(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111536977.1 (22)申请日 2021.12.16 (65)同一申请的已公布的文献号 申请公布号 CN 113949358 A (43)申请公布日 2022.01.18 (73)专利权人 广东省新 一代通信与网络创新研 究院 地址 510656 广东省广州市黄埔区神舟路 18号 (72)发明人 刘畅远　闫书保　陈传友　 (74)专利代理 机构 广东南越商专知识产权代理 有限公司 4 4809 代理人 李琪　许春兰 (51)Int.Cl. H03G 3/30(2006.01)G06N 20/00(2019.01) H04W 52/02(2009.01) H04W 52/18(2009.01) 审查员 陈文达 (54)发明名称 一种基于机器学习的功放电压调整方法及 系统 (57)摘要 本发明公开了一种基于机器学习的功放电 压调整方法， 该方法包括： 构建基于电压参数训 练形成的机器学习模型； 获取当前话务量， 基于 机器学习模型对当前话务量进行预测生成预测 结果； 基于预置的功放调整算法和预测结果自动 调整功放电压， 其中， 预测结果包括功率对齐结 果、 时延对齐结果和削峰系数更新结果。 由此， 根 据本发明公开的方法能够在不需要关断模式的 情况下， 通过预测话务量的变化， 动态调整功放 电压以提升电路的整体功放效率， 从而大大降低 了功放工作时的能耗。 权利要求书2页 说明书7页 附图3页 CN 113949358 B 2022.03.22 CN 113949358 B 1.一种基于 机器学习的功放电压调整方法， 其特 征在于， 所述方法包括： 构建基于电压参数训练形成的机器学习模型， 所述构建基于电压参数训练形成的机器 学习模型， 包括： 利用物理随机接入信道密度获取读入的电压参数， 其中， 所述电压参数包 括功率对齐参数、 时延对齐参数和削峰系数； 基于预置的功 放调整算法所搭载的中间件， 控 制所述功率对齐参数、 时延对齐参数和削峰系 数构成机器学习模型； 所述利用物理随机接 入信道密度获取读入的电压参数， 包括： 将对现网业务负荷或话务量负荷的预测曲线转化 为PRACH信道密度模型文件， 再利用该PRACH信道密度模型文件进行电压参数的预测、 生成 和提取， 最终 获取到包 含有功率对齐参数、 时延对齐参数和削峰系数的参数； 获取当前话 务量， 基于所述机器学习模型对当前话 务量进行预测生成预测结果； 基于预置的功放调整算法和所述预测结果自动调整功放电压， 其中， 所述预测结果包 括功率对齐结果、 时延对齐结果和削峰系数 更新结果。 2.根据权利要求1所述的基于机器学习的功放电压调整方法， 其特征在于， 所述基于预 置的功放调整算法所搭载 的中间件， 控制所述功率对齐参数、 时延对齐参数和削峰系 数构 成机器学习模型， 包括： 基于所述中间件控制所述功率对齐参数、 时延对齐参数和削峰系数生成用于控制主路 漏压的第一训练单 元； 基于所述中间件控制所述功率对齐参数、 时延对齐参数和削峰系数生成用于控制辅路 漏压的第二训练单 元； 基于所述中间件控制所述功率对齐参数、 时延对齐参数和削峰系数生成用于控制主路 栅压的第三训练单 元； 基于所述中间件控制所述功率对齐参数、 时延对齐参数和削峰系数生成用于控制辅路 栅压的第四训练单 元； 通过所述第一训练单元、 所述第二训练单元、 所述第三训练单元和所述第 四训练单元 构成机器学习模型。 3.根据权利要求1所述的基于机器学习的功放电压调整方法， 其特征在于， 所述功放电 压包括功放栅压和功 放漏压， 所述基于预置的功 放调整算法和所述预测结果自动调整功 放 电压， 包括： 基于预置的功放调整算法进行漏压电流检测， 基于漏压电流检测结果、 功率对齐结果、 时延对齐结果和削峰系数 更新结果调整 主路和辅路的功放漏压； 基于预置的功放调整算法进行栅压电流检测， 基于栅压电流检测结果、 功率对齐结果、 时延对齐结果和削峰系数 更新结果调整 主路和辅路的功放 栅压。 4.根据权利要求1 ‑3任一项所述的基于机器学习的功放电压调整方法， 其特征在于， 所 述方法还 包括： 将所述机器学习模型和所述预置的功放调整算法部署于同一控制模块。 5.一种基于 机器学习的功放电压调整系统， 其特 征在于， 所述系统包括： 基于电压参数训练形成的机器学习模型， 所述机器学习模型包括： 参数获取模块， 用于 利用物理随机接入信道密度获取读入的电压参数， 其中， 所述电压参数包括功 率对齐参数、 时延对齐参数和削峰系 数； 功放调整模块搭载于中间件， 所述中间件用于控制所述功率对 齐参数、 时延对齐参数和削峰系 数构成机器学习模型； 所述利用物理随机接入信道密度获权　利　要　求　书 1/2 页 2 CN 113949358 B 2取读入的电压参数， 包括： 将对现 网业务负荷或话务量负荷的预测曲线转化为PRACH信道密 度模型文件， 再利用该PRACH信道密度模型文件进行电压参数的预测、 生成和提取， 最终获 取到包含有功率对齐参数、 时延对齐参数和削峰系数的参数； 所述机器学习模型用于获取当前话 务量， 对当前话 务量进行预测生成预测结果； 功放调整模块， 用于基于功放调整算法和所述预测结果自动调整功放电压， 其中， 所述 预测结果包括功率对齐结果、 时延对齐结果和削峰系数 更新结果。 6.根据权利要求5所述的基于机器学习的功放电压调整系统， 其特征在于， 所述中间件 实现为： 基于所述中间件控制所述功率对齐参数、 时延对齐参数和削峰系数生成用于控制主路 漏压的第一训练单 元； 基于所述中间件控制所述功率对齐参数、 时延对齐参数和削峰系数生成用于控制辅路 漏压的第二训练单 元； 基于所述中间件控制所述功率对齐参数、 时延对齐参数和削峰系数生成用于控制主路 栅压的第三训练单 元； 基于所述中间件控制所述功率对齐参数、 时延对齐参数和削峰系数生成用于控制辅路 栅压的第四训练单 元； 通过所述第一训练单元、 所述第二训练单元、 所述第三训练单元和所述第 四训练单元 构成机器学习模型。 7.根据权利要求5所述的基于机器学习的功放电压调整系统， 其特征在于， 所述功放电 压包括功放 栅压和功放漏压， 所述功放调整模块， 包括： 功放漏压调整单元， 用于基于预置的功放调整算法进行漏压电流检测， 基于漏压电流 检测结果、 功率对齐结果、 时延对齐结果和削峰系数 更新结果调整 主路和辅路的功放漏压； 功放栅压调整单元， 用于基于预置的功放调整算法进行栅压电流检测， 基于栅压电流 检测结果、 功率对齐结果、 时延对齐结果和削峰系数 更新结果调整 主路和辅路的功放 栅压。 8.根据权利要求5 ‑7任一项所述的基于机器学习的功放电压调整系统， 其特征在于， 所 述机器学习模型和所述功放调整模块部署于同一控制模块。权　利　要　求　书 2/2 页 3 CN 113949358 B 3