CN110024327B - 用于提供认知功能和促进管理的方法和装置 - Google Patents

Abstract

提供了各种方法，用于使得能够实现将机器学习应用于网络管理，并且特别是用于使得能够实现无线电接入网络中的认知网络管理。一个示例方法可以包括解释针对CNM或具体CF的一个或多个运营商目标以确保具体CF调整其行为以便实现运营商目标，将环境抽象成配置用于随后的决策制定中的状态，其中抽象的环境表示由定量KPI、抽象状态标签和可操作上下文的组合中的一个或多个构建，基于如由EMA引擎推断的抽象环境和可操作上下文，针对CF的不同上下文定义合法候选网络配置，并将如由EMA引擎导出的当前抽象状态、抽象环境或可操作上下文与从合法候选网络配置的集合选择的适当网络配置相匹配。

Description

用于提供认知功能和促进管理的方法和装置

技术领域

本文中描述的实施例一般地涉及机器学习到网络管理的应用。特别地，本文中描述的实施例涉及无线电接入网络（例如，5G或者诸如此类）中的认知网络管理（CNM）和其他，例如，现有或未来代的无线/移动网络，并且具体地涉及用于设计认知功能（CF）的方法、装置和计算机程序产品以及关于感知网路管理系统中的不同级别的集中或分布的相关联实现选项。

背景技术

鉴于自组织网络（SON）的使用及其在灵活性和对变化和复杂环境的适应性方面的相关联的缺点，存在对将更智能的操作、施行（administration）和管理（OAM）功能添加到网络的需要。

在这点上，已经确定了用于改进已知和现有常规和/或现有系统的领域。通过应用的努力、独创性和创新，已经实现了用于改进这样的系统的解决方案，并且结合本发明的实施例对其进行了描述。

发明内容

由于对将更智能的OAM功能添加到网络的需要，本文中描述的实施例，特别是关于CNM的实施例，提供了OAM功能，其使得能够1）学习功能在其中操作的环境，2）学习适合于具体环境的最佳行为；3）从经验以及相同或不同OAM功能的其他实例的经验中学习，以及4）学习实现如由网络运营商定义的更高级别的目标和目的。该学习可以基于网络中可用的各种类型的数据，包括例如性能信息、故障、配置数据、网络规划数据、或用户、服务和应用相关数据以及来自动作和OAM功能本身的相应影响。然后，学习和由学习的信息构建的知识可以增加OAM功能的自主性。

改进的系统的一个目的是降低管理5G网络或者例如包括多个无线电接入技术（RAT）的网络的复杂性，在这些RAT内具有在许多不同的可操作场景内操作的若干逻辑层。通过CF和CNM，这些复杂的网络环境可以保持从移动网络运营商（MNO）的角度的可操作，其中提高了这样的网络管理的效率并且自始至终大大减少了针对手动OAM任务的必要性。

因此，本文中描述的实施例涉及关于认知网络管理系统中的不同级别的集中或分布的CF的设计和相关联的实现选项。本文中描述的实施例还提供相应的接口描述。

本发明的实施例可以提供认知管理实现，其允许网络状态的自动添加、删除和修改，运营商目标的直接解释、管理算法的自动修改和/或基于知识的管理决策。

本发明的实施例可以提供CF之间、CNM的子功能之间以及CF和CNM的集中式功能之间的标准接口。

本发明的实施例可以提供改善移动网络（特别是5G网络）的可操作性所需要的提高的自动化的水平，并且使得能够高效管理混合网络，例如，包括虚拟化和物理网络功能。

在网络可操作性方面中，本文中描述的实施例可以促进将大量的决策制定从人类操作员卸载到CNM系统。CF行为，例如在传统SON功能的情况下，决策矩阵将不必手动适配，而是这将通过自动化过程来发生。

此外，本文中描述的实施例可以提供CF可能固有的实体的明确分离，并因此使得能够明确分离要由CF处理的任务。该分离可以允许CF以及因此允许CNM系统的非常灵活的实现，并且使得CNM系统能够适应于各种类型的网络管理概念、方法和实现。尽管CNM主要针对5G系统的事实，但是本文中描述的实施例使得CNM系统能够适应于网络和网络管理架构中的变化。

因此，根据本发明的示例实施例提供了用于将机器学习应用于网络管理的方法、装置和计算机程序产品。

在一些实施例中，可以一种提供用于使得能够实现无线电接入网络中的认知网络管理（CNM）的系统，所述系统包括网络目标管理器（NOM）、环境建模和抽象（EMA）引擎、配置管理引擎（CME）以及决策和动作引擎（DAE），NOM包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得网络目标管理器解释针对CNM或针对具体认知功能（CF）的一个或多个运营商目标，以确保CNM或具体CF调整其行为以便实现运营商目标，EMA引擎包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得环境建模和抽象引擎将环境抽象成配置用于随后的决策制定中的状态，其中抽象的环境表示由定量关键性能指标（KPI）、抽象状态标签和可操作上下文的组合中的一个或多个构建，CME包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得环境建模和抽象引擎基于如由EMA引擎导出的抽象环境和可操作上下文，针对CF的不同上下文定义一个或多个合法候选网络配置，DAE包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得决策和动作引擎将如由EMA引擎导出的当前抽象状态、抽象环境、可操作上下文或其组合与从合法候选网络配置的集合选择的适当网络配置相匹配。

在一些实施例中，所述系统可以进一步包括协调引擎，所述协调引擎包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得协调引擎学习不同CF决策对其他CF的一个或多个影响，解释学习的知识以及建议对CME和DAE的修改以最小化所述一个或多个影响。

在一些实施例中，NOM进一步包括计算机程序代码，所述计算机程序代码被配置成与处理器一起使得装置接收一个或多个关键质量指标（KQI）输入，以及提供加权或优先级排序的KPI目标。

在一些实施例中，EMA引擎被实现为分类器，所述分类器被配置成将KPI或KPI的组合聚类成在逻辑上彼此可区分的集合。在一些实施例中，CME被实现为监督学习代理，所述监督学习代理应用神经网络、支持矢量机或其他学习算法，其评估指示在实现不同的上下文中的定义的KPI目标方面中的不同配置的质量的历史数据，以选择合法配置。

在一些实施例中，DAE进一步包括计算机程序代码，所述计算机程序代码被配置成与处理器一起使得装置从合法网络配置的应用并且朝向不同的运营商目标学习如由EMA定义的不同上下文中的不同网络配置的质量，并且随后针对网络上下文和状态选择最佳网络配置。在一些实施例中，DAE被实现为单个目标RL代理，其中，单个目标是优化CF要求，所述CF要求包括针对不同技术目标或KPI的一个或多个目标。

在一些实施例中，系统进一步包括第一接口，所述第一接口被配置成提供预期由CF实现的KPI目标以及指示要如何解释目标的附加信息，附加信息包括KPI的权重、优先级或效用中的一个或多个。在一些实施例中，所述系统进一步包括第二接口，所述第二接口被配置成提供EMA与CE、CME和DAE中的一个或多个之间的连接，并提供如由EMA创建的抽象环境状态或上下文。

在一些实施例中，所述系统进一步包括第三接口，所述第三接口被配置成提供CE与CME之间的连接，并提供由CE导出的关于具体CF的配置的规则。在一些实施例中，所述系统进一步包括第四接口，所述第四接口被配置成提供CE与DAE之间的连接，并提供合法的网络配置的集合。

