卷积神经网络下异构通信网络动态信道分配方法

摘要

为优化通信网络异构体能耗,引入异构型卷积神经网络(convolutional neural network,CNN)框架结构,根据异构网络分级组织的优势,连接通信滤波器与网络模板库,搭建异构通信网络体系。同时,设置必要的动态拓扑传感器,通过配置信道载体的方式计算具体的分配损差量,然后选择合适的通信协议,结合计算结果和信道节点的匹配信息完成对动态通信信道的分配。结果表明,应用基于CNN的分配方法后,网络异构体最大承载量达到9.8×1015 T,信道传输时滞量最大值为5.1×105T。该方法既增大了信道传输容量,又提高了通信信息传输效率,实现了通信网络异构体稳定、高效运行的目标。