基于凸函数迭代学习的无线网络License资源调度研究

基于AI 大数据挖掘分析算法，通过对网络指标、参数配置及基站场景信息进行建模及License 匹配度智能分析，创新形成新功能License 匹配度系数评估体系及基于该系数的License 资源调度分析工具。同时基于运维关注的指标权重对License评估权重进行修正，完成License功能开启和退出方案精准输出，实现新功能应用的准确、灵活、高效调度使用。

我们通过载波聚合、C-RAN部署，3D-MIMO等新技术的应用等手段，挖掘网络的潜力，全方面提升网络性能。通过新方法、新理论实现用户业务需求与网络新功能、新技术的资源精准配置，开展License 资源智能调度系统研究，创新输出一套各类网络功能License资源开启和退出的评估机制，提高网络资源利用率，提升用户感知，同时降低工程造价，增强网络性能。

主要内容

1、License资源智能调度实现思路

基于AI大数据深度学习方法，通过对不同License特性的网络性能指标、干扰内容和用户数据的大量深度学习，对网络License指标相关性系数进行深度修正，不断完善新功能的开启和退出规则机制，为后续网络License应用提供数据分析基础。

2、License 智能调度实现步骤

通过训练数据准备、初始方案执行、权重系数迭代、调度模型应用四个阶段进行实现。

3、License调度模型训练

基于License智能调度思路流程，以上行Comp和下行CA为试验数据进行迭代学习。

主要特性：

1、调度门限自适应调整

基于AI 迭代学习算法，通过训练数据准备、初始方案执行、权重系数迭代、调度模型应用四个阶段，对License资源的全局调度及应用对象的门限自适应调整，最大限度提升License资源利用效率。

2、调度指令自动生成，自动下发

License 资源调度分析工具对基于运维关注的指标权重进行评估、修正，精准输出License功能开启和退出方案，自动输出调度指令，并自动下发执行，实现新功能应用的准确、灵活、高效调度使用。

四、应用效果

无线网络License资源智能调度工具，通过迭代学习，输出License的指标权重模型，指导基站小区相应License 的启退匹配，已应用于我省现网实际，取得较好的应用效果。

推广价值:

通过新方法和新理论挖掘网络潜能，无线网络License资源智能调度研究及应用，可充分满足用户的业务需求，同时在公司降本增效的指导下，提高网络资源利用率，提升用户感知，并降低工程造价，增强网络性能，具有较高的推广价值。