本發(fā)明涉及通信、信息技術(shù)領(lǐng)域，特別涉及一種基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法及系統(tǒng)。

背景技術(shù)：

通信系統(tǒng)中由于各終端距離小區(qū)基站的位置不同，終端信號到達(dá)基站會(huì)存在不同。為了保證基站接收各信號的時(shí)間對齊，基站需要對各個(gè)終端進(jìn)行定時(shí)提前量的調(diào)整，以保證符號同步。在lte的ofdm系統(tǒng)中，符號同步需準(zhǔn)確確定每個(gè)ofdm符號的起止時(shí)刻，即確定每個(gè)fft窗的位置，從此保證解調(diào)的正確。其中上行同步分為兩個(gè)階段，分別是初始接入同步階段和隨后的子幀同步階段，也即粗同步和細(xì)同步。

在互聯(lián)網(wǎng)it領(lǐng)域，人工智能將迎來爆炸式的發(fā)展，人工智能是研究如何使機(jī)器具有認(rèn)識問題和解決問題的能力，人工智能研究的要點(diǎn)，就是讓機(jī)器如何更“聰明”，更具有人的智能，這就是機(jī)器學(xué)習(xí)，它是人工智能研究的一個(gè)核心問題。機(jī)器學(xué)習(xí)利用算法去分析數(shù)據(jù)、學(xué)習(xí)數(shù)據(jù)，隨后對現(xiàn)實(shí)世界情況作出判斷和與預(yù)測。

通信系統(tǒng)中上行鏈路數(shù)據(jù)傳輸必須時(shí)刻保持定時(shí)同步，因?yàn)槎〞r(shí)同步的偏差不但會(huì)引起本用戶的信道檢測差錯(cuò)，而且會(huì)帶來多用戶之間的干擾，影響其他用戶的信號檢測性能，所以系統(tǒng)必須周期地對用戶上行定時(shí)進(jìn)行跟蹤校正，以防止用戶因移動(dòng)距離變化或意外鏈路中斷造成定時(shí)的偏移。

傳統(tǒng)的基站對上行定時(shí)同步的檢測方法主要有兩種方法：頻域相關(guān)法和時(shí)域信道沖擊響應(yīng)法，它們有著各自的不足：

1)頻域相關(guān)法，其是以能量最集中徑為基準(zhǔn)，因而估計(jì)出的值還依賴于信道多徑分布，無法有效跟蹤第一徑，并且相關(guān)運(yùn)算的乘法加法操作復(fù)雜度很高，影響基站處理的實(shí)時(shí)性。

2)時(shí)域信道沖擊響應(yīng)法，該方法信道估計(jì)的分辨率取決于當(dāng)前終端占用的帶寬，終端占用prb很小即導(dǎo)頻樣點(diǎn)數(shù)很少時(shí)，此時(shí)的時(shí)域信道沖擊響應(yīng)的分辨率很低，從而不能精確的跟蹤系統(tǒng)的定時(shí)偏差。

3)以上兩種方法均是基站被動(dòng)接收數(shù)據(jù)并在當(dāng)前調(diào)度周期內(nèi)做出響應(yīng)，并不能主動(dòng)學(xué)習(xí)并預(yù)測未來終端的狀態(tài)，做出更有針對性的調(diào)整。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的旨在至少解決所述技術(shù)缺陷之一。

為此，本發(fā)明的目的在于提出一種基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法及系統(tǒng)。

為了實(shí)現(xiàn)上述目的，本發(fā)明的實(shí)施例提供一種基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法，包括如下步驟：

步驟s1，接收天線的終端上行無線數(shù)據(jù)；

步驟s2，根據(jù)所述終端上行無線數(shù)據(jù)，對終端的多普勒頻移和信噪比進(jìn)行計(jì)算，并對人工智能控制參數(shù)進(jìn)行初始化；

步驟s3，采用人工智能控制器對所述步驟s2中的多普勒頻移和信噪比進(jìn)行統(tǒng)計(jì)和學(xué)習(xí)，以預(yù)測未來終端的運(yùn)動(dòng)狀態(tài)和信道資源及條件；

