通信链路质量检测方法、装置、设备及计算机可读介质与流程

1.本申请涉及数据处理技术领域，尤其涉及一种通信链路质量检测方法、装置、设备及计算机可读介质。


背景技术：

2.当前典型的无线路由协议中，在设计协议时多假设底层无线网络链路为理想链路。但是事实上，由于无线网络的底层通信多为共享信道，在电磁波的传输过程中存在着损耗、多径干扰、领带干扰等，丢包不可避免，所以无线网络链路质量并不理想。
3.目前，相关技术中，现有的无线网络链路质量评估中，会周期发送探测包来测量包接收率的情况，这样极大浪费了信道带宽。
4.针对信道带宽浪费的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本申请提供了一种通信链路质量检测方法、装置、设备及计算机可读介质，以解决信道带宽浪费的技术问题。
6.根据本申请实施例的一个方面，本申请提供了一种通信链路质量检测方法，包括：
7.获取目标硬件参数，目标硬件参数为对目标通信链路采集得到的；
8.提取目标硬件参数的参数特征；
9.将参数特征输入第一回归模型，以使第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出目标通信链路的质量检测结果，第一回归模型是采用具有标记信息的训练数据进行训练后得到的，训练数据为通信节点之间进行信息传输时对通信链路采集的数据，标记信息用于标记通信链路的实际质量检测结果。
10.可选地，提取目标硬件参数的参数特征包括：
11.确定目标硬件参数的平均值，目标硬件参数包括信号接收强度指示参数、链路质量指示参数及信噪比中的至少一种；
12.利用信号接收强度指示参数的平均值、链路质量指示参数的平均值及信噪比的平均值中的至少一种构建输入特征向量，参数特征包括输入特征向量。
13.可选地，使用第一回归模型进行通信链路的质量检测之前，该方法还包括按照如下方式训练得到第一回归模型：
14.通过使用训练数据对第二回归模型中的参数进行训练，得到第一回归模型，第二回归模型为极限学习机回归模型。
15.可选地，通过使用训练数据对第二回归模型中的参数进行训练，得到第一回归模型包括：
16.通过训练数据对第二回归模型内各网络层中的参数进行初始化，得到第三回归模型；
17.在第三回归模型对测试数据的链路质量的检测准确度达到目标阈值的情况下，将
第三回归模型作为第一回归模型；
18.在第三回归模型对测试数据的链路质量的检测准确度未达到目标阈值的情况下，继续使用训练数据对第三回归模型进行训练，以调整第三回归模型内各网络层中的参数的数值，直至第三回归模型对测试数据的链路质量的检测准确度达到目标阈值。
19.可选地，调整第三回归模型内各网络层中的参数的数值，直至第三回归模型对测试数据的链路质量的检测准确度达到目标阈值包括：
20.获取第三回归模型对测试数据的链路质量的估计检测结果和测试数据中标记的实际检测结果；
21.利用估计检测结果和实际检测结果确定损失值，损失值用于表示估计检测结果和实际检测结果之间的准确度的差异；
22.利用损失值调整第三回归模型的参数，直至第三回归模型的输出精度达到目标阈值，第三回归模型的参数包括隐含层与输出层之间的连接权重。
23.可选地，利用损失值调整第三回归模型的参数之前，该方法还包括按照如下方式减小误差：
24.确定第一损失值的绝对值；
25.在绝对值大于目标偏差阈值的情况下，舍弃第一损失值，并使用第二损失值调整第三回归模型的参数，第二损失值的绝对值小于或等于目标偏差阈值。
26.可选地，该方法还包括按照如下方式获取训练数据和测试数据：
27.在目标时间段内每经过第一时长通过第一节点向第二节点发送探测包；
28.每次发送探测包后，采集第一节点与第二节点之间的通信链路的硬件参数，并在最后一次发出探测包之后确定在目标时间段内第二节点对探测包的包接收率，通信链路的硬件参数包括信号接收强度指示参数、链路质量指示参数及信噪比中的至少一种；
29.确定在目标时间段内信号接收强度指示参数的均值、链路质量指示参数的均值及信噪比的均值中的至少一种；
30.利用所述信号接收强度指示参数的均值、链路质量指示参数的均值及信噪比的均值中的至少一种构建输入特征向量，并将包接收率作为输入特征向量的标记信息，得到第一回归样本；
31.对第一回归样本进行滤波，得到第二回归样本；
32.将多个第二回归样本分为训练数据和测试数据。
33.根据本申请实施例的另一方面，本申请提供了一种通信链路质量检测装置，包括：
34.参数获取模块，用于获取目标硬件参数，目标硬件参数为对目标通信链路采集得到的；
35.特征提取模块，用于提取目标硬件参数的参数特征；
36.质量检测模块，用于将参数特征输入第一回归模型，以使第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出目标通信链路的质量检测结果，第一回归模型是采用具有标记信息的训练数据进行训练后得到的，训练数据为通信节点之间进行信息传输时对通信链路采集的数据，标记信息用于标记通信链路的实际质量检测结果。
37.根据本申请实施例的另一方面，本申请提供了一种电子设备，包括存储器、处理器、通信接口及通信总线，存储器中存储有可在处理器上运行的计算机程序，存储器、处理
器通过通信总线和通信接口进行通信，处理器执行计算机程序时实现上述方法的步骤。
38.根据本申请实施例的另一方面，本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行上述的方法。
39.本申请实施例提供的上述技术方案与相关技术相比具有如下优点：
40.本申请技术方案为获取目标硬件参数，目标硬件参数为对目标通信链路采集得到的；提取目标硬件参数的参数特征；将参数特征输入第一回归模型，以使第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出目标通信链路的质量检测结果，第一回归模型是采用具有标记信息的训练数据进行训练后得到的，训练数据为通信节点之间进行信息传输时对通信链路采集的数据，标记信息用于标记通信链路的实际质量检测结果。本申请通过构建各硬件参数与通信链路的质量之间的回归模型，从而可以通过回归模型利用通信链路的硬件参数直接检测通信链路的质量，避免了周期性发送探测包来进行质量检测，有效减少了信号带宽的浪费。
附图说明
41.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
42.为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
43.图1为根据本申请实施例提供的一种可选的通信链路质量检测方法硬件环境示意图；
44.图2为根据本申请实施例提供的一种可选的通信链路质量检测方法流程图；
45.图3为根据本申请实施例提供的一种可选的通信链路质量检测装置框图；
46.图4为本申请实施例提供的一种可选的电子设备结构示意图。
具体实施方式
47.为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
48.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
49.相关技术中，现有的无线网络链路质量评估中，会周期发送探测包来测量包接收率的情况，这样极大浪费了信道带宽。
50.为了解决背景技术中提及的问题，根据本申请实施例的一方面，提供了一种通信链路质量检测方法的实施例。
51.可选地，在本申请实施例中，上述通信链路质量检测方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与终端101进
行连接，可用于为终端或终端上安装的客户端提供服务，可在服务器上或独立于服务器设置数据库105，用于为服务器103提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101包括但不限于pc、手机、平板电脑等。
52.本申请实施例中的一种通信链路质量检测方法可以由服务器103来执行，还可以是由服务器103和终端101共同执行，如图2所示，该方法可以包括以下步骤：
53.步骤s202，获取目标硬件参数，目标硬件参数为对目标通信链路采集得到的。
54.本申请实施例中，通信链路为网络中两个节点之间的物理通道，有线链路的传输介质主要有双绞线、光纤，无线链路的传输介质主要为微波。通信链路中的硬件参数主要为信号接收强度指示(received signal strength indication，rssi)参数、链路质量指示(link quality indicator，lqi)参数及信噪比(signal noise ratio，snr)等。
55.本申请实施例中，用于对目标通信链路进行链路质量检测的上述目标硬件参数可以是一段时间内连续对目标通信链路采集得到的硬件参数，较多的数据量可以减小硬件参数的瞬时值突变导致通信链路的质量检测结果与实际情况出现较大偏差的概率。
56.步骤s204，提取目标硬件参数的参数特征。
57.本申请实施例中，为了减小硬件参数的瞬时值突变造成通信链路的质量检测与实际情况出现较大偏差，本申请可以在将目标硬件参数输入回归模型前进行处理，例如，求取目标硬件参数的平均值，对目标硬件参数进行滤波等。
58.可选地，求取目标硬件参数的平均值可以通过：确定信号接收强度指示参数的平均值、链路质量指示参数的平均值及信噪比的平均值中的至少一种，目标硬件参数包括信号接收强度指示参数、链路质量指示参数及信噪比中的至少一种；利用信号接收强度指示参数的平均值、链路质量指示参数的平均值及信噪比的平均值中的至少一种构建输入特征向量，参数特征包括输入特征向量。
59.本申请实施例中，目标硬件参数的数量越多，计算的平均值越能体现真实情况，从而也就越能提高质量检测的准确率。计算平均值之后，可以利用各个平均值构建输入特征向量，输入特征向量的元素可以根据所选用的参数类型来确定，例如，可以是[rssilqisnr]的形式。
[0060]
本申请实施例中，还可以对目标硬件参数进行滤波，从而可以剔除冗余信息。可以采用经典线性卡尔曼滤波算法对各类参数进行滤波。
[0061]
步骤s206，将参数特征输入第一回归模型，以使第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出目标通信链路的质量检测结果，第一回归模型是采用具有标记信息的训练数据进行训练后得到的，训练数据为通信节点之间进行信息传输时对通信链路采集的数据，标记信息用于标记通信链路的实际质量检测结果。
[0062]
本申请实施例中，可以利用训练数据训练回归模型，使得第一回归模型能够输入目标硬件参数后，即可根据硬件参数与通信链路的链路质量之间的关联关系输出目标通信链路的质量检测结果。质量检测结果可以通过包接收率来体现，即第一回归模型根据目标硬件参数输入对应的包接收率(packet receive rate，prr)，即可通过该包接收率来进一步判断该目标通信链路的质量，从而避免直接通过周期发送探测包测量包接收率，减少信道带宽的浪费。
[0063]
本申请实施例还提供了训练回归模型的方法，即通过使用训练数据对第二回归模
型中的参数进行训练，得到第一回归模型，第二回归模型为极限学习机回归模型。下面进行详细说明。
[0064]
极限学习机(extreme learning machine，elm)是一类基于前馈神经网络(feedforward neuron network，fnn)构建的机器学习系统或方法，elm在研究中被视为一类特殊的fnn，或对fnn及其反向传播算法的改进，其特点是隐含层节点的权重为随机或人为给定的，且不需要更新，学习过程仅计算输出权重。elm仅需求解输出权重，因此是一个线性参数模式(linear
‑
in
‑
the
‑
parameter model)，其学习过程易于在全局极小值收敛。
[0065]
训练过程可以包括以下步骤：
[0066]
步骤1，过训练数据对第二回归模型内各网络层中的参数进行初始化，得到第三回归模型；
[0067]
步骤2，模型对测试数据的链路质量的检测准确度达到目标阈值的情况下，将第三回归模型作为第一回归模型；
[0068]
步骤3，归模型对测试数据的链路质量的检测准确度未达到目标阈值的情况下，继续使用训练数据对第三回归模型进行训练，以调整第三回归模型内各网络层中的参数的数值，直至第三回归模型对测试数据的链路质量的检测准确度达到目标阈值。
[0069]
本申请实施例中，第二回归模型为初始模型，对初始模型可以随机分配输入层至隐含层的连接权重和偏置，且不需要更新，得到第三回归模型，再利用训练数据训练第三模型，不断调整第三模型中隐含层至输出层的连接权重，在调整到第三回归模型对测试数据的检测准确度达到目标阈值的情况下，完成训练，保存此时第三回归模型中隐含层至输出层的连接权重，得到第一回归模型。
[0070]
可选地，调整第三回归模型内各网络层中的参数的数值，直至第三回归模型对测试数据的链路质量的检测准确度达到目标阈值包括：
[0071]
步骤1，获取第三回归模型对测试数据的链路质量的估计检测结果和测试数据中标记的实际检测结果；
[0072]
步骤2，利用估计检测结果和实际检测结果确定损失值，损失值用于表示估计检测结果和实际检测结果之间的准确度的差异；
[0073]
步骤3，利用损失值调整第三回归模型的参数，直至第三回归模型的输出精度达到目标阈值，第三回归模型的参数包括隐含层与输出层之间的连接权重中。
[0074]
本申请实施例中，可以利用估计检测结果和实际检测结果确定第三回归模型的输出与实际情况的偏差，从而第三回归模型根据该偏差，即损失值调整隐含层与输出层之间的连接权重，进而提高第三模型的检测准确度。
[0075]
本申请实施例中，若输入层的输入特征向量为x，回归模型输出层的输出为y，设隐含层神经元的激活函数为g(x)，偏置为b，隐含层与输入层间的连接权重为ω，与输出层的连接权重为β，则可得具有l个隐含层神经元的elm模型为：
[0076][0077]
可选地，利用损失值调整第三回归模型的参数之前，该方法还包括按照如下方式减小误差：
[0078]
步骤1，确定第一损失值的绝对值；
[0079]
步骤2，在绝对值大于目标偏差阈值的情况下，舍弃第一损失值，并使用第二损失值调整第三回归模型的参数，第二损失值的绝对值小于或等于目标偏差阈值。
[0080]
本申请实施例中，还可以参照莱特准则的思想，剔除粗大误差。上述第一损失值、第二损失值是估计检测结果和实际检测结果的残差，本申请采用实际检测结果代替估计检测结果的平均值，从而引导模型提高检测准确度。上述目标偏差阈值可以根据需求进行设置，可以根据实验结果进行设置。
[0081]
可选地，该方法还包括按照如下方式获取训练数据和测试数据：
[0082]
步骤1，在目标时间段内每经过第一时长通过第一节点向第二节点发送探测包；
[0083]
步骤2，每次发送探测包后，采集第一节点与第二节点之间的通信链路的硬件参数，并在最后一次发出探测包之后确定在目标时间段内第二节点对探测包的包接收率，通信链路的硬件参数包括信号接收强度指示参数、链路质量指示参数及信噪比中的至少一种；
[0084]
步骤3，确定在目标时间段内信号接收强度指示参数的均值、链路质量指示参数的均值及信噪比的均值中的至少一种；
[0085]
步骤4，利用所述信号接收强度指示参数的均值、链路质量指示参数的均值及信噪比的均值中的至少一种构建输入特征向量，并将包接收率作为输入特征向量的标记信息，得到第一回归样本；
[0086]
步骤5，对第一回归样本进行滤波，得到第二回归样本；
[0087]
步骤6，将多个第二回归样本分为训练数据和测试数据。
[0088]
本申请实施例中，获取训练回归模型的训练数据、测试数据可以按照相关技术中对通信链路进行质量检测的方法，即在目标时间段内周期性地由发送节点(第一节点)向接收节点(第二节点)发送探测包，并计算接收节点在该目标时间段地包接收率，过程中每次发送探测包都采集通信链路的信号接收强度指示参数、链路质量指示参数及信噪比。计算各类型参数的均值，并组成输入特征向量，实际的包接收率作为输出值(标记信息)，完成第一回归样本的构造。至此，可以对第一回归样本滤波，剔除冗余信息，还可以进行归一化，使得有量纲的表达式，经过变换，化为无量纲的表达式，成为标量，得到最终的第二回归样本。将第二回归样本分为两部分，一部分作为训练数据用于对回归模型进行训练，另一部分作为测试数据用于测试回归模型的输出准确度。
[0089]
本申请技术方案为获取目标硬件参数，目标硬件参数为对目标通信链路采集得到的；提取目标硬件参数的参数特征；将参数特征输入第一回归模型，以使第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出目标通信链路的质量检测结果，第一回归模型是采用具有标记信息的训练数据进行训练后得到的，训练数据为通信节点之间进行信息传输时对通信链路采集的数据，标记信息用于标记通信链路的实际质量检测结果。本申请通过构建各硬件参数与通信链路的质量之间的回归模型，从而可以通过回归模型利用通信链路的硬件参数直接检测通信链路的质量，避免了周期性发送探测包来进行质量检测，有效减少了信号带宽的浪费，且充分利用硬件信息，可靠性较高。
[0090]
根据本申请实施例的又一方面，如图3所示，提供了一种通信链路质量检测装置，包括：
[0091]
参数获取模块301，用于获取目标硬件参数，目标硬件参数为对目标通信链路采集
得到的；
[0092]
特征提取模块303，用于提取目标硬件参数的参数特征；
[0093]
质量检测模块305，用于将参数特征输入第一回归模型，以使第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出目标通信链路的质量检测结果，第一回归模型是采用具有标记信息的训练数据进行训练后得到的，训练数据为通信节点之间进行信息传输时对通信链路采集的数据，标记信息用于标记通信链路的实际质量检测结果。
[0094]
需要说明的是，该实施例中的参数获取模块301可以用于执行本申请实施例中的步骤s202，该实施例中的特征提取模块303可以用于执行本申请实施例中的步骤s204，该实施例中的质量检测模块305可以用于执行本申请实施例中的步骤s206。
[0095]
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。
[0096]
可选地，该特征提取模块，具体用于：
[0097]
确定目标硬件参数的平均值，目标硬件参数包括信号接收强度指示参数、链路质量指示参数及信噪比中的至少一种；
[0098]
利用信号接收强度指示参数的平均值、链路质量指示参数的平均值及信噪比的平均值中的至少一种构建输入特征向量，参数特征包括输入特征向量。
[0099]
可选地，该通信链路质量检测装置，还包括模型训练模块，用于：
[0100]
通过使用训练数据对第二回归模型中的参数进行训练，得到第一回归模型，第二回归模型为极限学习机回归模型。
[0101]
可选地，该模型训练模块，具体用于：
[0102]
通过训练数据对第二回归模型内各网络层中的参数进行初始化，得到第三回归模型；
[0103]
在第三回归模型对测试数据的链路质量的检测准确度达到目标阈值的情况下，将第三回归模型作为第一回归模型；
[0104]
在第三回归模型对测试数据的链路质量的检测准确度未达到目标阈值的情况下，继续使用训练数据对第三回归模型进行训练，以调整第三回归模型内各网络层中的参数的数值，直至第三回归模型对测试数据的链路质量的检测准确度达到目标阈值。
[0105]
可选地，该模型训练模块，还用于：
[0106]
获取第三回归模型对测试数据的链路质量的估计检测结果和测试数据中标记的实际检测结果；
[0107]
利用估计检测结果和实际检测结果确定损失值，损失值用于表示估计检测结果和实际检测结果之间的准确度的差异；
[0108]
利用损失值调整第三回归模型的参数，直至第三回归模型的输出精度达到目标阈值，第三回归模型的参数包括隐含层与输出层之间的连接权重。
[0109]
可选地，该通信链路质量检测装置，还包括误差减小模块，用于：
[0110]
确定第一损失值的绝对值；
[0111]
在绝对值大于目标偏差阈值的情况下，舍弃第一损失值，并使用第二损失值调整第三回归模型的参数，第二损失值的绝对值小于或等于目标偏差阈值。
[0112]
可选地，该通信链路质量检测装置，还包括数据采集模块，用于：
[0113]
在目标时间段内每经过第一时长通过第一节点向第二节点发送探测包；
[0114]
每次发送探测包后，采集第一节点与第二节点之间的通信链路的硬件参数，并在最后一次发出探测包之后确定在目标时间段内第二节点对探测包的包接收率，通信链路的硬件参数包括信号接收强度指示参数、链路质量指示参数及信噪比中的至少一种；
[0115]
确定在目标时间段内信号接收强度指示参数的均值、链路质量指示参数的均值及信噪比的均值中的至少一种；
[0116]
利用所述信号接收强度指示参数的均值、链路质量指示参数的均值及信噪比的均值中的至少一种构建输入特征向量，并将包接收率作为输入特征向量的标记信息，得到第一回归样本；
[0117]
对第一回归样本进行滤波，得到第二回归样本；
[0118]
将多个第二回归样本分为训练数据和测试数据。
[0119]
根据本申请实施例的另一方面，本申请提供了一种电子设备，如图4所示，包括存储器401、处理器403、通信接口405及通信总线407，存储器401中存储有可在处理器403上运行的计算机程序，存储器401、处理器403通过通信接口405和通信总线407进行通信，处理器403执行计算机程序时实现上述方法的步骤。
[0120]
上述电子设备中的存储器、处理器通过通信总线和通信接口进行通信。所述通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
[0121]
存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
[0122]
上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field
‑
programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0123]
根据本申请实施例的又一方面还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质。
[0124]
可选地，在本申请实施例中，计算机可读介质被设置为存储用于所述处理器执行以下步骤的程序代码：
[0125]
获取目标硬件参数，目标硬件参数为对目标通信链路采集得到的；
[0126]
提取目标硬件参数的参数特征；
[0127]
将参数特征输入第一回归模型，以使第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出目标通信链路的质量检测结果，第一回归模型是采用具有标记信息的训练数据进行训练后得到的，训练数据为通信节点之间进行信息传输时对通信链路采集的数据，标记信息用于标记通信链路的实际质量检测结果。
[0128]
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例
在此不再赘述。
[0129]
本申请实施例在具体实现时，可以参阅上述各个实施例，具有相应的技术效果。
[0130]
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(application specific integrated circuits，asic)、数字信号处理器(digital signal processing，dsp)、数字信号处理设备(dsp device，dspd)、可编程逻辑设备(programmable logic device，pld)、现场可编程门阵列(field
‑
programmable gate array，fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
[0131]
对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
[0132]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0133]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0134]
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0135]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0136]
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0137]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那
些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0138]
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种通信链路质量检测方法，其特征在于，包括：获取目标硬件参数，其中，所述目标硬件参数为对目标通信链路采集得到的；提取所述目标硬件参数的参数特征；将所述参数特征输入第一回归模型，以使所述第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出所述目标通信链路的质量检测结果，其中，所述第一回归模型是采用具有标记信息的训练数据进行训练后得到的，所述训练数据为通信节点之间进行信息传输时对通信链路采集的数据，所述标记信息用于标记所述通信链路的实际质量检测结果。2.根据权利要求1所述的方法，其特征在于，提取所述目标硬件参数的参数特征包括：确定所述目标硬件参数的平均值，其中，所述目标硬件参数包括信号接收强度指示参数、链路质量指示参数及信噪比中的至少一种；利用所述信号接收强度指示参数的平均值、所述链路质量指示参数的平均值及所述信噪比的平均值中的至少一种构建输入特征向量，其中，所述参数特征包括所述输入特征向量。3.根据权利要求2所述的方法，其特征在于，使用所述第一回归模型进行通信链路的质量检测之前，所述方法还包括按照如下方式训练得到所述第一回归模型：通过使用所述训练数据对第二回归模型中的参数进行训练，得到所述第一回归模型，其中，所述第二回归模型为极限学习机回归模型。4.根据权利要求3所述的方法，其特征在于，通过使用所述训练数据对第二回归模型中的参数进行训练，得到所述第一回归模型包括：通过所述训练数据对所述第二回归模型内各网络层中的参数进行初始化，得到第三回归模型；在所述第三回归模型对测试数据的链路质量的检测准确度达到目标阈值的情况下，将所述第三回归模型作为所述第一回归模型；在所述第三回归模型对所述测试数据的链路质量的检测准确度未达到所述目标阈值的情况下，继续使用所述训练数据对所述第三回归模型进行训练，以调整所述第三回归模型内各网络层中的参数的数值，直至所述第三回归模型对所述测试数据的链路质量的检测准确度达到所述目标阈值。5.根据权利要求4所述的方法，其特征在于，调整所述第三回归模型内各网络层中的参数的数值，直至所述第三回归模型对所述测试数据的链路质量的检测准确度达到所述目标阈值包括：获取所述第三回归模型对所述测试数据的链路质量的估计检测结果和所述测试数据中标记的实际检测结果；利用所述估计检测结果和所述实际检测结果确定损失值，其中，所述损失值用于表示所述估计检测结果和所述实际检测结果之间的准确度的差异；利用所述损失值调整所述第三回归模型的参数，直至所述第三回归模型的输出精度达到所述目标阈值，其中，所述第三回归模型的参数包括隐含层与输出层之间的连接权重。6.根据权利要求5所述的方法，其特征在于，利用所述损失值调整所述第三回归模型的参数之前，所述方法还包括按照如下方式减小误差：
确定第一损失值的绝对值；在所述绝对值大于目标偏差阈值的情况下，舍弃所述第一损失值，并使用第二损失值调整所述第三回归模型的参数，其中，所述第二损失值的绝对值小于或等于所述目标偏差阈值。7.根据权利要求4至6任一所述的方法，其特征在于，所述方法还包括按照如下方式获取所述训练数据和所述测试数据：在目标时间段内每经过第一时长通过第一节点向第二节点发送探测包；每次发送所述探测包后，采集所述第一节点与所述第二节点之间的通信链路的硬件参数，并在最后一次发出所述探测包之后确定在所述目标时间段内所述第二节点对所述探测包的包接收率，其中，所述通信链路的硬件参数包括信号接收强度指示参数、链路质量指示参数及信噪比中的至少一种；确定在所述目标时间段内所述信号接收强度指示参数的均值、所述链路质量指示参数的均值及所述信噪比的均值中的至少一种；利用所述信号接收强度指示参数的均值、所述链路质量指示参数的均值及所述信噪比的均值中的至少一种构建输入特征向量，并将所述包接收率作为所述输入特征向量的标记信息，得到第一回归样本；对所述第一回归样本进行滤波，得到第二回归样本；将多个所述第二回归样本分为所述训练数据和所述测试数据。8.一种通信链路质量检测装置，其特征在于，包括：参数获取模块，用于获取目标硬件参数，其中，所述目标硬件参数为对目标通信链路采集得到的；特征提取模块，用于提取所述目标硬件参数的参数特征；质量检测模块，用于将所述参数特征输入第一回归模型，以使所述第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出所述目标通信链路的质量检测结果，其中，所述第一回归模型是采用具有标记信息的训练数据进行训练后得到的，所述训练数据为通信节点之间进行信息传输时对通信链路采集的数据，所述标记信息用于标记所述通信链路的实际质量检测结果。9.一种电子设备，包括存储器、处理器、通信接口及通信总线，所述存储器中存储有可在所述处理器上运行的计算机程序，所述存储器、所述处理器通过所述通信总线和所述通信接口进行通信，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。
技术总结
本申请涉及一种通信链路质量检测方法、装置、设备及计算机可读介质。该方法包括：获取目标硬件参数，目标硬件参数为对目标通信链路采集得到的；提取目标硬件参数的参数特征；将参数特征输入第一回归模型，以使第一回归模型根据硬件参数与通信链路的链路质量之间的关联关系输出目标通信链路的质量检测结果，第一回归模型是采用具有标记信息的训练数据进行训练后得到的，训练数据为通信节点之间进行信息传输时对通信链路采集的数据，标记信息用于标记通信链路的实际质量检测结果。本申请通过构建各硬件参数与通信链路的质量之间的回归模型，从而可以通过回归模型利用通信链路的硬件参数直接检测通信链路的质量，解决了信号带宽浪费的问题。浪费的问题。浪费的问题。


技术研发人员：赵杰磊 王思仪 杨舒 徐洪伟
受保护的技术使用者：珠海联云科技有限公司
技术研发日：2021.03.01
技术公布日：2021/6/29