【技术实现步骤摘要】
本专利技术涉及功率分配，具体涉及一种适用于工业物联网通信学习性能均衡的功率分配方案。
技术介绍
1、随着工业生产中数据的不断增长，物联网利用先进的人工智能算法，如机器学习和深度学习，能够从数据中提取有价值的信息，并为工业生产提供智能化的决策和控制，然而，在工业物联网中，通信延迟是一个严峻的挑战。传统的云计算模式需要将数据发送到远程的云服务器进行处理和分析，这样会导致较高的延迟和不可靠的响应。
2、在现有的资源分配技术中，如专利公开号为cn115802380a的动态不确定场景下认知工业物联网的资源分配方法及装置，针对工业物联网中的时延问题，建立动态不确定场景下的认知工业物联网模型，并基于排队模型建立认知工业物联网时延模型，再通过资源分配保障各业务的时延需求；如专利公开号为cn114745725a的一种基于边缘计算工业物联网的资源分配管理系统，该方法建立基于边缘计算的工业物联网模型下异构任务的重要性模型，对不同任务进行最优分配，实现了减少服务的延迟，提高系统计算资源的利用率。在上述公开的资源分配技术中，仅考虑时变信道下保证iio...
【技术保护点】
1.一种适用于工业物联网通信学习性能均衡的功率分配方案，其特征在于，包括下述步骤：
2.根据权利要求1所述的适用于工业物联网通信学习性能均衡的功率分配方案，其特征在于，所述边缘智能工业物联网框架包括一个N根天线的智能边缘服务器和K个单天线用户，边缘智能工业物联网框架用于蜂窝区域，每个宏蜂窝区域包括一个基站、边缘服务器和多个智能工厂，每个智能工厂设有多个通信设备。
3.根据权利要求1所述的适用于工业物联网通信学习性能均衡的功率分配方案，其特征在于，所述多个神经网络分类模型在边缘服务器处搭建，用于处理不同类型的数据。
4.根据权利要求1...
【技术特征摘要】
1.一种适用于工业物联网通信学习性能均衡的功率分配方案，其特征在于，包括下述步骤：
2.根据权利要求1所述的适用于工业物联网通信学习性能均衡的功率分配方案，其特征在于，所述边缘智能工业物联网框架包括一个n根天线的智能边缘服务器和k个单天线用户，边缘智能工业物联网框架用于蜂窝区域，每个宏蜂窝区域包括一个基站、边缘服务器和多个智能工厂，每个智能工厂设有多个通信设备。
3.根据权利要求1所述的适用于工业物联网通信学习性能均衡的功率分配方案，其特征在于，所述多个神经网络分类模型在边缘服务器处搭建，用于处理不同类型的数据。
4.根据权利要求1所述的适用于工业物联网通信学习性能均衡的功率分配方案，其特征在于，所述根据不同类型的数据集训练对应的神经网络分类模型，具体包括：
5.根据权利要求1所述的适用于工业物联网通信学习性能均衡的功率分配方案，其特征在于，所述信道状态信息基于导...
【专利技术属性】
技术研发人员：陈颖玚，秦思贤，谢朝，裴廷睿，庄桐创，李强，
申请(专利权)人：暨南大学，
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。