CN114390605A - 切换方法、装置、设备及存储介质 - Google Patents
切换方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114390605A CN114390605A CN202011133860.4A CN202011133860A CN114390605A CN 114390605 A CN114390605 A CN 114390605A CN 202011133860 A CN202011133860 A CN 202011133860A CN 114390605 A CN114390605 A CN 114390605A
- Authority
- CN
- China
- Prior art keywords
- terminal
- cluster
- matrix
- switching
- clustered
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 137
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 141
- 239000011159 matrix material Substances 0.000 claims description 138
- 238000009826 distribution Methods 0.000 claims description 62
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 15
- 230000003111 delayed effect Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000008447 perception Effects 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000007774 longterm Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- -1 i.e. Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
- H04W36/0085—Hand-off measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- H04B17/327—Received signal code power [RSCP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
- H04W36/00837—Determination of triggering parameters for hand-off
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/24—Reselection being triggered by specific parameters
- H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Electromagnetism (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供一种切换方法、装置、设备及存储介质,该方法包括:分别获取每一聚类中终端的RSRP测量数据样本;基于每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;基于目标聚类对应的切换参数门限,配置目标终端的切换参数门限,完成目标终端的切换;其中,不同聚类对应的切换参数门限不同。本申请实施例通过对用户进行聚类,不同聚类对应的切换参数门限不同,确定目标终端所属的聚类并确定其对应的切换参数门限后进行切换,实现对不同场景下的终端进行不同的切换参数配置,减少乒乓切换,避免在终端信号较差的时候发生切换,降低掉话的同时通过提前切换或者延时切换,提升***性能。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种切换方法、装置、设备及存储介质。
背景技术
在5G***中,采用切换来保证UE(User Equipment,用户设备)在移动情况下的链路质量。
现有的切换方法为同一小区下所有用户终端的切换参数设置统一门限,基站按照UE上报测量报告,按照统一参数设置门限进行切换控制。但在同一小区覆盖的用户终端场景较为复杂的情况下,使用统一切换参数的方案容易使得部分用户终端切换过迟或切换过早,进而影响用户感知、影响***性能。
因此,如何提出一种适应于同一小区覆盖的用户终端场景复杂的切换方法,成为亟需解决的问题
发明内容
本申请实施例提供一种切换方法、装置、设备及存储介质,用以解决现有技术中切换方法不适应于同一小区覆盖的用户终端场景较为复杂的情况,容易使得部分用户终端切换过迟或切换过早的缺陷,实现适应同一小区覆盖的用户终端场景复杂的切换。
第一方面,本申请实施例提供一种切换方法,包括:
分别获取每一聚类中终端的RSRP(Reference Signal Receiving Power,参考信号接收功率)测量数据样本;
基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换;
其中,不同聚类对应的切换参数门限不同。
可选地,根据本申请一个实施例的切换方法,所述分别获取每一聚类中终端的RSRP测量数据样本之前,所述方法还包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据;
基于预设区域内所有待聚类终端的RSRP测量数据,对所述所有待聚类终端进行聚类;
基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限。
可选地,根据本申请一个实施例的切换方法,所述基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限,具体包括:
获取每一聚类中所有终端的接收电平量;
对比各聚类的所述所有终端的接收电平量,确定每一聚类对应的切换参数门限;所述切换参数门限与所述所有终端的接收电平量成反比。
可选地,根据本申请一个实施例的切换方法,所述获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据,包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据组成的第一矩阵;
基于第一矩阵,根据TSNE(t-Stochastic neighbour Embedding,T分布和随机近邻嵌入)算法获得第二矩阵,所述第二矩阵包括每一个待聚类终端的样本数据;所述待聚类终端样本数据用于描述所述待聚类终端的RSRP测量数据。
可选地,根据本申请一个实施例的切换方法,所述基于第一矩阵,根据TSNE算法获得第二矩阵,包括:
初始化所述第二矩阵中每一个待聚类终端的样本数据;
基于所述第一矩阵中每一个待聚类终端的RSRP测量数据,计算获得所述第一矩阵的概率分布p;
基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵;
确定迭代更新所述第二矩阵结束后,获取最后一次更新过程中的第二矩阵。
可选地,根据本申请一个实施例的切换方法,所述基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵,包括:
在每一次更新过程中,基于前一次更新过程中获得的第二矩阵中的每一个终端的样本数据,计算获得所述第二矩阵的概率分布q;
计算获得所述概率分布p与所述概率分布q之间的KL散度;
基于所述KL(Kullback-Leibler Divergence,相对熵)散度,更新所述第二矩阵。
可选地,根据本申请一个实施例的切换方法,所述确定迭代更新所述第二矩阵结束,包括:
KL散度低于预设值;或迭代更新次数超过预设迭代更新次数。
可选地,根据本申请一个实施例的切换方法,所述方法还包括:
每隔第一预设时间,重新对所述所有待聚类终端进行聚类,并确定每一聚类对应的切换参数门限;和/或
每隔第二预设时间,重新确定每一聚类对应的切换参数门限。
第二方面,本申请实施例还提供一种网络设备,包括存储器,收发机,处理器:
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
分别获取每一聚类中终端的RSRP测量数据样本;
基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换;
其中,不同聚类对应的切换参数门限不同。
可选地,根据本申请一个实施例的网络设备,所述分别获取每一聚类中终端的RSRP测量数据样本之前,所述操作还包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据;
基于预设区域内所有待聚类终端的RSRP测量数据,对所述所有待聚类终端进行聚类;
基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限。
可选地,根据本申请一个实施例的网络设备,所述基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限,具体包括:
获取每一聚类中所有终端的接收电平量;
对比各聚类的所述所有终端的接收电平量,确定每一聚类对应的切换参数门限;所述切换参数门限与所述所有终端的接收电平量成反比。
可选地,根据本申请一个实施例的网络设备,所述获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据,包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据组成的第一矩阵;
基于第一矩阵,根据TSNE算法获得第二矩阵,所述第二矩阵包括每一个待聚类终端的样本数据;所述待聚类终端样本数据用于描述所述待聚类终端的RSRP测量数据。
可选地,根据本申请一个实施例的网络设备,所述基于第一矩阵,根据TSNE算法获得第二矩阵,包括:
初始化所述第二矩阵中每一个待聚类终端的样本数据;
基于所述第一矩阵中每一个待聚类终端的RSRP测量数据,计算获得所述第一矩阵的概率分布p;
基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵;
确定迭代更新所述第二矩阵结束后,获取最后一次更新过程中的第二矩阵。
可选地,根据本申请一个实施例的网络设备,所述基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵,包括:
在每一次更新过程中,基于前一次更新过程中获得的第二矩阵中的每一个终端的样本数据,计算获得所述第二矩阵的概率分布q;
计算获得所述概率分布p与所述概率分布q之间的KL散度;
基于所述KL散度,更新所述第二矩阵。
可选地,根据本申请一个实施例的网络设备,所述确定迭代更新所述第二矩阵结束,包括:
KL散度低于预设值;或迭代更新次数超过预设迭代更新次数。
可选地,根据本申请一个实施例的网络设备,所述操作还包括:
每隔第一预设时间,重新对所述所有待聚类终端进行聚类,并确定每一聚类对应的切换参数门限;和/或
每隔第二预设时间,重新确定每一聚类对应的切换参数门限。
第三方面,本申请实施例还提供一种切换装置,包括:
获取模块,用于分别获取每一聚类中终端的RSRP测量数据样本;
确定模块,用于基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
切换模块,用于基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换;
其中,不同聚类对应的切换参数门限不同。
第四方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使所述处理器执行如上所述第一方面所述的切换方法的步骤。
本申请实施例提供的切换方法、装置、设备及存储介质,通过对用户进行聚类,不同聚类对应的切换参数门限不同,确定目标终端所属的聚类并确定其对应的切换参数门限后进行切换,可以实现对不同场景下的终端进行不同的切换参数配置,减少乒乓切换,避免在终端信号较差的时候发生切换,降低掉话的同时通过提前切换或者延时切换,提升***性能。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请实施例提供的一种切换方法流程示意图;
图2是本申请实施例提供的另一种切换方法流程示意图;
图3是本申请实施例提供的一种切换装置结构示意图;
图4是本申请实施例提供的一种网络设备结构示意图。
具体实施方式
本申请实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供了切换方法及装置,用以减少乒乓切换,避免在信号较差的时候发生切换,降低掉话的同时通过提前切换或者延时切换可改善用户感知。
其中,方法和装置是基于同一申请构思的,由于方法和装置解决问题的原理相似,因此装置和方法的实施可以相互参见,重复之处不再赘述。
NR(New Radio,新空口)***切换算法采用UE辅助网络控制的方式,基站为UE配置测量参数,UE按照基站配置的参数执行测量并发送测量报告,由基站来决策何时执行切换以及切换到哪个目标小区。这种切换方案为同一小区下所有用户终端的切换参数设置统一门限,并无针对小区下的用户进行区分控制。而在实际中,同一小区覆盖的用户终端场景较为复杂,例如对于某一小区同时覆盖主干道和周边村庄的情形,这种情况下主干道快速移动的终端应配置尽快切换,避免信号变差较多后发生切换,增加无线链路失败的风险;同时,对于周边居民区覆盖边缘的接入终端,希望切换参数更保守,避免频繁发生乒乓切换,以上两个要求是互相矛盾的。类似切换场景还有许多,对于使用统一切换参数的方案使得一些场景下容易出现部分用户终端切换过迟或切换过早,进而影响用户感知、影响***性能。
为了解决上述问题,本申请各实施例提出的是一种多场景识别方法,该方法基于用户测量报告中接收到所有小区的RSRP值(Reference Signal Receiving Power,参考信号接收功率)为特征,可分离出目标区域中所有归同一小区覆盖但具有不同切换需求的终端聚类。然后统计分析各个聚类中和不同聚类之间RSRP的特征来确定某一小区覆盖下的不同聚类中终端的切换需求级别。如此,网络设备即可对不同类型特征的终端进行不同的切换参数配置。该方法不仅可以减少乒乓切换,避免在信号较差的时候发生切换,降低掉话的同时通过提前切换或者延时切换可改善用户感知。
下面结合多个实施例对本申请进行详细介绍:
图1是本申请实施例提供的一种切换方法流程示意图,如图1所示,该方法包括如下步骤:
步骤100,分别获取每一聚类中终端的RSRP测量数据样本;
具体地,本实施例通过对目标区域中的用户进行聚类,将所有归同一小区覆盖但具有不同切换需求的用户分离,然后统计分析各个聚类的终端的RSRP的特征,为不同聚类中的终端配置不同的切换参数门限。
因此,当目标终端新接入网络时,为了确定目标终端的切换参数门限,可以首先分别获取每一聚类中终端的RSRP测量数据样本;
具体地,可以根据各聚类中终端的数量比例进行RSRP测量数据样本的抽取;例如聚类A,B,C和D中的终端数量比例为2:3:4:5,则分别在聚类A,B,C和D抽取RSRP测量数据样本的比例可以为2:3:4:5。
具体地,从各聚类抽取的RSRP测量数据样本可以在一定时间保持不变,有新增的目标终端接入需要进行切换时,可以直接基于已有的RSRP测量数据样本完成后续步骤,从各聚类抽取的RSRP测量数据样本也可以不定期进行更新。
具体地,本实施例对每一聚类中终端的RSRP测量数据样本的获取方式及数量不作限定。
步骤110,基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
具体地,在获取每一聚类中终端的RSRP测量数据样本后,可以基于目标终端的RSRP测量数据,与每一聚类中终端的RSRP测量数据样本进行对比,确定与目标终端的RSRP测量数据相似度最高的聚类为目标聚类,对应获取目标聚类的切换参数门限作为目标终端的切换参数门限。
