CN113453257A - 无线通信网络性能优化方法及装置 - Google Patents

无线通信网络性能优化方法及装置 Download PDF

Info

Publication number
CN113453257A
CN113453257A CN202111000514.3A CN202111000514A CN113453257A CN 113453257 A CN113453257 A CN 113453257A CN 202111000514 A CN202111000514 A CN 202111000514A CN 113453257 A CN113453257 A CN 113453257A
Authority
CN
China
Prior art keywords
node
wireless communication
communication network
determining
network performance
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.)
Granted
Application number
CN202111000514.3A
Other languages
English (en)
Other versions
CN113453257B (zh
Inventor
詹行
黄永明
何世文
尤肖虎
易云山
任鹏
杨沛
吴志杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Network Communication and Security Zijinshan Laboratory
Original Assignee
Network Communication and Security Zijinshan Laboratory
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Network Communication and Security Zijinshan Laboratory filed Critical Network Communication and Security Zijinshan Laboratory
Priority to CN202111000514.3A priority Critical patent/CN113453257B/zh
Publication of CN113453257A publication Critical patent/CN113453257A/zh
Application granted granted Critical
Publication of CN113453257B publication Critical patent/CN113453257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种无线通信网络性能优化方法及装置，其中方法包括：根据无线通信网络性能知识图谱确定影响目标指标的目标节点；基于所述目标节点对所述目标指标进行优化。本发明提供的无线通信网络性能优化方法及装置，通过无线通信网络性能知识图谱中各节点的边连接关系、边权重和节点间影响效率，确定影响网络级性能评估指标和用户级性能评估指标的关键性节点，从而实现对无线通信网络性能和用户体验质量的精确优化。

Description

无线通信网络性能优化方法及装置
技术领域
本发明涉及通信技术领域，尤其涉及一种无线通信网络性能优化方法及装置。
背景技术
无线通信网络数据的特征具有多样化的特点，同时生成、承载和传输这些无线通信网络数据的网络结构、终端类型、终端行为、数据业务需求、系统资源等具有高动态性、时效性强及相互耦合性等特点。
鉴于无线通信网络数据的多源异质性和组织结构松散，无线网络结构层次化和扁平化相耦合的特点，影响无线通信网络整体性能和用户端体验质量的因素十分复杂。目前尚无成熟的技术能够厘清所有影响无线通信网络性能各因素之间的关联关系，无法精确地对无线通信网络性能和用户体验质量进行优化。
发明内容
本发明提供一种无线通信网络性能优化方法及装置，用以解决现有技术中无法厘清所有影响无线通信网络性能各因素之间的关联关系的缺陷，实现对无线通信网络性能和用户体验质量的精准优化。
本发明提供一种无线通信网络性能方法，包括：
根据无线通信网络性能知识图谱确定影响目标指标的目标节点；
基于所述目标节点对所述目标指标进行优化。
根据本发明提供的一种无线通信网络性能方法，所述根据无线通信网络性能知识图谱确定影响目标指标的目标节点之前，还包括：
构建所述无线通信网络性能知识图谱。
根据本发明提供的一种无线通信网络性能方法，所述构建所述无线通信网络性能知识图谱，包括：
基于第一数据和第二数据的实体类型和关联关系确定原因节点和结果节点，并将所述原因节点和所述结果节点进行有向连接；
确定所述原因节点和所述结果节点之间的边连接强度，所述边连接强度是指所述原因节点的任一状态导致所述结果节点的所有状态发生的概率之和。
根据本发明提供的一种无线通信网络性能方法，所述方法还包括：
通过参数增量修改对所述无线通信网络性能知识图谱中的原始结构图进行修改；
在修改后的结构图为有向无环图的情况下，确定所述修改后的结构图为更新后的结构图；
在所述修改后的结构图为有向有环图的情况下，确定备选结构图为更新后的结构图；
在更新后的结构图与对应的更新前的结构图的联合概率分布的误差平方和小于预设值的情况下，完成所述无线通信网络性能知识图谱的更新。
根据本发明提供的一种无线通信网络性能方法，所述根据无线通信网络性能知识图谱确定影响目标指标的目标节点，包括：
确定所述无线通信网络性能知识图谱中与所述目标指标的连通路径上各边的边权重，所述边权重是基于对边连接强度进行归一化处理后确定的；
基于边权重确定所述目标指标的连通路径上第一节点的重要性度量，所述第一节点的重要性度量是基于所述第一节点的出强度、入强度以及其它节点对所述第一节点的输出和接收方面的贡献值确定的；
基于所述目标指标的连通路径上第一节点的重要性度量确定所述目标节点。
本发明还提供一种无线通信网络性能装置，包括：
第一确定模块，用于根据无线通信网络性能知识图谱确定影响目标指标的目标节点；
优化模块，用于基于所述目标节点对所述目标指标进行优化。
根据本发明提供的一种无线通信网络性能装置，所述装置还包括构建模块；
所述构建模块用于构建所述无线通信网络性能知识图谱。
根据本发明提供的一种无线通信网络性能装置，所述构建模块包括第一确定子模块和第二确定子模块；
所述第一确定子模块用于基于第一数据和第二数据的实体类型和关联关系确定原因节点和结果节点，并将所述原因节点和所述结果节点进行有向连接；
所述第二确定子模块用于确定所述原因节点和所述结果节点之间的边连接强度，所述边连接强度是指所述原因节点的任一状态导致所述结果节点的所有状态发生的概率之和。
根据本发明提供的一种无线通信网络性能装置，所述装置还包括修改模块、第二确定模块和更新模块；
所述修改模块用于通过参数增量修改对所述无线通信网络性能知识图谱中的原始结构图进行修改；
所述第二确定模块用于在修改后的结构图为有向无环图的情况下，确定所述修改后的结构图为更新后的结构图；在所述修改后的结构图为有向有环图的情况下，确定备选结构图为更新后的结构图；
所述更新模块用于在更新后的结构图与对应的更新前的结构图的联合概率分布的误差平方和小于预设值的情况下，完成所述无线通信网络性能知识图谱的更新。
根据本发明提供的一种无线通信网络性能装置，所述第一确定模块包括第三确定子模块、第四确定子模块和第五确定子模块；
所述第三确定子模块用于确定所述无线通信网络性能知识图谱中与所述目标指标的连通路径上各边的边权重，所述边权重是基于对边连接强度进行归一化处理后确定的；
所述第四确定子模块用于基于边权重确定所述目标指标的连通路径上第一节点的重要性度量，所述第一节点的重要性度量是基于所述第一节点的出强度、入强度以及其它节点对所述第一节点的输出和接收方面的贡献值确定的；
所述第五确定子模块用于基于所述目标指标的连通路径上第一节点的重要性度量确定所述目标节点。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述无线通信网络性能优化方法的步骤。
本发明还提供一种非暂态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如上述任一种所述无线通信网络性能优化方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述无线通信网络性能优化方法的步骤。
本发明提供的无线通信网络性能优化方法及装置，通过无线通信网络性能知识图谱中各节点的边连接关系、边权重和节点间影响效率，确定影响网络级性能评估指标和用户级性能评估指标的关键性节点，从而实现对无线通信网络性能和用户体验质量的精确优化。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明实施例提供的无线通信网络性能优化方法的流程示意图之一；
图2是本发明实施例提供的更新无线通信网络性能知识图谱的流程示意图；
图3是本发明实施例提供的无线通信网络性能优化方法的流程示意图之二；
图4是本发明实施例提供的无线通信网络性能优化装置的结构示意图；
图5是本发明实施例提供的电子设备的结构示意图。
具体实施方式
无线通信网络数据的特征具有多样化的特点，包括：海量、业务类型繁多、数据源多样化、组织结构松散等。与此同时，生成、承载、传输这些无线通信网络数据的网络结构、终端类型、终端行为、数据业务需求、系统资源等都具有高动态性、高时效性及相互耦合性等特点。
这些特点导致了影响无线通信网络整体性能和用户体验质量的因素错综复杂，只有厘清所有影响无线通信网络性能因素之间的关联关系，才能实现无线通信知识的互联互通、无线通信资源的高效管理和无线通信网络的智能维护。
鉴于无线通信网络数据的多源异质性和组织结构松散，无线网络结构层次化和扁平化相耦合的特性，使得实现无线大数据环境下的无线通信知识互联互通具有极大的挑战性。目前尚无成熟的技术能够厘清所有影响无线通信网络性能各因素之间的关联关系、关联关系链条以及围绕无线通信网络性能的各种内生因素之间的关联关系，无法精确地对无线通信网络性能和用户体验质量进行优化。
因此，需要以一种可视化、层次化、结构化的方式透析所有影响无线通信网络性能因素之间的关联关系，使得无线通信网络机制内生要素与内生关联关系以一种易于理解的、结构清晰的、定位精准的、可动态展示的方式呈现出来，以实现对无线通信网络性能和用户体验质量的精确优化。
为解决现有技术中存在的上述问题，本发明实施例提供了一种无线通信网络性能优化方法及装置。
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明实施例提供的无线通信网络性能优化方法的流程示意图之一，如图1所示，本发明实施例提供一种无线通信网络性能优化方法，该方法包括：
步骤101、根据无线通信网络性能知识图谱确定影响目标指标的目标节点。
具体来说，无线通信网络知识图谱可以从网络、终端、用户、业务处理等维度全面透视无线通信网络性能，从无线、接入、核心网甚至于端到端的角度实现对无线通信网络的网络服务进行全面的监控。
在无线通信网络或者用户体验质量变化较大的情况下，可以沿着无线通信网络性能知识图谱的节点和边进行追因溯源，对影响无线通信网络性能和用户体验质量的关键节点进行诊断、分析和定位，以实现对无线通信网络性能和用户体验质量的优化。
在无线通信网络性能知识图谱中，每一个节点表征了一个与无线通信网络性能相关的数据字段或指标，这些数据字段或指标间的关联关系构成节点之间的边。将所有存在关联关系的节点进行有向连接，构成具有拓扑结构的无线通信网络性能知识图谱。
确定无线通信网络性能知识图谱中各边的权重以及各节点的重要度。边权重是基于对边连接强度进行归一化处理后确定的，边连接强度用于表征相连节点间的关联关系的关联程度。节点u与节点v之间的边连接强度为原因节点u的任一状态导致结果节点v的所有状态发生的概率之和。
通过无线通信网络性能知识图谱中各有向边的权重和节点间的影响效率确定各个节点在知识图谱中的重要度。
对于整个无线通信网络性能的优化而言，通过对无线通信网络性能知识图谱中各个节点的重要度进行排序，从中选择出对无线通信网络性能影响较大的一个或多个节点作为目标节点。
对于用户体验质量的优化，当某个指标或某类指标数据出现较大的波动，超出其预设的阈值范围时，确定所有连通到目标指标的路径，从而确定路径上所有的节点对目标指标的影响效率，对各个影响效率进行排序，从中选择出对目标指标的影响效率较大的一个或多个节点作为目标节点。
步骤102、基于所述目标节点对所述目标指标进行优化。
具体来说，对于整个无线通信网络性能的优化而言，在确定对无线通信网络性能较大的一个或多个节点作为目标节点后，围绕目标节点中可调型数据参数对无线通信网络性能进行优化。
对于用户体验质量的优化，在确定对目标指标的影响效率较大的一个或多个节点作为目标节点后，围绕目标节点中可调型数据参数对用户体验质量进行精准地、有目的性地优化。
本发明实施例提供的无线通信网络性能优化方法，通过无线通信网络性能知识图谱中各节点的边连接关系、边权重和节点间影响效率，确定影响网络级性能评估指标和用户级性能评估指标的关键性节点，从而实现对无线通信网络性能和用户体验质量的精确优化。
可选地，所述根据无线通信网络性能知识图谱确定影响目标指标的目标节点之前，还包括：
构建所述无线通信网络性能知识图谱。
具体来说，基于无线通信网络性能知识图谱对无线通信网络性能和用户体验质量进行优化之前，需要构建无线通信网络性能知识图谱。
无线通信网络性能知识图谱构建的目标在于将无线通信网络性能相关的数据字段以及指标间的关联关系以知识图谱的方式呈现出来，在本发明实施例中以节点的方式表征影响无线通信网络性能的各数据字段、指标等，以边连接关系表征各数据字段及指标间的关联关系，以边连接强度表征节点间的关联程度或依赖关系，具体步骤包括：
确定数据所属的实体类型。基于无线通信网络中各数据字段及指标的真实含义和具体统计方法，将所有的数据划分为四种实体类型，包括网络级性能评估指标、用户级性能评估指标、通用非调型数据参数和可调型数据参数四种。实体包含由于体现实体对象可能具有的特点、特征以及数据的实体属性，例如实体名称、类型、数值、字长等。
其中，网络级性能评估指标例如信号与干扰加噪声比(Signal to Interferenceplus Noise Ratio，SINR)、参考信号接收功率(Reference Signal Receiving Power，RSRP)、无线资源控制层建立连接成功率（Radio Resource Control EstablishmentSuccess Rate，RRCES）等。
用户级性能评估指标例如物理层吞吐量（Physical Throughput，PHYT）、媒体访问控制层吞吐量（Media Access Control Throughput，MACT）、分组数据汇聚协议层吞吐量（Packet Data Convergence Protocol Throughput，PDCPT）等。
通用非调型数据参数例如物理小区标识(Physical Cell Identifier，PCI)、子载波间隔（Subcarrier Spacing，SCS）、波束标识（Beam Identification，BI）等。
可调型数据参数例如上下行时隙配比（Uplink/Downlink Slot Ratio，UL/DLSR）、上行平均调制与编码策略（Uplink Average Modulation and Coding Strategy，ULAMCS）、每秒下行二进制相移键控调制占比（Binary Phase Shift Keying RatioDownlink/s，BPSKR DL/s ）等。
确定数据间的关联关系。数据间的关联关系包括因果关系、隐式关系和显式关系三种。其中，因果关系表示通用非调型数据参数和可调型数据参数对网络级性能评估指标和用户级性能评估指标的直接影响，隐式关系表示通用非调型数据参数和可调型数据参数对网络级性能评估指标或用户级性能评估指标的间接影响，显式关系表示通过对通用非调型数据参数和可调型数据参数转换到网络级性能评估指标或用户级性能评估指标所进行一定推理分析后可得到具体解析表达式关系。
确定三元体。在确定数据所属的实体类型以及数据间的关联关系后，构建具有连接关系的无线通信网络性能通用三元组，一个三元组由头实体（head）和尾实体（tail），以及头实体和尾实体之间的关联关系（relation）构成。
以每一个三元组中的头实体和尾实体作为无线通信网络性能知识图谱中的节点，头实体和尾实体之间的关联关系作为无线通信网络性能知识图谱中的边，构建无线通信网络性能知识图谱。每个节点表征了一个与无线通信网络性能相关的数据字段或指标。
根据节点间的关联关系对头实体和尾实体进行有向连接，则得到具有拓扑结构的无线通信网络性能内生因素的知识图谱。在知识图谱构建的过程中，许多原本没有明显关联关系的数据间的关联关系也显现出来。知识图谱中的节点分为孤立节点和非孤立节点两种，其中孤立节点是指知识图谱中与其他节点均无连接关系的节点，其他节点为非孤立节点。
通过上述步骤建立的无线通信网络性能知识图谱可以体现影响无线通信网络性能和用户体验质量的各数据字段和指标间的关联关系，但对各数据字段和指标间的关联程度还不能以量化的形式体现出来。
对于上述步骤构建出来的无线通信网络性能知识图谱中具有连续变量的节点进行离散化处理，使得具有连续变量的节点与其他节点之间的关联关系全部转化为离散变量节点之间的关联关系。然后根据节点数据进行节点间的关联关系学习，确定节点间的边连接强度，从而对无线通信网络性能知识图谱进行完善。
边连接强度表征了节点间的关联关系的关联程度，确定节点间的边连接强度的步骤具体包括：
对连续性节点数据进行离散化处理。对于具有连续变量的节点，利用等宽法等进行离散化处理，将具有连续变量的节点与其他节点间的关联关系变成离散变量节点间的关联关系。
计算边连接强度。对于任意的
Figure 819003DEST_PATH_IMAGE001
，
Figure 676363DEST_PATH_IMAGE002
表示节点u到节点v的一 条有方向的边，N表示无线通信网络性能知识图谱中所有节点。u为v的父节点，即原因节点； v为u的子节点，即结果节点。
节点u的数据取值有U种状态，节点v的数据取值有V种状态。节点u的第j个状态与 节点v的第k个状态间的连接事件为
Figure 592367DEST_PATH_IMAGE003
，概率值记为
Figure 641094DEST_PATH_IMAGE004
，即
Figure 757561DEST_PATH_IMAGE005
，其中
Figure 917147DEST_PATH_IMAGE006
表示括号内此事件的概率值算符。所有的概率值
Figure 313756DEST_PATH_IMAGE004
构成数据集
Figure 408751DEST_PATH_IMAGE007
。
设初始的数据集为
Figure 389345DEST_PATH_IMAGE008
，其获取方式分为两种：对于某些节点间的关联关系存在计 算公式的，可直接获取；对于节点间没有明确关联关系的，可通过离线数据学习获取。
假设t时刻进行了一次数据收集，形成的数据向量记为
Figure 710212DEST_PATH_IMAGE009
，
Figure 459862DEST_PATH_IMAGE009
记录了t时刻各节 点的状态。在一定时间内，进行了T次数据收集，形成的数据向量构成集合：
Figure 991337DEST_PATH_IMAGE010
，其中t=1,2，...，T。以递推形式动态地更新表征连接 事件的概率值
Figure 960692DEST_PATH_IMAGE004
：
Figure 727660DEST_PATH_IMAGE011
其中，
Figure 954986DEST_PATH_IMAGE012
为学习效率，
Figure 781996DEST_PATH_IMAGE013
为时刻t时的概率值，
Figure 346970DEST_PATH_IMAGE014
为观察到节点u在第j个 状态时的取值，
Figure 887935DEST_PATH_IMAGE015
为t时刻时的数据向量
Figure 736811DEST_PATH_IMAGE009
和t-1时刻的数据集
Figure 256696DEST_PATH_IMAGE016
的
Figure 433599DEST_PATH_IMAGE014
概率估计，即 它是
Figure 152156DEST_PATH_IMAGE017
的估计，其计算公式为：
Figure 232370DEST_PATH_IMAGE018
同时，根据已知的图谱结构和t-1时刻的连接强度参数可以求得
Figure 525817DEST_PATH_IMAGE019
和
Figure 688552DEST_PATH_IMAGE020
。
在t时刻数据向量
Figure 210800DEST_PATH_IMAGE009
的收集是完备的情况下，上述表达式可简化为：
Figure 644055DEST_PATH_IMAGE021
节点u与节点v之间的边连接强度为原因节点u的任一状态导致结果节点v的所有状态发生的概率之和，其在对应的时刻为一个与原因节点u的状态j无关的常数，这个常数值会随着时间t的变化而变化。
在t时刻，节点u和v之间的边连接强度计算公式为：
Figure 344289DEST_PATH_IMAGE022
本发明实施例提供的无线通信网络性能优化方法，通过构建无线通信网络性能知识图谱，建立了网络级性能评估指标、用户级性能评估指标、通用非调型数据参数和可调型数据参数之间的关联规则，同时通过边连接强度表征知识图谱中各节点间的关联关系的关联程度，实现了对影响网络级性能评估指标和用户级性能评估指标的目标节点的分析和挖掘。
可选地，所述构建所述无线通信网络性能知识图谱，包括：
基于第一数据和第二数据的实体类型和关联关系确定原因节点和结果节点，并将所述原因节点和所述结果节点进行有向连接；
确定所述原因节点和所述结果节点之间的边连接强度，所述边连接强度是指所述原因节点的任一状态导致所述结果节点的所有状态发生的概率之和。
具体来说，第一数据和第二数据都属于网络级性能评估指标、用户级性能评估指标、通用非调型数据参数和可调型数据参数中的一种。
在无线通信网络性能知识图谱中，任意一组三元组都由头实体，尾实体，以及头实体和尾实体之间的关联关系（relation）构成。头实体和尾实体作为知识图谱中的节点，每一个节点都表征一个与无线通信网络性能相关的数据字段或指标。第一数据和第二数据都对应一个节点。
通过第一数据和第二数据之间的关联关系，确定原因节点和结果节点，原因节点即父节点，结果节点即子节点。边连接强度即原因节点的任一状态导致结果节点的所有状态发生的概率之和。
在任意时刻t，原因节点u和结果节点v之间的边连接强度的计算公式为：
Figure 230206DEST_PATH_IMAGE023
可选地，所述方法还包括：
通过参数增量修改对所述无线通信网络性能知识图谱中的原始结构图进行修改；
在修改后的结构图为有向无环图的情况下，确定所述修改后的结构图为更新后的结构图；
在所述修改后的结构图为有向有环图的情况下，确定备选结构图为更新后的结构图；
在更新后的结构图与对应的更新前的结构图的联合概率分布的误差平方和小于预设值的情况下，完成所述无线通信网络性能知识图谱的更新。
具体来说，无线通信网络性能知识图谱在构建后，需要对知识图谱的结构图不断进行更新，以适应各类影响无线通信网络性能的因素的实时变化。
对于一定时间内采集的样本数据集D，根据数据的当前状态给定学习效率
Figure 556145DEST_PATH_IMAGE024
和成 熟度
Figure 608021DEST_PATH_IMAGE025
。对于原始结构图
Figure 118637DEST_PATH_IMAGE026
，通过参数增量修改方法，对结构图中的边进行修改。对结构图 中的边进行修改包括添加边、删除边和反向边三种情况。
图2是本发明实施例提供的更新无线通信网络性能知识图谱的流程示意图。如图2中（a）所示，对于增加边的情况，修改步骤为：
对于原始结构图
Figure 383527DEST_PATH_IMAGE026
，通过一次添加边的操作变成结构图
Figure 372212DEST_PATH_IMAGE027
。令
Figure 389846DEST_PATH_IMAGE027
中节点v的条 件概率等于：
Figure 569898DEST_PATH_IMAGE028
上式中等式左边为节点v在新结构图
Figure 555041DEST_PATH_IMAGE027
中的条件概率，等式右边为节点v在原结 构图
Figure 583302DEST_PATH_IMAGE026
中的条件概率。只需利用样本对新结构图
Figure 721022DEST_PATH_IMAGE026
的数据进行一次增量修改，同时更新 节点v的条件概率，即完成一次添加边的操作。
如图2中（b）所示，对于删除边的情况，修改步骤为：
对于原始结构图
Figure 573441DEST_PATH_IMAGE026
，通过一次删除边的操作变成结构图
Figure 278835DEST_PATH_IMAGE027
。令
Figure 874902DEST_PATH_IMAGE027
中节点v的条 件概率为
Figure 758806DEST_PATH_IMAGE029
，
Figure 391913DEST_PATH_IMAGE030
的表达式如 下：
Figure 227014DEST_PATH_IMAGE031
其中，
Figure 984361DEST_PATH_IMAGE032
为节点v在新结构图
Figure 955728DEST_PATH_IMAGE027
中的条件概率，
Figure 290894DEST_PATH_IMAGE033
为节点v在原结构图
Figure 849177DEST_PATH_IMAGE026
中的条件概率。其中等号后半部 分第一项为
Figure 911680DEST_PATH_IMAGE026
中节点的条件概率，第二项为
Figure 501667DEST_PATH_IMAGE026
中被删除边的节点
Figure 476577DEST_PATH_IMAGE034
在节点v的其余父 节点
Figure 286270DEST_PATH_IMAGE035
下的条件概率。只需利用样本对新结构图
Figure 388349DEST_PATH_IMAGE027
的参数进行一次增量修改，同 时更新节点v的条件概率，即完成一次删除边的操作。
对于反向边的情况，可以看做为一个添加边和一个删除边操作的复合，通过添加边和删除边的步骤组合进行两次操作即可。
通过参数增量修改方法对无线通信网络性能知识图谱中的原始结构图进行修改后，通过最小描述长度（Minimal Description Length，MDL）原理，对结构图的更新进行判定。判定准则如下：
Figure 599888DEST_PATH_IMAGE036
其中，
Figure 368867DEST_PATH_IMAGE037
，
Figure 275643DEST_PATH_IMAGE026
为原始结构图，
Figure 555315DEST_PATH_IMAGE038
为进行参数增量学习 后的结构图，
Figure 981879DEST_PATH_IMAGE039
，…，
Figure 688804DEST_PATH_IMAGE040
为对原始结构图进行了一次局部结构增删后的所有可能结构图。
Figure 82876DEST_PATH_IMAGE041
为训练样本的对数似然，
Figure 688211DEST_PATH_IMAGE042
为更新后的结构图所 表达的联合概率分布同原始结构图所表达的联合概率分布之间的误差平方和，参数
Figure 467817DEST_PATH_IMAGE025
表征 当前结构图的成熟程度，
Figure 847108DEST_PATH_IMAGE043
为学习训练后所得到的复杂结构的惩罚项，其中常量
Figure 728477DEST_PATH_IMAGE044
与该复杂结构所表达的领域复杂程度相关，领域自身的复杂程度越高则
Figure 349951DEST_PATH_IMAGE044
值越大。d为表征 结构
Figure 748178DEST_PATH_IMAGE045
的参数的维度的线性函数。
具体地，对于一定时间内采集的样本数据集合D，根据样本数据集合的当前状态给 定学习效率μ和成熟度β。对于原始结构图
Figure 796905DEST_PATH_IMAGE026
，通过参数增量修改方法，进行一次结构图中 边的修改，修改后可能出现结构图
Figure 165570DEST_PATH_IMAGE046
，利用上述判定准则生成修改后的结构图。
通过深度优先遍历算法对修改后的结构图进行搜索，如果修改后的结构图为有向无环图，则以修改后的结构图作为更新后的结构图；如果修改后的结构图为有向有环图，则从备选结构图中进行选择，确定更新后的结构图。
利用下一组样本数据集对更新后的结构图不断进行修正，不断地对结构图进行更新。当更新后的结构图与对应的更新前的结构图联合概率分布之间的误差平方和小于预设值时，终止对结构图的更新，完成对无线通信网络性能知识图谱的更新。
本发明实施例提供的无线通信网络性能优化方法，通过参数增量修改对知识图谱中的边进行修改，通过最小描述长度原理对结构图的更新选择进行判定，对图谱结构不断进行修正和更新，以弥补知识图谱构建过程中可能出现的疏漏，以对影响网络级性能评估指标和用户级性能评估指标的目标节点的分析和挖掘更加精确。
可选地，所述根据无线通信网络性能知识图谱确定影响目标指标的目标节点，包括：
确定所述无线通信网络性能知识图谱中与所述目标指标的连通路径上各边的边权重，所述边权重是基于对边连接强度进行归一化处理后确定的；
基于边权重确定所述目标指标的连通路径上第一节点的重要性度量，所述第一节点的重要性度量是基于所述第一节点的出强度、入强度以及其它节点对所述第一节点的输出和接收方面的贡献值确定的；
基于所述目标指标的连通路径上第一节点的重要性度量确定所述目标节点。
具体来说，确定影响目标指标的目标节点，需要先确定无线通信网络性能知识图谱中各边的边权重。
将边连接关系间的边连接强度进行归一化处理后作为边的边权重。对于结果节点 v，其对应的原因节点有：
Figure 826621DEST_PATH_IMAGE047
。这些原因节点与节点v之间的边连接强度分别 为：
Figure 580819DEST_PATH_IMAGE048
，
Figure 564562DEST_PATH_IMAGE049
，…，
Figure 279577DEST_PATH_IMAGE050
，对应的边权重分别为：
Figure 118220DEST_PATH_IMAGE051
，
Figure 369335DEST_PATH_IMAGE052
，…，
Figure 884499DEST_PATH_IMAGE053
。 为方便描述，下文中以
Figure 585345DEST_PATH_IMAGE054
表示节点u到节点v的边权重。
确定边权重后对各个节点的重要度进行确定。对于任意的
Figure 962100DEST_PATH_IMAGE055
，
Figure 566257DEST_PATH_IMAGE056
表示节点u到节点v的一条有方向的边，N表示无线通信网络性能知识图谱中所有节点。在任 意时刻t，有向边
Figure 753787DEST_PATH_IMAGE057
的边权重为：
Figure 708973DEST_PATH_IMAGE058
。一般情况下，在加权有向网络中
Figure 623840DEST_PATH_IMAGE059
，对于加权有向网络中任意节点的强度都有出强度和入强度之分。
在无线通信网络性能知识图谱中，节点与节点间的影响效率矩阵
Figure 112196DEST_PATH_IMAGE060
记为：
Figure 969163DEST_PATH_IMAGE061
其中，
Figure 381952DEST_PATH_IMAGE062
表示节点v对节点u的影响效率，节点v为节点u的m阶邻居节点，
Figure 366088DEST_PATH_IMAGE063
的计 算公式为：
Figure 944837DEST_PATH_IMAGE064
其中，
Figure 612186DEST_PATH_IMAGE065
表示节点v到节点u第p条最短路径上所经过的所有 边的边权重的乘积。由于更新后的结构图一定位有向无环图，因此节点v通过连通路径可以 指向节点u，但是节点u不能通过连通路径反向指向节点v，此时节点u对节点v的影响效率为 0。
基于节点与节点间的影响效率，对每个节点在整个无线通信网络性能知识图谱中的重要度进行度量，以表征每个节点在整个知识图谱汇总的重要性。每个节点在整个无线通信网络性能知识图谱中的重要度计算公式为：
Figure 869860DEST_PATH_IMAGE066
其中，
Figure 283787DEST_PATH_IMAGE067
和
Figure 592408DEST_PATH_IMAGE068
分别为节点u的出强度和入强度；
Figure 666543DEST_PATH_IMAGE069
和
Figure 441208DEST_PATH_IMAGE070
分别为节点v的出强度和入强度；
Figure 626202DEST_PATH_IMAGE071
和
Figure 54909DEST_PATH_IMAGE072
分别为节点v对节点u输出和接收方面的贡 献值；
Figure 66990DEST_PATH_IMAGE073
和
Figure 564836DEST_PATH_IMAGE074
分别为知识图谱 中除了节点u之外的其他节点对节点v的输出和接收方面的贡献值。
从而，无线通信网络性能知识图谱中所有节点的重要度为：
Figure 52056DEST_PATH_IMAGE075
对于整个无线通信网络性能知识图谱，对每个节点的重要度进行排序，从中选择出对无线通信网络性能影响较大的一个或多个节点作为目标节点。
对于用户体验质量提升，对网络级性能评估指标和用户级性能评估指标中某个或某类指标数据出现较大波动，超出其预设的阈值范围时，确定所有连通到目标指标的路径，从而确定路径上所有的节点对目标指标的影响效率，对各个影响效率进行排序，从中选择出对目标指标的影响效率较大的一个或多个节点作为目标节点。
本发明实施例提供的无线通信网络性能优化方法，通过边权重对节点间的影响效率和节点在知识图谱中的重要度进行分析，深度挖掘了知识图谱中所包含的结构图信息，确定了知识图谱中所有节点的重要度以及相连节点间的影响效率，精确地实现了对影响网络级性能评估指标和用户级性能评估指标的目标节点的确定，从而对无线通信网络性能和用户体验质量进行优化。
下面以一个具体的实施例对本发明提供的无线通信网络性能优化方法进行说明。
图3是本发明实施例提供的无线通信网络性能优化方法的流程示意图之二，如图3所示，本发明实施例提供一种无线通信网络性能优化方法，具体包括：
无线通信网络性能知识图谱的构建。通过各数据所属的实体类型和各数据间的关联关系构建三元组，多个通用三元组构成具有拓扑结构的无线通信网络性能知识图谱。
基于无线通信网络性能知识图谱实现对影响无线通信网络性能和用户体验质量的目标节点的追因溯源。
对具有连续变量的节点进行离散化处理，使得具有连续变量的节点与其他节点之间的关联关系全部转化为离散变量节点间的关联关系。确定知识图谱中各边的边连接强度，并对知识图谱中的结构图不断进行修正和更新。
在对结构图的更新完成后，确定知识图谱中各节点间的影响效率以及各节点的重要度。在某个或某类指标的数据波动超出预设的阈值范围后，基于各节点间的影响效率以及各节点的重要度确定影响该指标或该类指标的目标节点，从而对无线通信网络性能和用户体验质量进行优化。
图4是本发明实施例提供的无线通信网络性能优化装置的结构示意图，如图4所示，本发明实施例提供一种无线通信网络性能优化装置，包括：
第一确定模块401，用于根据无线通信网络性能知识图谱确定影响目标指标的目标节点；
优化模块402，用于基于所述目标节点对所述目标指标进行优化。
可选地，所述装置还包括构建模块；
所述构建模块用于构建所述无线通信网络性能知识图谱。
可选地，所述构建模块包括第一确定子模块和第二确定子模块；
所述第一确定子模块用于基于第一数据和第二数据的实体类型和关联关系确定原因节点和结果节点，并将所述原因节点和所述结果节点进行有向连接；
所述第二确定子模块用于确定所述原因节点和所述结果节点之间的边连接强度，所述边连接强度是指所述原因节点的任一状态导致所述结果节点的所有状态发生的概率之和。
可选地，所述装置还包括修改模块、第二确定模块和更新模块；
所述修改模块用于通过参数增量修改对所述无线通信网络性能知识图谱中的原始结构图进行修改；
所述第二确定模块用于在修改后的结构图为有向无环图的情况下，确定所述修改后的结构图为更新后的结构图；在所述修改后的结构图为有向有环图的情况下，确定备选结构图为更新后的结构图；
所述更新模块用于在更新后的结构图与对应的更新前的结构图的联合概率分布的误差平方和小于预设值的情况下，完成所述无线通信网络性能知识图谱的更新。
可选地，所述第一确定模块包括第三确定子模块、第四确定子模块和第五确定子模块；
所述第三确定子模块用于确定所述无线通信网络性能知识图谱中与所述目标指标的连通路径上各边的边权重，所述边权重是基于对边连接强度进行归一化处理后确定的；
所述第四确定子模块用于基于边权重确定所述目标指标的连通路径上第一节点的重要性度量，所述第一节点的重要性度量是基于所述第一节点的出强度、入强度以及其它节点对所述第一节点的输出和接收方面的贡献值确定的；
所述第五确定子模块用于基于所述目标指标的连通路径上第一节点的重要性度量确定所述目标节点。
在此需要说明的是，本发明实施例提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图5是本发明实施例提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行无线通信网络性能优化方法，包括：
根据无线通信网络性能知识图谱确定影响目标指标的目标节点；
基于所述目标节点对所述目标指标进行优化。
此外，上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的无线通信网络性能优化方法，包括：
根据无线通信网络性能知识图谱确定影响目标指标的目标节点；
基于所述目标节点对所述目标指标进行优化。
又一方面，本发明还提供一种非暂态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以执行上述各方法提供的无线通信网络性能优化方法，包括：
根据无线通信网络性能知识图谱确定影响目标指标的目标节点；
基于所述目标节点对所述目标指标进行优化。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (13)

1.一种无线通信网络性能优化方法，其特征在于，包括：
根据无线通信网络性能知识图谱确定影响目标指标的目标节点；
基于所述目标节点对所述目标指标进行优化。
2.根据权利要求1所述的无线通信网络性能优化方法，其特征在于，所述根据无线通信网络性能知识图谱确定影响目标指标的目标节点之前，还包括：
构建所述无线通信网络性能知识图谱。
3.根据权利要求2所述的无线通信网络性能优化方法，其特征在于，所述构建所述无线通信网络性能知识图谱，包括：
基于第一数据和第二数据的实体类型和关联关系确定原因节点和结果节点，并将所述原因节点和所述结果节点进行有向连接；
确定所述原因节点和所述结果节点之间的边连接强度，所述边连接强度是指所述原因节点的任一状态导致所述结果节点的所有状态发生的概率之和。
4.根据权利要求2所述的无线通信网络性能优化方法，其特征在于，所述方法还包括：
通过参数增量修改对所述无线通信网络性能知识图谱中的原始结构图进行修改；
在修改后的结构图为有向无环图的情况下，确定所述修改后的结构图为更新后的结构图；
在所述修改后的结构图为有向有环图的情况下，确定备选结构图为更新后的结构图；
在更新后的结构图与对应的更新前的结构图的联合概率分布的误差平方和小于预设值的情况下，完成所述无线通信网络性能知识图谱的更新。
5.根据权利要求1所述的无线通信网络性能优化方法，其特征在于，所述根据无线通信网络性能知识图谱确定影响目标指标的目标节点，包括：
确定所述无线通信网络性能知识图谱中与所述目标指标的连通路径上各边的边权重，所述边权重是基于对边连接强度进行归一化处理后确定的；
基于边权重确定所述目标指标的连通路径上第一节点的重要性度量，所述第一节点的重要性度量是基于所述第一节点的出强度、入强度以及其它节点对所述第一节点的输出和接收方面的贡献值确定的；
基于所述目标指标的连通路径上第一节点的重要性度量确定所述目标节点。
6.一种无线通信网络性能优化装置，其特征在于，包括：
第一确定模块，用于根据无线通信网络性能知识图谱确定影响目标指标的目标节点；
优化模块，用于基于所述目标节点对所述目标指标进行优化。
7.根据权利要求6所述的无线通信网络性能优化装置，其特征在于，所述装置还包括构建模块；
所述构建模块用于构建所述无线通信网络性能知识图谱。
8.根据权利要求7所述的无线通信网络性能优化装置，其特征在于，所述构建模块包括第一确定子模块和第二确定子模块；
所述第一确定子模块用于基于第一数据和第二数据的实体类型和关联关系确定原因节点和结果节点，并将所述原因节点和所述结果节点进行有向连接；
所述第二确定子模块用于确定所述原因节点和所述结果节点之间的边连接强度，所述边连接强度是指所述原因节点的任一状态导致所述结果节点的所有状态发生的概率之和。
9.根据权利要求7所述的无线通信网络性能优化装置，其特征在于，所述装置还包括修改模块、第二确定模块和更新模块；
所述修改模块用于通过参数增量修改对所述无线通信网络性能知识图谱中的原始结构图进行修改；
所述第二确定模块用于在修改后的结构图为有向无环图的情况下，确定所述修改后的结构图为更新后的结构图；在所述修改后的结构图为有向有环图的情况下，确定备选结构图为更新后的结构图；
所述更新模块用于在更新后的结构图与对应的更新前的结构图的联合概率分布的误差平方和小于预设值的情况下，完成所述无线通信网络性能知识图谱的更新。
10.根据权利要求6所述的无线通信网络性能优化装置，其特征在于，所述第一确定模块包括第三确定子模块、第四确定子模块和第五确定子模块；
所述第三确定子模块用于确定所述无线通信网络性能知识图谱中与所述目标指标的连通路径上各边的边权重，所述边权重是基于对边连接强度进行归一化处理后确定的；
所述第四确定子模块用于基于边权重确定所述目标指标的连通路径上第一节点的重要性度量，所述第一节点的重要性度量是基于所述第一节点的出强度、入强度以及其它节点对所述第一节点的输出和接收方面的贡献值确定的；
所述第五确定子模块用于基于所述目标指标的连通路径上第一节点的重要性度量确定所述目标节点。
11.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5中的任一项所述无线通信网络性能优化方法的步骤。
12.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中的任一项所述无线通信网络性能优化方法的步骤。
13.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中的任一项所述无线通信网络性能优化方法的步骤。
CN202111000514.3A 2021-08-30 2021-08-30 无线通信网络性能优化方法及装置 Active CN113453257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111000514.3A CN113453257B (zh) 2021-08-30 2021-08-30 无线通信网络性能优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111000514.3A CN113453257B (zh) 2021-08-30 2021-08-30 无线通信网络性能优化方法及装置

Publications (2)

Publication Number Publication Date
CN113453257A true CN113453257A (zh) 2021-09-28
CN113453257B CN113453257B (zh) 2021-12-28

Family

ID=77819000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111000514.3A Active CN113453257B (zh) 2021-08-30 2021-08-30 无线通信网络性能优化方法及装置

Country Status (1)

Country Link
CN (1) CN113453257B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115396929A (zh) * 2022-08-15 2022-11-25 中国联合网络通信集团有限公司 性能数据的预测方法、装置及存储介质
WO2023155481A1 (zh) * 2022-02-17 2023-08-24 网络通信与安全紫金山实验室 无线通信网络知识图谱的智能分析与应用系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016068A (zh) * 2017-03-21 2017-08-04 深圳前海乘方互联网金融服务有限公司 知识图谱构建方法及装置
CN112714032A (zh) * 2021-03-29 2021-04-27 网络通信与安全紫金山实验室 无线网络协议知识图谱构建分析方法、系统、设备及介质
CN113051407A (zh) * 2021-03-26 2021-06-29 烽火通信科技股份有限公司 一种网络智能运维知识图谱协同构建和共享方法与装置
CN113269371A (zh) * 2021-06-23 2021-08-17 华北电力大学（保定） 一种智能配电网供电综合性能评估方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016068A (zh) * 2017-03-21 2017-08-04 深圳前海乘方互联网金融服务有限公司 知识图谱构建方法及装置
CN113051407A (zh) * 2021-03-26 2021-06-29 烽火通信科技股份有限公司 一种网络智能运维知识图谱协同构建和共享方法与装置
CN112714032A (zh) * 2021-03-29 2021-04-27 网络通信与安全紫金山实验室 无线网络协议知识图谱构建分析方法、系统、设备及介质
CN113269371A (zh) * 2021-06-23 2021-08-17 华北电力大学（保定） 一种智能配电网供电综合性能评估方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
董永强，等: "异构YANG模型驱动的网络领域知识图谱构建", 《计算机研究与发展》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023155481A1 (zh) * 2022-02-17 2023-08-24 网络通信与安全紫金山实验室 无线通信网络知识图谱的智能分析与应用系统及方法
CN115396929A (zh) * 2022-08-15 2022-11-25 中国联合网络通信集团有限公司 性能数据的预测方法、装置及存储介质

Also Published As

Publication number Publication date
CN113453257B (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
CN113453257B (zh) 无线通信网络性能优化方法及装置
Kalathil et al. Decentralized learning for multiplayer multiarmed bandits
CN111866954B (zh) 一种基于联邦学习的用户选择和资源分配方法
CN109068350B (zh) 一种无线异构网络的终端自主选网系统及方法
CN106533623B (zh) 跨协议通信方法及装置
CN103716123A (zh) 一种传感器网络中分组丢失和错误的原因识别方法和系统
CN113687875B (zh) 一种车联网中车辆任务卸载方法及装置
CN112637883A (zh) 电力物联网中对无线环境变化具有鲁棒性的联邦学习方法
CN114268981A (zh) 网络故障检测与诊断方法及系统
CN113382477A (zh) 应用于无线网络用户间上行干扰建模的方法
CN114205852B (zh) 无线通信网络知识图谱的智能分析与应用系统及方法
CN113660687B (zh) 网络差小区处理方法、装置、设备及存储介质
Hu et al. A study of LTE network performance based on data analytics and statistical modeling
Soto-Vergel et al. LoRa Performance in Industrial Environments: Analysis of Different ADR Algorithms
CN116708274B (zh) 多模异构网络的路由规划方法及系统、通信设备
Tajiri et al. Optimizing edge-cloud cooperation for machine learning accuracy considering transmission latency and bandwidth congestion
CN104469811A (zh) 认知无线传感网络分簇合作频谱感知硬融合方法
Kavitha et al. Deep learning model for traffic flow prediction in wireless network
CN117279019B (zh) 频谱效率的预测方法、装置、电子设备及存储介质
Liu et al. Policy sampling and interpolation for wireless networks: A graph signal processing approach
Zhiba et al. Improve noise immunity of transfer messages by radio channel in cellular systems
Zhang et al. A learning approach to link adaptation based on multi-entities Bayesian network
CN114245345B (zh) 面向不完美信道状态信息的车联网功率控制方法及系统
CN116743541B (zh) 多模通信的混合组网方法及系统、通信设备
CN116132300B (zh) 基于梯度提升决策树特征组合的链路识别方法

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