CN106656548A - 一种基于神经网络的WiFi控制系统 - Google Patents

一种基于神经网络的WiFi控制系统 Download PDF

Info

Publication number
CN106656548A
CN106656548A CN201610849014.XA CN201610849014A CN106656548A CN 106656548 A CN106656548 A CN 106656548A CN 201610849014 A CN201610849014 A CN 201610849014A CN 106656548 A CN106656548 A CN 106656548A
Authority
CN
China
Prior art keywords
neutral net
layer
wifi control
control systems
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610849014.XA
Other languages
English (en)
Inventor
夏鹏飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Blue Ocean Fly Mdt Infotech Ltd
Original Assignee
Suzhou Blue Ocean Fly Mdt Infotech Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Blue Ocean Fly Mdt Infotech Ltd filed Critical Suzhou Blue Ocean Fly Mdt Infotech Ltd
Priority to CN201610849014.XA priority Critical patent/CN106656548A/zh
Publication of CN106656548A publication Critical patent/CN106656548A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
    • H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于神经网络的WiFi控制系统，神经网络智能模块，分别连接路由器的物理层、MAC层、视频应用层和射频模拟前端；神经网络智能模块从所述物理层、MAC层、视频应用层和射频模拟前端采集数据并存储；本发明将路由器中的各种数据进行采集处理，通过多级神经网络来进行自我学习训练，之后得出最优化的控制方案。训练好的多级神经网络根据后续的采集数据直接给路由器发出控制信令，控制其配置参数的变化，将路由器的通信效率和利用率都提高到最大，采用本发明的WiFi控制系统能够提供传统方法所不能提供的控制精度与准确度，还可以试用于完全不同的应用场景，不同的应用场景只需采用不同的训练样本即可。

Description

一种基于神经网络的WiFi控制系统
技术领域
本发明涉及一种基于神经网络的WiFi控制系统，属于通信技术领域。
背景技术
线通信作为新兴的通信技术在日常生活中的作用越来越大。时至今日，大多数人对于WI-FI技术早已不再陌生。在宾馆、咖啡店等公众场所、以及在家庭宽带接入领域，经常可以看到Wi-Fi的身影。传统的WI-FI系统起源于二十年前。在这二十年的发展过程中，WI-FI的物理层技术，得益于日益成熟的多天线技术与高效的编码解码技术，得到了充分的发展。然而WI-FI的MAC层仍然采用比较原始的CSMA载波侦听技术。随着用户数的爆炸式增长，传统的CSMA载波侦听技术逐渐不能满足目前需求，导致系统效率大幅度降低，尤其在用户密集场所，如运动场、教室、企业办公等。基于此需求，目前IEEE标准化组织正在制定下一代Wi-Fi通信标准IEEE 802.11ax，目的是为了提供更加高效率、高吞吐量的无线通信标准。
传统的WiFi控制系统（或控制器）主要依赖于频率控制、CCA管理、干扰控制、干扰抵消等传统技术。这一般适用于单一标准的无线网络中。下一代Wi-Fi网络发展带来三项重大的挑战。一是越来越多不同heterogeneous network会共存；导致传统的频率控制、CCA管理难以统一进行。二是用户密度越来越大，导致Wi-Fi控制的迫切性与重要性更加明显。三是新的Wi-Fi标准支持以OFDMA技术为代表的多用户同时传输，传统的CCA管理、干扰控制等技术不再适用。尤其考虑到网络环境是可能千变万化的，因此很难用传统的方式去设计一个合适的Wi-Fi控制器来满足下一代Wi-Fi系统（多架构、高密度、多用户）的需要。
发明内容
本发明要解决的技术问题是：为克服上述问题，提供一种基于神经网络的WiFi控制系统。
本发明解决其技术问题所采用的技术方案是：
一种基于神经网络的WiFi控制系统，包括：
神经网络智能模块，分别连接路由器的物理层、MAC层、视频应用层和射频模拟前端；
所述神经网络智能模块从所述物理层、MAC层、视频应用层和射频模拟前端采集数据并存储；将采集到的数据用于训练多级神经网络，训练好的多级神经网络根据后续的采集数据直接给路由器发出控制信令，控制其配置参数的变化。
优选地，所述神经网络智能模块包括智能WIFI控制模块、与所述智能WIFI控制模块连接的内容感知神经网络和环境感知神经网络、与所述内容感知神经网络和环境感知神经网络都连接的数据采集模块，所述数据采集模块与所述物理层和MAC层连接，通过数据采集模块进行数据采集，并通过内容感知神经网络和环境感知神经网络进行多级神经网络的训练。
优选地，所述内容感知神经网络包括至少三层结构，分别为第一输入层、一个或多个第一中间层和第一输出层。
优选地，所述环境感知神经网络包括至少三层结构，分别为第二输入层、一个或多个第二中间层和第二输出层。
优选地，所述第一输入层中每个单元代表一个第一特征矢量，所述第一特征矢量包括用户数、用户的RSSI、用户类别、误码率、吞吐量、时延数据。
优选地，所述第二输入层中每个单元代表一个第二特征矢量，所述第二特征矢量包括用户数、视频特性、压缩特性、视频帧的帧压缩率、帧压缩大小、视频帧运动信息。
优选地，所述路由器的配置参数包括发射功率、CCA参数、IFS参数、优先级别和MCS参数。
优选地，所述物理层采用多用户MIMO和正交频率复用方法进行传输。
本发明的有益效果是：本发明将路由器中闲置的各种数据进行采集处理，通过多级神经网络来进行自我学习训练，之后得出最优化的控制方案，训练好的多级神经网络根据后续的采集数据直接给路由器发出控制信令，控制其配置参数的变化，将路由器的通信效率和利用率都提高到最大，可以满足日益复杂的Wi-Fi网络控制器的要求；提供传统方法所不能提供的控制精度与准确度，提供网络效率与用户满意度，还可以试用于完全不同的应用场景。不同的应用场景只需采用不同的训练样本即可，还可以兼容于未来更加复杂的Wi-Fi网络设计。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明一个实施例的结构示意图；
图2是本发明所述内容感知神经网络的一个实施例的结构示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
如图1所示的本发明所述一种基于神经网络的WiFi控制系统，包括：
神经网络智能模块，分别连接路由器的物理层、MAC层、视频应用层和射频模拟前端；
所述神经网络智能模块从所述物理层、MAC层、视频应用层和射频模拟前端采集数据并存储；将采集到的数据用于训练多级神经网络，本发明将路由器中闲置的各种数据进行采集处理，通过多级神经网络来进行自我学习训练，之后得出最优化的控制方案，训练好的多级神经网络根据后续的采集数据直接给路由器发出控制信令，控制其配置参数的变化，将路由器的通信效率和利用率都提高到最大，本发明还可通过训练样本的变化适应不同的情景要求，不同的应用场景只需采用不同的训练样本即可，还可以兼容于未来更加复杂的Wi-Fi网络设计。
在优选的实施方式中，所述神经网络智能模块包括智能WIFI控制模块、与所述智能WIFI控制模块连接的内容感知神经网络和环境感知神经网络、与所述内容感知神经网络和环境感知神经网络都连接的数据采集模块，所述数据采集模块与所述物理层和MAC层连接，通过数据采集模块进行数据采集，并通过内容感知神经网络和环境感知神经网络进行多级神经网络的训练。
在优选的实施方式中，所述内容感知神经网络包括至少三层结构，分别为第一输入层、一个或多个第一中间层和第一输出层，如图2中所示，layer1为第一输入层，layer2和layer3为两个第一中间层，layer4为第一输出层。
在优选的实施方式中，所述环境感知神经网络包括至少三层结构，分别为第二输入层、一个或多个第二中间层和第二输出层，所述环境感知神经网络可同所述内容感知神经网络采用相同的设置，例如可以采用图2中的设置。
在优选的实施方式中，所述第一输入层中每个单元代表一个第一特征矢量，所述第一特征矢量包括用户数、用户的RSSI、用户类别、误码率、吞吐量、时延数据。
在优选的实施方式中，所述第二输入层中每个单元代表一个第二特征矢量，所述第二特征矢量包括用户数、视频特性、压缩特性、视频帧的帧压缩率、帧压缩大小、视频帧运动信息。
在优选的实施方式中，所述路由器的配置参数包括发射功率、CCA参数、IFS参数、优先级别和MCS参数。
在优选的实施方式中，所述物理层采用多用户MIMO和正交频率复用方法进行传输，多用户MIMO：多用户+空间复用技术。空间复用：为提高数据传输速率，可以采用空间复用技术，也可能从两副基台天线发送两个各自编码的数据流。这样，可以把一个传输速率相对较高数据流多组成分割为一组相对速率较低的数据流，分别在不同的天线对不同的数据流独立的编码、调制和发送，同时使用相同的频率和时隙。每副天线可以通过不同独立的信道滤波独立发送信号。接收机利用空间均衡器分离信号，然后解调、译码和解复用，恢复出原始信号。多用户技术：为了提高网路的整体吞吐率和传输效率，11ax的 AP 可以同时和多个终端用户进行MIMO传输。例如装备了8个天线的11ax 的 AP 可以同时和 8个用户通信，支持最多8个数据流。
正交频率复用方法：与之前的802.11标准不同， 11ac 采用了在4G/5G蜂窝网络通信技术中广泛采用的OFDMA技术。这样11ac AP可以通过把整个频谱划分成正交的多个资源块 (Resource Unit) 和多个 终端用户通信。而且通过为每个用户选择最合适的频率资源块， OFDMA较OFDM在多用户的情况下可以大幅度提高频谱利用率和整个网络的吞吐率。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (8)

