[發明專利]用于預測修復的通信信道的比特率的方法和裝置有效
| 申請號： | 202010073526.8 | 申請日： | 2020-01-22 |
| 公開（公告）號： | CN111510400B | 公開（公告）日： | 2023-04-14 |
| 發明（設計）人： | N·杜普伊斯;P·迪里克斯 | 申請（專利權）人： | 諾基亞通信公司 |
| 主分類號： | H04L25/02 | 分類號： | H04L25/02;H04B17/00 |
| 代理公司： | 北京市中咨律師事務所 11247 | 代理人： | 楊曉光 |
| 地址： | 芬蘭*** | 國省代碼： | 暫無信息 |
| 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 預測 修復 通信 信道 比特率 方法 裝置 | ||
1.一種裝置，包括至少一個處理器和至少一個存儲器，所述至少一個存儲器存儲指令，所述至少一個存儲器和所述指令被配置為與所述至少一個處理器一起使得所述裝置執行：
-生成訓練數據集，所生成的訓練數據集針對多個通信信道指定：
-受損害影響的通信信道的信道頻率響應；以及
-未受所述損害影響的所述通信信道的信道頻率響應，其由表示在對數標度上的信道衰減與頻率的平方根之間的關系的參數來指定；
-基于所生成的訓練數據集，訓練機器學習模型，所述機器學習模型被配置用于基于受損的通信信道的信道頻率響應來預測修復的通信信道的信道頻率響應，其中，訓練所述機器學習模型包括確定誤差，所述誤差表示：
-預測的信道頻率響應與未受所述損害影響的所述通信信道的信道頻率響應之間的比較；以及
-所述參數的預測值與所述參數的允許值之間的比較。
2.根據權利要求1所述的裝置，其中，生成所述訓練數據集包括：基于電路模擬，確定受損害影響的通信信道的信道頻率響應和未受所述損害影響的對應通信信道的信道頻率響應中的至少一個。
3.根據權利要求1所述的裝置，其中，訓練所述機器學習模型包括確定誤差，所述誤差表示：
-預測的信道頻率響應與未受所述損害影響的所述通信信道的信道頻率響應之間的比較；以及
-預測的信道頻率響應和未受所述損害影響的所述通信信道的信道頻率響應之間的交點。
4.根據權利要求1所述的裝置，其中，所述機器學習模型包括卷積神經網絡，所述卷積神經網絡包括至少兩個卷積層。
5.根據權利要求1所述的裝置，其中，所述存儲器和指令進一步被配置為使得所述裝置：基于在測量曲線中觀察到的調制解調器測量效果，生成所述訓練數據集。
6.根據權利要求1所述的裝置，其中，所述存儲器和指令進一步被配置為使得所述裝置：使用經訓練的機器學習模型，基于在受損的通信信道上測量的信道頻率響應，確定對應的修復的通信信道的信道頻率響應。
7.根據權利要求6所述的裝置，其中，所述存儲器和指令進一步被配置為使得所述裝置：基于所述對應的修復的通信信道的所述信道頻率響應，確定用于所述修復的通信信道的比特率或比特率改進。
8.根據權利要求1所述的裝置，其中，所述指令和存儲器進一步被配置為使得所述裝置：在另一個裝置中部署經訓練的機器學習模型。
9.一種計算機實現的方法，包括：
-生成訓練數據集，所生成的訓練數據集針對多個通信信道指定：
-受損害影響的通信信道的信道頻率響應；以及
-未受所述損害影響的所述通信信道的信道頻率響應，其由表示在對數標度上的信道衰減與頻率的平方根之間的關系的參數來指定；
-基于所生成的訓練數據集，訓練機器學習模型，所述機器學習模型被配置用于基于受損的通信信道的信道頻率響應來預測修復的通信信道的信道頻率響應，其中，訓練所述機器學習模型包括確定誤差，所述誤差表示：
-預測的信道頻率響應與未受所述損害影響的所述通信信道的信道頻率響應之間的比較；以及
-所述參數的預測值與所述參數的允許值之間的比較。
10.根據權利要求9所述的方法，包括：在另一個裝置中部署經訓練的機器學習模型。
11.根據權利要求9所述的方法，其中，生成所述訓練數據集包括：基于電路模擬，確定受損害影響的通信信道的信道頻率響應和未受所述損害影響的對應通信信道的信道頻率響應中的至少一個。
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諾基亞通信公司，未經諾基亞通信公司許可，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/202010073526.8/1.html，轉載請聲明來源鉆瓜專利網。
