CN110417516B - 无线调制解调器的调整方法及装置 - Google Patents
无线调制解调器的调整方法及装置 Download PDFInfo
- Publication number
- CN110417516B CN110417516B CN201910760086.0A CN201910760086A CN110417516B CN 110417516 B CN110417516 B CN 110417516B CN 201910760086 A CN201910760086 A CN 201910760086A CN 110417516 B CN110417516 B CN 110417516B
- Authority
- CN
- China
- Prior art keywords
- sample
- neural network
- clock frequency
- wireless modem
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0009—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the channel coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3296—Power saving characterised by the action undertaken by lowering the supply or operating voltage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/324—Power saving characterised by the action undertaken by lowering clock frequency
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/325—Power saving in peripheral device
- G06F1/3278—Power saving in modem or I/O interface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0002—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate
- H04L1/0003—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate by switching between different modulation schemes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0023—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the signalling
- H04L1/0026—Transmission of channel quality indication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0033—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the transmitter
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/20—Arrangements for detecting or preventing errors in the information received using signal quality detector
- H04L1/203—Details of error rate determination, e.g. BER, FER or WER
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0003—Two-dimensional division
- H04L5/0005—Time-frequency
- H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
- H04W52/0229—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal where the received signal is a wanted signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0261—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level
- H04W52/0274—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level by switching on or off the equipment or parts thereof
- H04W52/028—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level by switching on or off the equipment or parts thereof switching on or off only a part of the equipment circuit blocks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0261—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level
- H04W52/0287—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level changing the clock frequency of a controller in the equipment
- H04W52/029—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level changing the clock frequency of a controller in the equipment reducing the clock frequency of the controller
