[發明專利]一種面向服務的無線網絡組網模式智能重構方法

有效

• 申請號: 201810703460.9
• 申請日: 2018-06-26
• 公開（公告）號: CN108770010B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 蔡圣所;雷磊;寇克燦;孫志剛;郭彥濤;周嘯天
• 申請（專利權）人: 南京航空航天大學;中國電子科技集團公司第五十四研究所
• 主分類號: H04W24/06
• 分類號: H04W24/06;H04W74/02;H04L12/26
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種面向服務的無線網絡組網模式智能重構方法，所采用的步驟是：

步驟1：構造經驗數據集；本方法所設計的經驗數據集中，每條數據包含九個屬性和一個判決結果；九個屬性分別是：組網規模、業務量、負載量、傳輸距離、最大跳數、帶寬、移動性、時敏性和丟包率敏感度；判決結果即為最終要選擇的組網模式，可供選擇的協議有三種，分別是：全連通動態時分組網模式、多跳載波檢測組網模式和多跳自組織時分多址組網模式；對于每條數據，隨機為其九個屬性賦值，計算出在此情況下每種組網模式的評價得分，選擇得分最高的組網模式作為該條數據的判決結果；將每條數據原始取值量化后的結果作為經驗數據集；

構造經驗數據集的具體方法為：

(1)仿真得到評價指標，在經驗數據集的九個屬性中，組網規模、業務量、負載量、傳輸距離、最大跳數、帶寬和移動性這七個屬性是需要作為仿真輸入的屬性，通過對這七個屬性的原始數值進行仿真，分別得到三種組網模式的三個評價指標：吞吐量、時延和丟包率；

(2)歸一化評價指標，將三個評價指標進行歸一化處理：對于每個評價指標，對比三種組網模式，將最小的作為1，用其取值除另外兩種組網模式的取值，所得結果作為另外兩種組網模式的歸一化結果；如果對于某一評價指標，某一組網模式的該指標為0，則將其記為0，并按照同樣的方法對另外兩種組網模式進行歸一化處理；

(3)向量化原始數據，將每個屬性的取值都做向量化處理，使之變為適用于機器學習算法并能夠進行函數運算的數據；

(4)通過函數運算計算評價得分，選擇組網模式，用以下公式計算三種組網模式的評價得分：

y＝吞吐量×業務量-時延×時敏性-丟包率×丟包率敏感度 (1)

其中，y即為每種組網模式的評價得分，吞吐量、時延和丟包率為歸一化后的取值，業務量、時敏性和丟包率敏感度為原始數據向量化后的取值；對于每種組網模式的期望是：吞吐量越大越好，而時延和丟包率越小越好；因此，將業務量、時敏性和丟包率敏感度作為權重，分別與三個評價指標相乘，吞吐量和業務量的乘積記為正，時延和時敏性以及丟包率和丟包率敏感度的乘積記為負，相加得到每種組網模式的評價得分；最后，選取得分最高的組網模式作為每條數據的最終結果；

(5)重復上述步驟，構造包含多條數據的經驗數據集；

步驟2：選取神經網絡算法，對經驗數據集進行若干次學習；每次學習過程都分為兩個步驟：訓練和測試；經驗數據集用于機器學習算法，在每次學習過程中，經驗數據集都將隨機的均分為訓練集與測試集；在訓練過程中，通過訓練集中的數據確定算法的一些參數，得到訓練模型；測試時，調用訓練模型對測試集中的每條數據進行判斷，檢驗訓練模型的準確率；通過多次學習，求取準確率的均值與方差，觀察算法準確率和算法穩定度，并選擇準確率最大的一次，將訓練模型保存起來；

步驟3：面向新服務進行智能重構，選擇最佳組網模式；將新服務內容，即服務對應九個屬性的實際數值作為輸入，輸入的實際數值將被量化為可供神經網絡算法使用的數據，調用步驟2中所保存的訓練模型，即可面向新服務進行智能重構，選擇最佳的組網模式。

2.根據權利要求1所述的一種面向服務的無線網絡組網模式智能重構方法，其特征在于經驗數據集中原始數據量化的具體方法為：

(1)網絡規模的取值范圍為[1，+∞]，當其取值為[1，8]時，將其向量化為1，為(8，20]時，將其向量化為2，為(20，+∞]時，將其向量化為3；

(2)業務量的取值范圍為[0，+∞]，當其取值為[0，200kbps]時，將其向量化為1，為(200kbps，2Mbps]時，將其向量化為2，為(2Mbps，+∞]時，將其向量化為3；

(3)負載量的取值范圍為[0，100％]，當其取值為[0，33％]時，將其向量化為1，為(33％，66％]時，將其向量化為2，為(66％，100％]時，將其向量化為3；

(4)傳輸距離的取值范圍為[0，+∞]，當其取值為[0，1km]時，將其向量化為1，為(1km，20km]時，將其向量化為2，為(20km，+∞]時，將其向量化為3；

(5)最大跳數分為單跳和多跳，當其取值為單跳時，將其向量化為1，為多跳時，將其向量化為2；

(6)帶寬的取值范圍為[12.8kbps，+∞]，當其取值為[12.8kbps，512kbps]時，將其向量化為1，為(512kbps，2Mbps]時，將其向量化為2，為(2Mbps，+∞]時，將其向量化為3；

(7)移動性為“相對靜止”時，將其向量化為1，為“隨機運動”時，將其向量化為2；

(8)時敏性為“高”時，將其向量化為1，為“中”時，將其向量化為2，為“低”時，將其向量化為3；

(9)丟包率敏感度為“高”時，將其向量化為1，為“中”時，將其向量化為2，為“低”時，將其向量化為3；

(10)組網模式為“全連通動態時分組網模式”時，將其向量化為1，為“多跳載波檢測組網模式”時，將其向量化為2，為“多跳自組織時分多址組網模式”時，將其向量化為3。