[发明专利]使用深度学习进行网络自优化的方法和系统

权利要求书

1.一种方法，包括：

获取输入数据集和目标，所述输入数据集包括无线网络通信参数的值；

根据所述目标生成针对所述输入数据集的输出数据集；

生成所述输入数据集到所述输出数据集的映射；以及

使用所述映射来训练网络控制器。

2.根据权利要求1所述的方法，其中所述输入数据集包括以下中的至少一项：信道增益、接收功率测量、干扰测量、功率相关信息、可用带宽、连接性和用户设备(UE)与基站关联、服务质量(QoS)参数、拥塞和负载信息。

3.根据权利要求2所述的方法，其中所述目标是QoS目标，所述QoS目标包括以下中的至少一项：目的数据速率、时延、可靠性、数据丢失率、无序传送和往返时间。

4.根据权利要求2所述的方法，其中所述获取输入数据集包括：

从多个用户设备(UE)获取所述功率相关信息，所述功率相关信息包括几乎空白子帧(ABS)期间的功率相关值和非ABS子帧期间的功率相关值，所述生成输出数据集基于所述功率相关信息来生成所述输出数据集。

5.根据权利要求4所述的方法，其中所述输出数据集是经优化的传输调度。

6.根据权利要求1所述的方法，其中所述生成输出数据集使用遗传编程和遗传算法中的至少一项来生成所述输出数据集。

7.根据权利要求1所述的方法，其中所述网络控制器是神经网络。

8.根据权利要求7所述的方法，其中所述训练包括：

训练个体网络以形成所述神经网络的一部分，每个个体网络表示用于下行链路传输调度的可调度元素的功能。

9.根据权利要求8所述的方法，其中所述训练包括：

向每个个体网络提供所述输入数据集，以形成所述神经网络的一部分，所述输入数据集包括以下中的至少一项：信道增益、接收功率测量、干扰测量、功率相关信息、可用带宽、连接和用户设备(UE)和基站关联、服务质量(QoS)参数、拥塞和负载信息。

10.根据权利要求7所述的方法，其中所述训练包括：

训练个体网络以形成所述神经网络的一部分，每个个体网络表示通信系统中的不同数目的用户设备(UE)。

11.根据权利要求7所述的方法，其中所述训练包括：

训练个体网络；

确定所述个体网络的第一层，相对于所述个体网络的其他层，所述第一层与较高度量相关联；以及

组合所述第一层以形成所述神经网络。

12.根据权利要求1所述的方法，还包括：

在自组织网络(SON)控制器中部署所述网络控制器。

13.根据权利要求1所述的方法，还包括：

从通信网络中的多个UE收集测量数据；以及

由所述网络控制器基于所述测量数据来生成经优化的传输调度。

14.一种通信系统，包括：

经训练的网络控制器，所述经训练的网络控制器包括：

存储器，存储计算机可读指令，

至少一个处理器，被配置为执行所述计算机可读指令以：

获取输入网络测量，以及

基于所述输入网络测量来生成输出网络参数。

15.根据权利要求14所述的通信系统，其中所述输入网络测量是以下中的至少一项：信道增益、可用带宽、用户设备(UE)与基站关联、服务质量(QoS)参数、拥塞窗口以及基站负载和功率相关信息。

16.根据权利要求15所述的通信系统，其中所述经训练的网络控制器被配置为执行所述计算机可读指令以优化所述输出网络参数。