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Transceivers (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开涉及一种无线调制解调器的调整方法及装置,涉及移动终端领域,该方法包括:获取无线调制解调器的当前时刻的信道参数,基于信道参数,使用预先训练的神经网络来生成无线调制解调器的目标时钟频率和目标工作电压,将无线调制解调器的工作电压和时钟频率分别调整为目标工作电压和目标时钟频率。能够根据无线信道的状态,实时对无线调制解调器的时钟频率和工作电压进行调整,提高了调整的准确度,降低了功耗。
Description
技术领域
本公开涉及移动终端领域,具体地,涉及一种无线调制解调器的调整方法及装置。
背景技术
随着移动通信技术的不断发展,移动终端已经成为人们日常生活中不可或缺的重要工具。移动终端上通常设置有无线调制解调器,用于在有限带宽的无线信道上进行数据传输。由于移动终端的便携特性,需要无线调制解调器的功耗尽可能低。现有技术中,通常会采用DVFS(英文:Dynamic Voltage and Frequency Scaling,中文:动态电压频率调整)机制,根据无线调制解调器工作过程中的统计数据和已知的信道状态,基于状态组合表或经验公式,来调节处理器和内存的工作电压和时钟频率,以节省功耗。然而无线信道是实时变化的,统计数据和已知的信道状态都具有滞后性,因此无法控制无线调制解调器的工作电压和时钟频率及时调整为最佳状态,并且由于经验公式的可靠性较低,会进一步降低工作电压和时钟频率调整的准确度。
发明内容
本公开的目的是提供一种无线调制解调器的调整方法及装置,用以解决现有技术中工作电压和时钟频率调整滞后、不准确的问题。
为了实现上述目的,根据本公开实施例的第一方面,提供一种无线调制解调器的调整方法,所述方法包括:
获取无线调制解调器的当前时刻的信道参数;
基于所述信道参数,使用预先训练的神经网络来生成所述无线调制解调器的目标时钟频率和目标工作电压;
将所述无线调制解调器的工作电压和时钟频率分别调整为所述目标工作电压和所述目标时钟频率。
可选地,所述无线调制解调器包括多个功能模块,并且所述基于所述信道参数,使用预先训练的神经网络来生成所述无线调制解调器的目标时钟频率和目标工作电压,包括:
将所述信道参数作为所述神经网络的输入,以获取所述神经网络输出的与所述多个功能模块中的至少一个功能模块对应的至少一个目标时钟频率和至少一个目标工作电压;
所述将所述无线调制解调器的工作电压和时钟频率分别调整为所述目标工作电压和所述目标时钟频率,包括:
将所述至少一个功能模块中的每一个的时钟频率调整为所述神经网络输出的与该功能模块对应的目标时钟频率,将所述至少一个功能模块中的每一个的工作电压调整为所述神经网络输出的与该功能模块对应的目标工作电压。
可选地,所述神经网络预先通过以下步骤而进行训练:
获取样本输入集以及相关联的样本输出集,所述样本输入集中的每个样本输入包括针对所述无线调制解调器预设的一组信道参数,所述相关联的样本输出集中的每个样本输出包括所述无线调制解调器在对应的一组信道参数下工作时的样本工作电压和样本时钟频率,并且所述样本工作电压和所述样本时钟频率为所述无线调制解调器在满足预设性能条件时的目标工作电压和目标时钟频率;
将每个样本输入所包括的一组信道参数作为所述神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为所述神经网络的输出,训练所述神经网络。
可选地,所述获取样本输入集以及相关联的样本输出集,包括:
通过预设的仿真软件模拟多组信道参数中每组信道参数对应的无线信道,和所述无线信道待传输的下行数据;
通过所述仿真软件模拟所述无线调制解调器在所述无线信道下接收所述下行数据的情况,并确定所述无线调制解调器的接收情况满足预设性能条件时的目标工作电压和目标时钟频率;
将输入的每组信道参数作为一个样本输入,并且将所述仿真软件输出的、所述无线调制解调器在满足所述预设性能条件时的目标工作电压和目标时钟频率作为与每个样本输入对应的一个样本输出。
可选地,在所述将每个样本输入所包括的一组信道参数作为所述神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为所述神经网络的输出,训练所述神经网络之后,所述神经网络还通过以下步骤进行修正:
根据所述当前时刻之前的预设历史时段内,所述神经网络多次生成的所述目标时钟频率和所述目标工作电压,和/或所述预设历史时段内所述无线调制解调器的多个负载值,修正所述神经网络。
可选地,所述信道参数包括:
信道带宽、信号强度、信噪比SNR、参考信号接收功率RSRP、上下行资源调度策略、调制方式、编码方式、传输块尺寸中的至少一种。
根据本公开实施例的第二方面,提供一种无线调制解调器的调整装置,所述装置包括:
获取模块,用于获取无线调制解调器的当前时刻的信道参数;
处理模块,用于基于所述信道参数,使用预先训练的神经网络来生成所述无线调制解调器的目标时钟频率和目标工作电压;
调整模块,用于将所述无线调制解调器的工作电压和时钟频率分别调整为所述目标工作电压和所述目标时钟频率。
可选地,所述无线调制解调器包括多个功能模块;
所述处理模块用于,将所述信道参数作为所述神经网络的输入,以获取所述神经网络输出的与所述多个功能模块中的至少一个功能模块对应的至少一个目标时钟频率和目标工作电压;
所述调整模块用于,将所述至少一个功能模块中的每一个的时钟频率调整为所述神经网络输出的与该功能模块对应的目标时钟频率,将所述至少一个功能模块中的每一个的工作电压调整为所述神经网络输出的与该功能模块对应的目标工作电压。
可选地,所述神经网络预先通过以下步骤而进行训练:
获取样本输入集以及相关联的样本输出集,所述样本输入集中的每个样本输入包括针对所述无线调制解调器预设的一组信道参数,所述相关联的样本输出集中的每个样本输出包括所述无线调制解调器在对应的一组信道参数下工作时的样本工作电压和样本始终频率,并且所述样本工作电压和所述样本时钟频率为所述无线调制解调器在满足预设性能条件时的目标工作电压和目标时钟频率;
将每个样本输入所包括的一组信道参数作为所述神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为所述神经网络的输出,训练所述神经网络。
可选地,所述样本输入集以及相关联的样本输出集通过以下步骤来获取:
通过预设的仿真软件模拟多组信道参数中每组信道参数对应的无线信道,和所述无线信道待传输的下行数据;
通过所述仿真软件模拟所述无线调制解调器在所述无线信道下接收所述下行数据的情况,并确定所述无线调制解调器的接收情况满足预设性能条件时的目标工作电压和目标时钟频率;
将输入的每组信道参数作为一个样本输入,并且将所述仿真软件输出的、所述无线调制解调器在满足所述预设性能条件时的目标工作电压和目标时钟频率作为与每个样本输入对应的一个样本输出。
可选地,在所述将每个样本输入所包括的一组信道参数作为所述神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为所述神经网络的输出,训练所述神经网络之后,所述神经网络还通过以下步骤进行修正:
根据所述当前时刻之前的预设历史时段内,所述神经网络多次生成的所述目标时钟频率和所述目标工作电压,和/或所述预设历史时段内所述无线调制解调器的多个负载值,修正所述神经网络。
