买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东星通易航通信科技有限公司

摘要：本发明属于无线通信技术领域，具体涉及一种VDES船联网中基于机器学习的路由选择方法，包括以下步骤：建立VDES船联网中的自组织网络模型，生成训练数据集；建立用于路由选择的机器学习模型，并用训练数据集进行训练，直至收敛；用收敛以后的机器学习模型进行路由表更新和路由选择。与现有的船联网路由选择方法相比，本发明公开的基于机器学习的路由选择方法可以在保证数据传输质量的前提下，动态自适应网络信道状态信息的变化，实现路由表的实时更新和快速的路由选择。

主权项：1.一种VDES船联网中基于机器学习的路由选择方法，该方法包括以下步骤：步骤一：建立VDES船联网中的自组织网络模型，生成训练数据集距离较近的船舶依靠自组织的方式形成船舶自组织网络，在船舶自组织网络中，船舶S需要发送数据到船舶D，船舶S与船舶D之间有N艘可以用于转发数据的中继船舶，分别记为R1，R2，…RN，设hIJ表示船舶I与船舶J之间的信道状态信息，其中I∈{S，R1，…，RN}，J∈{R1，…，RN，D}；对于集合{S，R1，…，RN}中的每一艘船舶，均生成一个属于该船舶的训练数据集，生成训练数据集的步骤如下：在船舶I上，根据NN+1个网络信道状态信息利用穷举搜索法得到船舶I的路由选择最优解，即相对于目的船舶D的最优下一跳中继船舶GI，其中I∈{S，R1，…，RN}，GI∈{R1，…，RN，D}；在船舶I上再多次随机生成信道状态信息并得到相应的最优解；将这些信道状态信息和最优解保存为训练数据，由此生成船舶I的训练数据集步骤二：建立用于路由选择的机器学习模型，并用训练数据集进行训练，直至收敛在船舶S，R1，…，RN上分别建立各自的机器学习模型，所述的这些机器学习模型均由三层卷积神经网络构成，包括具有NN+1个节点的输入层、NN+1个节点的中间层和N+1个节点的输出层；其中，所述的输入层的节点分别对应输入参数所述的中间层的各个节点先计算输入层各参数的权重求和，再计算神经元激活函数relu，即fReLUx＝max0，x，所述的输出层的各个节点先计算中间层各节点的权重求和，再计算神经元激活函数softmax，即在船舶S，R1，…，RN上，分别利用各自的训练数据集对各自建立好的三层卷积神经网络模型进行训练，直至各自的模型收敛；对模型训练即是用机器学习模型来求解最优化问题其中I∈{S，R1，…，RN}，GI∈{R1，…，RN，D}，γSD表示数据从船舶S传输到船舶D的接收信噪比，是关于信道状态信息的函数，且与所选路由有关；步骤三：用收敛以后的机器学习模型进行路由表更新和路由选择船舶S，R1，…，RN上均有各自的收敛以后的机器学习模型，根据信道状态信息，利用收敛后的模型实时更新每个船舶的路由表信息，并根据更新后的结果进行路由选择和数据传输即可。

全文数据：

权利要求：

百度查询： 山东星通易航通信科技有限公司 一种VDES船联网中基于机器学习的路由选择方法