买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：黄河科技学院

摘要：本申请公开了一种无线通信网络性能优化方法，其通过获取待优化小区中各个区域的信号强度数据，并利用基于深度学习的数据处理和分析算法来进行所述待优化小区中各个区域的信号强度数据的时序特征分析和全域信号关联，以此基于各个区域之间的信号强度的时序关联关系来自动地推荐基站功率的优化值。这样，能够提高优化结果的精准性和准确性，减少优化过程中的复杂性，以此实现全局性的网络性能优化，进而提高整个网络的效率和质量，满足用户对高速率和稳定连接的需求。

主权项：1.一种无线通信网络性能优化方法，其特征在于，包括：获取待优化小区中各个区域的信号强度数据的时间序列以得到信号强度数据时间序列的序列；将所述信号强度数据时间序列的序列按照时间维度进行数据规整以得到局部区域信号强度时序输入向量的序列；将所述局部区域信号强度时序输入向量的序列分别通过基于一维扩展卷积神经模型的信号强度时序模式特征提取器以得到局部区域信号强度时序关联特征向量的序列；对所述局部区域信号强度时序关联特征向量的序列进行非线性校正以得到校正后局部区域信号强度时序关联特征向量的序列；基于所述待优化小区中各个区域的空间拓扑结构来构建网络空间拓扑矩阵；对所述网络空间拓扑矩阵进行空间拓扑特征提取以得到网络空间拓扑特征矩阵；将所述校正后局部区域信号强度时序关联特征向量的序列和所述网络空间拓扑特征矩阵通过图神经网络模型以得到拓扑全域信号强度时序关联特征；基于所述拓扑全域信号强度时序关联特征，得到基站功率控制指令；将所述局部区域信号强度时序输入向量的序列分别通过基于一维扩展卷积神经模型的信号强度时序模式特征提取器以得到局部区域信号强度时序关联特征向量的序列，包括：将所述局部区域信号强度时序输入向量的序列中的每个局部区域信号强度时序输入向量分别通过所述基于一维扩展卷积神经模型的信号强度时序模式特征提取器以如下扩展卷积公式进行处理以得到所述局部区域信号强度时序关联特征向量的序列；其中，所述扩展卷积公式为： Ci＝fω·Xi：i+j-l+bC＝[C1,C2,...,Cn-l+1]其中，X1,X2,...,Xn分别表示每个所述局部区域信号强度时序输入向量中各个局部区域信号强度局部时序输入向量，X1:n表示所述各个局部区域信号强度局部时序输入向量的级联向量，表示连接操作，Xi:i+j-l表示所述各个局部区域信号强度局部时序输入向量中的Xi,Xi+1,...,Xi+j-1的级联向量，ω和b分别表示权重矩阵和偏移向量，f·表示卷积操作，Ci表示所述局部区域信号强度时序关联特征向量的序列中每个局部区域信号强度时序关联特征向量的各个局部区域信号强度局部时序关联特征向量，[·,·]表示向量拼接，C为所述局部区域信号强度时序关联特征向量；对所述局部区域信号强度时序关联特征向量的序列进行非线性校正以得到校正后局部区域信号强度时序关联特征向量的序列，包括：以如下校正公式对所述局部区域信号强度时序关联特征向量的序列进行非线性校正以得到所述校正后局部区域信号强度时序关联特征向量的序列；其中，所述校正公式为： 其中，vi为所述局部区域信号强度时序关联特征向量的序列中每个局部区域信号强度时序关联特征向量的第i个位置的特征值，Li为所述校正后局部区域信号强度时序关联特征向量的序列中每个校正后局部区域信号强度时序关联特征向量的第i个位置的特征值，A、B、C和D为相应的调整参数。

全文数据：

权利要求：

百度查询： 黄河科技学院 无线通信网络性能优化方法