可选地,所述信道参数包括:
信道带宽、信号强度、信噪比SNR、参考信号接收功率RSRP、上下行资源调度策略、调制方式、编码方式、传输块尺寸中的至少一种。
根据本公开实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面提供的无线调制解调器的调整方法的步骤。
根据本公开实施例的第四方面,提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现第一方面提供的无线调制解调器的调整方法的步骤。
通过上述技术方案,本公开首先获取无线调制解调器在当前时刻的信道参数,再基于信道参数,利用预先训练的神经网络来生成无线调制解调器的目标时钟频率和目标工作电压,最后将无线调制解调器的工作电压和时钟频率分别调整目标工作电压刚和目标时钟频率。能够根据无线信道的状态,实时对无线调制解调器的时钟频率和工作电压进行调整,提高了调整的准确度,降低了功耗。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种无线调制解调器的调整方法的流程图;
图2是根据一示例性实施例示出的一种神经网络的训练步骤的流程图;
图3是根据一示例性实施例示出的另一种神经网络的训练步骤的流程图;
图4是根据一示例性实施例示出的另一种神经网络的训练步骤的流程图;
图5是根据一示例性实施例示出的另一种神经网络的训练步骤的流程图;
图6是根据一示例性实施例示出的一种无线调制解调器的调整装置的框图;
图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在介绍本公开提供的无线调制解调器的调整方法及装置之前,首先对本公开中各个实施例所涉及的应用场景进行介绍,该应用场景为任一无线通信终端上的无线调制解调器,用以在无线信道上进行数据传输,该无线调制解调器可以包括:处理器、内存、数字基带处理模块、滤波器、均衡器、调制模块、解调模块、编码器、译码器等模块。
图1是根据一示例性实施例示出的一种无线调制解调器的调整方法的流程图,如图1所示,可以包括以下步骤:
步骤101,获取无线调制解调器的当前时刻的信道参数。
举例来说,在无线通信过程中,无线调制解调器在当前时刻的传输环境(即无线信道)中进行数据传输。无线调制解调器可以实时采集能够反映当前时刻的信道质量的信道参数,例如可以根据无线调制解调器接收到的各种信号(例如:导频信号、应答信号等)来测量有用信号的强度、干扰信号(可以包括噪声和干扰)的强度、参考信号(导频信号)的强度等,从而获得信道参数。在此,信道参数例如可以包括但不限于以下的至少一项:信道带宽、信号强度、SNR(英文:Signal Noise Ratio,中文:信噪比)、RSRP(英文:Reference SignalReceiving Power,中文:参考信号接收功率)、上下行资源调度策略、调制方式、编码方式、传输块尺寸等。
步骤102,基于信道参数,使用预先训练的神经网络来生成无线调制解调器的目标时钟频率和目标工作电压。
步骤103,将无线调制解调器的工作电压和时钟频率分别调整为目标时钟频率和目标工作电压。
示例的,在获取信道参数之后,可以根据信道参数和预先训练的神经网络,来确定无线调制解调器适应于当前时刻的信道的目标时钟频率和目标工作电压。其中,目标时钟频率和目标工作电压为无线调制解调器在满足预设性能条件(例如:误码率小于误码率阈值,或者丢包率小于丢包率阈值,又或者传输成功率大于成功率阈值)的前提下,最优的时钟频率和最优的工作电压,也可以理解为最低的时钟频率和最低的工作电压。神经网络可以是根据预先设置的样本输入集训练得到的神经网络,能够根据不同的信道参数,确定不同信道参数对应的目标时钟频率和目标工作电压。获取样本输入集的方式可以是通过仿真软件模拟信道参数的各种组合,并记录无线调制解调器在满足预设性能条件的前提下,各种信道参数相应的目标时钟频率和目标工作电压,将各种信道参数作为样本输入集(即神经网络的输入),将各种信道参数对应的目标时钟频率和目标工作电压作为样本输出集(即神经网络的输出),以训练神经网络。示例性地,神经网络例如可以是卷积神经网络(英文:Convolutional Neural Networks,缩写:CNN)。应当注意,卷积神经网络仅是本公开实施例的神经网络的一个示例,本公开不限于此,而是可以包括其他各种神经网络。
在获取目标时钟频率和目标工作电压后,将无线调制解调器的时钟频率调整为目标时钟频率,并将无线调制解调器的工作电压调整为目标工作电压。神经网络确定的目标时钟频率和目标工作电压,是无线调制解调器在当前时刻的信道参数所指示的信道中进行数据传输时,在满足预设性能条件的前提下,能够达到的最优的时钟频率和最优的工作电压,即实时根据信道参数确定的,无线调制解调器能够达到的最低的时钟频率和最低的工作电压,从而能够提高时钟频率和工作电压调整的准确度,降低无线调制解调器的功耗。所述预设性能条件例如包括但不限于:误码率小于误码率阈值,或者丢包率小于丢包率阈值,又或者传输成功率大于成功率阈值等。
需要说明的是,步骤103中无线调制解调器的工作电压和时钟频率,可以理解为无线调制解调器的总的工作电压和总的时钟频率。具体的,总的工作电压可以为无线调制解调器的供电电压,总的时钟频率可以等于无线调制解调中处理器的时钟频率。
综上所述,本公开首先获取无线调制解调器在当前时刻的信道参数,再基于信道参数,利用预先训练的神经网络来生成无线调制解调器的目标时钟频率和目标工作电压,最后将无线调制解调器的工作电压和时钟频率分别调整目标工作电压刚和目标时钟频率。能够根据无线信道的状态,实时对无线调制解调器的时钟频率和工作电压进行调整,提高了调整的准确度,降低了功耗。
进一步的,在实际应用中,无线调制解调器中通常包括多个功能模块,例如可以包括:处理器、内存、数字基带处理模块、滤波器、均衡器、调制模块、解调模块、编码器、译码器等功能模块,每个功能模块都可以是一组专用的集成电路,也对应存在相应的时钟频率和工作电压。现有的DVFS机制中,仅能调整无线调制解调器中的处理器和内存的时钟频率和工作电压,无法对其他功能模块进行调整,增大了无线调制解调器的功耗。因此,针对无线调制解调器中的每个功能模块,本公开提出的无线调制解调器的调整方法还可以分别调整各个功能模块的时钟频率和工作电压。
举例来说,步骤102可以将信道参数作为神经网络的输入,以获取神经网络输出的与多个功能模块中的至少一个功能模块对应的至少一个目标时钟频率和至少一个目标工作电压。
其中,当无线调制解调器包括多个功能模块时,相应的训练神经网络的样本输入集可以是多种信道参数,样本输出集可以是至少一个功能模块在分别满足预设性能条件的前提下,对应各种信道参数的至少一个目标时钟频率和至少一个目标工作电压。至少一个功能模块可以包括无线调制解调中的全部功能模块,也可以包括无线调制解调中的部分功能模块或者某一个模块。
相应的,若神经网络能够输出至少一个功能模块对应的目标时钟频率和目标工作电压,那么步骤103的实现方式可以为:
将至少一个功能模块中的每一个的时钟频率调整为神经网络输出的与该功能模块对应的目标时钟频率,将至少一个功能模块中的每一个的工作电压调整为神经网络输出的与该功能模块对应的目标工作电压。
当无线调制解调器包括多个功能模块时,神经网络能够根据不同的信道参数,分别确定对应不同信道参数时,各个功能模块的各个目标时钟频率和各个目标工作电压。因此,能够根据不同的信道参数,分别实时将各个功能模块中的每一个功能模块的时钟频率调整为该功能模块对应的目标时钟频率,并将该功能模块的工作电压调整为该功能模块对应的目标工作电压,进一步提高时钟频率和工作电压调整的准确度,进而降低无线调制解调器的功耗。
需要说明的是,上述实施例中的神经网络可以包括输入层、卷积层、反馈层、全连接层和输出层。首先将信道参数作为特征向量序列的输入输入层,通过卷积层,从特征向量序列中提取卷积层特征,再通过反馈层,结合上一次的反馈层特征和后一次第反馈层特征,从卷积层中提取当前的反馈层特征,之后通过全连接层,对反馈层特征进行抽象处理,以生成目标工作电压和目标时钟频率,最后通过输出层输出目标工作电压和目标时钟频率。
图2是根据一示例性实施例示出的一种神经网络的训练步骤的流程图,如图2所示,神经网络预先通过以下步骤而进行训练:
步骤104,获取样本输入集以及相关联的样本输出集,样本输入集中的每个样本输入包括针对无线调制解调器预设的一组信道参数,相关联的样本输出集中的每个样本输出包括无线调制解调器在对应的一组信道参数下工作时的样本工作电压和样本时钟频率,并且,样本工作电压和样本时钟频率为无线调制解调器在满足预设性能条件时的目标工作电压和目标时钟频率。
步骤105,将每个样本输入所包括的一组信道参数作为神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为神经网络的输出,训练神经网络。
举例来说,要得到能够根据不同的信道参数,确定对应不同信道参数的目标时钟频率和目标工作电压的神经网络,可以预先获取样本输入集(可以理解为建立神经网络的样本数据集)和相关联的样本输出集。样本输入集中包括神经网络的输入参数,样本输出集中包括神经网络的输出参数,利用样本输入集生成神经网络的目的,是使神经网络的输入为样本输入集时,神经网络的输出能够与样本输出集匹配。样本输入集中的每个样本输入,可以是无线调制解调器预设的一组信道参数,即样本输入集中可以包括多组信道参数。其中,每一组信道参数中可以包括多个信道参数,例如:一组信道参数可以包括:信道带宽、信号强度、SNR调度策略等,即将信道带宽、信号强度、SNR调度策略组成一个向量I。相关联的样本输出集中的每个样本输出可以包括无线调制解调器在对应的一组信道参数下工作时的样本工作电压v和样本时钟频率f的组合,样本工作电压和样本时钟频率为无线调制解调器在满足预设性能条件时目标工作电压和目标时钟频率,即无线调制解调器在满足预设性能条件时最优的工作电压和最优的时钟频率。根据多组信道参数I和多组样本工作电压v和样本时钟频率f,生成神经网络,可以理解为确定一种函数F,使得F(I)=(f,v)。
示例性地,以无线调制解调器包括多个功能模块来举例,样本输出集的选取规则可以包括:首先在给定一组信道参数的条件下,将无线调制解调器的各个功能模块的时钟频率和工作电压都设置为最大值,此时无线调制解调器的性能指标(例如可以是误码率、丢包率、传输成功率等)最佳。之后针对某一功能模块,按照预设步长逐步降低该功能模块的时钟频率和工作电压,直至无线调制解调器的性能指标(或者该功能模块的性能指标)不满足预设性能条件为止,此时的时钟频率和工作电压为该功能模块对应的样本时钟频率和样本工作电压,即为该功能模块在该组信道参数的条件下对应的样本时钟频率和样本工作电压。对无线调制解调器中的每个功能模块都执行相同的操作,以获得该组信道参数对应的所有功能模块对应的样本时钟频率和样本工作电压。
需要说明的是,上述对神经网络的训练(即步骤104至步骤105)可以放在对无线调制解调器进行调整之前来执行,也可以在对无线调制解调器进行调整之后执行,或者在对无线调制解调器进行调整的过程中执行,即神经网络可以预先训练好,也可以在无线调制解调器进行数据传输的过程中实时调整,本公开对执行顺序不做限定。
图3是根据一示例性实施例示出的另一种神经网络的训练步骤的流程图,如图3所示,步骤105可以通过以下步骤来实现:
步骤1051,将第一信道参数作为初始神经网络的输入,以获取初始神经网络的输出,第一信道参数为多组信道参数中的任一组信道参数。
步骤1052,将初始神经网络的输出与第一样本输出进行比较,以修正初始神经网络中至少一个神经元的参数,第一样本输出为无线调制解调器在第一信道参数下工作时的样本工作电压和样本时钟频率。
举例来说,要生成神经网络,首先可以预先选择一个初始神经网络(例如可以根据需求选择神经网络的类别、深度等),将第一信道参数作为初始神经网络的输入,以获取初始神经网络的输出,再将初始神经网络的输出与第一样本输出进行比较,根据初始神经网络的输出与第一样本输出的差值来修正初始神经网络中至少一个神经元的参数。其中,第一信道参数为多组信道参数中的任一组信道参数,第一样本输出为无线调制解调器在第一信道参数下工作时的样本工作电压和样本时钟频率,神经元的参数例如可以是神经元的权重(英文:Weight)和连接关系(英文:Bias)。
步骤1053,重复执行步骤1051至步骤1052,直至初始神经网络满足预设条件。
步骤1054,将满足预设条件的初始神经网络作为该神经网络。
示例的,重复执行步骤1051至步骤1052,使初始神经网络的输入为某一信道参数时,初始神经网络的输出能够与该信道参数对应的样本输出匹配,当初始神经网络满足预设条件时,将初始神经网络作为该神经网络。其中,预设条件可以是初始神经网络的输入为样本输入集中的任一信道参数时,初始神经网络的输出能够与样本输出集中该信道参数对应的样本输出一致,或者神经网络的输出能够与样本输出集中该信道参数对应的样本输出之间的差值小于预设的阈值。
图4是根据一示例性实施例示出的另一种神经网络的训练步骤的流程图,如图4所示,步骤104的实现方式可以包括:
步骤1041,通过预设的仿真软件模拟多组信道参数中每组信道参数对应的无线信道,和无线信道待传输的下行数据。
步骤1042,通过仿真软件模拟无线调制解调器在无线信道下接收下行数据的情况,并确定无线调制解调器的接收情况满足预设性能条件时的目标工作电压和目标时钟频率。
步骤1043,将输入的每组信道参数作为一个样本输入,并且将仿真软件输出的、无线调制解调器在满足预设性能条件时的目标工作电压和目标时钟频率作为与每个样本输入对应的一个样本输出。
举例来说,获取样本输入集以及相关联的样本输出集的方式,可以是通过仿真软件模拟多组信道参数,再模拟多组信道参数条件下待传输的下行数据,以采集无线调制解调器在满足预设性能条件(例如:误码率小于误码率阈值)的前提下,多组信道参数对应的多组样本输出,即多组信道参数对应的样本时钟频率和样本工作电压。还可以将无线调制解调器放置在实际无线信道中进行数据传输,在一段时长内,利用外置设备或仪表按照预设采集频率,采集无线调制解调器工作的多组信道参数,和相应的多组样本输出。
