本发明专利技术公开了一种切换方法，该方法包括：接收无人机的当前飞行状态信息，将当前飞行状态信息输入至训练好的深度神经网络模型中，以确定出无人机的切换事件的参数集，将无人机的切换事件的参数集下发至基站。本发明专利技术实施例还同时公开了一种切换装置，网络设备和计算机存储介质，使得无人机在进行小区切换时能够保证无人机的通信质量，从而提高了无人机进行小区切换时的通信质量。切换时的通信质量。切换时的通信质量。
【技术实现步骤摘要】
一种切换方法、装置、网络设备和计算机存储介质
[0001]本专利技术涉及无人机的小区切换
，尤其涉及一种切换方法、装置、网络设备和计算机存储介质。
技术介绍
[0002]目前，小区切换是指终端在网络通信中移动，从一个小区切换到另一个小区的过程，为保证切换过程中用户终端不掉话，保持较好的通信服务，就需要一种最佳的切换算法。
[0003]现有的小区切换算法包括在切换策略中通过预留信道资源和标记优先级来优化小区切换，以及采用基于信噪比的切换算法来对切换策略进行制定，以及通过通信终端对小区切换消息进行下发与控制。
[0004]然而，现有切换算法是基于地面用户进行配置，往往与空中网络覆盖情况不一致，这样，会导致低空作业时，网络小区频繁切换，影响空中无人机等终端通信质量；由此可以看出，现有的无人机进行小区切换后存在通信质量较差的技术问题。
技术实现思路
[0005]有鉴于此，本专利技术提供一种切换方法、装置、网络设备和计算机存储介质，以解决现有技术中存在的无人机进行小区切换后通信质量较差的技术问题。
[0006]本专利技术的技术方案是这样实现的：
[0007]第一方面，本专利技术实施例提供了一种切换方法，包括：
[0008]接收无人机的当前飞行状态信息；其中，所述飞行状态信息包括：飞行方向，飞行速度，信号质量参数和与相邻小区的距离；
[0009]将所述当前飞行状态信息输入至训练好的深度神经网络模型中，以确定出所述无人机的切换事件的参数集；
[0010]将所述无人机的切换事件的参数集下发至基站；其中，所述无人机的切换事件的参数集用于所述基站指示所述无人机进行小区切换。
[0011]在上述方法中，所述方法还包括：
[0012]从采集到的样本数据集中获取训练数据集；其中，所述样本数据集为：飞行状态信息与所述飞行状态信息对应的切换事件的参数集；
[0013]将所述训练数据集输入至预设的深度神经网络模型中进行训练，得到训练后的深度神经网络模型；
[0014]根据所述训练后的深度神经网络模型，确定所述训练好的深度神经网络模型。
[0015]在上述方法中，所述根据所述训练后的深度神经网络模型，确定所述训练好的深度神经网络模型，包括：
[0016]从所述样本数据集中获取测试数据集；
[0017]将所述测试数据集中的飞行状态信息输入至训练后的深度神经网络模型中，得到
切换事件的参数集；
[0018]计算得到的切换事件的参数集与所述测试数据集中的飞行状态信息对应的切换事件的参数集之间的误差；
[0019]当所述误差满足第二预设条件时，将所述训练后的深度神经网络模型，确定为所述训练好的深度神经网络模型；
[0020]当所述误差不满足所述第二预设条件时，返回执行所述从采集到的样本数据集中获取训练数据集。
[0021]在上述方法中，还包括：
[0022]当所述误差小于等于预设的误差阈值时，确定所述误差满足所述第二预设条件；
[0023]当所述误差大于所述预设的误差阈值时，确定所述误差不满足所述第二预设条件。
[0024]在上述方法中，还包括：
[0025]基于预设的飞行方向，按照预设的飞行方向的步长，确定飞行方向的数据集；
[0026]基于预设的飞行位置，确定预设的飞行位置与相邻小区的距离的数据集；
[0027]基于预设的飞行速度，按照预设的飞行速度步长，确定飞行速度的数据集；
[0028]按照1：1：1的比例，分别利用所述飞行方向的数据集，所述飞行速度的数据集和所述距离的数据集构成三维向量；
[0029]将所述三维向量中的每个向量，与预设的切换事件的参数集中的每组参数集所形成的对应关系，组成数组；
[0030]从所述数组中，选取出所述样本的数据集。
[0031]在上述方法中，所述从所述数组中，选取出所述样本的数据集，包括：
[0032]根据所述数组中的每个数组，调用LOS径传播模型，得到所述每个数组对应的信号质量参数；
[0033]从所述数组与所述每个数组对应的信号质量参数中，选取出针对每个飞行方向下，信号质量参数中切换失败率和信号质量参数中信道误码率满足第一预设条件时，飞行状态信息与切换事件的参数集之间的对应关系；
[0034]将选取出的飞行状态信息与选取出的飞行状态信息对应的切换事件的参数集，确定为所述样本数据集。
[0035]在上述方法中，还包括：
[0036]当所述信号质量参数中切换失败率小于等于预设的失败率阈值，和/或，所述信号质量参数中信道误码率小于等于预设的误码率阈值时，确定所述信道质量参数中切换率和信道误码率满足所述第一预设条件；
[0037]当所述信号质量参数中切换失败率大于预设的失败率阈值，且所述信号质量参数中信道误码率大于预设的误码率阈值时，确定所述信道质量参数中切换率和信道误码率不满足所述第一预设条件。
[0038]第二方面，本专利技术提供了一种切换装置，包括：
[0039]接收模块，用于接收无人机的当前飞行状态信息；其中，所述飞行状态信息包括：飞行方向，飞行速度，信号质量参数和与相邻小区的距离；
[0040]确定模块，用于将所述当前飞行状态信息输入至训练好的深度神经网络模型中，
以确定出所述无人机的切换事件的参数集；
[0041]切换模块，用于将所述无人机的切换事件的参数集下发至基站；其中，所述无人机的切换事件的参数集用于所述基站指示所述无人机进行小区切换。
[0042]在上述装置中，上述装置还用于：
[0043]从采集到的样本数据集中获取训练数据集；其中，所述样本数据集为：飞行状态信息与所述飞行状态信息对应的切换事件的参数集；
[0044]将所述训练数据集输入至预设的深度神经网络模型中进行训练，得到训练后的深度神经网络模型；
[0045]根据所述训练后的深度神经网络模型，确定所述训练好的深度神经网络模型。
[0046]在上述装置中，上述装置根据所述训练后的深度神经网络模型，确定所述训练好的深度神经网络模型中，包括：
[0047]从所述样本数据集中获取测试数据集；
[0048]将所述测试数据集中的飞行状态信息输入至训练后的深度神经网络模型中，得到切换事件的参数集；
[0049]计算得到的切换事件的参数集与所述测试数据集中的飞行状态信息对应的切换事件的参数集之间的误差；
[0050]当所述误差满足第二预设条件时，将所述训练后的深度神经网络模型，确定为所述训练好的深度神经网络模型；
[0051]当所述误差不满足所述第二预设条件时，返回执行所述从采集到的样本数据集中获取训练数据集。
[0052]在上述装置中，上述装置还用于：
[0053]当所述误差小于等于预设的误差阈值时，确定所述误差满足所述第二预设条件；
[0054]当所述误差大于所述预设的误本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种切换方法，其特征在于，包括：接收无人机的当前飞行状态信息；其中，所述飞行状态信息包括：飞行方向，飞行速度，信号质量参数和与相邻小区的距离；将所述当前飞行状态信息输入至训练好的深度神经网络模型中，以确定出所述无人机的切换事件的参数集；将所述无人机的切换事件的参数集下发至基站；其中，所述无人机的切换事件的参数集用于所述基站指示所述无人机进行小区切换。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：从采集到的样本数据集中获取训练数据集；其中，所述样本数据集为：飞行状态信息与所述飞行状态信息对应的切换事件的参数集；将所述训练数据集输入至预设的深度神经网络模型中进行训练，得到训练后的深度神经网络模型；根据所述训练后的深度神经网络模型，确定所述训练好的深度神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述训练后的深度神经网络模型，确定所述训练好的深度神经网络模型，包括：从所述样本数据集中获取测试数据集；将所述测试数据集中的飞行状态信息输入至训练后的深度神经网络模型中，得到切换事件的参数集；计算得到的切换事件的参数集与所述测试数据集中的飞行状态信息对应的切换事件的参数集之间的误差；当所述误差满足第二预设条件时，将所述训练后的深度神经网络模型，确定为所述训练好的深度神经网络模型；当所述误差不满足所述第二预设条件时，返回执行所述从采集到的样本数据集中获取训练数据集。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：当所述误差小于等于预设的误差阈值时，确定所述误差满足所述第二预设条件；当所述误差大于所述预设的误差阈值时，确定所述误差不满足所述第二预设条件。5.根据权利要求2所述的方法，其特征在于，所述方法还包括：基于预设的飞行方向，按照预设的飞行方向的步长，确定飞行方向的数据集；基于预设的飞行位置，确定预设的飞行位置与相邻小区的距离的数据集；基于预设的飞行速度，按照预设的飞行速度步长，确定飞行速度的数据集；按照1：1：1的比例，分别利用所述飞行方向的数据集，所述飞行速度的数据集和所述距离的数据集构成三维向量；将所述三维向量中的...
【专利技术属性】
技术研发人员：谭倩，周剑，陈盛伟，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。