5G切片的物理层配置方法、装置及计算设备

摘要

本发明公开了一种5G切片的物理层配置方法、装置及计算设备，其中，该方法包括：响应于切片用户发起的切片创建请求，从切片管理架构中获取与所述切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件；对所述服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列；将所述索引序列输入至训练好的切片物理层配置自适应组合器预测得到物理层配置信息组合；根据所述物理层配置信息组合进行物理层配置处理。通过上述方式，可以针对各种业务场景预测得到对应的物理层配置信息组合，而后据此进行配置，提高配置效率和准确度。

权利要求

1.一种5G切片的物理层配置方法，包括：

响应于切片用户发起的切片创建请求，从切片管理架构中获取与所述切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件；

对所述服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列；

将所述索引序列输入至训练好的切片物理层配置自适应组合器预测得到物理层配置信息组合；

根据所述物理层配置信息组合进行物理层配置处理。

2.根据权利要求1所述的方法，其中，所述物理层配置包括帧结构、波形、多址、调制编码、双工模式和/或多天线技术。

3.根据权利要求1或2所述的方法，其中，所述切片物理层配置自适应组合器通过一下步骤训练得到：获取历史的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件形成数据集；

针对任一条数据，对该条数据的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成该条数据对应的索引序列样本；以及，对该条数据标注物理层配置组合，并对该标注的物理层配置组合进行序列化预处理，得到物理层配置信息组合样本；

将数据集中多条数据对应的索引序列样本作为编解码神经网络的训练输入数据，以及将多条数据对应的物理层配置信息组合样本作为训练输出数据；

利用所述训练输入数据和训练输出数据对所述编解码神经网络进行训练，以训练收敛后的网络权重构成切片物理层配置自适应组合器。

4.根据权利要求3所述的方法，其中，所述编解码神经网络依次由嵌入层、长短期记忆网络编码层、长短期记忆网络解码层以及全连接层构成；

其中，所述嵌入层将索引序列样本中的每个词转化为向量。

5.根据权利要求1或2所述的方法，其中，所述序列化预处理进一步包括：根据词典对服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件对应的文本中包含的词索引化，生成索引序列。

6.根据权利要求1或2所述的方法，其中，所述根据所述物理层配置信息组合进行物理层配置处理进一步包括：将所述物理层配置信息组合反馈给切片管理架构中的网络切片管理功能模块，以供所述网络切片管理功能模块根据物理层配置信息组合进行物理层配置处理。

7.根据权利要求1或2所述的方法，其中，所述从切片管理架构中获取与所述切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进一步包括：从切片管理架构中的通信业务管理功能模块获取与所述切片创建请求对应的服务等级协议的需求信息和切片业务的场景描述信息；以及，从切片管理架构中的网络切片管理功能模块获取与所述切片创建请求对应的切片空口条件。

8.一种5G切片的物理层配置装置，包括：

获取模块，适于响应于切片用户发起的切片创建请求，从切片管理架构中获取与所述切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件；

序列化模块，适于对所述服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列；

预测模块，适于将所述索引序列输入至训练好的切片物理层配置自适应组合器预测得到物理层配置信息组合；

配置模块，适于根据所述物理层配置信息组合进行物理层配置处理。

9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1‑7中任一项所述的5G切片的物理层配置方法对应的操作。

10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1‑7中任一项所述的5G切片的物理层配置方法对应的操作。

说明书

5G切片的物理层配置方法、装置及计算设备

技术领域

[0001] 本发明涉及通信技术领域，具体涉及一种5G切片的物理层配置方法、装置及计算设备。

背景技术

[0002] 网络切片(Network Slice)是端到端的逻辑功能和其所需的物理或虚拟资源集合，包括接入网、传输网、核心网等，网络切片可认为是5G网络中的虚拟化“专网”；网络切片基于NFV(Network Functions Virtualization，简称网络功能虚拟化)的统一基础设施构建，实现低成本高效运营。网络切片技术可以实现通信网络的逻辑隔离，允许在每个网络切片中配置和重用网络元件及功能以满足特定的行业应用需求。

[0003] 目前5G切片物理层配置可通过预先编程来进行配置，已实现软件定义空口，使得无线信号对业务场景“量体裁衣”。但该种方式仍依赖于专家经验进行人为编程，对于每一种业务场景均需单独编程来配置；当出现新的业务场景时仍需要重新编程，费时费力，效率较低，容易出现人为失误。可见，现有技术中的这种配置方式自动化程度和灵活性均无法满足未来5G切片多业务场景的需求。

发明内容

[0004] 鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的5G切片的物理层配置方法、装置及计算设备。

[0005] 根据本发明实施例的一个方面，提供了一种5G切片的物理层配置方法，包括：

[0006] 响应于切片用户发起的切片创建请求，从切片管理架构中获取与所述切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件；

[0007] 对所述服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列；

[0008] 将所述索引序列输入至训练好的切片物理层配置自适应组合器预测得到物理层配置信息组合；

[0009] 根据所述物理层配置信息组合进行物理层配置处理。

[0010] 根据本发明实施例的另一方面，提供了一种5G切片的物理层配置装置，包括：

[0011] 获取模块，适于响应于切片用户发起的切片创建请求，从切片管理架构中获取与所述切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件；

[0012] 序列化模块，适于对所述服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列；

[0013] 预测模块，适于将所述索引序列输入至训练好的切片物理层配置自适应组合器预测得到物理层配置信息组合；

[0014] 配置模块，适于根据所述物理层配置信息组合进行物理层配置处理。

[0015] 根据本发明实施例的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

[0016] 所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述5G切片的物理层配置方法对应的操作。

[0017] 根据本发明实施例的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述5G切片的物理层配置方法对应的操作。

[0018] 根据本发明实施例的5G切片的物理层配置方法、装置及计算设备，在接收到切片创建请求后，通过对请求的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列；然后将索引序列输入至切片物理层配置自适应组合器，则可以得到物理层配置信息组合，进而可以进行相应的配置处理。由此可见，本实施例方案，针对任一新的切片业务场景，仅需将请求信息进行序列化预处理，然后输入切片物理层配置自适应组合器，即可得到物理层配置组合，而无需人工针对新的切片业务进行编程，提高了物理层配置的灵活性和自动化程度，进而可以满足未来5G切片多业务场景的需求。

[0019] 上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明实施例的具体实施方式。

附图说明

[0020] 通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

[0021] 图1示出了本发明实施例提供的5G切片的物理层配置方法的流程图；

[0022] 图2示出了本发明另一个实施例提供的5G切片的物理层配置方法的流程图；

[0023] 图3示出了本发明一个具体示例中的编解码神经网络结构的示意图；

[0024] 图4示出了本发明一个具体示例中依据切片请求进行物理层配置的完整流程；

[0025] 图5示出了本发明实施例提供的5G切片的物理层配置装置的结构示意图；

[0026] 图6示出了本发明实施例提供的计算设备的结构示意图。

具体实施方式

[0027] 下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

[0028] 在对本发明的实施方案进行说明之前，首先对本文中涉及的如下术语进行介绍：

[0029] 1.Seq2Seq(序列到序列)模型：Seq2Seq模型实际上是一个Encoder‑Decoder(编码器‑解码器，又称编解码)的网络结构，其目前已被用于机器翻译领域，即从一种源语言翻译到另一种目标语言。

[0030] 2.LSTM(long short‑term memory，长短期记忆)神经网络：一种特殊的循环神经网络类型，所谓的循环神经网络即同一个神经网络被重复使用。LSTM可以学习长期依赖信息，通过控制缓存中的值保存的时间，可以记住长期的信息，适合进行长序列的学习。每个神经元有四个输入和一个输出，每个神经元内有一个Cell存放记忆的数值，每一个LSTM神经元中含有三个门控：遗忘门、输入门以及输出门。长短期记忆神经网络在长序列的学习上具有较好的效果。LSTM神经元如下：

[0031]

[0032]

[0033]

[0034]

[0035]

[0036]

[0037] Yt＝σ(W'ht)                (7)

[0038] 每一个LSTM神经元中含有三个门控：遗忘门、输入门、输出门。公式(1)代表了遗忘门，在公式(2)和(3)中新的信息被添加进来，公式(4)融合了新信息和旧信息，公式(5)和(6)输出目前LSTM单元已学习到的关于下一个时间戳的信息。长短期记忆神经网络在长时间序列的学习上具有较好的效果，LSTM单元内每条连接线上含有相应的权重，Xt代表输入向量，ht代表隐藏状态，Ct代表t时刻的神经元状态，Yt代表神经元的输出，W为可训练的权重矩阵，b为偏置向量。

[0039] 3.切片管理架构：切片管理架构主要由CSMF、NSMF、NSSMF组成。

[0040] 其中，CSMF(Communication Service Management Function，通信业务管理功能)：完成用户业务通信服务的需求订购和处理，负责将运营商/第三方客户的通信服务需求转化为对网络切片的需求，并通过和NSMF之间的接口向NSMF发送对网络切片的需求(如创建、终结、修改网络切片实例请求等)。

[0041] 其中，NSMF(Network Slice Management Function，网络切片管理功能)：负责接收CSMF发送的网络切片需求，对网络切片实例的生命周期、性能、故障等进行管理，编排网络切片实例的组成，分解网络切片实例的需求为各网络切片子网实例或网络功能的需求，向各NSSMF发送网络切片子网实例管理请求。

[0042] 其中，NSSMF(Network Slice Subnet Management Function，网络切片子网管理功能)：接收从NSMF下发的网络切片子网部署需求，对网络切片子网实例进行管理，编排网络切片子网实例的组成，将网络切片子网的SLA需求映射为网络服务的QoS需求，向ETSI NFV域的NFVO系统下发网络服务的部署请求。

[0043] 图1示出了本发明实施例提供的5G切片的物理层配置方法的流程图。该方法可用于切片管理框架中的NSMF(Network Slice Management Function，网络切片管理功能)模块进行物理层配置。该方法可由任意具有数据处理能力的计算设备来执行。

[0044] 如图1所示，该方法包括以下步骤：

[0045] 步骤S110：响应于切片用户发起的切片创建请求，从切片管理架构中获取与该切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件。

[0046] 具体地，切片用户向切片管理框架发起切片创建请求，此时即存在新的切片业务场景，通过从切片管理框架中获得该次请求的请求信息，包括SLA(Service level Agreement，服务等级协议)需求信息，反映对覆盖率、容量、可靠性等要求的场景描述信息，以及反映对帧结构、波形等的支持情况的切片空口条件。

[0047] 步骤S120：对该服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列。

[0048] 其中，序列化预处理是指一段文本中包含的词语进行索引化处理，最终转化成一段索引数字(即索引序列)的过程。相应的，在发明本实施例中，将服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件构成的文本段中的各个词语索引化，生成一段索引序列。

[0049] 步骤S130：将该索引序列输入至训练好的切片物理层配置自适应组合器预测得到物理层配置信息组合。

[0050] 其中，该切片物理层配置自适应组合器可以依据输入任意序列预测得到另一序列。该自适应组合器是通过对大量的历史切片请求的请求信息以及人工标注的物理层配置信息进行训练得到的。

[0051] 在本发明实施例中，将确定切片物理层配置的问题视为序列到序列(seq2seq)的问题，即从请求信息对应的序列到物理层配置信息对应的序列。通过将索引序列输入至该自适应组合器中，可以输出一序列，该序列即为多种物理层配置的索引构成的索引组合，也即物理层配置信息组合。

[0052] 步骤S140：根据该物理层配置信息组合进行物理层配置处理。

[0053] 在得到物理层配置信息组合后，通过反序列化处理，可以得到物理层配置信息组合表示的物理层配置组合，据此则可进行配置处理以满足该新的切片业务场景的需求。

[0054] 根据本实施例提供的5G切片的物理层配置方法，在接收到切片创建请求后，通过对请求的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列；然后将索引序列输入至切片物理层配置自适应组合器，则可以得到物理层配置信息组合，进而可以进行相应的配置处理。由此可见，本实施例方案，针对任一新的切片业务场景，仅需将请求信息进行序列化预处理，然后输入切片物理层配置自适应组合器，即可得到物理层配置组合，而无需人工针对新的切片业务进行编程，提高了物理层配置的灵活性和自动化程度，进而可以满足未来5G切片多业务场景的需求。

[0055] 图2示出了本发明另一个实施例提供的5G切片的物理层配置方法的流程图。如图2所示，该方法包括以下步骤：

[0056] 步骤S210：训练得到切片物理层配置自适应组合器。

[0057] 本发明实施例将切片业务的物理层配置视为序列到序列(seq2seq)的问题，采用编解码神经网络即编码器‑解码器(encoder‑decoder)结构进行预测。将编解码模型用于切片物理层配置组合场景，编码器用于将切片应用的SLA需求、切片业务场景描述、切片空口条件文本编码成一个固定长度的上下文向量(context vector)，解码器用于从编码后的上下文向量中生成对应的帧结构、波形、多址、调制编码、双工模式和/或多天线的六大切片物理层配置最佳组合。其中，神经元均采用长短期记忆(long short‑term memory，简称LSTM)。

[0058] 具体地，获取历史的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件形成数据集；其中，可从切片管理架构中获取历史的请求信息。针对任一条数据，对该条数据的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成该条数据对应的索引序列样本，包括移除所有标点符号，若文本为中文则对文本进行分词、若文本为英文则将字母统一为小写，同时将每个词索引化(tokenize)，使得每一段文本被转化成一段索引数字，并且对未达到最大文本长度的序列补零；并且，取数据集中SLA需求信息、切片业务场景描述信息以及切片空口条件构成的最长长度作为索引序列长度，取数据集包含的所有词语的数量为词典的大小。以及，对该条数据标注物理层配置组合，并对该标注的物理层配置组合进行序列化预处理，得到物理层配置信息组合样本，即为每条服务等级协议的需求信息‑切片业务的场景描述信息‑切片空口条件数据人工标注对应的物理层配置组合，取与数据集对应的物理层配置组合的最长长度作为物理层配置信息组合样本的索引序列长度，取与数据集对应的物理层配置组合包含的所有词语的数量为词典的大小；将数据集中多条数据对应的索引序列样本作为编解码神经网络的训练输入数据，以及将多条数据对应的物理层配置信息组合样本作为训练输出数据；利用该训练输入数据和训练输出数据对该编解码神经网络进行训练，具体将每一次迭代的结果与训练输出数据比较计算目标函数，利用梯度下降逐渐找到使目标函数最小的权重值，以训练收敛后的网络权重构成切片物理层配置自适应组合器。实际中，可将总数据集划分为训练集和测试集，总数据集的90％划为训练集，总数据集的10％划为测试集。训练集用于训练模型，测试集用于测试模型。

[0059] 其中，切片应用的SLA通常包括但不限于以下一项或多项：安全性、私密性、可见性、可管理性、可靠性、可用性、具体的业务特征(业务类型、空口需求、定制化网络功能等)和相应的性能指标(时延、吞吐率、丢包率、掉话率等)；相应的，切片应用的SLA需求包括但不限于以下一项或多项：时延(例如小于5ms)、带宽、吞吐率、丢包率、掉话率、连接数、可靠性(例如99.999％)、服务范围、用户规模、隔离性(例如强、中、弱)、安全性(例如强、中、弱)、接入方式以及max TP/site(例如5Gbps)。

[0060] 其中，切片业务的场景包括但不限于以下一项或多项：广域大覆盖、热点高容量、低时延高可靠以及低功耗大连接。

[0061] 其中，切片空口条件包括但不限于物理层对于帧结构、波形、多址、调制编码、双工模式和/或多天线的支持情况。

[0062] 其中，切片物理层配置包括帧结构、波形、多址、调制编码、双工模式以及多天线技术六大配置，则物理层配置组合是由上述六大配置中一项或多项构成的组合。并且，上述各物理层配置的配置信息具体如下：波形信息可以为OFDM、非正交波形、单载波、多载波和/或滤波器组多载波；多址信息可以为正交频分多址(OFDMA)、单载波频分多址(SC‑FDMA)、多用户共享接入(MUSA)、非正交多址(NOMA)、图样分割多址(PDMA)和/或稀疏码分多址(SCMA)；调制编码信息可以为Turbo编码、Polar编码、多元域低密度奇偶校验(LDPC)和/或正交振幅调制(QAM)；双工模式信息可以为TDD、FDD、XDD、全双工和/或灵活双工；多天线信息可以为集中式、分布式、大规模天线和/或数模混合mMIMO；帧结构信息可以为动态TTI、动态上下行配比、半静态上下行配比长TTI和/或半静态上下行配比短TTI。

[0063] 图3示出了本发明一个具体示例中的编解码神经网络结构的示意图。该编解码神经网络依次由嵌入(embedding)层、长短期记忆网络编码层、长短期记忆网络解码层以及全连接(Dense)层构成；其中，该嵌入层将索引序列样本中的每个词转化为向量。如图3所示：第一层为输入层：输入索引化后的切片应用SLA需求、切片业务场景描述、切片空口条件，每条索引序列长度为SLA&scene&condition_length，因此该层输出数据的形状为(None,SLA&scene&condition_length)；第二层为嵌入层(embedding)：利用词嵌入(word embedding)将每个词转化为向量，输入数据维度为SLA&scene&conditio_vocab_size，输出设置为需要将词转换为128维度的空间向量，输入序列长度为SLA&scene&condition_length，因此该层输出数据的形状为(None,SLA&scene&condition_length，128)，该层的作用是对输入的词进行向量映射，将每个词的索引转换为128维的固定形状向量；第三、四层为LSTM编码层：含
256个LSTM神经元，激活函数设置为“relu”，该层输出数据的形状为(None,SLA&scene&condition_length,128)；第五、六层为LSTM解码层：含256个LSTM神经元,激活函数设置为“relu”，该层输出数据的形状为(None,SLA&scene&condition_length,128)；第七层为全连接(Dense)层(输出层)：包含Dense全连接神经元个数为portfolio_vocab_size，激活函数设置为“softmax”，将softmax输出结果,送入多类交叉熵损失函数，该层输出数据的形状为(None,portfolio_vocab_size)。在利用图3搭建的神经网络结构进行训练时，将训练回合数设置为1000(epochs＝1000)，批处理大小设置为100(batch_size＝100)，选择categorical crossentropy多类交叉熵作为损失函数即目标函数(loss＝'categorical_crossentropy')：n是样本数，m是分类数。

[0064]

[0065] 梯度下降优化算法选择adam优化器用于改善传统梯度下降的学习速度(optimizer＝'adam')，通过梯度下降，可以找到使目标函数最小的最优权重值，神经网络通过训练会自主学习到权重值，并在模型收敛后导出该模型的权重。

[0066] 步骤S220：响应于切片用户发起的切片创建请求，从切片管理架构中获取与该切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件。

[0067] 具体地，切片用户向切片管理架构中的CSMF(通信业务管理功能)模块，发起切片创建请求，CSMF将相关请求信息传递给NSMF，具体在获取请求信息时，可从NSMF(网络切片管理功能)模块中获取切片应用SLA需求、切片业务场景描述以及切片空口条件；或者，可从切片管理架构中的通信业务管理功能模块获取与该切片创建请求对应的服务等级协议的需求信息和切片业务的场景描述信息；以及，从切片管理架构中的网络切片管理功能模块获取与该切片创建请求对应的切片空口条件。

[0068] 步骤S230：对该服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列。

[0069] 具体地，根据词典对服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件对应的文本中包含的词索引化，生成索引序列。

[0070] 步骤S240：将该索引序列输入至训练好的切片物理层配置自适应组合器预测得到物理层配置信息组合。

[0071] 其中，该物理层配置包括帧结构、波形、多址、调制编码、双工模式和/或多天线技术。

[0072] 步骤S250：将该物理层配置信息组合反馈给切片管理架构中的网络切片管理功能模块，以供该网络切片管理功能模块根据物理层配置信息组合进行物理层配置处理。

[0073] 图4示出了本发明一个具体示例中依据切片请求进行物理层配置的完整流程。如图4所示：

[0074] 1.切片用户向CSMF发起切片创建请求，CSMF将相关请求信息传递给NSMF；

[0075] 2.从NSMF中获取切片应用SLA需求、切片业务场景描述、切片空口条件；

[0076] 3.将获取的文本信息通过数据预处理模块转换为序列；

[0077] 4.将经预处理后的切片应用SLA需求、切片业务场景描述、切片空口条件输入至预训练完毕的切片物理层配置自适应组合器；

[0078] 5.切片物理层配置自适应组合器输出所预测的最佳物理层配置最佳组合；

[0079] 6.NSMF根据所预测的最佳物理层配置最佳组合进行切片物理层配置。

[0080] 根据本实施例提供的5G切片的物理层配置方法，为解决目前切片物理层配置仍依赖于专家经验的现状，从CSMF中获取历史切片应用的SLA需求、切片业务场景描述、切片空口条件形成数据集，对数据集中的每一条数据人工标记最佳切片物理层配置组合方案，并将数据集文本转换为序列。通过深度学习框架搭建编解码神经网络，其中编码器用于将切片应用的SLA需求、切片业务场景描述、切片空口条件文本序列编码成一个固定长度的上下文向量，解码器用于从编码后的上下文向量中生成对应的帧结构、波形、多址、调制编码、双工模式和多天线的六大切片物理层配置最佳组合。再与正确的配置组合比较计算目标函数，利用梯度下降逐渐找到使目标函数最小的权重值。将训练收敛后的模型权重作为切片物理层配置组合器。最终无线子切片管理器NSSMF按照该组合方案实施物理层配置组合。从而提高空口的灵活性，使得空口能够根据不同切片业务场景生成不同的物理层配置以最佳匹配业务的需求。

[0081] 图5示出了本发明实施例提供的5G切片的物理层配置装置的结构示意图。如图5所示，该装置包括：

[0082] 获取模块510，适于响应于切片用户发起的切片创建请求，从切片管理架构中获取与所述切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件；

[0083] 序列化模块520，适于对所述服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列；

[0084] 预测模块530，适于将所述索引序列输入至训练好的切片物理层配置自适应组合器预测得到物理层配置信息组合；

[0085] 配置模块540，适于根据所述物理层配置信息组合进行物理层配置处理。

[0086] 在一种可选的方式中，所述物理层配置包括帧结构、波形、多址、调制编码、双工模式和/或多天线技术。

[0087] 在一种可选的方式中，所述装置还包括：

[0088] 训练模块，适于获取历史的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件形成数据集；

[0089] 针对任一条数据，对该条数据的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成该条数据对应的索引序列样本；以及，对该条数据标注物理层配置组合，并对该标注的物理层配置组合进行序列化预处理，得到物理层配置信息组合样本；

[0090] 将数据集中多条数据对应的索引序列样本作为编解码神经网络的训练输入数据，以及将多条数据对应的物理层配置信息组合样本作为训练输出数据；

[0091] 利用所述训练输入数据和训练输出数据对所述编解码神经网络进行训练，以训练收敛后的网络权重构成切片物理层配置自适应组合器。

[0092] 在一种可选的方式中，所述编解码神经网络依次由嵌入层、长短期记忆网络编码层、长短期记忆网络解码层以及全连接层构成；

[0093] 所述训练模块进一步适于：嵌入层将索引序列样本中的每个词转化为向量。

[0094] 在一种可选的方式中，所述序列化模块进一步适于：

[0095] 根据词典对服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件对应的文本中包含的词索引化，生成索引序列。

[0096] 在一种可选的方式中，所述配置模块进一步适于：

[0097] 将所述物理层配置信息组合反馈给切片管理架构中的网络切片管理功能模块，以供所述网络切片管理功能模块根据物理层配置信息组合进行物理层配置处理。

[0098] 在一种可选的方式中，所述获取模块进一步适于：

[0099] 从切片管理架构中的通信业务管理功能模块获取与所述切片创建请求对应的服务等级协议的需求信息和切片业务的场景描述信息；以及，

[0100] 从切片管理架构中的网络切片管理功能模块获取与所述切片创建请求对应的切片空口条件。

[0101] 本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的5G切片的物理层配置方法。

[0102] 图6示出了本发明实施例提供的计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。

[0103] 如图6所示，该计算设备可以包括：处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。

[0104] 其中：处理器602、通信接口604、以及存储器606通过通信总线608完成相互间的通信。通信接口604，用于与其它设备比如客户端或其它服务器等的网元通信。处理器602，用于执行程序610，具体可以执行上述用于计算设备的5G切片的物理层配置方法实施例中的相关步骤。

[0105] 具体地，程序610可以包括程序代码，该程序代码包括计算机操作指令。

[0106] 处理器602可能是中央处理器CPU，或者是特定集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

[0107] 存储器606，用于存放程序610。存储器606可能包含高速RAM存储器，也可能还包括非易失性存储器(non‑volatile memory)，例如至少一个磁盘存储器。

[0108] 程序610具体可以用于使得处理器602执行以下操作：

[0109] 响应于切片用户发起的切片创建请求，从切片管理架构中获取与所述切片创建请求对应的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件；

[0110] 对所述服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成索引序列；

[0111] 将所述索引序列输入至训练好的切片物理层配置自适应组合器预测得到物理层配置信息组合；

[0112] 根据所述物理层配置信息组合进行物理层配置处理。

[0113] 在一种可选的方式中，所述物理层配置包括帧结构、波形、多址、调制编码、双工模式和/或多天线技术。

[0114] 在一种可选的方式中，所述程序610使所述处理器602执行以下操作：

[0115] 获取历史的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件形成数据集；

[0116] 针对任一条数据，对该条数据的服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件进行序列化预处理，生成该条数据对应的索引序列样本；以及，对该条数据标注物理层配置组合，并对该标注的物理层配置组合进行序列化预处理，得到物理层配置信息组合样本；

[0117] 将数据集中多条数据对应的索引序列样本作为编解码神经网络的训练输入数据，以及将多条数据对应的物理层配置信息组合样本作为训练输出数据；

[0118] 利用所述训练输入数据和训练输出数据对所述编解码神经网络进行训练，以训练收敛后的网络权重构成切片物理层配置自适应组合器。

[0119] 在一种可选的方式中，所述编解码神经网络依次由嵌入层、长短期记忆网络编码层、长短期记忆网络解码层以及全连接层构成；

[0120] 其中，所述嵌入层将索引序列样本中的每个词转化为向量。

[0121] 在一种可选的方式中，所述程序610使所述处理器602执行以下操作：

[0122] 根据词典对服务等级协议的需求信息、切片业务的场景描述信息以及切片空口条件对应的文本中包含的词索引化，生成索引序列。

[0123] 在一种可选的方式中，所述程序610使所述处理器602执行以下操作：

[0124] 将所述物理层配置信息组合反馈给切片管理架构中的网络切片管理功能模块，以供所述网络切片管理功能模块根据物理层配置信息组合进行物理层配置处理。

[0125] 在一种可选的方式中，所述程序610使所述处理器602执行以下操作：

[0126] 从切片管理架构中的通信业务管理功能模块获取与所述切片创建请求对应的服务等级协议的需求信息和切片业务的场景描述信息；以及，

[0127] 从切片管理架构中的网络切片管理功能模块获取与所述切片创建请求对应的切片空口条件。

[0128] 在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明实施例的内容，并且上面对特定语言所做的描述是为了披露本发明实施例的最佳实施方式。

[0129] 在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

[0130] 类似地，应当理解，为了精简本发明实施例并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

[0131] 本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

[0132] 此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

[0133] 本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明实施例的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

[0134] 应该注意的是上述实施例对本发明实施例进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。