CN119496708A 基于信号类别的网络仿真方法、装置、设备、介质及产品 （微检(天津)信息科技有限公司）

本申请公开了一种基于信号类别的网络仿2对于每个通信信号，将所述通信信号的融合特征输入至信号识别针对通信信号的每个类别，以满足网络性能要求和最小化成预测并优化每个类别的通信信号在所述通信网络中将所述通信信号分别输入至第一神经网络和第二神经网络，通过深度置信网络将所述原始融合特征转换基于特征与类别之间的互信息，从所述抽象特征中选择部分特征，分别对所述空间特征和所述时序特征进行归一化，以针对每个所述子网络和通信信号的每个类别，以满足网基于图神经网络算法，针对所述通信网络的模型的网络拓扑，针对通信信号的每个类别，根据所述节点的特征和边的特征，通过随机森林、梯度提升机或深度确定性策略梯度DDPG预测并优3构建模块，用于基于图表示法构建通信网络的模型，图拓扑优化模块，用于针对通信信号的每个类别，以满足网络性所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1_6中任一所述的行时实现如权利要求1_7中任一所述的基于信号类别的网和/或指令被处理器执行时实现如权利要求1_7中任一所述的基于信号类别的网络仿真方4[0007]基于图表示法构建通信网络的模型，图中的每个节点代表通信网络中的网络设5令，所述计算机程序和/或指令被处理器执行时实现如上述任意实施例所述的基于信号类6但并不意味着申请人已经或者必然用到了该[0034]图1为本申请实施例提供的一种基于信号类别的网络仿真方法的流程图，本实施ShiftKeying，BPSK)、频移键控(Frequency_ShiftKeying，FSK)和正交调幅编码7输区域A中一些冗余的链路优化，在保证通信信号能够达到目的设备的前提下缩短其传输路径；也可以将传输区域A中一些负荷较重的节点或边上的传输分散至负荷较轻的节点或8[0051]利用深度学习算法的自我学习能力，在仿真过程中能够对仿真环境进行实时调间特征和时序特征。第一神经网络例如是各种形式的卷积神经网络(Convolutional[0056]可选的，第一神经网络是CNN，通过第一神经网络还可以根据通信信号中可识别9构可以包括以下几种：1)调制特征：不同的调制技术，如正交幅度调制(QuadratureAmplitudeModulation，QAM)或正交频分复用(OrthogonalFrequencyDivision]+bf)]+bo)通过第二神经网络提取样本信号的样本时序特征；将样本空间特征和样本时序特征融合，实现对通信信号的高精度识别和分类。训练好的模型将在实际的通信网络环境中进行部[0070]S1120、将所述空间特征和所述时序特征融合，得到所述通信信号的原始融合特更能代表通信信号的内在属性和模式。为通信信号的识别和分类提供了强大的特征表示。Transform，FFT)将时域信号转换为频域的表示，然后使用第一神经网络来分析频域的表[0084]可选的，在将待识别的通信信号分别输入至第一神经网还可以对通信信号进行预处理，例如，使用高精度的模数转换器(Analog_to_digital[0087]通信信号经过不同程度的预处理后可能会有不同信噪比。不同调制方式(例如[0088]可选的，在将待识别的通信信号分别输入至第一神经网[0096]可选的，在将待识别的通信信号分别输入至第一神经网的特征向量或时序特征的特征向量，μ是空间特征的特征向量的均值或时序特征的特征向CNN表示第一神经网特征的特征向量，Fconcat表示级联后的融合特征的特征向量，分号表示特征向量的垂直堆[0122]S12、将目标特征输入至信号识别模型，以通过信号识别模型确定通信信号的类边界的一个超边(允许连接至少两个节点的边)的权值与该子图节点出发的所有超边的权解为网络设备之间链路的特征，如带宽、延迟和信道质量等。图神经网络(GraphNeural[0140]在一实施例中，S140包括：通过随机森林、梯度提升机(GradientBoostingk[0142]GBM的输入包括从信号处理阶段提取的特征和网络模型构建阶段得到的参数，这优化网络操作的策略，动态调整仿真参数以最大化网络性能指标，如吞吐量和降低延迟。式等；通信网络仿真可以基于通信信号的特征评估和优化通信信号在网络中的传播性能，[0151]可选的，仿真过程中为用户交互考虑，可通过集成自然语言处理(Natural图形处理器(GraphicsProcessingUnit，GPU)的计算能力，利用统一设备计算架构(ComputeUnifiedDeviceArchitecture，CUDA)或开放计算语言(OpenComputing[0159]图4为本申请实施例提供的一种基于信号类别的网络仿真装置的结构示意图。本[0163]性能优化模块240，用于预测并优化每个类别的通信信号在所述通信网络中的传一网络提取所述通信信号的空间特征，通过所述第二神经网络提取所述通信信号的时序特[0172]将归一化后的所述空间特征和所述时序特征级联，得到所述通信信号的融合特[0182]本申请实施例提供的基于信号类别的网络仿真装置可以用于执行上述任意实施[0183]图5示出了可以用来实施本申请的实施例的电子设备10的结构示意图。电子设备至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种[0186]处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器[0189]用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合机器上执行且部分地在远程机器上执行或完全在远程机器或服务提供给用户的反馈可以是任何形式的传感反馈(面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这