一种深度学习通讯处理系统及应用其的通讯链路的制作方法

1.本发明涉及智能高速通信技术领域，尤其是指一种深度学习通讯处理系统及应用其的通讯链路。


背景技术：

2.随着科技的进步，对高速通讯的需求日益增长。在现有的高速通信技术中，通常由手机或集团客户通过基站接入到无线接入网，再通过无线接入网或ip无线接入网或分组传送网方案进行处理，将信号传递给基站控制器或无线网络控制器，再将信号传给核心网，核心网内部网元通过ip承载网来承载。该种通讯方案设计较为复杂，难以拓展和更新，通讯智能性较差。


技术实现要素：

3.本发明要解决的技术问题是提供一种深度学习通讯处理系统及应用其的通讯链路，其能够将深度学习通讯处理思想融入到通讯链路中，深度学习通讯处理能够被拓展改进，为智能通讯技术的设计开发提供了全新设计思路与畅想空间。
4.为解决上述技术问题，本发明提供了一种深度学习通讯处理系统及应用其的通讯链路，包括深度学习模块和通讯处理模块；所述深度学习模块与所述通讯处理模块通过第一内部接口进行通讯连接以进行参数信息的交互；所述深度学习模块与所述通讯处理模块通过第二内部接口进行通讯连接以进行图像、声音和文字信息的交互；所述深度学习模块上设置有第一外部接口和第二外部接口；通过所述第一外部接口和第二外部接口将深度学习模块连接至云端，云端将外部信息传送至所述深度学习模块内实现对所述深度学习模块中的内核参数和算法进行更新；所述通讯处理模块上设置有第三外部接口和第四外部接口；通过所述第三外部接口和第四外部接口，所述通讯处理模块与外部设备连接以进行数据交互。
5.作为优选的，所述深度学习模块包括卷积运算组单元和运算阵列单元；所述通讯处理模块包括层一处理单元、层二处理单元和射频前端单元；所述层一处理单元与所述运算阵列单元之间通过所述第一内部接口通讯连接；所述运算阵列单元与所述射频前端单元之间通过第一内部接口连接以传输同步信息。
6.作为优选的，所述第一内部接口包括axi接口，所述第二内部接口包括dma总线。
7.作为优选的，所述层二处理单元通过所述第二内部接口与所述卷积运算组单元通讯连接以进行数据交互。
8.作为优选的，所述深度学习模块内运行有yolo算法、cluster算法和kalman算法。
9.作为优选的，所述yolo算法运行在所述卷积运算组单元中，所述cluster算法和kalman算法在所述运算阵列单元中进行。
10.作为优选的，所述通讯处理模块中的层二处理单元与所述深度学习模块进行信息交互处理时，具体包括以下步骤：层二处理单元获取图像信息并对所述图像信息进行解析；
将解析后的所述图像信息传递至所述深度学习单元，所述卷积运算组单元内运行yolo算法并对解析后的所述图像信息完成处理，并得到第一处理结果；所述通讯处理单元获取所述第一处理结果。
11.作为优选的，所述通讯处理模块中的层一处理单元与所述深度学习模块进行信息交互处理时，具体包括以下步骤：所述层一处理单元获取调制解调数据并将所述调制解调数据发送至所述深度学习单元；所述运行阵列单元中运行所述cluster算法并对所述调制解调数据进行运算，获得第二处理结果；所述cluster算法对所述调制解调数据进行运算，获得第二处理结果；所述通讯处理模块获取所述第二处理结果。
12.作为优选的，所述通讯处理模块中的射频前端单元与所述深度学习模块进行信息交互处理时，具体包括以下步骤：所述射频前端单元获取帧头数据块信息并将所述帧头数据块信息传递到深度学习单元中；所述运行阵列单元中运行所述kalman算法并对所述帧头数据块信息进行运算，获得第三处理结果；所述通讯处理模块获取所述第三处理结果。
13.一种应用深度学习通讯处理系统的通讯链路，作为优选的，其包括：深度学习通讯处理系统和通讯链路；所述深度学习通讯处理系统插入在所述通讯链路中实现数据的连续传输。
14.本发明的上述技术方案相比现有技术具有以下优点：
15.1、本发明的深度学习通讯处理系统包括深度学习模块和通讯处理模块；深度学习模块和通讯处理模块之间能够进行数据交互，该深度学习通讯处理系统设计巧妙，易于实现。
16.2、本发明的深度学习模块与云端连接，能够实现对深度学习模块中的内核参数和算法进行更新，通讯处理模块与外部设备连接，能够进行数据交互，本发明的深度学习通讯处理系统不仅是可实现的，而且是可改进的，智能化更高。
17.3、本发明还公开了一种应用深度学习通讯处理系统的通讯链路，深度学习通讯处理系统插入在通讯链路中，能够有效的将深度学习的思想融入到高速通讯系统中。
附图说明
18.为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中：
19.图1为本发明的深度学习通讯处理系统架构图；
20.图2为本发明深度学习模块和通讯处理模块的数据交互示意图；
21.图3为本发明实施例中深度学习通讯处理系统插入光纤链路中的通信架构图。
具体实施方式
22.下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
23.参照图1～图3所示，本发明公开了一种深度学习通讯处理系统和一种应用深度学习处理系统的通讯链路。
24.上述深度学习通讯处理系统包括深度学习模块和通讯处理模块。
25.上述深度学习模块与通讯处理模块之间通过第一内部接口进行通讯连接，上述第
一内部接口为自定义接口或通用接口，被用于在深度学习模块和通讯处理模块之间传递参数信息。
26.上述深度学习模块和通讯处理模块之间通过第二内部接口进行通讯连接，上述第二内部接口为自定义接口或通用接口，能够用于在深度学习模块和通讯处理模块之间传递大数据信息，上述大数据信息包括图像、声音和文字信息等。
