[发明专利]一种基于人工神经网络的智能异频融合方法

说明书

本发明公开了一种基于人工神经网络的智能异频融合方法，综合考虑终端在不同频段上的路损、干扰、时延、频谱效率、以及用户的业务需求等因素，通过构建人工神经网络，生成训练序列进行学习，获得最优神经网络参数，快速获得任意终端在异频融合系统中的接入策略，并适时的根据通信环境变化，进行实时跟踪响应，调整接入策略。

技术领域

本发明涉及异频通信技术领域，特别涉及一种基于人工神经网络的智能异频融合方法。

背景技术

随着无线通信技术的不断发展，业界已经制定并使用了多种通信标准，每种通信标准分别使用不同的频谱资源，所能满足的通信速率、通信距离、通信时延、用户容量等指标各有不同。但是，现有单一的通信方式，通常只能在某几个通信指标上满足用户需求，若要全面满足用户多速率、距离、时延等通信服务的要求，异频融合是主要的实现方案。如图1所示，异频融合方法通过综合多个频段的通信波形，利用低频通信进行广域覆盖，利用高频通信进行高速传输。

在目前的通信系统中，低频通信系统与高频通信系统由于电磁波的传播特性的不同，所能满足的通信指标有较大的区别。例如，LTE与WIMAX等微波通信标准可以提供高速率、低时延的通信服务，但是其覆盖距离有限，并且在复杂场景鲁棒性较差；而短波通信方式，可以提供远距离覆盖，有更好的联通性，但是通信速率相对较低，通信时延相对较大。对高、低频通信进行融合，才可以满足用户“既通得好又通得远”的要求。

然而，高、低频段由于电磁波传播特性差异较大，终端受限于复杂度、功耗等因素，通常在每一个时刻只能选择其中一个频段进行通信，因此如何将异频通信进行有效的融合是该领域亟需解决的问题。在现有异频融合方法中，有采用多模并发的方法，让系统同时工作在不同频段上，但这种方法不适用于频率跨度大、通信复杂度高的异频融合；也有采用手动切换的方法，用户根据其需要、通信体验等，自行进行通信模式或频段的选择，但这种方法敏捷性较差、实时性较低，会明显降低通信质量；还有根据通信距离进行切换的方法，通信距离远则选择低频频段通信，通信距离近则选择高频频段通信，但这种方法颗粒度大，切换准确度较低。此外，蜂窝通信中有小区切换的方法，但这类方法主要解决小区选择、降低小区间干扰等问题，所考虑的影响因素少，主要评估链路质量。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于人工神经网络的智能异频融合方法，能够快速获得任意终端在异频融合系统中的接入策略，并适时的根据通信环境变化，进行实时跟踪响应，调整接入策略。

本发明的目的通过以下的技术方案实现：一种基于人工神经网络的智能异频融合方法，包括：

第一阶段：训练阶段，通过收集测试数据，整理训练序列，具体步骤如下：

1)将影响异频融合通信效果的主要参数,包括但不限于路损、干扰、频谱效率、时延、负载、移动速率和业务需求,以及对应的优选接入策略记录成有序序列，该有序序列记为x＝(x_1,x₂,…x_n),同时记录当前参数下的优选接入策略f∈{f_1,f₂…f_m}，这些数据可以在系统测试时获得；

2)建立人工神经网络，其中：

u表示人工神经网络对输入的参数做出的综合评价；

接入选择结果为：

3)根据训练数据，联合2)中方程进行求解，获取人工神经网络的参数w_i与h_j，从而完成人工神经网络的训练过程；

第二阶段：通过训练获得参数w_i与h_j后，可用于接入策略选择，进入执行阶段，包括步骤如下：