卷积神经网络下异构通信网络动态信道分配方法

• 作者: 刘春静 张磊 章敏凤
• 来源期刊: 西安工程大学学报
• 关键词: 异构通信网络 信道分配 卷积神经网络 拓扑传感器 信道载体 分配损差量
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 124-130
• 页数: 7页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13338/j.issn.1674-649x.2020.01.020

摘要

为优化通信网络异构体能耗,引入异构型卷积神经网络(convolutional neural network,CNN)框架结构,根据异构网络分级组织的优势,连接通信滤波器与网络模板库,搭建异构通信网络体系.同时,设置必要的动态拓扑传感器,通过配置信道载体的方式计算具体的分配损差量,然后选择合适的通信协议,结合计算结果和信道节点的匹配信息完成对动态通信信道的分配.结果表明,应用基于CNN的分配方法后,网络异构体最大承载量达到9.8×1015 T,信道传输时滞量最大值为5.1×105 T.该方法既增大了信道传输容量,又提高了通信信息传输效率,实现了通信网络异构体稳定、高效运行的目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘春静	安徽信息工程学院电气与电子工程学院	4	0	0.0	0.0
2	章敏凤	安徽信息工程学院电气与电子工程学院	8	2	1.0	1.0
3	张磊	安徽信息工程学院电气与电子工程学院	20	15	3.0	3.0