CN111356232B - 参数配置方法、装置、系统及计算机可读存储介质 - Google Patents

Abstract

本公开提供了一种参数配置方法、装置、系统及计算机可读存储介质，涉及通信技术领域，所述方法包括：从室内基带处理单元获取基站的第一用户信息和最大链路吞吐量，所述第一用户信息包括基站下的无线资源控制连接数；基于所述第一用户信息，利用训练好的机器学习模型确定配置参数，所述配置参数包括物理上行链路控制信道PUCCH占用的物理资源；根据所述配置参数预测链路吞吐量；判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件；在所述差值不满足预设条件的情况下，动态调整所述配置参数，以使得所述差值满足预设条件；将调整后的配置参数发送至室内基带处理单元，以便室内基带处理单元按照接收到的配置参数进行配置。

Description

参数配置方法、装置、系统及计算机可读存储介质

技术领域

本公开涉及通信技术领域，尤其是一种参数配置方法、装置、系统及计算机可读存储介质。

背景技术

物理上行链路控制信道(Physical Uplink Control Channel，PUCCH)主要用于携带确认字符/否定确认字符(ACK/NACK)消息、信道质量指示(Channel Quality Indicator，CQI)、预编码矩阵指示(Precoding Matrix Indicator，PMI)和秩指示(Rank Indication，RI)等。

目前，在4G和5G中，PUCCH占用的物理资源是固定的。

发明内容

发明人发现，基站下的用户数量较大的情况下，PUCCH占用的物理资源可能会不够用，而基站下的用户数量较小的情况下，PUCCH占用的物理资源可能会浪费。因此，PUCCH占用固定的物理资源的情况下，小区的整体服务质量较差，用户体验较差。

为了解决上述问题，本公开实施例提出了如下解决方案。

根据本公开实施例的一方面，提供一种参数配置方法，包括：从室内基带处理单元获取基站的第一用户信息和最大链路吞吐量，所述第一用户信息包括基站下的无线资源控制连接数；基于所述第一用户信息，利用训练好的机器学习模型确定配置参数，所述配置参数包括物理上行链路控制信道PUCCH占用的物理资源；根据所述配置参数预测链路吞吐量；判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件；在所述差值不满足预设条件的情况下，动态调整所述配置参数，以使得所述差值满足预设条件；将调整后的配置参数发送至室内基带处理单元，以便室内基带处理单元按照接收到的配置参数进行配置。

在一些实施例中，所述第一用户信息还包括多个移动终端的移动速度和多个移动终端上报的信道质量指示；基于所述第一用户信息，利用训练好的机器学习模型确定配置参数包括：基于所述第一用户信息确定第二用户信息，所述第二用户信息包括多个移动终端的平均移动速度、无线资源控制连接数和多个移动终端上报的平均CQI；基于所述第二用户信息，利用训练好的机器学习模型确定所述配置参数，所述配置参数还包括CQI的上报周期。

在一些实施例中，所述方法还包括：从室内基带处理单元获取基站的第一历史用户信息，所述第一历史用户信息包括基站下的多个移动终端的历史移动速度、无线资源控制历史连接数和多个移动终端上报的历史CQI；基于所述第一历史用户信息确定第二历史用户信息，所述第二历史用户信息包括多个移动终端的历史平均移动速度、无线资源控制历史连接数和多个移动终端上报的历史平均CQI；以所述第二历史用户信息作为输入、PUCCH占用的预设物理资源和CQI的预设上报周期作为输出，对机器学习模型进行训练。

在一些实施例中，CQI的预设上报周期根据历史平均移动速度和平均CQI来确定；PUCCH占用的预设物理资源根据无线资源控制历史连接数来确定。

根据本公开实施例的另一方面，提供一种参数配置装置，包括：获取模块，用于从室内基带处理单元获取基站的第一用户信息和最大链路吞吐量，所述第一用户信息包括基站下的无线资源控制连接数；确定模块，用于基于所述第一用户信息，利用训练好的机器学习模型确定配置参数，所述配置参数包括物理上行链路控制信道PUCCH占用的物理资源；预测模块，用于根据所述配置参数预测链路吞吐量；判断模块，用于判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件；调整模块，用于在所述差值不满足预设条件的情况下，动态调整所述配置参数，以使得所述差值满足预设条件；发送模块，用于将调整后的配置参数发送至室内基带处理单元，以便室内基带处理单元按照接收到的配置参数进行配置。

