[发明专利]资源配置方法、装置、基站和存储介质

权利要求书

1.一种资源配置方法，其特征在于，所述方法包括：

获取当前接入基站的用户设备的能力参数；

将所述能力参数输入深度学习模型中，得到与所述能力系数参数匹配的资源配置方式；所述资源配置方式包括不同资源类型对应的资源大小；

根据所述资源配置方式，配置信道资源池中的资源。

2.根据权利要求1所述的资源配置方法，其特征在于，所述能力参数为所述用户设备的带宽能力、实时响应能力、数据处理能力以及业务续航能力形成的多维能力向量。

3.根据权利要求1或2所述的资源配置方法，其特征在于，所述深度学习模型的建立方法包括：

在资源配置稳定的历史资源池中，获取训练样本集；所述训练样本集包括所述历史资源池对应的历史能力参数，以及所述历史能力参数对应的历史资源池的历史资源分配结果；

将所述历史能力参数作为初始深度学习模型的输入，将所述历史能力参数对应的历史资源分配结果作为所述初始深度学习模型的参考输出，对所述初始深度学习模型进行训练，得到所述深度学习模型。

4.根据权利要求3所述的资源配置方法，其特征在于，所述在资源配置稳定的历史资源池中，获取训练样本集，包括：

根据所述历史资源池的调整时间间隔，确定所述历史资源池是否资源配置稳定；所述调整时间间隔为相邻两次对所述历史资源池进行资源配置调整的时间之间的间隔；

若是，则获取所述历史资源池对应的历史能力参数，以及所述历史资源池的历史资源分配结果。

5.根据权利要求4所述的资源配置方法，其特征在于，所述根据所述历史资源池的调整时间间隔，确定所述历史资源池是否资源配置稳定，包括：

若所述调整时间间隔大于预设间隔阈值，则确定所述历史资源池在所述调整时间间隔内配置稳定。

6.根据权利要求4或5所述的资源配置方法，其特征在于，所述对所述历史资源池进行资源配置调整，包括：

若所述历史资源池中，所述资源类型对应的空闲资源的比例大于预设的上限阈值，则根据预设的负值步进，减少所述资源类型的资源量；

若所述历史资源池中，所述资源类型对应的空闲资源的比例小于预设的下限阈值，则根据预设的正值步进，增大所述资源类型的资源量。

7.根据权利要求3-5任一项所述的资源配置方法，其特征在于，所述根据所述资源配置方式，配置信道资源池中的资源，包括：

确定所述信道资源池是否为所述训练样本集对应的历史资源池；

若否，则所述根据所述资源配置方式，配置所述信道资源池中的资源；

若是，则在当前时刻与训练样本集的获取时刻之间的时长大于预设的时长阈值时，根据所述资源配置方式，配置所述信道资源池中的资源。

8.根据权利要求1所述的资源配置方法，其特征在于，所述资源类型为根据资源的周期、码率或跳频范围确定的。

9.一种资源配置装置，其特征在于，所述装置包括：

获取模块，用于获取当前接入基站的用户设备的能力参数；

匹配模块，用于将所述能力参数输入深度学习模型中，得到与所述能力系数匹配的资源配置方式；所述资源配置方式包括不同资源类型对应的资源大小；

配置模块，用于根据所述资源配置方式，配置信道资源池中的资源。

10.一种基站，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。