基于深度学习的自组网时隙分配方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于深度学习的自组网时隙分配方法
申请号:CN202510851874
申请日期:2025-06-24
公开号:CN120547687A
公开日期:2025-08-26
类型:发明专利
摘要
本发明提供了一种基于深度学习的自组网时隙分配方法,包括:构建通信系统的拓扑结构,从而将通信系统划分为多个簇群;对簇群进行簇间频谱划分;对簇群内进行簇内时隙划分,所述时隙划分采用时隙分配算法,时隙分配算法根据信道状态信息对信道进行预测,并根据通信任务的优先级和码率需求进行调整,以计算出适应信道状态的时隙分配向量;基于拓扑结构、簇间频谱划分和簇内时隙划分进行路由构建,从而完成通信系统组网。通过时隙分配算法,根据信道状态信息对信道进行预测,并根据通信任务的优先级和码率需求进行综合调整,以计算出可以适应信道状态的最佳时隙分配向量,从而达到提高信道利用率和灵活性的目的。
技术关键词
时隙分配方法 通信系统组网 深度神经网络训练 信道状态信息 信道估计 码率 无线通信用户 建立双向通信 反向传播方法 终端 算法 阶段 专用频段 列表 节点
系统为您推荐了相关专利信息
窃电分析方法 节点 电能 电力传输线路 拓扑网络
系统功率分配方法 DNN模型 深度神经网络 决策树模型 高优先级用户
无线接入点分配 一体化系统 空间相关矩阵 功耗优化方法 信道估计值
农业害虫 去模糊图像 注意力机制 评估图像数据 预处理算法
部署优化方法 接收端 速率 信道状态信息 反射单元