在一些实施例中，所述第一用户信息还包括多个移动终端的移动速度和多个移动终端上报的信道质量指示；所述确定模块用于：基于所述第一用户信息确定第二用户信息，所述第二用户信息包括多个移动终端的平均移动速度、无线资源控制连接数和多个移动终端上报的平均CQI；基于所述第二用户信息，利用训练好的机器学习模型确定所述配置参数，所述配置参数还包括CQI的上报周期。

在一些实施例中，所述获取模块还用于从室内基带处理单元获取基站的第一历史用户信息，所述第一历史用户信息包括基站下的多个移动终端的历史移动速度、无线资源控制历史连接数和多个移动终端上报的历史CQI；所述确定模块用于基于所述第一历史用户信息确定第二历史用户信息，所述第二历史用户信息包括多个移动终端的历史平均移动速度、无线资源控制历史连接数和多个移动终端上报的历史平均CQI；所述装置还包括：训练模块，用于以所述第二历史用户信息作为输入、PUCCH占用的预设物理资源和CQI的预设上报周期作为输出，对机器学习模型进行训练。

在一些实施例中，CQI的预设上报周期根据历史平均移动速度和平均CQI来确定；PUCCH占用的预设物理资源根据无线资源控制历史连接数来确定。

根据本公开实施例的又一方面，提供一种参数配置装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行上述任意一个实施例所述的方法。

根据本公开实施例的再一方面，提供一种参数配置系统，包括：上述任意一个实施例所述的参数配置装置；室内基带处理单元，用于采集基站的第一用户信息和最大链路吞吐量，所述第一用户信息包括无线资源控制连接数；按照接收到的配置参数进行配置。

根据本公开实施例的还一方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述任意一个实施例所述的方法。

本公开实施例中，基于无线资源控制连接数确定PUCCH占用的物理资源，进而通过动态调整PUCCH占用的物理资源使得预测链路吞吐量与最大链路吞吐量之间的差值满足预设条件。这样的方式下，PUCCH占用的物理资源可以随着无线资源控制连接数动态变化，即，在用户数量不同的情况下，PUCCH占用的物理资源动态变化，提高了小区服务质量，改善了用户体验。

另外，减小了人力成本，提高了运维系效率，降低了运维成本。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本公开一些实施例的参数配置方法的流程示意图；

图2是根据本公开另一些实施例的参数配置方法的流程示意图；

图3是根据本公开一些实施例的对机器学习模型进行训练的流程示意图；

图4是根据本公开一些实施例的参数配置装置的结构示意图；

图5是根据本公开另一些实施例的参数配置装置的结构示意图；

图6是根据本公开又一些实施例的参数配置装置的结构示意图；

图7是根据本公开一些实施例的参数配置系统的结构示意图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1是根据本公开一些实施例的参数配置方法的流程示意图。

在步骤102，从室内基带处理单元(BBU)获取基站的第一用户信息和最大链路吞吐量。

第一用户信息包括基站下的无线资源控制(RRC)连接数。最大链路吞吐量例如可以是上行链路吞吐量的最大值，或者，最大下行链路吞吐量的最大值，或者，上行链路吞吐量和下行链路吞吐量之和的最大值。

应理解，这里的基站包括BBU。另外，基站还包括与BBU对应的射频拉远单元(RRU)和天线。

在步骤104，基于第一用户信息，利用训练好的机器学习模型确定配置参数，该配置参数可以包括PUCCH占用的物理资源。

在一些实施例中，可以对第一用户信息进行预处理、例如清洗、转换等。在一些实施例中，可以对第一用户信息进行特征提取(例如乘以线形特征矩阵等)以得到输入参数，然后将得到的输入参数输入到机器学习模型，以确定配置参数。

