[發(fā)明專利]基于神經網絡的LoRa終端最大發(fā)送速率動態(tài)預測方法

有效

• 申請?zhí)枺?/td>: 201810030502.7
• 申請日: 2018-01-12
• 公開（公告）號: CN108199892B
• 公開（公告）日: 2019-11-26
• 發(fā)明（設計）人: 劉強;虞閣飛;楊鯤;冷甦鵬;張科
• 申請（專利權）人: 電子科技大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04W28/22;G06N3/08
• 代理公司: 51268 成都虹盛匯泉專利代理有限公司
• 代理人: 王偉<國際申請>=<國際公布>=<進入國

1.基于神經網絡的LoRa終端最大發(fā)送速率動態(tài)預測方法，其特征在于，初始狀態(tài)下LoRa終端以最低速率發(fā)送數據；LoRa服務器接收到LoRa終端的數據后，解析出信號強度和信噪比；通過將信號強度與信噪比輸入神經網絡，在保證正常通信的情況下，神經網絡輸出預測的最大發(fā)送速率；LoRa服務器將該最大發(fā)送速率告知LoRa終端；LoRa終端收到LoRa服務器的告知信息后，以該最大速率發(fā)送數據；

所述神經網絡結構包括：輸入層、隱藏層以及輸出層；所述輸入層至少包括：信號強度以及信噪比；所述隱藏層；所述輸出層為各發(fā)送速率；

所述神經網絡采用反向傳播算法進行訓練；所述反向傳播算法包括：

A1、獲取訓練集；

A2、前向傳播，具體為：將訓練集輸入到神經網絡的輸入層，經過隱藏層，到達輸出層并輸出結果；

A3、反向傳播，具體為：計算步驟A2得到的輸出結果與實際結果之間的誤差，將誤差從輸出層向隱藏層反向傳播，直至傳播到輸入層；

A4、設置迭代次數以及學習率，重復步驟A3，直至達到設置的迭代次數；否則根據誤差對參數進行調整。

2.根據權利要求1所述的基于神經網絡的LoRa終端最大發(fā)送速率動態(tài)預測方法，其特征在于，步驟A1具體包括以下分步驟：

A11、LoRa終端分別按照從最低發(fā)送速率到實際的最大發(fā)送速率發(fā)送數據給LoRa服務器；

A12、LoRa服務器解析出各發(fā)送速率對應的信號強度與信噪比；

A13、在保證正常通信的情況下不斷移動LoRa終端，記錄每次移動LoRa終端后服務器解析出的信號強度與信噪比，以及對應的發(fā)送速率；

A14、將根據步驟A13獲得的若干組信號強度、信噪比作為神經網絡的輸入訓練集數據。

3.根據權利要求1所述的基于神經網絡的LoRa終端最大發(fā)送速率動態(tài)預測方法，其特征在于，步驟A3所述計算步驟A2得到的輸出結果與實際結果之間的誤差，具體為采用代價函數進行計算。

4.根據權利要求1所述的基于神經網絡的LoRa終端最大發(fā)送速率動態(tài)預測方法，其特征在于，步驟A4所述參數包括：

其中，表示第l-1層的第k個神經元連接到第l層的第j個神經元的權重；表示第l層的第j個神經元的偏置，l表示神經網絡中的第l層。