【技术实现步骤摘要】
本专利技术涉及移动数据通信服务，尤其涉及基于优化算法的电力双模载波网络通信质量提升系统和方法。
技术介绍
1、本专利技术通过引入基于优化算法的动态资源分配、信道质量预测及跨模态载波融合技术，能够提高电力双模载波网络的资源利用效率。首先，通过实时监测网络负载、信道质量和干扰信息，系统能够动态调整载波资源分配，实现对反向链路资源的精确配置，从而优化网络的传输效率和稳定性。其次，信道质量评估与预测模块通过对信道质量的实时预测，提供了更加精准的资源分配依据，减少了信道波动对资源调度的影响。最后，跨模态载波融合模块通过优化tdd和fdd模态之间的资源共享与切换，有效管理了模态间的干扰，优化了频谱资源的分配。综上所述，本专利技术通过精确的资源分配和信道管理方法，提升了电力双模载波网络的通信稳定性和频谱资源的利用效率。
技术实现思路
1、鉴于上述现有存在的问题，提出了本专利技术。
2、因此，本专利技术提供了基于优化算法的电力双模载波网络通信质量提升方法，针对现有电力双模载波网络中资源分配不均、信道质量波动较大以及干扰难以有效管理等问题，提出了一种基于优化算法的电力双模载波网络通信质量提升方法。该方法通过引入智能化的资源分配优化策略，结合信道质量预测与历史数据学习，实现动态优化的资源分配。具体来说，本专利技术解决了以下技术问题：首先，如何根据网络负载和信道质量变化动态调整载波资源的分配；其次，如何通过对信道质量进行实时评估与预测，提升网络的资源利用效率；最后，如何有效管理载波模态之间的
3、为解决上述技术问题，本专利技术提供如下技术方案，基于优化算法的电力双模载波网络通信质量提升系统，包括：网络状态监测模块、信道质量评估与预测模块、资源分配优化模块和跨模态载波融合模块，其中：网络状态监测模块通过实时监测电力双模载波网络中的各链路负载、信道质量和干扰信息，并将监测数据传递给信道质量评估与预测模块；信道质量评估与预测模块基于网络状态监测模块提供的数据，采用机器学习模型对当前信道质量进行评估，并预测未来信道质量变化，为资源分配优化模块提供输入；资源分配优化模块基于信道质量预测结果及实时网络负载信息，采用优化算法对反向链路的载波资源进行动态分配；跨模态载波融合模块根据资源分配优化模块提供的分配方案，进行载波模态选择、频谱资源分配及干扰管理。
4、作为本专利技术所述的基于优化算法的电力双模载波网络通信质量提升系统的一种优选方案，其中：所述网络状态监测模块通过采集各链路的实时负载、信道质量和干扰信息，并评估链路间的干扰强度，将对应数据传输给信道质量评估与预测模块；信道质量评估与预测模块根据接收到的实时数据和历史数据，运用模型对信道质量进行评估，并根据评估结果预测未来时刻的信道质量变化，预测结果作为资源分配优化模块的输入。
5、作为本专利技术所述的基于优化算法的电力双模载波网络通信质量提升系统的一种优选方案，其中：所述资源分配优化模块接收来自信道质量评估与预测模块的信道质量预测结果和网络状态数据，采用粒子群优化pso或遗传算法ga优化方法进行反向链路的载波资源分配；跨模态载波融合模块根据资源分配优化模块提供的载波分配方案，执行载波模态选择与频谱资源调整，优化频谱资源的使用并管理干扰。
6、作为本专利技术所述的基于优化算法的电力双模载波网络通信质量提升方法的一种优选方案，其中：a)基于智能反向链路优化算法对载波资源进行动态分配，所述智能算法根据网络负载、信道质量和干扰信息实时评估，并优化反向链路的载波资源分配；
7、b)基于机器学习模型对无线信道的状态进行预测与评估，所述机器学习模型利用历史信道数据和实时网络信息，预测未来信道质量变化，并调整通信参数以优化信道质量；
8、c)在步骤a)和b)的基础上，采用跨模态载波融合技术进行动态资源调度与干扰管理，协调不同载波模态之间的资源分配。
9、作为本专利技术所述的基于优化算法的电力双模载波网络通信质量提升方法的一种优选方案，其中：所述基于智能反向链路优化算法对载波资源进行动态分配包括，在电力双模载波网络中，反向链路的资源分配随着网络负载，信道质量和干扰的变化而发生动态变化，因此，为了实现动态优化，引入时间因素，表示在时刻t的优化目标函数，目标函数需要在每个时刻对负载，信道质量和干扰进行权衡，并考虑各项因素的相对重要性，公式如下：
