一种基于神经网络的WiFi控制系统的制作方法

本发明涉及一种基于神经网络的WiFi控制系统，属于通信技术领域。

背景技术：

线通信作为新兴的通信技术在日常生活中的作用越来越大。时至今日，大多数人对于WI-FI技术早已不再陌生。在宾馆、咖啡店等公众场所、以及在家庭宽带接入领域，经常可以看到Wi-Fi的身影。传统的WI-FI系统起源于二十年前。在这二十年的发展过程中，WI-FI的物理层技术，得益于日益成熟的多天线技术与高效的编码解码技术，得到了充分的发展。然而WI-FI的MAC层仍然采用比较原始的CSMA载波侦听技术。随着用户数的爆炸式增长，传统的CSMA载波侦听技术逐渐不能满足目前需求，导致系统效率大幅度降低，尤其在用户密集场所，如运动场、教室、企业办公等。基于此需求，目前IEEE标准化组织正在制定下一代Wi-Fi通信标准IEEE 802.11ax，目的是为了提供更加高效率、高吞吐量的无线通信标准。

传统的WiFi控制系统（或控制器）主要依赖于频率控制、CCA管理、干扰控制、干扰抵消等传统技术。这一般适用于单一标准的无线网络中。下一代Wi-Fi网络发展带来三项重大的挑战。一是越来越多不同heterogeneous network会共存；导致传统的频率控制、CCA管理难以统一进行。二是用户密度越来越大，导致Wi-Fi控制的迫切性与重要性更加明显。三是新的Wi-Fi标准支持以OFDMA技术为代表的多用户同时传输，传统的CCA管理、干扰控制等技术不再适用。尤其考虑到网络环境是可能千变万化的，因此很难用传统的方式去设计一个合适的Wi-Fi控制器来满足下一代Wi-Fi系统（多架构、高密度、多用户）的需要。

技术实现要素：

本发明要解决的技术问题是：为克服上述问题，提供一种基于神经网络的WiFi控制系统。

本发明解决其技术问题所采用的技术方案是：

一种基于神经网络的WiFi控制系统，包括：

神经网络智能模块，分别连接路由器的物理层、MAC层、视频应用层和射频模拟前端；

所述神经网络智能模块从所述物理层、MAC层、视频应用层和射频模拟前端采集数据并存储；将采集到的数据用于训练多级神经网络，训练好的多级神经网络根据后续的采集数据直接给路由器发出控制信令，控制其配置参数的变化。

优选地，所述神经网络智能模块包括智能WIFI控制模块、与所述智能WIFI控制模块连接的内容感知神经网络和环境感知神经网络、与所述内容感知神经网络和环境感知神经网络都连接的数据采集模块，所述数据采集模块与所述物理层和MAC层连接，通过数据采集模块进行数据采集，并通过内容感知神经网络和环境感知神经网络进行多级神经网络的训练。

优选地，所述内容感知神经网络包括至少三层结构，分别为第一输入层、一个或多个第一中间层和第一输出层。

优选地，所述环境感知神经网络包括至少三层结构，分别为第二输入层、一个或多个第二中间层和第二输出层。

优选地，所述第一输入层中每个单元代表一个第一特征矢量，所述第一特征矢量包括用户数、用户的RSSI、用户类别、误码率、吞吐量、时延数据。

优选地，所述第二输入层中每个单元代表一个第二特征矢量，所述第二特征矢量包括用户数、视频特性、压缩特性、视频帧的帧压缩率、帧压缩大小、视频帧运动信息。

优选地，所述路由器的配置参数包括发射功率、CCA参数、IFS参数、优先级别和MCS参数。

优选地，所述物理层采用多用户MIMO和正交频率复用方法进行传输。

本发明的有益效果是：本发明将路由器中闲置的各种数据进行采集处理，通过多级神经网络来进行自我学习训练，之后得出最优化的控制方案，训练好的多级神经网络根据后续的采集数据直接给路由器发出控制信令，控制其配置参数的变化，将路由器的通信效率和利用率都提高到最大，可以满足日益复杂的Wi-Fi网络控制器的要求；提供传统方法所不能提供的控制精度与准确度，提供网络效率与用户满意度，还可以试用于完全不同的应用场景。不同的应用场景只需采用不同的训练样本即可，还可以兼容于未来更加复杂的Wi-Fi网络设计。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明一个实施例的结构示意图；

