本申請公開了一種無線蜂窩系統(tǒng)中應用聯(lián)邦學習的信令機制，信令機制包括：一個無線節(jié)點向另外一個無線節(jié)點發(fā)送基于聯(lián)邦學習的人工智能模型信息，該信息至少包括無線應用案例、聯(lián)邦學習類型、人工智能模型結構、特征參數(shù)、處理時延要求、聯(lián)邦學習的時間信息、參與聯(lián)邦學習的方式、人工智能模型傳輸?shù)男阅軈?shù)；另外一個無線節(jié)點向此無線節(jié)點應答是否加入聯(lián)邦學習以及發(fā)送相關的確認信息。聯(lián)邦學習以及發(fā)送相關的確認信息。聯(lián)邦學習以及發(fā)送相關的確認信息。
【技術實現(xiàn)步驟摘要】
無線蜂窩系統(tǒng)中應用聯(lián)邦學習的信令機制
[0001]本專利技術涉及數(shù)據(jù)處理技術，更具體的說，是涉及無線蜂窩系統(tǒng)中應用聯(lián)邦學習的信令處理方法和裝置。
技術介紹
[0002]人工智能技術可以應用于無線蜂窩系統(tǒng)中，幫助解決無線通信的系列問題，例如無線調(diào)度、切換優(yōu)化等。但是受限于數(shù)據(jù)隱私保護、采集數(shù)據(jù)量不足等因素，人工智能模型的部署和性能受到很大制約。基于這樣的背景，可以將基于聯(lián)邦學習的人工智能技術引入到無線通信中來，幫助解決數(shù)據(jù)隱私、數(shù)據(jù)量受限等問題。
[0003]聯(lián)邦學習分為橫向聯(lián)邦和縱向聯(lián)邦。橫向聯(lián)邦學習也稱為特征對齊的聯(lián)邦學習，橫向聯(lián)邦學習參與者的數(shù)據(jù)特征是對齊的。縱向聯(lián)邦學習，適用于參與者訓練樣本ID重疊較多，而數(shù)據(jù)特征重疊較少的情況。
[0004]目前，將基于聯(lián)邦學習的人工智能技術引入到無線蜂窩系統(tǒng)的研究剛剛開始，無線節(jié)點之間的信令機制也沒有相關標準，尚無相關公開的技術資料。
技術實現(xiàn)思路
[0005]有鑒于此，本專利技術提供如下技術方案。
[0006]1．一種無線蜂窩系統(tǒng)中的信令機制，應用于無線節(jié)點之間的聯(lián)邦學習，其特征在于，包括：一個無線節(jié)點向另外一個無線節(jié)點發(fā)送基于聯(lián)邦學習的人工智能模型信息，該信息至少包括無線應用案例、聯(lián)邦學習類型、人工智能模型結構、特征參數(shù)、處理時延要求、聯(lián)邦學習的時間信息、參與聯(lián)邦學習的方式、人工智能模型傳輸?shù)男阅軈?shù)；另外一個無線節(jié)點向此無線節(jié)點應答是否加入聯(lián)邦學習以及發(fā)送相關的確認信息。
[0007]2．根據(jù)權利要求1所述的一種無線蜂窩系統(tǒng)中的信令機制，其特征在于，所述無線應用案例，至少包括一個或者多個以下配置參數(shù)：無線資源優(yōu)化、用戶行為檢測、網(wǎng)絡節(jié)能、負載均衡、用戶移動性優(yōu)化、用戶體驗優(yōu)化。
[0008]3．根據(jù)權利要求1所述的一種無線蜂窩系統(tǒng)中的信令機制，其特征在于，所述聯(lián)邦學習的時間信息，至少包括：人工智能模型局部優(yōu)化完成時間；向中心節(jié)點發(fā)送完成局部優(yōu)化的人工智能模型的時間；中心節(jié)點完成人工智能模型全局優(yōu)化的時間；中心節(jié)點將全局優(yōu)化的人工智能模型發(fā)送給本地節(jié)點的時間。
[0009]4．根據(jù)權利要求1所述的一種無線蜂窩系統(tǒng)中的信令機制，其特征在于，所述參與聯(lián)邦學習的方式，至少包括：
同時參與人工智能模型的局部優(yōu)化和全局優(yōu)化；僅參與全局優(yōu)化。
[0010]5．根據(jù)權利要求1所述的一種無線蜂窩系統(tǒng)中的信令機制，其特征在于，所述人工智能模型傳輸?shù)男阅軈?shù)，至少包括：可靠性；吞吐量。
[0011]6．根據(jù)權利要求1所述的一種無線蜂窩系統(tǒng)中的信令機制，其特征在于，所述相關的確認信息，至少包括：確認加入某無線應用案例的聯(lián)邦學習；不加入某無線應用案例的聯(lián)邦學習以及原因描述。
[0012]7．根據(jù)權利要求6所述的一種無線蜂窩系統(tǒng)中的信令機制，其特征在于，所述原因描述，至少包括：人工智能模型結構不匹配；特征參數(shù)不匹配；處理時延不滿足要求；不滿足聯(lián)邦學習的時間要求。
[0013]8．一種無線蜂窩系統(tǒng)中的人工智能模型處理裝置，應用于無線節(jié)點之間的聯(lián)邦學習處理單元，其特征在于，包括：一個無線節(jié)點向另外一個無線節(jié)點發(fā)送基于聯(lián)邦學習的人工智能模型信息，該信息至少包括無線應用案例、聯(lián)邦學習類型、人工智能模型結構、特征參數(shù)、處理時延要求、聯(lián)邦學習的時間信息、參與聯(lián)邦學習的方式、人工智能模型傳輸?shù)男阅軈?shù)；另外一個無線節(jié)點向此無線節(jié)點應答是否加入聯(lián)邦學習以及發(fā)送相關的確認信息。
[0014]經(jīng)由上述的技術方案可知，與現(xiàn)有技術相比，本專利技術實施例公開了一種無線蜂窩系統(tǒng)中應用聯(lián)邦學習的信令機制，信令機制包括：一個無線節(jié)點向另外一個無線節(jié)點發(fā)送基于聯(lián)邦學習的人工智能模型信息，該信息至少包括無線應用案例、聯(lián)邦學習類型、人工智能模型結構、特征參數(shù)、處理時延要求、聯(lián)邦學習的時間信息、參與聯(lián)邦學習的方式、人工智能模型傳輸?shù)男阅軈?shù)；另外一個無線節(jié)點向此無線節(jié)點應答是否加入聯(lián)邦學習以及發(fā)送相關的確認信息。
附圖說明
[0015]為了更清楚地說明本專利技術實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。
[0016]圖1 為本專利技術實施例公開的一種無線蜂窩系統(tǒng)中應用聯(lián)邦學習的信令流程的示意圖；圖2 為本專利技術實施例公開的無線蜂窩系統(tǒng)中應用聯(lián)邦學習的示意圖；圖3 為本專利技術實施例公開的無線節(jié)點處理聯(lián)邦學習信令的功能示意圖。
具體實施方式
[0017]下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。
[0018]圖1 為本專利技術實施例公開的一種無線蜂窩系統(tǒng)中應用聯(lián)邦學習的信令流程的示意圖，圖1所示方法應用于無線蜂窩系統(tǒng)中無線節(jié)點的人工智能控制單元。參見圖1所示，該方法可以包括。
[0019]步驟101：一個無線節(jié)點向另外一個無線節(jié)點發(fā)送基于聯(lián)邦學習的人工智能模型信息。
[0020]其中人工智能模型信息至少包括無線應用案例、聯(lián)邦學習類型、人工智能模型結構、特征參數(shù)、處理時延要求、聯(lián)邦學習的時間信息、參與聯(lián)邦學習的方式、人工智能模型傳輸?shù)男阅軈?shù)。
[0021]無線應用案例包括無線資源優(yōu)化、用戶行為檢測、網(wǎng)絡節(jié)能、負載均衡、用戶移動性優(yōu)化、用戶體驗優(yōu)化等。其中無線資源優(yōu)化主要用于無線資源的優(yōu)化調(diào)度；用戶行為檢測指的是利用人工智能進行用戶異常行為判斷；網(wǎng)絡節(jié)能指的是利用人工智能進行無線參數(shù)的優(yōu)化，提高能耗效率；負載均衡指的是利用人工智能技術進行用戶的小區(qū)切換；用戶移動性優(yōu)化指的是利用人工智能技術進行用戶移動性的判斷，進行切換機制的優(yōu)化；用戶體驗優(yōu)化指的是利用人工智能技術進行用戶體驗評估，如果發(fā)現(xiàn)體驗惡化則優(yōu)化無線參數(shù)。
[0022]聯(lián)邦學習類型至少包括橫向聯(lián)邦和縱向聯(lián)邦兩種。
[0023]人工智能模型結構包括人工智能模型的類型和人工智能模型的結構信息。其中人工智能模型類型指的是例如線性回歸、邏輯回歸、決策樹、神經(jīng)網(wǎng)絡等人工智能模型。對于每一種人工智能模型，人工智能模型的結構信息包含其具體結構參數(shù)，例如針對線性回歸，規(guī)定其自變量和相關系數(shù)；針對神經(jīng)網(wǎng)絡，規(guī)定其包含多少層、每層包含的神經(jīng)元、激活函數(shù)。
[0024]特征參數(shù)指人工模型訓練或者推理需要的輸入特征，例如用戶的無線接收質(zhì)量、時延、可靠性或者小區(qū)的掉話率、切換成功率等。
[0025]處理時延要求是指完成整個聯(lián)邦學習的最長處理時間。
[0026]聯(lián)邦學習的時間信息包含人工智能模型局部優(yōu)化完成時間，向中心節(jié)點發(fā)送完成局部優(yōu)化的人工智能模型的時間，中心節(jié)點完成人工智能模型全局優(yōu)化的時間，中心節(jié)點將全局優(yōu)化的人工智能模型發(fā)送給本地節(jié)點的時間本文檔來自技高網(wǎng)...
【技術保護點】
【技術特征摘要】
1.一種無線蜂窩系統(tǒng)中的信令機制，應用于無線節(jié)點之間的聯(lián)邦學習，其特征在于，包括：一個無線節(jié)點向另外一個無線節(jié)點發(fā)送基于聯(lián)邦學習的人工智能模型信息，該信息至少包括無線應用案例、聯(lián)邦學習類型、人工智能模型結構、特征參數(shù)、處理時延要求、聯(lián)邦學習的時間信息、參與聯(lián)邦學習的方式、人工智能模型傳輸?shù)男阅軈?shù)；另外一個無線節(jié)點向此無線節(jié)點應答是否加入聯(lián)邦學習以及發(fā)送相關的確認信息。2.根據(jù)權利要求1所述的一種無線蜂窩系統(tǒng)中的信令機制，其特征在于，所述無線應用案例，至少包括一個或者多個以下配置參數(shù)：無線資源優(yōu)化、用戶行為檢測、網(wǎng)絡節(jié)能、負載均衡、用戶移動性優(yōu)化、用戶體驗優(yōu)化。3.根據(jù)權利要求1所述的一種無線蜂窩系統(tǒng)中的信令機制，其特征在于，所述聯(lián)邦學習的時間信息，至少包括：人工智能模型局部優(yōu)化完成時間；向中心節(jié)點發(fā)送完成局部優(yōu)化的人工智能模型的時間；中心節(jié)點完成人工智能模型全局優(yōu)化的時間；中心節(jié)點將全局優(yōu)化的人工智能模型發(fā)送給本地節(jié)點的時間。4.根據(jù)權利要求1所述的一種無線蜂窩系統(tǒng)中的信令機制，其特征在于，所述參與聯(lián)邦學習的方式，至少包括...
【專利技術屬性】
技術研發(fā)人員：韓麗華，
申請(專利權)人：北京物資學院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。