图5是根据一示例性实施例示出的另一种神经网络的训练步骤的流程图,如图5所示,在步骤105之后,神经网络还通过以下步骤进行修正:
步骤106,根据当前时刻之前的预设历史时段内,神经网络多次生成的目标时钟频率和目标工作电压,和/或预设历史时段内无线调制解调器的多个负载值,修正神经网络。
举例来说,在步骤105生成了神经网络之后,还可以根据无线调制解调器工作过程中的统计数据来修正神经网络。统计数据例如可以包括:当前时刻之前的历史时段内,按照预设的频率记录的神经网络多次生成的多个目标时钟频率和多个目标工作电压,还可以包括在历史时段内按照预设的频率记录的无线调制解调器的多个负载值,其中,负载值可以是无线调制解调器的总负载值,也可以是无线调制解调器的各个功能模块的负载值。例如,在将当前时刻的信道参数作为神经网络的输入时,将神经网络的输出,和历史时段内,按照预设的频率记录的神经网络生成的多个目标时钟频率和多个目标工作电压求差,作为反向权重来修正神经网络,以提高神经网络与无线信道的匹配程度,进一步提高时钟频率和工作电压调整的准确度,进而降低无线调制解调器的功耗。
综上所述,本公开首先获取无线调制解调器在当前时刻的信道参数,再基于信道参数,利用预先训练的神经网络来生成无线调制解调器的目标时钟频率和目标工作电压,最后将无线调制解调器的工作电压和时钟频率分别调整目标工作电压刚和目标时钟频率。能够根据无线信道的状态,实时对无线调制解调器的时钟频率和工作电压进行调整,提高了调整的准确度,降低了功耗。
图6是根据一示例性实施例示出的一种无线调制解调器的调整装置的框图,如图6所示,包括以下模块:
获取模块201,用于获取无线调制解调器的当前时刻的信道参数。
处理模块202,用于基于信道参数,使用预先训练的神经网络来生成无线调制解调器的目标时钟频率和目标工作电压。
调整模块203,用于将无线调制解调器的工作电压和时钟频率分别调整为目标工作电压和目标时钟频率。
可选地,信道参数可以包括:
信道带宽、信号强度、信噪比SNR、参考信号接收功率RSRP、上下行资源调度策略、调制方式、编码方式、传输块尺寸中的至少一种。
进一步的,当无线调制解调器包括多个功能模块时,处理模块202可以用于执行以下步骤:
将信道参数作为神经网络的输入,以获取神经网络输出的与多个功能模块中的至少一个功能模块对应的至少一个目标时钟频率和目标工作电压。
调整模块203可以用于执行以下步骤:
将至少一个功能模块中的每一个的时钟频率调整为神经网络输出的与该功能模块对应的目标时钟频率,将至少一个功能模块中的每一个的工作电压调整为神经网络输出的与该功能模块对应的目标工作电压。
可选地,神经网络预先通过以下步骤而进行训练:
步骤A),获取样本输入集以及相关联的样本输出集,样本输入集中的每个样本输入包括针对无线调制解调器预设的一组信道参数,相关联的样本输出集中的每个样本输出包括无线调制解调器在对应的一组信道参数下工作时的样本工作电压和样本始终频率,并且样本工作电压和样本时钟频率为无线调制解调器在满足预设性能条件时的目标工作电压和目标时钟频率。
步骤B),将每个样本输入所包括的一组信道参数作为神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为神经网络的输出,训练神经网络。
其中,步骤B)的实现可以包括以下步骤:
1)将第一信道参数作为初始神经网络的输入,以获取初始神经网络的输出,第一信道参数为多组信道参数中的任一组信道参数。
2)将初始神经网络的输出与第一样本输出进行比较,以修正初始神经网络中至少一个神经元的参数,第一样本输出为无线调制解调器在第一信道参数下工作时的样本工作电压和样本时钟频率。
重复执行1)至2)的步骤,直至初始神经网络满足预设条件。将满足预设条件的初始神经网络作为该神经网络
可选地,步骤A)的实现可以包括以下步骤:
3)通过预设的仿真软件模拟多组信道参数中每组信道参数对应的无线信道,和无线信道待传输的下行数据。
4)通过仿真软件模拟无线调制解调器在无线信道下接收下行数据的情况,并确定无线调制解调器的接收情况满足预设性能条件时的目标工作电压和目标时钟频率。
5)将输入的每组信道参数作为一个样本输入,并且将仿真软件输出的、无线调制解调器在满足预设性能条件时的目标工作电压和目标时钟频率作为与每个样本输入对应的一个样本输出。
进一步的,神经网络还通过以下步骤进行修正:
步骤C),根据当前时刻之前的预设历史时段内,神经网络多次生成的目标时钟频率和目标工作电压,和/或预设历史时段内无线调制解调器的多个负载值,修正神经网络。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
综上所述,本公开首先获取无线调制解调器在当前时刻的信道参数,再基于信道参数,利用预先训练的神经网络来生成无线调制解调器的目标时钟频率和目标工作电压,最后将无线调制解调器的工作电压和时钟频率分别调整目标工作电压刚和目标时钟频率。能够根据无线信道的状态,实时对无线调制解调器的时钟频率和工作电压进行调整,提高了调整的准确度,降低了功耗。
图7是根据一示例性实施例示出的一种电子设备300的框图。如图7所示,该电子设备300可以包括:处理器301,存储器302。该电子设备300还可以包括多媒体组件303,输入/输出(I/O)接口304,以及通信组件305中的一者或多者。
其中,处理器301用于控制该电子设备300的整体操作,以完成上述的无线调制解调器的调整方法中的全部或部分步骤。存储器302用于存储各种类型的数据以支持在该电子设备300的操作,这些数据例如可以包括用于在该电子设备300上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件303可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器302或通过通信组件305发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口304为处理器301和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件305用于该电子设备300与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件305可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,电子设备300可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的无线调制解调器的调整方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的无线调制解调器的调整方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器302,上述程序指令可由电子设备300的处理器301执行以完成上述的无线调制解调器的调整方法。
