CN108271165A - 一种基站网络信号覆盖状态的预测方法及系统 - Google Patents
一种基站网络信号覆盖状态的预测方法及系统 Download PDFInfo
- Publication number
- CN108271165A CN108271165A CN201611270046.0A CN201611270046A CN108271165A CN 108271165 A CN108271165 A CN 108271165A CN 201611270046 A CN201611270046 A CN 201611270046A CN 108271165 A CN108271165 A CN 108271165A
- Authority
- CN
- China
- Prior art keywords
- base station
- model
- grid
- current
- signal
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明的实施例提供了一种基站网络信号覆盖状态的预测方法及系统,该方法通过对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到目标地区的场景模型库,根据预先获取的数据源确定各基站的基准衰减曲线,根据基准衰减曲线获取对应基站的信号覆盖模型,根据场景模型库中的与待建的目标基站相邻的基站,对目标基站的信号覆盖模型进行校准,得到目标地区的目标基站的网络信号覆盖状态预测结果。系统包括场景模型库获取单元、基准衰减曲线确定单元、信号覆盖模型获取单元及基站网络信号覆盖状态预测结果确定单元。本发明能够综合获取基站的准确且可靠的信号覆盖状态预测结果,且该预测过程能够有效适应各地区的不同环境及建设条件。
Description
技术领域
本发明涉及无线网络规划领域,具体涉及一种基站网络信号覆盖状态的预测方法及系统。
背景技术
在移动通信领域中,随着LTE业务的迅速增长,站址的选择越来越重要,也越来越困难,特别是随着我国城镇化的发展,特殊场景越来越多。如果能够迅速准确的预测出新建站点的覆盖情况,就可以有效的用来指导网络规划人员的站址选择工作。
无线网络规划主要有五个阶段,分别是需求分析、网络规模估算、站址规划、网络仿真、无线参数规划等。其中对新建站点的覆盖预测主要是在网络仿真这个步骤来完成。在这个阶段,规划人员在仿真工具里输入工参数据,然后选择一个传播模型(如:标准传播模型),通过调整有限的几个参数(如:频段)等来模拟出站点的覆盖情况。
现有的覆盖预测技术主要是通过仿真工具来进行仿真,这种方案的缺点是,对所有的场景和地形基本上都是靠几个基本传播模型来确定,通过调整传播模型的一些参数来调整覆盖结果;随着经济和社会的发展,各种复杂以及特殊场景层出不穷,使得原有的传播模型很难在继续适应目前所有的场景,进而导致了基站网络信号覆盖状态预测的准确率低。
发明内容
针对现有技术中的缺陷,本发明提供一种基站网络信号覆盖状态的预测方法及系统,能够综合获取基站的准确且可靠的信号覆盖状态预测结果,且该预测过程能够有效适应各地区的不同环境及建设条件。
为解决上述技术问题,本发明提供以下技术方案:
一方面,本发明提供了一种基站网络信号覆盖状态的预测方法,所述方法包括:
对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库,其中,所述场景模型库中存储有各场景,且各场景中均对应一类基站;
根据预先获取的数据源确定各基站的基准衰减曲线;
根据所述基准衰减曲线获取对应基站的信号覆盖模型,其中,所述信号覆盖模型包括当前基站的位置信息与信号覆盖状态预测值的对应关系;
以及,根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果。
进一步的,所述根据预先获取的数据源确定各基站的基准衰减曲线包括:
根据当前基站主控小区的位置及主径方向角,确定主径方向的有效样本点;
根据所述有效样本点和当前基站位置关系,获取主控小区主径方向一定距离内栅格所包含有效样本点电平平均值,得到每个栅格的电平,并根据栅格电平绘制得到该基站的基准衰减曲线;
继续确定下一基站的基准衰减曲线,直到获取所述场景模型库中全部场景对应的基站的基准衰减曲线。
进一步的,所述根据当前基站主控小区的位置及主径方向角,确定主径方向的有效样本点,包括:
在预先获取的场景现网采集数据源中,筛选得到对应基站的采集样本数据;
将当前基站及采集样本的位置信息均定位在栅格图中;
以及,根据主控小区的位置信息,在栅格图中筛选得到基站的天线主瓣方向范围内的小区样本点作为有效样本点。
进一步的,所述根据所述有效样本点和当前基站位置关系,获取主控小区主径方向一定距离内栅格所包含有效样本点电平平均值,得到每个栅格的电平,并根据栅格电平绘制得到该基站的基准衰减曲线,包括:
根据栅格图的栅格的中心经纬度计算得到各栅格与基站间的距离;其中,单位栅格中包括多个有效样本点;
根据基站天线主瓣方向范围内有效样本点电平,获取各栅格内样本点电平平均值,得到栅格粒度的参考信号接收功率RSRP值;
以及,根据各所述栅格与基站间的距离,以及各栅格的各位置点的RSRP值,绘制得到当前基站主控小区主径方向的电平衰减曲线,并将所述覆盖电平衰减曲线作为当前基站的基准衰减曲线。
进一步的,所述根据所述基准衰减曲线获取对应基站的信号覆盖模型,包括:
获取当前基站的天线水平方向pattern图;
根据当前基站的各基准衰减曲线及所述天线水平方向pattern图,获取当前基站的信号覆盖模型;
继续确定下一基站的信号覆盖模型,直到获取所述场景模型库中全部场景对应的基站的信号覆盖模型。
进一步的,所述根据当前基站对应的基准衰减曲线及所述天线水平方向pattern图,获取当前基站的信号覆盖模型,包括:
在栅格图中,根据当前栅格的中心经纬度计算得到当前栅格和当前基站之间的距离;
根据当前栅格的中心经纬度及当前基站的天线主瓣方向,计算得到当前栅格与主瓣方向的夹角;
将当前栅格和当前基站之间的距离以及所述夹角对应至当前基站的基准衰减曲线及所述天线水平方向pattern图中,获得当前栅格的RSRP值并绘制信号覆盖表,继续确定下一栅格的信号覆盖表,直到获取栅格图中全部栅格对应的平均电平,其中,所述信号覆盖表中包括当前栅格的位置信息与信号覆盖状态预测值的对应关系;
以及,将全部的信号覆盖表汇总并将中心经纬度落在同一角度和距离内的栅格的RSRP求平均值,得到当前场景中基站对应的信号覆盖模型。
进一步的,所述根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果,包括:
根据所述场景模型库中的与待建的目标基站相邻的基站的信号覆盖模型,应用邻域加权平局滤波方法校准所述目标基站的信号覆盖模型,确定校准后的信号覆盖模型即为所述目标地区的目标基站网络信号覆盖状态预测结果;
以及,根据所述目标基站的网络信号覆盖状态预测结果对所述目标地区进行LTE无线网络规划。
