[发明专利]信噪比评估方法、装置、设备及存储介质

权利要求书

1.一种信噪比评估方法，其特征在于，包括：

获取待测窄带物联网终端点位的特征值，所述特征值对应的特征用于表示终端点位处的窄带物联网的特性；

基于信噪比评估模型，对所述待测窄带物联网终端点位的信噪比进行评估，得到所述待测窄带物联网终端点位的信噪比值，所述信噪比评估模型是以多个预设窄带物联网终端点位中每个预设窄带物联网终端点位的特征值和信噪比值为训练样本采用最小二乘偏差模型训练获得的；

在所述获取待测窄带物联网终端点位的特征值之前，所述方法还包括：

获取各个预设窄带物联网终端点位的特征值和信噪比值；

根据所有所述预设窄带物联网终端点位的特征值和信噪比值，生成多个训练样本集；

根据所述多个训练样本集，通过最小二乘偏差模型，生成多棵决策树；

将所述多棵决策树作为所述信噪比评估模型；

所述特征值的个数为多个；

所述根据所有所述预设窄带物联网终端点位的特征值和信噪比值，生成多个训练样本集，包括：

将每个所述预设窄带物联网终端点位的特征值和信噪比值作为一个初始样本；

根据所有初始样本，生成初始样本集；

对所述初始样本集进行训练样本采集，生成多个训练样本集，每个训练样本集中的训练样本的个数相同；

其中，所述训练样本包括所述初始样本中的所有特征值和对应的所述初始样本中的信噪比值；或，所述训练样本包括从所述初始样本中随机选取的特征值和对应的所述初始样本中的信噪比值；

所述对所述初始样本集进行训练样本采集，生成多个训练样本集，包括：

针对所述初始样本集中的每个初始样本，对所述初始样本进行采样，得到所述训练样本；

将所述初始样本集中的所有初始样本对应的所有训练样本进行划分，生成所述多个训练样本集。

2.根据权利要求1所述的方法，其特征在于，所述对所述初始样本集进行训练样本采集，生成多个训练样本集，包括：

多次从所述初始样本集中有放回的随机选取至少两个初始样本；

针对每次从所述初始样本集中有放回的随机选取的所述至少两个初始样本，对所述至少两个初始样本分别进行采样，得到所述至少两个初始样本中每个初始样本对应的训练样本；

将所述至少两个初始样本对应的所有训练样本作为一个训练样本集。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个训练样本集，通过最小二乘偏差模型，生成多棵决策树，包括：

针对所述多个训练样本集中的每个训练样本集，将所述训练样本集中每个训练样本的所有特征值作为所述最小二乘偏差模型的输入量，将所述训练样本集中每个训练样本的信噪比值作为所述最小二乘偏差模型的输出量；

遍历所述训练样本集中每个训练样本，将所述输入量和所述输出量输入到所述最小二乘偏差模型中，确定使得最小二乘偏差达到最小值时对应的训练样本的一个特征和所述特征对应的特征值；

将所述使得最小二乘偏差达到最小值时对应的训练样本的一个特征和所述特征对应的特征值作为根节点，所述特征为根节点的分裂特征，所述特征对应的特征值为根节点的分裂点；

根据所述根节点的分裂特征和所述根节点的分裂点，对所述训练样本集中的所有训练样本进行划分，得到所述根节点的两个分支节点，所述根节点的每个分支节点包括至少一个训练样本；

针对所述根节点的每个分支节点，遍历所述分支节点中的每个训练样本，将所述分支节点中的每个训练样本的所有特征值和信噪比值输入到所述最小二乘偏差模型中，确定使得最小二乘偏差达到最小值时对应的多个分裂特征和多个分裂点，生成一棵决策树，其中，分裂特征和分裂点一一对应，一个分裂点对应两个分支节点；

若存在一个分裂点的预设邻域范围内的任一分支节点对应的训练样本数目小于预设倍数的所述多个训练样本集中所有的训练样本的数目，则停止生成所述决策树，所述多个训练样本集对应多棵决策树。