综上所述,本公开首先获取无线调制解调器在当前时刻的信道参数,再基于信道参数,利用预先训练的神经网络来生成无线调制解调器的目标时钟频率和目标工作电压,最后将无线调制解调器的工作电压和时钟频率分别调整目标工作电压刚和目标时钟频率。能够根据无线信道的状态,实时对无线调制解调器的时钟频率和工作电压进行调整,提高了调整的准确度,降低了功耗。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,本领域技术人员在考虑说明书及实践本公开后,容易想到本公开的其它实施方案,均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。同时本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。本公开并不局限于上面已经描述出的精确结构,本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种无线调制解调器的调整方法,其特征在于,所述方法包括:
获取无线调制解调器的当前时刻的信道参数;
基于所述信道参数,使用预先训练的神经网络来生成所述无线调制解调器的目标时钟频率和目标工作电压;
将所述无线调制解调器的工作电压和时钟频率分别调整为所述目标工作电压和所述目标时钟频率;
所述神经网络预先通过以下步骤而进行训练:
获取样本输入集以及相关联的样本输出集,所述样本输入集中的每个样本输入包括针对所述无线调制解调器预设的一组信道参数,所述相关联的样本输出集中的每个样本输出包括所述无线调制解调器在对应的一组信道参数下工作时的样本工作电压和样本时钟频率,并且所述样本工作电压和所述样本时钟频率为所述无线调制解调器在满足预设性能条件时的目标工作电压和目标时钟频率;
将每个样本输入所包括的一组信道参数作为所述神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为所述神经网络的输出,训练所述神经网络。
2.根据权利要求1所述的方法,其特征在于,所述无线调制解调器包括多个功能模块,并且所述基于所述信道参数,使用预先训练的神经网络来生成所述无线调制解调器的目标时钟频率和目标工作电压,包括:
将所述信道参数作为所述神经网络的输入,以获取所述神经网络输出的与所述多个功能模块中的至少一个功能模块对应的至少一个目标时钟频率和至少一个目标工作电压;
所述将所述无线调制解调器的工作电压和时钟频率分别调整为所述目标工作电压和所述目标时钟频率,包括:
将所述至少一个功能模块中的每一个的时钟频率调整为所述神经网络输出的与该功能模块对应的目标时钟频率,将所述至少一个功能模块中的每一个的工作电压调整为所述神经网络输出的与该功能模块对应的目标工作电压。
3.根据权利要求1所述的方法,其特征在于,所述获取样本输入集以及相关联的样本输出集,包括:
通过预设的仿真软件模拟多组信道参数中每组信道参数对应的无线信道,和所述无线信道待传输的下行数据;
通过所述仿真软件模拟所述无线调制解调器在所述无线信道下接收所述下行数据的情况,并确定所述无线调制解调器的接收情况满足预设性能条件时的目标工作电压和目标时钟频率;
将输入的每组信道参数作为一个样本输入,并且将所述仿真软件输出的、所述无线调制解调器在满足所述预设性能条件时的目标工作电压和目标时钟频率作为与每个样本输入对应的一个样本输出。
4.根据权利要求1所述的方法,其特征在于,在所述将每个样本输入所包括的一组信道参数作为所述神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为所述神经网络的输出,训练所述神经网络之后,所述神经网络还通过以下步骤进行修正:
根据所述当前时刻之前的预设历史时段内,所述神经网络多次生成的所述目标时钟频率和所述目标工作电压,和/或所述预设历史时段内所述无线调制解调器的多个负载值,修正所述神经网络。
5.根据权利要求1所述的方法,其特征在于,所述信道参数包括:
信道带宽、信号强度、信噪比SNR、参考信号接收功率RSRP、上下行资源调度策略、调制方式、编码方式、传输块尺寸中的至少一种。
6.一种无线调制解调器的调整装置,其特征在于,所述装置包括:
获取模块,用于获取无线调制解调器的当前时刻的信道参数;
处理模块,用于基于所述信道参数,使用预先训练的神经网络来生成所述无线调制解调器的目标时钟频率和目标工作电压;
调整模块,用于将所述无线调制解调器的工作电压和时钟频率分别调整为所述目标工作电压和所述目标时钟频率;
所述神经网络预先通过以下步骤而进行训练:
获取样本输入集以及相关联的样本输出集,所述样本输入集中的每个样本输入包括针对所述无线调制解调器预设的一组信道参数,所述相关联的样本输出集中的每个样本输出包括所述无线调制解调器在对应的一组信道参数下工作时的样本工作电压和样本始终频率,并且所述样本工作电压和所述样本时钟频率为所述无线调制解调器在满足预设性能条件时的目标工作电压和目标时钟频率;
将每个样本输入所包括的一组信道参数作为所述神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为所述神经网络的输出,训练所述神经网络。
7.根据权利要求6所述的装置,其特征在于,所述无线调制解调器包括多个功能模块;
所述处理模块用于,将所述信道参数作为所述神经网络的输入,以获取所述神经网络输出的与所述多个功能模块中的至少一个功能模块对应的至少一个目标时钟频率和目标工作电压;
所述调整模块用于,将所述至少一个功能模块中的每一个的时钟频率调整为所述神经网络输出的与该功能模块对应的目标时钟频率,将所述至少一个功能模块中的每一个的工作电压调整为所述神经网络输出的与该功能模块对应的目标工作电压。
8.根据权利要求6所述的装置,其特征在于,所述样本输入集以及相关联的样本输出集通过以下步骤来获取:
通过预设的仿真软件模拟多组信道参数中每组信道参数对应的无线信道,和所述无线信道待传输的下行数据;
通过所述仿真软件模拟所述无线调制解调器在所述无线信道下接收所述下行数据的情况,并确定所述无线调制解调器的接收情况满足预设性能条件时的目标工作电压和目标时钟频率;
将输入的每组信道参数作为一个样本输入,并且将所述仿真软件输出的、所述无线调制解调器在满足所述预设性能条件时的目标工作电压和目标时钟频率作为与每个样本输入对应的一个样本输出。
9.根据权利要求6所述的装置,其特征在于,在所述将每个样本输入所包括的一组信道参数作为所述神经网络的输入,将与每个样本输入相关联的样本输出所包括的样本工作电压和样本时钟频率作为所述神经网络的输出,训练所述神经网络之后,所述神经网络还通过以下步骤进行修正:
根据所述当前时刻之前的预设历史时段内,所述神经网络多次生成的所述目标时钟频率和所述目标工作电压,和/或所述预设历史时段内所述无线调制解调器的多个负载值,修正所述神经网络。
10.根据权利要求6所述的装置,其特征在于,所述信道参数包括:
信道带宽、信号强度、信噪比SNR、参考信号接收功率RSRP、上下行资源调度策略、调制方式、编码方式、传输块尺寸中的至少一种。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910760086.0A CN110417516B (zh) | 2019-08-16 | 2019-08-16 | 无线调制解调器的调整方法及装置 |
US16/693,095 US11190296B2 (en) | 2019-08-16 | 2019-11-22 | Method and device for adjusting neural-network-based wireless modem |
EP19214641.3A EP3779641B1 (en) | 2019-08-16 | 2019-12-10 | Method and device for adjusting neural-network-based wireless modem, and storage medium |
US17/453,180 US11658767B2 (en) | 2019-08-16 | 2021-11-01 | Method and device for adjusting neural-network-based wireless modem |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910760086.0A CN110417516B (zh) | 2019-08-16 | 2019-08-16 | 无线调制解调器的调整方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110417516A CN110417516A (zh) | 2019-11-05 |
CN110417516B true CN110417516B (zh) | 2022-03-01 |
Family
ID=68367593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910760086.0A Active CN110417516B (zh) | 2019-08-16 | 2019-08-16 | 无线调制解调器的调整方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (2) | US11190296B2 (zh) |
EP (1) | EP3779641B1 (zh) |
CN (1) | CN110417516B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417516B (zh) * | 2019-08-16 | 2022-03-01 | 北京小米移动软件有限公司 | 无线调制解调器的调整方法及装置 |
CN111404856B (zh) * | 2020-03-09 | 2021-10-08 | 西安电子科技大学 | 基于深度学习网络的高阶调制信号解调方法 |
CN112578896B (zh) * | 2020-12-18 | 2023-03-28 | Oppo(重庆)智能科技有限公司 | 频率调节方法、频率调节装置、电子设备及存储介质 |
US11368349B1 (en) * | 2021-11-15 | 2022-06-21 | King Abdulaziz University | Convolutional neural networks based computationally efficient method for equalization in FBMC-OQAM system |
CN114217688B (zh) * | 2021-12-24 | 2024-05-10 | 中国科学技术大学 | 一种基于神经网络结构的npu功耗优化系统和方法 |
CN115829016B (zh) * | 2022-12-15 | 2024-01-16 | 广州鲁邦通物联网科技股份有限公司 | 基于神经网络的无线调制解调器的调整方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017980A (zh) * | 2007-02-15 | 2007-08-15 | 湖南大学 | 配电静止无功发生器的多变量控制方法 |
CN108777157A (zh) * | 2018-05-08 | 2018-11-09 | 南京邮电大学 | 基于深度神经网络预测mlc闪存电压阈值的自适应方法 |
CN109636009A (zh) * | 2018-11-22 | 2019-04-16 | 中国电力科学研究院有限公司 | 一种建立确定电网线损的神经网络模型的方法和系统 |
WO2019117623A1 (en) * | 2017-12-12 | 2019-06-20 | Samsung Electronics Co., Ltd. | Method and apparatus for operating a processor in an electronic device |
KR20190089777A (ko) * | 2018-01-23 | 2019-07-31 | 주식회사 날비컴퍼니 | 이미지의 품질 향상을 위하여 이미지를 처리하는 방법 및 장치 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6996730B2 (en) * | 2002-11-25 | 2006-02-07 | Texas Instruments Incorporated | Adjusting voltage supplied to a processor in response to clock frequency |
US8917733B2 (en) | 2011-12-06 | 2014-12-23 | Qualcomm Incorporated | Using wireless wide area network protocol information for managing a performance level of a processor |
US9820229B2 (en) * | 2013-04-05 | 2017-11-14 | Qualcomm Incorporated | Dynamic voltage and frequency scaling in wireless modems |
US20150220097A1 (en) * | 2014-02-04 | 2015-08-06 | Qualcomm Incorporated | System and method for just-in-time learning-based predictive thermal mitigation in a portable computing device |
KR102661491B1 (ko) * | 2016-12-26 | 2024-04-29 | 삼성전자주식회사 | 동적 전압 주파수 스케일링을 사용하는 시스템 온 칩 및 그것의 동작 방법 |