在步骤106，根据配置参数预测链路吞吐量。

在一些实施例中，可以以历史配置参数作为输入、以历史链路吞吐量作为输出对机器学习模型进行训练，从而使得训练好的机器学习模型可以根据配置参数来预测链路吞吐量。这里，历史配置参数包括PUCCH占用的历史物理资源。

在步骤108，判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件。

例如，可以基于以下损失函数来判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件：

L(Y,f(X))＝1/2×(Y-f(X))²。

X＝{PUCCH占用的物理资源}，Y＝{最大链路吞吐量}，f(X)＝{预测的链路吞吐量}。例如，在损失函数L(Y,f(X))最小的情况下，认为上述差值满足预设条件。在损失函数L(Y,f(X))不是最小的情况下，认为上述差值不满足预设条件。

在步骤112，在第二链路吞吐量与第一链路吞吐量之间的差值不满足预设条件的情况下，动态调整配置参数，以使得该差值满足预设条件。

例如，可以预先设定PUCCH占用的物理资源的可调节范围，例如，可调节范围可以是1-5个物理资源块(PRB)。根据梯度下降算法来不断迭代计算，从而可以得到每个PUCCH占用的物理资源对应的L(Y,f(X))，进而可以得到最小的L(Y,f(X))。

在步骤114，将调整后的配置参数发送至室内基带处理单元，以便室内基带处理单元按照接收到的配置参数进行配置。

例如，可以将使得L(Y,f(X))最小的PUCCH占用的物理资源作为调整后的配置参数。

上述实施例中，基于无线资源控制连接数确定PUCCH占用的物理资源，进而通过动态调整PUCCH占用的物理资源使得预测链路吞吐量与最大链路吞吐量之间的差值满足预设条件。这样的方式下，PUCCH占用的物理资源可以随着无线资源控制连接数动态变化，即，在用户数量不同的情况下，PUCCH占用的物理资源动态变化，提高了小区服务质量，改善了用户体验。

例如，RRC连接数越大，PUCCH占用的物理资源越大；RRC连接数越小，PUCCH占用的物理资源越小。

另外，现有的信道质量指示(Channel Quality Indicator，CQI)的上报周期也是固定的^CQI用来反映下行物理共享信道(PDSCH)的信道质量。例如，可以用0～15来表示PDSCH的信道质量。0表示信道质量最差，15表示信道质量最好。移动终端将CQI上报给基站后，基站即可获知当前PDSCH的信道质量，进而可以有根据的来调度PDSCH。

发明人注意到，对于移动速度较快的用户来说，CQI固定的上报周期不能使得基站及时了解PDSCH的信道质量变化，而对于移动速度较慢的用户来说，CQI固定的上报周期增加了移动终端的压力。

因此，本公开实施例还提出图2所示的解决方案。

图2是根据本公开另一些实施例的参数配置方法的流程示意图。

在步骤202，从室内基带处理单元获取基站的第一用户信息和最大链路吞吐量。第一用户信息包括基站下的无线资源控制连接数、多个移动终端的移动速度和多个移动终端上报的信道质量指示。

在步骤204，基于第一用户信息确定第二用户信息，第二用户信息包括多个移动终端的平均移动速度、无线资源控制连接数和多个移动终端上报的平均CQI。

在步骤206，基于第二用户信息，利用训练好的机器学习模型确定配置参数，该配置参数包括PUCCH占用的物理资源和CQI的上报周期。

类似地，可以对第二用户信息进行预处理、例如清洗、转换等。在一些实施例中，可以对第二用户信息进行特征提取以得到输入参数，然后将得到的输入参数输入到机器学习模型，以确定配置参数。

在步骤208，根据配置参数预测链路吞吐量。

在一些实施例中，可以以历史配置参数作为输入、以历史链路吞吐量作为输出对机器学习模型进行训练，从而使得训练好的机器学习模型可以根据配置参数来预测链路吞吐量。这里，历史配置参数包括PUCCH占用的历史物理资源和CQI的历史上报周期。

