公开(公告)号：CN116600324B

公开(公告)日：2023-11-24

申请号：CN202310847842.X

申请日：2023-07-12

Applicant: 厦门大学

Inventor： 刘苇 ,  钟琰 ,  游理钊 ,  舒继武

IPC: H04W24/02 ,  H04W24/06 ,  H04W74/08 ,  H04W84/12 ,  G06N3/092

Abstract: 本发明涉及一种信道绑定WiFi网络的信道分配方法，其包括训练阶段：通过中央控制器周期性收集每个AP的信道选择、流量负载和吞吐量等观测信息，并将其存储在数据缓冲区中，构建神经网络，并使用PPO算法对神经网络进行训练；部署阶段：通过中央控制器周期性收集每个AP的信道选择、流量负载和吞吐量等观测信息，利用训练后的神经网络生成每个AP的信道选择动作，并将其下发到每个AP进行执行。本发明不依赖先验干扰模型，只通过实际吞吐量的反馈信息训练神经网络，并用于多AP信道参数的选择，在难以获取干扰模型的隐藏终端和隐藏信道场景下有更好的吞吐量表现。

公开(公告)号：CN116600324A

公开(公告)日：2023-08-15

申请号：CN202310847842.X

申请日：2023-07-12

Applicant: 厦门大学

Inventor： 刘苇 ,  钟琰 ,  游理钊 ,  舒继武

IPC: H04W24/02 ,  H04W24/06 ,  H04W74/08 ,  H04W84/12 ,  G06N3/092

Abstract: 本发明涉及一种信道绑定WiFi网络的信道分配方法，其包括训练阶段：通过中央控制器周期性收集每个AP的信道选择、流量负载和吞吐量等观测信息，并将其存储在数据缓冲区中，构建神经网络，并使用PPO算法对神经网络进行训练；部署阶段：通过中央控制器周期性收集每个AP的信道选择、流量负载和吞吐量等观测信息，利用训练后的神经网络生成每个AP的信道选择动作，并将其下发到每个AP进行执行。本发明不依赖先验干扰模型，只通过实际吞吐量的反馈信息训练神经网络，并用于多AP信道参数的选择，在难以获取干扰模型的隐藏终端和隐藏信道场景下有更好的吞吐量表现。