-
公开(公告)号:CN118741543A
公开(公告)日:2024-10-01
申请号:CN202310336576.4
申请日:2023-03-31
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: H04W16/28 , G06N3/04 , G06N3/092 , H04W16/22 , H04W4/44 , H04B17/345 , H04B17/318
Abstract: 本发明提供了一种波束配置方法、装置及设备,其中,波束配置方法,包括:根据目标区域的工参数据和路测数据,得到采样数据矩阵;利用基于演员‑评论框架的强化学习算法,根据所述采样数据矩阵,更新所述目标区域的波束配置;其中,所述采样数据矩阵用于表示至少一个邻区对的子波束间干扰,所述邻区对包括:一个主小区和所述主小区的一个邻区。本方案能够实现基于路测数据转化为采样数据矩阵(MR干扰矩阵)的波束优化方案,避免依靠人工经验以及近似计算波束覆盖范围以进行波束调整,从而提高方案的灵活性和准确性,很好的解决现有技术中针对波束干扰优化的波束配置方案灵活性差、准确性差的问题。
-
公开(公告)号:CN116321187A
公开(公告)日:2023-06-23
申请号:CN202111571346.3
申请日:2021-12-21
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本发明提供一种信号路径损耗预测模型的训练方法及装置,该方法包括:获取预设区域的数据集;数据集中的数据包括:地图数据、工程参数数据和实测路径损耗数据;对数据集中的数据进行预处理;从预处理后的数据集中提取已有特征,并对工程参数数据与实测路径损耗数据进行合并,并结合所述地图数据中的建筑物特征构建合成特征;将已有特征和所述合成特征合并作为特征库;将特征库中的数据随机划分为训练集数据和测试集数据;根据训练集数据和测试集数据对信号路径损耗预测模型中进行训练,得到训练后的信号路径损耗预测模型。本发明中,通过构建特征在算法训练信号路径损耗预测信号路径损耗,适用范围更广,准确率更高。
-
公开(公告)号:CN118232967A
公开(公告)日:2024-06-21
申请号:CN202211641539.6
申请日:2022-12-20
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: H04B7/0413 , H04B7/06 , H04B7/08 , H04B7/0491
Abstract: 本发明提供了一种信息处理方法、装置及设备,其中,信息处理方法,包括:获取目标区域内各待调整小区组所对应的重叠采样点数量;所述待调整小区组包括两个待优化小区;所述重叠采样点数量包括所述两个待优化小区的每两个波束间的采样点的重叠数量;根据所述重叠采样点数量以及第一条件,从所述待调整小区组中,确定目标小区组;所述第一条件包括:小区组中的至少一个小区未被调整过;根据所述重叠采样点数量,获取所述目标小区组的每一调整方式所对应的总干扰值;所述调整方式为针对波束配置的调整方式;根据所述总干扰值,确定所述目标小区组的目标调整方式。本方案很好的解决了现有技术中针对波束干扰优化的信息处理方案存在不准确的问题。
-
公开(公告)号:CN118802700A
公开(公告)日:2024-10-18
申请号:CN202311785955.8
申请日:2023-12-22
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: H04L45/02 , H04L45/125 , G06N3/042 , G06N3/092
Abstract: 本申请公开了一种网络路由的配置方法、装置、设备及存储介质。该方法包括:获取指示目标网络中由源网元路由至宿网元的业务信息,业务信息包括:指示源网元的第一标识、指示宿网元的第二标识和指示带宽需求的带宽信息;基于训练好的图神经网络模型对目标网络的图信息进行处理,得到目标网络中各网元的嵌入向量;基于目标网络中各网元的嵌入向量和业务信息生成状态信息,输入状态信息至训练好的强化学习模型,基于强化学习模型生成业务信息的路由配置信息。可以满足复杂网络场景下的路由智能配置需求,实现复杂网络场景下的高效、稳定、灵活的路由智能配置。
-
公开(公告)号:CN119135543A
公开(公告)日:2024-12-13
申请号:CN202310700593.1
申请日:2023-06-13
Applicant: 清华大学 , 中国移动通信集团有限公司研究院
Abstract: 本发明提供一种网络拓扑结构的优化方法、装置及设备,所述方法包括:获取预设网络的网络拓扑结构图;将所述网络拓扑结构图,输入训练好的网络拓扑搜索优化模型进行网络拓扑结构优化调整,得到目标网络拓扑结构图;其中,根据基于图神经网络的拓扑分类器以及训练网络的网络拓扑结构图,对基于深度强化学习的搜索器进行训练得到所述网络拓扑搜索优化模型;输出所述目标网络拓扑结构图。本发明的上述方案实现了网络拓扑结构的自动优化,提高了网络拓扑结构优化效率。
-
-
-
-