[發明專利]基站喚醒方法、裝置、基站及計算機可讀存儲介質

在審

• 申請號: 202111154109.7
• 申請日: 2021-09-29
• 公開（公告）號: CN115915355A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 賴琮霖;李力卡;張青;張慧嫦;劉心唯;劉琦;劉保華;曾煥浩;陳園光;張家銘;余淼;付薇薇
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: H04W52/02
• 分類號: H04W52/02;G06N3/0464;G06N3/0442;G06N3/08
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 張海強

1.一種小區喚醒方法，包括：

確定目標小區的M層鄰區，M≥2；

確定所述目標小區和每層鄰區的N種負載參數，N≥1；

構建第j種負載參數對應的輸入矩陣，1≤j≤N，包括：

計算所述目標小區的第一參考值，所述第一參考值包括所述目標小區的第1層鄰區中每個鄰區的第j種負載參數與所述目標小區的第j種負載參數之間的差值；

計算第1層鄰區至第M-1層鄰區中每個鄰區的第二參考值，所述第二參考值包括該鄰區的第1層鄰區中每個鄰區的第j種負載參數與該鄰區的第j種負載參數之間的差值；和

構建由中心元素值和所述中心元素值周圍的M-1圈元素值組成的輸入矩陣，所述中心元素值基于所述第一參考值確定，第i圈元素值基于第i層鄰區中每個鄰區的第二參考值確定，1≤i≤M-1；

將每種負載參數對應的輸入矩陣輸入訓練好的神經網絡模型中，以得到決策結果，所述決策結果為喚醒結果和不喚醒結果中的一種；

基于所述決策結果決定是否喚醒所述目標小區。

2.根據權利要求1所述的方法，其中，所述第i層鄰區中鄰區的數量為a，所述第i圈元素值中第m個元素值和所述中心元素值之間的相對位置關系與所述第i層鄰區中第m個鄰區和所述目標小區之間的相對位置關系一致，所述第i圈元素值中第m個元素值基于所述第i層鄰區中第m個鄰區的第二參考值確定，1≤m≤a。

3.根據權利要求2所述的方法，其中，所述第二參考值包括以該鄰區的第1層鄰區中每個鄰區的第j種負載參數為被減數、以該鄰區的第j種負載參數為減數計算得到的差值，所述第i圈元素值中第m個元素值基于所述第i層鄰區中第m個鄰區的第二參考值中為正數的差值之和確定。

4.根據權利要求3所述的方法，其中，所述第一參考值包括以所述目標小區的第1層鄰區中每個鄰區的第j種負載參數為被減數、以所述目標小區的第j種負載參數為減數計算得到的差值，所述中心元素值基于所述第一參考值中為正數的差值之和確定。

5.根據權利要求4所述的方法，其中，所述中心元素值為所述第一參考值中為正數的差值之和的X倍，所述第i圈元素值中第m個元素值為所述第i層鄰區中第m個鄰區的第二參考值中為正數的差值之和的X倍，X≠0。

6.根據權利要求5所述的方法，其中，X＝1。

7.根據權利要求1所述的方法，其中，所述N種負載參數包括小區激活用戶數和小區無線資源控制連接數。

8.根據權利要求7所述的方法，其中，所述N種負載參數還包括小區能耗和小區流量。

9.根據權利要求8所述的方法，其中，所述N種負載參數還包括小區切換率和小區資源利用率。

10.根據權利要求1-9任意一項所述的方法，其中，所述神經網絡模型包括卷積神經網絡，所述神經網絡模型根據如下方式進行訓練：

獲取樣本矩陣，所述樣本矩陣包括多個樣本矩陣，所述多個樣本矩陣包括多個第一樣本矩陣和多個第二樣本矩陣；

以所述多個第一樣本矩陣為輸入、以喚醒結果為輸出，并且以所述多個第二樣本矩陣為輸入、以不喚醒結果為輸出，對所述神經網絡模型進行訓練。