CN104618045B - 基于采集数据的无线信道传播模型的建立方法和系统 - Google Patents
基于采集数据的无线信道传播模型的建立方法和系统 Download PDFInfo
- Publication number
- CN104618045B CN104618045B CN201510041414.3A CN201510041414A CN104618045B CN 104618045 B CN104618045 B CN 104618045B CN 201510041414 A CN201510041414 A CN 201510041414A CN 104618045 B CN104618045 B CN 104618045B
- Authority
- CN
- China
- Prior art keywords
- channel
- zone
- information
- test zone
- ignorance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明实施例提供了一种基于采集数据的无线信道传播模型的建立方法和系统。该方法主要包括:通过信息采集系统采集测试区域的信道信息,所述信息采集系统包括地理信息系统;利用分布式计算系统对所述测试区域的信道信息进行无线信道分析处理,得到所述测试区域的无线信道传播模型;根据所述测试区域的无线信道传播模型,构建所述测试区域的地理环境信息与无线信道特性信息之间的相关关系。本发明实施例通过利用海量数据进行数据挖掘,通过分布式计算系统对海量的信道相关数据进行无线信道分析处理,分析海量的信道相关数据中的相关关系,得到测试区域的无线信道传播模型,提高了无线信道传播模型和无线信道预测的精准性。
Description
技术领域
本发明涉及无线信道模型技术领域,尤其涉及一种基于采集数据的无线信道传播模型的建立方法和系统。
背景技术
任何一个通信系统,信道是必不可少的组成部分。无线信道为典型的“变参信道”,无线信道的特性与传播环境——地形、地物、气候特征、电磁干扰情况、通信体移动速度和使用的频段等密切相关。无线通信系统的通信能力和QoS(Quality of Service,服务质量)、无线通信设备要采用的无线传输技术都与无线信道性能的好坏密切相关。因此,要想在有限的频谱资源上尽可能高质量、大容量传输有用的信息,必须很好地掌握无线信道的特性。
无线信道模型是在对无线传播环境及其传播特性有了充分的了解后,对无线信道的一个抽象描述,它能很好地反映无线传播环境的一些重要性质。无线信道模型的建立主要依赖于信道探测。
目前,现有技术中的建立无线信道传播模型的方法分成三大类:统计性模型、确定性模型和半确定性模型。
统计性模型是基于信道各种统计特性建立的信道模型。在实际传播环境中,存在着大量具有相同或相似传播特性的小区,对这些小区进行实际测量,归纳出信道各种重要的统计特性(如时延扩展、角度扩展等)及信道参数的概率密度分布,利用这些统计信息建立适用范围较广的空间信道模型。统计性模型的典型方法如基于试验测量的冲击响应法,这是一种完全随机的方法。
确定性模型是基于实际环境测量建立的信道模型,它要求得到信道环境的详细信息,其基本思想就是如果传播环境的详细信息可以得到,那么无线传播就可以看成一个确定过程,可以确定空间任一点的各种空时特性。确定性模型主要用于小区规划。确定性模型的实现方法主要基于几何光学和一致性几何绕射理论的射线跟踪技术。
由于统计性模型误差较大而确定性模型复杂性较高,实现较为困难等原因,出现了介于两种模型之间的半确定性模型。半确定性模型的实现主要有两种方法:基于几何统计的信道实现方法和相关矩阵法。
上述现有技术中的建立无线信道传播模型的方法的缺点为:这些方法都是依据电磁波传播的理论分析而得出无线信道模型的建立方法,由于理论分析都要结合一些简化条件,而实际移动传播环境是千变万化的,这就限制了这些方法的理论结果的应用范围。并且这些以统计测量为主的建模方法,现场实测,较为费时、费力,并且是针对某个特定环境、单一链路进行的,对高速移动场景下的信道特性和方向性信道特性描述的不够全面准确。比如,统计性模型的缺点是和实际的信道有较大偏差,这是因为模型的各种参数是用各自统计特性随机生成,随机生成的参数和实际测量的参数可能会有比较大的差别。统计性模型主要有李氏模型、离散均匀分布模型、高斯广义稳态非相关散射模型等。
从另一方面来看,这些现有的信道模型的建立方法需要充分挖掘接收端和发射端的因果关系。其基本原理是采集接收端和发射端的信号,通过分析接收信号和发射信号,建立收发两端的因果关系。由于采集的样本有限,而且基于假设条件,得到的结果会受偏见的影响。而且,这个因果关系的得到耗费巨大。在小数据时代,由于计算机能力的不足,大部分的分析仅限于寻求简单的线性关系。比如基于几何统计法的缺点:由于大量随机参数的存在,需要大量仿真来获得足够和准确的统计特性。模型是基于片段的,它不能对信道特性动态变化的信道进行建模。
发明内容
本发明的实施例提供了一种基于采集数据的无线信道传播模型的建立方法和系统,以实现有效地建立测试区域的无线信道传播模型。
根据本发明的一个方面,提供了一种基于采集数据的无线信道传播模型的建立方法,包括:
通过信息采集系统采集测试区域的信道信息,所述信息采集系统包括地理信息系统;
利用分布式计算系统对所述测试区域的信道信息进行无线信道分析处理,得到所述测试区域的无线信道传播模型;
根据所述测试区域的无线信道传播模型,构建所述测试区域的地理环境信息与无线信道特性信息之间的相关关系。
优选地,所述通过信息采集系统采集测试区域的信道信息,所述信息采集系统包括地理信息系统,包括:
通过地理信息系统获取所述测试区域的地理信息,将所述测试区域的地理信息传输给数据汇聚系统;
通过用户反馈系统采集所述测试区域中的用户的信道相关信息,将用户的信道相关信息传输给数据汇聚系统;
将测试区域划分为多个单位区域,根据单位区域内用户的密集度和单位区域信道测量的精度要求设置该单位区域内的传感器的数目,通过传感器采集单位区域的信道相关信息,将各个单位区域的信道相关信息传输给数据汇聚系统;
所述数据汇聚系统对接收到的测试区域的地理信息、用户的信道相关信息和各个单位区域的信道相关信息进行预处理后再进行数据融合处理,得到所述测试区域的信道信息。
优选地,所述利用分布式计算系统对所述测试区域的信道信息进行无线信道分析处理,得到所述测试区域的无线信道传播模型,包括:
所述数据汇聚系统将所述测试区域的信道信息传输给分布式计算系统中的Hadoop集群,通过所述Hadoop集群中的分布式计算模型Map reduce对所述测试区域的信道信息进行分布式存储、索引、分析处理,构建出所述测试区域的无线信道传播模型,将所述测试区域的无线信道传播模型存储到基于Hadoop集群的Hbase数据库中,所述Hbase数据库为用户提供无线信道传播模型的查询服务。
优选地,所述根据所述测试区域的无线信道传播模型,构建所述测试区域的地理环境信息与无线信道特性信息之间的相关关系,包括:
根据所述测试区域的无线信道传播模型获取所述测试区域中每个位置点的信道信息;
根据所述测试区域的全部地理环境信息,将所述测试区域划分为多个具有代表性的参考地形块,将每个参考地形块中每个位置点的信道信息进行综合,得到每个参考地形块对应的信道特征;
将所述测试区域中的每个参考地形块对应的信道特征存储在参考信道信息数据库中。