10、
11、其中，表示在时刻t下的优化目标函数；w1(t),w2(t),w3(t)表示随时间变化的权重系数，动态调整负载，信道质量和干扰的影响；li(t)表示第i条链路的网络负载；snri(t)表示第i条链路的信噪比；ii(t)表示第i条链路的干扰量；
12、为了提高模型的自适应性，引入历史数据学习部分，基于历史网络状态预测未来的负载，信道质量和干扰，从而调整优化策略，考虑到时间对历史数据的影响，故通过加权累积来结合历史数据：
13、
14、其中，λ表示历史数据学习的权重系数；α(t)表示随时间衰减的系数；表示过去k个时刻的负载；
15、考虑干扰计算的具体模型，并基于网络拓扑对干扰进行优化，其中干扰量的计算需要考虑信号传播的路径损耗、干扰源的功率、频率以及网络拓扑结构，具体如下：
16、
17、其中：ii(t)表示第i条链路在时刻t的干扰量；pj(t)表示第j条链路的发射功率；dij(t)表示第i和j条链路之间的距离；γ表示路径损耗因子，取值为2到4；αij(t)表示与链路i和j之间干扰的关系系数；fij(t)表示频率对应的干扰系数；βij(t)表示与频率和干扰模式相关的系数；αij(t)表示与链路i和j之间干扰的关系系数；fij(t)表示频率相关的干扰系数；βij(t)表示与频率和干扰模式对应的系数；
18、为了实现反向链路的载波资源最优分配，采用粒子群优化pso和遗传算法ga的结合模型，在粒子群优化pso中，粒子表示每个链路的载波分配策略，并通过更新粒子的速度和位置来进行局部搜索，而遗传算法ga则用于全局搜索，通过交叉，变异操作来探索最优解；
19、粒子群优化公式：
20、vi(t+1)＝ω·vi(t)+c1·(pi-xi(t))+c2·(g-xi(t))
21、xi(t+1)＝xi(t)+vi(t+1)
22、遗传算法用于全局优化：
23、p＝p+∈
24、其中，vi(t)表示粒子的速度，xi(t)表示粒子的位置，c1和c2是加速常数，ω是惯性权重，pi是粒子的最佳位置，g是全局最佳位置，p是当前种群中的个体，∈是变异量。
25、作为本专利技术所述的基于优化算法的电力双模载波网络通信质量提升方法的一种优选方案，其中：所述预测与评估包括，系统通过历史信道数据和实时网络信息训练机器学习模型，所述历史信道数据包括信号强度、误码率、信噪比、干扰信息和网络负载，实时网络信息包括当前本文档来自技高网...
【技术保护点】
1.基于优化算法的电力双模载波网络通信质量提升系统，其特征在于：包括，网络状态监测模块、信道质量评估与预测模块、资源分配优化模块和跨模态载波融合模块，其中：网络状态监测模块通过实时监测电力双模载波网络中的各链路负载、信道质量和干扰信息，并将监测数据传递给信道质量评估与预测模块；信道质量评估与预测模块基于网络状态监测模块提供的数据，采用机器学习模型对当前信道质量进行评估，并预测未来信道质量变化，为资源分配优化模块提供输入；资源分配优化模块基于信道质量预测结果及实时网络负载信息，采用优化算法对反向链路的载波资源进行动态分配；跨模态载波融合模块根据资源分配优化模块提供的分配方案，进行载波模态选择、频谱资源分配及干扰管理。
2.如权利要求1所述的基于优化算法的电力双模载波网络通信质量提升系统，其特征在于：所述网络状态监测模块通过采集各链路的实时负载、信道质量和干扰信息，并评估链路间的干扰强度，将对应数据传输给信道质量评估与预测模块；信道质量评估与预测模块根据接收到的实时数据和历史数据，运用模型对信道质量进行评估，并根据评估结果预测未来时刻的信道质量变化，预测结果作为资源分配优
3.如权利要求2所述的基于优化算法的电力双模载波网络通信质量提升系统，其特征在于：所述资源分配优化模块接收来自信道质量评估与预测模块的信道质量预测结果和网络状态数据，采用粒子群优化PSO或遗传算法GA优化方法进行反向链路的载波资源分配；跨模态载波融合模块根据资源分配优化模块提供的载波分配方案，执行载波模态选择与频谱资源调整，优化频谱资源的使用并管理干扰。
