基于无线干扰模型的无线系统干扰神经网络预测方法

    公开(公告)号:CN113411817B

    公开(公告)日:2022-08-23

    申请号:CN202110509799.7

    申请日:2021-05-11

    Abstract: 本发明公开一种基于无线干扰模型的无线系统干扰神经网络预测方法,包括:步骤1,离线进行预测模型训练:步骤1.1,构建训练数据集;步骤1.2,将训练数据集输入神经网络模型中,经数据训练获得整个无线系统的干扰模型;步骤2,在线进行干扰强度预测:步骤2.1,输入待预测的干扰用户资源分配向量到训练完成的神经网络模型中;步骤2.2,计算输出服务用户基站端用户间干扰强度,即上行信干噪比的预测值。本发明所述预测方法使得网络能够利用干扰的本质信息进行更贴切的预测,同时利用调度过程中产生的适量无线资源分配数据和无线测量数据,通过大数据分析和机器学习算法,提供了完整和精确的上行用户干扰建模方案,实施简单,更接近于实际网络场景。

    基于无线干扰模型的无线系统干扰神经网络预测方法

    公开(公告)号:CN113411817A

    公开(公告)日:2021-09-17

    申请号:CN202110509799.7

    申请日:2021-05-11

    Abstract: 本发明公开一种基于无线干扰模型的无线系统干扰神经网络预测方法,包括:步骤1,离线进行预测模型训练:步骤1.1,构建训练数据集;步骤1.2,将训练数据集输入神经网络模型中,经数据训练获得整个无线系统的干扰模型;步骤2,在线进行干扰强度预测:步骤2.1,输入待预测的干扰用户资源分配向量到训练完成的神经网络模型中;步骤2.2,计算输出服务用户基站端用户间干扰强度,即上行信干噪比的预测值。本发明所述预测方法使得网络能够利用干扰的本质信息进行更贴切的预测,同时利用调度过程中产生的适量无线资源分配数据和无线测量数据,通过大数据分析和机器学习算法,提供了完整和精确的上行用户干扰建模方案,实施简单,更接近于实际网络场景。

    应用于无线网络用户间上行干扰建模的方法

    公开(公告)号:CN113382477A

    公开(公告)日:2021-09-10

    申请号:CN202110530072.7

    申请日:2021-05-14

    Abstract: 本申请提出了一种应用于无线网络用户间上行干扰建模的方法,涉及无线通信、多用户干扰、干扰预测、非线性回归技术领域,其中,该方法包括:通过离线训练生成干扰模型,离线训练包括以下步骤:获取输入数据;对所述输入数据进行处理,首先对数据进行清洗,剔除被调度次数小于预设阈值的数据,将剔除后的数据整理为训练数据集;使用训练数据集和非线性回归模型函数,采用一类基于置信域方法的迭代式算法进行分布训练,使用损失度量函数削弱异常值对训练结果的影响,生成所述干扰模型。采用上述方案的本发明解决了现有方法精确度低、干扰信息不全面、不适用于实际无线网络技术的问题,实现了对网络状况的快速响应和追踪。

Patent Agency Ranking