用于确定高分辨率QoS预测图的装置和方法制造方法及图纸

用于确定高分辨率QoS预测图的装置和方法。提供了一种用于确定第一环境的第一无线电通信网络的高分辨率QoS预测图的装置（100）。装置（100）包括：第一输入单元，其被配置成确定或提供表征第一环境的环境信息；第二输入，其被配置成确定或提供与第一环境的第一无线电通信网络或第二环境的第二无线电通信网络相关联的低分辨率QoS图；以及确定单元，其被配置成通过经训练的人工深度神经网络来传播低分辨率QoS图和环境信息，其中在经训练的人工深度神经网络的输入部分中提供低分辨率QoS图和环境信息作为输入参数，并且其中在经训练的人工深度神经网络的输出部分中提供第一无线电通信网络的高分辨率QoS预测图。信网络的高分辨率QoS预测图。信网络的高分辨率QoS预测图。

【技术实现步骤摘要】
用于确定高分辨率QoS预测图的装置和方法


[0001]本描述涉及针对无线电通信网络的QoS预测的增强。

技术实现思路

[0002]现有技术的问题通过根据权利要求1的用于确定高分辨率QoS预测图的装置、通过根据另外的权利要求的用于确定高分辨率QoS预测图的方法、通过根据另一独立权利要求的用于训练神经网络的装置、通过根据另外的独立权利要求的用于训练神经网络的方法、以及通过根据另一独立权利要求的对前述装置或方法的使用来解决。
[0003]本描述的第一方面涉及一种用于确定第一环境的第一无线电通信网络的高分辨率QoS预测图的装置，其中所述装置包括：第一输入单元，其被配置成确定或提供表征第一环境的环境信息；第二输入，其被配置成确定或提供与第一环境的第一无线电通信网络或第二环境的第二无线电通信网络相关联的低分辨率QoS图；以及确定单元，其被配置成通过经训练的人工深度神经网络来传播低分辨率QoS图和环境信息，其中在经训练的人工深度神经网络的输入部分中提供低分辨率QoS图和环境信息作为输入参数，并且其中在经训练的人工深度神经网络的输出部分中提供第一无线电通信网络的高分辨率QoS预测图。
[0004]QoS预测图提供了用于移动业务应用的改进的细粒度QoS预测。这些细粒度QoS预测表示第一无线电通信网络的可靠蜂窝覆盖图。通过考虑环境信息，人工神经网络允许传输另一网络或相同网络、第二无线电通信网络的粗略测量结果、以及与第一无线电通信网络相关联的预测的细粒度表示。此外，可用的相关环境信息（诸如，高清晰度图，基站位置）可以被利用以便完成任务。换句话说，确定单元利用覆盖图与环境信息（诸如，地理属性和基础设施属性）之间的相关性以用于增强覆盖图的分辨率。确定单元解决转化任务，即，将低分辨率QoS图的意义上的区域A的低分辨率图转化成高分辨率QoS预测图的意义上的不同区域B的高分辨率图。
[0005]有利地，在很少或没有第一无线电通信网络的数据速率测量结果的情况下，创建第一无线电通信网络的数据速率或其他服务质量参数的综合图。经训练的人工神经网络使得从低分辨率到高分辨率的转化依赖于环境信息。经训练的模型能够将来自区域A的低分辨率图与来自区域B的环境信息一起取得，并且然后创建区域B的高分辨率图，区域B可能既没有低分辨率也没有高分辨率的覆盖测量结果可用。
[0006]根据有利的示例，所述装置包括：第三输入单元，其被配置成确定或提供表征第一无线电通信网络的至少一个无线电信道的测量信息；以及确定单元，其被配置成通过经训练的人工深度神经网络来传播低分辨率QoS图、环境信息和测量信息，其中在经训练的人工深度神经网络的输入部分中提供低分辨率QoS图、环境信息和测量信息作为输入参数，并且其中在经训练的人工深度神经网络的输出部分中提供第一无线电通信网络的高分辨率QoS预测图。
[0007]有利地，表示第一无线电通信网络的当前无线电通信的一部分的稀疏测量结果允许在高分辨率QoS预测图的意义上确定更精确的估计。