优选地,所述根据所述测试区域的全部地理环境信息,将所述测试区域划分为多个具有代表性的参考地形块,包括:
将所述测试区域的立体地形地貌在水平面上做投影,将三维的地形地貌转化为二维的投影区域,所述投影区域中每个投影点的颜色深度值表示所述投影点在三维的地形地貌中对应的高度;
将所述投影区域划分为多个区域块,每个区域块中的所有投影点的颜色深度值在一定范围内,获取每个区域块在三维的地形地貌中对应的参考地形块,从而将所述测试区域划分为多个具有代表性的参考地形块。
优选地,所述的方法还包括:
根据未知区域的全部地理环境信息,将所述未知区域划分为多个具有代表性的匹配地形块,将所述未知区域中的匹配地形块与所述测试区域中的参考地形块进行地理特征匹配;
当所述未知区域中的某个匹配地形块和所述测试区域中的某个参考地形块的地理特征匹配成功后,将所述参考信道信息数据库中存储的所述某个参考地形块对应的信道特征确定为所述未知区域中的某个匹配地形块对应的信道特征;
将所述未知区域中各个匹配地形块对应的信道特征进行综合,得到所述未知区域的无线信道传播模型。
优选地,所述的根据未知区域的全部地理环境信息,将所述未知区域划分为多个具有代表性的匹配地形块,包括:
从地域信道模型数据库中提取出了有限个已知地理信息的基本单元,从所述有限个基本单元中选取一组基本单元,根据设定的叠加权重系数将所述一组基本单元进行叠加,合成出一个新单元;
判断所述新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,如果是,则将所述未知区域划分为所述一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块;否则,重新选取新的一组基本单元,根据设定的叠加权重系数将所述新的一组基本单元进行叠加,合成出一个新单元,判断所述重新合成的新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值;
重复执行上述处理过程,直到新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,将所述未知区域划分为所述新单元中的一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块。
根据本发明的另一方面,提供了一种基于采集数据的无线信道传播模型的建立系统,包括:
信息采集系统,用于采集测试区域的信道信息,包括地理信息系统;
无线信道分析单元,用于利用分布式计算系统对所述测试区域的信道信息进行无线信道分析处理,得到所述测试区域的无线信道传播模型;
参考信道特性构建模块,用于根据所述测试区域的无线信道传播模型,构建所述测试区域的地理环境信息与无线信道特性信息之间的相关关系。
优选地,所述信息采集系统包括:
地理信息系统,用于获取所述测试区域的地理信息,将所述测试区域的地理信息传输给数据汇聚系统;
用户反馈系统,用于采集所述测试区域中的用户的信道相关信息,将用户的信道相关信息传输给数据汇聚系统;
传感器采集系统,用于将测试区域划分为多个单位区域,根据单位区域内用户的密集度和单位区域信道测量的精度要求设置该单位区域内的传感器的数目,通过传感器采集单位区域的信道相关信息,将各个单位区域的信道相关信息传输给数据汇聚系统;
数据汇聚系统,用于对接收到的测试区域的地理信息、用户的信道相关信息和各个单位区域的信道相关信息进行预处理后再进行数据融合处理,得到所述测试区域的信道信息。
优选地,所述的无线信道分析单元,用于通过分布式计算系统中的Hadoop集群接收所述数据汇聚系统传输过来的测试区域的信道信息,通过所述Hadoop集群中的分布式计算模型Map reduce对所述测试区域的信道信息进行分布式存储、索引、分析处理,构建出所述测试区域的无线信道传播模型,将所述测试区域的无线信道传播模型存储到基于Hadoop集群的Hbase数据库中,所述Hbase数据库为用户提供无线信道传播模型的查询服务。
优选地,所述的参考信道特性构建模块,用于根据所述测试区域的无线信道传播模型获取所述测试区域中每个位置点的信道信息;
根据所述测试区域的全部地理环境信息,将所述测试区域划分为多个具有代表性的参考地形块,将每个参考地形块中每个位置点的信道信息进行综合,得到每个参考地形块对应的信道特征;
将所述测试区域中的每个参考地形块对应的信道特征存储在参考信道信息数据库中。
优选地,所述的参考信道特性构建模块,用于将所述测试区域的立体地形地貌在水平面上做投影,将三维的地形地貌转化为二维的投影区域,所述投影区域中每个投影点的颜色深度值表示所述投影点在三维的地形地貌中对应的高度;
将所述投影区域划分为多个区域块,每个区域块中的所有投影点的颜色深度值在一定范围内,获取每个区域块在三维的地形地貌中对应的参考地形块,从而将所述测试区域划分为多个具有代表性的参考地形块。
优选地,所述的系统还包括:
未知区域无线信道传播模型获取单元,用于根据未知区域的全部地理环境信息,将所述未知区域划分为多个具有代表性的匹配地形块,将所述未知区域中的匹配地形块与所述测试区域中的参考地形块进行地理特征匹配;
当所述未知区域中的某个匹配地形块和所述测试区域中的某个参考地形块的地理特征匹配成功后,将所述参考信道信息数据库中存储的所述某个参考地形块对应的信道特征确定为所述未知区域中的某个匹配地形块对应的信道特征;
将所述未知区域中各个匹配地形块对应的信道特征进行综合,得到所述未知区域的无线信道传播模型。
优选地,所述的未知区域无线信道传播模型获取单元,用于从地域信道模型数据库中提取出了有限个已知地理信息的基本单元,从所述有限个基本单元中选取一组基本单元,根据设定的叠加权重系数将所述一组基本单元进行叠加,合成出一个新单元;
判断所述新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,如果是,则将所述未知区域划分为所述一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块;否则,重新选取新的一组基本单元,根据设定的叠加权重系数将所述新的一组基本单元进行叠加,合成出一个新单元,判断所述重新合成的新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值;
重复执行上述处理过程,直到新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,将所述未知区域划分为所述新单元中的一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例通过利用地理信息系统、用户反馈系统和传感器采集系统采集海量的信道相关数据,利用海量数据进行数据挖掘,通过分布式计算系统对海量的信道相关数据进行无线信道分析处理,分析海量的信道相关数据中的相关关系,得到测试区域的无线信道传播模型。本发明实施例提高无线信道传播模型和无线信道预测的精准性,最终为无线网络的规划优化、通信系统的设计、测试、仿真以及关键技术的选择提供重要的参考依据。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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。
图1为本发明实施例提供的一种基于采集数据的无线信道传播模型的建立方法的实现原理示意图;
