基于支持向量机的自适应切换方法及装置与流程

本发明实施例涉及移动通信技术领域，尤其涉及一种基于支持向量机的自适应切换方法及装置。

背景技术：

在移动通信中，由于一个小区的覆盖能力有限，为保证处于连接态的用户能在移动状态下正常使用网络，就需要将用户设备(userequipment，ue)从服务小区切换到目标小区，以保证用户设备网络连接的连续性，而切换的成功率和时延，将直接影响用户的体验。

现有技术中，切换策略是在业务状态下ue上报周期性测量报告(measurementreport，mr)给lte网络中的源基站(evolvednode-b，enodeb)，源enodeb根据小区触发测量原因，监测是否需要下发测量配置。若满足触发条件，源enodeb通过信令rrc连接重配置(rrcconnectionreconfiguration)下发包括测量对象和测量事件在内的测量配置信息给ue，其中测量对象包括目标系统、测量频点和目标小区，ue根据测量配置信息，测量相关信息并上报给源enodeb，源enodeb根据小区切换算法，配置进行切换判决，若判决成功，就向目标enodeb发起handoverrequest请求，切换成功后ue将在目标小区上继续进行业务。

现有技术中的切换方法存在一定的缺陷，例如当服务小区无线网络环境满足测量触发条件时，ue将根据enodeb下发的测量频点和测量事件等相关参数进行测量，然后enodeb根据测量结果向信号最强的小区发起切换请求，而频点测量和事件测量都会带来一定的网络时延，从而影响用户感知；同时，现有技术只是根据邻区信号电平的强弱来选择目标小区，若遇到目标小区虽然信号最强但状态不正常，比如有告警、拥塞情况或语音质量等问题时，则无法实现正常业务，导致切换失败。

技术实现要素：

本发明实施例的目的是提供一种克服上述问题或者至少部分地解决上述问题的基于支持向量机的自适应切换方法及装置。

为了解决上述技术问题，一方面，本发明实施例提供一种基于支持向量机的自适应切换方法，包括：

将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，所述最优切换分类面为经过学习训练后的支持向量机的分类超平面；

若判断获知所述用户设备需要切换，则基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区；

向源基站发送切换指示信息，以供所述源基站向目标基站发送切换请求信息，使所述用户设备从服务小区切换到所述最优切换目标小区。

另一方面，本发明实施例提供一种基于支持向量机的自适应切换装置，包括：

切换判决模块，用于将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，所述最优切换分类面为经过学习训练后的支持向量机的分类超平面；

确定模块，用于若判断获知所述用户设备需要切换，则基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区；

发送模块，用于向源基站发送切换指示信息，以供所述源基站向目标基站发送切换请求信息，使所述用户设备从服务小区切换到所述最优切换目标小区。

再一方面，本发明实施例提供一种电子设备，包括：

存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述的方法。

又一方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

本发明实施例提供的基于支持向量机的自适应切换方法及装置，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

附图说明

图1为本发明实施例提供的基于支持向量机的自适应切换方法示意图；

图2为本发明实施例提供的基于支持向量机的自适应切换方法的逻辑流程示意图；

图3为本发明实施例提供的基于支持向量机的自适应切换装置示意图；

图4为本发明实施例提供的电子设备的结构示意图。

具体实施方式

为了使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的基于支持向量机的自适应切换方法示意图，如图1所示，本发明实施例提供一种基于支持向量机的自适应切换方法，该方法的执行主体为基于支持向量机的自适应切换装置(简称，装置)，该方法包括：

步骤s101、将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，所述最优切换分类面为经过学习训练后的支持向量机的分类超平面；

步骤s102、若判断获知所述用户设备需要切换，则基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区；

步骤s103、向源基站发送切换指示信息，以供所述源基站向目标基站发送切换请求信息，使所述用户设备从服务小区切换到所述最优切换目标小区。

具体来说，装置获取小区状态信息，小区状态信息包括服务小区的状态信息，以及服务小区的每一邻区的状态信息，小区的状态信息包含多种参数，小区的状态信息能够反映出小区的当前状态，根据当前状态就可以分析出接入服务小区的用户设备是否需要切换，以及目标邻区是否适合作为最优的切换对象。

然后，将小区状态信息输入至最优切换分类面，输出用户设备是否需要切换的判决结果，判决结果包括两种，需要切换和不需要切换，如果判决结果为需要切换，则表明存在比服务小区更优的邻区适合用户设备接入，如果判决结果为不需要切换，则表明没有比服务小区更优的邻区适合用户设备接入，该最优切换分类面为经过学习训练后的支持向量机的分类超平面，即，装置根据小区状态信息判断用户设备是否需要切换。

若判断获知该用户设备需要切换，则装置基于小区状态信息和最优切换分类面，确定最优切换目标小区，即，装置在确定用户设备需要切换之后，还需要确定哪一个目标邻区为最优的切换目标小区。

在获取到最优切换目标小区之后，装置向源基站发送切换指示信息，该切换指示信息中包含最优切换目标小区，以供源基站向目标基站发送切换请求信息，使用户设备从服务小区切换到最优切换目标小区。

本发明实施例提供的基于支持向量机的自适应切换方法，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

在上述实施例的基础上，进一步地，所述将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，具体包括：

获取所述小区状态信息，所述小区状态信息包括所述服务小区的状态信息，以及每一邻区的状态信息；

根据所述小区状态信息，构建若干个小区状态信息向量，每一小区状态信息向量的元素包含所述服务小区的状态信息和一个邻区的状态信息，所述小区状态信息向量的个数与所述服务小区的邻区个数相等；

将每一小区状态信息向量，分别输入至所述最优切换分类面，输出每一小区状态信息向量的分类结果；

若判断获知存在任一小区状态信息向量的分类结果为第一类结果，则确定所述判决结果为所述用户设备需要切换，所述第一类结果用于指示与目标小区状态信息向量对应的邻区满足切换条件；

若判断获知每一小区状态信息向量的分类结果为第二类结果，则确定所述判决结果为所述用户设备不需要切换，所述第二类结果用于指示与目标小区状态信息向量对应的邻区不满足切换条件。

具体来说，首先，装置获取小区状态信息，该小区状态信息包括服务小区的状态信息，以及每一邻区的状态信息。

ue驻留在lte网络中的服务小区，与lte网络建立rrc数据承载链路，并按照参数设定上报周期性mr至源enodeb。

装置从源enodeb采集服务小区的状态信息，服务小区的状态信息包括：prb利用率p服、同步态用户数n服、参考信号电平值rsrp服。

并且装置获取邻区环境信息，即，获取服务小区的每一邻区的状态信息，每一邻区的状态信息均包括：prb利用率p邻、同步态用户数n邻、参考信号电平值rsrp邻。

然后，装置根据采集到的服务小区的状态信息，每一邻区的状态信息，组合成小区状态信息向量集v，v＝{v1,v2,...,vj,...,vk}，vj＝(p服,n服,rsrp服,p邻j,n邻j,rsrp邻j)，v还可以表示为：v＝{vj(p服,n服,rsrp服,p邻j,n邻j,rsrp邻j)|j＝1,...,k}，其中，k为ue上报的邻区数量，即，若服务小区有k个邻区，v中就有k个小区状态信息向量，一个小区状态信息向量对应一个邻区，vj为服务小区的状态信息和第j个邻区的状态信息组成的的第j个小区状态信息向量。

最后，将每一小区状态信息向量，分别输入至最优切换分类面，输出每一小区状态信息向量的分类结果，最优切换分类面的表达形式如下：

其中，m为训练所得的支持向量个数，vi为支持向量，其组成的集合称为支持向量集(简称，sv集)ωsv，ωsv＝{vi|i＝1,...,m}，为vi所对应的lagrange乘子系数，b^*为训练所得的一个常数。

若判断获知每一小区状态信息向量的分类结果为第二类结果，即，yj＝f(vj)＝-1，则ue无需进行切换，yj＝f(vj)＝-1用于指示与vj对应的邻区不满足切换条件。

若判断获知存在任一小区状态信息向量的分类结果为第一类结果，即，存在yj＝f(vj)＝1，则ue需要进行切换，yj＝f(vj)＝1用于指示与vj对应的邻区满足切换条件。

本发明实施例提供的基于支持向量机的自适应切换方法，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

在以上各实施例的基础上，进一步地，所述状态信息至少包括prb利用率、同步态用户数和rsrp中的任一种。

具体来说，ue驻留在lte网络中的服务小区，与lte网络建立rrc数据承载链路，并按照参数设定上报周期性mr至源enodeb。

装置从源enodeb采集服务小区的状态信息，服务小区的状态信息包括：prb利用率p服、同步态用户数n服、参考信号电平值rsrp服。

并且装置获取邻区环境信息，即，获取服务小区的每一邻区的状态信息，每一邻区的状态信息均包括：prb利用率p邻、同步态用户数n邻、参考信号电平值rsrp邻。

优选地，小区状态信息同时包含prb利用率、同步态用户数和参考信号电平值这三个参数。该状态信息也可以仅至少包括prb利用率、同步态用户数和rsrp中的任一种。

需要说明的是，上述示例性方法中状态信息至少包括prb利用率、同步态用户数和rsrp中的任一种，而在实际应用中不限于此，小区的状态信息还可以包括本领域所公知的其他与切换相关的参数，此处不再列举，具体选择哪些参数可以视情况而定。

本发明实施例提供的基于支持向量机的自适应切换方法，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

在以上各实施例的基础上，进一步地，通过x2接口或s1接口获取所述小区状态信息。

具体来说，本发明实施例中的装置可以是一个单独的设备，也可以将该装置集成到现有的某一个网元中，例如，集成到enodeb或移动性管理实体mme中。

所以，该装置获取小区状态信息的接口也不相同，可以通过x2接口获取小区状态信息，也可以通过s1接口获取小区状态信息。

需要说明的是，上述示例性方法中通过x2接口或s1接口获取小区状态信息，而在实际应用中不限于此，该装置设置的位置不同，获取小区状态信息的接口也不相同，获取小区状态信息的接口还可以包括本领域所公知的其他接口，此处不再列举，具体选择哪些接口可以视情况而定。

本发明实施例提供的基于支持向量机的自适应切换方法，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

在以上各实施例的基础上，进一步地，所述基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区，具体包括：

分别计算每一切换向量的超平面分类距，所述切换向量是指分类结果为第一类结果的小区状态信息向量，所述超平面分类距为目标切换向量到所述最优切换分类面的距离；

将超平面分类距最大的切换向量作为最优切换向量，所述最优切换向量对应的邻区作为最优切换目标小区。

具体来说，对分类结果满足yj＝f(vj)＝1的小区状态信息向量，表明该小区状态信息向量对应的目标邻区满足ue切换条件，将分类结果满足yj＝f(vj)＝1的小区状态信息向量构成的集合作为切换向量集ω1，ω1＝{vj(p服,n服,rsrp服,p邻j,n邻j,rsrp邻j)|j＝1,...,z}，其中，z为切换信息向量集中向量的数量。

接着，装置自动计算切换向量集ω1中每一小区状态信息向量的超平面分类距dj，dj的计算公式如下：

其中，dj为小区状态信息向量的超平面分类距，其表示小区状态信息向量至最优切换分类面的距离，m为训练所得的支持向量个数，vi为支持向量，yi为vi的分类结果，为vi所对应的lagrange乘子系数，b^*为训练所得的一个常数，vj为ω1中的小区状态信息向量。

若vt满足vt＝max(dj|j＝1,...,z)，即，vt为ω1中最大超平面分类距所对应的小区状态信息向量，表明该小区状态信息向量距离最优切换分类面最远，也就是该小区状态信息向量所对应的邻区最适合切换，则将vt作为最优切换向量，装置则将vt对应的邻区判决为最优切换目标小区，并将决策结果反馈给源基站(源enodeb)。

本发明实施例提供的基于支持向量机的自适应切换方法，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

在以上各实施例的基础上，进一步地，所述基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区，还包括：

分别计算每一非切换向量的超平面分类距，所述非切换向量是指分类结果为第二类结果的小区状态信息向量；

将超平面分类距最大的非切换向量作为最劣切换向量。

具体来说，对分类结果满足yj＝f(vj)＝-1的小区状态信息向量，表明该小区状态信息向量对应的目标邻区不满足ue切换条件，将分类结果满足yj＝f(vj)＝-1的小区状态信息向量构成的集合作为非切换向量集ω-1，ω-1＝{vj(p服,n服,rsrp服,p邻j,n邻j,rsrp邻j)|j＝1,...,k-z}，其中，k-z为非切换信息向量集中向量的数量。

并计算ω-1中每一小区状态信息向量的超平面分类距dj，并得到vs，使得vs满足vs＝max(dj|j＝1,...,k-z)，即，vs为ω1中最大超平面分类距所对应的小区状态信息向量，表明该小区状态信息向量距离最优切换分类面最远，也就是该小区状态信息向量所对应的邻区最不适合切换，则将vs作为最劣切换向量。

本发明实施例提供的基于支持向量机的自适应切换方法，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

在以上各实施例的基础上，进一步地，所述方法还包括：通过对所述支持向量机进行学习训练，自适应地获取所述最优切换分类面的步骤，具体包括：

若判断获知所述服务小区为没有执行过切换操作的小区，则根据预设的训练样本向量，以及每一训练样本向量的分类结果，对所述支持向量机进行学习训练，获取所述最优切换分类面。

具体来说，小区新入网时，针对每个小区需设置两个向量集作为训练样本，一个是允许切换的向量集v允许，v允许＝{v1,v2,...,vi,...,vn}，vi＝(p服i,n服i,rsrp服i,p邻i,n邻i,rsrp邻i)，v允许还可以表示为：v允许＝{vi(p服i,n服i,rsrp服i,p邻i,n邻i,rsrp邻i)|i＝1,...,n}，v允许对应归类为y允许＝{yi＝1|i＝1,...,n}，即，v允许中每一训练样本向量的分类结果y都为1，其中，n为v允许中训练样本向量的个数，n为正整数，vi为v允许中第i个训练样本向量；

另一个是禁止切换的向量集v禁止，v禁止＝{v1,v2,...,vi,...,vn}，vi＝(p服i,n服i,rsrp服i,p邻i,n邻i,rsrp邻i)，v禁止还可以表示为：v禁止＝{vi(p服i,n服i,rsrp服i,p邻i,n邻i,rsrp邻i)|i＝1,...,n}，v禁止对应归类为y禁止({yi＝-1|i＝1,...,n}，即，v禁止中每一训练样本向量的分类结果y都为-1，其中，n为v禁止中训练样本向量的个数，n为正整数，vi为v禁止中第i个训练样本向量。

装置根据输入的两个训练样本向量集进行第一次支持向量机学习，得到初始最优切换分类面。

本发明实施例提供的基于支持向量机的自适应切换方法，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

在以上各实施例的基础上，进一步地，所述方法还包括：通过对所述支持向量机进行学习训练，自适应地获取所述最优切换分类面的步骤，具体包括：

若判断获知所述服务小区为已经执行过切换操作的小区，且上次执行切换操作的结果为切换成功，则根据新的训练样本向量，以及所述新的训练样本向量的分类结果，对所述支持向量机进行学习训练，获取所述最优切换分类面，所述新的训练样本向量包括上一次对所述支持向量机进行学习训练时确定的支持向量，上一次切换操作过程中确定的最优切换向量和最劣切换向量；

若判断获知所述服务小区为已经执行过切换操作的小区，且上次执行切换操作的结果为切换失败，则将上一次切换操作过程中确定的最优切换向量的分类结果更新为第二类结果，并根据新的训练样本向量，以及所述新的训练样本向量的分类结果，对所述支持向量机进行学习训练，获取所述最优切换分类面，所述新的训练样本向量包括上一次对所述支持向量机进行学习训练时确定的支持向量，上一次切换操作过程中确定的最优切换向量和最劣切换向量。

具体来说，ue执行从服务小区切换到最优切换目标小区的操作时，依然有可能会切换失败。

如果判断获知服务小区为已经执行过切换操作的小区，且上次执行切换操作的结果为切换失败，则将上一次切换操作过程中确定的最优切换向量vt的分类结果由第一类结果更新为第二类结果，即，更新yt＝f(vt)＝-1，并根据新的训练样本向量，以及新的训练样本向量的分类结果，新的训练样本向量及其分类结果构成新的训练集合ω迭代，根据ω迭代对支持向量机进行重新学习训练，自适应优化最优切换分类面和ωsv，新的训练样本向量包括上一次对支持向量机进行学习训练时确定的支持向量ωsv，上一次切换操作过程中确定的最优切换向量vt和最劣切换向量vs。

若切换成功，ue在最优切换目标小区上继续进行业务，并且将上一次切换操作过程中确定的最优切换向量vt和最劣切换向量vs、上一次对支持向量机进行学习训练时确定的支持向量ωsv，以及它们的分类结果构成新的训练集合ω迭代，根据ω迭代对支持向量机进行重新学习训练，自适应优化最优切换分类面和ωsv。

本发明实施例提供的基于支持向量机的自适应切换方法，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

图2为本发明实施例提供的基于支持向量机的自适应切换方法的逻辑流程示意图，下面结合图2，以一个具体的例子对本发明实施例提供的基于支持向量机的自适应切换方法进行详细说明：

步骤一：ue驻留在lte网络中的服务小区，与lte网络建立rrc数据承载链路，并按照参数设定上报周期性mr至源enodeb。

步骤二：装置从源enodeb采集服务小区的状态信息，服务小区的状态信息包括：prb利用率p服、同步态用户数n服、参考信号电平值rsrp服。

步骤三：装置获取邻区环境信息，即，获取服务小区的每一邻区的状态信息，每一邻区的状态信息均包括：prb利用率p邻、同步态用户数n邻、参考信号电平值rsrp邻。

步骤四：装置根据采集到的服务小区的状态信息，每一邻区的状态信息，组合成小区状态信息向量集v，v＝{v1,v2,...,vj,...,vk}，vj＝(p服,n服,rsrp服,p邻j,n邻j,rsrp邻j)，v还可以表示为：v＝{vj(p服,n服,rsrp服,p邻j,n邻j,rsrp邻j)|j＝1,...,k}，其中，k为ue上报的邻区数量，即，若服务小区有k个邻区，v中就有k个小区状态信息向量，一个小区状态信息向量对应一个邻区，vj为服务小区的状态信息和第j个邻区的状态信息组成的的第j个小区状态信息向量。

然后，通过svm学习判断ue是否需要切换，以及确定切换时的最优切换目标小区。

通过svm学习判断ue是否需要切换，以及确定切换时的最优切换目标小区的具体步骤如下：

1、小区新入网时，针对每个小区需设置两个向量集作为训练样本，一个是允许切换的向量集v允许，v允许＝{v1,v2,...,vi,...,vn}，vi＝(p服i,n服i,rsrp服i,p邻i,n邻i,rsrp邻i)，v允许还可以表示为：v允许＝{vi(p服i,n服i,rsrp服i,p邻i,n邻i,rsrp邻i)|i＝1,...,n}，v允许对应归类为y允许＝{yi＝1|i＝1,...,n}，即，v允许中每一训练样本向量的分类结果y都为1，其中，n为v允许中训练样本向量的个数，n为正整数，vi为v允许中第i个训练样本向量；

另一个是禁止切换的向量集v禁止，v禁止＝{v1,v2,...,vi,...,vn}，vi＝(p服i,n服i,rsrp服i,p邻i,n邻i,rsrp邻i)，v禁止还可以表示为：v禁止＝{vi(p服i,n服i,rsrp服i,p邻i,n邻i,rsrp邻i)|i＝1,...,n}，v禁止对应归类为y禁止＝{yi＝-1|i＝1,...,n}，即，v禁止中每一训练样本向量的分类结果y都为-1，其中，n为v禁止中训练样本向量的个数，n为正整数，vi为v禁止中第i个训练样本向量。

2、装置根据输入的两个训练样本向量集进行第一次支持向量机学习，得到初始最优切换分类面，最优切换分类面的表达形式如下：

其中，m为训练所得的支持向量个数，vi为支持向量，其组成的集合称为支持向量集(简称，sv集)ωsv，ωsv＝{vi|i＝1,...,m}，为vi所对应的lagrange乘子系数，b^*为训练所得的一个常数。

3、装置将获取到的小区状态信息向量集v中的每一小区状态信息向量分别进行最优切换分类面判决，获取每一小区状态信息向量的分类结果y：

3.1、若不存在yj＝f(vj)＝1，则ue无需进行切换。

3.2、若存在yj＝f(vj)＝1，则ue需要进行切换：

a、对分类结果满足yj＝f(vj)＝1的小区状态信息向量，表明该小区状态信息向量对应的目标邻区满足ue切换条件，将分类结果满足yj＝f(vj)＝1的小区状态信息向量构成的集合作为切换向量集ω1，ω1＝{vj(p服,n服,rsrp服,p邻j,n邻j,rsrp邻j)|j＝1,...,z}，其中，z为切换信息向量集中向量的数量。

接着，装置自动计算切换向量集ω1中每一小区状态信息向量的超平面分类距dj，dj的计算公式如下：

其中，dj为小区状态信息向量的超平面分类距，其表示小区状态信息向量至最优切换分类面的距离，m为训练所得的支持向量个数，vi为支持向量，yi为vi的分类结果，为vi所对应的lagrange乘子系数，b^*为训练所得的一个常数，vj为ω1中的小区状态信息向量。

若vt满足vt＝max(dj|j＝1,...,z)，即，vt为ω1中最大超平面分类距所对应的小区状态信息向量，表明该小区状态信息向量距离最优切换分类面最远，也就是该小区状态信息向量所对应的邻区最适合切换，则将vt作为最优切换向量，装置则将vt对应的邻区判决为最优切换目标小区，并将决策结果反馈给源基站(源enodeb)。

b、对分类结果满足yj＝f(vj)＝-1的小区状态信息向量，表明该小区状态信息向量对应的目标邻区不满足ue切换条件，将分类结果满足yj＝f(vj)＝-1的小区状态信息向量构成的集合作为非切换向量集ω-1，ω-1＝{vj(p服,n服,rsrp服,p邻j,n邻j,rsrp邻j)|j＝1,...,k-z}，其中，k-z为非切换信息向量集中向量的数量。

并计算ω-1中每一小区状态信息向量的超平面分类距dj，并得到vs，使得vs满足vs＝max(dj|j＝1,...,k-z)，即，vs为ω-1中最大超平面分类距所对应的小区状态信息向量，表明该小区状态信息向量距离最优切换分类面最远，也就是该小区状态信息向量所对应的邻区最不适合切换，则将vs作为最劣切换向量。

步骤五：源enodeb根据装置反馈的切换指示信息，向目标enodeb发起切换请求，使ue从服务小区切换到最优切换目标小区。

步骤六：若切换成功，ue在最优切换目标小区上继续进行业务；若切换失败，则更新vt所属的分类结果，即，yt＝f(vt)＝-1；

步骤七：装置将ωsv和{vt,vs}组成新的训练集合ω迭代，对支持向量机重新学习训练，自适应优化最优切换分类面和ωsv。

本发明实施例提供的基于支持向量机的自适应切换方法，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

图3为本发明实施例提供的基于支持向量机的自适应切换装置示意图，如图3所示，本发明实施例提供一种基于支持向量机的自适应切换装置，用于完成上述任一实施例中所述的方法，具体包括切换判决模块301、确定模块302和发送模块303，其中，

切换判决模块301用于将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，所述最优切换分类面为经过学习训练后的支持向量机的分类超平面；

确定模块302用于若判断获知所述用户设备需要切换，则基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区；

发送模块303用于向源基站发送切换指示信息，以供所述源基站向目标基站发送切换请求信息，使所述用户设备从服务小区切换到所述最优切换目标小区。

具体来说，首先，切换判决模块301获取小区状态信息，小区状态信息包括服务小区的状态信息，以及服务小区的每一邻区的状态信息，小区的状态信息包含多种参数，小区的状态信息能够反映出小区的当前状态，根据当前状态就可以分析出接入服务小区的用户设备是否需要切换，以及目标邻区是否适合作为最优的切换对象。

然后，将小区状态信息输入至最优切换分类面，输出用户设备是否需要切换的判决结果，判决结果包括两种，需要切换和不需要切换，如果判决结果为需要切换，则表明存在比服务小区更优的邻区适合用户设备接入，如果判决结果为不需要切换，则表明没有比服务小区更优的邻区适合用户设备接入，该最优切换分类面为经过学习训练后的支持向量机的分类超平面，即，装置根据小区状态信息判断用户设备是否需要切换。

若判断获知该用户设备需要切换，则确定模块302基于小区状态信息和最优切换分类面，确定最优切换目标小区，即，装置在确定用户设备需要切换之后，还需要确定哪一个目标邻区为最优的切换目标小区。

在获取到最优切换目标小区之后，发送模块303向源基站发送切换指示信息，该切换指示信息中包含最优切换目标小区，以供源基站向目标基站发送切换请求信息，使用户设备从服务小区切换到最优切换目标小区。

本发明实施例提供一种基于支持向量机的自适应切换装置，用于完成上述任一实施例中所述的方法，通过本实施例提供的装置完成上述某一实施例中所述的方法的具体步骤与上述相应实施例相同，详细内容此处不再赘述。

本发明实施例提供的基于支持向量机的自适应切换装置，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

本发明实施例提供一种基站，该基站中集成了上述实施例中所述的装置，该装置包括切换判决模块、确定模块和发送模块，其中，

切换判决模块，用于将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，所述最优切换分类面为经过学习训练后的支持向量机的分类超平面；

确定模块，用于若判断获知所述用户设备需要切换，则基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区；

发送模块，用于向源基站发送切换指示信息，以供所述源基站向目标基站发送切换请求信息，使所述用户设备从服务小区切换到所述最优切换目标小区。

本发明实施例提供的基站，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

本发明实施例提供一种mme，该mme中集成了上述实施例中所述的装置，该装置包括切换判决模块、确定模块和发送模块，其中，

切换判决模块，用于将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，所述最优切换分类面为经过学习训练后的支持向量机的分类超平面；

确定模块，用于若判断获知所述用户设备需要切换，则基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区；

发送模块，用于向源基站发送切换指示信息，以供所述源基站向目标基站发送切换请求信息，使所述用户设备从服务小区切换到所述最优切换目标小区。

本发明实施例提供的mme，通过准确解析用户信令及无线网络环境，借助支持向量机来自适应的优化最优切换分类面，并通过对小区状态信息的判决来决策出是否需要进行切换及切换时的最优切换目标小区，提高切换成功率，降低切换时延，提升用户感知。

图4为本发明实施例提供的电子设备的结构示意图，如图4所示，所述设备包括：处理器401、存储器402和总线403；

其中，处理器401和存储器402通过所述总线403完成相互间的通信；

处理器401用于调用存储器402中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：

将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，所述最优切换分类面为经过学习训练后的支持向量机的分类超平面；

若判断获知所述用户设备需要切换，则基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区；

向源基站发送切换指示信息，以供所述源基站向目标基站发送切换请求信息，使所述用户设备从服务小区切换到所述最优切换目标小区。

本发明实施例提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：

将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，所述最优切换分类面为经过学习训练后的支持向量机的分类超平面；

若判断获知所述用户设备需要切换，则基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区；

向源基站发送切换指示信息，以供所述源基站向目标基站发送切换请求信息，使所述用户设备从服务小区切换到所述最优切换目标小区。

本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：

将获取到的小区状态信息，输入至最优切换分类面，输出用户设备是否需要切换的判决结果，所述最优切换分类面为经过学习训练后的支持向量机的分类超平面；

若判断获知所述用户设备需要切换，则基于所述小区状态信息和所述最优切换分类面，确定最优切换目标小区；

向源基站发送切换指示信息，以供所述源基站向目标基站发送切换请求信息，使所述用户设备从服务小区切换到所述最优切换目标小区。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的装置及设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。