一种使用深度学习网络的LTE和WiFi切换方法技术

本发明专利技术属于车联网技术领域，具体涉及一种使用深度学习网络的LTE和WiFi切换方法，通过实时采集LTE和WiFi信号的强度、延迟和丢包率数据，结合GPS和IMU，判断设备的地理位置及运动状态，利用深度强化学习算法，根据当前状态选择最佳网络切换策略，执行切换操作，保证无感切换，并存储网络状态与切换历史，周期性更新DQN模型。本技术方案结合车载导航系统和IMU，系统能提前识别特定场景并预判网络切换，通过DQN算法，系统具备自学习能力，可适应不同环境，并且采用双网络并发连接保证切换过程用户无感知，并优先使用WiFi网络以节省LTE流量，避免信号波动带来的不稳定。

【技术实现步骤摘要】

本专利技术属于车联网，具体涉及一种使用深度学习网络的lte和wifi切换方法。

技术介绍

1、近年来，车载设备的联网需求不断增加，车主在车辆内希望享有高质量的网络连接，尤其在导航、流媒体播放和远程监控场景中，现有的车载网络技术大多采用lte或wifi连接，这两种网络连接均各有局限性：

2、虽然lte网络的覆盖面较广泛，但是在地下停车库、封闭的建筑物内或边远地区时，信号容易衰减甚至中断，并且lte网络的使用成本较高，尤其是在流量密集型应用中，可能会产生高额费用。

3、wifi信号的覆盖范围有限，通常局限于家庭或公司，在移动场景中无法始终保持连接，并且部分wifi网络受限于访问控制，连接建立过程需要认证时间，影响切换体验。

4、同时，一些设备也存在默认优先使用lte或wifi网络，而非动态判断信号质量，导致这些设备在信号差时仍停留在原网络，影响用户体验。为了克服上述的问题，也有提及信号阈值切换技术，但是现所有涉及网络切换方案均依赖于单一信号阈值判断，当信号临界值上下波动时，可能触发频繁切换，导致网络抖动和中断。并且缺乏场景感本文档来自技高网...

【技术保护点】

1.一种使用深度学习网络的LTE和WiFi切换方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的使用深度学习网络的LTE和WiFi切换方法，其特征在于，步骤S1中，场景识别模块结合车载导航系统和IMU单元，判断设备的地理位置及运动状态。

3.根据权利要求2所述的使用深度学习网络的LTE和WiFi切换方法，其特征在于，运动状态包括停车状态、车速在设定阈值内状态及车速大于设定阈值状态。

4.根据权利要求1所述的使用深度学习网络的LTE和WiFi切换方法，其特征在于，步骤S3中，还包括未来目标网络信号强度低于设定阈值的时间与未来当前网络信号强度低于设...

【技术特征摘要】

1.一种使用深度学习网络的lte和wifi切换方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的使用深度学习网络的lte和wifi切换方法，其特征在于，步骤s1中，场景识别模块结合车载导航系统和imu单元，判断设备的地理位置及运动状态。

3.根据权利要求2所述的使用深度学习网络的lte和wifi切换方法，其特征在于，运动状态包括停车状态、车速在设定阈值内状态及车速大于设定阈值状态。

4.根据权利要求1所述的使用深度学习网络的lte和wifi切换方法，其特征在于，步骤s3中，还包括未来目标网络信号强度低于设定阈值的时间与未来当前网络信号强度低于设定阈值的时间差≤设定时间，则进入步骤s5；

5.根据权利要求1所述的使用深度学习网络的lte和wifi切换方法，其特征在于，步骤s4中，网络切换管理...

【专利技术属性】
技术研发人员：洪杰，左奇，
申请(专利权)人：深圳市小镜科技有限公司，
类型：发明
国别省市：