步驟s4，根據(jù)所述人工智能控制器對所述終端狀態(tài)和信道資源及條件的判斷，調(diào)整定時(shí)反饋的周期，計(jì)算輸出算法切換相關(guān)參數(shù)，以設(shè)置定時(shí)參數(shù)；

步驟s5，根據(jù)定時(shí)參數(shù)輸出的用戶占用帶寬和信噪比參數(shù)，判斷定時(shí)算法是否進(jìn)行切換，如果是則返回步驟s1，重新接收上行無線數(shù)據(jù)，否則執(zhí)行步驟s6；

步驟s6，采用時(shí)域信道沖擊響應(yīng)方法，結(jié)合用戶帶寬和信噪比，計(jì)算時(shí)間提前量。

進(jìn)一步，在所述步驟s2中，采用信道估計(jì)算法對終端的多普勒頻移和信噪比進(jìn)行計(jì)算。

進(jìn)一步，在所述步驟s3中，采用所述機(jī)器學(xué)習(xí)算法對所述頻率頻移和信噪比進(jìn)行統(tǒng)計(jì)和學(xué)習(xí)。

進(jìn)一步，在所述步驟s5中，包括：

步驟s51，獲取終端帶寬和信噪比參數(shù)；

步驟s52，判斷所述信噪比參數(shù)是否小于預(yù)設(shè)信噪比，如果是則結(jié)束，否則執(zhí)行步驟s43；

步驟s53，判斷所述終端帶寬參數(shù)是否小于預(yù)設(shè)帶寬，如果是則結(jié)束，否則執(zhí)行步驟s44；

步驟s54，利用時(shí)域沖擊響應(yīng)算法計(jì)算時(shí)間提前量。

本發(fā)明實(shí)施例還提出一種基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整系統(tǒng)，包括：通信模塊、參數(shù)計(jì)算及初始化模塊、人工智能控制器、定時(shí)參數(shù)調(diào)整及計(jì)算模塊、定時(shí)消息計(jì)算模塊，其中，

所述通信模塊與天線進(jìn)行通信，用于接收來自所述天線的終端上行無線數(shù)據(jù)；

所述參數(shù)計(jì)算及初始化模塊用于根據(jù)所述終端上行無線數(shù)據(jù)，對終端的多普勒頻移和信噪比進(jìn)行計(jì)算，并對人工智能控制參數(shù)進(jìn)行初始化；

所述人工智能控制器用于對所述多普勒頻移和信噪比進(jìn)行統(tǒng)計(jì)和學(xué)習(xí)，以預(yù)測未來終端的運(yùn)動(dòng)狀態(tài)和信道資源及條件；

所述定時(shí)參數(shù)調(diào)整及計(jì)算模塊用于根據(jù)所述人工智能控制器對所述終端狀態(tài)和信道資源及條件的判斷，調(diào)整定時(shí)反饋的周期，計(jì)算輸出算法切換相關(guān)參數(shù)，以設(shè)置定時(shí)參數(shù)，以及根據(jù)定時(shí)參數(shù)輸出的用戶占用帶寬和信噪比參數(shù)，判斷定時(shí)算法是否進(jìn)行切換；

所述定時(shí)消息計(jì)算模塊用于在所述定時(shí)參數(shù)調(diào)整及計(jì)算模塊判斷定時(shí)算法進(jìn)行時(shí)，采用時(shí)域信道沖擊響應(yīng)方法，結(jié)合用戶帶寬和信噪比，計(jì)算時(shí)間提前量。

進(jìn)一步，所述參數(shù)計(jì)算及初始化模塊采用信道估計(jì)算法對終端的多普勒頻移和信噪比進(jìn)行計(jì)算。

進(jìn)一步，所述人工智能控制器采用所述機(jī)器學(xué)習(xí)算法對所述頻率頻移和信噪比進(jìn)行統(tǒng)計(jì)和學(xué)習(xí)。

進(jìn)一步，所述定時(shí)參數(shù)調(diào)整及計(jì)算模塊用于獲取終端帶寬和信噪比參數(shù)，判斷所述信噪比參數(shù)是否小于預(yù)設(shè)信噪比，如果是則結(jié)束，否則判斷所述終端帶寬參數(shù)是否小于預(yù)設(shè)帶寬，如果是則結(jié)束，否則利用時(shí)域沖擊響應(yīng)算法計(jì)算時(shí)間提前量。