在一些实施例中，所述系统进一步包括第五接口，所述第五接口被配置成提供DAE与EMA之间的连接，并携带如由DAE选择的当前网络配置。在一些实施例中，所述系统进一步包括第五接口，所述第五接口被配置成提供DAE与CME和CE中的一个或多个之间的连接，并携带当前网络配置和相关的KPI测量的报告。

在一些实施例中，可以提供一种用于使得能够实现在无线电接入网络中的认知网络管理（CNM）的方法，所述方法包括利用网络目标管理器（NOM）、环境建模和抽象（EMA）引擎、配置管理引擎（CME）以及决策和动作引擎（DAE），由NOM解释针对CNM或针对具体认知功能（CF）的一个或多个运营商目标，以确保CNM或具体CF调整其行为以便实现运营商目标，由EMA引擎将环境抽象成配置用于随后的决策制定中的状态，其中抽象的环境表示由定量关键性能指标（KPI）、抽象状态标签和可操作上下文的组合中的一个或多个构建，由CME基于如由EMA引擎导出的抽象环境和可操作上下文，针对CF的不同上下文定义一个或多个合法候选网络配置，由DAE将如由EMA引擎导出的当前抽象状态、抽象环境、可操作上下文或其组合与从合法候选网络配置的集合选择的适当网络配置相匹配。

在一些实施例中，所述方法可以进一步包括利用协调引擎，由协调引擎学习不同CF决策对其他CF的一个或多个影响，解释学习的知识，以及建议CME和DAE的修改以最小化所述一个或多个影响。在一些实施例中，所述方法可以进一步包括在NOM处接收一个或多个关键质量指标（KQI）输入，以及由NOM提供加权或优先级排序的KPI目标。

在一些实施例中，EMA引擎被实现为分类器，所述分类器被配置成将KPI或KPI的组合聚类成在逻辑上彼此可区分的集合。在一些实施例中，CME被实现为监督学习代理，所述监督学习代理应用神经网络、支持矢量机或其他学习算法，其评估指示在实现不同的上下文中的定义的KPI目标方面中的不同配置的质量的历史数据，以选择合法配置。

在一些实施例中，所述方法可以进一步包括由DAE从合法网络配置的应用并且朝向不同的运营商目标学习如由EMA定义的不同上下文中的不同网络配置的质量，并且随后针对网络上下文和状态选择最佳网络配置。在一些实施例中，DAE被实现为单个目标RL代理，其中，单个目标是优化CF要求，所述CF要求包括针对不同技术目标或KPI的一个或多个目标。

在一些实施例中，所述方法可以进一步包括提供第一接口，所述第一接口被配置成提供预期由CF实现的KPI目标以及指示要如何解释目标的附加信息，附加信息包括KPI的权重、优先级或效用中的一个或多个。在一些实施例中，所述方法可以进一步包括利用第二接口，所述第二接口被配置成提供EMA与CE、CME和DAE中的一个或多个之间的连接，并提供如由EMA创建的抽象环境状态或上下文。

在一些实施例中，所述方法可以进一步包括利用第三接口，所述第三接口被配置成提供CE与CME之间的连接，并提供由CE导出的关于具体CF的配置的规则。在一些实施例中，所述方法可以进一步包括利用第四接口，所述第四接口被配置成提供CE与DAE之间的连接，并提供合法的网络配置的集合。

在一些实施例中，所述方法可以进一步包括利用第五接口，所述第五接口被配置成提供DAE与EMA之间的连接，并携带如由DAE选择的当前网络配置。在一些实施例中，所述方法可以进一步包括利用第五接口，所述第五接口被配置成提供DAE与CME和CE中的一个或多个之间的连接，并且携带当前网络配置和相关KPI测量的报告。

在一些实施例中，可以提供用于使得能够实现无线电接入网络中的认知网络管理（CNM）的计算机程序产品，所述计算机程序产品包括其中存储有计算机可执行程序代码指令的至少一个非暂时性计算机可读存储介质，所述计算机可执行程序代码指令包括用于以下操作的程序代码指令：利用网络目标管理器（NOM）、环境建模和抽象（EMA）引擎、配置管理引擎（CME）以及决策和动作引擎（DAE），由NOM解释针对CNM或针对具体认知功能（CF）的一个或多个运营商目标，以确保CNM或具体CF调整其行为以便实现运营商目标，由EMA引擎将环境抽象成配置用于随后的决策制定中的状态，其中抽象的环境表示由定量关键性能指标（KPI）、抽象状态标签和可操作上下文的组合中的一个或多个构建，由CME基于如由EMA引擎导出的抽象环境和可操作上下文，针对CF的不同上下文定义一个或多个合法候选网络配置，由DAE将如由EMA引擎导出的当前抽象状态、抽象环境、可操作上下文或其组合与从合法候选网络配置的集合选择的适当网络配置相匹配。

在一些实施例中，计算机可执行程序代码指令进一步包括用于以下操作的程序代码指令：利用协调引擎，由协调引擎学习不同CF决策对其他CF的一个或多个影响，解释学习的知识，以及建议CME和DAE的修改以最小化所述一个或多个影响。在一些实施例中，计算机可执行程序代码指令进一步包括用于以下操作的程序代码指令：在NOM处接收一个或多个关键质量指标（KQI）输入，以及由NOM提供加权或优先级排序的KPI目标。

在一些实施例中，EMA引擎被实现为分类器，所述分类器被配置成将KPI或KPI的组合聚类成在逻辑上彼此可区分的集合。在一些实施例中，CME被实现为监督学习代理，所述监督学习代理应用神经网络、支持矢量机或其他学习算法，其评估指示在实现不同的上下文中的定义的KPI目标方面中的不同配置的质量的历史数据，以选择合法配置。

在一些实施例中，计算机可执行程序代码指令进一步包括用于以下操作的程序代码指令：由DAE从合法网络配置的应用并且朝向不同的运营商目标学习如由EMA定义的不同上下文中的不同网络配置的质量，并且随后针对网络上下文和状态选择最佳网络配置。在一些实施例中，DAE被实现为单个目标RL代理，其中，单个目标是优化CF要求，所述CF要求包括针对不同技术目标或KPI的一个或多个目标。

在一些实施例中，计算机可执行程序代码指令进一步包括用于以下操作的程序代码指令：利用第一接口，所述第一接口被配置成提供预期由CF实现的KPI目标以及指示要如何解释目标的附加信息，附加信息包括KPI的权重、优先级或效用中的一个或多个。在一些实施例中，计算机可执行程序代码指令进一步包括用于以下操作的程序代码指令：利用第二接口，所述第二接口被配置成提供EMA与CE、CME和DAE中的一个或多个之间的连接，并提供如由EMA创建的抽象环境状态或上下文。

