[发明专利]运用人工智能实现通讯链路动态加权的网络优化方法

说明书

本发明提出了一种运用人工智能实现通讯链路动态加权的网络优化方法，涉及通讯网络链路动态加权优化技术领域，包括以下步骤：通讯元素获取该通讯元素的通讯路径的所有链路特征进行实时记录并形成链路表，根据链路表的链路特征生成智能可视化网络拓扑图；当有通讯请求时，通过计算机视觉及图像识别技术识别智能可视化网络拓扑图，从而提取通讯元素之间的链路特征，导入链路图像识别样品库进行对比，计算出各链路的实时动态加权值，计算出最优通讯路径，并按最优通讯路径实现通讯；将本次参与通讯的最新链路特征更新所述智能可视化网络拓扑图并导入神经卷积机器学习库进行机器学习，形成最新一次的链路图像识别样品库，完成优化。

技术领域

本发明涉及通讯网络链路动态加权优化技术领域，尤其涉及一种运用人工智能实现通讯链路动态加权的网络优化方法。

背景技术

目前组网通讯方面基本采用如IEEE 802.11 系列、物联网802.15.4等固定的协议实现局域网或小型网络的组网通讯。出于对网络可靠性与鲁棒性等经验计算值的考虑，组网过程通常需要进行多次广播路由请求、通讯握手、时隙控制的等方式，再根据固定算法加权确定有效链路。主要存在如下问题：

1).在高速网络中，4G、5G、WIFI等延时和碰撞不明显，但也因此发生网络冗余、拥堵；

2).在低速网络中，如zigbee、lora、aloha等物联网中，信息并发造成网络碰撞、延时尤为明显。

再者，无线局域网及小型自组网网络优化办法是依赖对网络可靠性与鲁棒性等经验计算值的考虑，组网过程通常需要进行多次广播路由请求、通讯握手、时隙控制的等方式，再根据固定算法加权确定有效链路实现的。主要存在如下问题：

1).在高速互联网及物联网网络中，如OFDM、WIFI等基于IEEE802.11的协议，延时碰撞不算明显，但是缺乏组网内的设备、信道状态实时监控，多次路由请求与握手协议会造成网络冗余拥堵，一旦网络出现节点性能下降等，无法迅速寻找其他最优路径，网络性能会迅速下降，很多时候需要采取定期或手动清理信道的方法保证网络性能。且固定加权算法也无法根据复杂的环境变化实现有效动态调整。

2).在低速物联网中，如zigbee、lora、aloha等基于IEEE802.15.4或使用自定义通讯协议的网络中，网络性能多数采用分时复用的办法实现通讯。采取多次广播路由请求、通讯握手配合固定算法实现链路加权的传统优化方法，信息并发造成网络碰撞、延时尤为明显。通常组网必要信息通常会占据网络大部分性能，释放给用户使用的通讯资源极其有限，利用率非常低。同时，由于缺乏组网内的设备、信道状态实时监控，常常出现由于各种环境影响导致通讯路径失效且无法寻找目标对象产品丢包，并引发网络碰撞（如zigbee）。

发明内容

针对上述技术问题，本发明提出一种运用人工智能实现通讯链路动态加权的网络优化方法，该优化方法通过通讯元素获取该通讯元素的通讯路径的所有链路特征进行实时记录并形成链路表，根据链路表的链路特征生成智能可视化网络拓扑图；当有通讯请求时，通过计算机视觉及图像识别技术识别智能可视化网络拓扑图，从而提取通讯元素之间的链路特征并将该链路特征导入链路图像识别样品库进行对比，计算出各链路的实时动态加权值，从而根据加权值计算出最优通讯路径，并按最优通讯路径实现通讯；将本次参与通讯的最新链路特征更新智能可视化网络拓扑图并导入神经卷积机器学习库进行机器学习，形成最新一次的链路图像识别样品库，完成通讯网络链路动态加权的优化。

本发明的技术方案是：

一种运用人工智能实现通讯链路动态加权的网络优化方法，其特征在于：所述优化方法，包括以下步骤：

S1：通讯网络里参与通讯的通讯元素获取该通讯元素的通讯路径的所有链路特征进行实时记录并形成链路表，根据链路表的链路特征生成智能可视化网络拓扑图；