[發明專利]用于鏈路適配的SINR預測的方法和裝置在審
| 申請號： | 201880099042.1 | 申請日： | 2018-10-30 |
| 公開（公告）號： | CN112913275A | 公開（公告）日： | 2021-06-04 |
| 發明（設計）人： | 嚴德政;徐剛;楊彪;劉科峰 | 申請（專利權）人： | 上海諾基亞貝爾股份有限公司 |
| 主分類號： | H04W24/02 | 分類號： | H04W24/02 |
| 代理公司： | 北京啟坤知識產權代理有限公司 11655 | 代理人： | 趙晶 |
| 地址： | 201206 上海市浦*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 用于 鏈路適配 sinr 預測 方法 裝置 | ||
1.一種用于鏈路適配的SINR預測的方法，包括以下步驟：
接收從無線電接入節點收集的歷史測量數據，其中所述測量數據包括SINR和相關測量；
基于一個或多個神經網絡利用所述歷史測量數據訓練一個或多個預測模型；
利用所述預測模型和歷史測量數據來預測SINR。
2.根據權利要求1所述的方法，其中，所述方法還包括：
獲得通過預測模型預測的一項或多項預測測量數據以及對應于所述預測測量數據的真實測量SINR的步驟；
基于所述預測測量數據和真實測量SINR來更新預測模型的步驟。
3.根據權利要求1或2所述的方法，其中，所述方法還包括：
將所述歷史測量數據轉換成針對一個或多個神經網絡的輸入數據的步驟；
其中所述基于一個或多個神經網絡利用所述歷史測量數據訓練一個或多個預測模型的步驟包括：
基于所述一個或多個神經網絡利用所述輸入數據訓練一個或多個預測模型。
4.根據權利要求1到3中的任一條所述的方法，其中，所述神經網絡包括任何一個或多個DNN(深度神經網絡)。
5.用于鏈路適配的SINR預測建模的第一裝置，包括：
至少一個處理器；以及
包括計算機程序代碼的至少一個存儲器，
所述至少一個存儲器和計算機程序代碼被配置來利用所述至少一個處理器使得所述第一裝置實施至少以下操作：
接收從無線電接入節點收集的歷史測量數據，其中所述測量數據包括SINR和相關測量；
基于一個或多個神經網絡利用所述歷史測量數據訓練一個或多個預測模型。
6.根據權利要求5所述的裝置，其中，所述操作還包括：
獲得通過預測模型預測的一項或多項預測測量數據以及對應于所述預測測量數據的真實測量SINR；
基于所述預測測量數據和真實測量SINR來更新預測模型。
7.根據權利要求5或6所述的裝置，其中，所述操作還包括：
將所述歷史測量數據轉換成針對一個或多個神經網絡的輸入數據；
其中所述用于基于一個或多個神經網絡利用所述歷史測量數據訓練一個或多個預測模型的裝置實施以下操作：
基于所述一個或多個神經網絡利用所述輸入數據訓練一個或多個預測模型。
8.根據權利要求5到7中的任一條所述的裝置，其中，所述神經網絡包括任何一個或多個DNN(深度神經網絡)。
9.用于鏈路適配的SINR預測的第二裝置，包括：
至少一個處理器；以及
包括計算機程序代碼的至少一個存儲器，
所述至少一個存儲器和計算機程序代碼被配置來利用所述至少一個處理器使得所述第二裝置實施至少以下操作：
接收從無線電接入節點收集的歷史測量數據，其中所述測量數據包括SINR和相關測量；
基于一個或多個神經網絡獲得一個或多個預測模型；
利用所述預測模型和歷史測量數據來預測SINR；
向蜂窩網絡中的一個或多個鏈路適配模塊發送預測SINR。
10.一種用于鏈路適配的SINR預測建模的無線電接入節點的中央單元，其中，所述中央單元包括根據權利要求5到8中的任一條所述的第一裝置。
11.一種用于鏈路適配的SINR預測的無線電接入節點的分布式單元，其中，所述中央單元包括根據權利要求9所述的第二裝置。
12.一種用于鏈路適配的SINR預測的系統，其中，所述系統包括根據權利要求5到8中的任一項所述的第一裝置以及根據權利要求9所述的第二裝置。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海諾基亞貝爾股份有限公司，未經上海諾基亞貝爾股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201880099042.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：浮動設備
- 下一篇：風力渦輪機塔架部段、風力渦輪機塔架以及組裝方法
