CN117119508B - 无线通信信道误码数值分析系统及方法 - Google Patents
无线通信信道误码数值分析系统及方法 Download PDFInfo
- Publication number
- CN117119508B CN117119508B CN202311362825.3A CN202311362825A CN117119508B CN 117119508 B CN117119508 B CN 117119508B CN 202311362825 A CN202311362825 A CN 202311362825A CN 117119508 B CN117119508 B CN 117119508B
- Authority
- CN
- China
- Prior art keywords
- wireless communication
- communication channel
- set wireless
- current time
- time segment
- 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.)
- Active
Links
- 238000004891 communication Methods 0.000 title claims abstract description 201
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims abstract description 72
- 230000007246 mechanism Effects 0.000 claims abstract description 65
- 238000013528 artificial neural network Methods 0.000 claims description 38
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000008054 signal transmission Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 3
- 238000012797 qualification Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 38
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- 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
- H04W24/02—Arrangements for optimising operational condition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种无线通信信道误码数值分析系统，所述系统包括：幅值鉴定器件，用于基于智能分析的设定无线通信信道在当前时间分段内的干扰数据确定其在当前时间分段内的平均干扰幅值；误码估测器件，用于基于所述平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率。本发明的无线通信信道误码数值分析系统设计智能、应用广泛。由于能够智能分析未来时间分段的无线信道传输干扰均值，并基于未来时间分段的无线信道传输干扰均值确定未来时间分段的无线信道传输误码率，从而保证了各个时间分段的无线信道传输质量。
Description
技术领域
本发明涉及无线通信领域，尤其涉及一种无线通信信道误码数值分析系统及方法。
背景技术
信道，是信号的传输媒质，可分为有线信道和无线信道两类。有线信道包括明线、对称电缆、同轴电缆及光缆等。无线信道有地波传播、短波电离层反射、超短波或微波视距中继、人造卫星中继以及各种散射信道等。如果把信道的范围扩大，它还可以包括有关的变换装置，比如：发送设备、接收设备、馈线与天线、调制器、解调器等，人们称这种扩大的信道为广义信道，而称前者为狭义信道。
无线信道传输存在几项重要技术指标，例如信道传输误码率和信道传输速率，信道传输速率指单位时间内信道上所能传输的数据量，在数值上等于每秒钟传输构成数据代码的比特数，而信道传输误码率指单位时间内信道上传输错误的数据量占据传输的数据总量的比率。显然，信道传输误码率和信道传输速率都是衡量无线信道传输的重要参数，尤其是信道传输误码率，能够更直观地表达每一个时间分段内无线信道的传输质量。例如，哈尔滨工业大学提出了发明名称为“一种基于改进LCC补偿拓扑结构双谐振频点的宽范围信息传输设计方法”、专利申请号为2021105058757的技术方案，该技术方案对现有LCC补偿拓扑电路频率特性进行分析，搭建改进LCC补偿拓扑结构的磁通信电路；建立改进后的磁通信电路等效电路模型；分析该磁耦合通信传输系统的传输特性，并将该传输特性与目标值进行对比，若达到目标值，则结束，若没有达到目标值，调整该磁耦合通信传输系统的参数；迭代直至信息传输特性达到目标值。该发明可以解决现有无线电能传输系统中因耦合系数小造成的传输信号弱、因距离变动造成耦合系数变化导致的信息传输误码率增大等问题。哈尔滨工业大学（深圳）提出了发明名称为“基于异构多址接入网络慢节点检测的编码计算优化方法”、专利申请号为2022107871578的技术方案，该技术方案可以在信道传输速率未知情况下，在检测时间点对所有工作节点进行慢节点检测，当检测工作节点为慢节点时，在检测时间点将所有慢节点停止计算，慢节点通过多址接入信道依次回传计算结果，当检测工作节点为非慢节点时，非慢节点继续计算任务，直到计算任务数量满足任务，然后非慢节点等到信道空闲后依次回传计算结果。该发明方法不仅考虑到工作节点自身引起的计算异构，同时也考虑工作节点由于链路差异而引起的传输异构，在无速率编码原理的基础上，根据工作节点计算参数的异构性和传输参数的异构性，实现计算任务的最优分配。