具体地,在基于目标终端的RSRP测量数据,与每一聚类中终端的RSRP测量数据样本进行对比时,可以将目标终端的RSRP测量数据和每一聚类中终端的RSRP测量数据样本做基于高斯相似度或者欧氏距离的平均相似度计算,确定与目标终端的RSRP测量数据相似度最高的聚类为目标聚类。
本实施例中,使用线性或者非线性相似度计算方法,包括但不限于高斯相似度法、欧式距离法,计算目标终端的RSRP测量数据与每一聚类中终端的RSRP测量数据样本的差异性,确定样本的归属性,据此完成对目标终端的个性化切换。
步骤120,基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换。
具体地,确定了与目标终端的RSRP测量数据相似度最高的聚类为目标聚类后,可以对应获取目标聚类的切换参数门限作为目标终端的切换参数门限,并配置目标终端的切换参数门限,基于目标终端的切换参数门限完成目标终端的切换工作。
本实施例可以区分多场景对接入终端进行灵活的个性化切换操作,提高用户感知。
以一接入终端为例,该终端从主小区移动到邻区的过程中会触发A3事件并且将事件上报,网络侧通过提取RSRP特征数据并且通过与每一聚类中终端的RSRP测量数据样本做比较,并根据各聚类对应的预先设定的切换参数门限完成切换工作。如此不仅可以减少乒乓切换,避免在信号较差的时候发生切换,降低掉话的同时通过提前切换或者延时切换可改善用户感知。
本申请实施例提供的切换方法,通过对用户进行聚类,不同聚类对应的切换参数门限不同,确定目标终端所属的聚类并确定其对应的切换参数门限后进行切换,可以实现对不同场景下的终端进行不同的切换参数配置,减少乒乓切换,避免在终端信号较差的时候发生切换,降低掉话的同时通过提前切换或者延时切换,提升***性能。
可选地,基于上述任一实施例,所述分别获取每一聚类中终端的RSRP测量数据样本之前,所述方法还包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据;
基于预设区域内所有待聚类终端的RSRP测量数据,对所述所有待聚类终端进行聚类;
基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限。
具体地,在确定目标终端所属的聚类之前,需要首先确定所有聚类,以及每一聚类对应的切换参数门限。
因此,可以首先获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据,并基于预设区域内所有待聚类终端的RSRP测量数据,对所述所有待聚类终端进行聚类,实现将所有归同一小区覆盖但具有不同切换需求的用户分离。
具体地,为了获取每一聚类对应的切换参数门限,可以基于各个聚类中的终端接收电平随着时间变化的关系,以及通过各个聚类之间电平强弱变化力度之间的对比,得到不同聚类中的终端的不同切换需求,并进一步设置不同的切换参数门限(如不同的迟滞时间和/或不同的小区偏移量)。
具体地,在对所有待聚类终端进行聚类时,可以采用DBSCAN聚类,K-means聚类等聚类方式,所有可以实现对本实施例中的待聚类终端进行聚类的方式均适用于本实施例中,本实施例对此不做限制。
以DBSCAN(Density-Based Spatial Clustering of Applications with Noise,基于密度的聚类算法)聚类为例,DBSCAN聚类的原则是高密度群体的类簇。某一个待聚类终端对应数据点的r邻域内有大于等于ε个待聚类终端对应数据点,则称这个待聚类终端对应数据点为核心对象。参数r描述了某一数据点的邻域距离阈值,ε描述了某一样本的距离为r的邻域中样本个数的阈值。在核心对象的这r邻域内的所有点再继续按照这种方法圈地,直到没有满足条件的数据点为止。
可选地,基于上述任一实施例,所述基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限,具体包括:
获取每一聚类中所有终端的接收电平量;
对比各聚类的所述所有终端的接收电平量,确定每一聚类对应的切换参数门限;所述切换参数门限与所述所有终端的接收电平量成反比。
具体地,各种不同切换需求的终端聚类确定后,相应的数据特征也可计算得出。通过不同聚类的终端电平变化量的比较,OMC(Operation and Maintenance Center,操作维护中心)可以针对不同的场景灵活设定不同的切换参数阈值门限。
具体的,在一段固定时间范围内,可以通过统计各个聚类中终端的电平随时间的变化,电平的变化量与聚类中的终端的切换需求成正比,因此可以确定各个聚类中的接入终端切换需求程度,而且通过对比电平变化量,可以按照对应的比例分配切换参数门限给不同聚类,如切换迟滞时间等参数。
例如,电平变化量越大,需迟滞时间越短,需要更快速完成切换。
例如,电平变化量越大,小区偏移量越小,需要更快速完成切换。
因此,可以首先获取每一聚类中所有终端的接收电平量;基于各聚类的所有终端的接收电平量,确定每一聚类对应的切换参数门限。
可以理解的是,在确定每一聚类对应的切换参数门限时,设置满足电平变化量越大,需迟滞时间越短,小区偏移量越小这一条件即可。
例如,可以设置切换参数门限与所有终端的接收电平量成反比,即接收电平量越大,切换参数门限越小;也可以设置切换参数门限与所有终端的接收电平量成反比例,比如聚类A,B,C和D对应的接收电平量的比例为1:2:3:4,则聚类A,B,C和D对应的切换参数门限可以设置为12:6:4:3。
可选地,基于上述任一实施例,所述获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据,包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据组成的第一矩阵;
基于第一矩阵,根据TSNE算法获得第二矩阵,所述第二矩阵包括每一个待聚类终端的样本数据;所述待聚类终端样本数据用于描述所述待聚类终端的RSRP测量数据。
具体地,由于无线通信环境的复杂性,待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP进行测量时,会受到不同程度的干扰,导致同一待聚类终端在同一地点的不同时间产生的数据也不同。为了剔除冗余信息,降低复杂环境的干扰,需要对收集的待聚类终端的测量数据进行预处理。预处理的目的不仅可以去除噪点,同时经过数据预处理后,可以使待聚类终端的测量数据中同类型的数据更加接近,不同类型的数据互相远离。
本实施例中,可以通过TSNE算法将高维空间的样本数据以最小数据结构损失映射到低维空间,同时实现使待聚类终端的样本数据中同类型的数据更加接近,不同类型的数据互相远离。
具体地,可以首先获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据组成的第一矩阵,即高维空间的样本数据,然后可以根据TSNE算法获得第二矩阵,即预处理后的待聚类终端的测量数据。
可以理解的是,第一矩阵和第二矩阵中的元素都是用于描述待聚类终端的RSRP测量数据,第一矩阵是直接由待聚类终端的RSRP测量数据组成,第二矩阵用于描述预处理后的RSRP测量数据。
本实施例中,通过TSNE算法对测量数据进行预处理后,使得高维空间的测量数据映射到低维空间后依旧能够保持数据结构的同时,同类型数据更加靠近,异类数据更加远离。进一步对低维空间的数据进行聚类分析,能够给出清晰的多场景分类。
具体地,本实施例中,在对测量数据进行预处理时,还可以采用除TSNE算法以外的其他算法或者模型,只要能实现类似维度压缩或冗余信息去除等预处理过程或者算法均适用于本实施例,本实施例对此不做限制。
可选地,基于上述任一实施例,所述基于第一矩阵,根据TSNE算法获得第二矩阵,包括:
初始化所述第二矩阵中每一个待聚类终端的样本数据;
基于所述第一矩阵中每一个待聚类终端的RSRP测量数据,计算获得所述第一矩阵的概率分布p;
基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵;
确定迭代更新所述第二矩阵结束后,获取最后一次更新过程中的第二矩阵。
具体地,可以首先初始化第二矩阵中每一个待聚类终端的样本数据;
具体地,可以基于第一矩阵中每一个待聚类终端的RSRP测量数据,计算获得第一矩阵的概率分布p;基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵,并在确定迭代更新第二矩阵的过程全部结束后,获取最后一次更新过程中的第二矩阵,作为预处理后的测量数据进行后续的聚类处理。
