本公开涉及通信，具体而言，涉及一种链路调整方法、链路调整装置、电子设备以及计算机可读存储介质。
背景技术：
1、随着大数据、物联网、工业互联网等技术的发展，各垂直行业对于网络传输速率、网络时延、安全性要求也随之提高。由于5g公网无法满足企业对于安全性等方面的需求，这驱使着越来越多的企业开始关注5g专网。基于各项5g专网能力，行业客户可以快速构建安全可靠、性能稳定、服务可视的定制化专属网络，满足客户对于数据不出场、超低时延、超大带宽等方面的需求，实现高清视频回传、远程控制等作业场景。
2、然而，现有技术仅考虑了专网用户的使用需求，忽略了公网用户的需求，易导致公网用户感知下降；此外，相关技术不能根据专网的需求进行自适应的调整，而是进行统一的固定设置，导致上行链路增强功能的适用性较差。
技术实现思路
1、本公开的目的在于提供一种链路调整方法、链路调整装置、电子设备以及计算机可读存储介质，从而在一定程度上解决了相关技术存在的公网用户感知下降及上行链路增强功能的适用性较差等问题。
2、根据本公开的第一方面，提供一种链路调整方法，包括：采集各专网小区的性能及参数数据；利用所述性能及参数数据，通过预先训练好的各基站的本地模型，预测各所述专网小区在目标时间内各时段的上下行流量及上下行prb利用率，并依据所述上下行流量及所述上下行prb利用率确定上下行链路需求；依据所述上下行链路需求为所述专网小区选择对应的链路调整方案并执行。
3、在本公开的一种示例性实施例中，所述方法还包括：获取各所述专网小区的经纬度数据，得到经纬度数据集；依据所述经纬度数据集，通过聚类算法对所述专网小区进行聚类运算，得到多个不同的聚类簇，其中，各所述聚类簇中的各所述专网小区的上下行时隙配比设置相同；计算不同的所述聚类簇中同频的所述专网小区的关联度，并依据所述关联度确定干扰隔离方案；整合所述链路调整方案及所述干扰隔离方案并执行。
4、在本公开的一种示例性实施例中，所述采集各专网小区的性能及参数数据，包括：采集各所述专网小区的时隙配比设置参数、补充上行链路增强功能开启参数及测量报告，其中，所述测量报告为用户终端测量得到的网络数据，包括上下行链路的信息。
5、在本公开的一种示例性实施例中，所述各基站的本地模型基于联邦迁移学习训练得到，其中，所述联邦迁移学习的全局迁移模型部署于中央服务器，各所述本地模型部署于各所述基站。
6、在本公开的一种示例性实施例中，所述基于联邦迁移学习训练得到所述本地模型，包括：在所述中央服务器利用所收集的历史数据资源训练得到所述全局迁移模型，获取全局模型参数；利用所述联邦迁移学习的框架将所述全局模型参数共享至作为分布节点的各所述基站；在各所述分布节点基于本地数据对所述全局模型参数调优，得到所述分布节点对应的参数改变量并反馈至所述全局迁移模型；根据各所述分布节点对应的所述参数改变量计算所述全局模型参数的改变总量，并基于所述改变总量更新所述全局模型参数；重复上述所述利用所述联邦迁移学习的框架将所述全局模型参数共享至作为分布节点的各所述基站至所述基于所述改变总量更新所述全局模型参数，直至达到预设的迭代次数。
7、在本公开的一种示例性实施例中，所述依据所述上下行流量及所述上下行prb利用率确定上下行链路需求，包括：依据所述上下行流量及所述上下行prb利用率计算所述目标时间的平均下行流量与平均上行流量；通过计算所述平均下行流量与所述平均上行流量的比值得到上下行时隙配比需求；取预测的上行prb利用率的最大值作为上行最忙时prb利用率；取预测的下行prb利用率的最大值作为下行最忙时prb利用率。
8、在本公开的一种示例性实施例中，所述依据所述上下行链路需求为所述专网小区选择对应的链路调整方案，包括：依据所述上行最忙时prb利用率及所述下行最忙时prb利用率确定负荷需求，并依据所述负荷需求选择对应的所述链路调整方案，其中，所述链路调整方法包括上行链路时隙配比调整方案、上行链路增强方案或遵循原设置。
9、在本公开的一种示例性实施例中，当选择的所述链路调整方案为所述上行链路时隙配比调整方案时，所述方法还包括：依据所述上下行时隙配比需求按预设规则调整上下行时隙配比。
10、根据本公开的第二方面，提供一种链路调整装置，包括：数据采集模块，用于采集各专网小区的性能及参数数据；需求预测模块，用于利用所述性能及参数数据，通过预先训练好的各基站的本地模型，预测各所述专网小区在目标时间内各时段的上下行流量及上下行prb利用率，并依据所述上下行流量及所述上下行prb利用率确定上下行链路需求；链路调整模块，用于依据所述上下行链路需求为所述专网小区选择对应的链路调整方案并执行。
11、在本公开的一种示例性实施例中，所述链路调整装置还包括干扰隔离模块，所述干扰隔离模块用于：获取各所述专网小区的经纬度数据，得到经纬度数据集；依据所述经纬度数据集，通过聚类算法对所述专网小区进行聚类运算，得到多个不同的聚类簇，其中，各所述聚类簇中的各所述专网小区的上下行时隙配比设置相同；计算不同的所述聚类簇中同频的所述专网小区的关联度，并依据所述关联度确定干扰隔离方案；整合所述链路调整方案及所述干扰隔离方案并执行。
12、在本公开的一种示例性实施例中，所述各基站的本地模型基于联邦迁移学习训练得到，其中，所述联邦迁移学习的全局迁移模型部署于中央服务器，各所述本地模型部署于各所述基站；所述链路调整模块还包括模型训练模块，所述模型训练模块用于：在所述中央服务器利用所收集的历史数据资源训练得到所述全局迁移模型，获取全局模型参数；利用所述联邦迁移学习的框架将所述全局模型参数共享至作为分布节点的各所述基站；在各所述分布节点基于本地数据对所述全局模型参数调优，得到所述分布节点对应的参数改变量并反馈至所述全局迁移模型；根据各所述分布节点对应的所述参数改变量计算所述全局模型参数的改变总量，并基于所述改变总量更新所述全局模型参数；重复上述所述利用所述联邦迁移学习的框架将所述全局模型参数共享至作为分布节点的各所述基站至所述基于所述改变总量更新所述全局模型参数，直至达到预设的迭代次数。
13、根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
14、根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。
15、本公开示例性实施例可以具有以下部分或全部有益效果：
16、在本公开示例实施方式所提供的链路调整方法中，采集各专网小区的性能及参数数据；利用性能及参数数据，通过预先训练好的各基站的本地模型，预测各专网小区在目标时间内各时段的上下行流量及上下行prb利用率，并依据上下行流量及上下行prb利用率确定上下行链路需求；依据上下行链路需求为专网小区选择对应的链路调整方案并执行。一方面，本公开利用预先训练好的本地模型预测各专网小区在目标时间内的上下行流量及上下行prb利用率并据此确定上下行链路需求，从而可以依据上下行链路需求选择链路调整方案，实现动态持续性地对所分析区域的上行增强需求进行评估。另一方面，本公开针对不同小区选择不同的链路调整方案，并基于需求进行动态调整，考虑了专网小区中公网用户的感知。
17、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
1.一种链路调整方法，其特征在于，包括：
2.根据权利要求1所述的链路调整方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的链路调整方法，其特征在于，所述采集各专网小区的性能及参数数据，包括：
4.根据权利要求1所述的链路调整方法，其特征在于，所述各基站的本地模型基于联邦迁移学习训练得到，其中，所述联邦迁移学习的全局迁移模型部署于中央服务器，各所述本地模型部署于各所述基站。
5.根据权利要求4所述的链路调整方法，其特征在于，所述基于联邦迁移学习训练得到所述本地模型，包括：
6.根据权利要求1所述的链路调整方法，其特征在于，所述依据所述上下行流量及所述上下行prb利用率确定上下行链路需求，包括：
7.根据权利要求6所述的链路调整方法，其特征在于，所述依据所述上下行链路需求为所述专网小区选择对应的链路调整方案，包括：
8.根据权利要求7所述的链路调整方法，其特征在于，当选择的所述链路调整方案为所述上行链路时隙配比调整方案时，所述方法还包括：
9.一种链路调整装置，其特征在于，包括：
10.根据权利要求9所述的链路调整装置，其特征在于，所述链路调整装置还包括干扰隔离模块，所述干扰隔离模块用于：
11.根据权利要求9所述的链路调整装置，其特征在于，所述各基站的本地模型基于联邦迁移学习训练得到，其中，所述联邦迁移学习的全局迁移模型部署于中央服务器，各所述本地模型部署于各所述基站；
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法。
13.一种电子设备，其特征在于，包括：