进一步的,所述根据所述场景模型库中的与待建的目标基站相邻的基站的信号覆盖模型,应用邻域加权平局滤波方法校准当前基站的信号覆盖模型,包括:
获取范围为N*N所述目标地区的总邻域S,并将所述总邻域S以一条直线l划分为子邻域S1和子邻域S2;
根据所述邻域S1和邻域S2计算得到区域场强变化率R:
式(1)中,RS1为子邻域S1的区域场强变化率;RS2为子邻域S2的区域场强变化率;(i,j)为总邻域S的区域参数,且S={(i,j),||i-x|≦N,|j-y|≦N},其中,(x,y)为所述目标地区的场强点;
根据全局场强变化率r,获取尺度参数α:
α=λr=λ(∑a-∑b)/∑l,(a∈I1,b∈I2) (2)
式(2)中,a≥b且其中,I1和I2为根据对N*N范围内的所有场强进行排序得到的排序结果将所有场强分成数目相等的两部分;λ为滤波参数;
若根据区域场强变化率R与尺度参数α的值判断得知场强点(x,y)为地理地貌变化、平坦及覆盖边界区域,则计算加权平均值g(x,y:i,j):
进一步的,所述第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库,包括:
根据多维数据对LTE无线网络规划中的目标地区进行多维度划分,其中,所述多维数据中至少包括地形类型数据、网络频段类型数据、基站高度类型数据、基站的天线类型数据、以及天线的下倾角类型数据;
对所述多维数据进行排列组合,得到所述目标地区的场景模型库。
另一方面,本发明还提供了一种基站网络信号覆盖状态的预测系统,所述系统包括:
场景模型库获取单元,用于对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库,且所述场景模型库中存储有各场景,且各场景中均对应一类基站;
基准衰减曲线确定单元,用于根据预先获取的数据源确定各基站的基准衰减曲线;
信号覆盖模型获取单元,用于根据所述基准衰减曲线获取对应基站的信号覆盖模型,其中,所述信号覆盖模型包括当前基站的位置信息与信号覆盖状态预测值的对应关系;
基站网络信号覆盖状态预测结果确定单元,用于根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果。
由上述技术方案可知,本发明所述的一种基站网络信号覆盖状态的预测方法及系统,方法通过对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库,根据预先获取的数据源确定各基站的基准衰减曲线,根据所述基准衰减曲线获取对应基站的信号覆盖模型,根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果;能够综合获取基站的准确且可靠的信号覆盖状态预测结果,且该预测过程能够有效适应各地区的不同环境及建设条件,对网络规划人员在站点选择的实际工作上具有重大的指导意义;较以往方法更精确,该方法可用于分层网络建设、网络结构优化及LTE选点等。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一中的一种基站网络信号覆盖预测方法的流程示意图;
图2是本发明实施例二中的预测方法中步骤100的流程示意图;
图3是本发明实施例三中的预测方法中步骤200的流程示意图;
图4是本发明实施例四中的预测方法中步骤201的流程示意图;
图5是本发明实施例五中的预测方法中步骤202的流程示意图;
图6是本发明实施例六中的预测方法中步骤300的流程示意图;
图7是本发明实施例七中的预测方法中步骤302的流程示意图;
图8是本发明实施例八中的预测方法中步骤400的流程示意图;
图9是本发明实施例九中的预测方法中步骤401的流程示意图;
图10是本发明的应用实例中的栅格图中的有效样本示意图;
图11是本发明的应用实例中的小区基准电平衰减示意图;
图12是本发明的应用实例中的栅格与主径方向夹角示意图;
图13是本发明的应用实例中的覆盖矫正模型示意图;
图14是本发明实施例十中的一种基站网络信号覆盖预测系统的结构示意图;
图15是本发明实施例十一中的一种基站网络信号覆盖预测设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的实施例一提供了一种基站网络信号覆盖状态的预测方法的具体实施方式。参见图1,该预测方法具体包括如下内容:
步骤100:对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库。
在本步骤中,LTE无线网络规划主要有五个阶段,分别是需求分析、网络规模估算、站址规划、网络仿真、无线参数规划等,其中对新建站点的覆盖预测主要是在网络仿真这个步骤来完成,即对预先确定的目标地区进行需求分析、网络规模估算及站址规划,而后对目标地区进行多维度划分,得到所述目标地区的场景模型库,其中的所述场景模型库中存储有各场景,且各场景中均对应一类基站,根据多维数据对LTE无线网络规划中的目标地区进行多维度划分,并对所述多维数据进行排列组合,得到所述目标地区的场景模型库。
步骤200:根据预先获取的数据源确定各基站的基准衰减曲线。
在本步骤中,首先根据当前基站主控小区的位置及主径方向角,确定主径方向的有效样本点;根据所述有效样本点和当前基站位置关系,获取主控小区主径方向一定距离内栅格所包含有效样本点电平平均值,得到每个栅格的电平,并根据栅格电平绘制得到该基站的基准衰减曲线,继续确定下一基站的基准衰减曲线,直到获取所述场景模型库中全部场景对应的基站的基准衰减曲线后,进入步骤300。
步骤300:根据所述基准衰减曲线获取对应基站的信号覆盖模型,其中,所述信号覆盖模型包括当前基站的位置信息与信号覆盖状态预测值的对应关系。
在本步骤中,首先获取当前基站的天线水平方向模板pattern图,然后根据当前基站的各基准衰减曲线及所述天线水平方向模板pattern图,获取当前基站的信号覆盖模型,且该信号覆盖模型即为基站中各小区位置及其各位置点的参考信号接收功率RSRP值的对应表格;继续确定下一基站的信号覆盖模型,直到获取所述场景模型库中全部场景对应的基站的信号覆盖模型后,进入步骤400。
步骤400:根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型均进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果。
在本步骤中,在确定了待建的目标基站后,再根据所述场景模型库中的与待建的目标基站相邻的基站,对该目标基站的信号覆盖模型进行校准,若同时确定的待建的目标基站有多个,则对该多个目标基站进行信号覆盖模型校准;得到数据校准后的基站中各小区位置及其各位置点的参考信号接收功率RSRP值的对应表格,使得分析人员根据该表格对目标地区中待建的目标基站的无线网络规划的适应性进行判断。
从上述描述可知,本发明的实施例提供了能够获取基站的信号覆盖状态预测结果的整体方法,且该预测过程能够有效适应各地区的不同环境及建设条件,并得出准确且可靠的预测结果。
