【技术实现步骤摘要】
本专利技术涉及一种基于知识图谱和深度学习的无线通信网络智能优化架构以及方法技术，属于人工智能辅助无线通信。
技术介绍
1、b5g以及6g的快速发展对无线通信网络提出了超大速率和超大带宽的通信需求，衍生出更加多样化的业务场景，出现了海量的用户设备以及激增的数据流量趋势，给现有的无线通信技术带来了压力，其无法保证所需的用户服务质量。新兴的业务场景对吞吐量、时延以及可靠性等通信指标有更高的要求，对无线通信网络提出了更大的挑战。6g无线通信网络将构建三维网络架构，通信环境更加多样复杂，通信设备更加异构多源。这导致了极高的通信需求，需要无线通信网络具有极高的通信质量。为了提高6g无线通信网络的通信质量，在工程中对无线通信网络进行优化调控是非常必要的。在不同的应用场景以及通信需求下，调控无线通信网络的通信指标是优化无线通信网络通信质量的关键。这可以帮助定位导致网络性能下降或用户体验质量下降的原因，并促进无线通信网络的态势演变分析与预测。手动优化调控难以动态地适应不断变化的用户需求和网络环境，并不适用于网络部署复杂且具有智能内生特性的6g无线通信网络...
【技术保护点】
1.一种基于知识图谱和深度学习的无线通信网络智能优化方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于知识图谱和深度学习的无线通信网络智能优化方法，其特征在于，基于领域专家知识，构建无线通信网络通信性能指标知识图谱，其中实体集合包括无线通信网络中的指标节点与关联节点，关系集合包括无线通信网络中各个节点之间的显式关系、隐式关系以及因果关系。
3.根据权利要求1所述的一种基于知识图谱和深度学习的无线通信网络智能优化方法，其特征在于，对于无线通信网络下行吞吐量知识图谱，包括：下行物理层指标节点、下行媒体访问控制层指标节点、下行无...
【技术特征摘要】
1.一种基于知识图谱和深度学习的无线通信网络智能优化方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于知识图谱和深度学习的无线通信网络智能优化方法，其特征在于，基于领域专家知识，构建无线通信网络通信性能指标知识图谱，其中实体集合包括无线通信网络中的指标节点与关联节点，关系集合包括无线通信网络中各个节点之间的显式关系、隐式关系以及因果关系。
3.根据权利要求1所述的一种基于知识图谱和深度学习的无线通信网络智能优化方法，其特征在于，对于无线通信网络下行吞吐量知识图谱，包括：下行物理层指标节点、下行媒体访问控制层指标节点、下行无线链路控制层指标节点、以及下行各层指标节点的峰值与最低值指标节点、每秒下行调制方式相关的关联节点、每秒下行非重传相关的关联节点、影响下行误块率的关联节点、影响下行资源块控制反馈流程的关联节点以及其它无线通信网络中的通用非调型数据参数节点。
4.根据权利要求1所述的一种基于知识图谱和深度学习的无线通信...
【专利技术属性】
技术研发人员：杨绿溪，冯庆霞，方印，张胜胜，李春国，黄永明，
申请(专利权)人：东南大学，
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。