图2为本发明实施例提供的一种基于采集数据的无线信道传播模型的建立方法的具体处理流程图;
图3为本发明实施例提供的一种数据预处理的过程示意图;
图4为本发明实施例提供的一种无线信道传播建模中的数据流分析模型示意图;
图5为本发明实施例提供的一种基于Hadoop学习分析分布式计算系统架构示意图;
图6为本发明实施例提供的一种信道信息分析架构示意图;
图7为本发明实施例提供的一种无线信道模型的存储和分析过程示意图;
图8为本发明实施例提供的一种多维数据方示意图;
图9为本发明实施例提供的一种利用得到的信道特性模型去求解地理环境信息中已知区域的无线信道特性信息的方法示意图;
图10为本发明实施例提供的一种交织分割示意图;
图11为本发明实施例提供了一种基于采集数据的无线信道传播模型的建立系统的具体结构图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当本发明实施例称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例本发明的目的:利用海量数据预测无线信道模型。放弃传统无线信道建模中追求的因果关系转而去寻找相互关系,寻找“是什么和将是什么”非“为什么”。具体思路是,放弃以往对输入和输出中“黑匣子”分析,应用大数据的大量性,建立数据库,通过大数据相关匹配获取待估计信道的模型。
本发明实施例提供的一种基于采集数据的无线信道传播模型的建立方法的实现原理示意图如图1所示,具体处理流程如图2所示,包括如下的处理步骤:
步骤S210、通过信息采集系统采集测试区域的信道信息,所述信息采集系统包括地理信息系统。
在本发明实施例的基于大数据技术的无线信道传播模型的构建中,地理信息系统、传感器采集系统和用户反馈系统调用数据汇聚系统的数据采集功能,将采集的数据传输给数据汇聚系统。
通过地理信息系统获取所述测试区域的地理信息,将所述测试区域的地理信息传输给数据汇聚系统。通过用户反馈系统采集所述测试区域中的用户的信道相关信息,将用户的信道相关信息传输给数据汇聚系统;
将测试区域划分为多个单位区域,根据单位区域内用户的密集度和单位区域信道测量的精度要求设置该单位区域内的传感器的数目,通过传感器采集单位区域的信道相关信息,将各个单位区域的信道相关信息传输给数据汇聚系统;
所述数据汇聚系统对接收到的测试区域的地理信息、用户的信道相关信息和各个单位区域的信道相关信息进行预处理后再进行数据融合处理,得到所述测试区域的信道信息。
在传统的信道建模过程中,通过测试车采集得到接收信号,通过信号采样、参数提取最终获得信道响应。传统方法遵循测试——建模——组网的流程。在大数据的背景下,本发明实施例假设待建模区域内的地理信息可以很容易的获得。本发明实施例采用的方法是:小规模组网——数据记录——建模的流程。具体含义如下:假设用户密集分布于同一个覆盖区,同时收集用户的相关信息(例如时间信息、距离信息、角度信息、频偏信息、接收端的信号质量、数据接收速率),建立非线性数据库,数据库示意图如表1所示。为了发掘与位置相关联的底层信息,本发明实施例在此基础上对数据库进一步扩展。根据区域内地貌特征对整个区域分割并编号,建立地理信息数据库,如表2所示。
表1、用户反馈信息
序号 | 用户编号 | 距离 | 到达角 | 离开角 | 频偏 | 通话质量 | 时刻 | 接收功率 | QoS | 吞吐量 | 移动速度 | 信号强度 | 时延 |
1 | A1 | … | … | … | … | … | … | … | … | … | … | … | … |
2 | A2 | … | … | … | … | … | … | … | … | … | … | … | … |
3 | A3 | … | … | … | … | … | … | … | … | … | … | … | … |
4 | A4 | … | … | … | … | … | … | … | … | … | … | … | … |
表2、地理信息
序号 | 位置编号 | 采集时间 | 三维坐标 | 经纬度 | 海拔高度 | 温度 | 建筑物高度 | … |
1 | A1-1 | … | … | … | … | … | … | … |
2 | A1-2 | … | … | … | … | … | … | … |
3 | … | … | … | … | … | … | … | … |
4 | A2-1 | … | … | … | … | … | … | … |
5 | A2-2 | … | … | … | … | … | … | … |
6 |
同时由于传统的信道数据采集中,通常采用流动的测试车采集数据,各种参数是由各自统计特性随机生成,随机生成的参数和实际的参数可能会有比较大的差别,这样采集得到的数据无法分析信道随时间的特性。因此,本发明实施例提出全区域全时段的传感器采集信道信息系统,把测试区域进行地理位置上的划分,在相应的区域内安放传感器。同时根据单位区域用户的密集度和该区域信道测量的精度要求设置传感器的数目,用户密集度高、测量精准度要求高则设置较多的传感器。通过这种方式可以持续的收集整个区域的信道信息(如表3),用于进行信道的随时间的特性分析。
表3、传感器采集信息示意
由于开始收集的一手信息一般是脏的、不完整的和不一致的,这就需要本发明实施例对收集到的信息进行预处理,使之转变为便于存储和质量较好的数据。本发明实施例提供的一种数据预处理的过程示意图如图3所示,数据预处理技术可以改进数据的质量,从而有助于提高后续的数据挖掘过程的精度和性能。由于高质量的分析必然依赖于高质量的数据,因此数据预处理是信道特性发现过程的重要步骤。检测数据异常、尽早地调整数据、并归约待分析的数据,将会给后面的信道分析带来极大的帮助。
同时考虑到数据更新问题,本发明的思路是可把数据划分为可折旧与不可折旧两类。其中对于从数字化地理信息系统中得到的数据因短时间内不会有大的更新,故可暂定为不可折旧类。其中从传感器采集得到的数据根据数据类型确定折旧周期。拟采用预测误差决定折旧周期。这样就解决了整个系统的数据来源及更新问题。
步骤S220、利用分布式计算系统对所述测试区域的信道信息进行无线信道分析处理,得到所述测试区域的无线信道传播模型。
数据汇聚系统将所述测试区域的信道信息传输给分布式计算系统中的Hadoop集群,通过所述Hadoop集群中的分布式计算模型Map reduce对所述测试区域的信道信息进行分布式存储、索引、分析处理,构建出所述测试区域的无线信道传播模型,将所述测试区域的无线信道传播模型存储到基于Hadoop集群的Hbase数据库中,所述Hbase数据库为用户提供无线信道传播模型的查询服务。
为本发明实施例提供的一种无线信道传播建模中的数据流分析模型示意图如图4所示,分布式计算系统从数据汇聚系统中获取数据,并进行分布式计算处理,这些处理包括存储、索引,以及针对不同的数据模型所进行的分布式实时分析技术任务,这些任务可采用Map Reduce计算模型。学习分析与信道模型资源服务同样是基于Map Reduce计算模型的各种针对信道大数据的扩展服务,这些服务可被地理信息系统、传感器采集系统和用户反馈系统调用,用于进行数据的收集预处理。
本发明实施例的基于大数据技术的无线信道建模的方法需要以信道信息大数据的思路来提供服务。方法的关键就在于海量信息分布式存储和分析。无线信道传播模型的建立需要广泛且持续地从各类数字化地理环境信息系统、用户反馈信息系统和传感器采集信息系统中采集数据,这些数据是建立准确模型的关键。
本发明实施例采用可扩展的数据分析模型和算法模块,以满足不断变化的需求。基于大数据建立的无线信道传播模型为无线网络的规划优化、通信系统的设计、测试、仿真以及关键技术的选择提供重要的参考依据。而未来数据驱动的业务特性将使得围绕数据分析的需求不断增大,其中的关键是分析算法,因此需要设计可以按需扩展的算法扩展模块,尤其是面向大数据的并行算法等。
SaaS和PaaS相结合的服务模型
基于大数据技术建立的无线信道传播模型既可以面对信道的研究者,也可以面对信道的使用者。SaaS(Software-as-a-Service)模型和PaaS(Platform-as-a-Service)模型可以分别无线信道模型的研究者和使用者提供无线信道模型学习分析和无线信道模型资源服务。
本发明实施例提供的一种基于Hadoop学习分析分布式计算系统架构如图5所示的,其中的学习分析分布式计算系统是整个服务架构中的关键部分,主要应用Hadoop技术来实现无线信道大数据的处理和存储。Hadoop是一个分布式存储系统,在其上的分布式计算模型Mapreduce支持在计算机集群上以分布式方法处理大型数据集,这种分布式存储和计算模型支持水平、线性扩展。以Hadoop为核心已经形成一个完整的大数据生态系统,包括常用实用程序、分布式文件系统、分析和数据存储平台,以及一个负责管理分布式处理、并行计算、工作流和配置管理工作的应用层。
Sqoop是在SQL(Structured Query Language,结构化查询语言)和Hadoop分布式文件系统(HDFS)质检之间进行数据转换的Apache开源框架工具。关系数据库和Hadoop质检形成互补。对于目前存在的各类无线信息系统,关系数据依然占据重要位置,充分利用这些数据就有可能用到Sqoop。
Flume是一个分布式、可靠、高可用的海量信道信息聚合系统,支持在系统中定制各类数据发送方,用于收集信道数据,且可提供对数据进行简单处理的功能,其主要目标是从应用Hadoop HDFS系统传送实时信道信息数据。因此,各类非结构化的信道信息数据、用户反馈信息等都可以利用此系统进行处理。
在Map Reduce框架中,Ext:DIS是分布式索引与检索扩展(Extend model:Distributed Indexing&Searching),它依据无线信道领域的各种数据模型提供索引和检索功能。Ext:DRC(Extend model:Distributed real-time computing)是分布式实时计算扩展,它针对无线信道中的实时大数据进行分析计算。
E-HDFS框架式无线信道模型大数据存储管理的基础,它基于数据流模式进行访问,主要包括大尺度模型、中等尺度模型和小尺度模型。
Hbase是系统的数据库,也是基于Hadoop,其本身是开源的分布式存储系统,由于信道数据的结构具有多样性的特点,采用Hbase适合存储非结构化数据。
本发明实施例提供的一种信道信息分析架构示意图如图6所示,信道信息的收集对优化无线信道模型至关重要。本发明实施例设计的构架整合一个海量的信道信息收集和分析功能,针对传感器采集信息系统和用户反馈信息系统提供普适的数据汇聚接口,采用Hadoop Pig或Hive和Flume进行大规模的信道信息收集和分析。该功能架构主要包括数据汇集、分析和报表三个模块:在数据汇聚模块中通过传感器采集、用户反馈得到无线信道特性信息,将信道信息发送给Flume代理节点;Flume进而将其发送给Hadoop集群分析,并将结果(信道的特性)存储到Hbase数据库,从而为用户提供查询服务。
系统为海量的信道模型资源提供分布式存储、索引、分析功能。其作用在于提供可靠性的海量存储、快速查询与获取,根据海量信道模型资源进行后台分析,构建信道模型的知识地图,从而提供智能的、有针对性的信道模型服务。本发明实施例提供的一种无线信道模型的存储和分析过程示意图如图7所示,主要流程是:系统先对收集到的新的无线信道信息采用无线信道模型大数据存储模型进行收集预处理,然后分给Hadoop集群进行分析,最后通过Map Reducer模型处理得到结果,即可构建出所需要的无线信道模型。
步骤S230、根据所述测试区域的无线信道传播模型,构建所述测试区域的地理环境信息与无线信道特性信息之间的相关关系。
根据所述测试区域的无线信道传播模型获取所述测试区域中每个位置点的信道信息。根据所述测试区域的全部地理环境信息,将所述测试区域划分为多个具有代表性的参考地形块,将每个参考地形块中每个位置点的信道信息进行综合,得到每个参考地形块对应的信道特征。然后,将所述测试区域中的每个参考地形块对应的信道特征存储在参考信道信息数据库中。
本发明实施例需要构建地理环境信息与无线信道特性信息相关关系数据库,从已测区域的信道模型数据库中,分析并建立地理环境与信道特性的相关关系。将从用户反馈系统、传感器采集系统采集得到的无线信道特性信息与地理环境信息系统进行关联,得到如图8所示的多维数据方示意图。通过对数据方不同维度的分析,可以得到不同的相关关系。以分析信道的空时特性为例,固定除采集时间维度外的维数据,转动“采集时间”维数据,每次转动可得如表4的数据表,分析即可得到信道特性与采集时间的相关关系。通过这种方法,可以构建出全部的地理环境信息与无线信道特性信息的相关关系数据库。
表4、地理环境、信道特性关联数据库示意图
表4中,重点考察地理环境信息与无线信道特性信息中空时特性的相关关系,当然根据考察的侧重点不同也可建立不同的相关关系。
构建地理环境参考信道信息数据库,从已有的相关关系中,通过地理环境上的特性标记出用作参考的信道特性模型,方便快速准确的分析未知区域的信道特性。
解决思路:从已测区域的信道模型数据库中挑选出在地理环境上具有代表性的区域,构建出在地理环境上具有参考依据的“参考信道信息数据库”,并提取出与这部分区域相关的信道特性数据库。同时可以根据预测精度的需要调整代表区域的大小,精度越高则划分区域的范围就越小。
解决方案:
1、前提条件:本发明实施例已知测试区域所有点的信道信息(这样在以后的分割中不会出现分割块无对应的信道信息),同时测试区域的全部地理环境信息已知(对区域进行碎片化的前提)
2、本发明实施例提供的一种地形地貌的量化处理过程包括:考虑到地理环境信息的差异绝大多数是体现在高度上(暂未考虑镂空情况),因此把地形地貌在水平面上做投影,这样三维转化为二维(以投影颜色的深度区分高度的变化)。
3、把区域按一定大小(取决于分析的精度的需求和采集数据的精度)分割并按照高度信息进行量化(量化间隔取决于分析的精度的需求)。这样每个分割块就对应了一个颜色(颜色深度表示高度)对应一个量化数。剩下的工作就是从这些所有的颜色中找出几种基本颜色(如RGB)来调制整幅图片。
4、参考RGB色彩模式,使用RGB模型为图像中每一个像素的RGB分量分配一个0~255范围内的强度值。RGB图像只使用三种颜色,就可以使它们按照不同的比例混合,在屏幕上呈现16777216(256*256*256)种颜色。当然考虑到数据的多样性和数据的庞大,本发明实施例可以增加基色的个数,用于提高分析的精准性。(具体的数量级可扩展为(28)N,其中N为使用的基色数量。)
通过4中的分析,本发明实施例可以得到用于表征全部地貌的参考地形块,将这些地形块和其对应的无线信道特性信息构建成一个新的“参考信道信息数据库”。
步骤S240、基于区域地理特征匹配的方法,利用已知区域的信道模型分析求解未知区域的信道模型。
根据未知区域的全部地理环境信息,将所述未知区域划分为多个具有代表性的匹配地形块,将所述未知区域中的匹配地形块与所述测试区域中的参考地形块进行地理特征匹配。
当所述未知区域中的某个匹配地形块和所述测试区域中的某个参考地形块的地理特征匹配成功后,将所述参考信道信息数据库中存储的所述某个参考地形块对应的信道特征确定为所述未知区域中的某个匹配地形块对应的信道特征。
将所述未知区域中各个匹配地形块对应的信道特征进行综合,得到所述未知区域的无线信道传播模型。
所述的根据未知区域的全部地理环境信息,将所述未知区域划分为多个具有代表性的匹配地形块,包括:从地域信道模型数据库中提取出了有限个已知地理信息的基本单元,从所述有限个基本单元中选取一组基本单元,根据设定的叠加权重系数将所述一组基本单元进行叠加,合成出一个新单元;
判断所述新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,如果是,则将所述未知区域划分为所述一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块;否则,重新选取新的一组基本单元,根据设定的叠加权重系数将所述新的一组基本单元进行叠加,合成出一个新单元,判断所述重新合成的新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值;
重复执行上述处理过程,直到新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,将所述未知区域划分为所述新单元中的一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块。
本发明实施例利用已知区域信道模型分析求解未知区域信道模型的方法,本发明实施例提供的一种利用得到的信道特性模型去求解地理环境信息中已知区域的无线信道特性信息的方法示意图如图9所示,主要包括:挑选出地理环境上具有代表性的已知区域,如城市、平原、丘陵等地形,作为地理环境分割的参考。把未知区域进行地理区域上的划分,用这些已知区域的特征地形去匹配未知区域地形特征,这样未知区域在地形上就被已知区域匹配出来了,利用数据中已知区域和未知区域之间的信道特性与地形的相关关系,就可以得到该未知区域的信道特新信息,完成信道特性的分析。
未知区域碎片化
当面对一个新的未知区域时,假定该区域的地理环境信息很容易的可以获取。按照预测精度的需求参考已有的“参考信道信息数据库”对其进行地理环境上的分割,这样该区域就变成相对较小的区域块。若想精确分析某块区域的信道特性,则可以继续对该区域块进行再次划分,直至达到需要的精准度为止。
另一方面,考虑要求取区域分割线上的信道特性问题。本发明实施例给出的解决方案是:采用交织分割的方案,本发明实施例提供的一种交织分割示意图如图10所示,具体的就是,若要重点的区域恰巧处于分割线上则重复分割过程,不过在分割线的选取上时,选取与原分割线相交45°的方向进行。未知区域碎片的匹配,图10中,实线为原分割线,虚线为交织分割线。
将未知区域的区域块用已有的基本标准单元进行替代。本发明实施例给出的一种未知区域迭代的处理过程如下:
从已知地理信息的地域信道模型数据库中,提取出了有限个(不妨设为400个)在地理环境上有特性的基本单元,把这400个基本单元标记为S[i],i=0…399。
把未知区域分割成在地理范围上与基本单元相同大小。不妨把这个未知区域块标记为T。这样就变成:如何从这400个基本单元中,选取一组单元组合S[k],通过叠加的办法,合成出一个新的单元,而这个新的单元,应当与随机选择的未知区域块T尽可能相似,同时,S[k]的数量尽可能少。用数学的语言来描述,就是:Sum_K(a[k]*S[k])→T,其中a[k]是在叠加S[k]时的权重系数。
重复迭代的过程,每次迭代分两步:
选择一组S[k],然后调整a[k],使得Sum_K(a[k]*S[k])最接近T。
固定住a[k],在400个碎片中,选择其它更合适的碎片S′[k],替代原先的S[k],使得Sum_K(a[k]*S[k])最接近T。
经过几次迭代后,最佳的S[k]组合,被选出来了。
未知区域碎片的重组
重复求解,则未知区域上的全部分块就可用已有的基本单元替代,这样未知区域在地理环境上被已有的地理模型匹配出来,利用这些地理模型与信道特性的相关关系,继而可以得到该未知区域上的信道特性,建立出该未知区域的信道特性模型。
已有数据库的扩充和更新
将新得到的未知区域的信道特性模型与已有的数据库进行比较(考虑是否处于置信区间内)考虑经验风险,如差异在允许的范围内,则将得到的新的信道特性模型更新到已有的数据库中。同时这部分数据参与到更新“参考信道信息数据库”的过程中。
通过以上建立的循环,数据库不断的接纳新产生的数据、更新旧数据、完成自我学习,随着建立的数据库不断增大,精准度会不断提高,将会更好的帮助我们预测信道完成为无线网络的规划优化、通信系统的设计、测试、仿真以及关键技术的选择提供重要的参考依据的任务。
本发明实施例提供了一种基于采集数据的无线信道传播模型的建立系统,其具体结构如图11所示,包括:
信息采集系统1,用于采集测试区域的信道信息,包括地理信息系统;
无线信道分析单元2,用于利用分布式计算系统对所述测试区域的信道信息进行无线信道分析处理,得到所述测试区域的无线信道传播模型;
参考信道特性构建模块3,用于根据所述测试区域的无线信道传播模型,构建所述测试区域的地理环境信息与无线信道特性信息之间的相关关系。
进一步地,所述信息采集系统1包括:
地理信息系统11,用于获取所述测试区域的地理信息,将所述测试区域的地理信息传输给数据汇聚系统;
用户反馈系统12,用于采集所述测试区域中的用户的信道相关信息,将用户的信道相关信息传输给数据汇聚系统;
传感器采集系统13,用于将测试区域划分为多个单位区域,根据单位区域内用户的密集度和单位区域信道测量的精度要求设置该单位区域内的传感器的数目,通过传感器采集单位区域的信道相关信息,将各个单位区域的信道相关信息传输给数据汇聚系统;
数据汇聚系统14,用于对接收到的测试区域的地理信息、用户的信道相关信息和各个单位区域的信道相关信息进行预处理后再进行数据融合处理,得到所述测试区域的信道信息。
进一步地,所述的无线信道分析单元2,用于通过分布式计算系统中的Hadoop集群接收所述数据汇聚系统传输过来的测试区域的信道信息,通过所述Hadoop集群中的分布式计算模型Map reduce对所述测试区域的信道信息进行分布式存储、索引、分析处理,构建出所述测试区域的无线信道传播模型,将所述测试区域的无线信道传播模型存储到基于Hadoop集群的Hbase数据库中,所述Hbase数据库为用户提供无线信道传播模型的查询服务。
进一步地,所述的参考信道特性构建模块3,用于根据所述测试区域的无线信道传播模型获取所述测试区域中每个位置点的信道信息;
根据所述测试区域的全部地理环境信息,将所述测试区域划分为多个具有代表性的参考地形块,将每个参考地形块中每个位置点的信道信息进行综合,得到每个参考地形块对应的信道特征;
将所述测试区域中的每个参考地形块对应的信道特征存储在参考信道信息数据库中。
进一步地,所述的参考信道特性构建模块3,用于将所述测试区域的立体地形地貌在水平面上做投影,将三维的地形地貌转化为二维的投影区域,所述投影区域中每个投影点的颜色深度值表示所述投影点在三维的地形地貌中对应的高度;
将所述投影区域划分为多个区域块,每个区域块中的所有投影点的颜色深度值在一定范围内,获取每个区域块在三维的地形地貌中对应的参考地形块,从而将所述测试区域划分为多个具有代表性的参考地形块。
进一步地,所述的系统还包括:
未知区域无线信道传播模型获取单元4,用于根据未知区域的全部地理环境信息,将所述未知区域划分为多个具有代表性的匹配地形块,将所述未知区域中的匹配地形块与所述测试区域中的参考地形块进行地理特征匹配;
当所述未知区域中的某个匹配地形块和所述测试区域中的某个参考地形块的地理特征匹配成功后,将所述参考信道信息数据库中存储的所述某个参考地形块对应的信道特征确定为所述未知区域中的某个匹配地形块对应的信道特征;
将所述未知区域中各个匹配地形块对应的信道特征进行综合,得到所述未知区域的无线信道传播模型。
进一步地,所述的未知区域无线信道传播模型获取单元4,用于从地域信道模型数据库中提取出了有限个已知地理信息的基本单元,从所述有限个基本单元中选取一组基本单元,根据设定的叠加权重系数将所述一组基本单元进行叠加,合成出一个新单元;
判断所述新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,如果是,则将所述未知区域划分为所述一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块;否则,重新选取新的一组基本单元,根据设定的叠加权重系数将所述新的一组基本单元进行叠加,合成出一个新单元,判断所述重新合成的新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值;
重复执行上述处理过程,直到新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,将所述未知区域划分为所述新单元中的一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块。
用本发明实施例的系统进行基于采集数据的无线信道传播模型的建立的具体过程与前述方法实施例类似,此处不再赘述。
综上所述,本发明实施例通过利用地理信息系统、用户反馈系统和传感器采集系统采集海量的信道相关数据,利用海量数据进行数据挖掘,通过分布式计算系统对海量的信道相关数据进行无线信道分析处理,分析海量的信道相关数据中的相关关系,得到测试区域的无线信道传播模型。本发明实施例提高无线信道传播模型和无线信道预测的精准性,最终为无线网络的规划优化、通信系统的设计、测试、仿真以及关键技术的选择提供重要的参考依据。
本发明实施例通过根据已知区域的无线信道传播模型构建参考信道信息数据库,将未知区域的匹配地形块与测试区域中的参考地形块进行地理特征匹配,实现了利用已知区域的信道模型分析求解未知区域的信道模型。改进了以往求解信道特性的方法,简化了求解输入输出两端的因果关系的过程,改进了以往模型应用的局限性,通过不断的数据采集、数据挖掘,对信道的预测精度会有持续提高,应用场景也会不断扩展,本发明实施例的无线信道传播模型的建立具有自主完善性。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (12)
1.一种基于采集数据的无线信道传播模型的建立方法,其特征在于,包括:
通过信息采集系统采集测试区域的信道信息,所述信息采集系统包括地理信息系统;
利用分布式计算系统对所述测试区域的信道信息进行无线信道分析处理,得到所述测试区域的无线信道传播模型;
根据所述测试区域的无线信道传播模型,构建所述测试区域的地理环境信息与无线信道特性信息之间的相关关系;
所述通过信息采集系统采集测试区域的信道信息,所述信息采集系统包括地理信息系统,包括:
通过地理信息系统获取所述测试区域的地理信息,将所述测试区域的地理信息传输给数据汇聚系统;
通过用户反馈系统采集所述测试区域中的用户的信道相关信息,将用户的信道相关信息传输给数据汇聚系统;
将测试区域划分为多个单位区域,根据单位区域内用户的密集度和单位区域信道测量的精度要求设置该单位区域内的传感器的数目,通过传感器采集单位区域的信道相关信息,将各个单位区域的信道相关信息传输给数据汇聚系统;
所述数据汇聚系统对接收到的测试区域的地理信息、用户的信道相关信息和各个单位区域的信道相关信息进行预处理后再进行数据融合处理,得到所述测试区域的信道信息。
2.根据权利要求1所述的基于采集数据的无线信道传播模型的建立方法,其特征在于,所述利用分布式计算系统对所述测试区域的信道信息进行 无线信道分析处理,得到所述测试区域的无线信道传播模型,包括:
所述数据汇聚系统将所述测试区域的信道信息传输给分布式计算系统中的Hadoop集群,通过所述Hadoop集群中的分布式计算模型Map reduce对所述测试区域的信道信息进行分布式存储、索引、分析处理,构建出所述测试区域的无线信道传播模型,将所述测试区域的无线信道传播模型存储到基于Hadoop集群的Hbase数据库中,所述Hbase数据库为用户提供无线信道传播模型的查询服务。
3.根据权利要求1或2所述的基于采集数据的无线信道传播模型的建立方法,其特征在于,所述根据所述测试区域的无线信道传播模型,构建所述测试区域的地理环境信息与无线信道特性信息之间的相关关系,包括:
根据所述测试区域的无线信道传播模型获取所述测试区域中每个位置点的信道信息;
根据所述测试区域的全部地理环境信息,将所述测试区域划分为多个具有代表性的参考地形块,将每个参考地形块中每个位置点的信道信息进行综合,得到每个参考地形块对应的信道特征;
将所述测试区域中的每个参考地形块对应的信道特征存储在参考信道信息数据库中。
4.根据权利要求3所述的基于采集数据的无线信道传播模型的建立方法,其特征在于,所述根据所述测试区域的全部地理环境信息,将所述测试区域划分为多个具有代表性的参考地形块,包括:
将所述测试区域的立体地形地貌在水平面上做投影,将三维的地形地貌转化为二维的投影区域,所述投影区域中每个投影点的颜色深度值表示所述投影点在三维的地形地貌中对应的高度;
将所述投影区域划分为多个区域块,每个区域块中的所有投影点的颜色 深度值在一定范围内,获取每个区域块在三维的地形地貌中对应的参考地形块,从而将所述测试区域划分为多个具有代表性的参考地形块。
5.根据权利要求3所述的基于采集数据的无线信道传播模型的建立方法,其特征在于,所述的方法还包括:
根据未知区域的全部地理环境信息,将所述未知区域划分为多个具有代表性的匹配地形块,将所述未知区域中的匹配地形块与所述测试区域中的参考地形块进行地理特征匹配;
当所述未知区域中的某个匹配地形块和所述测试区域中的某个参考地形块的地理特征匹配成功后,将所述参考信道信息数据库中存储的所述某个参考地形块对应的信道特征确定为所述未知区域中的某个匹配地形块对应的信道特征;
将所述未知区域中各个匹配地形块对应的信道特征进行综合,得到所述未知区域的无线信道传播模型。
6.根据权利要求5所述的基于采集数据的无线信道传播模型的建立方法,其特征在于,所述的根据未知区域的全部地理环境信息,将所述未知区域划分为多个具有代表性的匹配地形块,包括:
从地域信道模型数据库中提取出了有限个已知地理信息的基本单元,从所述有限个基本单元中选取一组基本单元,根据设定的叠加权重系数将所述一组基本单元进行叠加,合成出一个新单元;
