[发明专利]基于信道空闲时长预测的信道分配方法

说明书

本发明涉及一种信道传输技术领域，是一种基于信道空闲时长预测的信道分配方法，包括以下步骤：对待传输业务进行分类；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；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。本发明实现空闲信道空闲时长的自动预测，为合理安排业务传输提供依据，并将待传输业务进行分类，在紧急业务传输完或者没有时，根据其他所有业务类型中各个待传输业务的业务需求，结合各个空闲信道的空闲时长等内容，给其他所有业务类型中待传输业务匹配合理的空闲信道，从而保障业务传输的高效性和可靠性，降低传输中断概率。

技术领域

本发明涉及一种信道传输技术领域，是一种基于信道空闲时长预测的信道分配方法。

背景技术

随着社会的发展，无线信道频谱资源被不断划分，公共频谱资源在被不断的压缩，频谱资源短缺这一问题日益凸显。现有信道分配方法不能提前预测空闲信道的空闲时长，同时待传输业务需要进行排队依次传输，传输效率低，同时会造成当前传输的业务需求与传输使用的信道不匹配，造成传输不稳定及传输中断的问题，因此无法满足实际业务传输的需求，部分业务传输无法得到可靠的保障。

发明内容

本发明提供了一种基于信道空闲时长预测的信道分配方法，克服了上述现有技术之不足，其能有效解决现有信道分配方法存在的易造成待传输业务的业务需求与信道易不匹配，造成传输不稳定可靠的问题。

本发明的技术方案是通过以下措施来实现的：一种基于信道空闲时长预测的信道分配方法，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。

下面是对上述发明技术方案的进一步优化或/和改进：

上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。

上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。

上述根据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。

上述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。