4.基于优化算法的电力双模载波网络通信质量提升方法，应用于权利要求1-3中任一项所述的基于优化算法的电力双模载波网络通信质量提升系统，其特征在于：包括，
5.如权利要求4所述的基于优化算法的电力双模载波网络通信质量提升方法，其特征在于：所述基于智能反向链路优化算法对载波资源进行动态分配包括，在电力双模载波网络中，反向链路的资源分配随着网络负载，信道质量和干扰的变化而发生动态变化，因此，为了实现动态优化，引入时间因素，表示在时刻t的优化目标函数，目标函数需要在每个时刻对负载，信道质量和干扰进行权衡，并考虑各项因素的相对重要性，公式如下：
6.如权利要求5所述的基于优化算法的电力双模载波网络通信质量提升方法，其特征在于：所述预测与评估包括，系统通过历史信道数据和实时网络信息训练机器学习模型，所述历史信道数据包括信号强度、误码率、信噪比、干扰信息和网络负载，实时网络信息包括当前的信号强度、误码率、链路状态信息，将历史信道数据和实时网络信息作为输入提供给机器学习模型，用于建立信道质量与通信参数之间的映射关系；
7.如权利要求6所述的基于优化算法的电力双模载波网络通信质量提升方法，其特征在于：所述动态资源调度与干扰管理包括，系统根据实时的网络负载、信道质量、用户需求数据，动态调整载波模态的选择和资源分配；
8.如权利要求7所述的基于优化算法的电力双模载波网络通信质量提升方法，其特征在于：所述跨模态载波融合技术还包括对不同频段的载波进行协同调度，所述协同调度基于网络状态信息，包括频谱利用情况、链路质量和带宽需求，系统实时评估每个频段的资源需求，并根据需求情况在不同载波模态之间进行动态切换。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求4至8中任一项所述的基于优化算法的电力双模载波网络通信质量提升方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求4至8中任一项所述的基于优化算法的电力双模载波网络通信质量提升方法的步骤。
...【技术特征摘要】
1.基于优化算法的电力双模载波网络通信质量提升系统，其特征在于：包括，网络状态监测模块、信道质量评估与预测模块、资源分配优化模块和跨模态载波融合模块，其中：网络状态监测模块通过实时监测电力双模载波网络中的各链路负载、信道质量和干扰信息，并将监测数据传递给信道质量评估与预测模块；信道质量评估与预测模块基于网络状态监测模块提供的数据，采用机器学习模型对当前信道质量进行评估，并预测未来信道质量变化，为资源分配优化模块提供输入；资源分配优化模块基于信道质量预测结果及实时网络负载信息，采用优化算法对反向链路的载波资源进行动态分配；跨模态载波融合模块根据资源分配优化模块提供的分配方案，进行载波模态选择、频谱资源分配及干扰管理。
2.如权利要求1所述的基于优化算法的电力双模载波网络通信质量提升系统，其特征在于：所述网络状态监测模块通过采集各链路的实时负载、信道质量和干扰信息，并评估链路间的干扰强度，将对应数据传输给信道质量评估与预测模块；信道质量评估与预测模块根据接收到的实时数据和历史数据，运用模型对信道质量进行评估，并根据评估结果预测未来时刻的信道质量变化，预测结果作为资源分配优化模块的输入。
3.如权利要求2所述的基于优化算法的电力双模载波网络通信质量提升系统，其特征在于：所述资源分配优化模块接收来自信道质量评估与预测模块的信道质量预测结果和网络状态数据，采用粒子群优化pso或遗传算法ga优化方法进行反向链路的载波资源分配；跨模态载波融合模块根据资源分配优化模块提供的载波分配方案，执行载波模态选择与频谱资源调整，优化频谱资源的使用并管理干扰。
4.基于优化算法的电力双模载波网络通信质量提升方法，应用于权利要求1-3中任一项所述的基于优化算法的电力双模载波网络通信质量提升系统，其特征在于：包括，
5.如权利要求4所述的基于优化算法的电力双模载波网络通信质量提升...
【专利技术属性】
技术研发人员：胡庭彪，张宏伟，周玉白，王俊海，刘声权，
申请(专利权)人：广东信通通信有限公司，
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。