图2是本发明所述内容感知神经网络的一个实施例的结构示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

实施例1

如图1所示的本发明所述一种基于神经网络的WiFi控制系统，包括：

神经网络智能模块，分别连接路由器的物理层、MAC层、视频应用层和射频模拟前端；

所述神经网络智能模块从所述物理层、MAC层、视频应用层和射频模拟前端采集数据并存储；将采集到的数据用于训练多级神经网络，本发明将路由器中闲置的各种数据进行采集处理，通过多级神经网络来进行自我学习训练，之后得出最优化的控制方案，训练好的多级神经网络根据后续的采集数据直接给路由器发出控制信令，控制其配置参数的变化，将路由器的通信效率和利用率都提高到最大，本发明还可通过训练样本的变化适应不同的情景要求，不同的应用场景只需采用不同的训练样本即可，还可以兼容于未来更加复杂的Wi-Fi网络设计。

在优选的实施方式中，所述神经网络智能模块包括智能WIFI控制模块、与所述智能WIFI控制模块连接的内容感知神经网络和环境感知神经网络、与所述内容感知神经网络和环境感知神经网络都连接的数据采集模块，所述数据采集模块与所述物理层和MAC层连接，通过数据采集模块进行数据采集，并通过内容感知神经网络和环境感知神经网络进行多级神经网络的训练。

在优选的实施方式中，所述内容感知神经网络包括至少三层结构，分别为第一输入层、一个或多个第一中间层和第一输出层，如图2中所示，layer1为第一输入层，layer2和layer3为两个第一中间层，layer4为第一输出层。

在优选的实施方式中，所述环境感知神经网络包括至少三层结构，分别为第二输入层、一个或多个第二中间层和第二输出层，所述环境感知神经网络可同所述内容感知神经网络采用相同的设置，例如可以采用图2中的设置。

在优选的实施方式中，所述第一输入层中每个单元代表一个第一特征矢量，所述第一特征矢量包括用户数、用户的RSSI、用户类别、误码率、吞吐量、时延数据。

在优选的实施方式中，所述第二输入层中每个单元代表一个第二特征矢量，所述第二特征矢量包括用户数、视频特性、压缩特性、视频帧的帧压缩率、帧压缩大小、视频帧运动信息。

在优选的实施方式中，所述路由器的配置参数包括发射功率、CCA参数、IFS参数、优先级别和MCS参数。

在优选的实施方式中，所述物理层采用多用户MIMO和正交频率复用方法进行传输，多用户MIMO：多用户+空间复用技术。空间复用：为提高数据传输速率，可以采用空间复用技术，也可能从两副基台天线发送两个各自编码的数据流。这样，可以把一个传输速率相对较高数据流多组成分割为一组相对速率较低的数据流，分别在不同的天线对不同的数据流独立的编码、调制和发送，同时使用相同的频率和时隙。每副天线可以通过不同独立的信道滤波独立发送信号。接收机利用空间均衡器分离信号，然后解调、译码和解复用，恢复出原始信号。多用户技术：为了提高网路的整体吞吐率和传输效率，11ax的 AP 可以同时和多个终端用户进行MIMO传输。例如装备了8个天线的11ax 的 AP 可以同时和 8个用户通信，支持最多8个数据流。

正交频率复用方法：与之前的802.11标准不同， 11ac 采用了在4G/5G蜂窝网络通信技术中广泛采用的OFDMA技术。这样11ac AP可以通过把整个频谱划分成正交的多个资源块 (Resource Unit) 和多个 终端用户通信。而且通过为每个用户选择最合适的频率资源块， OFDMA较OFDM在多用户的情况下可以大幅度提高频谱利用率和整个网络的吞吐率。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。