具体地,假设TSNE算法的输入数据表示为x=(x1,x2,x3,...,xn),即为第一矩阵,其中,第i条测量数据表示为xi=(xi1,xi2,...,xim)。在高维空间中,使用各个测量数据的联合概率分布表示数据结构,表示如下:
其中,pij表示高维空间中数据xi和xj之间的近邻概率,σ是依据最大熵原理来决定的,表示给定数据点xi,其他所有数据的概率分布。以每个样本点作为中心的σ都需使得最后分布的熵较小,通常以log(k)为上限,k为所决定的邻域点的个数。在TSNE中,以困惑度为衡量标准,采用二分搜索的方式迭代寻找一个最佳的σ。
其中,x1,x2,x3,...,xn表示第1个终端,第2个终端,第3个终端,…,第n个终端;第i条测量数据表示第i个终端的测量数据,m表示覆盖终端xi的小区的个数,xi1,xi2,...,xim指终端xi在第1个小区的RSRP测量数据,终端xi在第2个小区的RSRP测量数据,…,终端xi在第m个小区的RSRP测量数据。
本实施例可以利用但不限于使用时间序列统计方法划分并排出各聚类中终端的切换需求程度,即根据时间序列数据结合场景识别结果,对聚类数据特征作切换需求程度排序,并配置相应的切换参数门限,改善用户感知。
可选地,基于上述任一实施例,所述基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵,包括:
在每一次更新过程中,基于前一次更新过程中获得的第二矩阵中的每一个终端的样本数据,计算获得所述第二矩阵的概率分布q;
计算获得所述概率分布p与所述概率分布q之间的KL散度;
基于所述KL散度,更新所述第二矩阵。
具体地,在低维空间中数据表示为y=(y1,y2,y3,...,yn),即第二矩阵,其中yi=(yi1,yi2,...,yit),t为样本i经过处理后的维度;y1,y2,y3,...,yn表示第1个终端,第2个终端,第3个终端,…,第n个终端;yi1,yi2,...,yit指终端yi在第1个小区的样本数据,终端yi在第2个小区的样本数据,…,终端yi在第t个小区的样本数据。
具体地,可以在每一次更新过程中,基于前一次更新过程中获得的第二矩阵中的每一个终端的样本数据,计算获得第二矩阵的概率分布q;低维空间分布采用更一般的T分布表示,如下:
其中,qij表示低维空间中数据yi和yj之间的近邻概率;
具体地,在当前的更新过程中,确定第二矩阵的概率分布q后,可以计算获得所述概率分布p与所述概率分布q之间的KL散度。
具体地,本实施例中,TSNE算法可以使用KL散度衡量概率分布p和q之间的相似程度,表示如下:
其中,Qi表示给定数据点yi与其他所有数据的概率分布;本实施例中,每一次更新过程中,需要计算上述优化目标损失函数,可以理解的是,KL散度越小,高维空间和低维空间的数据结构越接近,数据处理效果越好。
具体地,每一次更新过程中,计算优化目标损失函数获得p和q之间的相似程度即KL散度后,可以在优化过程采用梯度下降法,此时,梯度表示如下:
低维空间中,数据更新方式如下:
其中,yt表示t时刻低维空间中的数据,α为学习率。
本实施例中,每一次更新过程对y进行更新,获得更新后的第二矩阵。
可选地,基于上述任一实施例,所述确定迭代更新所述第二矩阵结束,包括:
KL散度低于预设值;或迭代更新次数超过预设迭代更新次数。
具体地,确定第二矩阵的迭代更新过程结束时,可以基于KL散度确定,比如确定KL散度低于预设值,则确定第二矩阵的迭代更新过程结束;
具体地,确定第二矩阵的迭代更新过程结束时,可以基于预设更新次数确定,比如预设更新次数为50次,则在第二矩阵更新50次后结束更新,基于第50次更新过程中的第二矩阵为预处理后的测量数据,用于后续聚类过程。
可选地,基于上述任一实施例,所述方法还包括:
每隔第一预设时间,重新对所述所有待聚类终端进行聚类,并确定每一聚类对应的切换参数门限;和/或
每隔第二预设时间,重新确定每一聚类对应的切换参数门限。
具体地,聚类可以不定期进行更新,相应地切换参数门限也可以不定期进行更新;聚类未进行更新时,可以不定期更新聚类对应的切换参数门限。满足灵活切换的目标,相应地,每次从各聚类抽取的RSRP测量数据样本也可以进行更新。
本申请实施例提供的切换方法,通过对用户进行聚类,不同聚类对应的切换参数门限不同,确定目标终端所属的聚类并确定其对应的切换参数门限后进行切换,可以实现对不同场景下的终端进行不同的切换参数配置,减少乒乓切换,避免在终端信号较差的时候发生切换,降低掉话的同时通过提前切换或者延时切换,提升***性能。
图2是本申请实施例提供的另一种切换方法流程示意图,如图2所示,该方法包括如下步骤:
步骤200,数据预处理;
具体地,在获取待聚类终端的RSRP测量数据后,可以通过TSNE算法将高维空间的样本数据以最小数据结构损失映射到低维空间,同时实现使待聚类终端的样本数据中同类型的数据更加接近,不同类型的数据互相远离。
具体地,可以首先获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据组成的第一矩阵,即高维空间的样本数据,然后可以根据TSNE算法获得第二矩阵,不仅可以去除噪点,同时经过数据预处理后,可以使待聚类终端的测量数据中同类型的数据更加接近,不同类型的数据互相远离。
具体地,假设TSNE算法的输入数据表示为x=(x1,x2,x3,...,xn),即为第一矩阵,其中,第i条测量数据表示为xi=(xi1,xi2,...,xim)。在高维空间中,使用各个测量数据的联合概率分布表示数据结构,表示如下:
其中,pij表示高维空间中数据xi和xj之间的近邻概率,σ是依据最大熵原理来决定的,Pi表示给定数据点xi,其他所有数据的概率分布。以每个样本点作为中心的σ都需使得最后分布的熵较小,通常以log(k)为上限,k为所决定的邻域点的个数。在TSNE中,以困惑度为衡量标准,采用二分搜索的方式迭代寻找一个最佳的σ。
其中,x1,x2,x3,...,xn表示第1个终端,第2个终端,第3个终端,…,第n个终端;第i条测量数据表示第i个终端的测量数据,m表示覆盖终端xi的小区的个数,xi1,xi2,...,xim指终端xi在第1个小区的RSRP测量数据,终端xi在第2个小区的RSRP测量数据,…,终端xi在第m个小区的RSRP测量数据。
随后可以基于第一矩阵的概率分布p,根据TSNE算法迭代更新所述第二矩阵,并在确定迭代更新第二矩阵的过程全部结束后,获取最后一次更新过程中的第二矩阵,作为预处理后的测量数据进行后续的聚类处理。
具体地,在低维空间中数据表示为y=(y1,y2,y3,...,yn),即第二矩阵,其中yi=(yi1,yi2,...,yit),t为样本i经过处理后的维度;y1,y2,y3,...,yn表示第1个终端,第2个终端,第3个终端,…,第n个终端;yi1,yi2,...,yit指终端yi在第1个小区的样本数据,终端yi在第2个小区的样本数据,…,终端yi在第t个小区的样本数据。
具体地,可以在每一次对y的更新过程中,基于前一次更新过程中获得的第二矩阵中的每一个终端的样本数据,计算获得第二矩阵的概率分布q;低维空间分布采用更一般的T分布表示,如下:
其中,qij表示低维空间中数据yi和yj之间的近邻概率。具体地,在当前的更新过程中,确定第二矩阵的概率分布q后,可以计算获得所述概率分布p与所述概率分布q之间的KL散度。
具体地,本实施例中,TSNE算法可以使用KL散度衡量概率分布p和q之间的相似程度,表示如下:
其中,Qi表示给定数据点yi与其他所有数据的概率分布。本实施例中,每一次更新过程中,需要计算上述优化目标损失函数,可以理解的是,KL散度越小,高维空间和低维空间的数据结构越接近,数据处理效果越好。
具体地,每一次更新过程中,计算优化目标损失函数获得p和q之间的相似程度即KL散度后,可以在优化过程采用梯度下降法,此时,梯度表示如下:
低维空间中,数据更新方式如下:
其中,yt表示t时刻低维空间中的数据,α为学习率。
本实施例中,每一次更新过程对y进行更新,获得更新后的第二矩阵。
步骤210,样本聚类;
具体地,可以对预处理后的测量数据样本进行聚类。
