一种基于自学习模式的车地无线通信质量评估方法与流程

技术特征：

1.一种基于自学习模式的车地无线通信质量评估方法，其特征在于，包括：

建立包含数据抽象系统、训练好的评价系统及学习系统的诊断模型；

在应用之前，对所述诊断模型进行训练，训练过程中，将包含基于位置的信号和噪声强度数据的训练数据输入至数据抽象系统中，由数据抽象系统结合学习系统中的历史数据将基于位置的信号和噪声强度数据转化为评价指标数据，并将该评价指标数据输入至训练好的评价系统，由训练好的评价系统计算出无线通信质量评估值，并与预设的数值进行比对，以确定计算出的无线通信质量评估值是否合格；若不合格，则进行人工排查若合格，且被抽样则进行人工排查，再与人工排查结果进行比较，并记录合格率；训练过程中最终输出的无线通信质量评估值即为人工排查时，通过与输入训练数据相对应位置的丢包率和时延数据计算出的无线通信质量评估值；并且，还将最终输出的无线通信质量评估值输入至学习系统来更新历史数据；重复上述训练过程，直至评价系统计算出的无线通信质量评估值满足一定的合格率，则完成诊断模型的训练；

在应用期，利用训练好的诊断模型对输入的包含基于位置的信号和噪声强度数据的测试数据进行评价，得到无线通信质量评估值。

2.根据权利要求1所述的一种基于自学习模式的车地无线通信质量评估方法，其特征在于，所述数据抽象系统结合学习系统中的历史数据将基于位置的信号和噪声强度数据转化为评价指标数据包括：

所述基于位置的信号和噪声强度数据的采样频率为一米，总长度为n米，则第i米的信号和噪声强度值记为

计算信号和噪声强度值最低要求符合度：

$sign\left(s_{rel}^i\right)=\left\{\begin{array}{cc}1& if(s_{rel}^i-s_{thresold}\≥0)\\ 0& if(s_{rel}^i-s_{thresold}\<0)\end{array}\right.;$

$\mathrm{\τ}=\underset{i=1}{\overset{n}{\Σ}}sign\left(s_{rel}^i\right);$

上式中，s_thresold为预设的最低信号门限，表示信号和噪声强度值符合最低要求，表示信号和噪声强度值不符合最低要求；τ为信号和噪声强度值最低要求符合度；

计算信号和噪声强度值与理论值及聚合值的方差，反映实际信号和理论信号的偏差：

$\mathrm{\χ}={\left(\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{\left(s_{rel}^i-s_{idl}^i\right)}^2\right)}^{\frac{1}{2}};$

上式中，χ为信号和噪声强度值与理论值的方差，为与相同位置处的理论信号和噪声强度值；为信号和噪声强度值与聚合值的方差，为从学习系统中的历史数据中获得的与相同位置处的聚合信号和噪声强度值；

计算信号和噪声强度值与系统中所有学习结果综合的推荐曲线的方差：

$\mathrm{\δ}=\frac{\stackrel{\‾}{s_{rel}}\·\stackrel{\‾}{s_{idl}}}{\left|\stackrel{\‾}{s_{rel}}\right|\·\left|\stackrel{\‾}{s_{idl}}\right|};$

上式中，表示训练数据中的信号和噪声强度值是基于每一米位置的曲线，是一个1*N的行向量；表示理论上的信号和噪声强度值是基于每一米位置的曲线，是一个1*N的行向量，表示行行向量相乘，相乘结果为一个数值；是计算两个1*N的行向量的长度的积；

计算信噪比的平均强度值与信号的比值；

$\mathrm{\γ}=\frac{\stackrel{\‾}{s_{rel}}\·{\stackrel{\‾}{s_{dta}}}^T}{\left|\stackrel{\‾}{s_{rel}}\right|\·\left|\stackrel{\‾}{s_{dta}}\right|};$

上式中，为学习系统中的历史数据中获得的聚合信号和噪声强度值是基于每一米位置的曲线，是一个1*N的行向量；

计算信号和噪声强度值信号差值平滑的程度：

$\mathrm{\ξ}=\frac{1}{n}\underset{i=1}{\overset{n-1}{\Σ}}|s_{rel}^{i+1}-s_{rel}^i|;$

将上述各个指标进行归一化处理，处理结果即为最终的评价指标数据：

上式中，χ_max、δ_max、γ_max、ξ_max均为训练数据集合中计算的各个指标的最大值。

3.根据权利要求1所述的一种基于自学习模式的车地无线通信质量评估方法，其特征在于，该方法还包括：利用与输入训练数据相对应位置的丢包率和时延数据，来计算出的无线通信质量评估值，其计算公式如下：

$Y_c=\min (0,{\mathrm{\α}}_1\·(1-\max \left(Plr\right))+{\mathrm{\α}}_2\·\frac{D_m-\max \left(D\right)}{D_m}+{\mathrm{\α}}_3\·\frac{{\mathrm{Plc}}_m-\max \left(Plc\right)}{{\mathrm{Plc}}_m})$

上式中，Y_c为无线通信质量评估值，D表示传输时延，Plr表示丢包率，Plc表示最大连续丢包数，α₁、α₂、α₃均为权值，D_m为预设的可接受的最大传输时延，Plc_m为预设的可接受的最大连续丢包数。

4.根据权利要求1或2或3所述的一种基于自学习模式的车地无线通信质量评估方法，其特征在于，训练过程中，将最终输出的的无线通信质量评估值输入至学习系统来更新历史数据的公式为：

$s_{dta}^i=\frac{1}{\underset{j=1}{\overset{m}{\Σ}}{Y}_c^j}\underset{j=1}{\overset{m}{\Σ}}{Y}_c^j\·x_j\left(s_{rel}^i\right);$

上式中，m表示训练数据集合X中训练数据的数量，表示第j个训练数据中第i米的信号和噪声强度值，表示对应于第j个训练数据的最终输出的无线通信质量评估值，表示与相同位置处的聚合信号和噪声强度值；若第j个训练数据中，共有1～n个信号和噪声强度值，则最终的获得一个由组成的行向量

5.根据权利要求1或2或3所述的一种基于自学习模式的车地无线通信质量评估方法，其特征在于，该方法还包括：在应用期，根据计算到的无线通信质量评估值对学习系统中的历史数据进行更新，其公式为：

${s_{dta}^i}^{\′}=\frac{(\underset{j=1}{\overset{m}{\Σ}}{Y}_c^j+\underset{j=1}{\overset{p}{\Σ}}{Y}_o^j)-Y_o^p}{\underset{j=1}{\overset{m}{\Σ}}{Y}_c^j+\underset{j=1}{\overset{p}{\Σ}}{Y}_o^j}{s}_{dta}^i+\frac{Y_o^p}{\underset{j=1}{\overset{m}{\Σ}}{Y}_c^j+\underset{j=1}{\overset{p}{\Σ}}{Y}_o^j}{s}_{rel}^i;$

上式中，p为应用期的输入测试数据的数量，表示根据输入的第j个测试数据计算到的无线通信质量评估值。