点的节点参数；
[0042]节点接入判断模块，用于根据所述移动平台当前连接的网络节点的节点参数和所述备选通信网络的节点参数，判断是否接入所述备选通信网络的接入节点；
[0043]其中，所述节点参数包括接收信号强度和接收信号质量。
[0044]综上所述，本专利技术的有益效果如下：
[0045]首先，通过根据移动平台的实时信息和目标深度学习预测模型，得到预测运动路径，由于所述实时信息包括位置信息和时间步长信息，实现了移动平台移动路径的实时预测，深度学习模型具有很强的自适应能力，可以对非线性、复杂的数据进行建模，从而提高预测的准确率；随后，根据所述预测运动路径，获取对应的若干通信网络，即获得了预测运动路径上的可连接的通信网络，从而能够提前对接入通信网络进行提前规划；根据每一所述通信网络的路径损耗，获取若干备选通信网络，通过通信网络的路径损耗，在所有通信网络中进行筛选，以保证备选通信网络的通信质量；随后，通过计算所述备选通信网络的每一接入节点的节点参数，所述节点参数包括接收信号强度和接收信号质量，能够对接入节点进行筛选，保证连接和数据传输的稳定性；根据所述移动平台当前连接的网络节点的节点参数和所述备选通信网络的节点参数，判断是否接入所述备选通信网络的接入节本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种移动平台抗弱网通信网关接入方法，其特征在于，包括：根据移动平台的实时信息和目标深度学习预测模型，得到预测运动路径，其中，所述实时信息包括位置信息和时间步长信息；根据所述预测运动路径，获取对应的若干通信网络；根据每一所述通信网络的路径损耗，获取若干备选通信网络；计算所述备选通信网络的每一接入节点的节点参数；根据所述移动平台当前连接的网络节点的节点参数和所述备选通信网络的节点参数，判断是否接入所述备选通信网络的接入节点；其中，所述节点参数包括接收信号强度和接收信号质量。2.根据权利要求1所述的一种移动平台抗弱网通信网关接入方法，其特征在于，根据移动平台的实时位置信息和目标深度学习预测模型，得到预测运动路径的步骤，包括：获取所述移动平台的实时信息；将所述实时信息输入所述目标深度学习预测模型，得到预测路径标识；根据所述预测路径标识，获取对应的预测运动路径。3.根据权利要求1所述的一种移动平台抗弱网通信网关接入方法，其特征在于，在根据移动平台的实时位置信息和目标深度学习预测模型，得到预测运动路径的步骤之前，所述方法还包括：根据所述运动平台的历史数据，得到第一样本数据，其中，所述第一样本数据包括经纬信息、时间步长信息、路径标识和路径详细信息；根据所述第一样本数据，对初始深度学习预测模型进行训练，得到目标深度学习预测模型；其中，所述初始深度学习预测模型基于深度残差神经网络构建。4.根据权利要求3所述的一种移动平台抗弱网通信网关接入方法，其特征在于，根据样本数据，对初始深度学习预测模型进行训练，得到目标深度学习预测模型的步骤包括：根据预设经纬度区间，对所述第一样本数据的路径详细信息进行扩展，得到第二样本数据；根据预设比例，对所述第二样本数据进行划分，得到训练集和测试集；根据所述训练集和测试集对所述初始深度学习预测模型进行训练，得到目标深度学习预测模型。5.根据权利要求1所述的一种移动平台抗弱网通信网关接入方法，其特征在于，所述根据每一所述通信网络的路径损耗，获取若干备选通信网络包括：对每一所述通...
【专利技术属性】
技术研发人员：申刚，冉将军，
申请(专利权)人：四川中普盈通科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。