CN105682136A - 基于室外测试特征的室内外分离法 - Google Patents
基于室外测试特征的室内外分离法 Download PDFInfo
- Publication number
- CN105682136A CN105682136A CN201610128746.XA CN201610128746A CN105682136A CN 105682136 A CN105682136 A CN 105682136A CN 201610128746 A CN201610128746 A CN 201610128746A CN 105682136 A CN105682136 A CN 105682136A
- Authority
- CN
- China
- Prior art keywords
- grid
- data
- outdoor
- cqt
- value
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种基于室外测试特征的室内外分离法,它包括数据采集;清洗?MR数据;将室外测试的DT/CQT数据划分成初始栅格,按经纬度投放到不同的初始栅格中;选取BP人工神经网络算法建立分类模型,将每个DT/CQT栅格的每个采样点的前六强RSCP、EC/IO值作为输入层参数;将采集到的白天MR数据按IMSI以及用户会话分段,作为检测对象;将白天每个用户的每次会话的MR划分成栅格,按经纬度投放到初始栅格中;找出每个MR栅格对应的神经网络分类器;提取MR栅格中的每条MR,得到前六强RSCP和EC/NO作为分类器的12个输入参数;将12个参数输入到当前MR栅格对应的神经网络分类器中,运算得到每条MR室内室外属性。
Description
技术领域
本发明涉及一种基于室外测试特征的室内外分离法。
背景技术
测量报告MR是用户发起业务与基站通信过程中产生的测量报告,它是全天候、全时段的无线环境测量数据,是无线资源调度的依据,直接反应业务质量和用户感知,它具备海量数据特点,样本方差小,准确性高,且获取成本低等优势,故MR是指导运营商规划、建设以及优化的有效手段。传统的评估方法有(1)小区及的MR评估手段,即通过统计小区的覆盖率,质差率,上下行接收功率不平衡比例等指标来评价小区的质量。(2)将MR栅格地理化,地理上以更小的粒度来评价每个栅格的无线网络质量。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于室外测试特征的室内外分离法,该方法采用神经网络算法建立分类模型,根据MR数据得到MR的室内外属性。
本发明的目的是通过以下技术方案来实现的:基于室外测试特征的室内外分离法,它包括如下步骤:
S1:数据采集,从服务器上通过采集接口采集MR数据、路测数据、室分基础数据和GIS数据;
S2:将MR数据进行清洗,去除非法数据及噪声;
S3:将室外测试的DT/CQT数据按N*N米划分成栅格,按经纬度投放到不同的栅格中,共形成M个栅格,每个栅格确定其中心经纬度{{lon1,la1},{lon2,la2}……{lonm,lam}}
S4:选取BP人工神经网络算法建立分类模型,将每个DT/CQT栅格的每个采样点的前六强RSCP、EC/IO值作为输入层参数,用1或0代表室内和室外作为输出层参数,每个DT/CQT栅格训练成一个分类器,共有M个分类器;
S5:将采集到的白天MR数据按IMSI以及用户会话分段,作为检测对象;
S6:将每个用户的每次会话的MR按N*N米划分成栅格,按经纬度投放到不同的栅格中,共形成K个栅格,每个栅格确定其中心经纬度{mrlon1,mrla1},{mrlon2,mrla2}……{mrlonk,mrlak};
S7:根据最近距离找出步骤S6中每个MR栅格对应的神经网络分类器;
S8:遍历每一个S6中的MR栅格,提取MR栅格中的每条MR,得到前六强RSCP和EC/NO作为分类器的12个输入参数;
S9:将12个参数输入到当前MR栅格对应的神经网络分类器中,运算后得到每条MR室内室外属性。
所述的步骤S3中DT/CQT测试采样点栅格投放包括如下子步骤:
S31:经纬度统一处理,保留5位小数,若采集到的经纬度小数点后位数超过5位,则省略掉第5位后的位数,若不足5位,则在后面补0;
S32:确定每条DT/CQT数据的栅格标识,以50米*50米栅格为例,截取经纬度小数点后第4位假设为a,a的取值范围为0≤a≤9,若a≤5则a统一取值为0;若a>5,则a取值为5;将经度的前7位与a相加与纬度的前6位与a相加即得到每条DT/CQT的栅格标识;
S33:确定每个DT/CQT采样点的栅格标识,然后再确定每个采样点与哪个栅格相对应,即完成DT/CQT测试采样点的栅格投放。
所述的步骤S4中BP人工神经网络算法建立分类模型的方法包括如下子步骤:
S41:数据归一化处理,归一化算法为:
y=(x-min)/(max-min)(0<=y<=1)
上式中的x为具体MR采样点第N导频的RSCP或Ec/No值,min为RSCP或Ec/No的最小取值,分别为-112和-24;max为RSCP或Ec/No的最大取值,分别为-40和-1,y为归一化后的值,被映射为0至1的取值范围;
S42:初始化输入层至隐藏层的权重数组iptHidWeights[12][6]以及隐藏层至输出层的权重数组hidOptWeights[6][2],初始值利用随机函数生成;
S43:得到输入层传播至隐藏层的加权值以及隐藏层至输出层的加权值,如下式:
yi=f(neti)
上式中wij为输入层至隐藏层以及隐藏层至输出层的权重值,θ表示一个阈值默认取0,xij为第i个输入层至第j个隐藏层的输入值或第i个隐藏层至第j个输出层的输入值,yi为神经元i的输出值;F(x)为转移函数;通过上述三式即可得到每一条MR的室内外属性输出;
S44:根据理论输出校正步骤S43中的实际输出的权重数组iptHidWeights[12][6]以及hidOptWeights[6][2],不断的迭代学习。
本发明的有益效果是:本发明提供了一种基于室外测试特征的室内外分离法,该方法采用神经网络算法建立分类模型,根据MR数据得到MR的室内外属性,能够准确的判断MR室内外属性,进而形成室内外MR栅格,用以评估居民楼、写字楼、酒店等室内场景以及各种室外道路场景的无线网络质量。
附图说明
图1为室外测试特征分离计算方法示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,基于室外测试特征的室内外分离法,它包括如下步骤:
S1:数据采集,从服务器上通过采集接口采集MR数据、路测数据、室分基础数据和GIS数据;
S2:将MR数据进行清洗,去除非法数据及噪声;
S3:将室外测试的DT/CQT数据按N*N米划分成栅格,按经纬度投放到不同的栅格中,共形成M个栅格,每个栅格确定其中心经纬度{{lon1,la1},{lon2,la2}……{lonm,lam}}
S4:选取BP人工神经网络算法建立分类模型,将每个DT/CQT栅格的每个采样点的前六强RSCP、EC/IO值作为输入层参数,用1或0代表室内和室外作为输出层参数,每个DT/CQT栅格训练成一个分类器,共有M个分类器;
S5:将采集到的白天MR数据按IMSI以及用户会话分段,作为检测对象;
S6:将每个用户的每次会话的MR按N*N米划分成栅格,按经纬度投放到不同的栅格中,共形成K个栅格,每个栅格确定其中心经纬度{mrlon1,mrla1},{mrlon2,mrla2}……{mrlonk,mrlak};
S7:根据最近距离找出步骤S6中每个MR栅格对应的神经网络分类器;
S8:遍历每一个S6中的MR栅格,提取MR栅格中的每条MR,得到前六强RSCP和EC/NO作为分类器的12个输入参数;
S9:将12个参数输入到当前MR栅格对应的神经网络分类器中,运算后得到每条MR室内室外属性。
所述的步骤S3中DT/CQT测试采样点栅格投放包括如下子步骤:
S31:经纬度统一处理,保留5位小数,若采集到的经纬度小数点后位数超过5位,则省略掉第5位后的位数,若不足5位,则在后面补0;
S32:确定每条DT/CQT数据的栅格标识,以50米*50米栅格为例,截取经纬度小数点后第4位假设为a,a的取值范围为0≤a≤9,若a≤5则a统一取值为0;若a>5,则a取值为5;将经度的前7位与a相加与纬度的前6位与a相加即得到每条DT/CQT的栅格标识;例如:(106.34562,29.38127)的50米*50米的栅格标识为(106.3455,29.3810)。
S33:确定每个DT/CQT采样点的栅格标识,然后再确定每个采样点与哪个栅格相对应,即完成DT/CQT测试采样点的栅格投放。
所述的步骤S4中BP人工神经网络算法建立分类模型的方法包括如下子步骤:
S41:数据归一化处理,归一化算法为:
y=(x-min)/(max-min)(0<=y<=1)
上式中的x为具体MR采样点第N导频的RSCP或Ec/No值,min为RSCP或Ec/No的最小取值,分别为-112和-24;max为RSCP或Ec/No的最大取值,分别为-40和-1,y为归一化后的值,被映射为0至1的取值范围;
S42:初始化输入层至隐藏层的权重数组iptHidWeights[12][6]以及隐藏层至输出层的权重数组hidOptWeights[6][2],初始值利用随机函数生成;
S43:得到输入层传播至隐藏层的加权值以及隐藏层至输出层的加权值,如下式:
yi=f(neti)
上式中wij为输入层至隐藏层以及隐藏层至输出层的权重值,θ表示一个阈值默认取0,xij为第i个输入层至第j个隐藏层的输入值或第i个隐藏层至第j个输出层的输入值,yi为神经元i的输出值;F(x)为转移函数;通过上述三式即可得到每一条MR的室内外属性输出;
S44:根据理论输出校正步骤S43中的实际输出的权重数组iptHidWeights[12][6]以及hidOptWeights[6][2],不断的迭代学习。
Claims (3)
1.基于室外测试特征的室内外分离法,其特征在于:它包括如下步骤:
S1:数据采集,从服务器上通过采集接口采集MR数据、路测数据、室分基础数据和GIS数据;
S2:将MR数据进行清洗,去除非法数据及噪声;
S3:将室外测试的DT/CQT数据按N*N米划分成栅格,按经纬度投放到不同的栅格中,共形成M个栅格,每个栅格确定其中心经纬度{{lon1,la1},{lon2,la2}……{lonm,lam}}
S4:选取BP人工神经网络算法建立分类模型,将每个DT/CQT栅格的每个采样点的前六强RSCP、EC/IO值作为输入层参数,用1或0代表室内和室外作为输出层参数,每个DT/CQT栅格训练成一个分类器,共有M个分类器;
S5:将采集到的白天MR数据按IMSI以及用户会话分段,作为检测对象;
S6:将每个用户的每次会话的MR按N*N米划分成栅格,按经纬度投放到不同的栅格中,共形成K个栅格,每个栅格确定其中心经纬度{mrlon1,mrla1},{mrlon2,mrla2}……{mrlonk,mrlak};