[0008]根据有利的示例，所述装置包括操作单元，操作单元被配置成取决于高分辨率QoS预测图来操作第一无线电通信网络。
[0009]有利地，第一无线电通信网络的UE能够经由所提供的高分辨率QoS图对所预测的无线电条件适当地做出反应。
[0010]根据有利的示例，所述装置包括上缩放（upscaling）部分，上缩放部分被配置成将低分辨率QoS图上缩放为上缩放表示。
[0011]有利地，上缩放部分将低分辨率输入上采样成具有高分辨率QoS预测图的分辨率的上缩放表示。有利地，上缩放部分提取QoS的空间和时间特征。
[0012]根据有利的示例，经训练的神经网络包括特征提取部分，特征提取部分被配置成取决于所述上缩放表示来确定特征图，其中特征提取部分包括特征提取部分的层之间的至少一个跳过连接。
[0013]有利地，特征提取部分基于低分辨率图的上缩放版本来提取特征。跳过连接提供了捷径（shortcut），以便使确定加速。
[0014]根据有利的示例，经训练的神经网络包括卷积部分，卷积部分被配置成取决于由特征提取部分确定的特征图来确定高分辨率预测图，其中卷积部分不包括卷积部分的层之间的跳过连接。
[0015]根据有利的示例，确定单元包括预处理单元，预处理单元被配置成确定包括多个随机化噪声值的随机化噪声图，随机化噪声图也可以被称为随机化低分辨率QoS，预处理单元被配置成取决于所确定的随机化噪声图并且取决于低分辨率QoS图来确定随机化低分辨率QoS图，并且被配置成将随机化低分辨率QoS图提供给经训练的人工神经网络。随机化噪声图用于填充从低分辨率到高分辨率的缺失信息。由于传输不是确定性的映射，因此它受随机向量——这里我们将其称为噪声——所控制。
[0016]经训练的网络取得给定的低分辨率QoS图，并且还具有一些附加的随机化噪声输入（可能在输入层或其他隐藏层处），并且然后输出高分辨率QoS图。这种输出随噪声而变化。因此，利用了经训练的人工神经网络已经学习到的低分辨率与高分辨率图之间的随机关系。
[0017]根据本描述的第二方面，提供了一种用于确定第一环境的第一无线电通信网络的高分辨率QoS预测图的方法。所述方法包括：确定或提供表征第一环境的环境信息；确定或提供与第一环境的第一无线电通信网络或与第二环境的第二无线电通信网络相关联的低分辨率QoS图；以及通过经训练的人工深度神经网络来传播低分辨率QoS图和环境信息，其中在经训练的人工深度神经网络的输入部分中提供低分辨率QoS图和环境信息作为输入参数，并且其中在经训练的人工深度神经网络的输出部分中提供第一无线电通信网络的高分辨率QoS预测图。
[0018]根据有利的示例，所述方法包括：确定或提供表征第一无线电通信网络的至少一个无线电信道的测量信息；以及通过经训练的人工深度神经网络来传播低分辨率QoS图、环境信息和测量信息，其中在经训练的人工深度神经网络的输入部分中提供低分辨率QoS图、环境信息和测量信息作为输入参数，并且其中在经训练的人工深度神经网络的输出部分中提供第一无线电通信网络的高分辨率QoS预测图。
[0019]根据有利的示例，所述方法包括取决于高分辨率QoS预测图来操作第一无线电通
信网络。
[0020]根据有利的示例，所述方法包括将低分辨率QoS图上缩放为上缩放表示。
[0021]根据有利的示例，所述方法包括取决于所述上缩放表示来确定特征图，其中对应的特征提取部分包括特征提取部分的层之间的至少一个跳过连接。
[0022]根据有利的示例，所述方法包括取决于由特征提取部分确定的特征图来确定高分辨率预测图，其中卷积部分不包括卷积部分的层之间的跳过连接。
[0023]根据有利的示例，所述方法包括：确定包括多个随机化噪声值的随机化噪声图，所述确定包括：取决于所确定的随机化噪声图并且取决于低分辨率QoS图来确定随机化低分辨率QoS图，并且将随机化低分辨率QoS图提供给经训练的人工神经网络。
[0024]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于确定第一环境（E1）的第一无线电通信网络（RCN1）的高分辨率QoS预测图（hrPM1）的装置（100），其中所述装置（100）包括：第一输入单元（102），其被配置成确定或提供表征第一环境（E1）的环境信息（ei1）；第二输入（104），其被配置成确定或提供与第一环境（E1）的第一无线电通信网络（RCN1）相关联或与第二环境（E2）的第二无线电通信网络（RCN2）相关联的低分辨率QoS图（lrM1；lrM2）；以及确定单元（106），其被配置成通过经训练的人工深度神经网络（GEN）来传播低分辨率QoS图（lrM1；lrM2）和环境信息（ei1），其中在经训练的人工深度神经网络（GEN）的输入部分中提供低分辨率QoS图（lrM1；lrM2）和环境信息（ei1）作为输入参数，并且其中在经训练的人工深度神经网络（GEN）的输出部分中提供第一无线电通信网络（RNC1）的高分辨率QoS预测图（hrPM1）。2.根据权利要求1所述的装置（100），包括：第三输入单元（108），其被配置成确定或提供表征第一无线电通信网络（RCN1）的至少一个无线电信道的测量信息（mi1）；以及确定单元（106），其被配置成通过经训练的人工深度神经网络（GEN）来传播低分辨率QoS图（lrM2）、环境信息（ei1）和测量信息（mi1），其中在经训练的人工深度神经网络（GEN）的输入部分中提供低分辨率QoS图（lrM2）、环境信息（ei1）和测量信息（mi1）作为输入参数，并且其中在经训练的人工深度神经网络（GEN）的输出部分中提供第一无线电通信网络（RCN1）的高分辨率QoS预测图（hrPM1）。3.根据前述权利要求中的一项所述的装置（100），包括：操作单元（110），其被配置成取决于高分辨率QoS预测图（hrPM1）来操作第一无线电通信网络（RCN1）。4.根据前述权利要求中的一项所述的装置（100），其中经训练的神经网络（GEN）包括：上缩放部分（302），其被配置成将低分辨率QoS图（lrM2）上缩放为上缩放表示（ur）。5.根据前述权利要求中的一项所述的装置（100），其中确定单元（106）包括：预处理单元（116），其被配置成确定包括多个随机化噪声值的随机化噪声图，其被配置成取决于所确定的随机化噪声图并且取决于低分辨率QoS图（lrM2）来确定随机化低分辨率QoS图，并且被配置成将随机化低分辨率QoS图提供给经训练的人工神经网络（GEN）。6.一种用于确定第一环境（E1）的第一无线电通信网络（RCN1）的高分辨率QoS预测图（hrPM1）的方法，其中所述方法包括：确定或提供（102）表征第一环境（E1）的环境信息（ei1）；确定或提供（104）与第一环境（E1）的第一无线电通信网络（RCN1）相关联或与第二环境（E2）的第二无线电通信网络（RCN2）相关联的低分辨率QoS图（lrM1；lrM2）；以及通过经训练的人工深度神经网络（GEN）来传播（106）低分辨率QoS图（lrM1；lrM2）和环境信息（ei1），其中在经训练的人工深度神经网络（GEN）的输入部分中提供低分辨率QoS图（lrM1；lrM2）和环境信息（ei1）作为输入参数，并且其中在经训练的人工深度神经网络（GEN）的输出部分中提供第一无线电通信网络（RNC1）的高分辨率QoS预测图（hrPM1）。7.根据权利要求6所述的方法，包括：确定或提供（108）表征第一无线电通信网络（RCN1）的至少一个无线...

【专利技术属性】
技术研发人员：张丹，J，
申请(专利权)人：罗伯特，
类型：发明
国别省市：