在一些实施例中，计算机可执行程序代码指令进一步包括用于以下操作的程序代码指令：利用第三接口，所述第三接口被配置成提供CE与CME之间的连接，并提供由CE导出的关于具体CF的配置的规则。在一些实施例中，计算机可执行程序代码指令进一步包括用于以下操作的程序代码指令：利用第四接口，所述第四接口被配置成提供CE与DAE之间的连接，并提供合法的网络配置的集合。在一些实施例中，计算机可执行程序代码指令进一步包括用于以下操作的程序代码指令：利用第五接口，所述第五接口被配置成提供DAE与EMA之间的连接，并携带如由DAE选择的当前网络配置。在一些实施例中，计算机可执行程序代码指令进一步包括用于以下操作的程序代码指令：利用第五接口，所述第五接口被配置成提供DAE与CME和CE中的一个或多个之间的连接，并且携带当前网络配置和相关KPI测量的报告。

附图说明

已经如此概括地描述了本发明的实施例，现在将参考附图，所述附图不一定按比例绘制，并且其中：

图1是可以根据本发明的示例实施例具体配置的系统的框图；

图2是可以根据本发明的示例实施例具体配置的装置的框图；

图3是可以根据本发明的示例实施例具体配置的系统的框图；

图4是可以根据本发明的示例实施例具体配置的系统的框图；

图5是可以根据本发明的示例实施例具体配置的系统的框图；

图6是示出根据本发明的实施例的操作示例装置的示例性方法的流程图；以及

图7是可以根据本发明的示例实施例具体配置的系统的框图。

具体实施方式

现在将在下文中参考附图更全面地描述一些示例实施例，在附图中示出了一些但不是所有实施例。实际上，示例实施例可以采取许多不同的形式，并且不应该被解释为限于本文中阐述的实施例；而是，提供这些实施例使得本公开将满足适用的法律要求。相同的参考标号贯穿始终指代相同的元件。根据一些示例实施例，术语“数据”、“内容”、“信息”和类似术语可以被可互换地使用，以指代能够被传输、接收、对其操作和/或存储的数据。此外，如本文中可能使用的术语“示例性”不是被提供用于传达任何定性评估，而是代之以仅仅用于传达示例的说明。因此，任何这样的术语的使用不应当被理解为限制本发明的实施例的精神和范围。

如本文中所使用的，术语“电路”指代以下内容中的所有内容：（a）仅硬件电路实现（诸如仅以模拟和/或数字电路的实现）；（b）电路和软件（和/或固件）的组合，诸如（如适用）：（i）（一个或多个）处理器的组合或（ii）（一个或多个）处理器/软件（包括（一个或多个）数字信号处理器）的部分、软件和（一个或多个）存储器，其一起工作以使得诸如移动电话或服务器之类的装置执行各种功能）；以及（c）诸如（一个或多个）微处理器或（一个或多个）微处理器的一部分的电路，其需要软件或固件以用于操作，即使软件或固件物理上不存在。

“电路”的该定义适用于本申请中（包括在任何权利要求中）的本术语的所有使用。作为另外的示例，如本申请中所使用的那样，术语‘电路’还将覆盖仅处理器（或多个处理器）或处理器的部分及它的（或它们的）伴随软件和/或固件的实现。例如并且如果适用于特定权利要求元素的话，术语‘电路’还将覆盖用于移动电话的基带集成电路或专用集成电路、或服务器、蜂窝网络设备或其他网络设备中的类似集成电路。

系统架构

现在参考图1，其图示了支持多个站10与一个或多个无线电基站/接入点12之间的通信的示例系统（例如，高密度系统场景，其中多个无线电基站/接入点可以被部署到地理区域并且可以在相同的频率信道上操作），每个无线电基站/接入点可以与一个或多个站通信，并且在一个实施例中，可以与大量的站（诸如6000或更多个站）通信。无线电基站/接入点又可以与网络14通信。虽然无线电基站/接入点可以经由5G、长期演进（LTE）或高级LTE（LTE-Advanced）（LTE-A）网络通信，但是其他网络可以支持接入点之间的通信，所述接入点包括根据宽带码分多址（W-CDMA）、CDMA2000、全球移动通信系统（GSM）、通用分组无线业务（GPRS）、IEEE 802.11标准（包括例如IEEE 802.11ah或802.11ac标准或标准的其他较新的修订）、无线本地接入网络（WLAN）、全球微波接入互操作性（WiMAX）协议、通用移动电信系统（UMTS）地面无线电接入网络（UTRAN）以及/或者诸如此类以及其他标准配置的那些，所述其他标准例如，关于多域网络，其可以包括诸如WirelessHART、蓝牙、ZigBee等以及/或者诸如此类的工业无线通信网络。

无线电基站/接入点12和站10可以经由有线通信进行通信，但最通常经由无线通信进行通信。例如，无线电基站/接入点和站可以在如由IEEE 802.11ah标准定义的1 GHz以下频带中或在5 GHz频带中通信，所述5 GHz频带可以由例如IEEE 802.11ac标准定义。无线电基站/接入点可以由多种网络实体中的任何网络实体来实现，所述网络实体诸如接入点、基站、节点B、演进节点B（eNB）、无线电网络控制器（RNC）、移动设备/站（例如移动电话、智能电话、便携式数字助理（PDA）、寻呼机、膝上型计算机、平板计算机或多个其他手持式或便携式通信设备、计算设备、内容生成设备、内容消费设备或其组合中的任何一个）或者诸如此类。站还可以由多种设备实现，所述设备诸如传感器、仪表或者诸如此类。传感器和仪表可以被部署在多种不同的应用中，包括在用于用作燃气表、水表、电能表或者诸如此类的公用事业应用中，在环境和/或农业监视应用中，在工业过程自动化应用中，车辆或运输自动化应用中，在医疗保健和健身应用中，在建筑物自动化和控制应用中和/或在温度感测应用中。在一些实施例中，可以利用由传感器或仪表实现的站来回程（backhau）传感器和仪表数据。替代地，站可以由移动终端或（一个或多个）用户设备（UE）（诸如移动通信设备，例如移动电话、智能电话、便携式数字助理（PDA）、寻呼机、膝上型计算机、平板计算机或多个其他手持式或便携式通信设备、计算设备、内容生成设备、内容消费设备或其组合中的任何一种）实现。在其中由移动终端实现站的实施例中，接入点和站之间的通信可以用于扩展wi-fi或另一无线局域网（WLAN）的范围（诸如通过扩展热点的范围），以及用于卸载否则将由蜂窝或其他网络携带的业务。

无线电基站/接入点12和/或站10可以被实现为装置20或者以其他方式包括装置20，该装置20被具体配置成执行相应设备的功能，如由图2的框图一般表示的那样。虽然该装置可以例如由无线电基站/接入点或站采用，但是应该注意，下面描述的部件、设备或元件可以不是强制性的，并且因此在某些实施例中可以省略一些。另外，一些实施例可以包括除了本文中示出和描述的那些之外的另外的或不同的部件、设备或元件。

装置架构

无论实现无线电基站/接入点12和/或站10的设备的类型如何，无线电基站/接入点12和/或站10可以包括如图2中所示的装置20或与其相关联。在这点上，该装置可以包括处理器22、存储器设备24、通信接口26和用户接口28或以其他方式与其通信。因此，在一些实施例中，尽管设备或元件被示出为彼此通信，但是在下文中，这样的设备或元件应被认为能够在相同的设备或元件内实现，并且因此，通信中所示的设备或元件应该被理解为替代地是相同设备或元件的部分。