在步骤210，判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件。

例如，可以基于以下损失函数来判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件：

L(Y,f(X))＝1/2×(Y-f(X))²。

X＝{PUCCH占用的物理资源，CQI的上报周期}，Y＝{最大链路吞吐量}，f(X)＝{预测的链路吞吐量}。例如，在损失函数L(Y,f(X))最小的情况下，认为上述差值满足预设条件。在损失函数L(Y,f(X))不是最小的情况下，认为上述差值不满足预设条件。

在步骤212，在差值不满足预设条件的情况下，动态调整配置参数，以使得差值满足预设条件。

例如，可以预先设定PUCCH占用的物理资源的可调节范围和CQI的上报周期的可调节值。例如，PUCCH占用的物理资源的可调节范围可以是1-5个物理资源块(PRB)，CQI的上报周期的可调节值可以是5ms、10ms、15ms、20ms等。根据梯度下降算法来不断迭代计算，从而可以得到每个PUCCH占用的物理资源和CQI的上报周期的可调节值对应的L(Y,f(X))，进而可以得到最小的L(Y,f(X))。

在步骤214，将调整后的配置参数发送至室内基带处理单元，以便室内基带处理单元按照接收到的配置参数进行配置。

例如，可以将使得L(Y,f(X))最小的PUCCH占用的物理资源和CQI的上报周期作为调整后的配置参数。

上述实施例中，基于多个移动终端的平均移动速度、无线资源控制连接数和多个移动终端上报的平均CQI，确定PUCCH占用的物理资源和CQI的上报周期，进而通过动态调整PUCCH占用的物理资源和CQI的上报周期使得预测链路吞吐量与最大链路吞吐量之间的差值满足预设条件。这样的方式下，一方面，PUCCH占用的PUCCH占用的物理资源随着用户数量动态变化，另一方面，CQI的上报周期随着多个移动终端的平均移动速度和多个移动终端上报的平均CQI动态变化，更好地满足了不同用户的需求，从而进一步提高了小区服务质量，进一步改善了用户体验。

图3是根据本公开一些实施例的对机器学习模型进行训练的流程示意图。

在步骤302，从室内基带处理单元获取基站的第一历史用户信息，第一历史用户信息包括基站下的多个移动终端的历史移动速度、无线资源控制历史连接数和多个移动终端上报的历史CQI。

在步骤304，基于第一历史用户信息确定第二历史用户信息，第二历史用户信息包括多个移动终端的历史平均移动速度、无线资源控制历史连接数和多个移动终端上报的历史平均CQI。

在步骤306，以第二历史用户信息作为输入、PUCCH占用的预设物理资源和CQI的预设上报周期作为输出，对机器学习模型进行训练。

在一些实施例中，CQI的预设上报周期可以根据历史平均移动速度和平均CQI来确定。例如，历史平均移动速度和平均CQI越大，CQI的预设上报周期越小。在一些实施例中，PUCCH占用的预设物理资源可以根据无线资源控制历史连接数来确定。例如，无线资源控制历史连接数越大，PUCCH占用的预设物理资源越大。

这样的方式下，训练后的机器学习模型可以根据输入的多个移动终端的平均移动速度、无线资源控制连接数和多个移动终端上报的平均CQI，来确定相应的PUCCH占用的预设物理资源和CQI的上报周期。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于装置实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

图4是根据本公开一些实施例的参数配置装置的结构示意图。如图4所示，该实施例的参数配置装置包括获取模块401、确定模块402、预测模块403、判断模块404、调整模块405和发送模块406。

获取模块401用于从室内基带处理单元获取基站的第一用户信息，和最大链路吞吐量，第一用户信息包括基站下的无线资源控制连接数。确定模块402用于基于第一用户信息，利用训练好的机器学习模型确定配置参数，配置参数包括物理上行链路控制信道PUCCH占用的物理资源。预测模块403用于根据配置参数预测链路吞吐量。判断模块404用于判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件。调整模块405用于在差值不满足预设条件的情况下，动态调整所述配置参数，以使得差值满足预设条件。发送模块406用于将调整后的配置参数发送至室内基带处理单元，以便室内基带处理单元按照接收到的配置参数进行配置。

在一些实施例中，第一用户信息还包括多个移动终端的移动速度和多个移动终端上报的信道质量指示。相应地，该实施例中的确定模块402用于基于第一用户信息确定第二用户信息，第二用户信息包括多个移动终端的平均移动速度、无线资源控制连接数和多个移动终端上报的平均CQI；基于第二用户信息，利用训练好的机器学习模型确定配置参数，配置参数还包括CQI的上报周期。

图5是根据本公开另一些实施例的参数配置装置的结构示意图。如图5所示，该实施例的参数配置装置与图4相比还包括训练模块501。

获取模块401还用于从室内基带处理单元获取基站的第一历史用户信息，第一历史用户信息包括基站下的多个移动终端的历史移动速度、无线资源控制历史连接数和多个移动终端上报的历史CQI。

确定模块402还用于基于第一历史用户信息确定第二历史用户信息，第二历史用户信息包括多个移动终端的历史平均移动速度、无线资源控制历史连接数和多个移动终端上报的历史平均CQI。

训练模块501用于以第二历史用户信息作为输入、PUCCH占用的预设物理资源和CQI的预设上报周期作为输出，对机器学习模型进行训练。例如，CQI的预设上报周期根据历史平均移动速度和平均CQI来确定；PUCCH占用的预设物理资源根据无线资源控制历史连接数来确定。

图6是根据本公开又一些实施例的参数配置装置的结构示意图。如图6所示，该实施例的参数配置装置600包括存储器601以及耦接至该存储器601的处理器602，处理器602被配置为基于存储在存储器601中的指令，执行前述任意一个实施例的方法。

存储器601例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如可以存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。

参数配置装置600还可以包括输入输出接口603、网络接口604、存储接口605等。这些接口603、604、605之间、以及存储器601与处理器602之间例如可以通过总线606连接。输入输出接口603为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口604为各种联网设备提供连接接口。存储接口605为SD卡、U盘等外置存储设备提供连接接口。

图7是根据本公开一些实施例的参数配置系统的结构示意图。

如图7所示，参数配置系统包括上述任意一个实施例的参数配置装置701和室内基带处理单元702。室内基带处理单元702用于采集基站的第一用户信息和最大链路吞吐量，第一用户信息包括无线资源控制连接数；以及按照接收到的配置参数进行配置。参数配置系统还可以包括与室内基带处理单元702连接的射频拉远单元703。

参数配置系统上电后，室内基带处理单元702先配置PUCCH占用的物理资源初始值(例如2物理资源块(PRB))和/或CQI的上报周期的初始值(例如10ms)。室内基带处理单元702采集基站的第一用户信息和最大链路吞吐量。参数配置装置701根据第一用户信息和最大链路吞吐量动态调整配置参数，并(例如通过应用程序(API)接口)发送给室内基带处理单元702。室内基带处理单元702按照接收到的配置参数进行配置，即动态调整PUCCH占用的物理资源和/或CQI的上报周期。

本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解，可由计算机程序指令实现流程图中一个流程或多个流程和/或方框图中一个方框或多个方框中指定的功能。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (11)

