使用深度学习优化蜂窝网络制造技术

本技术提供了一种使用深度学习优化无线网络(包括无线网络的覆盖和容量)的新方法。所提的方法涉及生成小区组，该小区组包括被识别为表现不佳的小区和一个或多个相邻小区，基于上述表现不佳的小区与一个或多个相邻小区之间的一个或多个关系参数对上述一个或多个相邻小区进行排序，以及基于上述一个或多个相邻小区的排序生成该小区组的多维多渠道状态张量。用于蜂窝网络优化的该方法使用更快、更准确、花费更少、以及鲁棒性更高的过程改善了蜂窝网络的覆盖和容量。

Using deep learning to optimize cellular network

【技术实现步骤摘要】
【国外来华专利技术】使用深度学习优化蜂窝网络相关申请的交叉引用本申请要求于2017年7月6日提交的专利技术名称为“深度学习系统和方法以及使用深度学习的无线网络优化”、申请号为No.15/642,563(客户案号85368144US01)的美国专利申请的优先权，其全部内容以引入的方式并入本文。
本公开涉及使用深度学习优化蜂窝网络和其他类型的无线网络，尤其涉及将关于相邻小区组的多渠道数据布置成多维状态张量，以将该多维状态张量用作深度神经网络的输入。
技术介绍
蜂窝网络或移动网络是可以划分为一个或多个地理区域的无线通信网络，这些地理区域称为小区，小区可以通过一个或多个固定位置的收发器(称为基站)通信互连。通过小区和基站的布置，蜂窝网络可以提供大的地理区域上的无线通信覆盖，并使无线通信装置能够在网络中的任何地方(可能通过长距离)相互通信。随着行业朝着包括大量高度集中的小区、能够提供几乎无处不在的覆盖的密集部署的网络转移，现代蜂窝网络正变得更大且更复杂。随着蜂窝网络的大小和复杂度不断增长，优化其覆盖和容量变得越来越具有挑战性。例如，小区数量的增加导致相邻小区本文档来自技高网...

【技术保护点】
1.一种计算机实现的方法，用于优化具有多个小区的蜂窝网络，所述方法包括：/n选择小区组，所述小区组包括被识别为表现不佳的小区和一个或多个相邻小区；/n基于所述表现不佳的小区和所述一个或多个相邻小区之间的一个或多个关系参数，对所述一个或多个相邻小区进行排序；/n基于所述一个或多个相邻小区的所述排序生成所述小区组的状态张量，所述状态张量反映所述蜂窝网络中的所述小区组内的运行通信条件；/n处理所述状态张量以产生一个或多个推荐，用以调节所述蜂窝网络的一个或多个参数；以及/n基于所述一个或多个推荐调节所述蜂窝网络的所述一个或多个参数。/n

【技术特征摘要】
【国外来华专利技术】20170706 US 15/642,5631.一种计算机实现的方法，用于优化具有多个小区的蜂窝网络，所述方法包括：
选择小区组，所述小区组包括被识别为表现不佳的小区和一个或多个相邻小区；
基于所述表现不佳的小区和所述一个或多个相邻小区之间的一个或多个关系参数，对所述一个或多个相邻小区进行排序；
基于所述一个或多个相邻小区的所述排序生成所述小区组的状态张量，所述状态张量反映所述蜂窝网络中的所述小区组内的运行通信条件；
处理所述状态张量以产生一个或多个推荐，用以调节所述蜂窝网络的一个或多个参数；以及
基于所述一个或多个推荐调节所述蜂窝网络的所述一个或多个参数。


2.根据权利要求1所述的计算机实现的方法，其中，处理所述状态张量以产生一个或多个推荐，用以调节所述蜂窝网络的一个或多个参数包括：
将所述状态张量作为输入提交至深度神经网络；以及
使用所述深度神经网络产生一个或多个推荐，用以调节所述蜂窝网络的一个或多个参数。


3.根据权利要求1-2中任一项所述的计算机实现的方法，其中，当一个或多个小区性能测量超过一个或多个阈值时，所述小区被识别为表现不佳。


4.根据权利要求1-3中任一项所述的计算机实现的方法，其中，所述一个或多个小区性能测量包括基于信号功率和信号质量之间的关系计算的目标函数值。


5.根据权利要求1-4中任一项所述的计算机实现的方法，其中，所述一个或多个关系参数包括所述表现不佳的小区和所述一个或多个相邻小区之间的干扰水平。


6.根据权利要求1-5中任一项所述的计算机实现的方法，其中，所述干扰水平是在一段时间上的平均值。


7.根据权利要求1-6中任一项所述的计算机实现的方法，其中，基于所述一个或多个相邻小区的所述排序生成所述小区组的状态张量包括：
选择基本网格的大小；
构造所选择的大小的基本网格，其中，所述小区组中的小区被放置在所述基本网格的水平轴和垂直轴上的位置；
提取一个或多个小区对的多渠道信息，所述一个或多个小区对中的每个小区对包括来自所述基本网格中的水平轴的小区和来自垂直轴的小区；以及
基于所述基本网格和提取的所述多渠道信息，构造所述状态张量。


8.根据权利要求1-7中任一项所述的计算机实现的方法，其中，所述构造基本网格包括：
将所述表现不佳的小区放置在所述基本网格中的所述垂直轴和所述水平轴的中心；以及
在所述基本网格中布置所述一个或多个相邻小区，使得排序较高的相邻小区在所述水平轴和所述垂直轴上更靠近所述表现不佳的小区放置。


9.根据权利要求1-8中任一项所述的计算机实现的方法，其中，所述深度神经网络是卷积神经网络。


10.根据权利要求1-9中任一项所述的计算机实现的方法，其中，所述使用所述深度神经网络产生所述一个或多个推荐，用以调节所述蜂窝网络的一个或多个参数包括：
向所述蜂窝网络应用解决方案；以及
基于所述一个或多个推荐对所述蜂窝网络的影响确定是否接受所述一个或多个推荐，其中，通过所述蜂窝网络的整体覆盖和容量的变化测量所述影响。


11.根据权利要求1-10中任一项所述的计算机实现的方法，还包括：
响应于确定所述一个或多个推荐对所述蜂窝网络的所述整体覆盖和容量产生负面影响，拒绝所述一个或多个推荐；
响应于确定所述一个或多个推荐对所述蜂窝网络的所述整体覆盖和容量产生正面影响，接受所述一个或多个推荐；以及
基于是否接...

【专利技术属性】
技术研发人员：杨劲，谭涌溪，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44