在一些实施例中，处理器22（和/或协处理器或协助处理器或以其他方式与处理器相关联的任何其他处理电路）可以经由总线与存储器设备24通信，用于在装置的部件之中传递信息。存储器设备可以包括例如一个或多个易失性和/或非易失性存储器。换句话说，例如，存储器设备可以是电子存储设备（例如，计算机可读存储介质），其包括被配置成存储可以由机器（例如，像处理器一样的计算设备）可检索的数据（例如，比特）的门（gate）。存储器设备可以被配置成存储信息、数据、内容、应用、指令或者诸如此类，以便使得装置20能够根据本发明的示例实施例来执行各种功能。例如，存储器设备可以被配置成缓冲输入数据以供处理器处理。附加地或替代地，存储器设备可以被配置成存储指令以供处理器执行。

如上面指出的那样，装置20可以由被配置成采用本发明的示例实施例的计算设备10来实现。然而，在一些实施例中，该装置可以被实现为芯片或芯片组。换句话说，该装置可以包括一个或多个物理封装（例如，芯片），其包括结构组件（例如，基板）上的材料、部件和/或线。结构组件可以为其上包括的部件电路提供物理强度、大小的守恒（conservation）和/或电交互的限制。因此，在一些情况下，该装置可以被配置成在单个芯片上或作为单个“片上系统”实现本发明的实施例。因此，在一些情况下，芯片或芯片组可以构成用于执行一个或多个操作以提供本文中描述的功能的装置。

处理器22可以以多种不同方式来实现。例如，处理器可以被实现为各种硬件处理装置中的一个或多个，诸如协处理器、微处理器、控制器、数字信号处理器（DSP）、具有或不具有伴随DSP的处理元件或包括集成电路的各种其他处理电路，诸如例如ASIC（专用集成电路）、FPGA（现场可编程门阵列）、微控制器单元（MCU）、硬件加速器、专用计算机芯片或者诸如此类。因此，在一些实施例中，处理器可以包括被配置成独立执行的一个或多个处理核。多核处理器可以在单个物理封装内使得能够实现多处理。附加地或替代地，处理器可以包括一个或多个处理器，所述处理器经由总线串联配置以使得能够实现指令、流水线和/或多线程的独立执行。

在示例实施例中，处理器22可以被配置成执行存储在存储器设备24中或以其他方式对处理器可访问的指令。替代地或附加地，处理器可以被配置成执行硬编码功能。因此，无论通过硬件或软件方法还是通过硬件或软件方法的组合来配置，处理器都可以表示在相应地配置时能够根据本发明的实施例实施操作的实体（例如，在电路中物理地实现）。因此，例如，当处理器被实现为ASIC、FPGA或者诸如此类时，处理器可以是具体配置的硬件，用于执行本文中描述的操作。替代地，作为另一示例，当处理器被实现为软件指令的执行器时，指令可以具体地配置处理器以在所述指令被执行时执行本文中描述的算法和/或操作。然而，在一些情况下，处理器可以是特定设备（例如，头戴式显示器）的处理器，其被配置成通过由用于执行本文中描述的算法和/或操作的指令进一步配置处理器来采用本发明的实施例。除了其他事物之外，处理器还可以包括时钟、算术逻辑单元（ALU）和被配置成支持处理器的操作的逻辑门。在一个实施例中，处理器还可以包括用户接口电路，其被配置成控制用户接口28的一个或多个元件的至少一些功能。

同时，通信接口26可以是任何装置，诸如以硬件或硬件和软件的组合实现的设备或电路，其被配置成在计算设备10和服务器12之间接收和/或传输数据。在这点上，通信接口26可以包括例如天线（或多个天线）和用于使得能够实现无线通信的支持硬件和/或软件。附加地或替代地，通信接口可以包括用于与（一个或多个）天线交互以引起经由（一个或多个）天线的信号的传输或处置经由（一个或多个）天线接收的信号的接收的电路。例如，通信接口可以被配置成诸如经由Wi-Fi、蓝牙或其他无线通信技术与头戴式显示器10无线通信。在某些情况下，通信接口可以替代地或也支持有线通信。因此，例如，通信接口可以包括通信调制解调器和/或用于支持经由电缆、数字用户线（DSL）、通用串行总线（USB）或其他机制的通信的其他硬件/软件。例如，通信接口可以被配置成经由有线通信与计算设备的其他部件通信。

用户接口28可以与处理器22（诸如用户接口电路）通信，以接收用户输入的指示和/或向用户提供听觉、视觉、机械或其他输出。因此，用户接口可以包括例如键盘、鼠标、操纵杆、显示器、触摸屏显示器、麦克风、扬声器和/或其他输入/输出机构。在一些实施例中，显示器可以指的是屏幕上、墙上、眼镜上（例如，近眼显示器）、空中等的显示器。用户接口还可以诸如经由总线与存储器24和/或通信接口26通信。

自组织网络

自组织网络提供了解决方案，其中每个问题都由单个SON功能解决，并且单个SON功能可以解决多个问题。该功能是闭合控制回路算法，其从网络获取数据并使用该数据中包含的测量结果来根据算法内部规则或策略的集合确定或计算网络（元素）的新配置值（在下文中称为“网络配置”）。换句话说，该功能是将输入（网络密钥性能指标（KPI））与输出（网络配置）相匹配的状态机。它具有固定的行为，因为其输入-输出关系或其路径通过算法的规则（例如，状态和状态转换）被预先设计到解决方案中。多个SON功能的管理和协调以分层方式来执行，例如，SON协调和管理可以由（非认知）集中功能根据相当固定的规则来执行，或者通过基于固定规则和来自MNO和SON制造商的输入而创建的策略来执行。

图3是利用典型SON解决方案的系统的框图。SON可以在环境316中操作（如可以CNM），该环境316特征在于影响定义的KPI的集合的不可见、非建模的静态和动态特性。在SON内，SON功能对环境的视野有限，并且需要外部SON管理来为它们获得该视野。此外，该SON管理只知道预定义的上下文的类型，但无法检测新的上下文的类型。因此，通过仅依赖于KPI，如关于SON的情况一样，性能可能受限于KPI准确测量和抽象环境的程度。CNM在该方法之外迈进了下一步，并且比只是读取KPI推断了关于环境的更多。也就是说，CNM允许CF检测CF在哪个上下文内和在哪个环境中工作，并识别潜在的新上下文或新环境。服务要求等一样重要。

每个SON解决方案可以实现决策矩阵314，其将KPI 的组合312与网络配置316（其也可以被认为是状态机的功能内部状态）相匹配。在该情况下，是SON算法的输出的网络配置是网络配置参数（NCP）的特定组合。该功能可以将当前网络配置视为决策制定过程的输入，但在任何一个时刻，它始终只具有从有限的可能网络配置的集合选择的一个活跃的网络配置。

然而，设计者可以选择将一些系统范围的功能（诸如协调310和验证308）从SON功能本身解耦并进入到SON操作层中。

特别地，由于NCP的相同子集可能受制于由不同SON功能触发的重新配置（例如，移动性鲁棒性优化MRO和移动性负载均衡MLB配置小区个体偏移（Cell-Individual Offset）CIO两者），SON功能的决策可能需要在逻辑集中的级别上进行协调。

认知网络管理

本文中描述的实施例提供了用于智能网络管理功能的认知功能（CF）蓝图的设计，其克服了上述SON的挑战和缺点并且满足CNM要求（例如，从不同操作上下文中的历史和针对不同操作上下文的历史学习，以便使得能够实现对每个上下文的最佳响应）。