判断所述新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,如果是,则将所述未知区域划分为所述一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块;否则,重新选取新的一组基本单元,根据设定的叠加权重系数将所述新的一组基本单元进行叠加,合成出一个新单元,判断所述重新合成的新单元与所述未知区域 的地理特征之间的相似度是否小于设定的阈值;
重复执行上述处理过程,直到新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,将所述未知区域划分为所述新单元中的一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块。
7.一种基于采集数据的无线信道传播模型的建立系统,其特征在于,包括:
信息采集系统,用于采集测试区域的信道信息,包括地理信息系统;
无线信道分析单元,用于利用分布式计算系统对所述测试区域的信道信息进行无线信道分析处理,得到所述测试区域的无线信道传播模型;
参考信道特性构建模块,用于根据所述测试区域的无线信道传播模型,构建所述测试区域的地理环境信息与无线信道特性信息之间的相关关系;
所述信息采集系统包括:
地理信息系统,用于获取所述测试区域的地理信息,将所述测试区域的地理信息传输给数据汇聚系统;
用户反馈系统,用于采集所述测试区域中的用户的信道相关信息,将用户的信道相关信息传输给数据汇聚系统;
传感器采集系统,用于将测试区域划分为多个单位区域,根据单位区域内用户的密集度和单位区域信道测量的精度要求设置该单位区域内的传感器的数目,通过传感器采集单位区域的信道相关信息,将各个单位区域的信道相关信息传输给数据汇聚系统;
数据汇聚系统,用于对接收到的测试区域的地理信息、用户的信道相关信息和各个单位区域的信道相关信息进行预处理后再进行数据融合处理,得到所述测试区域的信道信息。
8.根据权利要求7所述的基于采集数据的无线信道传播模型的建立系 统,其特征在于:
所述的无线信道分析单元,用于通过分布式计算系统中的Hadoop集群接收所述数据汇聚系统传输过来的测试区域的信道信息,通过所述Hadoop集群中的分布式计算模型Mapreduce对所述测试区域的信道信息进行分布式存储、索引、分析处理,构建出所述测试区域的无线信道传播模型,将所述测试区域的无线信道传播模型存储到基于Hadoop集群的Hbase数据库中,所述Hbase数据库为用户提供无线信道传播模型的查询服务。
9.根据权利要求7或8所述的基于采集数据的无线信道传播模型的建立系统,其特征在于:
所述的参考信道特性构建模块,用于根据所述测试区域的无线信道传播模型获取所述测试区域中每个位置点的信道信息;
根据所述测试区域的全部地理环境信息,将所述测试区域划分为多个具有代表性的参考地形块,将每个参考地形块中每个位置点的信道信息进行综合,得到每个参考地形块对应的信道特征;
将所述测试区域中的每个参考地形块对应的信道特征存储在参考信道信息数据库中。
10.根据权利要求9所述的基于采集数据的无线信道传播模型的建立系统,其特征在于:
所述的参考信道特性构建模块,用于将所述测试区域的立体地形地貌在水平面上做投影,将三维的地形地貌转化为二维的投影区域,所述投影区域中每个投影点的颜色深度值表示所述投影点在三维的地形地貌中对应的高度;
将所述投影区域划分为多个区域块,每个区域块中的所有投影点的颜色深度值在一定范围内,获取每个区域块在三维的地形地貌中对应的参考地形块,从而将所述测试区域划分为多个具有代表性的参考地形块。
11.根据权利要求10所述的基于采集数据的无线信道传播模型的建立系统,其特征在于,所述的系统还包括:
未知区域无线信道传播模型获取单元,用于根据未知区域的全部地理环境信息,将所述未知区域划分为多个具有代表性的匹配地形块,将所述未知区域中的匹配地形块与所述测试区域中的参考地形块进行地理特征匹配;
当所述未知区域中的某个匹配地形块和所述测试区域中的某个参考地形块的地理特征匹配成功后,将所述参考信道信息数据库中存储的所述某个参考地形块对应的信道特征确定为所述未知区域中的某个匹配地形块对应的信道特征;
将所述未知区域中各个匹配地形块对应的信道特征进行综合,得到所述未知区域的无线信道传播模型。
12.根据权利要求11所述的基于采集数据的无线信道传播模型的建立系统,其特征在于:
所述的未知区域无线信道传播模型获取单元,用于从地域信道模型数据库中提取出了有限个已知地理信息的基本单元,从所述有限个基本单元中选取一组基本单元,根据设定的叠加权重系数将所述一组基本单元进行叠加,合成出一个新单元;
判断所述新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值,如果是,则将所述未知区域划分为所述一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块;否则,重新选取新的一组基本单元,根据设定的叠加权重系数将所述新的一组基本单元进行叠加,合成出一个新单元,判断所述重新合成的新单元与所述未知区域的地理特征之间的相似度是否小于设定的阈值;
重复执行上述处理过程,直到新单元与所述未知区域的地理特征之间的 相似度是否小于设定的阈值,将所述未知区域划分为所述新单元中的一组基本单元,将所述一组基本单元中每个基本单元作为所述未知区域的一个匹配地形块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510041414.3A CN104618045B (zh) | 2015-01-27 | 2015-01-27 | 基于采集数据的无线信道传播模型的建立方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510041414.3A CN104618045B (zh) | 2015-01-27 | 2015-01-27 | 基于采集数据的无线信道传播模型的建立方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104618045A CN104618045A (zh) | 2015-05-13 |
CN104618045B true CN104618045B (zh) | 2017-05-03 |
Family
ID=53152352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510041414.3A Expired - Fee Related CN104618045B (zh) | 2015-01-27 | 2015-01-27 | 基于采集数据的无线信道传播模型的建立方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104618045B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105101260B (zh) * | 2015-06-15 | 2020-11-20 | 联想(北京)有限公司 | 一种信息处理方法及基站 |
CN105005993B (zh) * | 2015-07-08 | 2018-02-16 | 西安电子科技大学 | 一种基于异构投影的三维地形快速精确匹配方法 |
CN105790813B (zh) * | 2016-05-17 | 2018-11-06 | 重庆邮电大学 | 一种大规模mimo下基于深度学习的码本选择方法 |
CN108512621B (zh) * | 2018-03-02 | 2020-12-29 | 东南大学 | 一种基于神经网络的无线信道建模方法 |
CN109462864B (zh) * | 2018-12-03 | 2021-12-24 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种5g通信典型场景信道模型自适应匹配方法 |
CN110007297B (zh) * | 2019-03-18 | 2021-01-15 | 北京星网锐捷网络技术有限公司 | 一种测量发射器和接收器之间距离的方法和装置 |
CN110213003B (zh) * | 2019-05-21 | 2020-11-13 | 北京科技大学 | 一种无线信道大尺度衰落建模方法及装置 |
CN110635856B (zh) * | 2019-09-29 | 2022-04-19 | 北京电子工程总体研究所 | 一种计算机模拟在林区地形中进行无线电波通信的方法 |
CN110768736B (zh) * | 2019-10-08 | 2021-09-14 | 中国联合网络通信集团有限公司 | 一种信道仿真方法及装置 |
CN111162854B (zh) * | 2019-12-31 | 2022-03-25 | 京信网络系统股份有限公司 | 信道测量方法、装置、计算机设备和存储介质 |
CN115705455A (zh) * | 2021-08-17 | 2023-02-17 | 中兴通讯股份有限公司 | 无线信道建模方法、装置、电子设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201101719A (en) * | 2009-06-22 | 2011-01-01 | Ralink Technology Corp | Simulation method for wireless communication system of multiple-antenna and multiple-node environment |
CN103391558B (zh) * | 2013-07-31 | 2016-02-24 | 北京交通大学 | 一种高铁高架桥场景下基于测量数据的理论建模方法 |
CN103888204B (zh) * | 2014-03-07 | 2015-10-28 | 北京农业信息技术研究中心 | 玉米大田无线传感器网络信道多尺度衰落模型的建模方法 |
-
2015
- 2015-01-27 CN CN201510041414.3A patent/CN104618045B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104618045A (zh) | 2015-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104618045B (zh) | 基于采集数据的无线信道传播模型的建立方法和系统 | |
Sun et al. | Fingerprint-based localization for massive MIMO-OFDM system with deep convolutional neural networks | |
Oshri et al. | Infrastructure quality assessment in africa using satellite imagery and deep learning | |
Tang et al. | A joint tensor completion and prediction scheme for multi-dimensional spectrum map construction | |
CN107843774B (zh) | 电磁态势的计算成像方法及电磁态势成像系统 | |
CN110113119A (zh) | 一种基于人工智能算法的无线信道建模方法 | |
WO2020215783A1 (zh) | 定位方法、装置及存储介质 | |
KR20020008744A (ko) | 무선 신호 전파를 지형 통계적으로 분석하는 장치 및 방법 | |
CN101819661A (zh) | 复杂系统的决策支持能力评估分析方法 | |
Raimbault | An urban morphogenesis model capturing interactions between networks and territories | |
CN112528508A (zh) | 电磁可视化方法和装置 | |
Lark | Multi-objective optimization of spatial sampling | |
CN106056577A (zh) | 基于mds‑srm混合级联的sar图像变化检测方法 | |
Shi et al. | Finding communities in bicycle sharing system | |
Vavatsikos et al. | GIS-assisted suitability analysis combining PROMETHEE II, analytic hierarchy process and inverse distance weighting | |
CN110927793A (zh) | 一种基于序贯随机模糊模拟的储层预测方法及系统 | |
CN113159371B (zh) | 基于跨模态数据融合的未知目标特征建模与需求预测方法 | |
Zhang et al. | A ray-tracing and deep learning fusion super-resolution modeling method for wireless mobile channel | |
Yang et al. | Solar irradiance monitoring network design using the variance quadtree algorithm | |
Gräler | Developing spatio-temporal copulas | |
CN115496202A (zh) | 面向交通拥堵预测的可解释性时空分析方法 | |
Maiti et al. | Three dimensional measuring points locating algorithm based texture-patched matrix completion for indoor 3D REM design | |
CN110019608A (zh) | 一种信息采集方法、装置和系统及存储设备 | |
CN114615693A (zh) | 网络容量预测方法、装置、电子设备及计算机存储介质 | |
CN104965190A (zh) | 基于位置指纹的轴向解耦室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170503 Termination date: 20200127 |