基站发射功率的预测方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114079939A(43)申请公布日2022.02.22(21)申请号202010820119.9H04B7/0426(2017.01)(22)申请日2020.08.14(71)申请人中国移动通信有限公司研究院地址100053北京市西城区宣武门西大街32号申请人中国移动通信集团有限公司(72)发明人梁双春张艳华张晓儒张安兵张子豪(74)专利代理机构北京派特恩知识产权代理有限公司11270代理人胡亮张颖玲(51)Int.Cl.H04W24/02(2009.01)H04W24/06(2009.01)H04W52/06(2009.01)权利要求书2页说明书15页附图5页(54)发明名称基站发射功率的预测方法、装置、设备及存储介质(57)摘要本发明公开了一种基站发射功率的预测方法、装置、设备及存储介质。其中，所述方法包括：获取至少两个基站中每个基站的各天线对多个用户设备的发射功率；将获取的各基站的各天线对多个用户设备的发射功率作为训练样本数据，对各基站分别进行发射功率的预测模型训练，得到对应各基站的发射功率的预测模型；其中，所述预测模型用于预测目标基站的目标天线对多个用户设备的发射功率；所述发射功率用于确定是否选择所述目标基站为多个用户设备提供服务。CN114079939ACN114079939A权利要求书1/2页1.一种基站发射功率的预测方法，其特征在于，所述方法包括：获取至少两个基站中每个基站的各天线对多个用户设备的发射功率；将获取的各基站的各天线对多个用户设备的发射功率作为训练样本数据，对各基站分别进行发射功率的预测模型训练，得到对应各基站的发射功率的预测模型；其中，所述预测模型用于预测目标基站的目标天线对多个用户设备的发射功率；所述发射功率用于确定是否选择所述目标基站为多个用户设备提供服务。2.根据权利要求1所述的方法，其特征在于，对各基站分别进行发射功率的预测模型训练时，所述方法还包括：确定在同一时刻内网络中的第一基站对多个用户设备的最大下行容量和第二基站的第一天线对第一用户设备的第一下行容量；所述第二基站为网络中除所述第一基站外的其他基站；计算所述最大下行容量和所述第一下行容量的容量差；确定所述预测模型的中间层输出至所述预测模型的输出层的第一发射功率和第二发射功率；所述第一发射功率是对所述预测模型的中间层输出的发射功率进行模糊化处理得到的发射功率；所述第二发射功率是对所述预测模型的中间层输出的发射功率未进行模糊化处理的发射功率；基于所述容量差，以及所述第一发射功率和第二发射功率，对所述预测模型的输出层的权重参数进行更新。3.根据权利要求2所述的方法，其特征在于，所述确定在同一时刻内网络中的第一基站对多个用户设备的最大下行容量和第二基站的第一天线对第一用户设备的第一下行容量，包括：获取所述第一基站的各天线对应的各用户设备发送的第一信道质量参数；根据所述第一信道质量参数，计算所述第一基站的各天线对各个用户设备的下行容量；从所述第一基站的各天线对各个用户设备的下行容量中确定最大下行容量；获取所述第二基站的第一天线对应的第一用户设备发送的第二信道质量参数；根据所述第二信道质量参数，计算所述第二基站的第一天线对第一用户设备的第一下行容量。4.根据权利要求2或3所述的方法，其特征在于，所述基于所述容量差，以及所述第一发射功率和第二发射功率，对所述预测模型的输出层的权重参数进行更新，包括：基于所述容量差，构建误差函数；基于所述第一发射功率和所述第二发射功率，确定所述误差函数的梯度；基于所述梯度和预设学习速率，对所述预测模型的输出层的权重参数进行更新。5.根据权利要求2所述的方法，其特征在于，所述确定所述预测模型的中间层输出至所述预测模型的输出层的第一发射功率，包括：确定模糊系数；将所述预测模型的中间层输出的发射功率与所述模糊系数求积，得到数值；将所述数值作为所述预测模型的中间层输出至所述预测模型的输出层的第一发射功率。6.根据权利要求5所述的方法，其特征在于，所述确定模糊系数，包括：基于强化学习的Q学习算法，从多个模糊规则中搜索目标模糊规则；2CN114079939A权利要求书2/2页利用所述目标模糊规则，确定模糊系数。7.根据权利要求2所述的方法，其特征在于，所述方法还包括：确定所述预测模型的第一中间层输出至所述预测模型的第二中间层的第三发射功率和第四发射功率；所述第三发射功率是对所述预测模型的第一中间层输出的发射功率进行模糊化处理得到的发射功率；所述第二发射功率是对所述预测模型的第一中间层输出的发射功率未进行模糊化处理的发射功率；基于所述容量差，以及所述第三发射功率和第四发射功率，对所述预测模型的第一中间层的权重参数进行更新。8.一种基站发射功率的预测装