根據(jù)本發(fā)明實(shí)施例的基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法，引入人工智能控制器，分析學(xué)習(xí)并控制終端同步流程；根據(jù)相關(guān)參數(shù)的計(jì)算，切換定時(shí)算法的執(zhí)行，具有簡化運(yùn)算復(fù)雜度、高實(shí)時(shí)性強(qiáng)、定時(shí)誤差精確等優(yōu)點(diǎn)。

附圖說明

本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從結(jié)合下面附圖對實(shí)施例的描述中將變得明顯和容易理解，其中：

圖1為根據(jù)本發(fā)明一個(gè)實(shí)施例的基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法的流程圖；

圖2為根據(jù)本發(fā)明另一個(gè)實(shí)施例的基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法的流程圖；

圖3為根據(jù)本發(fā)明實(shí)施例的定時(shí)算法切換計(jì)算流程圖；

圖4為根據(jù)本發(fā)明實(shí)施例的基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整系統(tǒng)的結(jié)構(gòu)圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實(shí)施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

本發(fā)明實(shí)施例提供一種基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法及系統(tǒng)，以通信、信息技術(shù)為基礎(chǔ)，以通信基站為平臺，設(shè)計(jì)并實(shí)現(xiàn)了一種智能終端定時(shí)調(diào)整的控制流程。本發(fā)明的核心在于引入互聯(lián)網(wǎng)中人工智能的機(jī)器學(xué)習(xí)技術(shù)，應(yīng)用在對終端運(yùn)動(dòng)狀態(tài)的分析及學(xué)習(xí)，依據(jù)學(xué)習(xí)結(jié)果調(diào)整定時(shí)相關(guān)參數(shù)。

需要說明的是，本發(fā)明實(shí)施例的基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法及系統(tǒng)應(yīng)用于基站上，由基站通過天線接收終端的上行數(shù)據(jù)，并根據(jù)該上行數(shù)據(jù)對終端進(jìn)行智能定時(shí)調(diào)整。

下面結(jié)合圖1至圖4對本發(fā)明實(shí)施例的基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法及系統(tǒng)進(jìn)行詳細(xì)說明。

如圖1和圖2所示，本發(fā)明實(shí)施例的基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法，包括如下步驟：

步驟s1，接收天線的終端上行無線數(shù)據(jù)。

具體地，在本步驟中，接收天線的終端上行無線數(shù)據(jù),即，上行鏈路數(shù)據(jù)，包括：prach,pusch信道數(shù)據(jù)。

步驟s2，根據(jù)終端上行無線數(shù)據(jù)，對終端的多普勒頻移和信噪比進(jìn)行計(jì)算，并對人工智能控制參數(shù)進(jìn)行初始化。

具體地，在本步驟中，采用信道估計(jì)算法對終端的多普勒頻移和信噪比進(jìn)行計(jì)算，并對人工智能控制參數(shù)初始化。其中，人工智能控制器采用全局最優(yōu)的遺傳算法，人工智能控制參數(shù)為后續(xù)中應(yīng)用的人工智能控制器的工作參數(shù)，包括種群數(shù)目、進(jìn)化代數(shù)、交叉概率、變異概率。為了后續(xù)使用，在本步驟中首先對參數(shù)進(jìn)行初始化。

步驟s3，采用人工智能控制器對步驟s2中的多普勒頻移和信噪比進(jìn)行統(tǒng)計(jì)和學(xué)習(xí)，以預(yù)測未來終端的運(yùn)動(dòng)狀態(tài)和信道資源及條件。

具體地，根據(jù)步驟s2中初始化后的人工智能控制參數(shù)，人工智能控制器對多普勒頻移和信噪比進(jìn)行統(tǒng)計(jì)和學(xué)習(xí)。人工智能控制器通過遺傳算法對終端的多普勒頻移和信噪比信息進(jìn)行數(shù)據(jù)擬合，個(gè)體適應(yīng)度的計(jì)算基于最小均方誤差準(zhǔn)則，建立全局最優(yōu)的預(yù)測模型，從而可以預(yù)測出下一時(shí)間段的終端多普勒頻移和信噪比信息。