1.一种基于神经网络的WiFi控制系统，其特征在于，包括：
神经网络智能模块，分别连接路由器的物理层、MAC层、视频应用层和射频模拟前端；
所述神经网络智能模块从所述物理层、MAC层、视频应用层和射频模拟前端采集数据并存储；将采集到的数据用于训练多级神经网络，训练好的多级神经网络根据后续的采集数据直接给路由器发出控制信令，控制其配置参数的变化。
2.如权利要求1所述的基于神经网络的WiFi控制系统，其特征在于，所述神经网络智能模块包括智能WIFI控制模块、与所述智能WIFI控制模块连接的内容感知神经网络和环境感知神经网络、与所述内容感知神经网络和环境感知神经网络都连接的数据采集模块，所述数据采集模块与所述物理层和MAC层连接，通过数据采集模块进行数据采集，并通过内容感知神经网络和环境感知神经网络进行多级神经网络的训练。
3.如权利要求2所述的基于神经网络的WiFi控制系统，其特征在于，所述内容感知神经网络包括至少三层结构，分别为第一输入层、一个或多个第一中间层和第一输出层。
4.如权利要求2所述的基于神经网络的WiFi控制系统，其特征在于，所述环境感知神经网络包括至少三层结构，分别为第二输入层、一个或多个第二中间层和第二输出层。
5.如权利要求3所述的基于神经网络的WiFi控制系统，其特征在于，所述第一输入层中每个单元代表一个第一特征矢量，所述第一特征矢量包括用户数、用户的RSSI、用户类别、误码率、吞吐量、时延数据。
6.如权利要求4所述的基于神经网络的WiFi控制系统，其特征在于，所述第二输入层中每个单元代表一个第二特征矢量，所述第二特征矢量包括用户数、视频特性、压缩特性、视频帧的帧压缩率、帧压缩大小、视频帧运动信息。
7.如权利要求1-6任一项所述的基于神经网络的WiFi控制系统，其特征在于，所述路由器的配置参数包括发射功率、CCA参数、IFS参数、优先级别和MCS参数。
8.如权利要求1-7任一项所述的基于神经网络的WiFi控制系统，其特征在于，所述物理层采用多用户MIMO和正交频率复用方法进行传输。
CN201610849014.XA 2016-09-26 2016-09-26 一种基于神经网络的WiFi控制系统 Pending CN106656548A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610849014.XA CN106656548A (zh) 2016-09-26 2016-09-26 一种基于神经网络的WiFi控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610849014.XA CN106656548A (zh) 2016-09-26 2016-09-26 一种基于神经网络的WiFi控制系统

Publications (1)