以DBSCAN聚类为例,DBSCAN聚类的原则是高密度群体的类簇。某一个待聚类终端对应数据点的r邻域内有大于等于ε个待聚类终端对应数据点,则称这个待聚类终端对应数据点为核心对象。参数r描述了某一数据点的邻域距离阈值,ε描述了某一样本的距离为r的邻域中样本个数的阈值。在核心对象的这r邻域内的所有点再继续按照这种方法圈地,直到没有满足条件的数据点为止。
步骤220,多场景分析;
具体地,获得多种不同场景的聚类后,可以基于各个聚类中的终端接收电平随着时间变化的关系,以及通过各个聚类之间电平强弱变化力度之间的对比,得到不同聚类中的终端的不同切换需求,并进一步设置不同的切换参数门限(如不同的迟滞时间和/或不同的小区偏移量)。
步骤230,切换管理;
具体地,在新增目标终端时,在获取每一聚类中终端的RSRP测量数据样本后,可以基于目标终端的RSRP测量数据,与每一聚类中终端的RSRP测量数据样本进行对比,确定与目标终端的RSRP测量数据相似度最高的聚类为目标聚类,对应获取目标聚类的切换参数门限作为目标终端的切换参数门限。基站则会根据该切换参数门限完成其切换工作。
步骤240,个性化切换。
具体地,在一接入终端从主小区移动到邻区的过程中,会触发A3事件并且将事件上报,网络通过提取其RSRP特征数据并且通过与每一聚类中终端的RSRP测量数据样本做比较,并根据各聚类对应的切换参数门限完成切换工作。
本申请实施例提出的一种基于TSNE结合DBSCAN的多场景识别方法,该方法基于用户测量报告中接收到所有小区的RSRP值(Reference Signal Receiving Power,参考信号接收功率)为特征,可以分离出目标区域中所有归同一小区覆盖但具有不同切换需求的终端。然后通过时间序列数据统计分析各个聚类中和不同聚类之间的RSRP随着时间的变化量来确定某一小区覆盖下的不同聚类的切换需求级别。如此,基站即可对不同类型特征的终端进行不同的切换参数配置。该方法不仅可以减少乒乓切换,避免在信号较差的时候发生切换,降低掉话的同时通过提前切换或者延时切换可改善用户感知。
本申请实施例提供的技术方案可以适用于多种***,尤其是5G***。例如适用的***可以是全球移动通讯(global system of mobile communication,GSM)***、码分多址(code division multiple access,CDMA)***、宽带码分多址(Wideband CodeDivision Multiple Access,WCDMA)通用分组无线业务(general packet radio service,GPRS)***、长期演进(long term evolution,LTE)***、LTE频分双工(frequencydivision duplex,FDD)***、LTE时分双工(time division duplex,TDD)***、高级长期演进(long term evolution advanced,LTE-A)***、通用移动***(universal mobiletelecommunication system,UMTS)、全球互联微波接入(worldwide interoperabilityfor microwave access,WiMAX)***、5G新空口(New Radio,NR)***等。这多种***中均包括终端设备和网络设备。***中还可以包括核心网部分,例如演进的分组***(EvlovedPacket System,EPS)、5G***(5GS)等。
本申请实施例涉及的终端设备,可以是指向用户提供语音和/或数据连通性的设备,具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备等。在不同的***中,终端设备的名称可能也不相同,例如在5G***中,终端设备可以称为用户设备(User Equipment,UE)。无线终端设备可以经无线接入网(Radio Access Network,RAN)与一个或多个核心网(Core Network,CN)进行通信,无线终端设备可以是移动终端设备,如移动电话(或称为“蜂窝”电话)和具有移动终端设备的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语言和/或数据。例如,个人通信业务(Personal Communication Service,PCS)电话、无绳电话、会话发起协议(Session Initiated Protocol,SIP)话机、无线本地环路(Wireless Local Loop,WLL)站、个人数字助理(Personal Digital Assistant,PDA)等设备。无线终端设备也可以称为***、订户单元(subscriber unit)、订户站(subscriber station),移动站(mobilestation)、移动台(mobile)、远程站(remote station)、接入点(access point)、远程终端设备(remote terminal)、接入终端设备(access terminal)、用户终端设备(userterminal)、用户代理(user agent)、用户装置(user device),本申请实施例中并不限定。
本申请实施例涉及的网络设备,可以是基站,该基站可以包括多个为终端提供服务的小区。根据具体应用场合不同,基站又可以称为接入点,或者可以是接入网中在空中接口上通过一个或多个扇区与无线终端设备通信的设备,或者其它名称。网络设备可用于将收到的空中帧与网际协议(Internet Protocol,IP)分组进行相互更换,作为无线终端设备与接入网的其余部分之间的路由器,其中接入网的其余部分可包括网际协议(IP)通信网络。网络设备还可协调对空中接口的属性管理。例如,本申请实施例涉及的网络设备可以是全球移动通信***(Global System for Mobile communications,GSM)或码分多址接入(Code Division Multiple Access,CDMA)中的网络设备(Base Transceiver Station,BTS),也可以是带宽码分多址接入(Wide-band Code Division Multiple Access,WCDMA)中的网络设备(NodeB),还可以是长期演进(long term evolution,LTE)***中的演进型网络设备(evolutional Node B,eNB或e-NodeB)、5G网络架构(next generation system)中的5G基站(gNB),也可以是家庭演进基站(Home evolved Node B,HeNB)、中继节点(relaynode)、家庭基站(femto)、微微基站(pico)等,本申请实施例中并不限定。在一些网络结构中,网络设备可以包括集中单元(centralized unit,CU)节点和分布单元(distributedunit,DU)节点,集中单元和分布单元也可以地理上分开布置。
图3是本申请实施例提供的一种切换装置结构示意图,如图3所示,该装置包括:获取模块310,确定模块320和切换模块330;其中,
获取模块310用于分别获取每一聚类中终端的RSRP测量数据样本;
确定模块320用于基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
切换模块330用于基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换;
其中,不同聚类对应的切换参数门限不同。
具体地,切换装置通过获取模块310分别获取每一聚类中终端的RSRP测量数据样本后,通过确定模块320基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;最后通过切换模块基于目标聚类对应的切换参数门限,配置目标终端的切换参数门限,完成所述目标终端的切换。
在此需要说明的是,本申请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。
本申请实施例提供的切换装置,通过对用户进行聚类,不同聚类对应的切换参数门限不同,确定目标终端所属的聚类并确定其对应的切换参数门限后进行切换,可以实现对不同场景下的终端进行不同的切换参数配置,减少乒乓切换,避免在终端信号较差的时候发生切换,降低掉话的同时通过提前切换或者延时切换,提升***性能。