在本步驟中，采用機(jī)器學(xué)習(xí)算法對頻率頻移和信噪比進(jìn)行統(tǒng)計(jì)和學(xué)習(xí)。

人工智能控制器根據(jù)擬合出的數(shù)學(xué)模型可以預(yù)測終端未來的運(yùn)動(dòng)狀態(tài)和信道資源及條件。

本發(fā)明中的人工智能控制器通過機(jī)器學(xué)習(xí)等前沿技術(shù)，通過上行鏈路數(shù)據(jù)計(jì)算出的多普勒頻移和信噪比等信息，進(jìn)行數(shù)據(jù)點(diǎn)的統(tǒng)計(jì)，從而對現(xiàn)有數(shù)據(jù)學(xué)習(xí)并通過函數(shù)擬合等相關(guān)算法進(jìn)行預(yù)測，估計(jì)出未來一段時(shí)間內(nèi)終端的運(yùn)動(dòng)狀態(tài)和信道條件的變化狀態(tài)。

步驟s4，根據(jù)人工智能控制器對終端狀態(tài)和信道資源及條件的判斷，調(diào)整定時(shí)反饋的周期，計(jì)算輸出算法切換相關(guān)參數(shù)，以設(shè)置定時(shí)參數(shù)。

具體地，根據(jù)步驟s3中預(yù)測得到的終端未來的運(yùn)動(dòng)狀態(tài)，適時(shí)的縮短或延長定時(shí)反饋消息的周期，從而無需像傳統(tǒng)方式每個(gè)子幀都去進(jìn)行定時(shí)計(jì)算。

步驟s5，根據(jù)定時(shí)參數(shù)輸出的用戶占用帶寬和信噪比參數(shù)，判斷定時(shí)算法是否進(jìn)行切換，如果是則返回步驟s1，重新接收上行無線數(shù)據(jù)，否則執(zhí)行步驟s6。

具體地，參考圖3，步驟s51，獲取終端帶寬和信噪比參數(shù)；

步驟s52，判斷信噪比參數(shù)是否小于預(yù)設(shè)信噪比(snr<n)，如果是則結(jié)束，否則執(zhí)行步驟s53；

步驟s53，判斷終端帶寬參數(shù)是否小于預(yù)設(shè)帶寬(rb<m)，如果是則結(jié)束，否則執(zhí)行步驟s54；

步驟s54，利用時(shí)域沖擊響應(yīng)算法計(jì)算時(shí)間提前量。

具體地，依據(jù)預(yù)測的終端信道條件，可以計(jì)算得到對應(yīng)的終端分配的帶寬資源及對應(yīng)信噪比，從而進(jìn)行定時(shí)算法的切換。

步驟s6，采用時(shí)域信道沖擊響應(yīng)方法，結(jié)合用戶帶寬和信噪比，計(jì)算時(shí)間提前量(timingadvance，ta)。其中，時(shí)間提前量的作用是為了補(bǔ)償電波傳輸延遲，進(jìn)而可以提高信道編解碼效率。

由于當(dāng)計(jì)算出的終端帶寬rb資源過少或者信噪比snr很低時(shí)，此時(shí)進(jìn)行的定時(shí)調(diào)整計(jì)算的性能會(huì)相對較低，所以可以依據(jù)相關(guān)計(jì)算參數(shù)進(jìn)行算法切換，當(dāng)無需進(jìn)行定時(shí)算法計(jì)算時(shí)，將保持上一次的定時(shí)提前量不變，此時(shí)可以不給終端下發(fā)時(shí)間提前量調(diào)整消息；當(dāng)需要進(jìn)行定時(shí)算法計(jì)算時(shí)，按照時(shí)域沖擊響應(yīng)方法，只需跟蹤到達(dá)信號第一徑，減小計(jì)算的復(fù)雜度。

如圖4所示，本發(fā)明實(shí)施例還提出一種基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整系統(tǒng)，包括：通信模塊1、參數(shù)計(jì)算及初始化模塊2、人工智能控制器3、定時(shí)參數(shù)調(diào)整及計(jì)算模塊4、定時(shí)消息計(jì)算模塊5。其中，該基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整系統(tǒng)，位于基站上，由基站通過天線接收終端的上行數(shù)據(jù)，并根據(jù)該上行數(shù)據(jù)對終端進(jìn)行智能定時(shí)調(diào)整。

具體地，通信模塊1與天線進(jìn)行通信，用于接收來自天線的終端上行無線數(shù)據(jù)，即，上行鏈路數(shù)據(jù)，包括：prach,pusch信道數(shù)據(jù)。

參數(shù)計(jì)算及初始化模塊2用于根據(jù)終端上行無線數(shù)據(jù)，對終端的多普勒頻移和信噪比進(jìn)行計(jì)算，并對人工智能控制參數(shù)進(jìn)行初始化。

在本發(fā)明的一個(gè)實(shí)施例中，參數(shù)計(jì)算及初始化模塊2采用信道估計(jì)算法對終端的多普勒頻移和信噪比進(jìn)行計(jì)算，并對人工智能控制參數(shù)初始化。其中，人工智能控制器采用全局最優(yōu)的遺傳算法，人工智能控制參數(shù)為后續(xù)中應(yīng)用的人工智能控制器3的工作參數(shù)，包括種群數(shù)目、進(jìn)化代數(shù)、交叉概率、變異概率。為了后續(xù)使用，在本步驟中首先對參數(shù)進(jìn)行初始化。

人工智能控制器3用于對多普勒頻移和信噪比進(jìn)行統(tǒng)計(jì)和學(xué)習(xí)，以預(yù)測未來終端的運(yùn)動(dòng)狀態(tài)和信道資源及條件。

在本發(fā)明的一個(gè)實(shí)施例中，人工智能控制器3根據(jù)初始化后的人工智能控制參數(shù)，人工智能控制器3采用機(jī)器學(xué)習(xí)算法對多普勒頻移和信噪比進(jìn)行統(tǒng)計(jì)和學(xué)習(xí)。人工智能控制器通過遺傳算法對終端的多普勒頻移和信噪比信息進(jìn)行數(shù)據(jù)擬合，個(gè)體適應(yīng)度的計(jì)算基于最小均方誤差準(zhǔn)則，建立全局最優(yōu)的預(yù)測模型，從而可以預(yù)測出下一時(shí)間段的終端多普勒頻移和信噪比信息。

人工智能控制器3根據(jù)擬合出的數(shù)學(xué)模型，可以預(yù)測終端未來的運(yùn)動(dòng)狀態(tài)和信道資源及條件。

本發(fā)明中的人工智能控制器3通過機(jī)器學(xué)習(xí)等前沿技術(shù)，通過上行鏈路數(shù)據(jù)計(jì)算出的多普勒頻移和信噪比等信息，進(jìn)行數(shù)據(jù)點(diǎn)的統(tǒng)計(jì)，從而對現(xiàn)有數(shù)據(jù)學(xué)習(xí)并通過函數(shù)擬合等相關(guān)算法進(jìn)行預(yù)測，估計(jì)出未來一段時(shí)間內(nèi)終端的運(yùn)動(dòng)狀態(tài)和信道條件的變化狀態(tài)。

定時(shí)參數(shù)調(diào)整及計(jì)算模塊4用于根據(jù)人工智能控制器3對終端狀態(tài)和信道資源及條件的判斷，調(diào)整定時(shí)反饋的周期，計(jì)算輸出算法切換相關(guān)參數(shù)，以設(shè)置定時(shí)參數(shù)，以及根據(jù)定時(shí)參數(shù)輸出的用戶占用帶寬和信噪比參數(shù)，判斷定時(shí)算法是否進(jìn)行切換。

具體地，定時(shí)參數(shù)調(diào)整及計(jì)算模塊4根據(jù)預(yù)測得到的終端未來的運(yùn)動(dòng)狀態(tài)，適時(shí)的縮短或延長定時(shí)反饋消息的周期，從而無需像傳統(tǒng)方式每個(gè)子幀都去進(jìn)行定時(shí)計(jì)算。

定時(shí)參數(shù)調(diào)整及計(jì)算模塊4進(jìn)一步根據(jù)獲取終端帶寬和信噪比參數(shù)，判斷信噪比參數(shù)是否小于預(yù)設(shè)信噪比(snr<n)，如果是則結(jié)束，否則判斷終端帶寬參數(shù)是否小于預(yù)設(shè)帶寬(rb<m)，如果是則結(jié)束，否則利用時(shí)域沖擊響應(yīng)算法計(jì)算時(shí)間提前量。

定時(shí)消息計(jì)算模塊5用于在定時(shí)參數(shù)調(diào)整及計(jì)算模塊4判斷定時(shí)算法進(jìn)行時(shí)，采用時(shí)域信道沖擊響應(yīng)方法，結(jié)合用戶帶寬和信噪比，計(jì)算時(shí)間提前量。其中，時(shí)間提前量的作用是為了補(bǔ)償電波傳輸延遲，進(jìn)而可以提高信道編解碼效率。

由于當(dāng)計(jì)算出的終端帶寬rb資源過少或者信噪比snr很低時(shí)，此時(shí)進(jìn)行的定時(shí)調(diào)整計(jì)算的性能會(huì)相對較低，所以可以依據(jù)相關(guān)計(jì)算參數(shù)進(jìn)行算法切換，當(dāng)無需進(jìn)行定時(shí)算法計(jì)算時(shí)，將保持上一次的定時(shí)提前量不變，此時(shí)可以不給終端下發(fā)時(shí)間提前量調(diào)整消息；當(dāng)需要進(jìn)行定時(shí)算法計(jì)算時(shí)，按照時(shí)域沖擊響應(yīng)方法，只需跟蹤到達(dá)信號第一徑，減小計(jì)算的復(fù)雜度。

本發(fā)明的實(shí)現(xiàn)了互聯(lián)網(wǎng)的人工智能技術(shù)在通信基站中的應(yīng)用，適應(yīng)了當(dāng)下通訊技術(shù)產(chǎn)業(yè)ct與信息技術(shù)產(chǎn)業(yè)it融合的潮流。同時(shí)設(shè)計(jì)并實(shí)現(xiàn)了基站同步定時(shí)系統(tǒng)的智能控制器、基于切換的定時(shí)同步算法。同時(shí)該設(shè)計(jì)兼容傳統(tǒng)基站功能，可以無縫連接至現(xiàn)有網(wǎng)絡(luò)，有效地兼顧了可移植性、靈活性，同時(shí)該智能化的設(shè)計(jì)有效的降低了基站的功耗和成本，是未來新一代智能基站的典型應(yīng)用。

根據(jù)本發(fā)明實(shí)施例的基于人工智能技術(shù)的基站對終端高效定時(shí)調(diào)整方法，引入人工智能控制器，分析學(xué)習(xí)并控制終端同步流程；根據(jù)相關(guān)參數(shù)的計(jì)算，切換定時(shí)算法的執(zhí)行，可以解決當(dāng)前技術(shù)存在的運(yùn)算復(fù)雜度、高實(shí)時(shí)性差、定時(shí)誤差不精確等問題，具有如下優(yōu)點(diǎn)和效果：

1)實(shí)現(xiàn)了傳統(tǒng)基站的智能化，將it前沿技術(shù)的人工智能、機(jī)器學(xué)習(xí)技術(shù)應(yīng)用在ct領(lǐng)域中的基站上。

2)通過智能化的基站，可以實(shí)現(xiàn)定時(shí)調(diào)度，參數(shù)計(jì)算等過程的智能化，完善了基站計(jì)算資源的優(yōu)化配置。

3)通過定時(shí)參數(shù)的智能化計(jì)算，以及定時(shí)算法的切換執(zhí)行，減少了算法實(shí)現(xiàn)的復(fù)雜度，有效降低了基站的功耗，節(jié)約了成本。

在本說明書的描述中，參考術(shù)語“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。

盡管上面已經(jīng)示出和描述了本發(fā)明的實(shí)施例，可以理解的是，上述實(shí)施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在不脫離本發(fā)明的原理和宗旨的情況下在本發(fā)明的范圍內(nèi)可以對上述實(shí)施例進(jìn)行變化、修改、替換和變型。本發(fā)明的范圍由所附權(quán)利要求及其等同限定。