27.上述深度学习模块上设置有第一外部接口和第二外部接口。上述第一外部接口和第二外部接口均为深度学习通讯处理系统的外部接口，上述第一外部接口和第二外部接口均为通用接口。通过上述第一外部接口，能够使得上述深度学习通讯处理系统连接至云端，云端将外部信息传送至深度学习模块内，用于更新深度学习模块中的内核参数。通过上述第二外部接口，能够将深度学习通讯处理系统连接至云端，用于更新深度学习模块中的基本算法。
28.上述通讯处理模块上设置有第三外部接口和第四外部接口。上述第三外部接口为通用接口，通过上述第三外部接口，能够使得深度学习通讯处理系统与现有设备或单元连接以传输信息。上述第四外部接口为自定义接口，通过上述第四外部接口，能够通过无线的方式在多个深度学习通讯处理系统之间互传信息。
29.进一步的，上述深度学习模块中的核心单元为卷积运算单元和运算阵列单元。上述通讯处理模块内包括层一处理单元、层二处理单元和射频前端单元。其中，上述层一处理单元与运算阵列单元之间通过第一内部接口通讯连接，上述第一内部接口可优选为axi接口。上述运算阵列单元与射频前端单元之间通过axi接口，实现同步信息的相互传送。
30.上述通讯处理模块中的层二处理单元通过第二内部接口与卷积运算组单元连接并进行数据交互。上述第二内部接口可优选为dma总线。
31.上述深度学习模块在进行数据处理时，运用的算法包括但不限于yolo算法、cluster算法和kalman算法。上述yolo算法主要运行在卷积运算组单元中，运算阵列模块起到辅助计算的作用，上述cluster算法和kalman算法主要在运算阵列单元中进行。
32.其中，深度学习通讯处理系统包括以下工作过程：通讯处理模块中的层二处理单元与所述深度学习模块进行信息交互处理时，具体包括以下步骤：
33.层二处理单元获取图像信息并对所述图像信息进行解析，将解析后的图像信息通过xdma接口传递至深度学习单元中的buff area1位置，同时指示中断一为有效，并告知深度学习单元处理此事件。
34.深度学习单元接收到中断一信号后由卷积运算组单元完成yolo运算，对解析后的所述图像信息完成处理，并得到第一处理结果。然后，将第一处理结果放回到深度学习单元中的buff area1(缓冲区1)位置同时通过indicator1(指示1)为有效，指示通讯处理模块该处理完成，通讯处理模块收到indicator1后将yolo运算的处理结果以xdma接口访问的方式从buff area1(缓冲区1)位置取走后封包，继续通讯处理模块的通讯。
35.上述通讯处理模块中的层一处理单元与深度学习模块进行信息交互处理时，具体包括以下步骤：
36.上述层一处理单元将发送和接收到的调制解调数据通过xdma接口传递到深度学习模块中的buff area2(缓冲区2)位置同时指示interrupt2(中断2)为有效，并告知深度学习模块处理此事件。
37.深度学习模块接收到interrupt2(中断2)信息后由运算阵列单元完成cluster运算，cluster算法对调制解调数据进行运算，获得第二处理结果，并将第二处理结果放回到深度学习模块中的buff area2(缓冲区2)位置同时indicator2(指示2)为有效指示，并指示通讯处理模块该处理完成。通讯处理模块收到indicator2(指示2)后将cluster运算的处理结果以axi总线传输的方式从buff area2(缓冲区2)位置取出以确定通讯处理模块后续通讯所采用的调制解调方式和解调判决边界。
38.上述通讯处理模块中的射频前端单元与深度学习模块进行信息交互处理时，具体包括以下步骤：
39.通讯处理模块中的射频前端单元将接收到的帧头数据块通过xdma接口传递到深度学习模块中的buff area3(缓冲区3)位置同时指示interrupt3(中断3)为有效，并且告知深度学习模块处理此事件。
40.深度学习模块接收到interrupt3(中断3)后由运算阵列单元完成kalman运算，获得第三处理结果，并将运算后的第三处理结果放回到深度学习模块中的buff area3位置，同时indicator3(指示3)为有效，指示通讯处理模块该处理完成。通讯处理模块收到indicator3(指示3)后将kalman运算的处理结果以axi总线的方式从buff area3位置取出，此时射频前端单元部分的数据同步完成，通讯处理模块后续通讯以此信息进行同步。
41.本发明还公开了一种应用深度学习通讯处理系统的通讯链路，其包括通讯链路和上述深度学习通讯处理系统。
42.具体地，上述深度学习通讯处理系统插入在通讯链路中。基于此，本发明还公开了实施例一：
43.如图3所示，为简化版的移动通信架构图。选用无线接入网，也就是通常所说的ran(radio access network)，简单地讲就是将手机终端都接入到通信网络中的基站，再从基站到电信机房。目前，电信机房到骨干网络的承载网及基站与基站间的数据传输通常采用光纤的方式进行传输。
44.但是光纤常常会出现人为损坏或自然老化的现象，为防止此种现象发生，将两个深度学习通讯处理系统通过第三外部接口接入，数据可通过第四外部接口继续传输，以保证backhaul继续畅通。
45.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
46.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
47.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特
定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
48.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
49.显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。