[发明专利]一种基于机器学习的5G小区切换方法

权利要求书

1.一种基于机器学习的5G小区切换方法，其特征在于：包括以下步骤：

S1.抓取多个基站的信号参数，信号参数与是否在线数据组成训练样本数据集；

S2.基于机器学习算法，对训练样本数据集进行训练，获取分类训练模型；

S3.AGV小车在每一次发生小区切换时，采集即将切换的5G小区信号参数，采用分类训练模型对AGV小车上的5G终端即将切换到的5G小区的在线情况进行预判；

S4.若处于在线区间，则进行5G小区切换，若处于掉线区间，则重复步骤S3；

S5.进行基站小区切换时，判断当前的数据传输类型；

S6.若当前数据传输类型为视频数据，则采用Softmax Regression模型判断AGV小车的运动速度，根据运动速度预判5G小区的切换时机；若当前数据传输类型为非视频数据，则直接进行小区切换；

S7.若运动速度满足慢速或静止状态，则进行小区切换，若运动速度满足快速或中速时，重新判断是否需要切换小区。

2.根据权利要求1所述的基于机器学习的5G小区切换方法，其特征在于：步骤S1中，信号参数包括5G信号接收功率、信号强度、信号质量和信号噪声值。

3.根据权利要求1所述的基于机器学习的5G小区切换方法，其特征在于：步骤S2中，机器学习算法采用逻辑回归分类算法对训练样本数据集进行训练，分类函数为：线性边界函数为：构造预测函数为：其中：e为自然对数之底，θ_i为第i个信号参数的回归系数，i为整数，y为5G终端切换预判结果。

4.根据权利要求3所述的基于机器学习的5G小区切换方法，其特征在于：若y＝0，则5G终端切换后掉线，若y＝1，则5G终端切换后在线。

5.根据权利要求1所述的基于机器学习的5G小区切换方法，其特征在于：步骤S6中，视频数据采用H264编码，分为I帧、P帧，处于运动状态的P帧数据远大于静止状态的P帧。

6.根据权利要求1所述的基于机器学习的5G小区切换方法，其特征在于：步骤S6具体包括：

S6.1预先采集快速、中速、慢速、静止四种速度的数据集合，作为训练样本，训练样本为{(X(1)，Y(1))，(X(2)，Y(2))，…，(X(m)，Y(m))}，其中，m为样本数量；

S6.2将训练样本进行Softmax回归训练，假设函数为：其中ψ表示参数向量，且ψ_i∈Rn+1，Y(i)为类标签，k为样本总数，j为正整数；

S6.3每一个样本估计其所属的类别的概率为P＝(Y＝jX)，具体计算公式为：其中，k为类别数量，l为正整数，采用梯度下降法对Softmax回归模型参数进行优化，获取最优参数ψ；

S6.4训练好模型后，采集5G信号的参数，代入假设函数中，计算得出新数据属于四个速度类别的概率，概率最大值即为AGV小车当前的运动速度。

7.根据权利要求6所述的基于机器学习的5G小区切换方法，其特征在于：最优参数包括网速、流量。