一种信息处理方法、装置、设备及计算机可读存储介质与流程

本发明涉及通信技术领域，尤其涉及一种信息处理方法、装置、设备及计算机可读存储介质。

背景技术：

波束对的断连(beampairfailure)判别在5gnr(newradio，新空口)中可能有如下几种情况：

(1)仅下行bpf。这种情况是指波束对的pdcch(physicaldownlinkcontrolchannel，物理下行控制信道)控制信道或者pdsch(physicaldownlinksharedchannel，物理下行共享信道)业务信道无法解码，rsrp(referencesignalreceivingpower，参考信号接收功率)/rsrq(referencesignalreceivingquality，参考信号接收质量)低于设定的门限值，并且持续了一定的时间(即计时器超时)。

(2)仅上行bpf。在这种情况下，ue可能发生了失步情况，或者基站没有接收到ack/nack，并达到了重传上限。

(3)上下行同时bpf。这种情况可能是由于移动性或环境遮挡造成波束对信号衰落。

若基站和用户正在使用的一对或者多对波束对(在总共有y个波束对里，x个波束对信号都衰弱了)的检测出现了任一上述情况，就可以被认定为bpf；若备选波束对无法满足链路需求，会触发上报机制，通知基站侧，以保证波束恢复机制的启动。

以上的判别机制和门限值都是由高层配置的固定的值，那么在不同的场景，高层配置的固定值并不适用特定场景的情形，从而影响了无线资源的利用。例如在直视径为主的室内场景和高速移动场景，同样的等待时间(timer值)和重传上限，无线资源的利用一定不是最优化的。

技术实现要素：

有鉴于此，本发明提供一种信息处理方法、装置、设备及计算机可读存储介质，用以提高无线资源利用率。

为解决上述技术问题，第一方面，本发明实施例提供一种信息处理方法，包括：

获取当前特征值；

将所述当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数；

根据所述预判参数，获取波束断连的处理方式；

其中，所述训练模型是基于对历史数据及历史特征值的学习获得的。

其中，所述预判参数包括以下信息中的一项或者多项：

波束断连的概率；波束断连的概率的变化趋势；波束断连的概率超过预设概率门限的持续时长。

其中，所述根据所述预判参数，获取波束断连的处理方式，包括：

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率增加，并且波束断连的概率超过预设概率门限的持续时长大于或等于预设时间门限，则切换到备选波束对或者触发波束断连上报流程；

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率减小，并且波束断连的概率超过预设概率门限的持续时长小于所述预设时间门限，则从备选波束对集合中选择目标备选波束对，并计算所述目标备选波束对的预判参数；

若所述波束断连的概率小于预设概率门限，则重新获取预判参数。

其中，所述当前特征值包括：

当前应用场景对应的实时特征值和/或非实时特征值。

其中，所述方法还包括：

基于对所述历史数据的学习，获取所述预设概率门限和所述预设时间门限。

其中，所述历史数据选自于以下信息：

动态信息；静态或半静态信息；实时流数据；历史特征数据。

第二方面，本发明实施例提供一种信息处理装置，包括：

检测模块，用于获取当前特征值；

获取模块，用于将所述当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数；

处理模块，用于根据所述预判参数，获取波束断连的处理方式；

其中，所述训练模型是基于对历史数据及历史特征值的学习获得的。

第三方面，本发明实施例提供一种信息处理装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被处理器执行时实现如第一方面所述的方法中的步骤。

第四方面，本发明实施例提供一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法中的步骤。

本发明的上述技术方案的有益效果如下：

在本发明实施例中，利用获得的当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数，进而根据预判参数，获取波束断连的处理方式。因此，利用本发明实施例的方案，可根据不同的应用场景确定不同的波束断连的处理方式，从而提高了无线资源利用率。

附图说明

图1为本发明实施例的信息处理方法的流程图；

图2为本发明实施例的信息处理方法的流程图；

图3为本发明实施例的信息处理装置的示意图；

图4为本发明实施例的信息处理装置的结构图；

图5为本发明实施例的信息处理装置的示意图。

具体实施方式

下面将结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

波束域是5gnr中的一个新概念，主要体现为低频(<6ghz)大规模天线阵下的数字波束和高频(>6ghz)混合架构下“数字+模拟”波束。波束管理是5g场景下新的课题，因此它的机制以及流程的设计在标准化中还不完备。

在本发明实施例中，基于对大量历史数据及历史特征值的学习，离线训练出训练模型，应用在大数据模块中。在当前应用场景下，根据实时(例如信道特性)和非实时的输入特征值，由大数据模块输出预测的波束断连的概率、其变化趋势，以及可能持续时长等预判参数。依据预判参数的值，科学的选择下一步的流程，比如可以提前触发断连机制，或提前切换到备选波束对等等。通过上述方式，可以实现优化资源配置，简化信令流程，减低rlf(radiolinkfailure，无线链路失败)的可能性。

以下，结合具体实施例详细描述一下本发明的实现过程。

如图1所示，本发明实施例的信息处理方法，包括：

步骤101、获取当前特征值。

其中，所述当前特征值指的是在当前应用场景下获得的当前应用场景对应的一些实时(例如信道特性)和非实时的输入特征值。

例如，所述当前特征值包括：ue的位置，ue的移动性，波束对的历史使用情况等等。

步骤102、将所述当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数。

其中，所述训练模型是基于对历史数据及历史特征值的学习获得的。其中，所述历史数据包括以下信息中的一种或多种：动态信息；静态或半静态信；实时流数据；历史特征数据。所述历史特征值指的是历史数据的具体取值或者具体参数值。

具体的，动态信息包括：用户位置特征(gps(globalpositioningsystem，全球定位系统)位置，los(lineofsight，视距)或nlos(nonlineofsight，非视距)，距离基站的距离)，轨迹特征，移动性(移动速度：相对静止、行走、车辆、高铁等)等；

静态或半静态信息包括：场景地理位置(室内，城市，郊外等)的区域特征，基站安装位置、应用的场景，用户硬件能力等；

实时流数据包括：基站端记录用户实时的rsrp流数据信息，有助于大数据模块对用户的信道环境形成进一步感知；

历史特征数据(对照位置信息)包括：具有大数据分析能力的基站可以根据用户能力贴标签，在特定位置的特定用户群，以往波束对的使用历史、波束对的失败记录，时长等。

在此，所述预判参数包括以下信息中的一项或者多项：波束断连的概率；波束断连的概率的变化趋势；波束断连的概率超过预设概率门限的持续时长。

具体来说，如果检测到当前波束对的rsrp开始衰落(信号强度衰弱db数可确定)，那么可以用大数据的训练模型推断出发生这种情况的可能的原因及持续时长，例如：可能是由哪一类障碍物阻挡，可能用户信道环境短时间有较大变化导致波束没对准，也可能是上行失步。实时rsrp的变化趋势δ和根据以往海量数据训练得到的训练模型(可以基于机器学习或者建模的方法)，可以用于辅助判定下一时刻发生bpf的概率α，概率α大于预设概率门限的持续时长以及概率α的变化趋势。

可从某个概率α的持续时长上，观察得出它的变化趋势。例如是持续增加或者减小，或者从整体上看是增加但是在变化的过程中有减小等情况等等。

步骤103、根据所述预判参数，获取波束断连的处理方式。

在此，将获得的波束断连的概率和某个预设概率门限进行比较，并且根据它的变化趋势确定相应的处理方式或者流程。其中，此处的预设概率门限值和对应的流程，也可以是通过历史数据挖掘出的经验配置。

具体的，若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率增加，并且波束断连的概率超过预设概率门限的持续时长大于或等于预设时间门限，则切换到备选波束对或者触发波束断连上报流程。

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率减小，并且波束断连的概率超过预设概率门限的持续时长小于所述预设时间门限，则从备选波束对集合中选择目标备选波束对，并计算所述目标备选波束对的预判参数。

其中，所述预设时间门限是经过对大量历史数据进行学习得到的。

若所述波束断连的概率小于预设概率门限而无论其变化趋势是增加还是减小，则可间隔一定的时间段重新获取预判参数。例如，若所述波束断连的概率小于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率增加，则可以t1为时间间隔，重新获取预判参数。若所述波束断连的概率小于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率减小，则可以t2为时间间隔，重新获取预判参数。其中，t2>t1，且二者都为大于0的常数。

在具体应用中，可结合预测得到的概率、概率的变化趋势和持续时间进行处理方式的选择。若预测得到的概率高于某个门限值并持续时间超过某个门限值，而且概率的变化趋势表示概况持续增加，那么可以提前估计是上行受限或者下行受限，或者直接是上下行都受限的覆盖问题，从而触发不一样的流程。例如，若判断是上行失步，则需要ue重新同步；若下行波束没对准，则需要波束测量，选用其他波束对；若是覆盖问题，上下行都受限，要上报，触发波束恢复流程，看是否是rlf。这样处理的好处在于，减少了信令流程和所耗费的时间；例如，提前切换到备选波束对，或无备选时提前触发断连上报流程等。

在以上的过程中，值得注意的是，这个门限值也可以是变化的，可根据用户分布位置，所处环境特征，ue能力等来特殊配置的。

在本发明实施例中，利用获得的当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数，进而根据预判参数，获取波束断连的处理方式。因此，利用本发明实施例的方案，可根据不同的应用场景确定不同的波束断连的处理方式，从而提高了无线资源利用率。

同时，利用本发明实施例可以利用无线大数据辅助波束管理，有效的预测波束断连，灵活的配置资源，可为用户提供个性定制的参数，减少了信令开销，减少了链路级断连几率，提升了用户体验。

在以上实施例的基础上，还可通过基于对历史数据及历史特征值的学习获得上述训练模型。其中，训练方法包括但不限于为神经网络等方式。

其中，历史数据自于以下信息：

动态信息：用户位置特征(gps(globalpositioningsystem，全球定位系统)位置，los(lineofsight，视距)或nlos(nonlineofsight，非视距)，距离基站的距离)，轨迹特征，移动性(移动速度：相对静止、行走、车辆、高铁等)等；

静态或半静态信息：场景地理位置(室内，城市，郊外等)的区域特征，基站安装位置、应用的场景，用户硬件能力等；

实时流数据：基站端记录用户实时的rsrp流数据信息，有助于大数据模块对用户的信道环境形成进一步感知；

历史特征数据(对照位置信息)：具有大数据分析能力的基站可以根据用户能力贴标签，在特定位置的特定用户群，以往波束对的使用历史、波束对的失败记录，时长等。

上述信息，有些可以从无线侧的信令流程中获得，有些地理位置的静态信息可以预先获得，并存储、输入给大数据模块做训练和决策(例如用户的rsrp信息，基站安装位置，应用场景等)。这些可以由基站或大数据处理中心实现。但是相对动态的、用户侧的信息则需要用户来进行反馈(例如用户的位置信息，硬件能力等)，基站可利用相应的信令流程和接口获得。

结合图2所示，本发明实施例的信息处理方法包括：

步骤201、在当前应用场景下获得当前特征值。

例如，当前特征值可以是物理层链路特征值，包括：ue的位置，ue的移动性，波束对的历史使用情况等等。其中，当前应用场景可以是任意的应用场景。

步骤202、获取训练模型。

具体的，在此，可基于获得的历史数据，通过机器学习、神经网络、深度学习等方式，获得训练模型。

步骤203、将当前特征值输入到训练模型，确定预判参数，包括：波束断连的概率、波束断连的概率的变化趋势、波束断连的概率超过预设概率门限的持续时长。

步骤204、根据预判参数确定波束断连的处理方式，进行资源优化或者流程简化。

具体的，若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率增加，并且波束断连的概率超过预设概率门限的持续时长大于或等于预设时间门限，则切换到备选波束对或者触发波束断连上报流程。

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率减小，并且波束断连的概率超过预设概率门限的持续时长小于所述预设时间门限，则从备选波束对集合中选择目标备选波束对，并计算所述目标备选波束对的预判参数。

其中，所述预设时间门限是经过对大量历史数据进行学习得到的。

若所述波束断连的概率小于预设概率门限而无论其变化趋势是增加还是减小，则可间隔一定的时间段重新获取预判参数。例如，若所述波束断连的概率小于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率增加，则可以t1为时间间隔，重新获取预判参数。若所述波束断连的概率小于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率减小，则可以t2为时间间隔，重新获取预判参数。其中，t2>t1，且二者都为大于0的常数。

在本发明实施例中，利用获得的当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数，进而根据预判参数，获取波束断连的处理方式。因此，利用本发明实施例的方案，可根据不同的应用场景确定不同的波束断连的处理方式，从而提高了无线资源利用率。

同时，利用本发明实施例可以利用无线大数据辅助波束管理，有效的预测波束断连，灵活的配置资源，可为用户提供个性定制的参数，减少了信令开销，减少了链路级断连几率，提升了用户体验。

如图3所示，本发明实施例的信息处理装置，包括：

检测模块301，用于获取当前特征值；

获取模块302，用于将所述当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数；

处理模块303，用于根据所述预判参数，获取波束断连的处理方式；

其中，所述训练模型是基于对历史数据及历史特征值的学习获得的。

其中，所述预判参数包括以下信息中的一项或者多项：波束断连的概率；波束断连的概率的变化趋势；波束断连的概率超过预设概率门限的持续时长。

其中，所述处理模块303具体用于：

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率增加，并且波束断连的概率超过预设概率门限的持续时长大于或等于预设时间门限，则切换到备选波束对或者触发波束断连上报流程；

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率减小，并且波束断连的概率超过预设概率门限的持续时长小于所述预设时间门限，则从备选波束对集合中选择目标备选波束对，并计算所述目标备选波束对的预判参数；

若所述波束断连的概率小于预设概率门限，则重新获取预判参数。

其中，所述当前特征值包括：当前应用场景对应的实时特征值和/或非实时特征值。例如，所述当前特征值包括：ue的位置，ue的移动性，波束对的历史使用情况等等。

进一步的，如图4所示，所述信息处理装置还可包括：

门限获取模块304，用于基于对所述历史数据的学习，获取所述预设概率门限和所述预设时间门限。在具体应用中，门限获取模块可通过对大量历史数据的学习获得所述预设概率门限和所述预设时间门限。

在本发明实施例中，所述历史数据包括以下信息中的一种或多种：动态信息；静态或半静态信息；实时流数据；历史特征数据。

本发明所述装置的工作原理可参照前述方法实施例的描述。

在本发明实施例中，利用获得的当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数，进而根据预判参数，获取波束断连的处理方式。因此，利用本发明实施例的方案，可根据不同的应用场景确定不同的波束断连的处理方式，从而提高了无线资源利用率。

如图5所示，本发明实施例的信息处理装置，包括：存储器501、处理器502及存储在所述存储器上并可在所述处理器上运行的计算机程序。

其中，处理器502用于读取所述计算机程序，执行如下步骤:

获取当前特征值；

将所述当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数；

根据所述预判参数，获取波束断连的处理方式；

其中，所述训练模型是基于对历史数据及历史特征值的学习获得的。

其中，所述预判参数包括以下信息中的一项或者多项：

波束断连的概率；波束断连的概率的变化趋势；波束断连的概率超过预设概率门限的持续时长。

其中，处理器502用于读取所述计算机程序，执行如下步骤:

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率增加，并且波束断连的概率超过预设概率门限的持续时长大于或等于预设时间门限，则切换到备选波束对或者触发波束断连上报流程；

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率减小，并且波束断连的概率超过预设概率门限的持续时长小于所述预设时间门限，则从备选波束对集合中选择目标备选波束对，并计算所述目标备选波束对的预判参数；

若所述波束断连的概率小于预设概率门限，则重新获取预判参数。

其中，所述当前特征值包括：

当前应用场景对应的实时特征值和/或非实时特征值。

其中，处理器502用于读取所述计算机程序，执行如下步骤:

基于对所述历史数据的学习，获取所述预设概率门限和所述预设时间门限。

其中，所述历史数据包括以下信息中的一种或多种：

动态信息；静态或半静态信息；实时流数据；历史特征数据。

此外，本发明实施例的计算机可读存储介质，用于存储计算机程序，所述计算机程序可被处理器执行实现以下步骤：

获取当前特征值；

将所述当前特征值作为训练模型的输入，运行所述训练模型，获得波束断连的预判参数；

根据所述预判参数，获取波束断连的处理方式；

其中，所述训练模型是基于对历史数据及历史特征值的学习获得的。

其中，所述预判参数以下信息中的一项或者多项包括：

波束断连的概率；波束断连的概率的变化趋势；波束断连的概率超过预设概率门限的持续时长。

其中，所述根据所述预判参数，获取波束断连的处理方式，包括：

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率增加，并且波束断连的概率超过预设概率门限的持续时长大于或等于预设时间门限，则切换到备选波束对或者触发波束断连上报流程；

若所述波束断连的概率大于或等于预设概率门限且所述波束断连的概率的变化趋势表示所述波束断连概率减小，并且波束断连的概率超过预设概率门限的持续时长小于所述预设时间门限，则从备选波束对集合中选择目标备选波束对，并计算所述目标备选波束对的预判参数；

若所述波束断连的概率小于预设概率门限，则重新获取预判参数。

其中，所述当前特征值包括：

当前应用场景对应的实时特征值和/或非实时特征值。

其中，所述方法还包括：

基于对所述历史数据的学习，获取所述预设概率门限和所述预设时间门限。

其中，所述历史数据选自于以下信息中的一种或多种：

动态信息；静态或半静态信息；实时流数据；历史特征数据。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明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包括，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，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。