然而，现有技术中无法预测未来时间分段的无线信道传输误码率，导致无法提前对信道参数进行修正以优化未来时间分段的无线信道传输误码率，而不得不承受未来时间分段的传输数据损失。
发明内容
为了解决现有技术中的上述问题，本发明提供了一种无线通信信道误码数值分析系统，能够在筛选可靠、全面的各项基础信息以及定制有效的智能分析模型完成对未来时间分段的无线信道传输干扰均值的预测，进而基于未来时间分段的无线信道传输干扰均值和信号发射机构的发射功率确定未来时间分段的无线信道传输误码率，从而为劣质状态的未来时间分段的无线信道传输的质量改善创造机会。
根据本发明，提供了一种无线通信信道误码数值分析系统，所述系统包括：
分时提取机构，用于获取设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据，每一个历史时间分段对应的单份信道干扰数据包括在所述历史时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值、在所述历史时间分段内出现的最大干扰幅值以及在所述历史时间分段内出现的最小干扰幅值；
配置采集机构，用于获取所述设定无线通信信道的各项配置数据，所述设定无线通信信道的各项配置数据为所述设定无线通信信道的通信路径长度、途径超高设施的数量以及所述设定无线通信信道的信号发射机构的发射功率；
逐层学习机构，用于对前馈神经网络执行固定数量的各次学习以获得完成各次学习后的前馈神经网络，并将完成各次学习后的前馈神经网络作为智能分析模型输出；
分析处理器件，分别与所述分时提取机构、所述配置采集机构以及所述逐层学习机构连接，用于基于使用所述智能分析模型基于所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据智能分析所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值；
幅值鉴定器件，与所述分析处理器件连接，用于基于智能分析的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值确定所述设定无线通信信道在当前时间分段内的平均干扰幅值；
误码估测器件，分别与所述配置采集机构以及所述幅值鉴定器件连接，用于基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率；
其中，基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率包括：所述设定无线通信信道在当前时间分段内的平均干扰幅值越高，确定的所述设定无线通信信道在当前时间分段内的信道传输误码率越高。
由此可见，本发明主要具备以下几处显著的技术效果：
第一处：为设定无线通信信道在尚未完成的当前时间分段的干扰数据的预测筛选可靠、全面的各项基础信息，所述各项基础信息包括设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及设定无线通信信道的各项配置数据，其中，预设数目的取值与设定无线通信信道的通信路径长度正向关联；
第二处：对前馈神经网络执行固定数量的各次学习以获得完成各次学习后的前馈神经网络，并将完成各次学习后的前馈神经网络作为智能分析模型用于执行尚未完成的当前时间分段的干扰数据的智能分析，其中，设定无线通信信道的信号发射机构的发射功率越高，学习的次数越多，从而完成模型的定制；
第三处：基于智能分析的设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值确定设定无线通信信道在当前时间分段内的平均干扰幅值，并基于设定无线通信信道在当前时间分段内的平均干扰幅值以及设定无线通信信道的信号发射机构的发射功率确定设定无线通信信道在当前时间分段内的信道传输误码率，完成对信道传输质量的有效预测，为防止未来信道传输误码率过高而提前进行信道参数配置提供关键的参考信息，从而保证了各个时间分段的信道传输质量。
本发明的无线通信信道误码数值分析系统设计智能、应用广泛。由于能够智能分析未来时间分段的无线信道传输干扰均值，并基于未来时间分段的无线信道传输干扰均值确定未来时间分段的无线信道传输误码率，从而保证了各个时间分段的无线信道传输质量。
附图说明
以下将结合附图对本发明的实施例进行描述。
图1为根据本发明第一实施例示出的无线通信信道误码数值分析系统的内部结构示意图。
图2为根据本发明第二实施例示出的无线通信信道误码数值分析系统的内部结构示意图。
图3为根据本发明第三实施例示出的无线通信信道误码数值分析系统的内部结构示意图。
具体实施方式
下面将参照附图对本发明的无线通信信道误码数值分析系统及方法的实施例进行详细说明。
第一实施例
图1为根据本发明第一实施例示出的无线通信信道误码数值分析系统的内部结构示意图，所述系统包括：
分时提取机构，用于获取设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据，每一个历史时间分段对应的单份信道干扰数据包括在所述历史时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值、在所述历史时间分段内出现的最大干扰幅值以及在所述历史时间分段内出现的最小干扰幅值；
示例地，可以选择采用FPGA器件、CPLD器件或者GAL器件来实现所述分时提取机构；