本发明的实施例二提供了上述预测方法中步骤100的一种具体实施方式。参见图2,该步骤100具体包括如下内容:
步骤101:根据多维数据对LTE无线网络规划中的目标地区进行多维度划分。
在本步骤中,所述多维数据中至少包括地形类型数据、网络频段类型数据、基站高度类型数据、基站的天线类型数据、以及天线的下倾角类型数据。
步骤102:对所述多维数据进行排列组合,得到所述目标地区的场景模型库。
从上述描述可知,本发明的实施例根据多维数据获取目标地区可能出现的全部场景,保证了预测的基础数据的全面性,进而保证了预测过程的准确性。
本发明的实施例三提供了上述预测方法中步骤200的一种具体实施方式。参见图3,该步骤200具体包括如下内容:
步骤201:根据当前基站主控小区的位置及主径方向角,确定主径方向的有效样本点。
步骤202:根据所述有效样本点和当前基站位置关系,获取主控小区主径方向一定距离内栅格所包含有效样本点电平平均值,得到每个栅格的电平,并根据栅格电平绘制得到该基站的基准衰减曲线。
步骤203:判断是否已获取所述场景模型库中全部场景对应的基站的基准衰减曲线,若是,则进入步骤300,否则,返回步骤201。
从上述描述可知,本发明的实施例实现了根据预先获取的数据源能够准确且快速的绘制得到各基站的基准衰减曲线,为后续获取基站全部小区的衰减曲线提供了准确的基准参照数据。
本发明的实施例四提供了上述预测方法中步骤201的一种具体实施方式。参见图4,该步骤201具体包括如下内容:
步骤201a:在预先获取的场景现网采集数据源中,筛选得到对应基站的采集样本数据。
步骤201b:将当前基站及采集样本的位置信息均定位在栅格图中。
步骤201c:根据主控小区的位置信息,在栅格图中筛选得到基站的天线主瓣方向范围内的小区样本点作为有效样本点。
从上述描述可知,本发明的实施例利用栅格图准确获取基站及小区之间的位置信息,同时能够快速根据基站的天线主瓣方向获知用于进行步骤202计算的有效小区。
本发明的实施例五提供了上述预测方法中步骤202的一种具体实施方式。参见图5,该步骤202具体包括如下内容:
步骤202a:根据栅格图的栅格的中心经纬度计算得到各栅格与基站间的距离。其中,单位栅格中包括多个有效样本点。
步骤202b:根据基站天线主瓣方向范围内有效样本点电平,获取各栅格内样本点电平平均值,得到栅格粒度的参考信号接收功率RSRP值。
步骤202c:根据各所述栅格与基站间的距离,以及各栅格的各位置点的RSRP值,绘制得到当前基站主控小区主径方向的电平衰减曲线,并将所述覆盖电平衰减曲线作为当前基站的基准衰减曲线。
从上述描述可知,本发明的实施例实现了根据栅格的各位置点的RSRP值获取当前基站的基准衰减曲线,为后续获取基站全部小区的衰减曲线提供了准确的基准参照数据。
本发明的实施例六提供了上述预测方法中步骤300的一种具体实施方式。参见图6,该步骤300具体包括如下内容:
步骤301:获取当前基站的天线水平方向pattern图;
步骤302:根据当前基站的各基准衰减曲线及所述天线水平方向pattern图,获取当前基站的信号覆盖模型。
步骤303:判断是否已获取所述场景模型库中全部场景对应的基站的信号覆盖模型,若是,则进入步骤400,否则,返回步骤301。
从上述描述可知,本发明的实施例通过根据当前基站的各基准衰减曲线及所述天线水平方向pattern图,准确且可靠的获取当前基站的信号覆盖模型。
本发明的实施例七提供了上述预测方法中步骤302的一种具体实施方式。参见图7,该步骤302具体包括如下内容:
步骤302a:在栅格图中,根据当前栅格的中心经纬度计算得到当前栅格和当前基站之间的距离。
步骤302b:根据当前栅格的中心经纬度及当前基站的天线主瓣方向,计算得到当前栅格与主瓣方向的夹角。
步骤302c:将当前栅格和当前基站之间的距离以及所述夹角对应至当前基站的基准衰减曲线及所述天线水平方向pattern图中,获得当前栅格的RSRP值并绘制信号覆盖表,继续确定下一栅格的信号覆盖表,直到获取栅格图中全部栅格对应的平均电平,其中,所述信号覆盖表中包括当前栅格的位置信息与信号覆盖状态预测值的对应关系。
步骤302d:将全部的信号覆盖表汇总并将中心经纬度落在同一角度和距离内的栅格的RSRP求平均值,得到当前场景中基站对应的信号覆盖模型。
从上述描述可知,本发明的实施例给出了根据当前基站的各基准衰减曲线及所述天线水平方向pattern图获取当前基站的信号覆盖模型的具体实现过程,保证了信号覆盖模型的获取过程的准确性。
本发明的实施例八提供了上述预测方法中步骤400的一种具体实施方式。参见图8,该步骤400具体包括如下内容:
步骤401:根据所述场景模型库中的与待建的目标基站相邻的基站的信号覆盖模型,应用邻域加权平局滤波方法校准所述目标基站的信号覆盖模型。
步骤402:确定校准后的信号覆盖模型即为所述目标地区的目标基站网络信号覆盖状态预测结果。
步骤403:根据所述目标基站的网络信号覆盖状态预测结果对所述目标地区进行LTE无线网络规划。
从上述描述可知,本发明的实施例通过对所述场景模型库中全部场景对应的基站的信号覆盖模型均进行校准,保证了得到的所述目标地区的基站网络信号覆盖状态预测结果的准确性。
本发明的实施例九提供了上述预测方法中步骤401的一种具体实施方式。参见图9,该步骤401具体包括如下内容:
步骤401a:获取范围为N*N所述目标地区的总邻域S,并将所述总邻域S以一条直线l划分为子邻域S1和子邻域S2。
步骤401b:根据所述邻域S1和邻域S2计算得到区域场强变化率R:
式(1)中,RS1为子邻域S1的区域场强变化率;RS2为子邻域S2的区域场强变化率;(i,j)为总邻域S的区域参数,且S={(i,j),||i-x|≦N,|j-y|≦N},其中,(x,y)为所述目标地区的场强点。
步骤401c:根据全局场强变化率r,获取尺度参数α:
α=λr=λ(∑a-∑b)/∑l,(a∈I1,b∈I2) (2)
式(2)中,a≥b且其中,I1和I2为根据对N*N范围内的所有场强进行排序得到的排序结果将所有场强分成数目相等的两部分;λ为滤波参数。
步骤401d:若根据区域场强变化率R与尺度参数α的值判断得知场强点(x,y)为地理地貌变化、平坦及覆盖边界区域,则计算加权平均值g(x,y:i,j):
从上述描述可知,本发明的实施例应用邻域加权平局滤波方法对所述场景模型库中全部场景对应的基站的信号覆盖模型进行校准,保证了得到的所述目标地区的基站网络信号覆盖状态预测结果的准确性。
为进一步的说明本方案,本发明还提供了一种基站网络信号覆盖状态的预测方法的应用实例。该预测方法具体包括如下内容:
S1.覆盖场景细分,针对不同的覆盖地区,按照地形、频段、站高、天线类型、下倾角等多个维度划分覆盖模型的分类,建立地区覆盖场景模型库。
S2.根据定位后的MR数据和工参,计算基站小区主瓣方向对应的覆盖电平衰减曲线,作为该小区的基准衰减曲线。
S3.根据小区天线的水平pattern图,以及栅格中心经纬度和基站的距离,得到天线其他方向角度的衰减曲线图,场景的覆盖模型建立完毕。
