[0053] 显然，在一个实现ROHC的通信系统中，可将支持向量机植入ROHC压缩器中，也可 将支持向量机独立于ROHC压缩器之外。为方便描述，以下主要描述以将支持向量机植入 ROHC压缩器中的实施例。
[0054] 图1为本发明实施例提供的ROHC压缩器IR态回迁周期选择方法的实现流程示意 图,如图1所示,该方法包括：
[0055] 步骤101，获取当前信道质量参数，发送至训练好的支持向量机，利用所述支持向 量机根据当前信道质量参数选择IR态回迁周期；
[0056] 具体的，通信系统中，基站侧与终端侧通过对空口进行测量获得当前的信道质量 参数，进而ROHC压缩器可从基站系统中获取当前信道质量参数，发送至已训练好的支持向 量机；支持向量机根据接收到的当前信道质量参数，选择最优IR态回迁周期，将选择的结 构返回给ROHC压缩器；其中信道质量参数可包括参考信号接收功率和信号与干扰加噪声 比。
[0057] 这里,训练好的支持向量机是指经过样本集训练的支持向量机,在步骤101之前， 所述方法还包括：
[0058] 获取样本集；
[0059] 使用样本集训练所述支持向量机。
[0060] 具体的，训练支持向量机的基础是获取样本集，在本发明实施例中，用于训练支持 向量机的样本集中的样本包括两部分：样本信道质量参数和该信道质量参数对应的最优 IR态回迁周期。这里，样本信道质量参数可包括：参考信号接收功率和信号与干扰加噪声 t匕；其中，参考信号接收功率，记为P_p ;和信号与干扰加噪声比，记为Pnciise，构成一组特征 参数矢量 X = [Prsrp，Pncil J。
[0061] 一个样本中的样本信道质量参数可预先设定或网络管理员通过观察测试通信系 统得到，该样本信道质量参数所对应的最优IR态回迁周期需要计算。因此，获取样本集包 括：
[0062] 获取样本信道质量参数；
[0063] 计算所述样本信道质量参数对应的最优IR态回迁周期。
[0064] 进一步的,在确定了样本信道质量参数为特征参数矢量X = [P1^p, PnciisJ后,计算 特征参数矢量X = [PmP，PncilsJ对应的最优IR态回迁周期，具体包括以下步骤：
[0065] 步骤11，计算目标IR态回迁周期集在信道质量为所述样本信道质量参数时，所对 应的总增益集；即计算目标IR态回迁周期集在X = [P_p，PncilsJ时所对应的总增益集；
[0066] 具体的，可预先确定一个目标IR态回迁周期集，选定若干个目标IR态回迁周期值 作为该目标IR态回迁周期集的元素，ROHC压缩器的IR态回迁周期即在这个目标IR态回 迁周期集中选择。在一个实施例中，考虑到如果IR态回迁周期值过大，例如：IR态回迁周 期值超过500,那么和IR态回迁周期值等于500时，对通信系统的压缩效率和丢包率的影 响就差别不大了，因此，可根据经验预先确定目标IR态回迁周期集D为：{d IR1 = 10, dIR2 = 20，dIR3 = 50，dIR4 = 100，dIR5 = 200，dIR6 = 500}，其中，dIRl 表示一个 IR 态回迁周期值，例 如：当dIR1 = 10时，表示每10个数据包中含有一个IR包；则D的任一个元素 dIRi在统计时 间为T时，压缩效率与丢包率两个因素的总增益为=C1(CI iriJ) = S_p(dIRl)*Slciss(T);其中， i = 1，2, 3, 4, 5, 6, Sccinip (dIRl)和 Slciss(T)分别如下：
[0067] (1)
[0068] 其中，f表示原始报文头部的平均长度；$表示非IR包的压缩头的平均长度；f 和I可由网络管理员通过观察统计得到；
[0069] (.2)
[0070] 其中，P(T)是统计时间T内丢包的总数；η是平均每秒传输的包数；P⑴和η可由 网络管理员通过观察统计得到。
[0071] 显然，C1(CU1J)越大，表示更高的压缩效率和更低的丢包率，即更高的带宽利用 率和更高的通信质量A (dIRl，Τ)越小，表示更低的压缩效率和更高的丢包率，即更低的带 宽利用率和更差的通信质量。
[0072] 在一个实施例中，T = 20s，即统计时间为20秒，分别计算目标IR态回迁周期 集中每个元素所对应的总增益C1 (dIRl，T)，组成目标IR态回迁周期集所对应的总增益集 C(dIRl，T)。
[0073] 步骤12,根据计算出的总增益集，选择所述样本信道质量参数对应的最优IR态回 迁周期；即根据总增益集C (dIRl，T)，选择特征参数矢量X = [P_p，PncilsJ对应的最优IR态 回迁周期；
[0074] 具体的，求取总增益集中的最大总增益C = max(C(dIRi, T)),即：C = max[C(dIR1, T) ,C (dIR2, T), C (dIR3, Τ), C (dIR4, Τ), C (dIR5, Τ), C (dIR6, Τ) ] (3);并获取该最大总增益对应的目 标IR态回迁周期集中的元素 dmax,该元素 dmax即为特征参数矢量X = [P1^p, PnciisJ所对应的 最优IR态回迁周期。
[0075] 可利用上述X = [Ρ_，Pncil J和它对应的最优IR态回迁周期Clmax组成一个样本， 以此类推，设定若干个不同的信道质量参数，计算它们分别对应的最优IR态回迁周期，即 获取多个样本，组成样本集，则进一步的，使用样本集训练支持向量机的具体方法包括以下 步骤：
[0076] 步骤A，构造训练数据，以此来训练可在两个IR态回迁周期中选择更优的支持向 量机；
[0077] 具体的，选定两个IR态回迁周期，针对这两个IR态回迁周期构造一组训练数据， 即
[0078] (χ1; Y1), . . . , (x1; Y1), Xi e Rn, Yi e {+1, -1} , i = 1, 2, . . . , 1 (4)
[0079] 其中,Xi = [P1^p, PnciisJ为样本信道质量参数所对应的特征参数矢量；为针对选 定的两个IR态回迁周期的索引，1为构造的训练数据的总数。当X 1的更优IR态回迁周期 是第一个选定的IR态回迁周期时，标记为= 1，否则标记为= -1。
[0080] 步骤B，构造一个判别函数，用步骤A构造出的训练数据确定该判别函数的参数， 将两类模式尽可能正确地分开；
[0081] 具体的，将通信系统实际的信道质量参数所对应的特征参数矢量X作为该判别函 数的输入，利用该判别函数，为X在步骤A中选定的两个IR态回迁周期中选择更优的IR态 回迁周期，判别函数通式为：
[0082] (5)
[0083] 将这个判别函数通式转化为一个典型的二次规划（QP)问题，其约束条件为：
[0084] Yi (w · χ-b') + ξ ^ 1, ξ ^ 0, i = I, 2, . . . , I (6)
[0085] 其中，w为分类面的权系数向量；b'为分类域值；c>0是自定义惩罚系数；ξ可以 看作训练样本关于分离超平面的偏差，当训练数据线性可分时，ξ =〇,当训练数据线性不 可分或事先不知道是否线性可分时，ξ>〇。
[0086] 利用标准的拉格朗日乘子法求解上述判别函别，得到最终的分类函数：
[0087] (7)
[0088] 其中，为拉格朗日乘子；b'为分类域值。对于非线性的情况，引入分离曲面，根 据泛函理论，在满足Mercer条件下，定义适当的核函数k(Xi, X)来实现非线性映射，如图2 所示，通过这个非线性映射Φ (X) : Rn - F将输入空间Rn映射到高维内积空间F，然后在F中 构造最优超平面，用线性分类器完成分类。引入核函数后公式（7)变为：
[0089] (8)
[0090] 其中，K(Xi, X) = Φ (Xi) · Φ (X)为满足Mercer条件的核函数。通过引入核函数 构造出这一分类函数，完成对支持向量机的初步构造。
[0091] 步骤C，将所述支持向量机扩展为可在N个IR态回迁周期做选择的支持向量机； 其中，N为大于2的整数。
[0092] 以上初步构造的支持向量机只能完成在给定的两个IR回迁周期中的寻找相对更 优的一个，对N个给定的IR态回迁周期中寻找最优值，可在步骤B的基础上采用一对一的 方法，如图3所示：设共有N个给定的IR态回迁周期，分别选取2个不同的IR态回迁周期 构成一个支持向量机子分类器，这样共需构造1/2*N*(N-I)个支持向量机子分类器。
[0093] 对于N个给定的IR态回迁周期中的任意两个回迁周期i (i = 1，2, . . .，N，i古j) 和回迁周期j (j = 1，2,...，N，j古i)，构造回迁周期i和回迁周期j的支持向量机子分类 器的具体方法为：
[0094] 按照步骤A的方法构造训练数据；即：
[0095] 在前述获取到的用于训练支持向量机的样本集中，选取属于回迁周期i和回迁周 期j的样本作为训练样本数据，并将属于回迁周期i的样本对应的索引标记为+1，将属于回 迁周期j的样本对应的索引标记为-1 ;
[0096] 按照步骤B的方法构造判别函数，该判别函数即为回迁周期i和回迁周期j的支 持向量机子分类器。
[0097] 当构造完成N个IR态回迁周期中任意两个回迁周期i和回迁周期j的支持向量 机子分类器后，即完成了将所述支持向量机扩展为可在N个IR态回迁周期做选择的支持向 量机的工作。
[0098] 在发明实施例中，上