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：雅安数字经济运营有限公司

摘要：本申请属于视频网络应用技术领域，更具体地说，涉及一种NVR和IPC自动无线对码连接方法；本发明通过NVR的设备识别模块扫描周围的无线信号，基于深度学习模型分析信号特征识别IPC设备的信号，再与识别的IPC设备建立初步的通信链路，基于初步的通信链路交换生成的动态密钥，认证双方信息，并且在认证成功后，基于当前网络环境的特点智能选择最佳的连接频段，调整传输功率和通信参数，实现了NVR和IPC设备的自动无线对码，有效的避免了手动配置耗时耗力的问题，并且通过智能选择最佳的连接频段、调整传输功率和通信参数，使得能够适应复杂多变的网络环境，保证通信质量。

主权项：1.一种NVR和IPC自动无线对码连接方法，其特征在于，包括以下步骤：NVR基于设备识别模块扫描周围的无线信号，并基于深度学习模型分析信号特征识别IPC设备的信号；所述基于深度学习模型分析信号特征识别IPC设备的信号，包括：采用带通滤波器，保留IPC设备操作频率范围内的信号： 式中：flow和fhigh分别代表带通滤波器的低频和高频截止频率；对经过带通滤波后的信号，采用谱减法对信号进行噪声抑制，改善信号的信噪比：S'f＝Sf-α·Nf；式中：S'f表示信号的噪声抑制版本；Sf表示信号频谱；α表示噪声抑制强度；Nf表示噪声频谱；对进行噪声抑制后的信号进行特征提取，提取有助于识别IPC设备的特征，并构建特征向量；基于深度学习模型对特征向量进行分析，识别IPC设备的信号；所述深度学习模型为结合CNN和LSTM的混合模型，混合模型的输出为信号为IPC设备的概率PIPC：PIPC＝σWLSTM·LSTMWCNN·CNNF+bCNN+bLSTM；式中：σ表示sigmoid函数，将输出转化为概率；WLSTM、bLSTM、WCNN以及bCNN分别表示LSTM和CNN的网络参数；CNNF表示CNN处理输入特征，提取空间特征；LSTM·表示LSTM处理序列特征，捕捉时间依赖性；基于识别的IPC设备的信号，NVR建立一个与IPC设备的初步通信链路；NVR和IPC设备基于初步通信链路交换生成的动态密钥，认证双方信息；包括：NVR和IPC设备基于建立的初步通信链路开始TLS握手；NVR发送支持的加密算法列表给IPC设备；IPC设备选择一个匹配的加密算法，并发送数字证书给NVR，其中数字证书包括IPC设备的公钥，且数字证书由可信的证书颁发机构签名；NVR验证IPC设备的证书有效性，包括签名、证书链、以及证书中的公钥是否真实代表IPC设备；验证成功后进行ECDH密钥交换；NVR和IPC设备分别生成各自的ECDH公私钥对，生成后NVR和IPC设备进行公钥交换，并各自使用对方的公钥和自己的私钥，通过ECDH协议计算出同一个共享秘密密钥；NVR和IPC设备采用所述共享秘密密钥派生出会话密钥，用于后续通信进行加密和消息认证；双方信息认证成功后，基于当前网络环境的特点，智能选择最佳的连接频段，并自动调整传输功率和通信参数；所述智能选择最佳的连接频段包括：对每一个可用的无线频段进行测试，NVR和IPC设备在每个频段上发送和接收预定的数据包；监控每个频段上的信号强度、噪声水平以及干扰指数；基于所监控的信号强度、噪声水平以及干扰指数计算频段效用值：Uf＝α·Sf-β·Nf-γ·If；式中：Uf表示频段f的效用值；Sf表示频段f的信号强度；Nf表示频段f的噪声水平；If表示频段f的干扰指数；α、β以及γ表示权重因子；对每个获取的可用频段计算频段效用值，选择评分最高的频段；所述自动调整传输功率包括：根据选定的频段以及当前的网络条件调整传输功率：Ptd,f＝P0+10·ηf·log10d；式中：Ptd,f表示距离为d、频率为f时的传输功率；P0表示在参考距离处的基准功率；ηf表示依赖于频率的环境特定的信号衰减因子；d表示NVR设备与IPC设备之间的距离；f表示当前使用的频段对应的中心频率；其中ηf基于不同频段下进行实地测试，测量不同距离下的信号强度，进而确定信号衰减因子ηf；所述通信参数包括信道带宽和调制方案，其中信道带宽的调整方式如下： 式中：B表示带宽调整的具体值；Bmin为可用带宽最小值；Bmax为可用带宽最大值；SNR表示当前的信噪比；SNRmin表示预设的最低信噪比阈值；SNRmax表示预设的最高信噪比阈值；所述调制方案根据当前的信噪比遍历映射表确定具体的调制方案；所述映射表中构建由不同信噪比区间所对应的调制方案；或所述智能选择最佳的连接频段，并自动调整传输功率和通信参数，通过NVR中布置的参数预测模型实现；所述参数预测模型采用LSTM和CNN模型的组合；其中LSTM用于分析时间序列数据，CNN用于分析频域内的特征；所述参数预测模型的训练步骤如下：NVR和IPC设备收集网络环境和设备状态数据，包括：信号强度、噪声水平、干扰指数、信噪比、当前使用的频段、传输功率、信道带宽、调制方案、设备的电池电量和功率消耗；预处理：对收集的网络环境和设备状态数据进行清洗和标准化处理；将预处理后的网络环境和设备状态数据作为训练集，其中包括设备状态数据、网络环境数据以及对应的最优通信参数配置作为标签；利用训练集对所述参数预测模型进行训练，通过反向传播和梯度下降优化参数预测模型的模型参数；其中参数预测模型的输出包括连接频段、传输功率和通信参数。

全文数据：

权利要求：

百度查询： 雅安数字经济运营有限公司 一种NVR和IPC自动无线对码连接方法