双频无线路由器的数据传输方法及其系统与流程

1.本发明涉及数据传输的领域，且更为具体地，涉及一种双频无线路由器的数据传输方法及其系统。


背景技术：

2.随着wifi技术的发展和成熟，越来越多的无线路由器支持2.4ghz和5ghz两个频段的wifi传输以满足更多设备，但是无线路由器的天线之间的距离比较小，两个频段的wifi同时工作时相互之间会产生干扰影响无线传输的速率。
3.目前，家庭中电子设备对网络的利用是平等的，只要与无线路由器连接上了，无线路由器就会根据请求的数据去转化，进行2.4ghz或5ghz wifi网络的数据传输，这种方式必然会造成无线网络同时工作，两个频率的信号产生干扰。例如，手机与无线路由器通过5ghz频段wifi连接正在使用5ghz wifi网络，但同时有一台电脑在通过2.4ghz频段下载数据，手机和电脑两个同时运行时，手机将会受到干扰，手机与无线路由器的数据传输速率被电脑和无线路由器的2.4ghz频段无线影响。
4.同时，现有的双频无线路由器在两个频段同时工作时都是以最大功率发射无线信号，当一个频段的信号在工作时，另一个频段的信号功率越强就越容易对这个频段的信号产生影响。因此，为了降低这种影响带来的负面作用，期望一种双频无线路由器的数据传输方案。


技术实现要素：

5.为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种双频无线路由器的数据传输方法及其系统，其通过采用深度学习的卷积神经网络模型对表达与路由器相关的所有终端设备的拓扑结构进行处理，以提取出所述路由器以及所述终端设备之间的高维关联特征，并且还考虑到所述两个频段下所连接的设备的数据请求量对所述信号的干扰影响，应用贝叶斯公式以得到所述两个频段的工作频率应增大或减小的结果。通过这样的方式，可以使得所得到的所述两个频段的工作频率应增大或减小的结果更加准确，从而也就会降低这两个所述频段的干扰带来的负面作用，以使得所述信号传输的准确性更高。
6.根据本技术的一个方面，提供了一种双频无线路由器的数据传输方法，其包括：
7.构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结构，其中，所述第一矩阵中非对角线的各个位置的特征值为两个终端设备之间的距离，所述第一矩阵中对角线位置的特征值为相应终端设备到路由器之间的距离；
8.以构造所述第一矩阵的方式，构造第二矩阵来表示与所述路由器的第一频段连接的所有终端设备的拓扑结构和第三矩阵来表示与所述路由器的第二频段连接的所有终端设备的拓扑结构；
9.将所述第一矩阵输入第一卷积神经网络以获得第一特征图；
10.将所述第二矩阵和所述第三矩阵分别输入第二卷积神经网络以获得第二特征图
和第三特征图；
11.对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵、第二特征矩阵和第三特征矩阵，其中，设定所述第二特征矩阵的尺度为m*m、所述第三特征矩阵的尺度为n*n，则所述第一特征矩阵的尺度为(m+n)*(m+n)；
12.对所述第二特征矩阵和所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同；
13.获取与所述路由器的第一频段连接的所有终端设备的数据量以获得由多个数据量组成的第一向量，并获取与所述路由器的第二频段连接的所有终端设备的数据量以获得由多个数据量组成的第二向量；
14.将所述第一向量和所述第二向量分别通过编码器以获得第一特征向量和第二特征向量，其中，所述第一特征向量的长度为m，所述第二特征向量的长度为n；
15.将所述第一特征向量和所述第二特征向量进行级联以获得第三特征向量，所述第三特征向量的长度为m+n；
16.分别将所述第一特征矩阵和所述第四特征矩阵与所述第三特征向量进行矩阵相乘以将所述第三特征向量映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中以获得第四特征向量和第五特征向量；
17.将所述第四特征向量中各个位置的特征值作为证据概率、所述第五特征值中各个位置的特征值作为事件概率和所述第三特征向量中各个位置的特征值作为先验概率，计算所述第三特征向量中各个位置的后验概率以获得由后验概率组成的第六特征向量，其中，所述后验概率为先验概率乘以证据概率再除以事件概率；以及
18.基于所述第六特征向量中前m个特征值的均值和所述第六特征向量中后n个特征值的均值，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小。
19.根据本技术的另一方面，提供了一种双频无线路由器的数据传输系统，其包括：
20.第一矩阵构造单元，用于构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结构，其中，所述第一矩阵中非对角线的各个位置的特征值为两个终端设备之间的距离，所述第一矩阵中对角线位置的特征值为相应终端设备到路由器之间的距离；
21.第二与第三矩阵构造单元，用于以构造所述第一矩阵构造单元获得的所述第一矩阵的方式，构造第二矩阵来表示与所述路由器的第一频段连接的所有终端设备的拓扑结构和第三矩阵来表示与所述路由器的第二频段连接的所有终端设备的拓扑结构；
22.第一卷积神经网络处理单元，用于将所述第一矩阵构造单元获得的所述第一矩阵输入第一卷积神经网络以获得第一特征图；
23.第二卷积神经网络处理单元，用于将所述第二与第三矩阵构造单元获得的所述第二矩阵和所述第二与第三矩阵构造单元获得的所述第三矩阵分别输入第二卷积神经网络以获得第二特征图和第三特征图；
24.全局池化处理单元，用于对所述第一卷积神经网络处理单元获得的所述第一特征图、所述第二卷积神经网络处理单元获得的所述第二特征图和所述第二卷积神经网络处理单元获得的所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵、
第二特征矩阵和第三特征矩阵，其中，设定所述第二特征矩阵的尺度为m*m、所述第三特征矩阵的尺度为n*n，则所述第一特征矩阵的尺度为(m+n)*(m+n)；
25.增广单元，用于对所述全局池化处理单元获得的所述第二特征矩阵和所述全局池化处理单元获得的所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同；
26.向量生成单元，用于获取与所述路由器的第一频段连接的所有终端设备的数据量以获得由多个数据量组成的第一向量，并获取与所述路由器的第二频段连接的所有终端设备的数据量以获得由多个数据量组成的第二向量；
27.编码器处理单元，用于将所述向量生成单元获得的所述第一向量和所述向量生成单元获得的所述第二向量分别通过编码器以获得第一特征向量和第二特征向量，其中，所述第一特征向量的长度为m，所述第二特征向量的长度为n；
28.级联单元，用于将所述编码器处理单元获得的所述第一特征向量和所述编码器处理单元获得的所述第二特征向量进行级联以获得第三特征向量，所述第三特征向量的长度为m+n；
29.映射单元，用于分别将所述全局池化处理单元获得的所述第一特征矩阵和所述增广单元获得的所述第四特征矩阵与所述级联单元获得的所述第三特征向量进行矩阵相乘以将所述第三特征向量映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中以获得第四特征向量和第五特征向量；
30.贝叶斯单元，用于将所述映射单元获得的所述第四特征向量中各个位置的特征值作为证据概率、所述映射单元获得的所述第五特征值中各个位置的特征值作为事件概率和所述第三特征向量中各个位置的特征值作为先验概率，计算所述级联单元获得的所述第三特征向量中各个位置的后验概率以获得由后验概率组成的第六特征向量，其中，所述后验概率为先验概率乘以证据概率再除以事件概率；以及
31.结果确定单元，用于基于所述贝叶斯单元获得的所述第六特征向量中前m个特征值的均值和所述贝叶斯单元获得的所述第六特征向量中后n个特征值的均值，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小。
32.与现有技术相比，本技术提供的双频无线路由器的数据传输方法及其系统，其通过采用深度学习的卷积神经网络模型对表达与路由器相关的所有终端设备的拓扑结构进行处理，以提取出所述路由器以及所述终端设备之间的高维关联特征，并且还考虑到所述两个频段下所连接的设备的数据请求量对所述信号的干扰影响，应用贝叶斯公式以得到所述两个频段的工作频率应增大或减小的结果。通过这样的方式，可以使得所得到的所述两个频段的工作频率应增大或减小的结果更加准确，从而也就会降低这两个所述频段的干扰带来的负面作用，以使得所述信号传输的准确性更高。
附图说明
33.通过结合附图对本技术实施例进行更详细的描述，本技术的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与本技术实施例一起用于解释本技术，并不构成对本技术的限制。在附图中，
相同的参考标号通常代表相同部件或步骤。
34.图1为根据本技术实施例的双频无线路由器的数据传输方法的应用场景图；
35.图2为根据本技术实施例的双频无线路由器的数据传输方法的流程图；
36.图3为根据本技术实施例的双频无线路由器的数据传输方法的系统架构示意图；
37.图4为根据本技术实施例的双频无线路由器的数据传输系统的框图；
具体实施方式
38.下面，将参考附图详细地描述根据本技术的示例实施例。显然，所描述的实施例仅仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
39.场景概述
40.如前所述，随着wifi技术的发展和成熟，越来越多的无线路由器支持2.4ghz和5ghz两个频段的wifi传输以满足更多设备，但是无线路由器的天线之间的距离比较小，两个频段的wifi同时工作时相互之间会产生干扰影响无线传输的速率。
41.目前，家庭中电子设备对网络的利用是平等的，只要与无线路由器连接上了，无线路由器就会根据请求的数据去转化，进行2.4ghz或5ghz wifi网络的数据传输，这种方式必然会造成无线网络同时工作，两个频率的信号产生干扰。例如，手机与无线路由器通过5ghz频段wifi连接正在使用5ghz wifi网络，但同时有一台电脑在通过2.4ghz频段下载数据，手机和电脑两个同时运行时，手机将会受到干扰，手机与无线路由器的数据传输速率被电脑和无线路由器的2.4ghz频段无线影响。同时，现有的双频无线路由器在两个频段同时工作时都是以最大功率发射无线信号，当一个频段的信号在工作时，另一个频段的信号功率越强就越容易对这个频段的信号产生影响。因此，为了降低这种影响带来的负面作用，期望一种双频无线路由器的数据传输方案。
42.基于此，在本技术的技术方案中，首先表达与路由器相关的所有终端设备的拓扑结构，即，该拓扑结构中的节点包括路由器和终端设备，边表示两个终端设备之间的距离以及路由器和终端设备之间的距离。因此，可以将所有终端设备编号后沿矩阵的行和列排列，将相应终端设备之间的距离作为矩阵的相应位置的值，且矩阵的对角线为相应终端设备到路由器的距离，从而获得第一矩阵。
43.按照相同方式，分别获取与路由器的第一频段连接的所有终端设备的第二矩阵和与路由器的第二频段连接的所有终端设备的第三矩阵。然后，将第一矩阵输入第一卷积神经网络并进行沿通道的全局池化以获得第一特征矩阵，同时，将第二矩阵和第三矩阵分别输入第二卷积神经网络并进行沿通道的全局池化以获得第二特征矩阵和第三特征矩阵。显然，如果第二特征矩阵的维度为m*m，第三特征矩阵的维度为n*n，则第一特征矩阵的维度为(m+n)*(m+n)。因此，基于第二特征矩阵和第三特征矩阵进行矩阵增广以得到第四特征矩阵，即：
[0044][0045]
其中，矩阵a1和a2可以均以固定值填充，例如f2和f3的全局均值。
[0046]
接下来，获取与路由器的第一频段连接的所有终端设备的数据量以得到第一向
量，并获取与路由器的第二频段连接的所有终端设备的数据量以得到第二向量，并将第一向量和第二向量通过编码器以分别得到第一特征向量和第二特征向量，其中第一特征向量的长度为m，且第二特征向量的长度为n。
[0047]
并且，为了统一维度并且联立计算，将第一特征向量与第二特征向量级联以得到第三特征向量，然后，分别将第一特征矩阵和第四特征矩阵乘以第三特征向量以得到第四特征向量和第五特征向量。并且，根据贝叶斯法则，将第四特征向量的每个位置的概率化的特征值作为证据概率，将第五特征向量的作为事件概率，并将第三特征向量的作为先验概率以得到第六特征向量。
[0048]
这样，第六特征向量的前m个特征值与后n个特征值的均值就分别表示第一频段的工作功率应增大或减小的概率以及第二频段的工作功率应增大或减小的概率。
[0049]
基于此，本技术提出了一种双频无线路由器的数据传输方法，其包括：构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结构，其中，所述第一矩阵中非对角线的各个位置的特征值为两个终端设备之间的距离，所述第一矩阵中对角线位置的特征值为相应终端设备到路由器之间的距离；以构造所述第一矩阵的方式，构造第二矩阵来表示与所述路由器的第一频段连接的所有终端设备的拓扑结构和第三矩阵来表示与所述路由器的第二频段连接的所有终端设备的拓扑结构；将所述第一矩阵输入第一卷积神经网络以获得第一特征图；将所述第二矩阵和所述第三矩阵分别输入第二卷积神经网络以获得第二特征图和第三特征图；对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵、第二特征矩阵和第三特征矩阵，其中，设定所述第二特征矩阵的尺度为m*m、所述第三特征矩阵的尺度为n*n，则所述第一特征矩阵的尺度为(m+n)*(m+n)；对所述第二特征矩阵和所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同；获取与所述路由器的第一频段连接的所有终端设备的数据量以获得由多个数据量组成的第一向量，并获取与所述路由器的第二频段连接的所有终端设备的数据量以获得由多个数据量组成的第二向量；将所述第一向量和所述第二向量分别通过编码器以获得第一特征向量和第二特征向量，其中，所述第一特征向量的长度为m，所述第二特征向量的长度为n；将所述第一特征向量和所述第二特征向量进行级联以获得第三特征向量，所述第三特征向量的长度为m+n；分别将所述第一特征矩阵和所述第四特征矩阵与所述第三特征向量进行矩阵相乘以将所述第三特征向量映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中以获得第四特征向量和第五特征向量；将所述第四特征向量中各个位置的特征值作为证据概率、所述第五特征值中各个位置的特征值作为事件概率和所述第三特征向量中各个位置的特征值作为先验概率，计算所述第三特征向量中各个位置的后验概率以获得由后验概率组成的第六特征向量，其中，所述后验概率为先验概率乘以证据概率再除以事件概率；以及，基于所述第六特征向量中前m个特征值的均值和所述第六特征向量中后n个特征值的均值，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小。
[0050]
图1图示了根据本技术实施例的双频无线路由器的数据传输方法的应用场景图。如图1所示，在该应用场景中，首先，获取与所述路由器(例如，如图1中所示意的p)相关的所有终端设备(例如，如图1中所示意的t)的拓扑结构以及获取与所述路由器的第一频段(例
如，如图1中所示意的b1)和第二频段(例如，如图1中所示意的b2)连接的所有终端设备的拓扑结构，并且通过路由器的第一发送端(例如，如图1中所示意的p1)和第二发送端(例如，如图1中所示意的p2)分别获取与所述路由器的第一频段和第二频段连接的所有终端设备的数据量。然后，将获得的所述拓扑结构与所述终端设备的数据量输入至部署有双频无线路由器的数据传输算法的服务器中(例如，如图1中所示意的s)，其中，所述服务器能够以双频无线路由器的数据传输算法对所述拓扑结构与所述终端设备的数据量进行处理，以生成用于判断的所述第六特征向量。进而，基于所述第六特征向量中前m个特征值的均值和所述第六特征向量中后n个特征值的均值与预设阈值之间的比较，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小。通过这样的方式，可以降低干扰的影响，以使得所述信号传输的准确性更高。
[0051]
在介绍了本技术的基本原理之后，下面将参考附图来具体介绍本技术的各种非限制性实施例。
[0052]
示例性方法
[0053]
图2图示了双频无线路由器的数据传输方法的流程图。如图2所示，根据本技术实施例的双频无线路由器的数据传输方法，包括：s110，构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结构，其中，所述第一矩阵中非对角线的各个位置的特征值为两个终端设备之间的距离，所述第一矩阵中对角线位置的特征值为相应终端设备到路由器之间的距离；s120，以构造所述第一矩阵的方式，构造第二矩阵来表示与所述路由器的第一频段连接的所有终端设备的拓扑结构和第三矩阵来表示与所述路由器的第二频段连接的所有终端设备的拓扑结构；s130，将所述第一矩阵输入第一卷积神经网络以获得第一特征图；s140，将所述第二矩阵和所述第三矩阵分别输入第二卷积神经网络以获得第二特征图和第三特征图；s150，对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵、第二特征矩阵和第三特征矩阵，其中，设定所述第二特征矩阵的尺度为m*m、所述第三特征矩阵的尺度为n*n，则所述第一特征矩阵的尺度为(m+n)*(m+n)；s160，对所述第二特征矩阵和所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同；s170，获取与所述路由器的第一频段连接的所有终端设备的数据量以获得由多个数据量组成的第一向量，并获取与所述路由器的第二频段连接的所有终端设备的数据量以获得由多个数据量组成的第二向量；s180，将所述第一向量和所述第二向量分别通过编码器以获得第一特征向量和第二特征向量，其中，所述第一特征向量的长度为m，所述第二特征向量的长度为n；s190，将所述第一特征向量和所述第二特征向量进行级联以获得第三特征向量，所述第三特征向量的长度为m+n；s200，分别将所述第一特征矩阵和所述第四特征矩阵与所述第三特征向量进行矩阵相乘以将所述第三特征向量映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中以获得第四特征向量和第五特征向量；s210，将所述第四特征向量中各个位置的特征值作为证据概率、所述第五特征值中各个位置的特征值作为事件概率和所述第三特征向量中各个位置的特征值作为先验概率，计算所述第三特征向量中各个位置的后验概率以获得由后验概率组成的第六特征向量，其中，所述后验概率为先验概率乘以证据概率再除以事件概率；以及，s220，基于所述第六特征向量中前m个特征值的均值和所述第六特征向量中后n个特征值的均值，确定所述路由器的第一频段的工作频率应增大
或减小和所述路由器的第二频段的工作频率应增大或减小。
[0054]
图3图示了根据本技术实施例的双频无线路由器的数据传输方法的架构示意图。如图3所示，在所述双频无线路由器的数据传输方法的网络架构中，首先，通过与路由器相关的所有终端设备的拓扑结构(例如，如图3中所示意的p1)来构造第一矩阵(例如，如图3中所示意的m1)；s120，以构造所述第一矩阵的方式，通过与所述路由器的第一频段连接的所有终端设备的拓扑结构(例如，如图3中所示意的p2)来构造第二矩阵(例如，如图3中所示意的m2)和与所述路由器的第二频段连接的所有终端设备的拓扑结构(例如，如图3中所示意的p3)来构造第三矩阵(例如，如图3中所示意的m3)；s130，将所述第一矩阵输入第一卷积神经网络(例如，如图3中所示意的cnn1)以获得第一特征图(例如，如图3中所示意的f1)；s140，将所述第二矩阵和所述第三矩阵分别输入第二卷积神经网络(例如，如图3中所示意的cnn2)以获得第二特征图(例如，如图3中所示意的f2)和第三特征图(例如，如图3中所示意的f3)；s150，对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵(例如，如图3中所示意的mf1)、第二特征矩阵(例如，如图3中所示意的mf2)和第三特征矩阵(例如，如图3中所示意的mf3)；s160，对所述第二特征矩阵和所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵(例如，如图3中所示意的mf4)；s170，将获取的与所述路由器的第一频段连接的所有终端设备的数据量(例如，如图3中所示意的q1)构造为第一向量(例如，如图3中所示意的v1)，并将获取的与所述路由器的第二频段连接的所有终端设备的数据量(例如，如图3中所示意的q2)构造为第二向量(例如，如图3中所示意的v2)；s180，将所述第一向量和所述第二向量分别通过编码器(例如，如图3中所示意的e)以获得第一特征向量(例如，如图3中所示意的vf1)和第二特征向量(例如，如图3中所示意的vf2)；s190，将所述第一特征向量和所述第二特征向量进行级联以获得第三特征向量(例如，如图3中所示意的vf3)；s200，分别将所述第一特征矩阵和所述第四特征矩阵与所述第三特征向量进行矩阵相乘以将所述第三特征向量映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中以获得第四特征向量(例如，如图3中所示意的vf4)和第五特征向量(例如，如图3中所示意的vf5)；s210，将所述第四特征向量中各个位置的特征值作为证据概率、所述第五特征值中各个位置的特征值作为事件概率和所述第三特征向量中各个位置的特征值作为先验概率，计算所述第三特征向量中各个位置的后验概率以获得由后验概率组成的第六特征向量(例如，如图3中所示意的vf6)；以及，s220，基于所述第六特征向量中前m个特征值的均值(例如，如图3中所示意的m)和所述第六特征向量中后n个特征值的均值(例如，如图3中所示意的n)，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小。
[0055]
在步骤s110和步骤s120中，构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结构，其中，所述第一矩阵中非对角线的各个位置的特征值为两个终端设备之间的距离，所述第一矩阵中对角线位置的特征值为相应终端设备到路由器之间的距离，并以构造所述第一矩阵的方式，构造第二矩阵来表示与所述路由器的第一频段连接的所有终端设备的拓扑结构和第三矩阵来表示与所述路由器的第二频段连接的所有终端设备的拓扑结构。应可以理解，在两个频段下的功率应与所述两个设备分别与所述路由器的距离，以及，两个所述设备之间的距离有关。也就是，如果所述设备距离与所述路由器较近时，则对应频段的工作功率可降低一些，且如果两个所述设备相距较远时，则对应频段的工作功率应相对较
大，两者产生的干扰也就相对较少。因此，在本技术的技术方案中，首先，表达与所述路由器相关的所有终端设备的拓扑结构，也就是，该所述拓扑结构中的节点包括路由器和终端设备，边表示两个所述终端设备之间的距离以及所述路由器和所述终端设备之间的距离。因此，可以将所有终端设备编号后沿矩阵的行和列排列，将相应终端设备之间的距离作为矩阵的相应位置的值，且矩阵的对角线为相应终端设备到路由器的距离，从而获得第一矩阵。然后，按照相同方式，分别获取与路由器的第一频段连接的所有终端设备的拓扑结构的第二矩阵和与路由器的第二频段连接的所有终端设备的拓扑结构的第三矩阵。
[0056]
具体地，在本技术实施例中，构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结构的过程，包括：首先，将与所述路由器相关的所有终端设备进行编号；接着，将编号后的所述所有终端设备沿矩阵的行和列排列；然后，在所述矩阵中非对角线的各个位置填充两个对应的终端设备之间的距离；以及，最后，在所述矩阵中对角线位置填充相应所述终端设备到所述路由器之间的距离，以获得所述第一矩阵。
[0057]
在步骤s130和步骤s140中，将所述第一矩阵输入第一卷积神经网络以获得第一特征图，并将所述第二矩阵和所述第三矩阵分别输入第二卷积神经网络以获得第二特征图和第三特征图。也就是，首先，将所述第一矩阵通过第一卷积神经网络中进行处理，以挖掘出与所述路由器相关的所有终端设备之间距离的隐含关联特征，从而得到第一特征图。然后，以同样的方式，将所述第二矩阵和所述第三矩阵分别输入第二卷积神经网络中进行处理，以分别挖掘出与所述路由器的第一频段和所述第二频段连接的所有终端设备之间距离的高维隐含关联特征，从而得到第二特征图和第三特征图。
[0058]
在步骤s150中，对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵、第二特征矩阵和第三特征矩阵。在一个具体示例中，可以对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局平均值池化或者最大值池化处理，以获得所述第一特征矩阵、所述第二特征矩阵和所述第三特征矩阵。应可以理解，采用所述全局池化处理，不仅可以使减少参数数量，以减少计算量，而且还能减少过拟合，同时对所述特征图进行全局池化处理还能够保留其空间结构信息。值得一提的是，如果所述第二特征矩阵的维度为m*m，所述第三特征矩阵的维度为n*n，则所述第一特征矩阵的维度为(m+n)*(m+n)。
[0059]
在步骤s160中，对所述第二特征矩阵和所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同。应可以理解，通过矩阵增广的方式，可以将所述第二特征矩阵和所述第三特征矩阵中的信息进行整合，并将得到的所述第四特征矩阵的尺度转变为与所述第一特征矩阵的尺度相同的形式，以便于后续的计算。
[0060]
具体地，在本技术实施例中，对所述第二特征矩阵和所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同的过程，包括：以如下公式对所述第二特征矩阵和所述第三特征矩阵进行矩阵增广以获得所述第四特征矩阵；
[0061]
其中，所述公式为：
[0062]
[0063]
其中，矩阵a1和a2为填充矩阵。值得一提的是，这里，所述矩阵a1和a2可以均以固定值填充，例如f2和f3的全局均值。
[0064]
在步骤s170和步骤s180中，获取与所述路由器的第一频段连接的所有终端设备的数据量以获得由多个数据量组成的第一向量，并获取与所述路由器的第二频段连接的所有终端设备的数据量以获得由多个数据量组成的第二向量，并将所述第一向量和所述第二向量分别通过编码器以获得第一特征向量和第二特征向量。应可以理解，考虑到各个频段是否会发生干扰还与两个所述频段下所连接的所述终端设备的数据请求有关。也就是，当所述数据请求量越大时，对应所述频段下的工作功率应越大，这样也就越容易产生干扰。因此，为了让功率的设置值与数据量适配，在本技术的技术方案中，首先，获取与所述路由器的第一频段连接的所有终端设备的数据量以及与所述路由器的第二频段连接的所有终端设备的数据量。然后，再将获得的与所述路由器的第一频段连接的所有终端设备的数据量构造为第一向量，并把与所述路由器的第二频段连接的所有终端设备的数据量构造为第二向量。最后，将所述第一向量和所述第二向量分别通过编码器中进行编码，从而得到第一特征向量和第二特征向量。值得一提的是，这里所述第一特征向量的长度为m，所述第二特征向量的长度为n。
[0065]
具体地，在本技术实施例中，将所述第一向量和所述第二向量分别通过编码器以获得第一特征向量和第二特征向量的过程，包括：首先，使用所述编码器的全连接层对所述第一向量中各个位置的特征值进行全连接编码，以提取出所述第一向量中各个位置的特征值的高维隐含特征；接着，使用所述编码器的一维卷积层对所述第一向量中各个位置的特征值进行一维卷积处理，以提取出所述第一向量中各个位置的特征值之间的高维隐含特征，从而获得所述第一特征向量；然后，使用所述编码器的全连接层对所述第二向量中各个位置的特征值进行全连接编码，以提取出所述第二向量中各个位置的特征值的高维隐含特征；以及，最后，使用所述编码器的一维卷积层对所述第二向量中各个位置的特征值进行一维卷积处理，以提取出所述第一向量中各个位置的特征值之间的高维隐含特征，从而获得所述第二特征向量。
[0066]
在步骤s190和步骤s200中，将所述第一特征向量和所述第二特征向量进行级联以获得第三特征向量，所述第三特征向量的长度为m+n，并分别将所述第一特征矩阵和所述第四特征矩阵与所述第三特征向量进行矩阵相乘以将所述第三特征向量映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中以获得第四特征向量和第五特征向量。应可以理解，为了统一维度并且联立计算，以便于后续的计算并提高确定结果的准确性，在本技术的技术方案中，首先，将所述第一特征向量和所述第二特征向量进行级联，以将与所述路由器的第一频段连接的所有终端设备的数据量和与所述路由器的第二频段连接的所有终端设备的数据量中的高维信息进行整合，以便于后续计算，从而得到第三特征向量，这里，所述第三特征向量的长度为m+n。然后，再将所述第一特征矩阵和所述第四特征矩阵分别与所述第三特征向量进行矩阵相乘，以将所述第三特征向量中的高维信息特征映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中，从而得到第四特征向量和第五特征向量。这里，所述第四特征向量表示融合了所述第一特征矩阵与所述第三特征向量中的高维关联特征，所述第五特征向量表示融合了所述第四特征矩阵和所述第三特征向量中的高维关联特征。
[0067]
在步骤s210和步骤s220中，将所述第四特征向量中各个位置的特征值作为证据概
率、所述第五特征值中各个位置的特征值作为事件概率和所述第三特征向量中各个位置的特征值作为先验概率，计算所述第三特征向量中各个位置的后验概率以获得由后验概率组成的第六特征向量，并基于所述第六特征向量中前m个特征值的均值和所述第六特征向量中后n个特征值的均值，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小。也就是，首先，根据贝叶斯法则，将所述第四特征向量的每个位置的概率化的特征值作为证据概率pi，将所述第五特征向量的每个位置的概率化的特征值作为事件概率qi，并将所述第三特征向量的每个位置的概率化的特征值作为先验概率si，计算所述第三特征向量中各个位置的后验概率ti，以得到第六特征向量。在一个具体示例中，所述后验概率为先验概率乘以证据概率再除以事件概率，也就是，ti＝si*pi/qi。
[0068]
然后，再分别基于所述第六特征向量中前m个特征值和后n个特征值的均值，确定所述路由器的第一频段和第二频段的工作频率应增大或减小。在一个具体示例中，首先，计算所述第六特征向量中前m个特征值的均值。接着，基于所述第六特征向量中前m个特征值的均值与第一预设阈值之间的比较，确定所述路由器的第一频段的工作频率应增大或减小，具体地，当所述前m个特征值的均值大于所述第一预设阈值时，确定所述路由器的第一频段的工作频率应减小；当所述前m个特征值的均值小于所述第一预设阈值时，确定所述路由器的第一频段的工作频率应增大。然后，计算所述第六特征向量中后n个特征值的均值。最后，基于所述第六特征向量中后n个特征值的均值与第二预设阈值之间的比较，确定所述路由器的第二频段的工作频率应增大或减小，具体地，当所述后n个特征值的均值大于所述第二预设阈值时，确定所述路由器的第二频段的工作频率应减小；当所述后n个特征值的均值小于所述第二预设阈值时，确定所述路由器的第二频段的工作频率应增大。
[0069]
综上，本技术实施例的双频无线路由器的数据传输方法被阐明，其通过采用深度学习的卷积神经网络模型对表达与路由器相关的所有终端设备的拓扑结构进行处理，以提取出所述路由器以及所述终端设备之间的高维关联特征，并且还考虑到所述两个频段下所连接的设备的数据请求量对所述信号的干扰影响，应用贝叶斯公式以得到所述两个频段的工作频率应增大或减小的结果。通过这样的方式，可以使得所得到的所述两个频段的工作频率应增大或减小的结果更加准确，从而也就会降低这两个所述频段的干扰带来的负面作用，以使得所述信号传输的准确性更高。
[0070]
示例性系统
[0071]
图4图示了根据本技术实施例的双频无线路由器的数据传输系统的框图。如图4所示，根据本技术实施例的双频无线路由器的数据传输系统400，包括：第一矩阵构造单元410，用于构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结构，其中，所述第一矩阵中非对角线的各个位置的特征值为两个终端设备之间的距离，所述第一矩阵中对角线位置的特征值为相应终端设备到路由器之间的距离；第二与第三矩阵构造单元420，用于以构造所述第一矩阵构造单元410获得的所述第一矩阵的方式，构造第二矩阵来表示与所述路由器的第一频段连接的所有终端设备的拓扑结构和第三矩阵来表示与所述路由器的第二频段连接的所有终端设备的拓扑结构；第一卷积神经网络处理单元430，用于将所述第一矩阵构造单元410获得的所述第一矩阵输入第一卷积神经网络以获得第一特征图；第二卷积神经网络处理单元440，用于将所述第二与第三矩阵构造单元420获得的所述第二矩阵和
所述第二与第三矩阵构造单元420获得的所述第三矩阵分别输入第二卷积神经网络以获得第二特征图和第三特征图；全局池化处理单元450，用于对所述第一卷积神经网络处理单元430获得的所述第一特征图、所述第二卷积神经网络处理单元440获得的所述第二特征图和所述第二卷积神经网络处理单元440获得的所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵、第二特征矩阵和第三特征矩阵，其中，设定所述第二特征矩阵的尺度为m*m、所述第三特征矩阵的尺度为n*n，则所述第一特征矩阵的尺度为(m+n)*(m+n)；增广单元460，用于对所述全局池化处理单元450获得的所述第二特征矩阵和所述全局池化处理单元450获得的所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同；向量生成单元470，用于获取与所述路由器的第一频段连接的所有终端设备的数据量以获得由多个数据量组成的第一向量，并获取与所述路由器的第二频段连接的所有终端设备的数据量以获得由多个数据量组成的第二向量；编码器处理单元480，用于将所述向量生成单元470获得的所述第一向量和所述向量生成单元470获得的所述第二向量分别通过编码器以获得第一特征向量和第二特征向量，其中，所述第一特征向量的长度为m，所述第二特征向量的长度为n；级联单元490，用于将所述编码器处理单元480获得的所述第一特征向量和所述编码器处理单元480获得的所述第二特征向量进行级联以获得第三特征向量，所述第三特征向量的长度为m+n；映射单元500，用于分别将所述全局池化处理单元450获得的所述第一特征矩阵和所述增广单元460获得的所述第四特征矩阵与所述级联单元490获得的所述第三特征向量进行矩阵相乘以将所述第三特征向量映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中以获得第四特征向量和第五特征向量；贝叶斯单元510，用于将所述映射单元500获得的所述第四特征向量中各个位置的特征值作为证据概率、所述映射单元500获得的所述第五特征值中各个位置的特征值作为事件概率和所述级联单元490获得的所述第三特征向量中各个位置的特征值作为先验概率，计算所述第三特征向量中各个位置的后验概率以获得由后验概率组成的第六特征向量，其中，所述后验概率为先验概率乘以证据概率再除以事件概率；以及，结果确定单元520，用于基于所述贝叶斯单元510获得的所述第六特征向量中前m个特征值的均值和所述贝叶斯单元510获得的所述第六特征向量中后n个特征值的均值，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小。
[0072]
在一个示例中，在上述双频无线路由器的数据传输系统400中，所述第一矩阵构造单元410，进一步用于：将与所述路由器相关的所有终端设备进行编号；将编号后的所述所有终端设备沿矩阵的行和列排列；在所述矩阵中非对角线的各个位置填充两个对应的终端设备之间的距离；以及，在所述矩阵中对角线位置填充相应所述终端设备到所述路由器之间的距离，以获得所述第一矩阵。
[0073]
在一个示例中，在上述双频无线路由器的数据传输系统400中，所述全局池化处理单元450，进一步用于：对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局平均值池化或者最大值池化处理，以获得所述第一特征矩阵、所述第二特征矩阵和所述第三特征矩阵。
[0074]
在一个示例中，在上述双频无线路由器的数据传输系统400中，所述增广单元460，进一步用于：以如下公式对所述第二特征矩阵和所述第三特征矩阵进行矩阵增广以获得所
述第四特征矩阵；其中，所述公式为：
[0075][0076]
其中，矩阵a1和a2为填充矩阵。
[0077]
在一个示例中，在上述双频无线路由器的数据传输系统400中，所述矩阵a1和a2均以固定值填充。
[0078]
在一个示例中，在上述双频无线路由器的数据传输系统400中，所述编码器处理单元480，包括：第一全连接编码子单元，用于使用所述编码器的全连接层对所述第一向量中各个位置的特征值进行全连接编码；第一卷积处理子单元，用于使用所述编码器的一维卷积层对所述第一向量中各个位置的特征值进行一维卷积处理，以获得所述第一特征向量；第二全连接编码子单元，用于使用所述编码器的全连接层对所述第二向量中各个位置的特征值进行全连接编码；以及，第二卷积处理子单元，用于使用所述编码器的一维卷积层对所述第二向量中各个位置的特征值进行一维卷积处理，以获得所述第二特征向量。
[0079]
在一个示例中，在上述双频无线路由器的数据传输系统400中，所述结果确定单元520，包括：前均值计算子单元，用于计算所述第六特征向量中前m个特征值的均值；前比较子单元，用于基于所述前均值计算子单元获得的所述第六特征向量中前m个特征值的均值与第一预设阈值之间的比较，确定所述路由器的第一频段的工作频率应增大或减小；后均值计算子单元，用于计算所述第六特征向量中后n个特征值的均值；以及，后比较子单元，用于基于所述后均值计算子单元获得的所述第六特征向量中后n个特征值的均值与第二预设阈值之间的比较，确定所述路由器的第二频段的工作频率应增大或减小。
[0080]
这里，本领域技术人员可以理解，上述双频无线路由器的数据传输系统400中的各个单元和模块的具体功能和操作已经在上面参考图1到图3的双频无线路由器的数据传输方法的描述中得到了详细介绍，并因此，将省略其重复描述。
[0081]
如上所述，根据本技术实施例的双频无线路由器的数据传输系统400可以实现在各种终端设备中，例如双频无线路由器的数据传输算法的服务器等。在一个示例中，根据本技术实施例的双频无线路由器的数据传输系统400可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该双频无线路由器的数据传输系统400可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该双频无线路由器的数据传输系统400同样可以是该终端设备的众多硬件模块之一。
[0082]
替换地，在另一示例中，该双频无线路由器的数据传输系统400与该终端设备也可以是分立的设备，并且该双频无线路由器的数据传输系统400可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
[0083]
以上结合具体实施例描述了本技术的基本原理，但是，需要指出的是，在本技术中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本技术的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本技术为必须采用上述具体的细节来实现。
[0084]
本技术中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具
有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
[0085]
还需要指出的是，在本技术的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本技术的等效方案。
[0086]
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本技术。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本技术的范围。因此，本技术不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

技术特征：
1.一种双频无线路由器的数据传输方法，其特征在于，包括：构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结构，其中，所述第一矩阵中非对角线的各个位置的特征值为两个终端设备之间的距离，所述第一矩阵中对角线位置的特征值为相应终端设备到路由器之间的距离；以构造所述第一矩阵的方式，构造第二矩阵来表示与所述路由器的第一频段连接的所有终端设备的拓扑结构和第三矩阵来表示与所述路由器的第二频段连接的所有终端设备的拓扑结构；将所述第一矩阵输入第一卷积神经网络以获得第一特征图；将所述第二矩阵和所述第三矩阵分别输入第二卷积神经网络以获得第二特征图和第三特征图；对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵、第二特征矩阵和第三特征矩阵，其中，设定所述第二特征矩阵的尺度为m*m、所述第三特征矩阵的尺度为n*n，则所述第一特征矩阵的尺度为(m+n)*(m+n)；对所述第二特征矩阵和所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同；获取与所述路由器的第一频段连接的所有终端设备的数据量以获得由多个数据量组成的第一向量，并获取与所述路由器的第二频段连接的所有终端设备的数据量以获得由多个数据量组成的第二向量；将所述第一向量和所述第二向量分别通过编码器以获得第一特征向量和第二特征向量，其中，所述第一特征向量的长度为m，所述第二特征向量的长度为n；将所述第一特征向量和所述第二特征向量进行级联以获得第三特征向量，所述第三特征向量的长度为m+n；分别将所述第一特征矩阵和所述第四特征矩阵与所述第三特征向量进行矩阵相乘以将所述第三特征向量映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中以获得第四特征向量和第五特征向量；将所述第四特征向量中各个位置的特征值作为证据概率、所述第五特征值中各个位置的特征值作为事件概率和所述第三特征向量中各个位置的特征值作为先验概率，计算所述第三特征向量中各个位置的后验概率以获得由后验概率组成的第六特征向量，其中，所述后验概率为先验概率乘以证据概率再除以事件概率；以及基于所述第六特征向量中前m个特征值的均值和所述第六特征向量中后n个特征值的均值，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小。2.根据权利要求1所述的双频无线路由器的数据传输方法，其中，构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结构，包括：将与所述路由器相关的所有终端设备进行编号；将编号后的所述所有终端设备沿矩阵的行和列排列；在所述矩阵中非对角线的各个位置填充两个对应的终端设备之间的距离；以及在所述矩阵中对角线位置填充相应所述终端设备到所述路由器之间的距离，以获得所
述第一矩阵。3.根据权利要求1所述的双频无线路由器的数据传输方法，其中，对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵、第二特征矩阵和第三特征矩阵，包括：对所述第一特征图、所述第二特征图和所述第三特征图分别进行沿通道维度的全局平均值池化或者最大值池化处理，以获得所述第一特征矩阵、所述第二特征矩阵和所述第三特征矩阵。4.根据权利要求3所述的双频无线路由器的数据传输方法，其中，对所述第二特征矩阵和所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同，包括：以如下公式对所述第二特征矩阵和所述第三特征矩阵进行矩阵增广以获得所述第四特征矩阵；其中，所述公式为：其中，矩阵a1和a2为填充矩阵。5.根据权利要求4所述的双频无线路由器的数据传输方法，其中，所述矩阵a1和a2均以固定值填充。6.根据权利要求1所述的双频无线路由器的数据传输方法，其中，将所述第一向量和所述第二向量分别通过编码器以获得第一特征向量和第二特征向量，包括：使用所述编码器的全连接层对所述第一向量中各个位置的特征值进行全连接编码；使用所述编码器的一维卷积层对所述第一向量中各个位置的特征值进行一维卷积处理，以获得所述第一特征向量；使用所述编码器的全连接层对所述第二向量中各个位置的特征值进行全连接编码；以及使用所述编码器的一维卷积层对所述第二向量中各个位置的特征值进行一维卷积处理，以获得所述第二特征向量。7.根据权利要求1所述的双频无线路由器的数据传输方法，其中，基于所述第六特征向量中前m个特征值的均值和所述第六特征向量中后n个特征值的均值，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小，包括：计算所述第六特征向量中前m个特征值的均值；基于所述第六特征向量中前m个特征值的均值与第一预设阈值之间的比较，确定所述路由器的第一频段的工作频率应增大或减小；计算所述第六特征向量中后n个特征值的均值；以及基于所述第六特征向量中后n个特征值的均值与第二预设阈值之间的比较，确定所述路由器的第二频段的工作频率应增大或减小。8.一种双频无线路由器的数据传输系统，其特征在于，包括：第一矩阵构造单元，用于构造第一矩阵来表示与路由器相关的所有终端设备的拓扑结
构，其中，所述第一矩阵中非对角线的各个位置的特征值为两个终端设备之间的距离，所述第一矩阵中对角线位置的特征值为相应终端设备到路由器之间的距离；第二与第三矩阵构造单元，用于以构造所述第一矩阵构造单元获得的所述第一矩阵的方式，构造第二矩阵来表示与所述路由器的第一频段连接的所有终端设备的拓扑结构和第三矩阵来表示与所述路由器的第二频段连接的所有终端设备的拓扑结构；第一卷积神经网络处理单元，用于将所述第一矩阵构造单元获得的所述第一矩阵输入第一卷积神经网络以获得第一特征图；第二卷积神经网络处理单元，用于将所述第二与第三矩阵构造单元获得的所述第二矩阵和所述第二与第三矩阵构造单元获得的所述第三矩阵分别输入第二卷积神经网络以获得第二特征图和第三特征图；全局池化处理单元，用于对所述第一卷积神经网络处理单元获得的所述第一特征图、所述第二卷积神经网络处理单元获得的所述第二特征图和所述第二卷积神经网络处理单元获得的所述第三特征图分别进行沿通道维度的全局池化处理，以获得第一特征矩阵、第二特征矩阵和第三特征矩阵，其中，设定所述第二特征矩阵的尺度为m*m、所述第三特征矩阵的尺度为n*n，则所述第一特征矩阵的尺度为(m+n)*(m+n)；增广单元，用于对所述全局池化处理单元获得的所述第二特征矩阵和所述全局池化处理单元获得的所述第三特征矩阵进行沿对角线的矩阵增广以获得第四特征矩阵，其中，所述第四特征矩阵的尺度与所述第一特征矩阵的尺度相同；向量生成单元，用于获取与所述路由器的第一频段连接的所有终端设备的数据量以获得由多个数据量组成的第一向量，并获取与所述路由器的第二频段连接的所有终端设备的数据量以获得由多个数据量组成的第二向量；编码器处理单元，用于将所述向量生成单元获得的所述第一向量和所述向量生成单元获得的所述第二向量分别通过编码器以获得第一特征向量和第二特征向量，其中，所述第一特征向量的长度为m，所述第二特征向量的长度为n；级联单元，用于将所述编码器处理单元获得的所述第一特征向量和所述编码器处理单元获得的所述第二特征向量进行级联以获得第三特征向量，所述第三特征向量的长度为m+n；映射单元，用于分别将所述全局池化处理单元获得的所述第一特征矩阵和所述增广单元获得的所述第四特征矩阵与所述级联单元获得的所述第三特征向量进行矩阵相乘以将所述第三特征向量映射到所述第一特征矩阵和所述第四特征矩阵的特征空间中以获得第四特征向量和第五特征向量；贝叶斯单元，用于将所述映射单元获得的所述第四特征向量中各个位置的特征值作为证据概率、所述映射单元获得的所述第五特征值中各个位置的特征值作为事件概率和所述第三特征向量中各个位置的特征值作为先验概率，计算所述级联单元获得的所述第三特征向量中各个位置的后验概率以获得由后验概率组成的第六特征向量，其中，所述后验概率为先验概率乘以证据概率再除以事件概率；以及结果确定单元，用于基于所述贝叶斯单元获得的所述第六特征向量中前m个特征值的均值和所述贝叶斯单元获得的所述第六特征向量中后n个特征值的均值，确定所述路由器的第一频段的工作频率应增大或减小和所述路由器的第二频段的工作频率应增大或减小。
9.根据权利要求8所述的双频无线路由器的数据传输系统，其中，所述编码器处理单元，包括：第一全连接编码子单元，用于使用所述编码器的全连接层对所述第一向量中各个位置的特征值进行全连接编码；第一卷积处理子单元，用于使用所述编码器的一维卷积层对所述第一向量中各个位置的特征值进行一维卷积处理，以获得所述第一特征向量；第二全连接编码子单元，用于使用所述编码器的全连接层对所述第二向量中各个位置的特征值进行全连接编码；以及第二卷积处理子单元，用于使用所述编码器的一维卷积层对所述第二向量中各个位置的特征值进行一维卷积处理，以获得所述第二特征向量。10.根据权利要求8所述的双频无线路由器的数据传输系统，其中，所述结果确定单元，包括：前均值计算子单元，用于计算所述第六特征向量中前m个特征值的均值；前比较子单元，用于基于所述前均值计算子单元获得的所述第六特征向量中前m个特征值的均值与第一预设阈值之间的比较，确定所述路由器的第一频段的工作频率应增大或减小；后均值计算子单元，用于计算所述第六特征向量中后n个特征值的均值；以及后比较子单元，用于基于所述后均值计算子单元获得的所述第六特征向量中后n个特征值的均值与第二预设阈值之间的比较，确定所述路由器的第二频段的工作频率应增大或减小。

技术总结
本申请涉及数据传输的领域，其具体地公开了一种双频无线路由器的数据传输方法、系统和电子设备，其通过采用深度学习的卷积神经网络模型对表达与路由器相关的所有终端设备的拓扑结构进行处理，以提取出所述路由器以及所述终端设备之间的高维关联特征，并且还考虑到所述两个频段下所连接的设备的数据请求量对所述信号的干扰影响，应用贝叶斯公式以得到所述两个频段的工作频率应增大或减小的结果。通过这样的方式，可以使得所得到的结果更加准确，从而也就会降低这两个所述频段的干扰带来的负面作用，以使得所述信号传输的准确性更高。以使得所述信号传输的准确性更高。以使得所述信号传输的准确性更高。


技术研发人员：黄旭东
受保护的技术使用者：厦门瑾乔予信息科技有限公司
技术研发日：2021.11.30
技术公布日：2022/3/8