无线网络优化方法及装置与流程

本技术属于通信，具体涉及一种无线网络优化方法及装置。

背景技术：

1、为支持无线网络智能优化和自动化运维，o-ran(open radio access network，开放式无线电接入网)联盟引入了无线智控平台(near-rt ric，近实时ric)和非实时ric(non-rt ric)来实现对实时和非实时的小区级、用户级无线数据的处理。目前近实时ric(ran intelligent controller，无线接入网智能控制器)可从基站采集小区级和用户级相关数据，以开展无线侧数据分析和模型训练，例如：分析小区的无线指纹栅格信息，可通过不同终端测量的其服务小区和同频邻区的rsrp(reference signal received power，参考信号接收功率)，通过机器学习或ai算法来构建无线指纹栅格模型，估计和预测异频的邻区的rsrp、用户的频谱效率等信息；或通过分析终端的mcs(modulation and coding scheme，调制和编码方案)、cqi(channel quality indicator，信道质量指示)、干扰和多天线、移动性等情况来构建用户的无线链路质量预测机器学习模型或智能决策机器学习模型，如bler(block error rate，误块率)预测机器学习/ai模型，来辅助最优化mcs选择。

技术实现思路

1、本技术实施例提供一种无线网络优化方法及装置，能够提供针对无线网络的优化控制命令或优化策略。

2、本技术实施例提供一种无线网络优化方法，应用于第一网络功能实体，包括：

3、获取无线网络数据，所述无线网络数据包括终端类型和终端通信数据，所述终端通信数据包括以下至少一项：用户标识、无线测量信息、资源状态信息、无线性能信息，其中，所述终端类型用于标识不同终端的测量和解调能力；

4、根据所述终端类型、终端通信数据和预设的无线网络优化ai模型，确定针对无线网络的优化控制命令或优化策略。

5、一些实施例中，所述无线网络优化ai模型包括以下至少一项：

6、无线性能预测模块、无线链路质量预测模型、无线指纹栅格预测模型、用户切换控制机器模型、用户载波聚合控制机器学习模型、用户多连接控制机器学习模型、用户波束预测模型。

7、一些实施例中，所述无线网络优化ai模型通过以下任一方式得到：

8、从第二网元获取所述无线网络优化ai模型，所述第二网元是非实时无线智能控制单元或者无线网络管理单元，所述无线网络优化ai模型为所述第二网元利用获取的终端类型和终端通信数据进行机器学习训练得到；

9、所述第一网络功能实体利用所述终端类型和所述终端通信数据进行机器学习训练得到。

10、一些实施例中，所述终端类型为所述第一网络功能实体基于用户标识从第三网元获取，所述第三网元包括以下至少一项:非实时无线智能控制单元、无线网络管理单元、核心网网元、接入网网元。

11、一些实施例中，同一手机型号或者同一基带芯片类型的终端对应同一终端类型；或

12、对不同终端的历史无线测量信息和/或终端解调性能信息进行聚类，聚类得到的一类终端对应同一终端类型。

13、一些实施例中，所述确定针对无线网络的优化控制命令或优化策略包括以下至少一项：

14、根据所述无线网络优化ai模型进行推理决策，根据推理结果和/或优化结果，结合无线网络优化目标任务，得到无线接入网的优化策略。

15、一些实施例中，所述根据所述无线网络优化ai模型进行推理决策包括：

16、根据所述上报的终端通信数据中的用户标识，查询与所述用户标识关联的终端类型；

17、根据与所述用户标识关联的终端类型对应的无线网络优化ai模型进行推理决策；或，将与所述用户标识关联的终端类型作为所述无线网络优化ai模型的输入数据的一部分，进行推理决策。

18、一些实施例中，所述第一网络功能实体利用所述终端类型和所述终端通信数据进行机器学习训练得到所述无线网络优化ai模型包括以下任一项：

19、第一项：将具有相同终端类型的终端通信数据作为一个数据集，针对每一终端类型的数据集，训练得到一无线网络优化ai模型，保存m个终端类型对应的无线网络优化ai模型，m为正整数，表示终端类型的总个数；

20、第二项：以所述终端类型作为无线网络优化ai模型的输入，训练得到针对所有终端类型的无线网络优化ai模型。

21、一些实施例中，所述第一网络功能实体根据以下至少一项选择执行所述第一项或所述第二项得到所述无线网络优化ai模型：

22、所述第一网络功能实体的计算能力；

23、所述第一网络功能实体的存储能力；

24、所述无线网络优化ai模型的个数；

25、所述无线网络优化ai模型的大小；

26、所述无线网络优化ai模型的运行时间

27、所述无线网络优化ai模型的模型精度。

28、一些实施例中，获取无线网络数据包括：

29、向数据来源实体发送数据订阅请求；

30、接收所述数据来源实体返回的无线网络数据；

31、其中，所述数据来源实体包括以下至少一项：终端、接入网网元、核心网网元。

32、一些实施例中，所述用户标识包括以下至少一项：

33、小区无线网络临时标识c-rnti；

34、无线接入网ran终端标识；

35、接入和移动管理功能amf终端下一代应用协议标识；

36、宏小区基站menb终端x2接口应用协议标识；

37、移动性管理实体mme终端s1接口应用协议标识；

38、主无线接入网m-ng ran节点终端xn接口应用协议标识；

39、基站集中单元控制面部分gnb-cu-cp终端e1接口应用协议标识；

40、基站集中单元gnb-cu终端f1接口应用协议标识。

41、本技术实施例还提供了一种无线网络优化装置，应用于第一网络功能实体，包括：

42、获取模块，用于获取无线网络数据，所述无线网络数据包括终端类型和终端通信数据，所述终端通信数据包括以下至少一项：用户标识、无线测量信息、资源状态信息、无线性能信息，其中，所述终端类型用于标识不同终端的测量和解调能力；

43、处理模块，用于根据所述终端类型、终端通信数据和预设的无线网络优化ai模型，确定针对无线网络的优化控制命令或优化策略。

44、本技术实施例还提供了一种第一网络功能实体，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如上所述的无线网络优化方法的步骤。

45、本技术实施例还提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如上所述的无线网络优化方法的步骤。

46、在本技术实施例中，根据终端类型、终端通信数据和预设的无线网络优化ai模型确定针对无线网络的优化控制命令或优化策略，其中，终端类型标识不同终端的测量和解调能力，相比于现有不区分终端的测量和解调能力差异的方案，可以更准确的提供针对不同终端无线能力的无线网络的优化控制命令或优化策略。