Publication Number Publication Date
CN106656548A true CN106656548A (zh) 2017-05-10

Family

ID=58853726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610849014.XA Pending CN106656548A (zh) 2016-09-26 2016-09-26 一种基于神经网络的WiFi控制系统

Country Status (1)

Country Link
CN (1) CN106656548A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110198180A (zh) * 2018-02-27 2019-09-03 中国移动通信有限公司研究院 一种链路自适应调整方法、基站及核心网侧设备
CN112512077A (zh) * 2020-12-15 2021-03-16 中国联合网络通信集团有限公司 一种上行速率的评估方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101631115A (zh) * 2009-08-20 2010-01-20 上海交通大学 基于小波神经网络的拥塞控制方法
CN201464865U (zh) * 2009-07-15 2010-05-12 河南天擎机电技术有限公司 基于Zigbee的公共场所环境监测控制系统
CN104486248A (zh) * 2014-12-04 2015-04-01 南京邮电大学 基于广义pid的随机早期检测算法的aqm系统和方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201464865U (zh) * 2009-07-15 2010-05-12 河南天擎机电技术有限公司 基于Zigbee的公共场所环境监测控制系统
CN101631115A (zh) * 2009-08-20 2010-01-20 上海交通大学 基于小波神经网络的拥塞控制方法
CN104486248A (zh) * 2014-12-04 2015-04-01 南京邮电大学 基于广义pid的随机早期检测算法的aqm系统和方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110198180A (zh) * 2018-02-27 2019-09-03 中国移动通信有限公司研究院 一种链路自适应调整方法、基站及核心网侧设备
CN110198180B (zh) * 2018-02-27 2020-11-06 中国移动通信有限公司研究院 一种链路自适应调整方法、设备及计算机可读存储介质
CN112512077A (zh) * 2020-12-15 2021-03-16 中国联合网络通信集团有限公司 一种上行速率的评估方法及装置
CN112512077B (zh) * 2020-12-15 2023-08-11 中国联合网络通信集团有限公司 一种上行速率的评估方法及装置

Similar Documents

Publication Publication Date Title
EP4023008B1 (en) Device and method for fronthaul transmission in wireless communication system
US20220407593A1 (en) Method for separating physical layer functions in wireless communication system
CN103580782B (zh) 无线通信系统的基带处理装置和无线通信系统
CN102301812B (zh) 基站及无线通信系统
CN109716693A (zh) 新无线电系统物理下行链路控制信道设计
US10554282B2 (en) Method and device for determining rank-related information in wireless communication system
KR20160133503A (ko) C-ran 프론트엔드 전처리 및 시그널링 유닛
US12004194B2 (en) Transmission method and apparatus for MIMO system
US11963154B2 (en) Apparatus and method for managing resource of radio unit of base station in wireless communication system
CN106851847A (zh) 基站、无线通信方法、无线通信系统和无线终端
US11778597B2 (en) Method and apparatus for performing function split in wireless communication system
CN104853417A (zh) 数字前端、基带主处理单元及信道功能划分方法
CN106612136A (zh) 一种下行数据传输方法、设备及系统
KR20220037308A (ko) 무선 통신 시스템에서 프론트홀 전송을 위한 장치 및 방법
CN114726695A (zh) 参考信号布置
JP2020516158A (ja) 復調参照信号のオーバーヘッドを低減するためのシステムおよび方法
CN106912111A (zh) 一种基于调度与竞争细粒度融合的非正交多址接入方法
CN114828252A (zh) 多传输点数据传输的方法及装置
CN106656548A (zh) 一种基于神经网络的WiFi控制系统
KR102673083B1 (ko) 통신 시스템의 스펙트럼 쉐어링을 위한 방법 및 장치
WO2023273996A1 (zh) 通信方法及装置
KR20220037326A (ko) Mimo 시스템을 위한 송신 방법 및 장치
EP4376475A1 (en) Apparatus and method for fronthaul transmission in wireless communication system
CN103825640B (zh) Mimo系统中的解调信息的发送、接收方法及相关装置
CN117956543A (zh) 系统消息的发送、接收方法、装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170510

WD01 Invention patent application deemed withdrawn after publication