[发明专利]数据传送系统及其工作方法

说明书

本申请涉及数据传送的领域，其具体地公开了一种数据传送系统及其工作方法。其采用基于深度学习技术的卷积神经网络模型来挖掘出各个所述STA与所述AP之间的距离关系的高维关联特征，且进一步地分别对所述带宽特征向量和所述距离拓扑特征图进行下行参数和上行参数的转换，以融合特征空间的差异来表达通信特征信息，进而可以获得所述无线AP为各个移动终端分配的带宽值。通过这样的方式，可以使得各个所述STA最终完成接收的时间能更好地进行协同，从而也就会提高传送的质量。

技术领域

本发明涉及数据传送的领域，且更为具体地，涉及一种数据传送系统及其工作方法。

背景技术

随着电子设备的不断普及，基于网络的无线通信技术也正走在不断成熟的路上。目前，在很多场景中，一个AP会关联大量的STA移动终端同时接收组播，例如在一个教室内，所有的学生都用Pad接收视频课程时，其会采用组播的方式来接收AP的数据，但是这样并没有考虑STA与AP之间的距离以及传播速率，进而就会产生诸多的问题。

例如，各个STA与AP之间的距离越远时，信号传输越不稳定且越容易出问题，并且各个STA所接收的数据量占总需传输数据的比率越小，则应尽量提高所分配的带宽值来使得各个STA最终完成接收的时间能更好地协同，而不至于相差太多时间。因此，当不论STA与AP之间的距离以及传播速率而一律采用组播的方式时，就会使得原本有更好的传播质量的STA设备由于随其他STA一起组播方式接收数据而降低传送质量。因此，为了获得较高的传输质量，期望一种数据传送方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种数据传送系统及其工作方法，其采用基于深度学习技术的卷积神经网络模型来挖掘出各个所述STA与所述AP之间的距离关系的高维关联特征，且进一步地分别对所述带宽特征向量和所述距离拓扑特征图进行下行参数和上行参数的转换，以融合特征空间的差异来表达通信特征信息，进而可以获得所述无线AP为各个移动终端分配的带宽值。通过这样的方式，可以使得各个所述STA最终完成接收的时间能更好地进行协同，从而也就会提高传送的质量。

根据本申请的一个方面，提供了一种数据传送系统，其包括：

矩阵构造单元，用于将以无线AP为中心的各个移动终端的拓扑结构构造为距离拓扑矩阵；

神经网络单元，用于使用卷积神经网络从所述距离拓扑矩阵获得距离拓扑特征图，所述距离拓扑特征图用于表示各个移动终端与无线AP之间的距离关系的高维关联特征的；

带宽向量构造单元，用于获取当前所述无线AP向各个所述移动终端分配的带宽并将所述无线AP向各个所述移动终端分配的带宽组成带宽向量；

编码单元，用于将所述带宽向量通过编码器以获得带宽特征向量；

下行转换单元，用于对所述带宽特征向量进行基于下行参数的转换以获得下行特征向量，其中，基于下行参数的转换基于无线AP对各个移动终端的发射功率、每个移动终端的小规模衰减效应值、加性白高斯噪声的功率和无线AP到各个移动终端的信号中的干涉进行；

上行转换单元，用于对所述距离拓扑特征图进行基于上行参数的转换以获得上行特征图，其中，进行基于上行参数的转换基于两个移动终端之间的接收功率增益、各个移动终端的接收功率、两个移动终端之间的小规模衰减效应值、两个移动终端之间的小规模衰减功率分量和两个移动终端之间的信号中的干涉进行；

映射单元，用于将所述上行特征图与所述下行特征向量进行矩阵相乘以将所述下行特征向量映射到所述上行特征图的特征空间中，以获得带宽分配特征向量；