S4.对覆盖模型进行校正,通过分析现网MR数据,得到新建站周边紧密邻区的衰减特征曲线(代表小环境的衰减特征),然后将结果与其对应场景库中的衰减曲线进行求差,得到差值。将所有紧密邻区的差值做平均。将S 3中得到的覆盖曲线和这个平均值求和,校正后的数据就是最终的覆盖预测结果。
上述步骤S1至S4的具体内容如下:
S1.覆盖场景细分
细分覆盖场景,针对不同的覆盖地区,可以按照地形、频段、站高、天线类型、下倾角等多个维度划分覆盖模型的分类,覆盖模型总数的计算公式如下:
1)E=i*j*…*k
a)E是覆盖场景分类的总数
b)i是U1维度的数目,j是U2维度的数目,…,k是Ux维度的数
目。且覆盖场景模型如表一所示:
表一覆盖场景模型
U1 | U2 | … | Ux |
P11 | P21 | … | PX1 |
P12 | P22 | … | PX1 |
… | … | … | … |
P1i | P2j | … | PXk |
举例说明:某一区域的覆盖场景模型可以按照地形、频段、站高、天线类型、下倾角等5个维度来建立模型。地形有4个维度,频段有2个维度,站高有8个维度,天线类型有2个维度,下倾角有5个维度。
根据表一及上述维度可知,该区域的覆盖场景总数为144个:
E=4*2*3*2*3=144
其中,144个场景中的部分覆盖场景举例如表二所示:
表二部分覆盖场景举例
序号 | 场景 | 频段 | 站高 | 天线类型 | 下倾角 |
1 | 大学校园 | D | h<=30米 | 高增益 | d<=3 |
2 | 城中村 | F | 30<d<=50 | 普通 | 3<d<=6 |
3 | 步行街 | D | 50<d<=70 | 高增益 | 6<d<=9 |
4 | 密集城区 | F | h<=30米 | 普通 | d<=3 |
S2.基准衰减曲线的绘制
因为小区主瓣方向的信号比较稳定,可以作为计算其他曲线的基准。所以为了建立基站的衰减曲线,先要绘制小区的基准衰减曲线,需要的数据源有工参,MR数据,路测数据、以及天线的水平pattern图。首先将MR样本定位在栅格中,假设定位后的栅格单位小于X米。
1、栅格中心经纬度落在在天线主径方向@角度内的所有MR样本点,都认为主径方向的有效样本,如图10所示。
具体计算过程如下:
图10中的A可以看成主控小区,B可以看成某栅格中心点。
angel_ab:是主控小区经纬度看向邻区经纬度的方向(正北0度,顺时针转);
angel_a:是主控小区和“主控小区经纬度看向邻区经纬度”的夹角,取值范围0~180度;
angel_b:是邻小区和“邻区经纬度看向主控小区经纬度”的夹角,取值范围0~180度;
根据主控和邻区经纬度,计算得到矢量角度angel_ab:
angel_ab=ATAN2(n_lon-lon,n_lat-lat)*180/π+360,(n_lon-lon<0)
angel_ab=ATAN2(n_lon-lon,n_lat-lat)*180/π
根据计算得到的angel_ab矢量,计算主控小区和2点连线的夹角angel_a,以及邻小区和两点连线的夹角angel_b:
angel_a=acos(cos((azimuth-angel_ab)*π/180)))*(180/π)
angel_b=acos((cos((180+n_azimuth-angel_ab)*π/180)))*(180/π))
栅格中心经纬度落在angel_a和angel_b之间的B均为有效样本点。
2、根据栅格的中心经纬度,计算和基站的距离,对在一定距离内样本的RSRP求和平均,可以绘制出小区方向的基准电平衰减曲线。设主波瓣方向角为ɑ,统计每个角度区间内不同距离上的电平值。得到小区基准电平衰减表,从而绘制出天线方向角内所有点的衰减曲线。其中的小区基准电平衰减表如表三所示:
表三小区基准电平衰减表
以X=50米为例,则小区基准电平衰减图如图11所示。
S3.场景360度的全部衰减曲线绘制
根据每个小区的基准电平衰减曲线和天线水平方向的pattern图,其中的水平Pattern图如表四所示,数据可以绘出天线360度角方向的衰减曲线图;
表四Azimuth列中是天线水平pattern图的各个角度。
表四Pathloss列中是天线在该角度和法线方向电平的路损差值。
根据任意栅格的中心经纬度可以计算得到栅格和基站的距离。
根据任意栅格中心经纬度和基站天线主径方向,可以计算栅格和主径的夹角,其中所述栅格与主径方向夹角如图12所示。
根据距离和夹角,查表三和表四得到栅格的平均电平,这样所有栅格的平均电平均得到。
表四水平Pattern图数据
Number | Azimuth | Pathloss |
1 | A0 | P1 |
2 | A1 | p2 |
… | … | … |
m | Am | Pm |
在任意方向Ai上,(0°≤Ai<360°),不同距离栅格的电平情况如表五所示:
表五小区栅格的覆盖表
将该场景下所有小区的覆盖表汇聚,将中心经纬度落在同一角度和距离内的RSRP求平均,就得到了该场景的覆盖模型如表六所示:
表六场景栅格的覆盖表
Number | Azimuth | Distance | RSRP |
1 | Ai | 0米<=d1<1X米 | RSRP1 |
2 | Ai | 1x米<=d1<2X米 | RSRP2 |
… | … | … | … |
N | Ai | (N-1)X米<=d1<NX米 | RSRPn |
S4.覆盖模型矫正
为了更好的适应环境,更准确的模拟出新建站点周边的特征衰减曲线。可以通过计算现网周边紧密邻区站点的衰减特征曲线(代表小环境的衰减特征)矫正覆盖模型。这里引入一种基于邻区场强变化率的邻域加权平局滤波方法。对于一个基站的覆盖预测,通常在平坦的区域场强变化比较小,在出现地理地貌变化和覆盖边缘时,场强变化较大。因此,在一个N*N基站范围内,如果把预测站点与各邻近站点的梯度值的绝对值的倒数定义为加权平均时的邻近站点的加权值,则在平坦区域内的邻近站点的加权值就大,而在边界和地理地貌变化的区域邻近站的加权值就小,这种加权平均可以是预测站点的覆盖地理影响得以矫正。取过邻区区域预测站的一条直线l,把邻域S分为两部分S1和S2,其中的覆盖矫正模型如图13所示。
定义:对于预测站点的场强点(x,y)为中心的N*N邻区区域:
过预测站点的场强点(x,y)沿方向的直线l把S划分为两部分S1和S2,令:
称R为区域场强变化率。但仅从R值的大小,并不能准确盘点预测点(x,y)是边界点还是处理平坦区域的部分,因此,有必要引入一个尺度α来度量,α值这样确定:对于预测点(x,y)为中心的一个N*N邻区区域S,对其内部的所有场强进行排序,根据排序结果,把所有场强分成数目相等的两部分I1和I2,且对:有a≥b。令:
r=(∑a-∑b)/∑l(a∈I1,b∈I2) (公式2)
称r为全局场强变化率,根据实验,取α=0.8r的滤波效果较好。
于是,得到基于邻区场强变化率的邻域加权滤波算法如下:
1、对于预测站点中每一个点以及以它为中心的一个邻区区域,即邻域,根据上述公式算出R和α的值。
2、根据R≥α与否来判断场强点(x,y)是否为地理地貌变化、平坦和覆盖边界区域,如是边界和地理地貌变化区域,按照如下公式进行加权平均:
3、如是平坦区域,保留原预测场强值不变。
从上述描述可知,本发明的应用实例次提出通过一种基于MR的站点覆盖预测方法,能够快速准确的对4G新建站点的覆盖情况进行预测,对网络规划人员在站点选择的实际工作上具有重大的指导意义。较以往方法更精确,该方法可用于分层网络建设、网络结构优化、LTE选点等。
本发明的实施例十提供了一种基站网络信号覆盖状态的预测系统的具体实施方式。参见图14,该预测系统具体包括如下内容:
场景模型库获取单元10,用于对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库,且所述场景模型库中存储有各场景,且各场景中均对应一类基站;
基准衰减曲线确定单元20,用于根据预先获取的数据源确定各基站的基准衰减曲线;
信号覆盖模型获取单元30,用于根据所述基准衰减曲线获取对应基站的信号覆盖模型,其中,所述信号覆盖模型包括当前基站的位置信息与信号覆盖状态预测值的对应关系;
基站网络信号覆盖状态预测结果确定单元40,用于根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型均进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果。
从上述描述可知,本发明的实施例提供了能够获取基站的信号覆盖状态预测结果的整体方法,且该预测过程能够有效适应各地区的不同环境及建设条件,并得出准确且可靠的预测结果。
本发明实施例十一提供了一种基站网络信号覆盖状态的预测设备,参见图15,该设备具体如下:
处理器(processor)801、存储器(memory)802、通信接口(CommunicationsInterface)803和总线804;
其中,
所述处理器801、存储器802、通信接口803通过所述总线804完成相互间的通信;
所述通信接口803用于该自动放通设备与计费系统的通信设备之间的信息传输;
所述处理器801用于调用所述存储器802中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库;根据预先获取的数据源确定各基站的基准衰减曲线;根据所述基准衰减曲线获取对应基站的信号覆盖模型,其中,所述信号覆盖模型包括当前基站的位置信息与信号覆盖状态预测值的对应关系;根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型均进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果。
本发明实施例十二提供了一种计算机程序产品,参见图1,本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库;根据预先获取的数据源确定各基站的基准衰减曲线;根据所述基准衰减曲线获取对应基站的信号覆盖模型,其中,所述信号覆盖模型包括当前基站的位置信息与信号覆盖状态预测值的对应关系;根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型均进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果。
本发明实施例十三提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库;根据预先获取的数据源确定各基站的基准衰减曲线;根据所述基准衰减曲线获取对应基站的信号覆盖模型,其中,所述信号覆盖模型包括当前基站的位置信息与信号覆盖状态预测值的对应关系;根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型均进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的基站网络信号覆盖状态的预测设备等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的劳动的情况下,即可以理解并实施。
最后应说明的是:以上各实施例仅用以说明本发明的实施例的技术方案,而非对其限制;尽管参照前述各实施例对本发明的实施例进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。
Claims (10)
1.一种基站网络信号覆盖状态的预测方法,其特征在于,所述方法包括:
对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库,其中,所述场景模型库中存储有各场景,且各场景中均对应一类基站;
根据预先获取的数据源确定各基站的基准衰减曲线;
根据所述基准衰减曲线获取对应基站的信号覆盖模型,其中,所述信号覆盖模型包括当前基站的位置信息与信号覆盖状态预测值的对应关系;
以及,根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据预先获取的数据源确定各基站的基准衰减曲线包括:
根据当前基站主控小区的位置及主径方向角,确定主径方向的有效样本点;
根据所述有效样本点和当前基站位置关系,获取主控小区主径方向一定距离内栅格所包含有效样本点电平平均值,得到每个栅格的电平,并根据栅格电平绘制得到该基站的基准衰减曲线;
继续确定下一基站的基准衰减曲线,直到获取所述场景模型库中全部场景对应的基站的基准衰减曲线。
3.根据权利要求2所述的方法,其特征在于,所述根据当前基站主控小区的位置及主径方向角,确定主径方向的有效样本点,包括:
在预先获取的场景现网采集数据源中,筛选得到对应基站的采集样本数据;
将当前基站及采集样本的位置信息均定位在栅格图中;
以及,根据主控小区的位置信息,在栅格图中筛选得到基站的天线主瓣方向范围内的小区样本点作为有效样本点。
4.根据权利要求3所述的方法,其特征在于,所述根据所述有效样本点和当前基站位置关系,获取主控小区主径方向一定距离内栅格所包含有效样本点电平平均值,得到每个栅格的电平,并根据栅格电平绘制得到该基站的基准衰减曲线,包括:
根据栅格图的栅格的中心经纬度计算得到各栅格与基站间的距离;其中,单位栅格中包括多个有效样本点;
根据基站天线主瓣方向范围内有效样本点电平,获取各栅格内样本点电平平均值,得到栅格粒度的参考信号接收功率RSRP值;
以及,根据各所述栅格与基站间的距离,以及各栅格的各位置点的RSRP值,绘制得到当前基站主控小区主径方向的电平衰减曲线,并将所述覆盖电平衰减曲线作为当前基站的基准衰减曲线。
5.根据权利要求1所述的方法,其特征在于,所述根据所述基准衰减曲线获取对应基站的信号覆盖模型,包括:
获取当前基站的天线水平方向pattern图;
根据当前基站的各基准衰减曲线及所述天线水平方向pattern图,获取当前基站的信号覆盖模型;
继续确定下一基站的信号覆盖模型,直到获取所述场景模型库中全部场景对应的基站的信号覆盖模型。
6.根据权利要求5所述的方法,其特征在于,所述根据当前基站对应的基准衰减曲线及所述天线水平方向pattern图,获取当前基站的信号覆盖模型,包括:
在栅格图中,根据当前栅格的中心经纬度计算得到当前栅格和当前基站之间的距离;
根据当前栅格的中心经纬度及当前基站的天线主瓣方向,计算得到当前栅格与主瓣方向的夹角;
将当前栅格和当前基站之间的距离以及所述夹角对应至当前基站的基准衰减曲线及所述天线水平方向pattern图中,获得当前栅格的RSRP值并绘制信号覆盖表,继续确定下一栅格的信号覆盖表,直到获取栅格图中全部栅格对应的平均电平,其中,所述信号覆盖表中包括当前栅格的位置信息与信号覆盖状态预测值的对应关系;
以及,将全部的信号覆盖表汇总并将中心经纬度落在同一角度和距离内的栅格的RSRP求平均值,得到当前场景中基站对应的信号覆盖模型。
7.根据权利要求1所述的方法,其特征在于,所述根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果,包括:
根据所述场景模型库中的与待建的目标基站相邻的基站的信号覆盖模型,应用邻域加权平局滤波方法校准所述目标基站的信号覆盖模型,确定校准后的信号覆盖模型即为所述目标地区的目标基站网络信号覆盖状态预测结果;
以及,根据所述目标基站的网络信号覆盖状态预测结果对所述目标地区进行LTE无线网络规划。
8.根据权利要求7所述的方法,其特征在于,所述根据所述场景模型库中的与待建的目标基站相邻的基站的信号覆盖模型,应用邻域加权平局滤波方法校准当前基站的信号覆盖模型,包括:
获取范围为N*N所述目标地区的总邻域S,并将所述总邻域S以一条直线l划分为子邻域S1和子邻域S2;
根据所述邻域S1和邻域S2计算得到区域场强变化率R:
式(1)中,RS1为子邻域S1的区域场强变化率;RS2为子邻域S2的区域场强变化率;(i,j)为总邻域S的区域参数,且S={(i,j),||i-x|≦N,|j-y|≦N},其中,(x,y)为所述目标地区的场强点;
根据全局场强变化率r,获取尺度参数α:
α=λr=λ(∑a-∑b)/∑l,(a∈I1,b∈I2) (2)
式(2)中,a≥b且其中,I1和I2为根据对N*N范围内的所有场强进行排序得到的排序结果将所有场强分成数目相等的两部分;λ为滤波参数;
若根据区域场强变化率R与尺度参数α的值判断得知场强点(x,y)为地理地貌变化、平坦及覆盖边界区域,则计算加权平均值g(x,y:i,j):
9.根据权利要求1所述的方法,其特征在于,所述第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库,包括:
根据多维数据对LTE无线网络规划中的目标地区进行多维度划分,其中,所述多维数据中至少包括地形类型数据、网络频段类型数据、基站高度类型数据、基站的天线类型数据、以及天线的下倾角类型数据;
对所述多维数据进行排列组合,得到所述目标地区的场景模型库。
10.一种基站网络信号覆盖状态的预测系统,其特征在于,所述系统包括:
场景模型库获取单元,用于对第四代移动通信LTE无线网络规划中的目标地区进行多维度划分,得到所述目标地区的场景模型库,且所述场景模型库中存储有各场景,且各场景中均对应一类基站;
基准衰减曲线确定单元,用于根据预先获取的数据源确定各基站的基准衰减曲线;
信号覆盖模型获取单元,用于根据所述基准衰减曲线获取对应基站的信号覆盖模型,其中,所述信号覆盖模型包括当前基站的位置信息与信号覆盖状态预测值的对应关系;
基站网络信号覆盖状态预测结果确定单元,用于根据所述场景模型库中的与待建的目标基站相邻的基站,对所述目标基站的信号覆盖模型进行校准,得到所述目标地区的目标基站的网络信号覆盖状态预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611270046.0A CN108271165B (zh) | 2016-12-30 | 2016-12-30 | 一种基站网络信号覆盖状态的预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611270046.0A CN108271165B (zh) | 2016-12-30 | 2016-12-30 | 一种基站网络信号覆盖状态的预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108271165A true CN108271165A (zh) | 2018-07-10 |
CN108271165B CN108271165B (zh) | 2021-04-27 |
Family
ID=62770388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611270046.0A Active CN108271165B (zh) | 2016-12-30 | 2016-12-30 | 一种基站网络信号覆盖状态的预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108271165B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109587694A (zh) * | 2018-12-18 | 2019-04-05 | 广州旭隆通信科技有限公司 | 一种提高城中村信号覆盖的方法及电子设备 |
CN109766399A (zh) * | 2018-12-29 | 2019-05-17 | 神思电子技术股份有限公司 | 一种基于轨迹的基站路测点选择方法 |
CN110831057A (zh) * | 2019-11-13 | 2020-02-21 | 中国联合网络通信集团有限公司 | 网络覆盖状况检测方法、装置及存储介质 |
CN111294812A (zh) * | 2018-12-10 | 2020-06-16 | 中兴通讯股份有限公司 | 一种资源扩容规划的方法及系统 |
WO2020125349A1 (zh) * | 2018-12-20 | 2020-06-25 | 中兴通讯股份有限公司 | 一种场强测试方法 |
CN111818550A (zh) * | 2019-04-11 | 2020-10-23 | 中国移动通信集团四川有限公司 | 一种网络覆盖情况的预测方法、装置及设备 |
CN112235821A (zh) * | 2020-09-21 | 2021-01-15 | 杭州红岭通信息科技有限公司 | 一种基于ai模型的异频信号强度预测方法 |
CN112243285A (zh) * | 2019-07-16 | 2021-01-19 | 中国移动通信集团重庆有限公司 | 基站节能方法及装置 |
CN112713919A (zh) * | 2020-12-25 | 2021-04-27 | 中国联合网络通信集团有限公司 | 波束配置方法、装置、设备及存储介质 |
CN112738838A (zh) * | 2020-12-25 | 2021-04-30 | 中国联合网络通信集团有限公司 | 一种传播模型的确定方法及装置 |
CN113438658A (zh) * | 2021-06-22 | 2021-09-24 | 中国联合网络通信集团有限公司 | 基站覆盖范围确定方法和装置 |
WO2021238346A1 (zh) * | 2020-05-26 | 2021-12-02 | 中兴通讯股份有限公司 | 预测覆盖指标的方法、模型训练方法和装置、设备、介质 |
CN114375035A (zh) * | 2021-12-29 | 2022-04-19 | 中国电信股份有限公司 | 一种基站参数调整方法、装置、电子设备及可读存储介质 |
CN114567897A (zh) * | 2022-02-28 | 2022-05-31 | 陈国峰 | 一种基于互联网的分布式网络管理方法 |
CN114845317A (zh) * | 2022-05-30 | 2022-08-02 | 深圳市有方科技股份有限公司 | 运营商覆盖情况的分析方法、装置和存储介质 |
CN115835231A (zh) * | 2023-02-14 | 2023-03-21 | 中国铁建电气化局集团有限公司 | 基站角度确定方法、装置、设备及介质 |
CN116321193A (zh) * | 2023-03-07 | 2023-06-23 | 长沙迪迈数码科技股份有限公司 | 信号覆盖定量评估方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103596192A (zh) * | 2013-10-08 | 2014-02-19 | 北京科技大学 | 一种获取Femtocell覆盖概率的方法 |
CN103841567A (zh) * | 2012-11-26 | 2014-06-04 | 中国移动通信集团广东有限公司 | 一种获取基站的多边形区域的方法和基站 |
CN105163337A (zh) * | 2015-08-21 | 2015-12-16 | 北京拓明科技有限公司 | 一种基于覆盖预测仿真的移动网络数据地理映射的方法 |
CN105357707A (zh) * | 2015-11-24 | 2016-02-24 | 哈尔滨工业大学 | 基于克里金插值算法的室内分布式移动通信信号覆盖预测方法 |
CN105898773A (zh) * | 2016-03-25 | 2016-08-24 | 京信通信系统(广州)有限公司 | 传播模型的校正方法和系统 |
US20160269915A1 (en) * | 2014-07-31 | 2016-09-15 | Viavi Solutions Uk Limited | Techniques for estimating a coverage area for a distributed antenna system (das) or a repeater system |
CN106162550A (zh) * | 2015-05-15 | 2016-11-23 | 财团法人资讯工业策进会 | 使用者装置、移动热点装置、后端装置及其路径损耗模型数据库建立方法 |
-
2016
- 2016-12-30 CN CN201611270046.0A patent/CN108271165B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103841567A (zh) * | 2012-11-26 | 2014-06-04 | 中国移动通信集团广东有限公司 | 一种获取基站的多边形区域的方法和基站 |
CN103596192A (zh) * | 2013-10-08 | 2014-02-19 | 北京科技大学 | 一种获取Femtocell覆盖概率的方法 |
US20160269915A1 (en) * | 2014-07-31 | 2016-09-15 | Viavi Solutions Uk Limited | Techniques for estimating a coverage area for a distributed antenna system (das) or a repeater system |
CN106162550A (zh) * | 2015-05-15 | 2016-11-23 | 财团法人资讯工业策进会 | 使用者装置、移动热点装置、后端装置及其路径损耗模型数据库建立方法 |
CN105163337A (zh) * | 2015-08-21 | 2015-12-16 | 北京拓明科技有限公司 | 一种基于覆盖预测仿真的移动网络数据地理映射的方法 |
CN105357707A (zh) * | 2015-11-24 | 2016-02-24 | 哈尔滨工业大学 | 基于克里金插值算法的室内分布式移动通信信号覆盖预测方法 |
CN105898773A (zh) * | 2016-03-25 | 2016-08-24 | 京信通信系统(广州)有限公司 | 传播模型的校正方法和系统 |
Non-Patent Citations (2)
Title |
---|
ERIC NEIDHARDT等: "Estimating Locations and Coverage Areas of Mobile Network Cells based on Crowdsourced Data", 《6TH JOINT IFIP WIRELESS AND MOBILE NETWORKING CONFERENCE (WMNC)》 * |
许侠: "密集市区LTE网络规划与设计研究", 《微型机与应用》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111294812B (zh) * | 2018-12-10 | 2022-12-13 | 中兴通讯股份有限公司 | 一种资源扩容规划的方法及系统 |
CN111294812A (zh) * | 2018-12-10 | 2020-06-16 | 中兴通讯股份有限公司 | 一种资源扩容规划的方法及系统 |
CN109587694B (zh) * | 2018-12-18 | 2021-02-09 | 广州旭隆通信科技有限公司 | 一种提高城中村信号覆盖的方法及电子设备 |
CN109587694A (zh) * | 2018-12-18 | 2019-04-05 | 广州旭隆通信科技有限公司 | 一种提高城中村信号覆盖的方法及电子设备 |
WO2020125349A1 (zh) * | 2018-12-20 | 2020-06-25 | 中兴通讯股份有限公司 | 一种场强测试方法 |
CN109766399A (zh) * | 2018-12-29 | 2019-05-17 | 神思电子技术股份有限公司 | 一种基于轨迹的基站路测点选择方法 |
CN109766399B (zh) * | 2018-12-29 | 2020-11-13 | 神思电子技术股份有限公司 | 一种基于轨迹的基站路测点选择方法 |
CN111818550B (zh) * | 2019-04-11 | 2022-09-27 | 中国移动通信集团四川有限公司 | 一种网络覆盖情况的预测方法、装置及设备 |
CN111818550A (zh) * | 2019-04-11 | 2020-10-23 | 中国移动通信集团四川有限公司 | 一种网络覆盖情况的预测方法、装置及设备 |
CN112243285A (zh) * | 2019-07-16 | 2021-01-19 | 中国移动通信集团重庆有限公司 | 基站节能方法及装置 |
CN110831057B (zh) * | 2019-11-13 | 2023-03-24 | 中国联合网络通信集团有限公司 | 网络覆盖状况检测方法、装置及存储介质 |
CN110831057A (zh) * | 2019-11-13 | 2020-02-21 | 中国联合网络通信集团有限公司 | 网络覆盖状况检测方法、装置及存储介质 |
WO2021238346A1 (zh) * | 2020-05-26 | 2021-12-02 | 中兴通讯股份有限公司 | 预测覆盖指标的方法、模型训练方法和装置、设备、介质 |
CN112235821A (zh) * | 2020-09-21 | 2021-01-15 | 杭州红岭通信息科技有限公司 | 一种基于ai模型的异频信号强度预测方法 |
CN112713919A (zh) * | 2020-12-25 | 2021-04-27 | 中国联合网络通信集团有限公司 | 波束配置方法、装置、设备及存储介质 |
CN112738838A (zh) * | 2020-12-25 | 2021-04-30 | 中国联合网络通信集团有限公司 | 一种传播模型的确定方法及装置 |
CN112713919B (zh) * | 2020-12-25 | 2022-04-15 | 中国联合网络通信集团有限公司 | 波束配置方法、装置、设备及存储介质 |
CN113438658B (zh) * | 2021-06-22 | 2022-12-23 | 中国联合网络通信集团有限公司 | 基站覆盖范围确定方法和装置 |
CN113438658A (zh) * | 2021-06-22 | 2021-09-24 | 中国联合网络通信集团有限公司 | 基站覆盖范围确定方法和装置 |
CN114375035A (zh) * | 2021-12-29 | 2022-04-19 | 中国电信股份有限公司 | 一种基站参数调整方法、装置、电子设备及可读存储介质 |
CN114567897A (zh) * | 2022-02-28 | 2022-05-31 | 陈国峰 | 一种基于互联网的分布式网络管理方法 |
CN114567897B (zh) * | 2022-02-28 | 2024-03-29 | 陈国峰 | 一种基于互联网的分布式网络管理方法 |
CN114845317A (zh) * | 2022-05-30 | 2022-08-02 | 深圳市有方科技股份有限公司 | 运营商覆盖情况的分析方法、装置和存储介质 |
CN115835231A (zh) * | 2023-02-14 | 2023-03-21 | 中国铁建电气化局集团有限公司 | 基站角度确定方法、装置、设备及介质 |
CN115835231B (zh) * | 2023-02-14 | 2023-06-13 | 中国铁建电气化局集团有限公司 | 基站角度确定方法、装置、设备及介质 |
CN116321193A (zh) * | 2023-03-07 | 2023-06-23 | 长沙迪迈数码科技股份有限公司 | 信号覆盖定量评估方法、装置、设备及存储介质 |
CN116321193B (zh) * | 2023-03-07 | 2023-08-01 | 长沙迪迈数码科技股份有限公司 | 信号覆盖定量评估方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108271165B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108271165A (zh) | 一种基站网络信号覆盖状态的预测方法及系统 | |
CN110418354A (zh) | 一种基于机器学习的免传播模型无线网络规划方法 | |
CN109743683A (zh) | 一种采用深度学习融合网络模型确定手机用户位置的方法 | |
CN105430664B (zh) | 一种基于分类拟合预测传播路损的方法和装置 | |
CN109548041A (zh) | 一种无线覆盖分析方法及系统 | |
CN104811968B (zh) | 一种传播模型的校正方法及装置 | |
CN109996279A (zh) | 过覆盖小区定位方法、装置、设备及介质 | |
CN108271171B (zh) | 建筑物网络状况统计方法及装置 | |
US11044613B2 (en) | Method of processing image, computer-readable storage medium recording method, and apparatus for processing image | |
CN106921989B (zh) | 一种通信网络场强分布确定方法及装置 | |
CN106899985A (zh) | 一种网络覆盖的评估方法及装置 | |
CN109002627A (zh) | 基于灰色神经网络ca模型的城市规划方案热岛模拟预测方法 | |
CN106556877B (zh) | 一种地磁通化方法及装置 | |
CN108259097B (zh) | 基于mr数据的修正无线传播模型的方法及装置 | |
CN102083076A (zh) | 一种无线网络规划方法及装置 | |
CN108207005B (zh) | 一种lte无线网络的评估方法及服务器 | |
CN104602249B (zh) | 一种确定小区关系的方法及装置 | |
JP2018032939A (ja) | 品質推定装置及び品質推定方法 | |
CN103402209B (zh) | 基于宏基站小区覆盖状况进行网络优化的方法及系统 | |
CN108416514A (zh) | 基于地理信息系统的邻区规划方法及装置 | |
CN110475252B (zh) | 基于用户行为判定的室分小区mr弱覆盖优化方法及装置 | |
CN105187139B (zh) | 一种基于群智感知的室外无线信号接收强度地图构建方法 | |
CN107113633A (zh) | 优化通信网络的处理方法和装置 | |
CN116341841A (zh) | 径流预报误差校正方法、装置、设备、介质和程序产品 | |
CN112566143B (zh) | 负载均衡方法、装置及计算设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |