[发明专利]移动网络中的预测频谱分配

权利要求书

1.一种在无线网络中采用预测频谱分配的方法，该方法包括以下步骤：

从移动装置接收对于子载波分配的请求，所述请求包括所述移动装置的时间戳和位置；

基于所述时间戳和所述位置来标识好的群集；

从所述“好的”群集中选择时频向量；以及

向所述移动装置发送子载波分配信息，其中，所述子载波分配信息基于所述时频向量。

2.根据权利要求1所述的方法，其中，发送所述子载波分配信息包括发送要用在连续时隙中的频率的序列。

3.根据权利要求1所述的方法，该方法还包括以下步骤：

响应于从所述移动装置接收到所述子载波分配是无法接受的指示，切换到缺省子载波分配。

4.根据权利要求3所述的方法，该方法还包括以下步骤：

将与所述子载波分配相关联的坏的质量指示转发到分析服务器。

5.根据权利要求1所述的方法，其中，基于所述时间戳和所述位置来标识所述好的群集包括以下步骤：

从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息；

按装置位置对所述时隙进行分组以形成分析间隔；

针对各个分析间隙来标识时频向量，其中，所述时频向量使所述分析间隔与所述装置位置相关联；

针对各个时频向量来计算优度指标；以及

针对各个分析间隔和关联位置将时频向量的一个或更多个群集标识为好的群集和坏的群集。

6.根据权利要求1所述的方法，该方法还包括以下步骤：

采用机器学习技术用基本上类似的“优度”指标值来标识时频向量的群集。

7.根据权利要求6所述的方法，其中，采用所述机器学习技术包括使用神经网络、支持向量机(SVM)和贝叶斯分类器中的一个或更多个。

8.根据权利要求1所述的方法，其中，接收请求包括通过利用多址技术的无线通信技术来接收请求。

9.根据权利要求1所述的方法，该方法还包括以下步骤：

为一组子载波频率或单个子载波频率中的一个确定所述时频向量。

10.一种被配置为采用预测频谱分配的无线网络用控制器，该控制器包括：

通信模块，该通信模块用于通过无线网络与多个移动装置进行通信；

处理器，该处理器耦接至所述通信模块，所述处理器被配置为：

从移动装置接收对于子载波分配的请求，所述请求包括所述移动装置的时间戳和位置；

基于所述时间戳和所述位置来标识好的群集；

从所述“好的”群集中选择时频向量；并且

基于所述时频向量向所述移动装置发送子载波分配信息。

11.根据权利要求10所述的控制器，其中，所述子载波分配信息包括要用在连续时隙中的频率的序列。

12.根据权利要求10所述的控制器，其中，所述处理器还被配置为：

响应于从所述移动装置接收到所述子载波分配是无法接受的指示，切换到缺省子载波分配。

13.根据权利要求12所述的控制器，其中，所述处理器还被配置为：

将与所述子载波分配相关联的坏的质量指示转发到分析服务器。

14.根据权利要求10所述的控制器，其中，所述处理器还被配置为通过以下步骤基于所述时间戳和所述位置来标识所述好的群集：

从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息；

按位置对所述时隙进行分组以形成分析间隔；

针对各个分析间隙来标识时频向量，其中，所述时频向量使所述分析间隔与所述装置位置相关联；

针对各个时频向量来计算优度指标；并且

针对各个分析间隔和关联位置将时频向量的群集标识为好的群集和坏的群集。

15.根据权利要求10所述的控制器，其中，所述处理器还被配置为：

采用机器学习技术用基本上类似的优度指标值来标识时频向量的群集。

16.根据权利要求15所述的控制器，其中，所述机器学习技术包括神经网络、支持向量机(SVM)和贝叶斯分类器中的一个或更多个。