S7:根据最近距离找出步骤S6中每个MR栅格对应的神经网络分类器;
S8:遍历每一个S6中的MR栅格,提取MR栅格中的每条MR,得到前六强RSCP和EC/NO作为分类器的12个输入参数;
S9:将12个参数输入到当前MR栅格对应的神经网络分类器中,运算后得到每条MR室内室外属性。
2.根据权利要求1所述的基于室外测试特征的室内外分离法,其特征在于:所述的步骤S3中DT/CQT测试采样点栅格投放包括如下子步骤:
S31:经纬度统一处理,保留5位小数,若采集到的经纬度小数点后位数超过5位,则省略掉第5位后的位数,若不足5位,则在后面补0;
S32:确定每条DT/CQT数据的栅格标识,以50米*50米栅格为例,截取经纬度小数点后第4位假设为a,a的取值范围为0≤a≤9,若a≤5则a统一取值为0;若a>5,则a取值为5;将经度的前7位与a相加与纬度的前6位与a相加即得到每条DT/CQT的栅格标识;
S33:确定每个DT/CQT采样点的栅格标识,然后再确定每个采样点与哪个栅格相对应,即完成DT/CQT测试采样点的栅格投放。
3.根据权利要求1所述的基于室外测试特征的室内外分离法,其特征在于:所述的步骤S4中BP人工神经网络算法建立分类模型的方法包括如下子步骤:
S41:数据归一化处理,归一化算法为:
y=(x-min)/(max-min)(0<=y<=1)
上式中的x为具体MR采样点第N导频的RSCP或Ec/No值,min为RSCP或Ec/No的最小取值,分别为-112和-24;max为RSCP或Ec/No的最大取值,分别为-40和-1,y为归一化后的值,被映射为0至1的取值范围;
S42:初始化输入层至隐藏层的权重数组iptHidWeights[12][6]以及隐藏层至输出层的权重数组hidOptWeights[6][2],初始值利用随机函数生成;
S43:得到输入层传播至隐藏层的加权值以及隐藏层至输出层的加权值,如下式:
yi=f(neti)
上式中wij为输入层至隐藏层以及隐藏层至输出层的权重值,θ表示一个阈值默认取0,xij为第i个输入层至第j个隐藏层的输入值或第i个隐藏层至第j个输出层的输入值,yi为神经元i的输出值;F(x)为转移函数;通过上述三式即可得到每一条MR的室内外属性输出;
S44:根据理论输出校正步骤S43中的实际输出的权重数组iptHidWeights[12][6]以及hidOptWeights[6][2],不断的迭代学习。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610128746.XA CN105682136A (zh) | 2016-03-07 | 2016-03-07 | 基于室外测试特征的室内外分离法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610128746.XA CN105682136A (zh) | 2016-03-07 | 2016-03-07 | 基于室外测试特征的室内外分离法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105682136A true CN105682136A (zh) | 2016-06-15 |
Family
ID=56307966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610128746.XA Pending CN105682136A (zh) | 2016-03-07 | 2016-03-07 | 基于室外测试特征的室内外分离法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105682136A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109429242A (zh) * | 2017-08-21 | 2019-03-05 | 中国移动通信集团广西有限公司 | 一种mr数据室内外分离方法及设备 |
CN110430552A (zh) * | 2019-07-08 | 2019-11-08 | 北京市天元网络技术股份有限公司 | 一种高铁网络质差区域识别方法以及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103037388A (zh) * | 2012-12-06 | 2013-04-10 | 上海大唐移动通信设备有限公司 | 一种确定用户设备分布的方法及装置 |
WO2013117092A1 (zh) * | 2012-02-07 | 2013-08-15 | 大唐移动通信设备有限公司 | 一种路测方法及系统 |
CN104469676A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种移动终端的定位方法及系统 |
CN105744561A (zh) * | 2016-03-07 | 2016-07-06 | 四川亨通网智科技有限公司 | 多维度测量报告室内外分离方法 |
-
2016
- 2016-03-07 CN CN201610128746.XA patent/CN105682136A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013117092A1 (zh) * | 2012-02-07 | 2013-08-15 | 大唐移动通信设备有限公司 | 一种路测方法及系统 |
CN103037388A (zh) * | 2012-12-06 | 2013-04-10 | 上海大唐移动通信设备有限公司 | 一种确定用户设备分布的方法及装置 |
CN104469676A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种移动终端的定位方法及系统 |
CN105744561A (zh) * | 2016-03-07 | 2016-07-06 | 四川亨通网智科技有限公司 | 多维度测量报告室内外分离方法 |
Non-Patent Citations (3)
Title |
---|
JIAN ZHU: "Indoor/Outdoor Location of Cellular Handsets", 《VEHICULAR TECHNOLOGY CONFERENCE, 2005. VTC 2005-SPRING. 2005 IEEE 61ST》 * |
O. SALLENT等: "Automatic Detection of Sub-optimal Performance in", 《CNSM "11 PROCEEDINGS OF THE 7TH INTERNATIONAL CONFERENCE ON NETWORK AND SERVICES MANAGEMENT》 * |
郭景赞,李德屹,孟照方: "基于MR特征分离技术的室分监控研究", 《邮电设计技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109429242A (zh) * | 2017-08-21 | 2019-03-05 | 中国移动通信集团广西有限公司 | 一种mr数据室内外分离方法及设备 |
CN109429242B (zh) * | 2017-08-21 | 2021-11-23 | 中国移动通信集团广西有限公司 | 一种mr数据室内外分离方法及设备 |
CN110430552A (zh) * | 2019-07-08 | 2019-11-08 | 北京市天元网络技术股份有限公司 | 一种高铁网络质差区域识别方法以及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105744561B (zh) | 多维度测量报告室内外分离方法 | |
CN109325085B (zh) | 一种城市用地功能识别与变化检测方法 | |
CN107247938B (zh) | 一种高分辨率遥感影像城市建筑物功能分类的方法 | |
CN105744535B (zh) | 移动网络小区信息侦测与覆盖标定方法 | |
CN105163337B (zh) | 一种基于覆盖预测仿真的移动网络数据地理映射的方法 | |
CN105578508B (zh) | 基于用户行为特征评估道路网络质量的方法 | |
CN105472644A (zh) | 基于用户行为特征的深度覆盖网络质量评估方法和系统 | |
CN105911518A (zh) | 机器人定位方法 | |
CN110650436B (zh) | 基于WiFi数据的位置指纹库建立与拟合方法 | |
CN111062466B (zh) | 基于参数和神经网络预测天线调整后小区场强分布的方法 | |
CN108632832B (zh) | 网络覆盖分析方法及系统 | |
CN105188030B (zh) | 一种移动网络数据进行地理栅格映射的方法 | |
CN106793082A (zh) | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 | |
CN101848482B (zh) | 一种获取干扰矩阵的方法和装置 | |
CN110516023B (zh) | 一种基于移动感知的噪声地图绘制方法 | |
CN108540987B (zh) | 一种lte网络覆盖状态评估方法及装置 | |
CN110346518B (zh) | 一种交通排放污染可视化预警方法及其系统 | |
CN115100376A (zh) | 一种基于改进反距离插值法的电磁频谱地图实现方法 | |
CN105682136A (zh) | 基于室外测试特征的室内外分离法 | |
CN113657610A (zh) | 一种基于随机森林的冰雹气候特征预测方法 | |
CN115544706A (zh) | 一种小波和XGBoost模型集成的大气细颗粒物浓度估算方法 | |
CN116471661A (zh) | 基于射线跟踪的地下管廊机会信号分析方法定位方法 | |
CN109784557A (zh) | 基于经验贝叶斯克里金模型来估算pm2.5的方法、系统及介质 | |
CN106021861B (zh) | 一种群智感知系统的激励方法 | |
CN112243242B (zh) | 大规模天线波束配置方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160615 |
|
RJ01 | Rejection of invention patent application after publication |