1.一种参数配置方法，包括：

从室内基带处理单元获取基站的第一用户信息和最大链路吞吐量，所述第一用户信息包括基站下的无线资源控制连接数；

基于所述第一用户信息，利用训练好的机器学习模型确定配置参数，所述配置参数包括物理上行链路控制信道PUCCH占用的物理资源；

根据所述配置参数预测链路吞吐量；

判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件；

在所述差值不满足预设条件的情况下，动态调整所述配置参数，以使得所述差值满足预设条件；

将调整后的配置参数发送至室内基带处理单元，以便室内基带处理单元按照接收到的配置参数进行配置。

2.根据权利要求1所述的方法，其中，所述第一用户信息还包括多个移动终端的移动速度和多个移动终端上报的信道质量指示；

基于所述第一用户信息，利用训练好的机器学习模型确定配置参数包括：

基于所述第一用户信息确定第二用户信息，所述第二用户信息包括多个移动终端的平均移动速度、无线资源控制连接数和多个移动终端上报的平均CQI；

基于所述第二用户信息，利用训练好的机器学习模型确定所述配置参数，所述配置参数还包括CQI的上报周期。

3.根据权利要求2所述的方法，还包括：

从室内基带处理单元获取基站的第一历史用户信息，所述第一历史用户信息包括基站下的多个移动终端的历史移动速度、无线资源控制历史连接数和多个移动终端上报的历史CQI；

基于所述第一历史用户信息确定第二历史用户信息，所述第二历史用户信息包括多个移动终端的历史平均移动速度、无线资源控制历史连接数和多个移动终端上报的历史平均CQI；

以所述第二历史用户信息作为输入、PUCCH占用的预设物理资源和CQI的预设上报周期作为输出，对机器学习模型进行训练。

4.根据权利要求3所述的方法，其中，

CQI的预设上报周期根据历史平均移动速度和平均CQI来确定；

PUCCH占用的预设物理资源根据无线资源控制历史连接数来确定。

5.一种参数配置装置，包括：

获取模块，用于从室内基带处理单元获取基站的第一用户信息和最大链路吞吐量，所述第一用户信息包括基站下的无线资源控制连接数；

确定模块，用于基于所述第一用户信息，利用训练好的机器学习模型确定配置参数，所述配置参数包括物理上行链路控制信道PUCCH占用的物理资源；

预测模块，用于根据所述配置参数预测链路吞吐量；

判断模块，用于判断预测的链路吞吐量与最大链路吞吐量之间的差值是否满足预设条件；

调整模块，用于在所述差值不满足预设条件的情况下，动态调整所述配置参数，以使得所述差值满足预设条件；

发送模块，用于将调整后的配置参数发送至室内基带处理单元，以便室内基带处理单元按照接收到的配置参数进行配置。

6.根据权利要求5所述的装置，其中，所述第一用户信息还包括多个移动终端的移动速度和多个移动终端上报的信道质量指示；

所述确定模块用于：

基于所述第一用户信息确定第二用户信息，所述第二用户信息包括多个移动终端的平均移动速度、无线资源控制连接数和多个移动终端上报的平均CQI；

基于所述第二用户信息，利用训练好的机器学习模型确定所述配置参数，所述配置参数还包括CQI的上报周期。

7.根据权利要求6所述的装置，其中，

所述获取模块还用于从室内基带处理单元获取基站的第一历史用户信息，所述第一历史用户信息包括基站下的多个移动终端的历史移动速度、无线资源控制历史连接数和多个移动终端上报的历史CQI；

所述确定模块还用于基于所述第一历史用户信息确定第二历史用户信息，所述第二历史用户信息包括多个移动终端的历史平均移动速度、无线资源控制历史连接数和多个移动终端上报的历史平均CQI；

所述装置还包括：

训练模块，用于以所述第二历史用户信息作为输入、PUCCH占用的预设物理资源和CQI的预设上报周期作为输出，对机器学习模型进行训练。

8.根据权利要求7所述的装置，其中，

CQI的预设上报周期根据历史平均移动速度和平均CQI来确定；

PUCCH占用的预设物理资源根据无线资源控制历史连接数来确定。

9.一种参数配置装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1-4任意一项所述的方法。

10.一种参数配置系统，包括：

权利要求5-8 任意一项所述的参数配置装置；

室内基带处理单元，用于采集基站的第一用户信息和最大链路吞吐量，所述第一用户信息包括无线资源控制连接数；按照接收到的配置参数进行配置。

11.一种计算机可读存储介质，其上存储有计算机程序指令，其中，该指令被处理器执行时实现权利要求1-4任意一项所述的方法。

Images