【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。