(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110755657.9 (22)申请日 2021.07.0 5 (65)同一申请的已公布的文献号 申请公布号 CN 113328815 A (43)申请公布日 2021.08.31 (73)专利权人 重庆理工大 学 地址 400054 重庆市巴南区李 家沱红光大 道69号 (72)发明人 刘伟　胡顺仁　 (74)专利代理 机构 重庆华科专利事务所 5 0123 专利代理师 谭小琴 (51)Int.Cl. H04B 17/309(2015.01) G06F 30/27(2020.01) G06F 119/02(2020.01)审查员 袁悦 (54)发明名称 一种消除映射误差的无线链路质 量敏捷预 测方法 (57)摘要 本发明公开了一种消除映射误差的无线链 路质量敏捷预测方法， 包括以下步骤： 1） 训练阶 段： 获取长时间的、 涵盖多种链路质量的链路实 测数据； 分别使用小时间窗口和大时间窗口对收 包率PRR进行统计， 获得PRR序列， 其中大时间窗 口涵盖多个历史和未来小时间窗口； 以小时间窗 口PRR历史序列为输入， 以大时间窗口PRR为输 出， 采用机器学习算法， 训练和构建预测模型； 2） 运行阶段： 获取小时间窗口PRR历史序列； 将小时 间窗口PRR历史序列作为预测模型的输入， 预测 得到包含历史和未来小时间窗口的大时间窗口 的PRR预测值。 本发明通过消除物理层参数映射 引入的误差， 在不降低链路质量预测敏捷性的前 提下， 能够实现更为 准确的PR R预测。 权利要求书2页 说明书6页 附图4页 CN 113328815 B 2022.09.09 CN 113328815 B 1.一种消除 映射误差的无线链路质量敏捷预测方法， 其特 征在于， 包括： 训练阶段： 获取长时间的、 涵盖多种链路质量的链路实测数据； 分别使用小时间窗口和 大时间窗口对PRR进行统计， 获得PRR序列， 其中大时间窗口涵盖多个历史和未来小时间窗 口； 以小时间窗口PRR历史序列为输入， 以大时间窗口PRR为输出， 采用机器学习 算法， 训练 和构建预测模型； 运行阶段： 获取小时间窗口PRR历史序列； 将小时间窗口PRR历史序列作为预测模型的 输入， 预测得到包 含历史和未来小时间窗口 的大时间窗口 的PRR预测值。 2.根据权利要求1所述的消除映射误差的无线链路质量敏捷预测方法， 其特征在于： 小 时间窗口的长度为n， 大时间窗口的长度为N， 且N为n的整 数倍； 大时间窗口涵盖多个历史和 未来小时间窗口。 3.根据权利要求2所述的消除映射误差的无线链路质量敏捷预测方法， 其特征在于： 所 述训练阶段的流 程包括： (S11)获取长时间的、 涵盖多种链路质量的链路实测数据； (S12)分别使用小时间窗口n和大时间窗口N对PRR进行统计， 获得小时间窗口PRR序列 {prr1,prr2,...,prri,...,prrM}和大时间窗口PR R序列{PRR1,PRR2,...,PRRq,...,PRRR}； 其中， M为小时间窗口PR R序列的样本总数， R为大时间窗口PR R序列的样本总数； 第i个小时间窗口 的PRR的计算公式为： 其中， ni为第i个小时间窗口成功接收的数据包个数； 第q个大时间窗口 的PRR的计算公式为： 其中， Nq为第q个大时间窗口成功接收的数据包个数； (S13)以m个小时间窗口PRR历史序列为输入， 对应的大时间窗口PRR为输出， 采用机器 学习算法， 对预测模型进行训练； (S14)当预测模型输出的误差目标函数小于训练目标阈值时， 训练结束， 获取并保存预 测模型参数。 4.根据权利要求2或3所述的消除映射误差的无线链路质量敏捷预测方法， 其特征在 于： 所述运行阶段的流 程包括： (S21)构建空的PR R序列X＝{}； (S22)每隔小时间窗口n对PR R进行统计， 得到当前小时间窗口 的PRR＝Xc； (S23)更新小时间窗口PR R序列； (S23‑1)如果小时间 窗口PRR序列长度小于m， 将Xc直接添加到当前小时间窗口PRR序列， 更新后的小时间窗口PR R序列为X＝{X1,X2,...,Xc}； (S23‑2)如果小时间 窗口PRR序列长度等于m， 则删除最早的小时间 窗口PRR， 并将Xc添加 到当前小时间窗口PR R序列， 更新后的小时间窗口PR R序列为X＝{Xc‑m+1,Xc‑m+2,...,Xc}； (S24)对大时间窗口PR R进行预测； (S24‑1)如果小时间窗口PRR序列 长度小于m， 对小时间窗口PRR序列X＝{X1,X2,...,Xc}权　利　要　求　书 1/2 页 2 CN 113328815 B 2取均值， 作为对应大时间窗口 的PRR预测值， 即： (S24‑2)如果小时间窗口PRR序列长度等于m， 则运行预测模型， 将小时间窗口PRR序列 作为预测模型的输入， 得到对应大时间窗口 的PRR预测值。 5.根据权利要求4所述的消除映射误差的无线链路质量敏捷预测方法， 其特征在于： 所 述预测模 型采用循环神经网络、 小波神经网络、 BP神经网络、 随机森林、 逻辑回归、 支持向量 机和AdaBo ost中的其中一种进行训练。权　利　要　求　书 2/2 页 3 CN 113328815 B 3