图4是本申请实施例提供的一种网络设备结构示意图,如图4所示,该网络设备包括存储器420,收发机400,处理器410:
存储器420,用于存储计算机程序;收发机400,用于在所述处理器410的控制下收发数据;处理器410,用于读取所述存储器中的计算机程序并执行以下操作:
分别获取每一聚类中终端的RSRP测量数据样本;
基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换;
其中,不同聚类对应的切换参数门限不同。
收发机400,用于在处理器410的控制下接收和发送数据。
其中,在图4中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器410代表的一个或多个处理器和存储器420代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机400可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单410负责管理总线架构和通常的处理,存储器420可以存储处理器410在执行操作时所使用的数据。
处理器410可以是中央处埋器(CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或复杂可编程逻辑器件(Complex Programmable Logic Device,CPLD),处理器也可以采用多核架构。
在此需要说明的是,本发明实施例提供的上述设备,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。
可选地,基于上述任一实施例,所述分别获取每一聚类中终端的RSRP测量数据样本之前,所述操作还包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据;
基于预设区域内所有待聚类终端的RSRP测量数据,对所述所有待聚类终端进行聚类;
基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限。
具体来说,本申请实施例提供的上述设备,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。
可选地,基于上述任一实施例,所述基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限,具体包括:
获取每一聚类中所有终端的接收电平量;
对比各聚类的所述所有终端的接收电平量,确定每一聚类对应的切换参数门限;所述切换参数门限与所述所有终端的接收电平量成反比。
具体来说,本申请实施例提供的上述设备,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。
可选地,基于上述任一实施例,所述获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据,包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据组成的第一矩阵;
基于第一矩阵,根据TSNE算法获得第二矩阵,所述第二矩阵包括每一个待聚类终端的样本数据;所述待聚类终端样本数据用于描述所述待聚类终端的RSRP测量数据。
具体来说,本申请实施例提供的上述设备,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。
可选地,基于上述任一实施例,所述基于第一矩阵,根据TSNE算法获得第二矩阵,包括:
初始化所述第二矩阵中每一个待聚类终端的样本数据;
基于所述第一矩阵中每一个待聚类终端的RSRP测量数据,计算获得所述第一矩阵的概率分布p;
基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵;
确定迭代更新所述第二矩阵结束后,获取最后一次更新过程中的第二矩阵。
具体来说,本申请实施例提供的上述设备,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。
可选地,基于上述任一实施例,所述基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵,包括:
在每一次更新过程中,基于前一次更新过程中获得的第二矩阵中的每一个终端的样本数据,计算获得所述第二矩阵的概率分布q;
计算获得所述概率分布p与所述概率分布q之间的KL散度;
基于所述KL散度,更新所述第二矩阵。
具体来说,本申请实施例提供的上述设备,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。
可选地,基于上述任一实施例,所述确定迭代更新所述第二矩阵结束,包括:
KL散度低于预设值;或迭代更新次数超过预设迭代更新次数。
具体来说,本申请实施例提供的上述设备,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。
可选地,基于上述任一实施例,所述操作还包括:
每隔第一预设时间,重新对所述所有待聚类终端进行聚类,并确定每一聚类对应的切换参数门限;和/或
每隔第二预设时间,重新确定每一聚类对应的切换参数门限。
具体来说,本申请实施例提供的上述设备,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。
需要说明的是,本申请实施例中对单元的划分是示意性的,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。另外,在本申请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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以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,可以存储在一个处理器可读取存储介质中。基于这样的理解,本申请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全部或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)或处理器(processor)执行本申请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(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。
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。
另一方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使所述处理器执行上述各实施例提供的方法,包括:
分别获取每一聚类中终端的RSRP测量数据样本;
基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换;
其中,不同聚类对应的切换参数门限不同。
本实施例提供的处理器可读存储介质,其上存储的计算机程序使处理器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。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请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,本申请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存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、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。
这些处理器可执行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处理器可读存储器中,使得存储在该处理器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。