配置采集机构，用于获取所述设定无线通信信道的各项配置数据，所述设定无线通信信道的各项配置数据为所述设定无线通信信道的通信路径长度、途径超高设施的数量以及所述设定无线通信信道的信号发射机构的发射功率；
具体地，所述配置采集机构可以包括多个数据采集单元，用于分别采集所述设定无线通信信道的通信路径长度、所述设定无线通信信道的途径超高设施的数量以及所述设定无线通信信道的信号发射机构的发射功率；
逐层学习机构，用于对前馈神经网络执行固定数量的各次学习以获得完成各次学习后的前馈神经网络，并将完成各次学习后的前馈神经网络作为智能分析模型输出；
分析处理器件，分别与所述分时提取机构、所述配置采集机构以及所述逐层学习机构连接，用于基于使用所述智能分析模型基于所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据智能分析所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值；
幅值鉴定器件，与所述分析处理器件连接，用于基于智能分析的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值确定所述设定无线通信信道在当前时间分段内的平均干扰幅值；
误码估测器件，分别与所述配置采集机构以及所述幅值鉴定器件连接，用于基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率；
其中，基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率包括：所述设定无线通信信道在当前时间分段内的平均干扰幅值越高，确定的所述设定无线通信信道在当前时间分段内的信道传输误码率越高；
其中，基于智能分析的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值确定所述设定无线通信信道在当前时间分段内的平均干扰幅值包括：所述设定无线通信信道在当前时间分段内的平均干扰幅值为对智能分析的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值进行算术平均值计算所获得的干扰数值；
其中，基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率还包括：所述设定无线通信信道的信号发射机构的发射功率越高，确定的所述设定无线通信信道在当前时间分段内的信道传输误码率越高；
其中，获取设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据包括：所述预设数目的取值与所述设定无线通信信道的通信路径长度正向关联；
以及其中，对前馈神经网络执行固定数量的各次学习以获得完成各次学习后的前馈神经网络，并将完成各次学习后的前馈神经网络作为智能分析模型输出包括：所述设定无线通信信道的信号发射机构的发射功率越高，所述固定数量的取值越大。
第二实施例
图2为根据本发明第二实施例示出的无线通信信道误码数值分析系统的内部结构示意图。
图2中的无线通信信道误码数值分析系统可以包括以下部件：
分时提取机构，用于获取设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据，每一个历史时间分段对应的单份信道干扰数据包括在所述历史时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值、在所述历史时间分段内出现的最大干扰幅值以及在所述历史时间分段内出现的最小干扰幅值；
配置采集机构，用于获取所述设定无线通信信道的各项配置数据，所述设定无线通信信道的各项配置数据为所述设定无线通信信道的通信路径长度、途径超高设施的数量以及所述设定无线通信信道的信号发射机构的发射功率；
逐层学习机构，用于对前馈神经网络执行固定数量的各次学习以获得完成各次学习后的前馈神经网络，并将完成各次学习后的前馈神经网络作为智能分析模型输出；
分析处理器件，分别与所述分时提取机构、所述配置采集机构以及所述逐层学习机构连接，用于基于使用所述智能分析模型基于所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据智能分析所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值；
幅值鉴定器件，与所述分析处理器件连接，用于基于智能分析的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值确定所述设定无线通信信道在当前时间分段内的平均干扰幅值；
误码估测器件，分别与所述配置采集机构以及所述幅值鉴定器件连接，用于基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率；
现场显示器件，与所述误码估测器件连接，用于接收并现场显示所述误码估测器件确定的所述设定无线通信信道在当前时间分段内的信道传输误码率；
例如，可以采用液晶显示器件、LED显示阵列或者LCD显示阵列来实现所述现场显示器件。
第三实施例
图3为根据本发明第三实施例示出的无线通信信道误码数值分析系统的内部结构示意图。
图3中的无线通信信道误码数值分析系统可以包括以下部件：
分时提取机构，用于获取设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据，每一个历史时间分段对应的单份信道干扰数据包括在所述历史时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值、在所述历史时间分段内出现的最大干扰幅值以及在所述历史时间分段内出现的最小干扰幅值；
