[发明专利]基于信道空闲时长预测的信道分配方法

权利要求书

1.一种基于信道空闲时长预测的信道分配方法，其特征在于，包括以下步骤：

对待传输业务进行分类，将待传输业务分类为紧急业务和其他所有业务，紧急业务的优先级高于其他所有业务的优先级；

选取频谱池内所有的空闲信道，将各个空闲信道的信道信息输入到预测模型中进行分析，确定信道空闲时长，其中预测模型为使用多组数据通过机器学习训练得出的，每一组数据均包括信道空闲时长和该信道的信道信息；

根据待传输业务分类结果、类型优先级、待传输业务的业务需求，选取空闲信道传输待传输业务。

2.根据权利要求1所述的基于信道空闲时长预测的信道分配方法，其特征在于，所述根据待传输业务分类结果及待传输业务的业务需求，选取空闲信道传输待传输业务，包括：

判断是否存在待传输的紧急业务；

响应于存在，则根据频谱池内所有的空闲信道的信道空闲时长及信道质量，查找与该紧急业务的业务需求相适应的空闲信道，传输该紧急业务；

响应于不存在，则各个空闲信道的信道空闲时长及信道质量与其他所有业务类型中各个待传输业务的业务需求进行匹配，匹配成功则在对应的空闲信道中传输相匹配的待传输业务。

3.根据权利要求2所述的基于信道空闲时长预测的信道分配方法，其特征在于，所述查找与该紧急业务的业务需求相适应的空闲信道时，若没有相适应空闲信道，则停止所有非空闲信道的业务传输，选取与该紧急业务相适应的信道，传输该紧急业务，传输完毕后，回复原非空闲信道的业务传输。

4.根据权利要求1或2或3所述的基于信道空闲时长预测的信道分配方法，其特征在于，所述根据BP神经网络算法训练得出预测模型，包括：

建立训练样本集和测试样本集，训练样本集包括多组训练样本，测试样本集包括多组测试样本，训练样本和测试样本均包括信道空闲时长和该信道的信道信息；

构建BP神经网络模型，将训练样本中的信道信息作为输入向量，信道空闲时长作为输出向量，对BP神经网络模型进行训练，将测试样本中的信道信息作为输入向量，预测的信道空闲时长作为输出向量，对BP神经网络模型进行测试，反复训练测试后，若预测值与实测数据之间的误差低于目标误差则停止训练，得出预测模型。

5.根据权利要求4所述的基于信道空闲时长预测的信道分配方法，其特征在于，所述BP神经网络模型包括输入层、中间层和输出层，中间层神经元的传递函数采用双曲正切Sigmoid函数，输出层神经元的传递函数采用线性函数。

6.根据权利要求4或5所述的基于信道空闲时长预测的信道分配方法，其特征在于，所述在构建BP神经网络模型时，对BP神经网络模型的基础数据进行设定，基础数据包括训练速率、动量因子、训练代数、目标误差。

7.根据权利要求4或5所述的基于信道空闲时长预测的信道分配方法，其特征在于，所述信道的信道信息包括信道质量、信道噪声，信道时延。

8.根据权利要求6所述的基于信道空闲时长预测的信道分配方法，其特征在于，所述信道的信道信息包括信道质量、信道噪声，信道时延。

9.根据权利要求5或8所述的基于信道空闲时长预测的信道分配方法，其特征在于，所述建立训练样本集和测试样本集之后，对训练样本集和测试样本集中的训练样本和测试样本进行归一化处理。

10.根据权利要求4或6或7所述的基于信道空闲时长预测的信道分配方法，其特征在于，所述建立训练样本集和测试样本集之后，对训练样本集和测试样本集中的训练样本和测试样本进行归一化处理。