如本文中所述，例如，分解由智能网络管理功能完成的工作，并且描述可以在何处以及如何添加认知，以便实现认知功能。利用机器学习中固有的“主动测试”益处。主动测试可以确保CF不仅基于学习来检查更优化的设置，而且还可以尝试先前尚未使用的设置以便增强知识空间/域。这可能是机器学习中固有的，因为获得知识可能需要CF执行未知的配置，以便分析和评估那些功能在给定上下文中表现多好或多坏。

图4示出了可以根据本发明的示例实施例配置的系统的框图，并且具体地，示出了从CF的角度呈现的分解，例如，以示出需要什么来实现CNM，同时在实现中描述了系统范围的角度。提出的分解包括五个主要部件：“网络目标管理器”404、“环境建模和抽象”406、“配置管理引擎”410、“决策和动作引擎”412和“协调引擎”408。

认知功能（CF）在与SON功能相同的环境中操作，然而，CF不同地处理KPI的有限环境表示。代替找到影响特定KPI的网络配置，CF可以被配置成与比如计数器、计时器、警报、测量结果、上下文数据和主流网络配置以及设定的运营商目标的附加的其他网络数据组合地生成或以其他方式做出关于现有KPI的推断，以根据推断和目标调整其行为。

1.网络目标管理器

根据一些示例实施例，网络目标管理器（NOM）404解释针对CNM、网络或针对具体认知功能（CF）的运营商目标402，以确保（一个或多个）认知功能调整它的/它们的行为以便实现目标。该解释被视为对其他块的输入，所述其他块然后相应地调整它们的内部结构并随后调整它们的行为。

原则上，CNM和认知功能（CF）需要配置有期望的KPI目标及它们的相对重要性，然后CF通过学习不同网络配置的效果来尝试实现所述目标。在没有NOM的情况下，这样的目标将由运营商手动设置，运营商分析整体业务和技术目标（或关键质量指标（KQI））以导出网络KPI目标及其相对优先级。

在该设计中，NOM 404通过将输入KQI分解为输出来替换该手动操作，所述输出是加权/优先级排序的KPI目标。注意，与输出相比，输入（运营商目标或KQI）通常处于不同的抽象的级别处。

2.环境建模与抽象

根据一些示例实施例，环境建模和抽象（EMA）引擎406将环境抽象为用于随后的决策制定的状态。表示CF在其中操作的不同上下文和情况的这样的环境抽象可以例如由定量KPI、抽象（语义）状态标签和可操作上下文（例如，当前网络或网络元件配置）的不同组合构建。

CF使用EMA引擎406根据需要和在需要时创建新的或改变（例如，修改、分割、删除或者诸如此类）现有的定量或抽象外部状态。然后，这些抽象状态由另外的CF子功能——决策和动作引擎（DAE）412和配置管理引擎（CME）410使用。

作为可选扩展，接收实体（例如，CME、DAE）可以指定它们实际需要哪些KPI、哪个更新的频率以及哪个抽象的级别。

3.配置管理引擎

根据一些示例实施例，配置管理引擎（CME）410基于如由EMA引擎推断的环境和可操作上下文的抽象来定义和细化针对CF的不同上下文的合法候选网络配置。

在最简单的形式中，CME 410将所有可能的网络配置的集合中的一些网络配置屏蔽为根据当前抽象的环境状态是不必要的或不可达的。在该情况下，可能的网络配置的集合是固定的，并且CME仅从该固定集合中选择。

然而，在更有认知的行为中，CME 410可以还能够基于对网络配置是多有用的或网络配置是否有用的学习来添加、移除或修改（例如，分割或组合）网络配置。

4.决策和动作引擎

根据一些示例实施例，决策动作引擎（DAE）412将当前抽象状态（例如，如由EMA引擎导出的环境和可操作上下文）与从合法或可接受的候选网络配置的集合选择的适当网络配置相匹配。DAE 412具有逻辑，用于对候选网络配置进行搜索或推理，以针对实现CF的设定目标的当前状态选择最适当的一个。

在SON范例中，这样的引擎是SON功能的核心，并且所选择的网络配置基于预设的规则的集合（通常是基础静态决策/映射矩阵）。在CF中，这样的引擎学习1）不同网络配置的质量2）在不同的上下文（如由EMA定义）中3）从不同的合法网络配置的应用并且4）朝向不同的运营商目标。然后，它可以针对不同的网络上下文和状态选择最佳网络配置。因此，映射过程（当前抽象状态到网络配置）变得更加动态和自适应的。

实现了这一点，DAE的内部状态（例如，相当于SON功能中的静态映射矩阵）也必须能够改变。由于在该框架中没有规则（要被改变），因此我们可以通过学习来想象DAE内部状态中的改变（和转换）。例如，在基于如在它们之中具有众多连接的神经元的集合的神经网络的方法中，神经元可以触发，并且连接根据上下文和目标被激活以便选择最佳配置。

5.协调引擎

为了管理多个网络自动化实体之间的冲突，SON协调的概念作为SON的部分被引入。类似地，CNM范例也需要协调功能，尽管是与传统的SON协调相比的不同种类的协调。由于CF将随着时间的推移而学习和改进其性能，因此协调引擎必须足够智能以协调这些学习功能，所述功能的行为由于学习而是不确定的。

在一些实施例中，CE的具体活动可以包括（i）检测和解决由不同CF设定的可能冲突的网络配置，（ii）（针对所选择的情况）定义用于CF之间的“快速跟踪”对等协调的规则，而无需中央协调引擎的参与，（iii）使得能够实现跨域（多个网络域、多个网络、多个运营商）知识和信息共享，包括环境和网络建模、不同上下文中的KPI和CF配置的相关性和性能以及认知算法的跨域应用，以及（iv）通过识别在环境状态和活跃配置集合方面中具有类似上下文的CF来支持知识管理子系统的其他子功能（下面描述）。

知识管理

EMA，CME和CE一起被认为是知识管理系统，因为它们将由DAE使用来选择最佳配置的知识/上下文放置在一起。

例外

注意，本文中描述的设计排除了传统SON中所需的功能中的一些。例如，由于每个CF应用并且从其与网络的交互中学习，因此验证功能（至少在CF的目标上）可能变得过时，因为可以验证和学习所述功能以避免导致次优性能的网络配置。此外，经典的SON协调和SON管理并不完全适用于所提出的设计。

实现和操作

在本发明的示例实施例中，可以提供装置或计算机程序产品以实现或执行用于促进机器学习应用于网络管理的方法、过程或算法。

图6示出了通过根据本发明的实施例的方法、装置和计算机程序产品执行的示例性操作的流程图。将理解，流程图的每个块以及流程图中的块的组合可以通过各种手段来实现，所述手段诸如硬件、固件、处理器、电路和/或与包括一个或多个计算机程序指令的软件的执行相关联的其他设备。例如，上述过程中的一个或多个可以通过计算机程序指令来实现。在这点上，实现上述过程的计算机程序指令可以由采用本发明的实施例的装置的存储器26存储，并由装置中的处理器24执行。如将理解的那样，可以将任何这样的计算机程序指令加载到计算机或其他可编程装置（例如，硬件）上以产生机器，使得所得到的计算机或其他可编程装置提供（一个或多个）流程图块中指定的功能的实现。这些计算机程序指令也可以被存储在非暂时性计算机可读存储存储器中，该存储器可以引导计算机或其他可编程装置来以特定方式运转，使得存储在计算机可读存储存储器中的指令产生制品，该制品的执行实现（一个或多个）流程图块中指定的功能。计算机程序指令也可以被加载到计算机或其他可编程装置上，以使得在计算机或其他可编程装置上执行一系列操作，以产生计算机实现的过程，使得在计算机或其他可编程装置上执行的指令提供用于实现（一个或多个）流程图块中指定的功能的操作。因此，图6的操作在被执行时将计算机或处理电路转换成配置成执行本发明的示例实施例的特定机器。因此，图6的操作定义了用于配置计算机或处理以执行示例实施例的算法。在一些情况下，通用计算机可以配备有处理器的实例，其执行图6的算法以将通用计算机转换为配置成执行示例实施例的特定机器。

因此，流程图的块支持用于执行指定的功能的装置的组合和用于执行指定的功能的操作的组合。还将理解，流程图的一个或多个块以及流程图中的块的组合可以由执行指定的功能的基于专用硬件的计算机系统或者专用硬件和计算机指令的组合来实现。

在一些实施例中，可以如下所述修改或进一步放大本文中的操作中的某些操作。此外，在一些实施例中，还可以包括附加的可选操作，如由图6中的具有虚线轮廓的块示出的那样。应当理解，下面的修改、可选的添加或放大中的每个可以单独地或与本文中描述的特征之中的任何其他特征组合地被包括在上面的操作中。

实现

在一些实施例中，针对CNM的完全分布式实现或完全集中式实现都是不可行的，因为CNM部件中的一些可以跨多个CF工作，而其他CNM部件需要位于特别靠近于NCP的网络元件内。

如图4中呈现的结构适合可行的“分布式”解决方案，或混合解决方案，所述混合解决方案在集中式OAM系统中实现NOM，并且其余部分在网络元件中实现。替代地，集中式解决方案（其也可以被认为是混合解决方案）仅在网络元件中实现DAE 412，并将所有其他部件放置在集中式OAM系统的级别处，如图5中所示。

一些部件（例如，EMA 406、CME 410或CE 408）可以在分布式CF和集中式管理层之间被来回移动。例如，功能特定的CME 410可以基于朝向CF的目标的网络配置的性能并且考虑CF对其他CF以及来自其他CF的交叉影响来针对仅单个CF学习和创建合法候选网络配置。另一方面，集中式CME 410也可以是可能的并且有益的，因为这样的CME 410可以基于跨功能视野以CF可以对彼此具有不显著的（或优选地没有）交叉影响的方式设定合法网络配置。

如所述，图5的设计允许在CF的本地和集中式部件之间的灵活的工作分割。通常，分布式和集中式设计的任何组合是可能的，例如，代替集中知识系统的所有三个子功能，可以仅集中它们的子集，例如，仅集中EMA 406和/或CE 408。然而，无论实现如何，都将维护这些功能之间的相应接口，以便允许（标准化的）数据的交换。

操作

在一些示例实施例中，方法、装置和计算机程序产品可以被配置用于促进机器学习应用于网络管理。图5是示出根据本发明的实施例的操作示例装置的示例性方法的流程图。

网络目标管理器

如图5的块505中所示，诸如网络目标管理器404、由计算设备10实现的装置20或者诸如此类的装置可以被配置成解释CNM或特定认知功能（CF）的运营商目标以确保具体CF调整其行为以便实现目标。因此，诸如网络目标管理器404、由计算设备10实现的装置20或者诸如此类的装置可以包括诸如处理器22、通信接口26或者诸如此类的装置，用于解释CNM、网络或者具体CF的运营商目标，以确保具体CF调整（例如行为）以便实现运营商目标。

环境建模与抽象（EMA）：

如图5的块510中所示，诸如环境建模和抽象引擎406、由计算设备10实现的装置20或者诸如此类的装置可以被配置成将环境抽象为用于随后决策制定的状态。诸如环境建模和抽象引擎406、由计算设备10实现的装置20或者诸如此类的装置因此可以包括诸如处理器22、通信接口26或者诸如此类的装置，用于将环境抽象为用于随后决策制定的状态。在一些实施例中，表示CF在其中操作的不同上下文和情况的环境抽象是根据定量KPI、抽象（语义）状态标签和可操作上下文（例如，当前网络或网络元件配置）的不同组合来构建。

在一些实施例中，EMA引擎406可以被实现为分类器，例如，其将KPI或KPI的组合聚类成在逻辑上彼此可区分的集合。这样的分类器可以应用神经网络、支持矢量机或类似的学习算法来挖掘历史KPI并标出KPI的逻辑分组。每个这样的组将表示需要具体配置的环境的特定抽象。然而要注意，EMA的高级版本可能添加RL代理，其针对每个CF选择适当的抽象，并（优选地）针对具体CF将它们重新分类。

对网络和环境的集中建模可以提供利用更广泛的数据集（网络性能信息/KPI、测量、上下文等）的工作的优点。虽然各个CF可能仅具有对网络和其他上下文信息的有限的视野，但集中式EMA引擎可以跨定义的网络域收集数据。这并不意味着它为所有认知功能提供具有相同抽象的级别的KPI。而是，取决于CF及其关于所提供的可操作KPI和环境描述的反馈，EMA可以动态地适配/改变其朝向CF的输出。通常，这可以跨多个测量的级别从比率尺度KPI到区间尺度度量到语义丰富的标称尺度状态描述变化。此外，可以动态地修改精度和准确度的级别。

配置管理引擎（CME）：

根据一些示例实施例，配置管理引擎（CME）410是从EMA 406和CE 408得到输入以确定合法/可接受配置候选的适当列表的多输入多目标学习代理。CME 410学习以设置将使得能够实现快速解决方案计算但对于（一个或多个）CF的目标、运营商的目标以及CE 408要求/命令而言也将是准确和有效的配置。

在一些实施例中，CME 410可以被实现为监督学习代理（应用神经网络、支持矢量机或类似学习算法），其评估关于不同上下文中的不同配置的质量的历史数据（环境状态、对等功能等）以选择合法配置。

然而，CME 410的在线版本可以应用RL以随着不同的配置被应用于网络并且评估了它们的性能来连续调整合法配置集合。

集中式CME 410可以被配置成通过连续监视和更新（修改、分割、删除等）可用于每个CF的可能（合法）网络配置的集合来管理针对所有CF的内部状态空间。同样，这样的集中式方法的优点包括由于更广泛的数据集而做出更明智的决策，以及跨多个CF共享状态空间建模知识。然而，为了管理可伸缩性，例如，在系统中实现许多不同CF的情况下，集中式CME410可以仅管理针对CF的网络配置集合而不管理针对CF实例的网络配置集合。在那种情况下，针对具体CF实例的最终粒度将留给针对每个实例的DAE 412决策/学习。

因此，如图5的块515中所示，诸如配置管理引擎410、由计算设备10实现的装置20或者诸如此类的装置可以被配置成基于如由EMA引擎推断的环境和可操作上下文的抽象来定义和/或细化针对CF的不同上下文的合法候选网络配置。因此，诸如配置管理引擎410、由计算设备10实现的装置20或者诸如此类的装置可以包括诸如处理器22、通信接口26或者诸如此类的装置，用于基于如由EMA引擎推断的环境和可操作上下文的抽象来细化针对CF的不同上下文的合法候选网络配置。

决策与动作引擎（DAE）：

根据一些示例实施例，决策和动作引擎（DAE）412可以是单个输入-输出、单个目标代理，其学习针对具体抽象状态和（一个或多个）具体CF自身的目标的最佳网络配置。在一些实施例中，DAE 412可以被实现为单个目标RL代理，因为学习必须在线进行。注意，在该情况下，单个目标是优化CF的要求，这实际上可能包括针对不同技术目标或KPI的多个目标。例如，单个目标可以是优化移动性能，其然后转换为最小化无线电链路故障而同时最小化切换振荡的多个技术目标。同时，由于具有完全匹配具体上下文的具体网络配置可能不是总是可能的，因此可能需要在RL之上应用模糊逻辑以允许所选择的网络配置中的进一步程度的灵活性。

在许多使用情况中，DAE 412可以是分布式的（例如，在诸如基站之类的网络元件处实现），以允许更频繁的优化。然而，对于较不频繁的使用情况，例如，比如小区身份管理的网络自配置场景，集中式实现也是可能的。

用于实现CME 410和DAE 412的一个选项是将相应的功能集成并实现为一个单功能。在实现分布式或集中式CME 410和DAE 412功能两者是有意义的情况下，这是可能的。

因此，如图5的块520中所示，诸如决策动作引擎412、由计算设备10实现的装置20或者诸如此类的装置可以被配置成将当前抽象状态（例如，如由EMA引擎导出的环境和可操作上下文）与从合法/可接受的候选网络配置的集合选择的适当网络配置相匹配。因此，诸如决策动作引擎412、由计算设备10实现的装置20或者诸如此类的装置可以包括诸如处理器22、通信接口26或者诸如此类的装置，用于将当前抽象状态（如由EMA引擎导出的环境和可操作上下文）与从合法/可接受的候选网络配置的集合选择的适当网络配置相匹配。在一些实施例中，DAE引擎可以被配置成从不同合法网络配置的应用以及朝向不同运营商目标学习不同上下文（例如，如由EMA定义）中不同网络配置的质量，并且随后针对不同网络上下文和状态选择最佳网络配置。

协调引擎（CE）：

根据一些示例实施例，协调引擎（CE）408可以被配置成（1）学习不同CF决策对其他CF的影响；（2）解释学习的知识；以及（3）建议关于如何最小化这些影响的对CME和DAE的修改。

CE 408可以请求CME 410重新优化合法配置列表，但是也可以直接对DAE 412动作进行分级以使得DAE 412能够学习对其他CF具有最小影响的配置。

如果是分布式的（例如，实现为CF的部分），则CE 408可以是学习代理的多代理系统（MAS）中的代理。每个代理学习其相关联DAE 412的动作是否影响其他CF或CF实例以及在多大程度上影响其他CF或CF实例。然后，它适当地指示DAE 412以最小化负面影响的方式来动作。为此，CE 408实例将必须彼此传送这样的效果。

在集中式CNM方法中，CE也是集中式的，以允许对齐CF的行为时的多CF视野。

因此，如图5的块525中所示，诸如协调引擎408、由计算设备10实现的装置20或者诸如此类的装置可以被配置成管理多个网络自动化实体之间的冲突。因此，诸如协调引擎408、由计算设备10实现的装置20或者诸如此类的装置可以包括诸如处理器22、通信接口26或者诸如此类的装置，用于管理多个网络自动化实体之间的冲突。

接口

CF的各个部件可以经由下面描述的接口的集合被粘合在一起。图6是图示示出给定认知功能的部件块之间的接口的示例性实施例的框图。

根据一些示例实施例，对于图7中所示的表格中给出的相应描述，可能需要多达六（6）个接口。

接口C1可以被配置成提供例如NOM与CE、CME和DAE中的一个或多个之间的连接。在一些实施例中，C1可以提供预期由CF实现的KPI目标。除了目标值的只是规范之外，它还可以包括与如何解释目标相关的附加信息。这可能包括不同KPI的权重、优先级或效用，这有助于区分它们相应的相关性。可以提供KPI目标的一般/通用结构，或者其也可以按接收方实体区分。例如，CME和DAE可以仅配备有特定于CF的目标，而CE配备有针对所有CF的完整的目标的集合。如果完成相反的情况（例如，所有实体配备有完整的目标的集合），则每个实体可以被配置成过滤掉与其功能相关的目标。

接口C2可以被配置成提供例如EMA与CE、CME和DAE中的一个或多个之间的连接。在一些实施例中，C2可以提供如由EMA创建的抽象环境状态或上下文。同样，这些可以被指定为通用或特定于每个CF。在一些实施例中，每个CF的接收方实体可以具有环境的统一视野，并且在其学习、决策和报告中参考相同的上下文。接收方实体还可以指定它们需要的针对它们的操作的环境状态的抽象的级别，例如，范围从原始测量和上下文到网络KPI，以及到更抽象的环境描述。

接口C3可以被配置成提供例如CE和CME之间的连接。在一些实施例中，C3可以针对具体CF提供CE的配置或报告。在最简单的形式中，它提供描述给定的CF的行为对其他CF的影响的报告。如果是这样，CME然后使用这样的报告来决定如何以最大化结果的全局效用的方式来配置CF的合法候选网络配置的集合（例如，实现指定的KPI目标）。然而，更复杂的C3可能包括要考虑的CE的建议或要由CME实现的决策。例如，这可能是决不应再次被使用的特定动作/网络配置。

接口C4可以被配置成提供例如CE和DAE之间的连接。在一些实施例中，C4可以提供CF的动作空间的CME配置（例如，合法网络配置的集合）。如果配置数据库是DAE的部分（如图6中所示），则将这样的配置发送到DAE。否则，CME可以独立编辑然后由DAE引用的独立数据库。

接口C5可以被配置成提供例如DAE和EMA之间的连接。在一些实施例中，C5是用于携带如由DAE选择的当前网络配置的可选接口。在一些实施例中，仅当EMA在其环境的抽象描述中包括当前配置时可能需要C5，否则将不存在对这样的报告的需要。

接口C6可以被配置成提供例如DEA与CE和CME中的一个或多个之间的连接。在一些实施例中，C6可以携带遵循（一个或多个）DAE的动作的KPI报告（例如，NCP配置与网络KPI中的对应效果之间的映射）。基本上，由于CME和CE需要评估某些动作对于在附近的CF有多好，它们需要在特定上下文中得到（一个或多个）动作的质量的报告。

注意，对CF部件块之间的接口的以上描述是一种可能的实现。例如，另一种可能的实现可以是，在C5接口还携带关于NCP配置朝向EMA的定时的信息的前提下，如在C6描述中所描述的NCP配置与网络KPI中的对应效果之间的映射在EMA内发生。在该情况下，可以省略C6接口的实现。

受益于前述描述和相关联的附图中提供的教导，这些发明所属领域中的技术人员将想到本文中阐述的本发明的许多修改及其他的实施例。因此，要理解，本发明不限于所公开的具体实施例，并且修改及其他的实施例旨在被包括在所附权利要求的范围内。此外，尽管前述描述和相关联的附图在元件和/或功能的某些示例组合的上下文中描述示例实施例，但是应当理解，在不脱离所附权利要求的范围的情况下，可以通过替代实施例提供元件和/或功能的不同组合。在这点上，例如，也可以考虑与上面明确描述的元件和/或功能的组合不同的元件和/或功能的组合，如可以在所附权利要求中的一些中阐述的那样。虽然本文中采用了具体术语，但是它们仅以一般和描述性的意义被使用，而不是出于限制的目的。

Claims (20)

1.一种用于使得能够实现无线电接入网络中的认知网络管理（CNM）的系统，所述系统包括：

网络目标管理器（NOM）；

环境建模和抽象（EMA）引擎；

配置管理引擎（CME）；以及

决策和动作引擎（DAE）；

NOM包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得网络目标管理器：

解释针对CNM或针对具体认知功能（CF）的一个或多个运营商目标，以确保CNM或具体CF调整其行为以便实现运营商目标；

EMA引擎包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得环境建模和抽象引擎：

将环境抽象成状态，表示具体CF在其中操作的不同可操作上下文和情况，其中抽象的环境表示由定量关键性能指标（KPI）、抽象状态标签和可操作上下文的组合中的一个或多个来构建；

CME包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得环境建模和抽象引擎：

基于如由EMA引擎导出的抽象环境和可操作上下文，针对CF的不同上下文定义一个或多个合法候选网络配置；

DAE包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得决策和动作引擎：

将如由EMA引擎导出的当前抽象状态、抽象环境、可操作上下文或其组合与从合法候选网络配置的集合选择的适当网络配置相匹配。

2.根据权利要求1所述的系统，进一步包括：

协调引擎，所述协调引擎包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置成与处理器一起使得协调引擎：

学习不同CF决策对其他CF的一个或多个影响；

解释学习的知识；以及

建议对CME和DAE的修改以最小化所述一个或多个影响。

3.根据权利要求1或权利要求2所述的系统，其中，NOM进一步包括计算机程序代码，所述计算机程序代码被配置成与处理器一起使得装置：

接收一个或多个关键质量指标（KQI）输入；以及

提供加权或优先级排序的KPI目标。

4.根据权利要求1或权利要求2所述的系统，其中，EMA引擎被实现为分类器，所述分类器被配置成将KPI或KPI的组合聚类成在逻辑上彼此可区分的集合。

5.根据权利要求1或权利要求2所述的系统，其中，CME被实现为监督学习代理，所述监督学习代理应用神经网络、支持矢量机或其他学习算法，其评估指示在实现不同的上下文中的定义的KPI目标方面中的不同配置的质量的历史数据，以选择合法配置。

6.根据权利要求1或权利要求2所述的系统，其中，DAE进一步包括计算机程序代码，所述计算机程序代码被配置成与处理器一起使得装置：

从合法网络配置的应用并且朝向不同的运营商目标学习如由EMA定义的不同上下文中的不同网络配置的质量，并且随后针对网络上下文和状态选择最佳网络配置。

7.根据权利要求1或权利要求2所述的系统，其中，DAE被实现为单个目标RL代理，其中，单个目标是优化CF要求，所述CF要求包括针对不同技术目标或KPI的一个或多个目标。

8.根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第一接口，所述第一接口被配置成提供预期由CF实现的KPI目标以及指示要如何解释目标的附加信息，附加信息包括KPI的权重、优先级或效用中的一个或多个。

9.根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第二接口，所述第二接口被配置成提供EMA与CE、CME和DAE中的一个或多个之间的连接；并提供如由EMA创建的抽象环境状态或上下文。

10.根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第三接口，所述第三接口被配置成提供CE与CME之间的连接；并提供由CE导出的关于具体CF的配置的规则。

11.根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第四接口，所述第四接口被配置成提供CE与DAE之间的连接；并提供合法的网络配置的集合。

12.根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第五接口，所述第五接口被配置成提供DAE与EMA之间的连接；并携带如由DAE选择的当前网络配置。

13.根据权利要求1或权利要求2所述的系统，其中，所述系统进一步包括第五接口，所述第五接口被配置成提供DAE与CME和CE中的一个或多个之间的连接，并携带当前网络配置和相关的KPI测量的报告。

14.一种用于使得能够实现无线电接入网络中的认知网络管理（CNM）的方法，所述方法包括：

利用网络目标管理器（NOM）、环境建模和抽象（EMA）引擎、配置管理引擎（CME）以及决策和动作引擎（DAE）；

由NOM解释针对CNM或针对具体认知功能（CF）的一个或多个运营商目标，以确保CNM或具体CF调整其行为以便实现运营商目标；

由EMA引擎将环境抽象成状态，表示具体CF在其中操作的不同可操作上下文和情况，其中抽象的环境表示由定量关键性能指标（KPI）、抽象状态标签和可操作上下文的组合中的一个或多个构建；

由CME基于如由EMA引擎导出的抽象环境和可操作上下文针对CF的不同上下文定义一个或多个合法候选网络配置；

由DAE将如由EMA引擎导出的当前抽象状态、抽象环境、可操作上下文或其组合与从合法候选网络配置的集合选择的适当网络配置相匹配。

15.根据权利要求14所述的方法，进一步包括：

利用协调引擎；

由协调引擎学习不同CF决策对其他CF的一个或多个影响；

解释学习的知识；以及

建议对CME和DAE的修改以最小化所述一个或多个影响。

16.根据权利要求14或权利要求15所述的方法，进一步包括：

在NOM处接收一个或多个关键质量指标（KQI）输入；以及

由NOM提供加权或优先级排序的KPI目标。

17.根据权利要求14或权利要求15所述的方法，其中，EMA引擎被实现为分类器，所述分类器被配置成将KPI或KPI的组合聚类成在逻辑上彼此可区分的集合。

18.根据权利要求14或权利要求15所述的方法，其中，CME被实现为监督学习代理，所述监督学习代理应用神经网络、支持矢量机或其他学习算法，其评估指示在实现不同的上下文中的定义的KPI目标方面中的不同配置的质量的历史数据，以选择合法配置。

19.根据权利要求14或权利要求15所述的方法，进一步包括：

由DAE从合法网络配置的应用并且朝向不同的运营商目标学习如由EMA定义的不同上下文中的不同网络配置的质量，并且随后针对网络上下文和状态选择最佳网络配置。

20.一种装置，包括：

用于利用网络目标管理器（NOM）、环境建模和抽象（EMA）引擎、配置管理引擎（CME）以及决策和动作引擎（DAE）的装置；

用于由NOM解释针对CNM或针对具体认知功能（CF）的一个或多个运营商目标以确保CNM或具体CF调整其行为以便实现运营商目标的装置；

用于由EMA引擎将环境抽象成状态表示具体CF在其中操作的不同可操作上下文和情况的装置，其中抽象的环境表示由定量关键性能指标（KPI）、抽象状态标签和可操作上下文的组合中的一个或多个构建；

用于由CME基于如由EMA引擎导出的抽象环境和可操作上下文针对CF的不同上下文定义一个或多个合法候选网络配置的装置；

用于由DAE将如由EMA引擎导出的当前抽象状态、抽象环境、可操作上下文或其组合与从合法候选网络配置的集合选择的适当网络配置相匹配的装置。

Images