这些处理器可执行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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (18)
1.一种切换方法,其特征在于,包括:
分别获取每一聚类中终端的RSRP测量数据样本;
基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换;
其中,不同聚类对应的切换参数门限不同。
2.根据权利要求1所述的切换方法,其特征在于,所述分别获取每一聚类中终端的RSRP测量数据样本之前,所述方法还包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据;
基于预设区域内所有待聚类终端的RSRP测量数据,对所述所有待聚类终端进行聚类;
基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限。
3.根据权利要求2所述的切换方法,其特征在于,所述基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限,具体包括:
获取每一聚类中所有终端的接收电平量;
对比各聚类的所述所有终端的接收电平量,确定每一聚类对应的切换参数门限;所述切换参数门限与所述所有终端的接收电平量成反比。
4.根据权利要求2所述的切换方法,其特征在于,所述获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据,包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据组成的第一矩阵;
基于第一矩阵,根据TSNE算法获得第二矩阵,所述第二矩阵包括每一个待聚类终端的样本数据;所述待聚类终端样本数据用于描述所述待聚类终端的RSRP测量数据。
5.根据权利要求4所述的切换方法,其特征在于,所述基于第一矩阵,根据TSNE算法获得第二矩阵,包括:
初始化所述第二矩阵中每一个待聚类终端的样本数据;
基于所述第一矩阵中每一个待聚类终端的RSRP测量数据,计算获得所述第一矩阵的概率分布p;
基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵;
确定迭代更新所述第二矩阵结束后,获取最后一次更新过程中的第二矩阵。
6.根据权利要求5所述的切换方法,其特征在于,所述基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵,包括:
在每一次更新过程中,基于前一次更新过程中获得的第二矩阵中的每一个终端的样本数据,计算获得所述第二矩阵的概率分布q;
计算获得所述概率分布p与所述概率分布q之间的KL散度;
基于所述KL散度,更新所述第二矩阵。
7.根据权利要求5所述的切换方法,其特征在于,所述确定迭代更新所述第二矩阵结束,包括:
KL散度低于预设值;或迭代更新次数超过预设迭代更新次数。
8.根据权利要求2所述的切换方法,其特征在于,所述方法还包括:
每隔第一预设时间,重新对所述所有待聚类终端进行聚类,并确定每一聚类对应的切换参数门限;和/或
每隔第二预设时间,重新确定每一聚类对应的切换参数门限。
9.一种网络设备,其特征在于,包括存储器,收发机,处理器:
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
分别获取每一聚类中终端的RSRP测量数据样本;
基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换;
其中,不同聚类对应的切换参数门限不同。
10.根据权利要求9所述的网络设备,其特征在于,所述分别获取每一聚类中终端的RSRP测量数据样本之前,所述操作还包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据;
基于预设区域内所有待聚类终端的RSRP测量数据,对所述所有待聚类终端进行聚类;
基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限。
11.根据权利要求10所述的网络设备,其特征在于,所述基于每一聚类中终端的接收电平量,确定每一聚类对应的切换参数门限,具体包括:
获取每一聚类中所有终端的接收电平量;
对比各聚类的所述所有终端的接收电平量,确定每一聚类对应的切换参数门限;所述切换参数门限与所述所有终端的接收电平量成反比。
12.根据权利要求10所述的网络设备,其特征在于,所述获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据,包括:
获取待聚类终端对覆盖所述待聚类终端的所有小区的参考信号接收功率RSRP测量数据组成的第一矩阵;
基于第一矩阵,根据TSNE算法获得第二矩阵,所述第二矩阵包括每一个待聚类终端的样本数据;所述待聚类终端样本数据用于描述所述待聚类终端的RSRP测量数据。
13.根据权利要求12所述的网络设备,其特征在于,所述基于第一矩阵,根据TSNE算法获得第二矩阵,包括:
初始化所述第二矩阵中每一个待聚类终端的样本数据;
基于所述第一矩阵中每一个待聚类终端的RSRP测量数据,计算获得所述第一矩阵的概率分布p;
基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵;
确定迭代更新所述第二矩阵结束后,获取最后一次更新过程中的第二矩阵。
14.根据权利要求13所述的网络设备,其特征在于,所述基于所述概率分布p,根据TSNE算法迭代更新所述第二矩阵,包括:
在每一次更新过程中,基于前一次更新过程中获得的第二矩阵中的每一个终端的样本数据,计算获得所述第二矩阵的概率分布q;
计算获得所述概率分布p与所述概率分布q之间的KL散度;
基于所述KL散度,更新所述第二矩阵。
15.根据权利要求13所述的网络设备,其特征在于,所述确定迭代更新所述第二矩阵结束,包括:
KL散度低于预设值;或迭代更新次数超过预设迭代更新次数。
16.根据权利要求10所述的网络设备,其特征在于,所述操作还包括:
每隔第一预设时间,重新对所述所有待聚类终端进行聚类,并确定每一聚类对应的切换参数门限;和/或
每隔第二预设时间,重新确定每一聚类对应的切换参数门限。
17.一种切换装置,其特征在于,包括:
获取模块,用于分别获取每一聚类中终端的RSRP测量数据样本;
确定模块,用于基于所述每一聚类中终端的RSRP测量数据样本,确定与目标终端的RSRP测量数据相似度最高的目标聚类;
切换模块,用于基于所述目标聚类对应的切换参数门限,配置所述目标终端的切换参数门限,完成所述目标终端的切换;
其中,不同聚类对应的切换参数门限不同。
18.一种处理器可读存储介质,其特征在于,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使所述处理器执行权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011133860.4A CN114390605B (zh) | 2020-10-21 | 2020-10-21 | 切换方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011133860.4A CN114390605B (zh) | 2020-10-21 | 2020-10-21 | 切换方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114390605A true CN114390605A (zh) | 2022-04-22 |
CN114390605B CN114390605B (zh) | 2023-07-14 |
Family
ID=81193255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011133860.4A Active CN114390605B (zh) | 2020-10-21 | 2020-10-21 | 切换方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114390605B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102833806A (zh) * | 2012-08-10 | 2012-12-19 | 大唐移动通信设备有限公司 | 小区切换方法与装置 |
CN103974350A (zh) * | 2014-05-20 | 2014-08-06 | 上海交通大学 | 一种自适应门限调整的切换方法 |
CN104486784A (zh) * | 2014-12-19 | 2015-04-01 | 东南大学 | 超密集无线网络中减少切换失败的方法 |
CN105027618A (zh) * | 2013-03-12 | 2015-11-04 | 高通股份有限公司 | 用于ue测量辅助式切换分类的方法和装置 |
CN109151930A (zh) * | 2017-06-28 | 2019-01-04 | 大唐移动通信设备有限公司 | 小区测量方法及装置 |
US20200119879A1 (en) * | 2017-07-31 | 2020-04-16 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Data transmission method and terminal device |
CN111372293A (zh) * | 2018-12-26 | 2020-07-03 | 华为技术有限公司 | 通信方法和通信装置 |
CN111698738A (zh) * | 2019-12-27 | 2020-09-22 | 中国电信股份有限公司 | 共享载波的边界切换方法和装置 |
-
2020
- 2020-10-21 CN CN202011133860.4A patent/CN114390605B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102833806A (zh) * | 2012-08-10 | 2012-12-19 | 大唐移动通信设备有限公司 | 小区切换方法与装置 |
CN105027618A (zh) * | 2013-03-12 | 2015-11-04 | 高通股份有限公司 | 用于ue测量辅助式切换分类的方法和装置 |
CN103974350A (zh) * | 2014-05-20 | 2014-08-06 | 上海交通大学 | 一种自适应门限调整的切换方法 |
CN104486784A (zh) * | 2014-12-19 | 2015-04-01 | 东南大学 | 超密集无线网络中减少切换失败的方法 |
CN109151930A (zh) * | 2017-06-28 | 2019-01-04 | 大唐移动通信设备有限公司 | 小区测量方法及装置 |
US20200119879A1 (en) * | 2017-07-31 | 2020-04-16 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Data transmission method and terminal device |
CN111372293A (zh) * | 2018-12-26 | 2020-07-03 | 华为技术有限公司 | 通信方法和通信装置 |
CN111698738A (zh) * | 2019-12-27 | 2020-09-22 | 中国电信股份有限公司 | 共享载波的边界切换方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114390605B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11109283B1 (en) | Handover success rate prediction and management using machine learning for 5G networks | |
US20220210706A1 (en) | Method and apparatus for identifying target neighbor cell for handover of user equipment (ue) | |
Ghosh et al. | Coverage and rate analysis in two‐tier heterogeneous networks under suburban and urban scenarios | |
CN103686895B (zh) | 切换控制方法、无线网络控制器和接入节点 | |
CN113994731A (zh) | 无线通信的方法和设备 | |
US11337131B1 (en) | Method and apparatus for recommending real-time handover to a target cell in open-radio access network (O-RAN) environment | |
US11947575B2 (en) | Geohash based auto-segmentation | |
US20230071942A1 (en) | Cellular network indoor traffic auto-detection | |
US20220210709A1 (en) | Method and apparatus for initiating handover (ho) procedure in an open-radio access network (o-ran) environment | |
CN114390605B (zh) | 切换方法、装置、设备及存储介质 | |
CN108243467B (zh) | 一种基于lte网络的小区切换方法和*** | |
Zhohov et al. | Reducing latency: Improving handover procedure using machine learning | |
EP3466143B1 (en) | Method and network node for providing an rf model of a telecommunications system | |
CN114885368A (zh) | 一种邻区配置优化方法、装置及网络设备 | |
CN113498070B (zh) | Ap预测方法、装置及*** | |
EP3178251B1 (en) | Radio network node and method for determining whether a wireless device is a suitable candidate for handover to a target cell for load balancing reasons | |
CN109327854B (zh) | 轨道用户识别方法及装置 | |
CN115942403A (zh) | 一种波束测量结果上报方法及装置 | |
CN116097752A (zh) | 切换方法、装置、设备及存储介质 | |
CN114071531B (zh) | 最小化路测mdt的处理方法、装置、终端及网络设备 | |
CN115623572A (zh) | 上行干扰处理方法及装置 | |
WO2023143200A1 (zh) | 波束切换方法、装置及处理器可读存储介质 | |
CN114363983B (zh) | 一种定向获取终端信息的方法 | |
EP4068855A1 (en) | Method for recommending target cell for handover in open-radio access network environment | |
CN111434138B (zh) | 小区信号质量确定方法、装置及*** |
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 |