[发明专利]用于预测修复的通信信道的比特率的方法和装置

说明书

实施例涉及一种用于预测修复的通信信道的比特率的方法和装置。该方法可以包括：‑生成数据集，数据集针对多个通信信道指定：‑受损害影响的通信信道的信道频率响应；以及‑未受所述损害影响的通信信道的信道频率响应；‑基于数据集，训练机器学习模型，机器学习模型被配置用于基于受损的通信信道的信道频率响应来预测修复的通信信道的信道频率响应。

技术领域

本发明的实施例涉及电信领域。特别地，本发明的实施例涉及一种用于预测修复的通信信道的比特率的方法和装置。

背景技术

通信信道的信道频率响应表示介质针对相应的频率对发射信号的衰减。在诸如DSL的多音调通信系统中，它可以用于在不同的频率载波上填充适当数量的比特。

当通信信道受到损害影响时，信道频率响应和可达到的比特率会受到影响。通过消除损害来修复通信信道可以改进信道频率响应和可达到的比特率。然而，修复的通信信道的改进的比特率在一个信道与另一个信道之间可能会变化，因此，相应的修复动作的成本/收益比不同。因此，针对可能计划对其进行修复的受损的通信信道，期望预测修复的通信信道的信道频率响应和/或可达到的比特率。已知的预测方法例如依赖于曲线拟合技术，插值…。

发明内容

因此，本发明的实施例的目的是提出一种用于预测通信信道的信道频率响应的方法和装置，其没有示出现有技术的固有缺点。

因此，实施例涉及一种装置，其包括被配置用于以下操作的装置：

-生成数据集，数据集针对多个通信信道指定：

-受损害影响的通信信道的信道频率响应；以及

-未受所述损害影响的通信信道的信道频率响应；

-基于数据集，训练机器学习模型，机器学习模型被配置用于基于受损的通信信道的信道频率响应来预测修复的通信信道的信道频率响应。

在一些实施例中，生成所述数据集包括：基于电路模拟，确定受损害影响的通信信道的信道频率响应和未受所述损害影响的对应通信信道的信道频率响应中的至少一个。

在一些实施例中，在数据集中，未受损害影响的通信信道的信道频率响应基于表示在对数标度上的信道衰减与频率的平方根之间的关系的参数来指定。

在一些实施例中，训练所述机器学习模型包括确定误差，误差表示：

-预测的信道频率响应与预期的信道频率响应之间的比较；以及

-所述参数的预测值与所述参数的允许值之间的比较。

在一些实施例中，训练所述机器学习模型包括确定误差，误差表示：

-预测的信道频率响应与预期的信道频率响应之间的比较；以及

-预测的信道频率响应和预期的信道频率响应之间的交点。

在一些实施例中，机器学习模型包括卷积神经网络，卷积神经网络包括至少两个卷积层。

在一些实施例中，所述装置进一步被配置用于基于通常在测量曲线中观察到的调制解调器测量效果，生成数据集。

在一些实施例中，所述装置进一步被配置用于使用经训练的机器学习模型，基于在受损的通信信道上测量的信道频率响应，确定对应的修复的通信信道的信道频率响应。

在一些实施例中，所述装置进一步被配置用于基于对应的修复的通信信道的信道频率响应，确定用于修复的通信信道的比特率或比特率改进。

在一些实施例中，所述装置进一步被配置用于在另一个装置中部署经训练的机器学习模型。