无线网络接入系统及其操作方法与流程

技术特征：
1.一种无线网络接入系统，其特征在于，包括：训练模块，包括：第一训练数据构造单元，用于基于以移动终端为中心的拓扑数据来构造第一输入矩阵，其中，所述第一输入矩阵的对角线上各个位置的特征值表示所述移动终端与各个商户之间的物理距离，所述第一输入矩阵的除对角线外各个位置的特征值表示两个商户之间的物理距离；第二训练数据构造单元，用于基于在各个所述商户的位置所接收到的其他商户的wifi信号的信号强度数据和在所述移动终端的位置所接收到的每个所述商户的wifi信号的信号强度数据构造第二输入矩阵，其中，所述第二输入矩阵的对角线上各个位置的特征值为在所述移动终端的位置所接收到的每个所述商户的wifi信号的信号强度数据，所述第二输入矩阵的除对角线外各个位置的特征值为在各个所述商户的位置所接收到的其他商户的wifi信号的信号强度数据；第一空间编码单元，用于使用第一卷积神经网络从所述第一输入矩阵获得第一特征图；第二空间编码单元，用于使用第二卷积神经网络从所述第二输入矩阵获得第二特征图；特征图转换单元，用于将所述第一特征图输入作为转换器的第三卷积神经网络以获得第三特征图；鉴别器单元，用于将所述第三特征图和所述第二特征图通过鉴别器以获得鉴别器损失函数值；训练单元，用于基于所述鉴别器损失函数值，对作为转换器的所述第三卷积神经网络进行基于对角局部矩阵和全局矩阵的块结构训练；以及预测模块，包括：检测用数据获取单元，用于获取用于检测的第一输入矩阵和用于检测的第二输入矩阵；高维特征提取单元，用于将用于检测的所述第一输入矩阵和所述第二输入矩阵分别通过所述第一卷积神经网络和所述第二卷积神经网络以获得检测用第一特征图和检测用第二特征图；融合转换单元，用于将所述检测用第一特征图输入经训练阶段训练完成的作为转换器的第三卷积神经网络以获得检测用第三特征图；特征图融合单元，用于融合所述检测用第三特征图和所述检测用第二特征图以获得检测用第四特征图；查询向量构造单元，用于获取各个所述商户在当前时间点的剩余带宽量并将各个所述商户在当前时间点的剩余带宽量构造为查询向量；向量查询单元，用于在所述检测用第四特征图上查询出与所述查询向量对应的回归特征向量；以及连接概率单元，用于计算所述回归特征向量中各个位置的特征值对应的类softmax函数值作为移动终端连接到每个商户的wifi的概率值；和连接模块，用于基于移动终端连接到每个商户的wifi的概率值，将所述移动终端连接
到概率值最大者对应的商户的wifi。2.根据权利要求1所述的无线网络接入系统，其中，所述第一训练数据构造单元，包括：物理矩阵构造子单元，用于对各个所述商户进行编码并按照矩阵的行和列排列以获得物理矩阵；对角线位置填充子单元，用于在所述物理矩阵的对角线的各个位置填充所述移动终端与对应商户之间的物理距离；以及非对角线位置填充子单元，用于在所述物理矩阵的除对角线外的各个位置填充对应两个商户之间的物理物理以获得所述第一输入矩阵。3.根据权利要求2所述的无线网络接入系统，所述第二训练数据构造单元进一步用于以构造所述第一输入矩阵的方式将在各个所述商户的位置所接收到的其他商户的wifi信号的信号强度数据和在所述移动终端的位置所接收到的每个所述商户的wifi信号的信号强度数据构造为所述第二输入矩阵。4.根据权利要求1所述的无线网络接入系统，所述鉴别器单元，进一步用于：将所述第三特征图输入所述鉴别器神经网络以获得第四特征图；将所述第二特征图输入所述鉴别器神经网络以获得第五特征图；确定所述第四特征图与所述第五特征图中的预定位置的值是否相同；响应于所述第四特征图与所述第五特征图中的预定位置的值相同，计算所述预定位置的值的以二为底的对数值的负数值作为第一值；响应于所述第四特征图与所述第五特征图中的预定位置的值不同，计算所述预定位置的值的以二为底的对数值作为第二值；以及计算所述第一值按照值相同的位置的平均值和所述第二值按照值不同的位置的平均值之和作为所述鉴别器损失函数值。5.根据权利要求1所述的无线网络接入系统，所述训练单元，进一步包括：位置确定子单元，用于确定所述第二输入矩阵中对角位置之间差值较大的一对或多对位置；块结构确定子单元，用于以这些位置为中心确定第三卷积神经网络中的每层的相应区域作为块结构，所述块结构的大小与每对对角位置之间的差值成正比；和交替训练子单元，用于以所述鉴别器损失函数值对所述第三卷积神经网络进行基于对角局部矩阵与全局矩阵的交替训练以强化所述第三卷积神经网络中的块结构。6.根据权利要求1所述的无线网络接入系统，所述特征图融合单元，用于计算所述检测用第三特征图和所述检测用第二特征图的按位置加权和以获得所述检测用第四特征图。7.根据权利要求1所述的无线网络接入系统，所述向量查询单元，进一步用于：将所述查询向量与所述检测用第四特征图进行矩阵相乘以获得所述回归特征向量。8.根据权利要求1所述的无线网络接入系统，其中，所述类softmax函数为y＝exp(xi)/∑
i exp(xi)，其中xi表示所述回归特征向量中各个位置的特征值。9.一种无线网络接入系统的操作方法，其特征在于，包括：训练阶段，包括：基于以移动终端为中心的拓扑数据来构造第一输入矩阵，其中，所述第一输入矩阵的对角线上各个位置的特征值表示所述移动终端与各个商户之间的物理距离，所述第一输入
矩阵的除对角线外各个位置的特征值表示两个商户之间的物理距离；基于在各个所述商户的位置所接收到的其他商户的wifi信号的信号强度数据和在所述移动终端的位置所接收到的每个所述商户的wifi信号的信号强度数据构造第二输入矩阵，其中，所述第二输入矩阵的对角线上各个位置的特征值为在所述移动终端的位置所接收到的每个所述商户的wifi信号的信号强度数据，所述第二输入矩阵的除对角线外各个位置的特征值为在各个所述商户的位置所接收到的其他商户的wifi信号的信号强度数据；使用第一卷积神经网络从所述第一输入矩阵获得第一特征图；使用第二卷积神经网络从所述第二输入矩阵获得第二特征图；将所述第一特征图输入作为转换器的第三卷积神经网络以获得第三特征图；将所述第三特征图和所述第二特征图通过鉴别器以获得鉴别器损失函数值；基于所述鉴别器损失函数值，对作为转换器的所述第三卷积神经网络进行基于对角局部矩阵和全局矩阵的块结构训练；以及预测阶段，包括：获取用于检测的第一输入矩阵和用于检测的第二输入矩阵；将用于检测的所述第一输入矩阵和所述第二输入矩阵分别通过所述第一卷积神经网络和所述第二卷积神经网络以获得检测用第一特征图和检测用第二特征图；将所述检测用第一特征图输入经训练阶段训练完成的作为转换器的第三卷积神经网络以获得检测用第三特征图；融合所述检测用第三特征图和所述检测用第二特征图以获得检测用第四特征图；获取各个所述商户在当前时间点的剩余带宽量并将各个所述商户在当前时间点的剩余带宽量构造为查询向量；在所述检测用第四特征图上查询出与所述查询向量对应的回归特征向量；以及计算所述回归特征向量中各个位置的特征值对应的类softmax函数值作为移动终端连接到每个商户的wifi的概率值；和基于移动终端连接到每个商户的wifi的概率值，将所述移动终端连接到概率值最大者对应的商户的wifi。10.根据权利要求9所述的无线网络接入系统的操作方法，其中，基于以移动终端为中心的拓扑数据来构造第一输入矩阵，包括：对各个所述商户进行编码并按照矩阵的行和列排列以获得物理矩阵；在所述物理矩阵的对角线的各个位置填充所述移动终端与对应商户之间的物理距离；以及在所述物理矩阵的除对角线外的各个位置填充对应两个商户之间的物理物理以获得所述第一输入矩阵。

技术总结
本申请涉及无线网络接入的领域，其具体地公开了一种无线网络接入系统及其操作方法。其以各家商户的WiFi热点的信号强度计算出各家商户的WiFi热点到移动终端的距离，并生成拓扑数据；并且，获得各家商户的WiFi热点的预设时间段内的剩余可用带宽，综合这两个方面的要素来选择连接到哪家商户的WiFi。通过这样的方式，可以使得用户能够择优选择附件哪家的WiFi热点以保持稳定且通畅的上网功能。热点以保持稳定且通畅的上网功能。热点以保持稳定且通畅的上网功能。


技术研发人员：赵以胜
受保护的技术使用者：黎川县雅烯科技有限公司
技术研发日：2021.09.28
技术公布日：2021/12/6