配置采集机构，用于获取所述设定无线通信信道的各项配置数据，所述设定无线通信信道的各项配置数据为所述设定无线通信信道的通信路径长度、途径超高设施的数量以及所述设定无线通信信道的信号发射机构的发射功率；
逐层学习机构，用于对前馈神经网络执行固定数量的各次学习以获得完成各次学习后的前馈神经网络，并将完成各次学习后的前馈神经网络作为智能分析模型输出；
分析处理器件，分别与所述分时提取机构、所述配置采集机构以及所述逐层学习机构连接，用于基于使用所述智能分析模型基于所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据智能分析所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值；
幅值鉴定器件，与所述分析处理器件连接，用于基于智能分析的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值确定所述设定无线通信信道在当前时间分段内的平均干扰幅值；
误码估测器件，分别与所述配置采集机构以及所述幅值鉴定器件连接，用于基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率；
信息存储器件，与所述逐层学习机构连接，用于通过存储智能分析模型的各项模型数据完成对所述智能分析模型的模型存储。
接着，继续对本发明的无线通信信道误码数值分析系统的具体结构进行进一步的说明。
在根据本发明的各个实施例的无线通信信道误码数值分析系统中：
对前馈神经网络执行固定数量的各次学习以获得完成各次学习后的前馈神经网络，并将完成各次学习后的前馈神经网络作为智能分析模型输出包括：在对前馈神经网络执行的每一次学习中，将已知的单个过往时间分段在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值作为前馈神经网络的输出内容，将所述设定无线通信信道在所述单个过往时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据作为前馈神经网络的逐项输入内容，执行本次学习动作。
在根据本发明的各个实施例的无线通信信道误码数值分析系统中：
基于使用所述智能分析模型基于所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据智能分析所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值包括：将所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据作为所述智能分析模型的逐项输入内容；
其中，基于使用所述智能分析模型基于所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据智能分析所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值还包括：运行所述智能分析模型以获得所述智能分析模型输出的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值。
以及在根据本发明的各个实施例的无线通信信道误码数值分析系统中：
获取所述设定无线通信信道的各项配置数据，所述设定无线通信信道的各项配置数据为所述设定无线通信信道的通信路径长度、途径超高设施的数量以及所述设定无线通信信道的信号发射机构的发射功率包括：所述设定无线通信信道的途径超高设施的数量中，超高设施为建筑高度大于等于设定高度阈值的设施。
另外，在所述无线通信信道误码数值分析系统中，在对前馈神经网络执行的每一次学习中，将已知的单个过往时间分段在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值作为前馈神经网络的输出内容，将所述设定无线通信信道在所述单个过往时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据作为前馈神经网络的逐项输入内容，执行本次学习动作包括：采用数值仿真模式完成对前馈神经网络执行的每一次学习动作的测试和仿真。
尽管已经结合特定的示意性实施例描述了本发明，但是应该理解本发明并不局限于所公开的实施例，而是相反，本发明旨在覆盖包括在附属权利要求及其等同物的精神和范围内的各种修改和等同结构。
Claims (8)
1.一种无线通信信道误码数值分析系统，其特征在于，所述系统包括：
分时提取机构，用于获取设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据，每一个历史时间分段对应的单份信道干扰数据包括在所述历史时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值、在所述历史时间分段内出现的最大干扰幅值以及在所述历史时间分段内出现的最小干扰幅值；
配置采集机构，用于获取所述设定无线通信信道的各项配置数据，所述设定无线通信信道的各项配置数据为所述设定无线通信信道的通信路径长度、途径超高设施的数量以及所述设定无线通信信道的信号发射机构的发射功率；
逐层学习机构，用于对前馈神经网络执行固定数量的各次学习以获得完成各次学习后的前馈神经网络，并将完成各次学习后的前馈神经网络作为智能分析模型输出；
其中，在对前馈神经网络执行的每一次学习中，将已知的单个过往时间分段在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值作为前馈神经网络的输出内容，将所述设定无线通信信道在所述单个过往时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据作为前馈神经网络的逐项输入内容，执行学习动作；