KR102434728B1 (ko) * | 2017-10-20 | 2022-08-19 | 상하이 캠브리콘 인포메이션 테크놀로지 컴퍼니 리미티드 | 처리방법 및 장치 |
CN110417516B (zh) * | 2019-08-16 | 2022-03-01 | 北京小米移动软件有限公司 | 无线调制解调器的调整方法及装置 |
-
2019
- 2019-08-16 CN CN201910760086.0A patent/CN110417516B/zh active Active
- 2019-11-22 US US16/693,095 patent/US11190296B2/en active Active
- 2019-12-10 EP EP19214641.3A patent/EP3779641B1/en active Active
-
2021
- 2021-11-01 US US17/453,180 patent/US11658767B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017980A (zh) * | 2007-02-15 | 2007-08-15 | 湖南大学 | 配电静止无功发生器的多变量控制方法 |
WO2019117623A1 (en) * | 2017-12-12 | 2019-06-20 | Samsung Electronics Co., Ltd. | Method and apparatus for operating a processor in an electronic device |
KR20190089777A (ko) * | 2018-01-23 | 2019-07-31 | 주식회사 날비컴퍼니 | 이미지의 품질 향상을 위하여 이미지를 처리하는 방법 및 장치 |
CN108777157A (zh) * | 2018-05-08 | 2018-11-09 | 南京邮电大学 | 基于深度神经网络预测mlc闪存电压阈值的自适应方法 |
CN109636009A (zh) * | 2018-11-22 | 2019-04-16 | 中国电力科学研究院有限公司 | 一种建立确定电网线损的神经网络模型的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20210050932A1 (en) | 2021-02-18 |
EP3779641B1 (en) | 2022-08-17 |
US20220052780A1 (en) | 2022-02-17 |
EP3779641A1 (en) | 2021-02-17 |
US11190296B2 (en) | 2021-11-30 |
US11658767B2 (en) | 2023-05-23 |
CN110417516A (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110417516B (zh) | 无线调制解调器的调整方法及装置 | |
CN108415556B (zh) | 马达振动控制方法及装置 | |
Eggers et al. | Wireless channel modeling perspectives for ultra-reliable communications | |
Saxena et al. | Reinforcement learning for efficient and tuning-free link adaptation | |
KR20160019041A (ko) | 채널 폴라리제이션 메커니즘으로 데이터를 인코딩 및 디코딩하는 시스템 | |
CN114039870A (zh) | 基于深度学习的蜂窝网络中视频流应用实时带宽预测方法 | |
CN104935446B (zh) | 基于可信度挖掘的网络质量评估方法及装置 | |
CN110969240A (zh) | 一种深度卷积神经网络的剪枝方法、装置、设备及介质 | |
KR20230041031A (ko) | 전력 제어 방법, 장치, 통신 노드 및 저장 매체 | |
Eswaran et al. | Zero-rate feedback can achieve the empirical capacity | |
CN114745079B (zh) | 一种自适应调制编码方法、接入网设备及存储介质 | |
CN109769258A (zh) | 基于安全urllc通信协议的资源优化方法 | |
US8614962B2 (en) | Communication device, communication method, and program | |
Wang et al. | A novel feed‐forward segmented digital automatic gain control algorithm for long‐term evolution digital radio‐over‐fibre systems | |
KR102006916B1 (ko) | 중계기 및 이의 신호 감쇄 방법 | |
KR20190098591A (ko) | 인지무선 단말 결정을 위한 인지무선 통신 제어 장치 인지무선 단말 결정 방법 | |
Kumwilaisak et al. | Fading channel modeling via variable-length Markov chain technique | |
Glinskiy et al. | ALPACA: An Asymmetric Loss Prediction Algorithm for Channel Adaptation Based on a Convolutional-Recurrent Neural Network in URLLC Systems | |
CN117278156B (zh) | 信道仿真方法、装置、存储介质及电子设备 | |
WO2017160429A1 (en) | Processing tracing information of a radio signal | |
EP4339842A1 (en) | Training data set acquisition method, wireless transmission method, apparatus, and communication device | |
CN115428346B (zh) | 基带芯片、用于无线通信的装置及方法 | |
WO2023186091A1 (zh) | 样本确定方法、装置及设备 | |
CN115551005A (zh) | 一种NB-IoT上行传输中的重复次数配置方法 | |
Fathy et al. | Meta-Heuristic based Adaptation Engine for Cognitive Radio Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |