CN114599026A - 一种下载速率的优化方法、装置、存储介质和基站 - Google Patents

一种下载速率的优化方法、装置、存储介质和基站 Download PDF

Info

Publication number
CN114599026A
CN114599026A CN202011436951.5A CN202011436951A CN114599026A CN 114599026 A CN114599026 A CN 114599026A CN 202011436951 A CN202011436951 A CN 202011436951A CN 114599026 A CN114599026 A CN 114599026A
Authority
CN
China
Prior art keywords
particle
individual
value
extremum
generate
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
CN202011436951.5A
Other languages
English (en)
Other versions
CN114599026B (zh
Inventor
徐文颖
郭尧
张柏通
王林枫
刘柏强
张东阳
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Liaoning Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Liaoning Co Ltd
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 China Mobile Communications Group Co Ltd, China Mobile Group Liaoning Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202011436951.5A priority Critical patent/CN114599026B/zh
Publication of CN114599026A publication Critical patent/CN114599026A/zh
Application granted granted Critical
Publication of CN114599026B publication Critical patent/CN114599026B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
    • H04W8/24—Transfer of terminal data
    • H04W8/245—Transfer of terminal data from a network towards a terminal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供了一种下载速率的优化方法、装置、存储介质和基站。通过将获取的一个或多个适应度值中最小的适应度值作为个体极值，将一个或多个个体极值中最小的个体极值作为群体极值。判断获取的当前迭代次数是否小于或等于设置的最大迭代次数，若判断出当前迭代次数等于最大迭代次数，对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，根据个体极值均值对下载速率进行优化。本发明实施例提供的技术方案中，通过对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，并根据个体极值均值对下载速率进行优化，提高了用户感知的下载速率。

Description

一种下载速率的优化方法、装置、存储介质和基站
【技术领域】
本发明涉及通信技术领域，尤其涉及一种下载速率的优化方法、装置、存储介质和基站。
【背景技术】
随着长期演进技术(Long Term Evolution，简称LTE)部署的大力开展，“互联网+”时代的飞速发展和通信业务的多样化，用户对数据业务的体验感知的高品质需求也逐步增加，LTE网络所承载的数据业务已远远超过语音、短信等传统业务。影响用户数据业务的体验感知因素有很多，例如编码、误码、时延和速率等，而其中下载速率是用户使用数据业务时体验感知的最直观表现，而相关技术中用户感知的下载速率较低。
【发明内容】
有鉴于此，本发明实施例提供了一种下载速率的优化方法、装置、存储介质和基站，用以提高用户感知的下载速率。
一方面，本发明实施例提供了一种下载速率的优化方法，包括：
将获取的一个或多个适应度值中最小的适应度值作为个体极值；
将一个或多个所述个体极值中最小的个体极值作为群体极值；
判断获取的当前迭代次数是否小于或等于设置的最大迭代次数；
若判断出所述当前迭代次数等于所述最大迭代次数，对所述个体极值、设置的粒子群规模参数进行计算，生成个体极值均值；
根据所述个体极值均值对下载速率进行优化。
可选地，所述将获取的一个或多个适应度值中最小的适应度值作为个体极值之前，包括：
将当前迭代次数加1；
将多个获取的所述粒子位置作为设置的多个小区参数；
根据多个所述小区参数统计出多个小区无线指标；
通过适应度函数对设置的权重影响因子、设置的权重因子和所述小区无线指标进行计算，生成适应度值。
可选地，所述将当前迭代次数加1之前，包括：
获取存储的粒子群，所述粒子群包括多个粒子，每个粒子具有粒子位置和粒子速度。
可选地，还包括：
若判断出所述当前迭代次数小于所述最大迭代次数，通过速度更新公式对设置的惯性因子、所述粒子速度、所述当前迭代次数、设置的加速因子、设置的随机数、所述个体极值、所述粒子位置和所述群体极值进行计算，生成更新粒子速度；
通过位置更新公式对所述粒子位置、所述迭代次数和所述更新粒子速度进行计算，生成更新粒子位置；
将所述更新粒子位置作为所述粒子位置，将所述更新粒子速度作为所述粒子速度，并继续执行所述将所述当前迭代次数加1的步骤。
可选地，所述通过适应度函数对设置的权重影响因子、设置的权重因子和所述小区无线指标进行计算，生成适应度值具体包括：
当所述小区无线指标包括正向指标时，令所述小区无线指标取倒数，并将所述小区无线指标的倒数作为所述小区无线指标；
将每个设置的权重影响因子、所述权重影响因子对应的所述小区无线指标和所述小区无线指标对应的权重因子进行乘法运算，生成多个乘积值；
将多个所述乘积值进行加法运算，生成适应度值。
可选地，所述通过速度更新公式对设置的惯性因子、所述粒子速度、所述当前迭代次数、设置的加速因子、设置的随机数、所述个体极值、所述粒子位置和所述群体极值进行计算，生成更新粒子速度具体包括：
通过速度更新公式Vid(gn+1)＝w*Vid(gn)+c1*r1(gn)(Pid(gn)-Xid(gn))+c2*r2(gn)(Pgd(gn)-Xid(gn))对设置的惯性因子、所述粒子速度、所述当前迭代次数、设置的加速因子、设置的随机数、所述个体极值、所述粒子位置和所述群体极值进行计算，生成更新粒子速度，其中，Vid(gn+1)为所述更新粒子速度，w为所述惯性因子，Vid为所述粒子速度，gn为所述当前迭代次数，c1和c2为所述加速因子，r1和r2为所述随机数，pid为所述个体极值，xid为所述粒子位置，pgd为所述群体极值。
可选地，所述通过位置更新公式对所述粒子位置、所述迭代次数和所述更新粒子速度进行计算，生成更新粒子位置具体包括：
通过位置更新公式Xid(gn+1)＝Xid(gn)+Vid(gn+1)对所述粒子位置、所述迭代次数和所述更新粒子速度进行计算，生成更新粒子位置，其中，Vid(gn+1)为所述更新粒子速度，xid为所述粒子位置，gn为所述当前迭代次数，Xid(gn+1)为所述更新粒子位置。
另一方面，本发明实施例提供了一种下载速率的优化装置，包括：
第一确定模块，用于将获取的一个或多个适应度值中最小的适应度值作为个体极值；
第二确定模块，用于将一个或多个所述个体极值中最小的个体极值作为群体极值；
判断模块，用于判断获取的当前迭代次数是否小于或等于设置的最大迭代次数，若判断出所述当前迭代次数等于所述最大迭代次数，触发第一生成模块对所述个体极值、设置的粒子群规模参数进行计算，生成个体极值均值；
优化模块，用于根据所述个体极值均值对下载速率进行优化。
另一方面，本发明实施例提供了一种存储介质，包括：所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述下载速率的优化方法。
另一方面，本发明实施例提供了一种基站，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现上述下载速率的优化方法的步骤。
本发明实施例提供的下载速率的优化方法的技术方案中，通过将获取的一个或多个适应度值中最小的适应度值作为个体极值，将一个或多个个体极值中最小的个体极值作为群体极值。判断获取的当前迭代次数是否小于或等于设置的最大迭代次数，若判断出当前迭代次数等于最大迭代次数，对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，根据个体极值均值对下载速率进行优化。本发明实施例提供的技术方案中，通过对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，并根据个体极值均值对下载速率进行优化，提高了用户感知的下载速率。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种下载速率的优化方法的流程图；
图2为本发明实施例提供的另一种下载速率的优化方法的流程图；
图3为本发明实施例提供的一种下载速率的优化装置的结构示意图；
图4为本发明实施例提供的一种基站的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
相关技术中，通过调整天馈的方位角和下倾角，以及相关覆盖和互操作参数配置来消除覆盖弱场区域，减少重叠覆盖区域，加强移动性交互及时性，来改善无线信道质量，提高决定调制编码方式、传输模式(Transmission Mode，简称TM)、信号与干扰加噪声比(Signal to Interference plus Noise Ratio，简称SINR)，进而提升终端下载速率。但是，天馈调整的不合理极易造成覆盖盲区导致部分用户感知的下载速率急剧下降，目前多频段多制式融合组网，建网规模较大，覆盖、互操作等相关参数联合设定不合理极易造成切换不及时、频繁切换、掉线等现象，从而影响用户感知，使得用户感知的下载速率降低。
另一种相关技术中，通过优化主设备资源调度相关参数，主要涉及调整调制与编码策略(Modulation and Coding Scheme，简称MCS)、切换模式等相关参数，使终端具备更大传输块以及更高阶调制解调方式，进而提升下载速率。但是，调整各层相关的参数存在一定局限性，MCS越小，信道鲁棒性越好，但同时由于冗余的增加，会使速率下降；MCS越大，调制编码方式高速率快，但同时由于冗余的减少，会使误码率增高。传输模式切换门限设定不合理，会导致信道质量指示(Channel Quality Indication，简称CQI)高的好点速率未达最佳，CQI偏低的中差点抗干扰能力较弱，从而影响了用户感知，使得用户感知的下载速率降低。
为解决相关技术中的技术问题，本发明实施例提供了一种下载速率的优化方法。图1为本发明实施例提供的一种下载速率的优化方法的流程图，如图1所示，该方法包括：
步骤102、将获取的一个或多个适应度值中最小的适应度值作为个体极值。
本发明实施例中，各步骤由基站执行。
本发明实施例中，一个或多个适应度值中最小的适应度值表明最小的适应度值对应的粒子所搜索到的粒子位置为局部最优位置，该局部最优位置对应的适应度值为个体极值。其中，一个或多个适应度值中最小的适应度对应的粒子位置包括个体极值。
步骤104、将一个或多个个体极值中最小的个体极值作为群体极值。
本发明实施例中，一个或多个个体极值中最小的个体极值表明整个粒子群搜索到的最优位置，该最优位置对应的适应度值为群体极值。
步骤106、判断获取的当前迭代次数是否小于或等于设置的最大迭代次数。
本发明实施例中，若判断出获取的当前迭代次数小于设置的最大迭代次数，则表明迭代未完成，需进行下一次迭代；若判断出获取的当前迭代次数等于设置的最大迭代次数，则表明迭代已完成。
步骤108、若判断出当前迭代次数等于最大迭代次数，对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值。
具体地，通过公式
Figure BDA0002821361340000071
对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，其中，
Figure BDA0002821361340000072
为个体极值均值，M为粒子群规模参数，Pi为个体极值。
步骤110、根据个体极值均值对下载速率进行优化。
本发明实施例中，步骤110具体包括：
步骤1102、根据设置的参数规则选取个体极值均值对应的一个或多个优化参数。
作为一种可选方法，根据设置的参数规则选取个体极值均值对应的一个门限值，将一个门限值作为一个优化参数。
作为另一种可选方法，根据设置的参数规则选取个体极值均值对应的多个门限值，将多个门限值作为一组优化参数。其中，一组优化参数包括多个优化参数。
例如，粒子群规模参数为M，目标搜索空间维度为D，若设置M＝30，D＝1，以寻求正常调度DeltaMcs初始值的最佳设置为例，30个粒子的个体极值均值为2.87，根据正常调度DeltaMcs初始值的取值范围和步长进行计算，生成正常调度DeltaMcs初始值为3，正常调度DeltaMcs初始值为3为提升小区下载速率的优化参数，能够对下载速率进行优化，提高了用户感知的下载速率。其中，正常调度DeltaMcs初始值的取值范围为(-28，28)，正常调度DeltaMcs初始值的步长为1。
又例如，粒子群规模参数为M，目标搜索空间维度为D，若设置M＝30，D＝3，以寻求正常调度DeltaMcs初始值的最佳设置为例，30个粒子的个体极值均值为2.87，根据正常调度DeltaMcs初始值的取值范围和步长进行计算，生成正常调度DeltaMcs初始值为3；以寻求8天线下TM3向TM8切换的MCS门限的最佳设置为例，30个粒子的个体极值均值为6.2，根据8天线下TM3向TM8切换的MCS门限的取值范围和步长进行计算，生成8天线下TM3向TM8切换的MCS门限为6；以寻求混合自动重传请求(Hybrid Automatic Repeat reQuest，简称HARQ)最大传输次数的最佳设置为例，30个粒子的个体极值均值为4.4，根据HARQ最大传输次数的取值范围进行计算，生成HARQ最大传输次数为4。能够得出，正常调度DeltaMcs初始值为3，8天线下TM3向TM8切换的MCS门限为6以及HARQ最大传输次数为4为提升小区下载速率的优化参数，以对下载速率进行优化。其中，正常调度DeltaMcs初始值的取值范围为(-28，28)，正常调度DeltaMcs初始值的步长为1；8天线下TM3向TM8切换的MCS门限的取值范围为(0，28)，8天线下TM3向TM8切换的MCS门限的步长为1；HARQ最大传输次数参数的参数范围为(1，2，3，4，5，6，7，8，10，12，16，20，24，28)。
步骤1104、根据一个或多个优化参数对下载速率进行优化。
本发明实施例中，为基站设置一个或多个优化参数，以对下载速率进行优化。
例如，根据正常调度DeltaMcs初始值为3对下载速率进行优化。
又例如，根据正常调度DeltaMcs初始值为3，8天线下TM3向TM8切换的MCS门限为6以及HARQ最大传输次数为4对下载速率进行优化。
本发明实施例中，能够根据个体极值均值选取提升下载速率的一组优化参数，该组优化参数能够对下载速率进行优化，提高了用户感知的下载速率。
本发明实施例提供的技术方案中，通过将获取的一个或多个适应度值中最小的适应度值作为个体极值，将一个或多个个体极值中最小的个体极值作为群体极值。判断获取的当前迭代次数是否小于或等于设置的最大迭代次数，若判断出当前迭代次数等于最大迭代次数，对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，根据个体极值均值对下载速率进行优化。本发明实施例提供的技术方案中，通过对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，并根据个体极值均值对下载速率进行优化，提高了用户感知的下载速率。
本发明实施例提供了另一种下载速率的优化方法。图2为本发明实施例提供的另一种下载速率的优化方法的流程图，如图2所示，该方法包括：
步骤202、获取存储的粒子群，粒子群包括多个粒子，每个粒子具有粒子位置和粒子速度。
本发明实施例中，各步骤由基站执行。
本发明实施例中，存储的粒子群为先验知识，能够减少运算复杂度。
作为一种可选方案，能够设定粒子位置的初始选取权重为W1和W2，根据初始选取权重来设定粒子位置。其中，粒子群的粒子群规模参数为M，小区的M个粒子的粒子位置为X，粒子速度为V，写作：
Figure BDA0002821361340000091
Figure BDA0002821361340000092
其中，第i个粒子的粒子位置为Xi＝(Xi1，…，Xid，…，XiD)T；第i个粒子的粒子速度为Vi＝(Vi1，…，Vid，…，ViD)T；d＝1，2，…，D；D为目标搜索空间维度；i＝1，2，…，M；M为粒子群规模参数；M＝N1+N2，N1为W1*M的值向上取整，N2为W2*M的值向下取整，且W1+W2＝1；W1和W2为初始选取权重。
本发明实施例中，粒子群规模参数能够根据实际需要进行设置，例如，粒子群规模参数为30。
例如，若N1＝4，D＝1，M＝30，则能够将全网正常调度DeltaMcs初始值设置为0、3、4和1，正常调度DeltaMcs初始值为0、3、4和1的小区数占全网比例较高，排名前4，那么第一个空间维度中有4个粒子的粒子位置分别为0、3、4和1。剩余的26个粒子位置能够根据正常调度DeltaMcs初始值的取值范围和步长随机生成，其中，正常调度DeltaMcs初始值的取值范围包括(-28，28)，正常调度DeltaMcs初始值的步长包括1。
步骤204、将当前迭代次数加1。
本发明实施例中，第一次执行步骤202之后，作为一种可选方案，能够将当前迭代次数设置为0，并继续执行步骤204。
步骤206、将多个获取的粒子位置作为设置的多个小区参数。
作为一种可选方案，当目标搜索空间维度包括6时，多个小区参数可以包括正常调度DeltaMcs初始值、8天线下TM3向TM8切换的MCS门限、8天线下TM8向TM3切换的MCS门限、时分双工(Time Division Duplexing，简称TDD)演进型Node B(Evolved Node B，简称eNB)侧分组数据汇聚协议(Packet Data Convergence Protocol，简称PDCP)服务数据单元(Service Data Unit，简称SDU)的丢弃时间、TDD PDCP SDU丢弃时间和HARQ最大传输次数参数。
其中，正常调度DeltaMcs初始值的参数范围大于-28且小于28，正常调度DeltaMcs初始值的步长为1。8天线下TM3向TM8切换的MCS门限的参数范围大于0且小于28，8天线下TM3向TM8切换的MCS门限的步长为1。8天线下TM8向TM3切换的MCS门限的参数范围大于0且小于29，8天线下TM8向TM3切换的MCS门限的步长为1。TDD eNB侧PDCP SDU的丢弃时间的参数范围为(50，100，150，300，500，750，1500，无穷)。TDD PDCP SDU丢弃时间的参数范围为(50，100，150，300，500，750，1500，无穷)。HARQ最大传输次数参数的参数范围为(1，2，3，4，5，6，7，8，10，12，16，20，24，28)。
作为一种可选方案，能够将多个粒子位置作为多组小区参数，每组小区参数包括多个小区参数。
步骤208、根据多个小区参数统计出多个小区无线指标。
本发明实施例中，小区无线指标包括小区的性能指标。
本发明实施例中，当小区无线指标包括4项时，小区无线指标可以包括下行误块率(block error rate，简称BLER)、下行MCS(0，9)占比、上行MCS(0，10)占比和单用户下载速率。
本发明实施例中，小区资源调度参数对应设定后，需综合评定粒子群中每个粒子对应的小区整体性能。考虑到小区各项指标变化与小区下用户业务感知的相关性，在适应度函数中对评估的各项性能指标特设定分级权重因子，以下行BLER为例，其中，下行BLER写作Z1。下行BLER与权重的对应关系如下表1所示：
表1
下行BLER 级别 权重w<sub>1</sub>
Z<sub>1</sub>＜＝5％ 1 0.02
5％＜Z<sub>1</sub>＜＝8％ 2 0.03
8％＜Z<sub>1</sub>＜＝15％ 3 0.05
15％＜Z<sub>1</sub> 4 0.9
如上表1所示，当下行BLER小于或等于5％时，下行BLER的级别为1，下行BLER对应的权重为0.02。当下行BLER大于5％且小于或等于8％时，下行BLER的级别为2，下行BLER对应的权重为0.03。当下行BLER大于8％且小于或等于15％时，下行BLER的级别为3，下行BLER对应的权重为0.05。当下行BLER大于15％时，下行BLER的级别为4，下行BLER对应的权重为0.9。
作为一种可选方案，能够根据多组小区参数统计出多组小区无线指标，每组小区无线指标包括多个小区无线指标。
步骤210、通过适应度函数对设置的权重影响因子、设置的权重因子和小区无线指标进行计算，生成适应度值。
具体地，将代价函数(Cost Function)作为适应度函数对设置的权重影响因子、设置的权重因子和小区无线指标进行计算，生成适应度值。
具体地，步骤210具体包括：
步骤S1、当小区无线指标包括正向指标时，令小区无线指标取倒数，并将小区无线指标的倒数作为小区无线指标。
本发明实施例中，步骤S1还包括：当小区无线指标包括负向指标时，小区无线指标保持不变。
例如，下行BLER、下行MCS(0，9)占比和上行MCS(0，10)占比为负向指标。单用户下载速率为正向指标。则下行BLER对应的小区无线指标为Z1，下行MCS(0，9)占比对应的小区无线指标为Z2，上行MCS(0，10)占比对应的小区无线指标为Z3，单用户下载速率对应的小区无线指标为1/Z4。
步骤S2、将每个设置的权重影响因子、权重影响因子对应的小区无线指标和小区无线指标对应的权重因子进行乘法运算，生成多个乘积值。
步骤S3、将多个乘积值进行加法运算，生成适应度值。
具体地，通过公式J(Y)＝Q1*w1*Z1+Q2*w2*Z2+Q3*w3*Z3+Q4*
Figure BDA0002821361340000121
对设置的权重影响因子、设置的权重因子和小区无线指标进行计算，生成适应度值，其中，
Figure BDA0002821361340000122
Q1、Q2，Q3和Q4为权重影响因子，w1、w2，w3和w4为权重因子，Z1，Z2，Z3和1/Z4为小区无线指标，J(Y)为适应度值。
步骤212、将获取的一个或多个适应度值中最小的适应度值作为个体极值。
本发明实施例中，步骤212的具体描述请参见步骤102。
步骤214、将一个或多个个体极值中最小的个体极值作为群体极值。
本发明实施例中，步骤214的具体描述请参见步骤104。
步骤216、判断获取的当前迭代次数是否小于或等于设置的最大迭代次数，若等于，执行步骤218；若小于，执行步骤222。
本发明实施例中，步骤216的具体描述请参见步骤106。
步骤218、对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值。
本发明实施例中，步骤218的具体描述请参见步骤108。
步骤220、根据个体极值均值对下载速率进行优化，流程结束。
本发明实施例中，步骤220的具体描述请参见步骤110。
步骤222、通过速度更新公式对设置的惯性因子、粒子速度、当前迭代次数、设置的加速因子、设置的随机数、个体极值、粒子位置和群体极值进行计算，生成更新粒子速度。
具体地，通过速度更新公式Vid(gn+1)＝w*Vid(gn)+c1*r1(gn)(Pid(gn)-Xid(gn))+c2*r2(gn)(Pgd(gn)-Xid(gn))对设置的惯性因子、粒子速度、当前迭代次数、设置的加速因子、设置的随机数、个体极值、粒子位置和群体极值进行计算，生成更新粒子速度，其中，Vid(gn+1)为更新粒子速度，w为惯性因子，Vid为粒子速度，gn为当前迭代次数，c1和c2为加速因子，r1和r2为随机数，pid为个体极值，xid为粒子位置，pgd为群体极值。
步骤224、通过位置更新公式对粒子位置、迭代次数和更新粒子速度进行计算，生成更新粒子位置。
具体地，通过位置更新公式Xid(gn+1)＝Xid(gn)+Vid(gn+1)对粒子位置、迭代次数和更新粒子速度进行计算，生成更新粒子位置，其中，Vid(gn+1)为更新粒子速度，xid为粒子位置，gn为当前迭代次数，Xid(gn+1)为更新粒子位置。
本发明实施例中，，r1和r2用于保持粒子群的多样性，c1和c2使得粒子具有学习能力，从而能够根据自己的历史最优位置和粒子群的历史最优位置不断调整自己的方向。
步骤226、将更新粒子位置作为粒子位置，将更新粒子速度作为粒子速度，并继续执行步骤204。
本发明实施例提供的技术方案中，通过将获取的一个或多个适应度值中最小的适应度值作为个体极值，将一个或多个个体极值中最小的个体极值作为群体极值。判断获取的当前迭代次数是否小于或等于设置的最大迭代次数，若判断出当前迭代次数等于最大迭代次数，对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，根据个体极值均值对下载速率进行优化。本发明实施例提供的技术方案中，通过对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，并根据个体极值均值对下载速率进行优化，提高了用户感知的下载速率。
本发明实施例提供的技术方案中，能够解决小区网络覆盖的问题，没有小区网络覆盖范围的限制，也不需要工程师手动对基站进行调整，适合在全网大规模开展。
本发明实施例提供的技术方案中，不需要人为干预在下载速率和误码率指标之间寻求平衡，能够确定各参数联合的最佳设置值，也不需要在一定量的小区集上进行不断试验，在一定的时间量上进行效果评估，能够通过小区无线指标进行各参数自动微调形成长效处理机制进而持续提升用户感知，使得整个参数试验过程周期短效率高，并且能够面对复杂的无线环境，能够在各个场景适用。
本发明实施例提供的技术方案中，通过适应度函数在下载速率和误码率等各项指标之间寻求平衡，通过粒子群算法追踪各小区资源调度参数最佳设定，形成长效处理机制，快速遍历全网所有小区有效解决小区存在的参数配置问题，持续提升用户感知，并适用于各种场景。
本发明实施例提供的技术方案中，能够根据权重选用全网小区的资源调度参数配置占比较大的和依据参数范围均匀分布的参数组合作为粒子位置，运用先验知识减少运算复杂度，同时加入权重因子有效避免参数局部最优，使系统收敛速度更快，输出的参数最优解更准确。
本发明实施例采用适应度函数，并考虑到各指标对整体网络和用户业务体验的影响程度加入各指标项权重影响因子和指标分级权重因子，能够多维度综合评定小区性能，为准确输出提供保障。
本发明实施例中采用粒子群算法追踪小区参数最优解，利用自动化手段解放人力，提升工作效率，准确定位各项参数联合优化的最佳性能配置。
本发明实施例中提出的基于粒子群算法的单用户下载速率优化方法，可以根据每个小区的网络实时情况，进行相应的参数调整，从而有针对性的进行单用户下载速率优化，切实提高用户感知的下载速率。
本发明实施例提供了一种下载速率的优化装置。图3为本发明实施例提供的一种下载速率的优化装置的结构示意图，如图3所示，该装置包括：第一确定模块11、第二确定模块12、判断模块13、第一生成模块14和优化模块15。
第一确定模块11用于将获取的一个或多个适应度值中最小的适应度值作为个体极值。
第二确定模块12用于将一个或多个个体极值中最小的个体极值作为群体极值。
判断模块13用于判断获取的当前迭代次数是否小于或等于设置的最大迭代次数，若判断出当前迭代次数等于最大迭代次数，触发第一生成模块14对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值。
优化模块15用于根据个体极值均值对下载速率进行优化。
本发明实施例中，该装置还包括：累加模块16、第一确定模块17、统计模块18和第二生成模块19。
累加模块16用于将当前迭代次数加1。
第一确定模块17用于将多个获取的粒子位置作为设置的多个小区参数。
统计模块18用于根据多个小区参数统计出多个小区无线指标。
第二生成模块19用于通过适应度函数对设置的权重影响因子、设置的权重因子和小区无线指标进行计算，生成适应度值。
本发明实施例中，该装置还包括：获取模块20。
获取模块20用于获取存储的粒子群，粒子群包括多个粒子，每个粒子具有粒子位置和粒子速度。
本发明实施例中，该装置还包括：第三生成模块21、第四生成模块22、第二确定模块23和第三确定模块24。
判断模块13若判断出当前迭代次数小于最大迭代次数，触发第三生成模块21通过速度更新公式对设置的惯性因子、粒子速度、当前迭代次数、设置的加速因子、设置的随机数、个体极值、粒子位置和群体极值进行计算，生成更新粒子速度。
第四生成模块22用于通过位置更新公式对粒子位置、迭代次数和更新粒子速度进行计算，生成更新粒子位置。
第二确定模块23用于将更新粒子位置作为粒子位置。
第三确定模块24用于将更新粒子速度作为粒子速度，并触发累加模块16继续执行将当前迭代次数加1的步骤。
本发明实施例中，第二生成模块19具体包括：确定子模块191、第一生成子模块192和第二生成子模块193。
确定子模块191用于当小区无线指标包括正向指标时，令小区无线指标取倒数，并将小区无线指标的倒数作为小区无线指标。
第一生成子模块192用于将每个设置的权重影响因子、权重影响因子对应的小区无线指标和小区无线指标对应的权重因子进行乘法运算，生成多个乘积值。
第二生成子模块193用于将多个乘积值进行加法运算，生成适应度值。
本发明实施例中，第三生成模块21具体用于通过速度更新公式Vid(gn+1)＝w*Vid(gn)+c1*r1(gn)(Pid(gn)-Xid(gn))+c2*r2(gn)(Pgd(gn)-Xid(gn))对设置的惯性因子、粒子速度、当前迭代次数、设置的加速因子、设置的随机数、个体极值、粒子位置和群体极值进行计算，生成更新粒子速度，其中，Vid(gn+1)为更新粒子速度，w为惯性因子，Vid为粒子速度，gn为当前迭代次数，c1和c2为加速因子，r1和r2为随机数，pid为个体极值，xid为粒子位置，pgd为群体极值。
本发明实施例中，第四生成模块22具体用于通过位置更新公式Xid(gn+1)＝Xid(gn)+Vid(gn+1)对粒子位置、迭代次数和更新粒子速度进行计算，生成更新粒子位置，其中，Vid(gn+1)为更新粒子速度，xid为粒子位置，gn为当前迭代次数，Xid(gn+1)为更新粒子位置。
本发明实施例提供的技术方案中，通过将获取的一个或多个适应度值中最小的适应度值作为个体极值，将一个或多个个体极值中最小的个体极值作为群体极值。判断获取的当前迭代次数是否小于或等于设置的最大迭代次数，若判断出当前迭代次数等于最大迭代次数，对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，根据个体极值均值对下载速率进行优化。本发明实施例提供的技术方案中，通过对个体极值、设置的粒子群规模参数进行计算，生成个体极值均值，并根据个体极值均值对下载速率进行优化，提高了用户感知的下载速率。
本实施例提供的下载速率的优化装置可用于实现上述图1和图2中的下载速率的优化方法，具体描述可参见上述下载速率的优化方法的实施例，此处不再重复描述。
本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述下载速率的优化方法的实施例的各步骤，具体描述可参见上述下载速率的优化方法的实施例。
本发明实施例提供了一种基站，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述下载速率的优化方法的实施例的各步骤，具体描述可参见上述下载速率的优化方法的实施例。
图4为本发明实施例提供的一种基站的示意图。如图4所示，该实施例的基站40包括：处理器41、存储器42以及存储在存储器42中并可在处理器41上运行的计算机程序43，该计算机程序43被处理器41执行时实现实施例中的应用于下载速率的优化方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器41执行时实现实施例中应用于下载速率的优化装置中各模型/单元的功能，为避免重复，此处不一一赘述。
基站40包括，但不仅限于，处理器41、存储器42。本领域技术人员可以理解，图4仅仅是基站40的示例，并不构成对基站40的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如基站还可以包括输入输出设备、网络接入设备、总线等。
所称处理器41可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器42可以是基站40的内部存储单元，例如基站40的硬盘或内存。存储器42也可以是基站40的外部存储设备，例如基站40上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器42还可以既包括基站40的内部存储单元也包括外部存储设备。存储器42用于存储计算机程序以及基站所需的其他程序和数据。存储器42还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种下载速率的优化方法，其特征在于，包括：
将获取的一个或多个适应度值中最小的适应度值作为个体极值；
将一个或多个所述个体极值中最小的个体极值作为群体极值；
判断获取的当前迭代次数是否小于或等于设置的最大迭代次数；
若判断出所述当前迭代次数等于所述最大迭代次数，对所述个体极值、设置的粒子群规模参数进行计算，生成个体极值均值；
根据所述个体极值均值对下载速率进行优化。
2.根据权利要求1所述的方法，其特征在于，所述将获取的一个或多个适应度值中最小的适应度值作为个体极值之前，包括：
将当前迭代次数加1；
将多个获取的所述粒子位置作为设置的多个小区参数；
根据多个所述小区参数统计出多个小区无线指标；
通过适应度函数对设置的权重影响因子、设置的权重因子和所述小区无线指标进行计算，生成适应度值。
3.根据权利要求2所述的方法，其特征在于，所述将当前迭代次数加1之前，包括：
获取存储的粒子群，所述粒子群包括多个粒子，每个粒子具有粒子位置和粒子速度。
4.根据权利要求2所述的方法，其特征在于，还包括：
若判断出所述当前迭代次数小于所述最大迭代次数，通过速度更新公式对设置的惯性因子、所述粒子速度、所述当前迭代次数、设置的加速因子、设置的随机数、所述个体极值、所述粒子位置和所述群体极值进行计算，生成更新粒子速度；
通过位置更新公式对所述粒子位置、所述迭代次数和所述更新粒子速度进行计算，生成更新粒子位置；
将所述更新粒子位置作为所述粒子位置，将所述更新粒子速度作为所述粒子速度，并继续执行所述将所述当前迭代次数加1的步骤。
5.根据权利要求2所述的方法，其特征在于，所述通过适应度函数对设置的权重影响因子、设置的权重因子和所述小区无线指标进行计算，生成适应度值具体包括：
当所述小区无线指标包括正向指标时，令所述小区无线指标取倒数，并将所述小区无线指标的倒数作为所述小区无线指标；
将每个设置的权重影响因子、所述权重影响因子对应的所述小区无线指标和所述小区无线指标对应的权重因子进行乘法运算，生成多个乘积值；
将多个所述乘积值进行加法运算，生成适应度值。
6.根据权利要求3所述的方法，其特征在于，所述通过速度更新公式对设置的惯性因子、所述粒子速度、所述当前迭代次数、设置的加速因子、设置的随机数、所述个体极值、所述粒子位置和所述群体极值进行计算，生成更新粒子速度具体包括：
通过速度更新公式Vid(gn+1)＝w*Vid(gn)+c1*r1(gn)(Pid(gn)-Xid(gn))+c2*r2(gn)(Pgd(gn)-Xid(gn))对设置的惯性因子、所述粒子速度、所述当前迭代次数、设置的加速因子、设置的随机数、所述个体极值、所述粒子位置和所述群体极值进行计算，生成更新粒子速度，其中，Vid(gn+1)为所述更新粒子速度，w为所述惯性因子，Vid为所述粒子速度，gn为所述当前迭代次数，c1和c2为所述加速因子，r1和r2为所述随机数，pid为所述个体极值，xid为所述粒子位置，pgd为所述群体极值。
7.根据权利要求3所述的方法，其特征在于，所述通过位置更新公式对所述粒子位置、所述迭代次数和所述更新粒子速度进行计算，生成更新粒子位置具体包括：
通过位置更新公式Xid(gn+1)＝Xid(gn)+Vid(gn+1)对所述粒子位置、所述迭代次数和所述更新粒子速度进行计算，生成更新粒子位置，其中，Vid(gn+1)为所述更新粒子速度，xid为所述粒子位置，gn为所述当前迭代次数，Xid(gn+1)为所述更新粒子位置。
8.一种下载速率的优化装置，其特征在于，包括：
第一确定模块，用于将获取的一个或多个适应度值中最小的适应度值作为个体极值；
第二确定模块，用于将一个或多个所述个体极值中最小的个体极值作为群体极值；
判断模块，用于判断获取的当前迭代次数是否小于或等于设置的最大迭代次数，若判断出所述当前迭代次数等于所述最大迭代次数，触发第一生成模块对所述个体极值、设置的粒子群规模参数进行计算，生成个体极值均值；
优化模块，用于根据所述个体极值均值对下载速率进行优化。
9.一种存储介质，其特征在于，包括：所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7任一项所述的下载速率的优化方法。
10.一种基站，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现权利要求1至7任一项所述的下载速率的优化方法的步骤。
CN202011436951.5A 2020-12-07 2020-12-07 一种下载速率的优化方法、装置、存储介质和基站 Active CN114599026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011436951.5A CN114599026B (zh) 2020-12-07 2020-12-07 一种下载速率的优化方法、装置、存储介质和基站

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011436951.5A CN114599026B (zh) 2020-12-07 2020-12-07 一种下载速率的优化方法、装置、存储介质和基站

Publications (2)

Publication Number Publication Date
CN114599026A true CN114599026A (zh) 2022-06-07
CN114599026B CN114599026B (zh) 2023-08-18

Family

ID=81802468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011436951.5A Active CN114599026B (zh) 2020-12-07 2020-12-07 一种下载速率的优化方法、装置、存储介质和基站

Country Status (1)

Country Link
CN (1) CN114599026B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103269494A (zh) * 2013-04-24 2013-08-28 北京邮电大学 无线接入网络小区中断补偿方法及系统
EP3383088A1 (en) * 2017-03-31 2018-10-03 Telefonica Digital España, S.L.U. A computer implemented method, a system and computer programs to quantify the performance of a network
CN109194424A (zh) * 2018-08-15 2019-01-11 重庆邮电大学 一种eh-hcrsn中基于时延最小化的信道分配方法
CN109862573A (zh) * 2019-03-06 2019-06-07 重庆邮电大学 一种基于多目标粒子群的lte混合组网自规划方法
WO2020121045A1 (en) * 2018-12-13 2020-06-18 Telefonaktiebolaget Lm Ericsson (Publ) Autonomous parameter setting

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103269494A (zh) * 2013-04-24 2013-08-28 北京邮电大学 无线接入网络小区中断补偿方法及系统
EP3383088A1 (en) * 2017-03-31 2018-10-03 Telefonica Digital España, S.L.U. A computer implemented method, a system and computer programs to quantify the performance of a network
CN109194424A (zh) * 2018-08-15 2019-01-11 重庆邮电大学 一种eh-hcrsn中基于时延最小化的信道分配方法
WO2020121045A1 (en) * 2018-12-13 2020-06-18 Telefonaktiebolaget Lm Ericsson (Publ) Autonomous parameter setting
US20220021470A1 (en) * 2018-12-13 2022-01-20 Telefonaktiebolaget Lm Ericsson (Publ) Parameter setting
CN109862573A (zh) * 2019-03-06 2019-06-07 重庆邮电大学 一种基于多目标粒子群的lte混合组网自规划方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ALSHARIF等: "Exploiting Coexistence Between UMTS and LTE for Greener Cellular Networks with Particle Swarm Optimization", 《WIRELESS PERS COMMUN》 *
LIN SU等: "Particle swarm optimization based resource block allocation algorithm for downlink LTE systems", 《2012 18TH ASIA-PACIFIC CONFERENCE ON COMMUNICATIONS (APCC)》 *
唐丽晴;应忠于;罗云;: "基于鲸鱼优化改进算法的基站选址", 计算机与现代化, no. 09 *
徐鸿喜 等: "TM3/8自适应调整提升用户感知", 《电信技术》 *

Also Published As

Publication number Publication date
CN114599026B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN102833192B (zh) 用于估计在lte系统里的信道时间相关性和mimo模式选择的装置和方法
JP5077347B2 (ja) スループット推定方法及びシステム
CN111698789B (zh) 通信系统中的调度方法、装置及存储介质
JP2015527758A (ja) デバイス再開のためのアウターループリンク適応
WO2011015252A1 (en) Multicast scheduling and link adaptation
CN105379412A (zh) 一种控制多个无线接入节点的系统和方法
CN104509019A (zh) 无线通信网络传输的基于表的链路自适应
CN113423110B (zh) 基于深度强化学习的多用户多信道动态频谱接入方法
CN104640222A (zh) 多输入输出系统的导频调度方法及协同设备
CN114337976B (zh) 一种联合ap选择与导频分配的传输方法
CN102281575A (zh) 按时隙优先级的排序进行接入的方法及无线网络控制器
US11343003B2 (en) Multi-user pairing method and apparatus, and base station
CN109348515B (zh) 无线网络中传输速率的调节方法及装置
Huang et al. Game theoretic issues in cognitive radio systems
CN111372265B (zh) 天线参数配置方法、装置、系统及计算机可读存储介质
CN102595428B (zh) 小区吞吐量的计算方法及装置
CN111917529B (zh) 一种基于改进exp3算法的水声ofdm资源分配方法
EP2426983B1 (en) Method for link adaptation and apparatus thereof
CN107613500B (zh) 一种不确定环境下的无线频谱共享方法
CN112751595B (zh) 一种波束调整方法、装置、存储介质和源基站
CN114599026A (zh) 一种下载速率的优化方法、装置、存储介质和基站
CN102006109A (zh) 采用虚拟天线映射方式进行发射的方法及系统
CN103516494A (zh) 信道信息反馈方法和用户设备
CN109005589B (zh) 一种用于频谱资源分配的方法及设备
CN114124174A (zh) 一种多输入多输出系统mu-mimo用户配对方法和装置

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