其中，采用数值仿真模式完成对前馈神经网络执行的每一次学习动作的测试和仿真；
分析处理器件，分别与所述分时提取机构、所述配置采集机构以及所述逐层学习机构连接，用于基于使用所述智能分析模型基于所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据智能分析所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值；
幅值鉴定器件，与所述分析处理器件连接，用于基于智能分析的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值确定所述设定无线通信信道在当前时间分段内的平均干扰幅值；
误码估测器件，分别与所述配置采集机构以及所述幅值鉴定器件连接，用于基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率；
其中，基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率包括：所述设定无线通信信道在当前时间分段内的平均干扰幅值越高，确定的所述设定无线通信信道在当前时间分段内的信道传输误码率越高。
2.如权利要求1所述的无线通信信道误码数值分析系统，其特征在于：
基于智能分析的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值确定所述设定无线通信信道在当前时间分段内的平均干扰幅值包括：所述设定无线通信信道在当前时间分段内的平均干扰幅值为对智能分析的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值进行算术平均值计算所获得的干扰数值；
其中，基于所述设定无线通信信道在当前时间分段内的平均干扰幅值以及所述设定无线通信信道的信号发射机构的发射功率确定所述设定无线通信信道在当前时间分段内的信道传输误码率还包括：所述设定无线通信信道的信号发射机构的发射功率越高，确定的所述设定无线通信信道在当前时间分段内的信道传输误码率越高。
3.如权利要求2所述的无线通信信道误码数值分析系统，其特征在于：
获取设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据包括：所述预设数目的取值与所述设定无线通信信道的通信路径长度正向关联；
其中，对前馈神经网络执行固定数量的各次学习以获得完成各次学习后的前馈神经网络，并将完成各次学习后的前馈神经网络作为智能分析模型输出包括：所述设定无线通信信道的信号发射机构的发射功率越高，所述固定数量的取值越大。
4.如权利要求3所述的无线通信信道误码数值分析系统，其特征在于，所述系统还包括：
现场显示器件，与所述误码估测器件连接，用于接收并现场显示所述误码估测器件确定的所述设定无线通信信道在当前时间分段内的信道传输误码率。
5.如权利要求3所述的无线通信信道误码数值分析系统，其特征在于，所述系统还包括：
信息存储器件，与所述逐层学习机构连接，用于通过存储智能分析模型的各项模型数据完成对所述智能分析模型的模型存储。
6.如权利要求3-5任一所述的无线通信信道误码数值分析系统，其特征在于：
基于使用所述智能分析模型基于所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据智能分析所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值包括：将所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据作为所述智能分析模型的逐项输入内容。
7.如权利要求6所述的无线通信信道误码数值分析系统，其特征在于：
基于使用所述智能分析模型基于所述设定无线通信信道在当前时间分段之前预设数目的多个历史时间分段分别对应的多份信道干扰数据以及所述设定无线通信信道的各项配置数据智能分析所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值还包括：运行所述智能分析模型以获得所述智能分析模型输出的所述设定无线通信信道在当前时间分段内均匀间隔的各个时刻分别对应的各个干扰幅值。
8.如权利要求3-5任一所述的无线通信信道误码数值分析系统，其特征在于：
获取所述设定无线通信信道的各项配置数据，所述设定无线通信信道的各项配置数据为所述设定无线通信信道的通信路径长度、途径超高设施的数量以及所述设定无线通信信道的信号发射机构的发射功率包括：所述设定无线通信信道的途径超高设施的数量中，超高设施为建筑高度大于等于设定高度阈值的设施。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311362825.3A CN117119508B (zh) | 2023-10-20 | 2023-10-20 | 无线通信信道误码数值分析系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311362825.3A CN117119508B (zh) | 2023-10-20 | 2023-10-20 | 无线通信信道误码数值分析系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117119508A CN117119508A (zh) | 2023-11-24 |
| CN117119508B true CN117119508B (zh) | 2024-02-02 |
