本發(fā)明屬于無(wú)線通信技術(shù),人工智能(ai)領(lǐng)域，具體涉及一種應(yīng)用于cf?mmimo系統(tǒng)的基于大模型的ap接入方法。

背景技術(shù)：

1、無(wú)蜂窩大規(guī)模多輸入多輸出(cell-free?massive?multiple-input?multiple-output,cf?mmimo)具有大規(guī)模連接、低延遲、高速率和高可靠性的特點(diǎn)，是5g和6g網(wǎng)絡(luò)中極有潛力的技術(shù)。

2、cf?mmimo是一個(gè)以用戶為中心的分布式mimo系統(tǒng)，在cf?mmimo系統(tǒng)中，所有接入點(diǎn)(access?point，ap)通過前傳鏈路連接并與中央處理單元(cpu)協(xié)作，在相同的時(shí)頻資源上通過時(shí)分雙工技術(shù)同時(shí)為多個(gè)用戶提供服務(wù)。由于前傳負(fù)載的容量限制和硬件損傷，ap在上行鏈路和下行鏈路數(shù)據(jù)傳輸階段同時(shí)為所有用戶提供服務(wù)并不現(xiàn)實(shí)，因此需要選擇特定的用戶子集進(jìn)行服務(wù)，以實(shí)現(xiàn)通信系統(tǒng)的資源利用最大化。

3、現(xiàn)業(yè)內(nèi)常見的ap選擇算法主要分為：基于信道特征排序的算法以及基于人工智能的算法，如圖1所示；

4、其中，基于信道特征排序的算法有ap和用戶間的歐氏距離、大尺度衰落系數(shù)以及信噪比等。系統(tǒng)根據(jù)ap和用戶間的信道特征，以用戶為中心對(duì)周圍所有ap根據(jù)某種信道特征進(jìn)行降序排序，并選擇排名靠前的ap子集進(jìn)行接入。但該算法僅使用單一(或少量)的信道特征對(duì)ap進(jìn)行排序，將導(dǎo)致很多信道特征被浪費(fèi)，且無(wú)法實(shí)現(xiàn)數(shù)據(jù)的全局尋優(yōu)。

5、因此，可以利用人工智能算法在模式識(shí)別方面的特性，為ap選擇算法提供進(jìn)一步支持。

6、基于人工智能的算法，包括k-means算法、卷積神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)等。人工智能算法的加入雖然能夠利用到更多的信道特征，從而提升頻譜效率，但在實(shí)際情況中，這些算法在遷移學(xué)習(xí)方面的表現(xiàn)通常不佳，主要是因?yàn)槟Ｐ陀?xùn)練和模型應(yīng)用時(shí)所面臨的地理位置、ap的部署、信道條件以及用戶分布等都大不相同，導(dǎo)致各類算法的泛化能力較弱。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)在cf?mmimo系統(tǒng)中ap選擇方面的問題：信道特征的利用率低和算法的泛化能力弱；本發(fā)明提出了一種應(yīng)用于cf?mmimo系統(tǒng)的基于大模型的ap接入方法，僅能提高信道特征的利用率，增強(qiáng)算法的泛化能力，優(yōu)化ap選擇過程，而且還能夠?qū)崟r(shí)地獲取用于ap接入的預(yù)測(cè)值。

2、所述應(yīng)用于cf?mmimo系統(tǒng)的基于大模型的ap接入方法，具體步驟如下：

3、步驟一、根據(jù)模型參數(shù)量以及其在開源評(píng)測(cè)平臺(tái)opencompass上的綜合得分，選擇適用于ap選擇場(chǎng)景的基座模型，并加載于服務(wù)器上得到大模型

4、步驟二、從真實(shí)場(chǎng)景或?qū)\生網(wǎng)絡(luò)中采集無(wú)線網(wǎng)絡(luò)環(huán)境的原始數(shù)據(jù)；

5、原始數(shù)據(jù)包括用戶位置信息、用戶流量需求信息、ap位置信息、信道估計(jì)信息、用戶接入信息、用戶信噪比、接入點(diǎn)資源塊分配信息和網(wǎng)絡(luò)擁塞信息等。

6、步驟三、對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理；

7、原始數(shù)據(jù)的處理包括數(shù)據(jù)清洗、自然語(yǔ)言形式的轉(zhuǎn)換和數(shù)據(jù)的分割。

8、具體過程為：

9、首先，在數(shù)據(jù)采集場(chǎng)景中每24/t小時(shí)獲取一次數(shù)據(jù)樣本，則每天產(chǎn)生t個(gè)樣本，樣本的采集時(shí)間戳為t，采集的原始數(shù)據(jù)樣本記為x[t]。

10、然后，針對(duì)當(dāng)前時(shí)間戳t，根據(jù)原始數(shù)據(jù)樣本x[t]計(jì)算ap是否接入的信息y[t]，并將樣本x[t]和對(duì)應(yīng)的接入信息y[t]轉(zhuǎn)化為自然語(yǔ)言x[t]和y[t]。

11、最后，將一段時(shí)間內(nèi)收集到的自然語(yǔ)言按照時(shí)間順序，分割為原始訓(xùn)練數(shù)據(jù)和優(yōu)化數(shù)據(jù)；取t-w至t時(shí)刻的原始數(shù)據(jù)作為初始輸入，記作xini[t]；取t至t+l-1時(shí)刻的優(yōu)化數(shù)據(jù)作為生成反饋和優(yōu)化預(yù)測(cè)的輸入，記作xfr[t]。

12、其中，t+l為期望預(yù)測(cè)時(shí)刻。

13、步驟四、將預(yù)處理得到的自然語(yǔ)言進(jìn)行處理，輸入大模型生成ap選擇預(yù)測(cè)結(jié)果

14、首先，將原始訓(xùn)練數(shù)據(jù)進(jìn)行形式連接，得到t時(shí)刻的輸入提示pinput[t]，表達(dá)式為：

15、

16、表示連接；

17、然后，設(shè)置大模型所需的統(tǒng)一格式的問題提示pques以及大模型輸出的格式提示pform；

18、pques表示對(duì)未來ap接入的詢問。pform用于規(guī)范大模型的輸出。

19、最后，給定輸入提示pinput[t]、問題提示pques以及格式提示pform，得到t時(shí)刻初始的ap是否接入的信息其表達(dá)式為：

20、

21、步驟五、將ap選擇預(yù)測(cè)結(jié)果應(yīng)用于真實(shí)的無(wú)線網(wǎng)絡(luò)環(huán)境中，設(shè)計(jì)反饋提示pfeed；

22、反饋提示pfeed包括總體性能反饋提示網(wǎng)絡(luò)擁塞反饋提示網(wǎng)絡(luò)空閑反饋提示格式和完整性反饋提示計(jì)算式如下：

23、

24、其中，總體性能反饋提示是指真實(shí)的無(wú)線網(wǎng)絡(luò)環(huán)境和初始的ap選擇預(yù)測(cè)結(jié)果之間的誤差。

25、網(wǎng)絡(luò)擁塞反饋提示是指：使用初始的ap選擇預(yù)測(cè)結(jié)果生成的ap選擇方案導(dǎo)致的網(wǎng)絡(luò)擁塞情況。

26、網(wǎng)絡(luò)空閑反饋提示是指：使用初始的ap選擇預(yù)測(cè)結(jié)果生成的ap選擇方案將導(dǎo)致的網(wǎng)絡(luò)空閑情況；

27、格式和完整性反饋提示是對(duì)大模型輸出的約束，以確保生成的模型能夠在每個(gè)時(shí)間戳上輸出完整的預(yù)測(cè)信息。

28、步驟六、根據(jù)反饋提示pfeed，使用大模型優(yōu)化ap選擇預(yù)測(cè)結(jié)果，得到最終的ap選擇預(yù)測(cè)結(jié)果

29、具體過程為:

30、首先，判斷預(yù)測(cè)結(jié)果對(duì)應(yīng)的反饋pfeed[t]是否滿足預(yù)設(shè)的停止條件stop(sfeed,l)，若不滿足則將t時(shí)刻的反饋提示pfeed[t]、優(yōu)化提示prefine輸入大模型對(duì)ap選擇預(yù)測(cè)結(jié)果進(jìn)行優(yōu)化，得到預(yù)測(cè)結(jié)果為：

31、

32、停止條件stop(sfeed,l)是指自優(yōu)化過程在反饋滿足條件sfeed或迭代次數(shù)滿足長(zhǎng)度l后停止。

33、然后，判斷預(yù)測(cè)結(jié)果對(duì)應(yīng)的反饋是否滿足預(yù)設(shè)的停止條件stop(sfeed,l)，若不滿足則在下一次迭代中，向大模型輸入之前迭代產(chǎn)生的所有輸出和反饋；

34、針對(duì)第t+l0次的迭代，預(yù)測(cè)結(jié)果的計(jì)算過程由下式表示：

35、

36、l0≤l,

37、

38、若第t+l0次迭代的反饋滿足停止條件，則大模型的輸出已自優(yōu)化至期望狀態(tài)，選用當(dāng)前優(yōu)化結(jié)果時(shí)采用的數(shù)據(jù)擬合模式作為輸出，進(jìn)而輸出若迭代次數(shù)滿足一定長(zhǎng)度l，則直接輸出

39、步驟七、將最終的ap選擇預(yù)測(cè)結(jié)果傳輸至對(duì)應(yīng)的服務(wù)器，轉(zhuǎn)換為計(jì)算機(jī)可識(shí)別的形式y(tǒng)[t+l]，并通過回程鏈路通知各接入點(diǎn)接入所有滿足ap接入條件的用戶，為其服務(wù)。

40、本發(fā)明的優(yōu)點(diǎn)在于：

41、一種應(yīng)用于cf?mmimo系統(tǒng)的基于大模型的ap接入方法，基于大模型生成了一種僅需通過自身反饋即可不斷迭代優(yōu)化，生成精準(zhǔn)預(yù)測(cè)數(shù)據(jù)的模型。與傳統(tǒng)僅使用單一信道特征對(duì)ap進(jìn)行排序選擇的算法相比，本方案能夠綜合考慮多維信道特征，使得預(yù)測(cè)的數(shù)據(jù)更加精準(zhǔn)。與其他使用基于人工智能算法的ap選擇算法相比，本方案基于同一個(gè)大模型進(jìn)行反饋優(yōu)化，意味著模型對(duì)每個(gè)cpu都精確定制了專屬預(yù)測(cè)對(duì)話，實(shí)現(xiàn)了模型超強(qiáng)的泛化能力。同時(shí)，本方案的數(shù)據(jù)分割算法為數(shù)據(jù)的實(shí)時(shí)性提供了保障，獨(dú)特的停止機(jī)制使得算法能夠在使用時(shí)間前得到精確的預(yù)測(cè)信息。