一種基于神經網絡的WiFi控制系統的制作方法

本發明涉及一種基于神經網絡的WiFi控制系統，屬于通信技術領域。

背景技術：

線通信作為新興的通信技術在日常生活中的作用越來越大。時至今日，大多數人對于WI-FI技術早已不再陌生。在賓館、咖啡店等公眾場所、以及在家庭寬帶接入領域，經常可以看到Wi-Fi的身影。傳統的WI-FI系統起源于二十年前。在這二十年的發展過程中，WI-FI的物理層技術，得益于日益成熟的多天線技術與高效的編碼解碼技術，得到了充分的發展。然而WI-FI的MAC層仍然采用比較原始的CSMA載波偵聽技術。隨著用戶數的爆炸式增長，傳統的CSMA載波偵聽技術逐漸不能滿足目前需求，導致系統效率大幅度降低，尤其在用戶密集場所，如運動場、教室、企業辦公等。基于此需求，目前IEEE標準化組織正在制定下一代Wi-Fi通信標準IEEE 802.11ax，目的是為了提供更加高效率、高吞吐量的無線通信標準。

傳統的WiFi控制系統（或控制器）主要依賴于頻率控制、CCA管理、干擾控制、干擾抵消等傳統技術。這一般適用于單一標準的無線網絡中。下一代Wi-Fi網絡發展帶來三項重大的挑戰。一是越來越多不同heterogeneous network會共存；導致傳統的頻率控制、CCA管理難以統一進行。二是用戶密度越來越大，導致Wi-Fi控制的迫切性與重要性更加明顯。三是新的Wi-Fi標準支持以OFDMA技術為代表的多用戶同時傳輸，傳統的CCA管理、干擾控制等技術不再適用。尤其考慮到網絡環境是可能千變萬化的，因此很難用傳統的方式去設計一個合適的Wi-Fi控制器來滿足下一代Wi-Fi系統（多架構、高密度、多用戶）的需要。

技術實現要素：

本發明要解決的技術問題是：為克服上述問題，提供一種基于神經網絡的WiFi控制系統。

本發明解決其技術問題所采用的技術方案是：

一種基于神經網絡的WiFi控制系統，包括：

神經網絡智能模塊，分別連接路由器的物理層、MAC層、視頻應用層和射頻模擬前端；

所述神經網絡智能模塊從所述物理層、MAC層、視頻應用層和射頻模擬前端采集數據并存儲；將采集到的數據用于訓練多級神經網絡，訓練好的多級神經網絡根據后續的采集數據直接給路由器發出控制信令，控制其配置參數的變化。

優選地，所述神經網絡智能模塊包括智能WIFI控制模塊、與所述智能WIFI控制模塊連接的內容感知神經網絡和環境感知神經網絡、與所述內容感知神經網絡和環境感知神經網絡都連接的數據采集模塊，所述數據采集模塊與所述物理層和MAC層連接，通過數據采集模塊進行數據采集，并通過內容感知神經網絡和環境感知神經網絡進行多級神經網絡的訓練。

優選地，所述內容感知神經網絡包括至少三層結構，分別為第一輸入層、一個或多個第一中間層和第一輸出層。

優選地，所述環境感知神經網絡包括至少三層結構，分別為第二輸入層、一個或多個第二中間層和第二輸出層。

優選地，所述第一輸入層中每個單元代表一個第一特征矢量，所述第一特征矢量包括用戶數、用戶的RSSI、用戶類別、誤碼率、吞吐量、時延數據。

優選地，所述第二輸入層中每個單元代表一個第二特征矢量，所述第二特征矢量包括用戶數、視頻特性、壓縮特性、視頻幀的幀壓縮率、幀壓縮大小、視頻幀運動信息。

優選地，所述路由器的配置參數包括發射功率、CCA參數、IFS參數、優先級別和MCS參數。

優選地，所述物理層采用多用戶MIMO和正交頻率復用方法進行傳輸。

本發明的有益效果是：本發明將路由器中閑置的各種數據進行采集處理，通過多級神經網絡來進行自我學習訓練，之后得出最優化的控制方案，訓練好的多級神經網絡根據后續的采集數據直接給路由器發出控制信令，控制其配置參數的變化，將路由器的通信效率和利用率都提高到最大，可以滿足日益復雜的Wi-Fi網絡控制器的要求；提供傳統方法所不能提供的控制精度與準確度，提供網絡效率與用戶滿意度，還可以試用于完全不同的應用場景。不同的應用場景只需采用不同的訓練樣本即可，還可以兼容于未來更加復雜的Wi-Fi網絡設計。

附圖說明

下面結合附圖和實施例對本發明進一步說明。

圖1是本發明一個實施例的結構示意圖；

圖2是本發明所述內容感知神經網絡的一個實施例的結構示意圖。

具體實施方式

現在結合附圖對本發明作進一步詳細的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發明的基本結構，因此其僅顯示與本發明有關的構成。

實施例1

如圖1所示的本發明所述一種基于神經網絡的WiFi控制系統，包括：

神經網絡智能模塊，分別連接路由器的物理層、MAC層、視頻應用層和射頻模擬前端；

所述神經網絡智能模塊從所述物理層、MAC層、視頻應用層和射頻模擬前端采集數據并存儲；將采集到的數據用于訓練多級神經網絡，本發明將路由器中閑置的各種數據進行采集處理，通過多級神經網絡來進行自我學習訓練，之后得出最優化的控制方案，訓練好的多級神經網絡根據后續的采集數據直接給路由器發出控制信令，控制其配置參數的變化，將路由器的通信效率和利用率都提高到最大，本發明還可通過訓練樣本的變化適應不同的情景要求，不同的應用場景只需采用不同的訓練樣本即可，還可以兼容于未來更加復雜的Wi-Fi網絡設計。

在優選的實施方式中，所述神經網絡智能模塊包括智能WIFI控制模塊、與所述智能WIFI控制模塊連接的內容感知神經網絡和環境感知神經網絡、與所述內容感知神經網絡和環境感知神經網絡都連接的數據采集模塊，所述數據采集模塊與所述物理層和MAC層連接，通過數據采集模塊進行數據采集，并通過內容感知神經網絡和環境感知神經網絡進行多級神經網絡的訓練。

在優選的實施方式中，所述內容感知神經網絡包括至少三層結構，分別為第一輸入層、一個或多個第一中間層和第一輸出層，如圖2中所示，layer1為第一輸入層，layer2和layer3為兩個第一中間層，layer4為第一輸出層。

在優選的實施方式中，所述環境感知神經網絡包括至少三層結構，分別為第二輸入層、一個或多個第二中間層和第二輸出層，所述環境感知神經網絡可同所述內容感知神經網絡采用相同的設置，例如可以采用圖2中的設置。

在優選的實施方式中，所述第一輸入層中每個單元代表一個第一特征矢量，所述第一特征矢量包括用戶數、用戶的RSSI、用戶類別、誤碼率、吞吐量、時延數據。

在優選的實施方式中，所述第二輸入層中每個單元代表一個第二特征矢量，所述第二特征矢量包括用戶數、視頻特性、壓縮特性、視頻幀的幀壓縮率、幀壓縮大小、視頻幀運動信息。

在優選的實施方式中，所述路由器的配置參數包括發射功率、CCA參數、IFS參數、優先級別和MCS參數。

在優選的實施方式中，所述物理層采用多用戶MIMO和正交頻率復用方法進行傳輸，多用戶MIMO：多用戶+空間復用技術。空間復用：為提高數據傳輸速率，可以采用空間復用技術，也可能從兩副基臺天線發送兩個各自編碼的數據流。這樣，可以把一個傳輸速率相對較高數據流多組成分割為一組相對速率較低的數據流，分別在不同的天線對不同的數據流獨立的編碼、調制和發送，同時使用相同的頻率和時隙。每副天線可以通過不同獨立的信道濾波獨立發送信號。接收機利用空間均衡器分離信號，然后解調、譯碼和解復用，恢復出原始信號。多用戶技術：為了提高網路的整體吞吐率和傳輸效率，11ax的 AP 可以同時和多個終端用戶進行MIMO傳輸。例如裝備了8個天線的11ax 的 AP 可以同時和 8個用戶通信，支持最多8個數據流。

正交頻率復用方法：與之前的802.11標準不同， 11ac 采用了在4G/5G蜂窩網絡通信技術中廣泛采用的OFDMA技術。這樣11ac AP可以通過把整個頻譜劃分成正交的多個資源塊 (Resource Unit) 和多個 終端用戶通信。而且通過為每個用戶選擇最合適的頻率資源塊， OFDMA較OFDM在多用戶的情況下可以大幅度提高頻譜利用率和整個網絡的吞吐率。

以上述依據本發明的理想實施例為啟示，通過上述的說明內容，相關工作人員完全可以在不偏離本項發明技術思想的范圍內，進行多樣的變更以及修改。本項發明的技術性范圍并不局限于說明書上的內容，必須要根據權利要求范圍來確定其技術性范圍。