一种上行资源调度方法、装置、电子设备及存储介质

技术领域

本申请涉及无线通信领域，尤其涉及一种上行资源调度方法、装置、电子设备及存储介质。

背景技术

在无线通信领域中，语音业务是运营商的核心业务，长期演进语音承载(英文：Voice over Long-Term Evolution，缩写为VoLTE)是基于IP多媒体子系统(英文：IPMultimedia Subsystem，缩写为IMS)网络的IP数据传输技术，其全部业务承载于4G网络上，可实现数据与语音业务在同一网络下的统一，与2G和3G语音业务相比，VoLTE语音业务具有低时延、高频谱利用率和更清晰的语音通话质量。

在LTE系统中，当用户设备(英文：User Equipment，缩写为UE)需要发送数据时，要先向基站申请资源，上行资源调度的方式是：由UE向基站发送调度请求(英文：SchedulingRequest，缩写为SR)，SR用于请求基站发送上行授权(英文：UL Grant)，基站接收到UE发送的SR后，并不知道UE接下来需要上传多少待发送数据，从而并不清楚应为UE分配多少资源合适，因此，基站会先为UE分配少量的资源块(英文：Resource Block，缩写为RB)，向UE发送上行授权下行链路控制信息(英文：Downlink Control Information，DCI)(DCI0)，一般地，基站分配的RB至少能够满足BSR的发送，进而，UE基于基站分配的RB向基站发送缓冲状态报告(英文：Buffer Status Report，缩写为BSR)告知基站UE共有多少待发送数据存储在上行缓存区中，基站接收到UE发送的BSR后，根据待发送数据大小为UE分配RB。

然而，由于UE需要先向基站发送SR，再发送BSR来申请上行资源，使得上行资源调度过程中VoLTE业务数据的传输时延较大。

发明内容

本申请实施例提供了一种上行资源调度方法、装置、电子设备及存储介质，降低了上行资源调度过程中VoLTE业务数据的传输时延。

第一方面，本申请实施例提供了一种上行资源调度方法，包括：

接收用户设备UE发送的调度请求SR；

将接收到所述SR的时间信息发送至数据量预测模型中，得到预估的所述UE待发送数据的大小，其中，所述数据量预测模型是基于设定时间段内接收到SR的时间信息以及在接收下一次SR之前接收到的物理上行链路共享信道PUSCH数据的大小信息按照预设的机器学习模型进行训练获得的；

基于所述预估的所述UE待发送数据的大小和所述UE对应的调制与编码策略MCS值确定所述UE所需资源块RB的目标数量；

若基于所述UE所需RB的目标数量和当前剩余RB的数量确定能够一次性调度所述预估的所述UE待发送数据的大小，则为所述UE分配所述目标数量的RB，以使所述UE基于所述目标数量的RB发送数据。

在一种实施方式中，所述方法，还包括：

若基于所述UE所需RB的目标数量和当前剩余RB的数量确定不能一次性调度所述预估的所述UE待发送数据的大小，则为所述UE分配预设数量的RB，以使所述UE基于所述预设数量的RB发送缓冲状态报告BSR。

在一种实施方式中，基于所述预估的所述UE待发送数据的大小和所述UE对应的MCS值确定所述UE所需RB的目标数量，具体包括：

基于预设的MCS值与传输块大小的对应关系，确定所述UE对应的MCS值对应的第一传输块大小；

基于预设的传输块大小与RB数量的对应关系确定所述第一传输块大小对应的各个第一RB数量；

基于所述各个第一RB数量对应的第一数据量大小的对应关系，选择大于或者等于所述预估的所述UE待发送数据的大小的第一数据量；

将选择的所述第一数据量对应的第一RB数量确定为所述UE所需RB的目标数量。

在一种实施方式中，通过以下方式获得所述UE对应的MCS值：

基于所述UE上报的信噪比信息和预设的信噪比与MCS值的对应关系，确定所述UE上报的信噪比对应的MCS值。

在一种实施方式中，所述预设的机器学习模型包括支持向量回归模型；所述数据量预测模型是通过以下步骤进行训练获得的：

获取设定时间段内接收到所述UE发送的各个SR的时间信息、接收到所述UE发送的PUSCH数据的时间信息和所述PUSCH数据的大小信息；

基于接收到所述UE发送的每两个相邻的SR的时间信息、以及所述每两个相邻的SR之间所述UE发送的各个PUSCH数据的大小信息，分别确定在接收到所述UE发送的每一SR与下一SR之间接收到的所述UE发送的PUSCH数据的累计大小；

将接收到所述UE发送的每一SR的时间和在与下一SR之间接收到的所述UE发送的PUSCH数据的累计大小确定为各个样本点；

基于所述各个样本点对所述支持向量回归模型进行训练，得到训练后的所述数据量预测模型。

第二方面，本申请实施例提供了一种上行资源调度装置，包括：

接收单元，用于接收用户设备UE发送的调度请求SR；

预测单元，用于将接收到所述SR的时间信息发送至数据量预测模型中，得到预估的所述UE待发送数据的大小，其中，所述数据量预测模型是基于设定时间段内接收到SR的时间信息以及在接收下一次SR之前接收到的物理上行链路共享信道PUSCH数据的大小信息按照预设的机器学习模型进行训练获得的；

确定单元，用于基于所述预估的所述UE待发送数据的大小和所述UE对应的调制与编码策略MCS值确定所述UE所需资源块RB的目标数量；

分配单元，用于若基于所述UE所需RB的目标数量和当前剩余RB的数量确定能够一次性调度所述预估的所述UE待发送数据的大小，则为所述UE分配所述目标数量的RB，以使所述UE基于所述目标数量的RB发送数据。

在一种实施方式中，所述分配单元，还用于若基于所述UE所需RB的目标数量和当前剩余RB的数量确定不能一次性调度所述预估的所述UE待发送数据的大小，则为所述UE分配预设数量的RB，以使所述UE基于所述预设数量的RB发送缓冲状态报告BSR。

在一种实施方式中，所述确定单元，具体用于基于预设的MCS值与传输块大小的对应关系，确定所述UE对应的MCS值对应的第一传输块大小；基于预设的传输块大小与RB数量的对应关系确定所述第一传输块大小对应的各个第一RB数量；基于所述各个第一RB数量对应的第一数据量大小的对应关系，选择大于或者等于所述预估的所述UE待发送数据的大小的第一数据量；将选择的所述第一数据量对应的第一RB数量确定为所述UE所需RB的目标数量。

在一种实施方式中，所述确定单元，具体用于通过以下方式获得所述UE对应的MCS值：基于所述UE上报的信噪比信息和预设的信噪比与MCS值的对应关系，确定所述UE上报的信噪比对应的MCS值。

在一种实施方式中，所述预设的机器学习模型包括支持向量回归模型；所述装置，还包括：

训练单元，用于通过以下步骤进行训练获得所述数据量预测模型：获取设定时间段内接收到所述UE发送的各个SR的时间信息、接收到所述UE发送的PUSCH数据的时间信息和所述PUSCH数据的大小信息；基于接收到所述UE发送的每两个相邻的SR的时间信息、以及所述每两个相邻的SR之间所述UE发送的各个PUSCH数据的大小信息，分别确定在接收到所述UE发送的每一SR与下一SR之间接收到的所述UE发送的PUSCH数据的累计大小；将接收到所述UE发送的每一SR的时间和在与下一SR之间接收到的所述UE发送的PUSCH数据的累计大小确定为各个样本点；基于所述各个样本点对支持向量回归模型进行训练，得到训练后的所述数据量预测模型。

第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请所述的上行资源调度方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请所述的上行资源调度方法中的步骤。

本申请的有益效果如下：

本申请实施例提供的上行资源调度方法、装置、电子设备及存储介质，基站接收UE发送的SR，将接收到SR的时间信息发送至数据量预测模型中，得到预估的UE待发送数据的大小，其中，数据量预测模型是基于设定时间段内接收到SR的时间信息以及在接收下一次SR之前接收到的物理上行链路共享信道(英文：Physical Uplink Shared Channel，缩写为PUSCH)数据的大小信息按照预设的机器学习模型进行训练获得的，进而，基于预估的UE待发送数据的大小和UE对应的调制与编码策略(英文：Modulation and Coding Scheme，缩写为MCS)值确定UE所需RB的目标数量，若基于UE所需RB的目标数量和当前剩余RB的数量确定能够一次性调度预估的UE待发送数据的大小，则为UE分配目标数量的RB，以使UE基于目标数量的RB发送数据，本申请实施例中，在基站接收到UE发送的SR时，先基于接收到SR的时间信息和训练的数据量预测模型预测接下来UE待发送数据的大小，根据预估出的UE待发送数据的大小和UE对应的MCS值预估接下来UE传输数据所需的RB的目标数量，如果基于预估出的UE所需RB的目标数量和基站当前剩余RB的数量确定能够一次性调度完预估的UE待发送数据的大小，则直接为UE分配目标数量的RB，而无需先向UE分配很少的RB，再由UE根据分配的很少的RB向基站发送BSR来申请上行资源(即RB)，从而，减少了一次上报BSR以及调度该次BSR的时间，可以大大降低UE与基站之间传输VoLTE业务数据的时延，并节省基站的时频资源。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的上行资源调度方法的应用场景示意图；

图2为本申请实施例提供的上行资源调度方法的实施流程示意图；

图3为本申请实施例提供的数据量预测模型的训练流程示意图；

图4为本申请实施例提供的确定UE所需RB的目标数量的实施流程示意图；

图5为本申请实施例提供的上行资源调度装置的结构示意图；

图6为本申请实施例提供的电子设备的结构示意图。

具体实施方式

在无线通信领域中，语音业务是运营商的核心业务，VoLTE是基于IMS网络的IP数据传输技术，其全部业务承载于4G网络上，可实现数据与语音业务在同一网络下的统一，与2G和3G语音业务相比，VoLTE语音业务具有低时延、高频谱利用率和更清晰的语音通话质量。

在LTE系统中，当UE需要发送数据时，要先向基站申请资源(包括RB)，上行资源调度的方式是：由UE向基站发送SR，SR用于请求基站发送上行授权(UL Grant)，基站接收到UE发送的SR后，并不知道UE接下来需要上传多少待发送数据，从而并不清楚应为UE分配多少资源合适，因此，基站会先为UE分配少量的RB，向UE发送上行授权DCI0，一般地，基站分配的RB至少能够满足BSR的发送，进而，UE基于基站分配的RB向基站发送BSR告知基站UE共有多少待发送数据存储在上行缓存区中，基站接收到UE发送的BSR后，根据待发送数据大小为UE分配RB。

然而，由于UE需要先向基站发送SR，再发送BSR来申请上行资源，增加了VoLTE业务数据的传输时延。相关技术中，为了降低UE和基站之间传输VoLTE业务数据的时延，通过半静态调度的方式进行上行资源调度，然而半静态调度系统复杂频率利用率较低，或者通过已上传语音包的编码格式、IP头特征等信息来计算本次SR上报的语音业务数据包的大小，然而，UE在上向基站上传数据时，并不仅仅包括语音业务数据包，其还可能包括文字、图片等数据不大但频繁发送的业务，如微信业务中的语音业务数据包、文本数据包、图片数据包等，UE还有可能需要上报功率余量报告(英文：Power Headroom Report，缩写为PHR)等数据，仅仅通过语音业务数据包的大小来确定UE将要发送的待发送数据的大小并不准确，这样可能会导致基站为UE分配的传输块(英文：tbSize)不能满足UE本次将要发送数据的大小，从而，使得UE还需要向基站发送BSR再调度一次，并不能节省基站的时域资源，也不能降低VoLTE业务数据的传输时延。

基于此，本申请实施例提供了一种上行资源调度方法、装置、电子设备及存储介质，基站接收UE发送的SR，将接收到SR的时间信息发送至数据量预测模型中，得到预估的UE待发送数据的大小，其中，数据量预测模型是基于设定时间段内接收到SR的时间信息以及在接收下一次SR之前接收到的PUSCH数据的大小信息按照预设的机器学习模型进行训练获得的，进而，基于预估的UE待发送数据的大小和UE对应的MCS值确定UE所需RB的目标数量，若基于UE所需RB的目标数量和当前剩余RB的数量确定能够一次性调度预估的UE待发送数据的大小，则为UE分配目标数量的RB，以使UE基于目标数量的RB发送数据，由于UE向基站发送VoLTE业务数据以及其它的一些必要的非业务数据(如功率余量报告等数据)时，是承载在PUSCH中发送的，因此，将需要承载在PUSCH发送的数据称为PUSCH数据，而SR是承载在物理上行链路控制信道(英文：Physical Uplink Control Channel，缩写为PUCCH)上，本申请实施例中，在基站接收到UE发送的SR时，先基于接收到SR的时间信息和训练的数据量预测模型预测接下来UE待发送数据的大小，根据预估出的UE待发送数据的大小和UE对应的MCS值预估接下来UE传输数据所需的RB的目标数量，如果基于预估出的UE所需RB的目标数量和基站当前剩余RB的数量确定能够一次性调度完预估的UE待发送数据的大小，则直接为UE分配目标数量的RB，而无需先向UE分配很少的RB，再由UE根据分配的很少的RB向基站发送BSR来申请上行资源，从而，减少了一次上报BSR以及调度该次BSR的时间，可以大大降低UE与基站之间传输VoLTE业务数据的时延，并节省基站的时频资源。

以下结合说明书附图对本申请的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本文中，需要理解的是，本申请所涉及的技术术语中：

1、支持向量模型(英文：Support Vector Regression，缩写为SVR)：是一种非概率性算法，通过使用核函数将数据映射到高维空间，并在该空间上寻找最优的超平面与训练数据之间的间隔最大化，得到了回归模型，与传统回归模型不同，SVR模型将回归问题转化为寻找一个函数逼近真实函数的过程，在实际应用中，可以使用不同的核函数和超参数来调整模型，以得到更好的拟合效果。

SVR模型的原理如下：给定训练样本，训练样本中包括m个样本点{(x

其中，

其中，z＝f(x

在现实任务中，往往很难直接确定合适的ε，确保大部分训练数据都能在间隔带内，而SVR希望所有训练数据都在间隔带内，所以引入松弛变量ξ

满足条件(s.t.)：f(x

ξ

进而进行参数推导，将式(二)引入拉格朗日乘子：μ

将f(x)＝w

c＝α

将上述条件带入

满足条件(s.t.)：

0≤α

α

(c-α

将公式(四)第一项

由KKT条件可以看出，对于每个样本(x

故在训练时，任取一个满足0<α

其中，

本申请实施例提供的上行资源调度方法可应用于4G核心网中，4G核心网主要负责控制面和数据面管理，用于管理UE(也即终端)的接入、负责数据面业务转发和管理。如图1所示，其为本申请实施例提供的上行资源调度方法的一个应用场景示意图，可以包括基站101和UE102，基站101包括基带处理单元(英文：Base Band Unit，缩写为BBU)1011和射频拉远单元(英文：Remote Radio Unit，缩写为RRU)1012，BBU 1011和RRU 1012之间采用光纤传输，RRU 1012用于提供下行信号的发送和上行信号的接收，BBU 1011用于数据处理与存储，负责为UE102提供调度信息，并对UE102发送的信息进行处理，本申请实施例提供的上行资源调度方法主要由BBU 1011执行，UE102接收BBU分配的调度信息，并按照调度信息进行上下线数据的发送与接收。

基于上述应用场景，下面将参照附图2～4更详细地描述本申请的示例性实施例，需要注意的是，上述应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。

如图2所示，其为本申请实施例提供的上行资源调度方法的实施流程示意图，该上行资源调度方法可以应用于上述的基站101中，具体可以包括以下步骤：

S21、基站接收UE发送的SR。

具体实施时，当UE需要向基站发送待发送数据时，将SR承载在PUCCH发送至基站，SR用于向基站申请上行资源，由于UE向基站发送的数据除了包括VoLTE业务数据外，还可能包括UE自身的一些性能信息如功率余量报告等非业务数据，并且，VoLTE业务数据不仅包括VoLTE语音业务数据，还可能包括文本数据、图片数据等其它数据，由于UE向基站发送VoLTE业务数据和其它的一些非业务数据时，是承载在PUSCH中发送的，因此，本申请中，将需要承载在PUSCH发送的数据统称为PUSCH数据，则待发送数据可称为待发送PUSCH数据。

S22、将接收到SR的时间信息发送至数据量预测模型中，得到预估的UE待发送数据的大小。

其中，数据量预测模型是基于设定时间段内接收到SR的时间信息以及在接收下一次SR之前接收到的PUSCH数据的大小信息按照预设的机器学习模型进行训练获得的，由于UE每次在向基站发送SR后至向基站发送下一次SR之前的时间段内向UE发送的PUSCH数据量不同，呈现一定的规律性，本申请实施例采用预设的机器学习模型进行训练，学习基站接收到UE发送的SR时，直至接收到UE发送的下一次SR之前、UE向基站发送PUSCH数据量的规律，也即：根据基站当前接收到UE发送的SR的时间信息预测基站在下一次接收到该UE发送的SR之前，UE向基站发送的PUSCH数据的大小，其中，预设的机器学习模型可以但不限于采用支持向量回归模型，也可以采用其他任意的机器学习模型，如随机森林、决策树等，本申请实施例对此不作限定。

具体实施时，由于不同UE自身属性不同，且向基站发送数据的规律不同，因此，为了提高数据量预测模型的预测准确度，可针对不同的UE训练各自对应的数据量预测模型，针对任一UE，其对应的数据量预测模型是基站基于设定时间段内接收到该UE发送的SR的时间信息以及在接收到下一次该UE发送的SR之前接收到的该UE发送的PUSCH数据的大小信息按照SVR模型进行训练获得的，其中设定时间段为指定的历史时间段，可根据需求自行进行设置，例如可设置为前一周、前一个月等，本申请实施例对此不作限定。

在实施时，可按照如图3所示的流程训练获得数据量预测模型，包括以下步骤：

S31、获取设定时间段内接收到UE发送的各个SR的时间信息、接收到UE发送的PUSCH数据的时间信息和PUSCH数据的大小信息。

具体实施时，针对任一UE，基站可根据该UE的历史数据构建训练样本，获取设定时间段内接收到UE发送的各个SR的时间信息、接收到UE发送的PUSCH数据的时间信息和PUSCH数据的大小信息。例如，基站可获取前一周内UE发送的所有SR的时间信息、每次接收到UE发送的PUSCH数据的时间信息和PUSCH数据的大小信息。

S32、基于接收到UE发送的每两个相邻的SR的时间信息、以及每两个相邻的SR之间UE发送的各个PUSCH数据的大小信息，分别确定在接收到UE发送的每一SR与下一SR之间接收到的UE发送的PUSCH数据的累计大小。

具体实施时，统计基站接收到UE发送的每两个相邻的SR之间UE每次向基站发送的PUSCH数据的累计大小。

S33、将接收到UE发送的每一SR的时间和在与下一SR之间接收到的UE发送的PUSCH数据的累计大小确定为各个样本点。

具体实施时，基站获得设定时间段内接收到UE发送的SR的时间信息并确定在设定时间段内每两个相邻的SR之间UE向基站发送的PUSCH数据的累计大小之后，可以先滤除部分异常数据，例如，UE向基站发送的一个SR与UE向基站发送的下一SR之间UE向基站发送的PUSCH数据的累计大小明显过高，如大于每两个相邻的SR之间UE向基站发送的PUSCH数据的累计大小均值的预设倍数或者大于预设阈值，其中，预设倍数可以设置为2倍，预设阈值可根据经验值自行进行设定，一般的VoLTE语音业务数据不会超过500字节，可以设置预设阈值为500字节，本申请实施例对此不作限定，可将UE向基站发送的该SR的时间信息、UE向基站发送的一个SR与UE向基站发送的下一SR之间UE向基站发送的PUSCH数据的累计大小作为异常数据滤除，不作为样本点，根据滤除了异常数据后的基站在设定时间段内接收到UE发送的SR的时间信息和在设定时间段内每两个相邻的SR之间UE向基站发送的PUSCH数据的累计大小构建训练样本{(x

S34、基于各个样本点对支持向量回归模型进行训练，得到训练后的数据量预测模型。

具体实施时，在获取各个样本点(x

S23、基于预估的UE待发送数据的大小和UE对应的MCS值确定UE所需RB的目标数量。

具体实施时，可按照如图4所示的流程确定UE所需RB的目标数量，包括以下步骤：

S41、基于预设的MCS值与传输块大小的对应关系，确定UE对应的MCS值对应的第一传输块大小。

具体实施时，不同的运营商采用不同的算法计算为UE分配的MCS值，例如，可根据UE的向基站上报的信噪比确定为UE分配的MCS值，基站可预先存储预设的信噪比与MCS值的对应关系，当基站接收UE发送的SR并得到预估的UE待发送PUSCH数据后，可以通过以下方式获得UE当前对应的MCS值：基于UE上报的信噪比信息和预设的信噪比与MCS值的对应关系，确定UE上报的信噪比对应的MCS值。

在LTE-3GPP-36213协议的第7.1.7节介绍了调制阶数与传输块大小的确定(英文：Modulation order and transport block size determination)，如表1所示，为PDSCH(英文：Physical Downlink Shared Channel，物理下行链路共享信道)调制和TBS(英文：Transport Block Size，传输块大小)索引(英文：Index)表，其记录了MCS值(也即MCS索引I

表1

/>

在实施时，可查询表1中预设的MCS值与传输块大小的对应关系，确定UE对应的MCS值对应的传输块大小，可记为第一传输块大小，也即查询I

S42、基于预设的传输块大小与RB数量的对应关系确定第一传输块大小对应的各个第一RB数量。

具体实施时，在LTE-3GPP-36213协议的第7.1.7节中设定了传输块大小TBS(也即TBS索引I

表2

/>

/>

具体地，当确定UE对应的MCS值对应的第一传输块大小(第一I

S43、基于各个第一RB数量对应的第一数据量大小的对应关系，选择大于或者等于预估的UE待发送数据的大小的第一数据量。

具体实施时，可基于各个第一RB数量对应的第一数据量大小的对应关系，选择大于或者等于预估的UE待发送数据的大小、且与预估的UE待发送数据的大小最接近的第一数据量。

S44、将选择的第一数据量对应的第一RB数量确定为UE所需RB的目标数量。

下面列举一个实例进行说明，假设第一I

S24、若基于UE所需RB的目标数量和当前剩余RB的数量确定能够一次性调度预估的UE待发送数据的大小，则为UE分配目标数量的RB，以使UE基于目标数量的RB发送数据。

具体实施时，当预估出UE所需RB的目标数量后，基站将该目标数量与当前剩余的未分配的RB的数量进行比较，如果当前剩余RB的数量大于或者等于该目标数量，则确定能够一次性调度预估的UE待发送数据的大小，如果当前剩余RB的数量小于该目标数量，则确定不能一次性调度预估的UE待发送数据的大小。

若确定能够一次性调度预估的UE待发送数据的大小，则为UE分配目标数量的RB，将目标数量的RB和步骤S41中确定的UE对应的MCS值通过向UE发送上行授权下行链路控制信息(DCI0)返回至UE，其中，上行授权DCI0承载在物理下行链路控制信道(英文：PhysicalDownlink Control Channel，缩写为PDCCH)中发送至UE的，进而，UE即可根据基站分配的RB和MCS值将实际的待发送数据承载在PUSCH信道中发送至基站，而无需再次向基站发送BSR再次申请上行资源：RB和MCS值。

在一种实施方式中，若基于UE所需RB的目标数量和当前剩余RB的数量确定不能一次性调度预估的UE待发送数据的大小，则为UE分配预设数量的RB，以使UE基于预设数量的RB发送BSR。

具体实施时，如果当前剩余RB的数量小于目标数量，则为UE分配预设数量的RB，其中，预设数量可以根据实际需求自行设置，确保分配的预设数量的RB可以使得UE发送BSR即可，例如，可设置预设数量为1，本申请实施例对此不作限定，将预设数量的RB和步骤S41中确定的UE对应的MCS值通过向UE发送上行授权下行链路控制信息(DCI0)返回至UE，进而，UE可根据基站分配的RB和MCS值向基站发送BSR，以告知基站UE接下来实际待发送数据的大小，请求基站分配上行资源：RB和MCS值。

本申请实施例提供了的上行资源调度方法，基站接收UE发送的SR，将接收到SR的时间信息发送至数据量预测模型中，得到预估的UE待发送数据的大小，其中，数据量预测模型是基于设定时间段内接收到SR的时间信息以及在接收下一次SR之前接收到的PUSCH数据的大小信息按照支持向量回归模型进行训练获得的，进而，基于预估的UE待发送数据的大小和UE对应的MCS值确定UE所需RB的目标数量，若基于UE所需RB的目标数量和当前剩余RB的数量确定能够一次性调度预估的UE待发送数据的大小，则为UE分配目标数量的RB，以使UE基于目标数量的RB发送数据，本申请实施例中，在基站接收到UE发送的SR时，先基于接收到SR的时间信息和训练的数据量预测模型预测接下来UE待发送数据的大小，根据预估出的UE待发送数据的大小和UE对应的MCS值预估接下来UE传输数据所需的RB的目标数量，如果基于预估出的UE所需RB的目标数量和基站当前剩余RB的数量确定能够一次性调度完预估的UE待发送数据的大小，则直接为UE分配目标数量的RB，而无需先向UE分配很少的RB，再由UE根据分配的很少的RB向基站发送BSR来申请上行资源，从而，减少了一次上报BSR以及调度该次BSR的时间，可以大大降低UE与基站之间传输VoLTE业务数据的时延，并节省基站的时频资源，并且，本申请中采用SVR模型训练数据量预测模型，相比于其他模型如神经网络模型等，在样本量较多时，计算速度更快，准确率更高，从而，提高了UE待发送数据量的预测准确率。

基于同一发明构思，本申请实施例还提供了一种上行资源调度装置，由于上述上行资源调度装置解决问题的原理与上述上行资源调度方法相似，因此上述装置的实施可以参见方法的实施，重复之处不再赘述。

如图5所示，其为本申请实施例提供的上行资源调度装置的结构示意图，可以包括：

接收单元51，用于接收用户设备UE发送的调度请求SR；

预测单元52，用于将接收到所述SR的时间信息发送至数据量预测模型中，得到预估的所述UE待发送数据的大小，其中，所述数据量预测模型是基于设定时间段内接收到SR的时间信息以及在接收下一次SR之前接收到的物理上行链路共享信道PUSCH数据的大小信息按照预设的机器学习模型进行训练获得的；

确定单元53，用于基于所述预估的所述UE待发送数据的大小和所述UE对应的调制与编码策略MCS值确定所述UE所需资源块RB的目标数量；

分配单元54，用于若基于所述UE所需RB的目标数量和当前剩余RB的数量确定能够一次性调度所述预估的所述UE待发送数据的大小，则为所述UE分配所述目标数量的RB，以使所述UE基于所述目标数量的RB发送数据。

在一种实施方式中，所述分配单元54，还用于若基于所述UE所需RB的目标数量和当前剩余RB的数量确定不能一次性调度所述预估的所述UE待发送数据的大小，则为所述UE分配预设数量的RB，以使所述UE基于所述预设数量的RB发送缓冲状态报告BSR。

在一种实施方式中，所述确定单元53，具体用于基于预设的MCS值与传输块大小的对应关系，确定所述UE对应的MCS值对应的第一传输块大小；基于预设的传输块大小与RB数量的对应关系确定所述第一传输块大小对应的各个第一RB数量；基于所述各个第一RB数量对应的第一数据量大小的对应关系，选择大于或者等于所述预估的所述UE待发送数据的大小的第一数据量；将选择的所述第一数据量对应的第一RB数量确定为所述UE所需RB的目标数量。

在一种实施方式中，所述确定单元53，具体用于通过以下方式获得所述UE对应的MCS值：基于所述UE上报的信噪比信息和预设的信噪比与MCS值的对应关系，确定所述UE上报的信噪比对应的MCS值。

在一种实施方式中，所述预设的机器学习模型包括支持向量回归模型；所述装置，还包括：

训练单元，用于通过以下步骤进行训练获得所述数据量预测模型：获取设定时间段内接收到所述UE发送的各个SR的时间信息、接收到所述UE发送的PUSCH数据的时间信息和所述PUSCH数据的大小信息；基于接收到所述UE发送的每两个相邻的SR的时间信息、以及所述每两个相邻的SR之间所述UE发送的各个PUSCH数据的大小信息，分别确定在接收到所述UE发送的每一SR与下一SR之间接收到的所述UE发送的PUSCH数据的累计大小；将接收到所述UE发送的每一SR的时间和在与下一SR之间接收到的所述UE发送的PUSCH数据的累计大小确定为各个样本点；基于所述各个样本点对支持向量回归模型进行训练，得到训练后的所述数据量预测模型。

基于同一技术构思，本申请实施例还提供了一种电子设备600，参照图6所示，电子设备600用于实施上述方法实施例记载的上行资源调度方法，该实施例的电子设备600可以包括：存储器601、处理器602以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如上行资源调度程序。所述处理器执行所述计算机程序时实现上述各个上行资源调度方法实施例中的步骤。

本申请实施例中不限定上述存储器601、处理器602之间的具体连接介质。本申请实施例在图6中以存储器601、处理器602之间通过总线603连接，总线603在图6中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。所述总线603可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器601可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器601也可以是非易失性存储器(non-volatilememory)，例如只读存储器，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)、或者存储器601是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器601可以是上述存储器的组合。

处理器602，用于实现本申请实施例提供的上行资源调度方法。

本申请实施例还提供了一种计算机可读存储介质，存储为执行上述处理器所需执行的计算机可执行指令，其包含用于执行上述处理器所需执行的程序。

在一些可能的实施方式中，本申请提供的上行资源调度方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使所述电子设备执行本说明书上述描述的根据本申请各种示例性实施方式的上行资源调度方法中的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。