[发明专利]一种无线局域网介质访问控制方法

说明书

本发明提供了一种无线局域网介质访问控制方法，按如下步骤：(1)采集人工神经网络训练样本；(2)对人工神经网络进行配置和训练；(3)阈值计算：计算每个样本在训练完毕的人工神经网络输出值；(4)执行控制过程包括多个轮询周期，每个轮询周期由广播阶段、请求上传阶段、轮询阶段组成。本发明减少了对空用户的轮询，提高了信道使用效率，降低了网络时延。

技术领域

本发明属于无线局域网技术领域，具体涉及一种基于人工神经网络和用户请求的无线局域网介质访问控制方法。

背景技术

随着数字经济的兴起以及5G网络的逐步部署，网络大带宽和低时延的性能越来越受到重视。时延敏感型的网络业务将随着数字化转型逐步深入家庭与政企行业，如电子医疗、自动驾驶、远程触觉操控、工业自动化、AR/VR等应用都要求网络具有极低的时延来保障业务服务质量。国际标准组织ITU IMT-2020系统的设计最早指出，在5G超低时延应用场景中，网络用户的端到端时延要从4G时代的20ms降低至1ms。

无线局域网作为目前贴近用户且得到大范围应用的网络技术，在当前无线局域网介质访问技术下并不能有效满足新兴实时业务的低时延需求。如何降低无线局域网时延成为一个亟待解决的问题。到目前为止，世界各地的研究人员提出了多种能够提供亚毫秒级时延性能的无线局域网(WLAN，Wireless Local Access Network)介质访问控制技术。然而，目前这些技术方案在保证低时延的同时，仅能为少数用户提供接入服务。在多用户接入的应用场景下，如何有效降低时延、提高吞吐量仍亟需探索。

发明内容

面对未来低时延业务应用的需求，本发明提供一种基于人工神经网络和用户请求的无线局域网介质访问控制方法，其能够降低无线局域网的时延。

为了达到上述发明目的，本发明采取如下技术方案：

一种无线局域网介质访问控制方法，其按如下步骤：

(1)采集人工神经网络训练样本；

(2)对人工神经网络进行配置和训练；

(3)阈值计算：计算每个样本在训练完毕的人工神经网络输出值；

(4)执行控制过程包括多个轮询周期，每个轮询周期由广播阶段、请求上传阶段、轮询阶段组成。

优选的，所使用的人工神经网络的训练样本由一种基于用户请求的无线局域网介质访问控制方案(RPA)采集。在RPA方案中，每个用户在每一轮询周期均可产生一个样本。无线接入点在每个轮询周期开始前，为每个用户构建状态数据向量[n,PKI_n,PAP_n,UnP_n,PT_n,CT,NP,NPL]，其中n为用户的标号、PKI_n为用户n的数据包平均到达间隔时间、PAP_n为用户n最后一个已上传数据包到达用户后经过的时间、UnP_n为用户n的连续未轮询周期数、PT_n为用户n在上一次轮询中上传的数据包数、CT为平均轮询周期时间、NP为每个轮询周期中轮询的平均用户数、NPL为上一个轮询周期中轮询的用户数。之后，在轮询阶段结束后，根据各个用户上传的请求，将每个用户的状态数据向量扩展构建样本：若该用户上传“需要轮询”请求，则构建样本[n,PKI_n,PAP_n,UnP_n,PT_n,CT,NP,NPL,X]，其中X＝1；若该用户上传“不需要轮询”请求，则构建样本[n,PKI_n,PAP_n,UnP_n,PT_n,CT,NP,NPL,X]，其中X＝0。