摘要
本发明属于车联网技术领域,具体涉及一种使用深度学习网络的LTE和WiFi切换方法,通过实时采集LTE和WiFi信号的强度、延迟和丢包率数据,结合GPS和IMU,判断设备的地理位置及运动状态,利用深度强化学习算法,根据当前状态选择最佳网络切换策略,执行切换操作,保证无感切换,并存储网络状态与切换历史,周期性更新DQN模型。本技术方案结合车载导航系统和IMU,系统能提前识别特定场景并预判网络切换,通过DQN算法,系统具备自学习能力,可适应不同环境,并且采用双网络并发连接保证切换过程用户无感知,并优先使用WiFi网络以节省LTE流量,避免信号波动带来的不稳定。
技术关键词
网络信号强度
深度学习网络
切换方法
车载导航系统
数据存储结构
深度强化学习算法
信号监测模块
DQN算法
车联网技术
识别模块
深度神经网络
时间差
策略
双网络
车载设备
场景
运动
系统为您推荐了相关专利信息
成像检测方法
高精度同步系统
水膜
高速成像系统
柔性石墨复合
数据异常定位方法
深度学习网络
sigmoid函数
图像
样本
结构损伤识别方法
多尺度特征提取
混合损失函数
生成对抗网络
样本
车联网功能
卫星通信车
实时数据
数据压缩方法
数据压缩装置