应用于天线增益系统的智能控制方法及系统与流程

本发明涉及人工智能，特别涉及一种应用于天线增益系统的智能控制方法及系统。

背景技术：

1、天线增益系统是一种用于无线通信中的重要设备，它通过提高天线的增益来增强信号的接收和发送效果。在无线通信中，天线起到了连接用户设备与网络之间的桥梁作用，扮演着至关重要的角色。天线增益是指天线在某个方向上相对于理想点源辐射功率的比值。增益越高，天线系统在特定方向上的信号接收和发送能力就越强。因此，天线增益对于提高通信质量、扩大覆盖范围以及增加信号传输距离都非常关键。

2、天线增益系统的主要目标是提高无线通信的可靠性、覆盖范围和数据传输速率。通过增强天线的增益，可以增加信号的强度，从而减少信号的衰减和干扰，提高信号的接收质量。同时，天线增益系统还可以增加信号的传输距离，扩大网络的覆盖范围，使用户可以在更远的地方进行通信。此外，天线增益系统还可以提高数据传输速率。通过增强信号的强度和减少信号的噪声，可以提高信号的传输速率和容量，从而提高通信系统的效率和吞吐量。总之，天线增益系统是无线通信中不可或缺的重要组成部分。通过优化天线结构、调整天线参数以及智能控制天线增益，可以实现更好的信号接收和发送效果，提高通信质量和覆盖范围，推动无线通信技术的进一步发展和应用。因此，针对天线增益系统的高质量调控至关重要，但是传统的天线增益系统调控技术存在智能化程度欠佳的问题。

技术实现思路

1、为改善相关技术中存在的技术问题，本发明提供了一种应用于天线增益系统的智能控制方法及系统。

2、第一方面，本发明实施例提供了一种应用于天线增益系统的智能控制方法，应用于ai智能控制系统，所述方法包括：获得信号描述识别算法中第u-1阶信号描述处理组件生成的多模态天线信号描述；其中，所述信号描述识别算法中包括x阶具有级联关系的信号描述处理组件，所述多模态天线信号描述为对拟分析天线信号集进行信号描述挖掘后所得的量化表征知识集，所述量化表征知识集中包括与所述拟分析天线信号集中各个信号片段分别对应的量化表征知识，所述x为大于1的整数，所述u为大于1且不超过x的整数；

3、获得与第u阶信号描述处理组件对应的v个联动信号描述知识；其中，所述v个联动信号描述知识用于反映所述多模态天线信号描述中的所述量化表征知识之间联系特征，所述v为大于1的整数；

4、依次获得所述多模态天线信号描述中的各个所述量化表征知识与所述v个联动信号描述知识中的各个所述联动信号描述知识的描述知识共性系数，并基于指向同一个所述量化表征知识的v个所述描述知识共性系数将各个所述量化表征知识按序调整为量化表征优化知识；

5、将所述量化表征优化知识集成所得的量化表征优化知识集确定为识别所得的目标多模态天线信号描述；

6、利用所述目标多模态天线信号描述对天线增益系统进行调控。

7、在一些方案中，所述依次获得所述多模态天线信号描述中的各个所述量化表征知识与所述v个联动信号描述知识中的各个所述联动信号描述知识的描述知识共性系数，并基于指向同一个所述量化表征知识的v个所述描述知识共性系数将各个所述量化表征知识按序调整为量化表征优化知识包括：

8、循环实施以下方案，直到游走完所述多模态天线信号描述中的各个所述量化表征知识：

9、从所述多模态天线信号描述中获得一个量化表征知识作为当前量化表征知识，并获得所述当前量化表征知识对应的v个第一描述知识共性系数；

10、分别获得与所述当前量化表征知识连续的p个前后序量化表征知识，和所述当前量化表征知识之间的第二描述知识共性系数；其中，所述前后序量化表征知识在所述量化表征知识集中的第一位置标签与所述当前量化表征知识的第二位置标签之间的位置标签之差符合前后序判别要求，所述p为大于1的整数；

11、基于所述v个第一描述知识共性系数和p个第二描述知识共性系数将所述当前量化表征知识变更成所述量化表征优化知识。

12、在一些方案中，所述基于所述v个第一描述知识共性系数和p个第二描述知识共性系数将所述当前量化表征知识变更成所述量化表征优化知识包括：

13、基于所述v个第一描述知识共性系数分别确定对应于各个所述联动信号描述知识的第一特征强化因子；

14、基于所述p个第二描述知识共性系数分别确定对应于各个所述前后序量化表征知识的第二特征强化因子；

15、依据v个所述联动信号描述知识与各自对应的所述第一特征强化因子确定第一描述特征强化知识，并依据p个所述前后序量化表征知识与各自对应的所述第二特征强化因子确定第二描述特征强化知识；

16、将所述第一描述特征强化知识和所述第二描述特征强化知识的聚合结果确定为所述量化表征优化知识。

17、在一些方案中，所述获得所述当前量化表征知识对应的v个第一描述知识共性系数包括：

18、将所述当前量化表征知识和所述v个联动信号描述知识分别进行特征乘法运算，将v个第一特征乘法结果确定为所述v个所述第一描述知识共性系数；

19、所述分别获得与所述当前量化表征知识连续的p个前后序量化表征知识，和所述当前量化表征知识之间的第二描述知识共性系数包括：

20、将所述当前量化表征知识和所述p个前后序量化表征知识分别进行特征乘法运算，将p个第二特征乘法结果确定为所述p个第二描述知识共性系数。

21、在一些方案中，基于所述p个第二描述知识共性系数分别确定对应于各个所述前后序量化表征知识的第二特征强化因子，包括：

22、基于所述v个所述第一描述知识共性系数和所述p个所述第二描述知识共性系数确定第一特征值；

23、基于所述v个所述第一描述知识共性系数确定分别对应于所述v个所述联动信号描述知识的v个第二特征值，并分别获得所述v个所述第二特征值与所述第一特征值的第一对比变量，将v个所述第一对比变量确定为分别对应于所述v个所述联动信号描述知识的所述第一特征强化因子；

24、基于所述p个所述第二描述知识共性系数分别确定对应于所述p个所述前后序量化表征知识的p个第三特征值，并分别获得所述p个所述第三特征值分别与所述第一特征值的第二对比变量，将p个所述第二对比变量确定为分别对应于所述p个所述前后序量化表征知识的所述第二特征强化因子。

25、在一些方案中，所述获得与第u阶信号描述处理组件对应的v个联动信号描述知识之前，还包括：

26、获得与所述第u阶信号描述处理组件对应的v个拟变更的联动信号描述知识；

27、循环实施以下方案，直到游走完所述v个拟变更的联动信号描述知识：

28、从所述v个拟变更的联动信号描述知识中获得一个所述拟变更的联动信号描述知识作为当前联动信号描述知识；

29、分别获得所述当前联动信号描述知识与其他拟变更的联动信号描述知识之间的第三描述知识共性系数；

30、分别获得所述当前联动信号描述知识与所述多模态天线信号描述中的各个所述量化表征知识之间的第四描述知识共性系数；

31、利用所述第三描述知识共性系数和所述第四描述知识共性系数变更所述当前联动信号描述知识。

32、在一些方案中，所述利用所述第三描述知识共性系数和所述第四描述知识共性系数变更所述当前联动信号描述知识包括：

33、依据v-1个所述第三描述知识共性系数分别确定对应于各个所述拟变更的联动信号描述知识的第三特征强化因子；

34、依据g个所述第四描述知识共性系数分别确定对应于各个所述量化表征知识的第四特征强化因子；其中，所述多模态天线信号描述中包括g个所述量化表征知识，所述g为大于1的整数；

35、基于所述v-1个所述拟变更的联动信号描述知识与各自对应的所述第三特征强化因子确定第三描述特征强化知识，并基于所述g个所述量化表征知识与各自对应的所述第四特征强化因子确定第四描述特征强化知识；

36、基于所述第三描述特征强化知识和所述第四描述特征强化知识确定完成变更的所述联动信号描述知识。

37、在一些方案中，所述获得与所述第u阶信号描述处理组件对应的v个拟变更的联动信号描述知识，包括：

38、获得与所述第u阶信号描述处理组件对应的v个拟变更的联动信号描述知识；其中，所述v个拟变更的联动信号描述知识为所述信号描述识别算法在调试过程中确定的联动信号描述知识；

39、或者，

40、将与所述第u-1阶信号描述处理组件对应的v个所述联动信号描述知识，作为与所述第u阶信号描述处理组件对应的所述v个拟变更的联动信号描述知识。

41、在一些方案中，所述将所述量化表征优化知识集成所得的量化表征优化知识集确定为识别所得的目标多模态天线信号描述之后，还包括：

42、对所述目标多模态天线信号描述和所述u-1阶信号描述处理组件生成的所述多模态天线信号描述进行区间数值映射处理，得到多模态天线信号映射描述；

43、在所述u与所述x相同时，基于所述多模态天线信号映射描述确定所述信号描述识别算法生成的信号描述识别结果；

44、在所述u小于所述x时，将所述多模态天线信号映射描述的派生结果输入第u+1阶信号描述处理组件。

45、在一些方案中，所述在所述u与所述x相同时，基于所述多模态天线信号映射描述确定所述信号描述识别算法生成的信号描述识别结果之后，还包括：

46、对所述信号描述识别结果进行第一信号译码，得到与所述拟分析天线信号集匹配的期望天线信号集；

47、对所述信号描述识别结果进行第二信号译码，确定出所述拟分析天线信号集中包括的关键信号片段；

48、对所述信号描述识别结果进行第三信号译码，得到与所述拟分析天线信号集匹配的信号优化控制决策种类。

49、第二方面，本发明还提供了一种ai智能控制系统，所述ai智能控制系统用于：

50、采集天线增益系统的拟分析天线信号集；

51、获得信号描述识别算法中第u-1阶信号描述处理组件生成的多模态天线信号描述；其中，所述信号描述识别算法中包括x阶具有级联关系的信号描述处理组件，所述多模态天线信号描述为对拟分析天线信号集进行信号描述挖掘后所得的量化表征知识集，所述量化表征知识集中包括与所述拟分析天线信号集中各个信号片段分别对应的量化表征知识，所述x为大于1的整数，所述u为大于1且不超过x的整数；

52、获得与第u阶信号描述处理组件对应的v个联动信号描述知识；其中，所述v个联动信号描述知识用于反映所述多模态天线信号描述中的所述量化表征知识之间联系特征，所述v为大于1的整数；

53、依次获得所述多模态天线信号描述中的各个所述量化表征知识与所述v个联动信号描述知识中的各个所述联动信号描述知识的描述知识共性系数，并基于指向同一个所述量化表征知识的v个所述描述知识共性系数将各个所述量化表征知识按序调整为量化表征优化知识；

54、将所述量化表征优化知识集成所得的量化表征优化知识集确定为识别所得的目标多模态天线信号描述；

55、利用所述目标多模态天线信号描述对天线增益系统进行调控。

56、在一些方案中，所述依次获得所述多模态天线信号描述中的各个所述量化表征知识与所述v个联动信号描述知识中的各个所述联动信号描述知识的描述知识共性系数，并基于指向同一个所述量化表征知识的v个所述描述知识共性系数将各个所述量化表征知识按序调整为量化表征优化知识包括：

57、循环实施以下方案，直到游走完所述多模态天线信号描述中的各个所述量化表征知识：

58、从所述多模态天线信号描述中获得一个量化表征知识作为当前量化表征知识，并获得所述当前量化表征知识对应的v个第一描述知识共性系数；

59、分别获得与所述当前量化表征知识连续的p个前后序量化表征知识，和所述当前量化表征知识之间的第二描述知识共性系数；其中，所述前后序量化表征知识在所述量化表征知识集中的第一位置标签与所述当前量化表征知识的第二位置标签之间的位置标签之差符合前后序判别要求，所述p为大于1的整数；

60、基于所述v个第一描述知识共性系数和p个第二描述知识共性系数将所述当前量化表征知识变更成所述量化表征优化知识；

61、其中，所述基于所述v个第一描述知识共性系数和p个第二描述知识共性系数将所述当前量化表征知识变更成所述量化表征优化知识包括：基于所述v个第一描述知识共性系数分别确定对应于各个所述联动信号描述知识的第一特征强化因子；基于所述p个第二描述知识共性系数分别确定对应于各个所述前后序量化表征知识的第二特征强化因子；依据v个所述联动信号描述知识与各自对应的所述第一特征强化因子确定第一描述特征强化知识，并依据p个所述前后序量化表征知识与各自对应的所述第二特征强化因子确定第二描述特征强化知识；将所述第一描述特征强化知识和所述第二描述特征强化知识的聚合结果确定为所述量化表征优化知识；

62、其中，基于所述p个第二描述知识共性系数分别确定对应于各个所述前后序量化表征知识的第二特征强化因子，包括：基于所述v个所述第一描述知识共性系数和所述p个所述第二描述知识共性系数确定第一特征值；基于所述v个所述第一描述知识共性系数确定分别对应于所述v个所述联动信号描述知识的v个第二特征值，并分别获得所述v个所述第二特征值与所述第一特征值的第一对比变量，将v个所述第一对比变量确定为分别对应于所述v个所述联动信号描述知识的所述第一特征强化因子；基于所述p个所述第二描述知识共性系数分别确定对应于所述p个所述前后序量化表征知识的p个第三特征值，并分别获得所述p个所述第三特征值分别与所述第一特征值的第二对比变量，将p个所述第二对比变量确定为分别对应于所述p个所述前后序量化表征知识的所述第二特征强化因子；

63、其中，所述获得所述当前量化表征知识对应的v个第一描述知识共性系数包括：将所述当前量化表征知识和所述v个联动信号描述知识分别进行特征乘法运算，将v个第一特征乘法结果确定为所述v个所述第一描述知识共性系数；所述分别获得与所述当前量化表征知识连续的p个前后序量化表征知识，和所述当前量化表征知识之间的第二描述知识共性系数包括：将所述当前量化表征知识和所述p个前后序量化表征知识分别进行特征乘法运算，将p个第二特征乘法结果确定为所述p个第二描述知识共性系数。

64、在一些方案中，所述获得与第u阶信号描述处理组件对应的v个联动信号描述知识之前，所述ai智能控制系统还用于：

65、获得与所述第u阶信号描述处理组件对应的v个拟变更的联动信号描述知识；

66、循环实施以下方案，直到游走完所述v个拟变更的联动信号描述知识：

67、从所述v个拟变更的联动信号描述知识中获得一个所述拟变更的联动信号描述知识作为当前联动信号描述知识；

68、分别获得所述当前联动信号描述知识与其他拟变更的联动信号描述知识之间的第三描述知识共性系数；

69、分别获得所述当前联动信号描述知识与所述多模态天线信号描述中的各个所述量化表征知识之间的第四描述知识共性系数；

70、利用所述第三描述知识共性系数和所述第四描述知识共性系数变更所述当前联动信号描述知识；

71、其中，所述利用所述第三描述知识共性系数和所述第四描述知识共性系数变更所述当前联动信号描述知识包括：

72、依据v-1个所述第三描述知识共性系数分别确定对应于各个所述拟变更的联动信号描述知识的第三特征强化因子；

73、依据g个所述第四描述知识共性系数分别确定对应于各个所述量化表征知识的第四特征强化因子；其中，所述多模态天线信号描述中包括g个所述量化表征知识，所述g为大于1的整数；

74、基于所述v-1个所述拟变更的联动信号描述知识与各自对应的所述第三特征强化因子确定第三描述特征强化知识，并基于所述g个所述量化表征知识与各自对应的所述第四特征强化因子确定第四描述特征强化知识；

75、基于所述第三描述特征强化知识和所述第四描述特征强化知识确定完成变更的所述联动信号描述知识；

76、其中，所述获得与所述第u阶信号描述处理组件对应的v个拟变更的联动信号描述知识，包括：

77、获得与所述第u阶信号描述处理组件对应的v个拟变更的联动信号描述知识；其中，所述v个拟变更的联动信号描述知识为所述信号描述识别算法在调试过程中确定的联动信号描述知识；

78、或者，

79、将与所述第u-1阶信号描述处理组件对应的v个所述联动信号描述知识，作为与所述第u阶信号描述处理组件对应的所述v个拟变更的联动信号描述知识。

80、在一些方案中，所述将所述量化表征优化知识集成所得的量化表征优化知识集确定为识别所得的目标多模态天线信号描述之后，所述ai智能控制系统还用于：

81、对所述目标多模态天线信号描述和所述u-1阶信号描述处理组件生成的所述多模态天线信号描述进行区间数值映射处理，得到多模态天线信号映射描述；

82、在所述u与所述x相同时，基于所述多模态天线信号映射描述确定所述信号描述识别算法生成的信号描述识别结果；

83、在所述u小于所述x时，将所述多模态天线信号映射描述的派生结果输入第u+1阶信号描述处理组件；

84、其中，所述在所述u与所述x相同时，基于所述多模态天线信号映射描述确定所述信号描述识别算法生成的信号描述识别结果之后，所述ai智能控制系统还用于：

85、对所述信号描述识别结果进行第一信号译码，得到与所述拟分析天线信号集匹配的期望天线信号集；

86、对所述信号描述识别结果进行第二信号译码，确定出所述拟分析天线信号集中包括的关键信号片段；

87、对所述信号描述识别结果进行第三信号译码，得到与所述拟分析天线信号集匹配的信号优化控制决策种类。

88、第三方面，本发明还提供了一种ai智能控制系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

89、第四方面，本发明还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

90、应用本发明实施例，首先，使用信号描述识别算法中的信号描述处理组件来生成多模态天线信号描述。这个过程涉及到级联关系的信号描述处理组件，其中x阶信号描述处理组件与第u-1阶信号描述处理组件相关联。通过对拟分析天线信号集进行信号描述挖掘，得到了一个量化表征知识集，其中包含与每个信号片段相对应的量化表征知识。接下来，获取与第u阶信号描述处理组件对应的v个联动信号描述知识。这些联动信号描述知识反映了多模态天线信号描述中量化表征知识之间的联系特征。然后，逐个计算多模态天线信号描述中的量化表征知识与联动信号描述知识之间的描述知识共性系数。这些共性系数用于衡量两个描述知识之间的相似程度。根据指向同一个量化表征知识的v个描述知识共性系数，对各个量化表征知识进行调整，形成量化表征优化知识。最后，将集成所得的量化表征优化知识作为目标多模态天线信号描述。利用这个目标多模态天线信号描述，可以对天线增益系统进行调控。具体而言，根据目标多模态天线信号描述中的信息，可以自动调整天线参数，如增益等，以最大限度地提高系统性能。因此，通过识别和优化量化表征知识，以及利用目标多模态天线信号描述来调控天线增益系统，可以实现自适应和智能化的天线控制，以适应不同的通信场景并提高系统性能。