重传次数预测方法和重传次数预测装置制造方法及图纸

本发明专利技术公开一种重传次数预测方法和重传次数预测装置。重传次数预测方法包括下列步骤。取得分别对应于多个用户设备的多个数据集合，并且将该些数据集合降维为多个自定义特征集合。将该些自定义特征集合分为训练集以及测试集，并且使用分类演算法从训练集中决定出多个第一可传输样本。使用分组演算法将该些第一可传输样本分组为多个第一群组，该些第一群组分别对应于不同的多个重传次数，并且使用该些第一群组产生重传次数预测模型。第一群组产生重传次数预测模型。第一群组产生重传次数预测模型。

【技术实现步骤摘要】
重传次数预测方法和重传次数预测装置


[0001]本专利技术涉及一种预测方法和预测装置，特别是涉及一种重传次数预测方法和重传次数预测装置。

技术介绍

[0002]在第五代行动通信系统的超可靠低延迟通信中，通信质量较差的用户设备会需要使用较多重传来补偿额外的信号衰减。当重传次数配置不适当时，将会造成传输错误率高，或者浪费了许多宝贵的无线资源。

技术实现思路

[0003]针对现有技术的不足，本专利技术的目的在于提供一种重传次数预测方法和重传次数预测装置，能够产生用于预测用户设备的重传次数的模型，还甚至使得基站能够根据该模型对于不同通信质量的用户设备配置适当的重传次数。
[0004]为达上述目的，本专利技术实施例提供一种重传次数预测方法，包括下列步骤。取得分别对应于多个用户设备的多个数据集合，该些数据集合分别包含该些用户设备与至少一基站通信时产生的多个通信质量参数。使用降维演算法分析该些通信质量参数以将该些数据集合降维为多个自定义特征集合。将该些自定义特征集合分为训练集以及测试集，并且使用分类演算法依据可传输性对训练集进行二元分类以决定出多个第一可传输样本。使用分组演算法依据该些用户设备与该至少一基站通信时使用的多个重传次数将该些第一可传输样本分组为多个第一群组，该些第一群组分别对应于不同的该些重传次数，并且使用该些第一群组对机器学习模型进行训练以产生重传次数预测模型。该重传次数预测模型是用于预测该些用户设备与该至少一基站通信时使用的该些重传次数。
[0005]另外，本专利技术实施例提供一种重传次数预测装置，包括存储器以及处理器。存储器用于存储分别对应于多个用户设备的多个数据集合。处理器电性连接存储器，并且用于执行下列步骤。取得分别对应于该些用户设备的该些数据集合。该些数据集合分别包含该些用户设备与至少一基站通信时产生的多个通信质量参数。使用降维演算法分析该些通信质量参数以将该些数据集合降维为多个自定义特征集合。将该些自定义特征集合分为训练集以及测试集，并且使用分类演算法依据可传输性对训练集进行二元分类以决定出多个第一可传输样本。使用分组演算法依据该些用户设备与该至少一基站通信时使用的多个重传次数将该些第一可传输样本分组为多个第一群组，该些第一群组分别对应于不同的该些重传次数，并且使用该些第一群组对机器学习模型进行训练以产生重传次数预测模型。该重传次数预测模型是用于预测该些用户设备与该至少一基站通信时使用的该些重传次数。
[0006]为使能更进一步了解本专利技术的特征及
技术实现思路
，请参阅以下有关本专利技术的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本专利技术加以限制。
附图说明
[0007]图1是本专利技术实施例的无线通信系统的示意图。
[0008]图2A到图2B是本专利技术实施例的重传次数预测方法的步骤流程图。
[0009]图3是本专利技术实施例的重传次数预测装置的功能方框示意图。
[0010]图4是本专利技术实施例的自定义特征集合分为训练集和测试集的示意图。
[0011]图5是本专利技术实施例的训练集二元分类以决定出多个第一可传输样本的示意图。
[0012]图6是本专利技术实施例的第一可传输样本分组为多个第一群组的示意图。
[0013]图7是本专利技术第一实施例的训练集选取一子集作为验证集的示意图。
[0014]图8是图7的验证集二元分类以决定出多个第二可传输样本的示意图。
[0015]图9是本专利技术第二实施例的训练集选取一子集作为验证集的示意图。
[0016]图10是本专利技术第三实施例的训练集选取一子集作为验证集的示意图。
具体实施方式
[0017]以下是通过特定的具体实施例来说明本专利技术的实施方式，本领域技术人员可由本说明书所提供的内容了解本专利技术的优点与效果。本专利技术可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不悖离本专利技术的构思下进行各种修改与变更。另外，本专利技术的附图仅为简单示意说明，并非依实际尺寸的描绘，事先声明。以下的实施方式将进一步详细说明本专利技术的相关
技术实现思路
，但所提供的内容并非用以限制本专利技术的保护范围。
[0018]请参阅图1，图1是本专利技术实施例的无线通信系统的示意图。如图1所示，无线通信系统1可包括M个基站111～11
M
以及N个用户设备121～12
N
。在本实施例中，M和N分别为大于1的整数，且N可不等于M，但本专利技术不以此为限制。在其他实施例中，M还可等于1，且N为大于1的整数。总而言之，无线通信系统1包括至少一基站以及多个用户设备。另外，本实施例的每一用户设备可例如为智能手机，但本专利技术亦不以此为限制。
[0019]更具体地说，基站111～11
M
可分别具有信号涵盖范围C1～C
M
，且在本实施例中，相邻基站的信号涵盖范围可彼此有部分区域重叠，但本专利技术不以此为限制。因此在这种情况下，无线通信系统1的每一用户设备至少位于信号涵盖范围C1～C
M
其中之一并和相应的基站通信。在本实施例中，每一用户设备会使用重复性传送方式(简称重传)来将数据传送至其通信的基站。这里的重传是指在时域或频域下连续传送不同的重传版本，且在第五代行动通信系统的协定下，允许对于用户设备的重传次数进行配置。
[0020]应当理解的是，越靠近信号涵盖范围边缘的用户设备会越具有较差的通信质量以至于需要使用较多重传来补偿额外的信号衰减。因此，当这种用户设备的重传次数配置不足时，将会导致基站端的数据接收失败，即传输错误率高。相对地，越靠近信号涵盖范围中心的用户设备会越具有优选的通信质量。因此，当这种用户设备的重传次数配置过多时，将会浪费了许多宝贵的无线资源。
[0021]为了解决上述问题，本专利技术是产生一重传次数预测模型用于预测用户设备的重传次数。请参阅图2A到图2B和图3，图2A到图2B是本专利技术实施例的重传次数预测方法的步骤流程图，图3是本专利技术实施例的重传次数预测装置的功能方框示意图。图2A到图2B的重传次数预测方法适用于图1的无线通信系统1，并且可由图3的重传次数预测装置3来执行。
[0022]在本实施例中，重传次数预测装置3可以是自我组织网路伺服器、无线电智能控制器或者无线通信系统1的任一基站等特定的机器或设备，但本专利技术不限制该特定的机器或设备的具体实现方式。总而言之，重传次数预测装置3至少包括存储器31和处理器33。
[0023]存储器31可为用于存储数据的任何存储装置，例如随机存取存储器、只读存储器、闪存或硬盘等，但本专利技术不以此为限制。在本实施例中，存储器31经配置用于至少存储分别对应于用户设备121～12
N
的数据集合S1～S
N
。另外，处理器33电性连接存储器31，并且用于执行图2A到图2B的各步骤。如图2A到图2B所示，在步骤S201中，处理器33取得分别对应于用户设备121～12
N
的数据集合S1～S
N
，数据集合S1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种重传次数预测方法，其特征在于，该重传次数预测方法包括下列步骤：取得分别对应于多个用户设备的多个数据集合，其中该些数据集合分别包含该些用户设备与至少一基站通信时产生的多个通信质量参数；使用一降维演算法分析该些通信质量参数以将该些数据集合降维为多个自定义特征集合；将该些自定义特征集合分为一训练集以及一测试集，并且使用一分类演算法依据可传输性对该训练集进行二元分类以决定出多个第一可传输样本；以及使用一分组演算法依据该些用户设备与该至少一基站通信时使用的多个重传次数将该些第一可传输样本分组为多个第一群组，该些第一群组分别对应于不同的该些重传次数，并且使用该些第一群组对一机器学习模型进行训练以产生一重传次数预测模型，其中该重传次数预测模型是用于预测该些用户设备与该至少一基站通信时使用的该些重传次数。2.如权利要求1所述的重传次数预测方法，其特征在于，该重传次数预测方法还包括下列步骤：使用该测试集测试该重传次数预测模型以得到一准确率，并且判断该准确率是否达到一准确率标准。3.如权利要求2所述的重传次数预测方法，其特征在于，当该准确率未达到该准确率标准时，该重传次数预测方法还包括下列步骤：选取该训练集的一子集作为一验证集，并且使用该分类演算法依据该可传输性对该验证集进行二元分类以决定出多个第二可传输样本；以及使用该分组演算法依据该些用户设备与该至少一基站通信时使用的该些重传次数将该些第二可传输样本分组为多个第二群组，该些第二群组分别对应于不同的该些重传次数，并且使用该些第二群组对该机器学习模型再次进行训练以更新该重传次数预测模型。4.如权利要求1所述的重传次数预测方法，其特征在于，该些通信质量参数包括一参考信号接收功率、一接收信号强度指标、一位元错误率、一封包错误率及一数据率。5.如权利要求3所述的重传次数预测方法，其特征在于，选取该训练集的该子集作为该验证集的步骤包括：计算该训练集内的每一该些自定义特征集合与一区分曲线的一距离，并且从该训练集内的该些自定义特征集合中选取该距离小于一阈值者作为该验证集。6.如权利要求3所述的重传次数预测方法，其特征在于，每一该些自定义特征集合具有一应用类型信息，该应用类型信息用于指出对应的该用户设备的一应用类型，且选取该训练集的该子集作为该验证集的步骤包括：根据每一该些自定义特征集合的该应用类型信息，将该训练集内的该些自定义特征集合分组为多个第三群组，并且从每一该些第三群组的该些自定义特征集合中选取至少一者作为该验证集。7.如权利要求3所述的重传次数预测方法，其特征在于，每一该些自定义特征集合具有一区域信息，该区域信息用于指出对应的该用户设备所在的一区域，且选取该训练集的该子集作为该验证集的步骤包括：根据每一该些自定义特征集合的该区域信息，将该训练集内的该些自定义特征集合分
组为多个第三群组，并且从每一该些第三群组的该些自定义特征集合中选取至少一者作为该验证集。8.一种重传次数预测装置，其特征在于，该重传次数预测装置...

【专利技术属性】
技术研发人员：陈立胜，陈正昌，江肇元，
申请(专利权)人：财团法人资讯工业策进会，
类型：发明
国别省市：