[发明专利]一种LTE系统中基于终端位置预测的动态寻呼方法

说明书

本发明属于通信领域，具体涉及一种LTE系统中基于终端位置预测的动态寻呼方法，该方法包括：实时获取用户端的信息，将获取的信息输入到训练好的深度学习模型中，预测用户端的移动路径；将该路径发送给核心网；用户端实时检测当前的位置信息，当该位置信息与发送给核心网的预测路径一致时，核心网向预测的位置发送寻呼信令，完成寻呼过程；当用户端检测到所在小区与预测路径存在偏差时，用户端发起跟踪区域更新流程，将更新后跟踪区域发送给核心网，核心网接收到信息后执行回落时的动态寻呼模式，完成寻呼过程；本发明对用户端的移动路径进行预测，当预测正确后核心网只对预测的小区发送信令，有效的减少IDLE态下移动性管理的寻呼信令开销。

技术领域

本发明属于通信领域，具体涉及一种LTE系统中基于终端位置预测的动态寻呼方法。

背景技术

移动通信系统需要适当的机制对终端进行移动性管理，以便在有寻呼的时候能尽快地把消息传达给终端。移动性管理的典型流程包括位置更新和寻呼。随着移动通信的迅猛发展以及智能终端的普及，移动终端相关流程的信令开销大幅增加，管理移动通信中的信令消耗以防信道资源消耗殆尽极其重要，研究如何减少移动性管理中的信令消耗是很重要的。

在LTE系统中，移动性管理由非接入层中的移动性管理实体来负责，主要包括跟踪区域更新(TAU，Tracking Area Update)与寻呼(Paging)两个流程。在现行的LTE系统中，假如处于IDLE(空闲模式)态的UE离开当前存储的TAL时，UE会向核心网发起TAU过程，告知核心网新的位置并请求网络重新分配TAL。当有寻呼要传达给移动用户的时候，核心网要求移动用户所在的TAL里的所有小区都发送寻呼信令，这种寻呼方式能在没有任何关于UE的额外信息的情况下第一时间内寻呼到UE，但是因为UE只可能在TAL里的某一个小区内，最终只有一个信令得到响应，其他信令没有作用，造成了LTE系统的资源浪费。

发明内容

为解决以上现有技术存在的问题，本发明提出了一种LTE系统中基于终端位置预测的动态寻呼方法，该方法包括：实时获取用户端的信息，将获取的信息输入到训练好的深度学习模型中，预测用户端的移动路径；将预测的移动路径发送给LTE系统的核心网；用户端实时检测当前的位置信息，当检测到的位置信息与发送给核心网的预测路径一致时，用户端不做任何处理，且核心网向预测的位置发送寻呼信令，完成寻呼过程；当用户端检测到所在小区与预测路径存在偏差时，用户端发起跟踪区域更新流程，并将更新后跟踪区域发送给核心网，核心网接收到信息后执行回落时的动态寻呼模式，完成寻呼过程。

优选的，获取的用户端信息包括用户端的位置信息和时间；位置信息为用户端当前所处的小区ID。

优选的，对用户端的移动路径进行预测的过程包括：首先在用户端设置阈值门限；用户端在移动过程中，收集该用户端所在的小区ID信息和时间戳信息，当用户端收集到的小区ID信息和时间戳信息大于设置的阈值门限时，进行路径预测的计算，从而得到路径预测的结果。

进一步的，对路径进行预测的模型为动态贝叶斯模型；进行预测的过程包括：实时获取当前用户端的位置信息，将当前位置信息输入到训练好的动态贝叶斯模型中预测用户端的移动路径；对动态贝叶斯模型进行训练的过程包括：获取用户端的历史输入序列，该序列包括用户端的历史位置信息以及历史移动路径；将历史输入序列输入到动态贝叶斯模型中对输入数据进行预处理，将位置信息线性化；根据预处理结果构建条件概率表；根据条件概率表分别构建两个神经网络，第一个神经网络是从历史输入序列得到的模型，该模型的输入层输入的信息为线性化后的原始信息，输出层输出预测位置；第二个神经网络是从真实位置到结束位置的模型，该模型输入层输入的信息是多对原始位置和结束位置，输出层输出预测位置信息；将两个神经网路的输出值进行加权求和，得到预测位置的序列。

优选的，获取的用户端的信息以及对模型进行训练的过程均在用户端完成。