Family
ID=88804211
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311362825.3A Active CN117119508B (zh) | 2023-10-20 | 2023-10-20 | 无线通信信道误码数值分析系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117119508B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113411817A (zh) * | 2021-05-11 | 2021-09-17 | 北京邮电大学 | 基于无线干扰模型的无线系统干扰神经网络预测方法 |
| CN115460659A (zh) * | 2022-11-09 | 2022-12-09 | 江苏云舟通信科技有限公司 | 用于带宽调节的无线通信数据分析系统 |
| CN116131979A (zh) * | 2022-06-08 | 2023-05-16 | 上海前瞻创新研究院有限公司 | 受远程干扰的无线信道预测方法及系统、存储介质及终端 |
| CN116456383A (zh) * | 2023-03-08 | 2023-07-18 | 祝晓鹏 | 用于无线网络传输信道的信号映射算法处理系统 |
-
2023
- 2023-10-20 CN CN202311362825.3A patent/CN117119508B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113411817A (zh) * | 2021-05-11 | 2021-09-17 | 北京邮电大学 | 基于无线干扰模型的无线系统干扰神经网络预测方法 |
| CN116131979A (zh) * | 2022-06-08 | 2023-05-16 | 上海前瞻创新研究院有限公司 | 受远程干扰的无线信道预测方法及系统、存储介质及终端 |
| CN115460659A (zh) * | 2022-11-09 | 2022-12-09 | 江苏云舟通信科技有限公司 | 用于带宽调节的无线通信数据分析系统 |
| CN116456383A (zh) * | 2023-03-08 | 2023-07-18 | 祝晓鹏 | 用于无线网络传输信道的信号映射算法处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117119508A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4416800B2 (ja) | 移動通信端末を利用したアンテナシステム遠隔測定監視装置及びその方法 | |
| CN109581546B (zh) | 基于微波链路衰减及偏振信息的降雨类型识别方法 | |
| CN110977614B (zh) | 一种数控机床健康诊断方法 | |
| CN110838872B (zh) | 一种实现光链路故障识别的方法、装置及系统 | |
| CN107222272B (zh) | 基于收信功能完备性的短波收信智能监测系统 | |
| CN109429264B (zh) | 一种数据处理方法、装置、设备及计算机可读存储介质 | |
| CN109257120B (zh) | 预测射频电路故障表征参数的优选方法 | |
| CN114564813A (zh) | 电磁环境多域特征威胁度评估方法 | |
| CN111985684A (zh) | 一种应用于远距离的长波地波传播时延时变特性预测方法 | |
| US11128391B1 (en) | System and method for predicting wireless channel path loss | |
| CN117119508B (zh) | 无线通信信道误码数值分析系统及方法 | |
| CN109032094B (zh) | 一种基于核磁共振分析仪的原油快速评价建模云平台 | |
| CN110855321A (zh) | 一种用于电力线载波通信的信道检测方法 | |
| CN116977807A (zh) | 基于多传感器融合的冷库智能监控系统及方法 | |
| CN114553331B (zh) | 针对无线电监测站实现系统自检的方法、装置及存储介质 | |
| CN113052499B (zh) | 一种电力基础设施哑资源管理方法、装置、终端及介质 | |
| CN110412562A (zh) | 机载距离测量设备健康度评估方法 | |
| CN115361272A (zh) | 一种基带芯片的通信故障检测方法、系统和电子设备 | |
| CN108419247A (zh) | 一种无线通信基站小区相关性计算方法、电子设备及存储介质 | |
| CN117793579B (zh) | 基于物联网的计量设备远程监测管理方法及系统 | |
| CN110286361B (zh) | 基于snr退化模型和粒子滤波的雷达发射机故障预测方法 | |
| CN115987376B (zh) | 一种地球站中射频设备性能测试方法及装置 | |
| CN114598403B (zh) | 一种数据链宽带噪声电磁信号干扰预测方法及系统 | |
| CN117793579A (zh) | 基于物联网的计量设备远程监测管理方法及系统 | |
| CN115567127B (zh) | 一种5g通信噪音监测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |