CN109548034A - 一种为高铁部署基站的方法及装置 - Google Patents
一种为高铁部署基站的方法及装置 Download PDFInfo
- Publication number
- CN109548034A CN109548034A CN201910028106.5A CN201910028106A CN109548034A CN 109548034 A CN109548034 A CN 109548034A CN 201910028106 A CN201910028106 A CN 201910028106A CN 109548034 A CN109548034 A CN 109548034A
- Authority
- CN
- China
- Prior art keywords
- station
- target
- speed rail
- base station
- gauge
- 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
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一种为高铁部署基站的方法及装置,能够简化高铁部署基站参数的计算过程,实现高铁部署基站参数的黑盒化性。该方法包括:在预定高铁场景下,获取目标基站的站轨距、站高、天线的垂直半波瓣角;根据目标基站的覆盖半径、以及目标基站的站轨距、站高、天线的垂直半波瓣角,通过公式:计算下倾角,其中,α为下倾角,M为站轨距,β为目标基站的入射角,H为目标基站的站高,θ为天线的垂直半波瓣角;将目标基站的站轨距、站高以及覆盖半径输入训练好的目标预测模型,得到站间距;根据站高、站轨距、下倾角和站间距在预定高铁场景下部署目标基站。
Description
技术领域
本发明的实施例涉及通信领域,尤其涉及一种为高铁部署基站的方法及装置。
背景技术
5G作为首个中国主推的通信标准,目前标准已经基本冻结。从设备形态来看,5GNR(new radio)是结合大功率(200W)、大带宽(100MHz)和大规模天线技术形成的新型基站,NR具备多个子载波且可以进行波束赋形。由于设备厂家目前主要推广的TR组件(transmitter and receiver)产品数量有4TR、8TR、16TR、32TR和64TR等。天线阵子的数量也有48、96、128到192等,因此给5G高铁部署设备选型和站间距、下倾角等规划造成了一定的影响,使得计算站间距、下倾角等部署参数更加复杂。
人工神经网络(artificial neural network,ANN)是指由大量的处理单元(神经元)互相连接而形成的复杂网络结构,是对人脑组织结构和运行机制的抽象、简化和模拟。ANN以数学模型模拟神经元活动,是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。ANN有多层和单层之分,每一层包含若干神经元,各神经元之间用带可变权重的有向弧连接,网络通过对已知信息的反复学习训练,通过逐步调整改变神经元连接权重的方法,达到处理信息、模拟输入输出之间关系的目的。它不需要知道输入输出之间的确切关系,不需大量参数,只需要知道引起输出变化的非恒定因素,即非常量性参数。因此与传统的数据处理方法相比,神经网络技术在处理模糊数据、随机性数据、非线性数据方面具有明显优势,对规模大、结构复杂、信息不明确的系统尤为适用。
BP神经网络(back propagation),是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的人工神经网络模型之一。BP神经网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。
发明内容
本发明的实施例提供一种为高铁部署基站的方法及装置,能够简化高铁部署基站参数的计算过程,实现高铁部署基站参数的黑盒化性。
第一方面,提供一种为高铁部署基站的方法,包括如下步骤:在预定高铁场景下,获取目标基站的站轨距、站高、天线的垂直半波瓣角;根据所述目标基站的覆盖半径、以及所述目标基站的站轨距、站高、天线的垂直半波瓣角,通过公式:计算下倾角,其中,α为所述下倾角,M为所述站轨距,β为所述目标基站的入射角,H为所述目标基站的站高,θ为所述天线的垂直半波瓣角;将所述目标基站的站轨距、站高以及所述覆盖半径输入训练好的目标预测模型,得到站间距;根据所述站高、所述站轨距、所述下倾角和所述站间距在所述预定高铁场景下部署所述目标基站。
上述方案中,由于可以将目标基站的站轨距、站高以及覆盖半径输入训练好的目标预测模型,得到站间距,避免了使用传统方法进行多次闲置条件判断之后还是难以找到合适的配置参数的繁琐过程,简化了高铁部署基站参数的计算过程,实现了站间距计算过程的黑盒化,提高了站间距评估的准确性。
第二方面,提供一种为高铁部署基站的装置,包括:获取模块,用于在预定高铁场景下,获取目标基站的站轨距、站高、天线的垂直半波瓣角;计算模块,用于根据所述目标基站的覆盖半径、以及所述获取模块获取的所述目标基站的站轨距、站高、天线的垂直半波瓣角,通过公式:
计算下倾角,其中,α为所述下倾角,M为所述站轨距,β为所述目标基站的入射角,H为所述目标基站的站高,θ为所述天线的垂直半波瓣角;处理模块,用于将所述目标基站的站轨距、站高以及所述覆盖半径输入训练好的目标预测模型,得到站间距;部署模块,用于根据所述获取模块获取的所述站高、所述站轨距、所述计算模块计算的所述下倾角和所述处理模块得到的所述站间距在所述预定高铁场景下部署所述目标基站。
第三方面,提供一种为高铁部署基站的装置,包括通信接口、处理器、存储器、总线;存储器用于存储计算机执行指令,处理器与存储器通过总线连接,当为高铁部署基站的装置运行时,处理器执行存储器存储的计算机执行指令,以使为高铁部署基站的装置执行如上述第一方面的为高铁部署基站的方法。
第四方面,提供一种计算机存储介质,包括指令,当指令在计算机上运行时,使得计算机执行如上述的为高铁部署基站的方法。
第五方面,提供一种计算机程序产品,计算机程序产品包括指令代码,指令代码用于执行如上述的为高铁部署基站的方法。
可以理解地,上述提供的任一为高铁部署基站的装置、计算机存储介质或计算机程序产品均用于执行上文所提供的第一方面对应的方法,因此,其所能达到的有益效果可参考上文第一方面的方法以及下文具体实施方式中对应的方案的有益效果,此处不再赘述。
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为本发明的实施例提供的一种高铁部署基站参数示意图;
图2为本发明的实施例提供的一种5G NR通信系统架构示意图;
图3为本发明的实施例提供的一种为高铁部署基站的方法示意图;
图4为本发明的实施例提供的一种神经网络预测训练目标预测模型的方法示意图;
图5为本发明的实施例提供的一种神经网络拓扑图;
图6为本发明的实施例提供的一种为高铁部署基站的装置的结构示意图;
图7为本发明的另一实施例提供的一种为高铁部署基站的装置的结构示意图。
具体实施方式
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、完整地描述,显然,所描述的实施例仅仅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做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。
首先对本申请的实施例应用的技术术语说明,参照图1所示,具体包括如下:
站轨距M:基站到高铁轨道的垂直距离。
站高H:基站的高度。
覆盖半径R:基站天线的信号所能达到的最远距离。
重叠覆盖区长度L:相邻两个基站在高铁轨道上的重叠覆盖区的最大直径。
站间距D:相邻基站之间的直线距离。
下倾角α:以基站天线与高铁轨道为端点,覆盖半径R为长度的直线与地面的最小夹角。
入射角β:以基站底部中心与高铁轨道为端点,覆盖半径R为长度的直线与高铁轨道的最小夹角。
5G NR具备多个子载波且可以进行波束赋形。本申请提供一种5G NR通信系统架构,参照图2所示,该架构对信号的处理采用正交频分复用(orthogonal frequencydivision multiplex,OFDM)的多载波调制方式,将信号分割为k个子信号(即图2中的波段),然后用k个子信号分别调制k个相互正交的子载波(即图2中的子载波)。具体参照图2所示,首先,在发送端:波段10为一段比特流,对其进行子载波11调制,例如可以是QAM或QPSK调制;由于子载波11与波段10相互正交,因此在频域上,波段10与子载波11的频谱相互重合,因而得到较高频谱效率;将子载波11调制后的波段10进行IFFT(inverse fast Fouriertransform,快速傅立叶反变换),转换成时域信号,再加循环前缀,形成OFDM码元;再通过滤波器,例如,可以是频谱整形滤波器,输出正交的基带信号,例如,该正交的基带信号可以为射频信号(radio frequency,RF);最后与其他波段(波段20至波段k0)处理后生成的正交基带信号通过发送设备将射频信号进行发送,例如,发送设备可以是天线,其中,在组帧时,须加入同步序列和信道估计序列,以便接收端进行突发检测、同步和信道估计。其次,在接收端,通过天线接收发送端发送的正交基带信号,进行同步和信道估计,将该信号通过滤波器进行滤波纠正后,去循环前缀,再进行FFT(fast Fourier transform,快速傅立叶变换),得到调制信号,将该调制信号进行子载波解调,得到比特流,通过OFDM检测得到发送端所发送的信号。
随着铁路和5G技术快速发展,旅途通信成为一种主流的通信方式,其中高铁出行占较大的比例。但是高铁具备超高的运行时速,这对部署在3.5GHz高频段的5G通信造成了较大的影响,尤其对覆盖范围和站间距评估会造成影响。又由于设备厂家目前主要推广的TR组件(transmitter and receiver)产品数量有4TR、8TR、16TR、32TR和64TR等。天线阵子的数量也有48、96、128到192等,因此给5G高铁部署设备选型和站间距、下倾角等规划造成了一定的影响,使得计算站间距、下倾角等部署参数更加复杂。
在上述5G NR通信系统架构体系下,本申请提供一种为高铁部署基站的方法,参照图3所示,具体包括如下步骤:
301、在预定高铁场景下,获取目标基站的站轨距、站高、天线的垂直半波瓣角。
按照3GPP TS38.901协议内的规定,场景划分可以划分为密集城区、一般城区、郊区、开阔区域等。
首先,获取终端的边缘速率和天线配置,包括获取终端的功率、目标基站的功率、目标基站与终端传输数据使用的RB数、目标基站的天线阵子增益、天线工艺中的集成衰减、预定频段下高铁的穿透损耗、预定高铁场景下的路径衰减常量、目标基站的面积覆盖率、接收功率门限,其中接收功率门限为目标基站或终端接收功率的最小值;还包括TR数,天线阵子数。
通过公式:计算目标基站的覆盖半径,其中,R为覆盖半径;PTX_a为基站的总功率或者终端的总功率;NRB_S为使用到的RB数;GSAO为单个天线阵子增益;NAO为全部天线阵子增益,全部天线阵子增益等于单个天线阵子增益乘以天线阵子数;EMP为天线工艺中的集成衰减;Pin为面积覆盖率。
BPL为穿透损耗,由于高铁的超高运动时速和高频通信频段,其穿透损耗很大,例如复兴号在3.5GHz频段下,穿透损耗为39dB,其他车型和频率下的穿透损耗情况见下表1;
车型 | 年份 | LTE 1.8GHz | 3.5GHz | 4.9GHz |
CRH380A | 2011 | 20 | 25 | 28 |
CRH380B | 2012 | 29 | 34 | 37 |
复兴号400AF | 2017 | 34 | 39 | 42 |
表1PL0为路径衰减常量,高铁场景中主要包含路径衰减常量PL0和衰减因子n以及位置r。例如,按照3GPP 38.901中规定,下表2给出了3种典型场景的参数配置:
表2
其中,fc为工作频段,例如,在5G通信中,联通和电信的工作频段为3.5GHz,移动的工作频段为2.6GHz,Hut为用户终端距地面的高度,H为目标基站的站高。
T为接收功率门限,是接收功率门限为目标基站或终端接收功率的最小值。通过公式:T=NThermal+NF+SINRui+GRX计算。其中NThermal为目标基站或终端热噪声,通过公式NThermal=k·Ttem·BW计算,k为玻尔兹曼常数(boltzmann constant),k=1.3806505(24)×10^(-23)J/K,Ttem为K氏温度(Kelvintemperature),BW为带宽。NF为接收底噪。SINRui为获取的边缘速率对应的信号与干扰加噪声比(signal to interference plus noise ratio,SINR)值,可以在香农定理的基础上,结合实际速率和SINR值的关系,根据公式计算,其中,γ为常数,例如,取值为0.4879;ε为常数,例如,取值为10;w为信道带宽;Rui为用户ui的边缘速率;BW为下行带宽。GRX为接收端的接收增益。
通过上述覆盖半径的计算公式,本申请计算了几种在不同边缘速率要求下的覆盖半径,见下表3,可以看出一般覆盖都是上行受限,且计算出的结果为设备能力下的极限覆盖半径。例如,在使用192阵子设备和1Mbps上行边缘速率时,密集城区的覆盖范围为128米,郊区为320米,开阔区域为955米。这些为典型场景的情况,在不同的边缘速率要求下,覆盖半径会有较大的差异。
表3
其次,获取目标基站的站轨距、站高、天线的垂直半波瓣角,其中天线的垂直半波瓣角为天线本身的特性,为常数,例如,天线的垂直半波瓣角为8°。
302、根据目标基站的覆盖半径、以及目标基站的站轨距、站高、天线的垂直半波瓣角,通过公式:
计算下倾角。
其中,α为下倾角,当天线阵子数为128时,约束条件为小于23°;当天线阵子数为48、96、192中任一数目时,约束条件为小于33°;而2x4单元组阵的设备极限下倾角为23°,3x4单元组阵的设备极限下倾角为13°。
M为站轨距,例如,可以设置为10-30米。
β为目标基站的入射角,根据公式计算入射角;由于入射角小于10°时,穿透损耗增加,所以入射角的约束条件为大于10°;其中M为站轨距,R为覆盖半径,H为目标基站的站高。
H为目标基站的站高,例如,一般可以为15-45米。
θ为天线的垂直半波瓣角。
303、将目标基站的站轨距、站高以及覆盖半径输入训练好的目标预测模型,得到站间距。
本申请提供一种神经网络预测训练目标预测模型的方法,参照图4所示,具体包括如下步骤:
S1、在宽泛理想高铁场景下,获取多个基站的站轨距、站高、重叠覆盖区长度、覆盖半径。
其中,重叠覆盖区长度为相邻两个基站在高铁轨道上的重叠覆盖区的最大直径。
在宽泛理想高铁场景下,指尽可能多的考虑到场景对部署高铁基站参数的影响的前提下,根据常规的站轨距、站高,以及步骤301中计算覆盖半径的方法,对参数取值范围进行规定,例如,规定各参数的取值范围如下表4:
参数 | 取值范围(米) |
覆盖半径 | 80-955 |
站轨距 | 20-275 |
站高 | 15-60 |
表4S2、通过公式:计算基站之间的站间距。
其中D表示站间距,R0表示覆盖半径,M0表示站轨距,L表示重叠覆盖区长度。
S3、以多个基站的站高、站轨距、覆盖半径作为输入参数,以站间距作为输出参数,通过神经网络预测训练生成目标预测模型。
具体参照图5所示,神经网络包括输入层、隐含层、输出层和神经元。在本申请中将站高、站轨距、覆盖半径作为输入层的输入参数,将站间距作为输出层的输出参数,通过隐含层进行训练。层与层之间用线连接在一起,每条连接线都有一个对应的权重值,除了输入层,一般来说每个神经元还有对应的偏置。
其中,对于神经网络的隐含层的层数选择,以及隐含层中包含的节点数和神经网络数目本申请不做规定。
优选的,可以为包含两层隐含层的BP神经网络,第一隐含层包括10个隐藏节点,第二隐含层包含5个人工神经网络。
得到目标预测模型之后,将目标基站的站轨距、站高以及覆盖半径输入训练好的目标预测模型,便可以得到目标基站之间的站间距。
304、根据站高、站轨距、下倾角和站间距在预定高铁场景下部署目标基站。
上述方案中,由于可以将目标基站的站轨距、站高以及覆盖半径输入训练好的目标预测模型,得到站间距,避免了使用传统方法进行多次闲置条件判断之后还是难以找到合适的配置参数的繁琐过程,简化了高铁部署基站参数的计算过程,实现了站间距计算过程的黑盒化,提高了站间距评估的准确性。
参照图6所示,提供一种为高铁部署基站的装置,包括:
获取模块61,用于在预定高铁场景下,获取目标基站的站轨距、站高、天线的垂直半波瓣角;计算模块62,用于根据所述目标基站的覆盖半径、以及所述获取模块61获取的所述目标基站的站轨距、站高、天线的垂直半波瓣角,通过公式:计算下倾角,其中,α为所述下倾角,M为所述站轨距,β为所述目标基站的入射角,H为所述目标基站的站高,θ为所述天线的垂直半波瓣角;处理模块63,用于将所述目标基站的站轨距、站高以及所述覆盖半径输入训练好的目标预测模型,得到站间距;部署模块64,用于根据所述获取模块61获取的所述站高、所述站轨距、所述计算模块62计算的所述下倾角和所述处理模块63得到的所述站间距在所述预定高铁场景下部署所述目标基站。
可选的,所述获取模块61,还用于获取终端的功率、目标基站的功率、所述目标基站与所述终端传输数据使用的RB数、所述目标基站的天线阵子增益、天线工艺中的集成衰减、预定频段下高铁的穿透损耗、所述预定高铁场景下的路径衰减常量、所述目标基站的面积覆盖率、接收功率门限,其中所述接收功率门限为所述目标基站或终端接收功率的最小值;所述计算模块62,还用于通过公式:
计算所述目标基站的覆盖半径,其中,R为所述覆盖半径,PTX_a为所述基站的总功率或者所述终端的总功率,NRB_S为使用到的所述RB数,GSAO为单个所述天线阵子增益,NAO为全部所述天线阵子增益,EMP为所述集成衰减,BPL为所述穿透损耗,PL0为所述路径衰减常量,Pin为所述面积覆盖率,T为所述接收功率门限。
可选的,所述获取模块61,还用于在宽泛理想高铁场景下,获取多个基站的站轨距、站高、重叠覆盖区长度、覆盖半径,其中,所述重叠覆盖区长度为相邻两个所述基站在高铁轨道上的重叠覆盖区的最大直径;所述计算模块62,还用于通过公式:计算所述基站之间的站间距,其中D表示所述站间距,R0表示所述覆盖半径,M0表示所述站轨距,L表示所述重叠覆盖区长度;所述处理模块63,还用于以所述多个基站的站高、站轨距、覆盖半径作为输入参数,以所述站间距作为输出参数,通过神经网络预测训练生成所述目标预测模型。
在采用集成的模块的情况下,为高铁部署基站的装置包括:存储单元、处理单元以及接口单元。处理单元用于对为高铁部署基站的装置的动作进行控制管理。接口单元,用于支持为高铁部署基站的装置与其他设备的信息交互。存储单元,用于存储为高铁部署基站的装置的程序代码和数据。
其中,以处理单元为处理器,存储单元为存储器,接口单元为通信接口为例。其中,为高铁部署基站的装置参照图7中所示,包括通信接口701、处理器702、存储器703和总线704,通信接口701、处理器702通过总线704与存储器703相连。
处理器702可以是一个通用中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
存储器703可以是只读存储器(Read-Only Memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(Random Access Memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者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。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器703用于存储执行本申请方案的应用程序代码,并由处理器702来控制执行。通讯接口701用于与其他设备进行信息交互,例如支持为高铁部署基站的装置与其他设备的信息交互,例如从其他设备获取数据或者向其他设备发送数据。处理器702用于执行存储器703中存储的应用程序代码,从而实现本申请实施例中所述的方法。
此外,还提供一种计算存储媒体(或介质),包括在被执行时进行上述实施例中的为高铁部署基站的装置执行的方法操作的指令。另外,还提供一种计算机程序产品,包括上述计算存储媒体(或介质)。
其中,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,其作用在此不再赘述。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:read-only memory,英文简称:ROM)、随机存取存储器(英文全称:random access memory,英文简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,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以所述权利要求的保护范围为准。
Claims (9)
1.一种为高铁部署基站的方法,其特征在于,
在预定高铁场景下,获取目标基站的站轨距、站高、天线的垂直半波瓣角;
根据所述目标基站的覆盖半径、以及所述目标基站的站轨距、站高、天线的垂直半波瓣角,通过公式:计算下倾角,其中,α为所述下倾角,M为所述站轨距,β为所述目标基站的入射角,H为所述目标基站的站高,θ为所述天线的垂直半波瓣角;
将所述目标基站的站轨距、站高以及所述覆盖半径输入训练好的目标预测模型,得到站间距;
根据所述站高、所述站轨距、所述下倾角和所述站间距在所述预定高铁场景下部署所述目标基站。
2.根据权利要求1所述的为高铁部署基站的方法,其特征在于,包括:
获取终端的功率、目标基站的功率、所述目标基站与所述终端传输数据使用的RB数、所述目标基站的天线阵子增益、天线工艺中的集成衰减、预定频段下高铁的穿透损耗、所述预定高铁场景下的路径衰减常量、所述目标基站的面积覆盖率、接收功率门限,其中所述接收功率门限为所述目标基站或终端接收功率的最小值;
通过公式:计算所述目标基站的覆盖半径,其中,R为所述覆盖半径,PTX_a为所述基站的总功率或者所述终端的总功率,NRB_S为使用到的所述RB数,GSAO为单个所述天线阵子增益,NAO为全部所述天线阵子增益,EMP为所述集成衰减,BPL为所述穿透损耗,PL0为所述路径衰减常量,Pin为所述面积覆盖率,T为所述接收功率门限。
3.根据权利要求1所述的为高铁部署基站的方法,其特征在于,将所述目标基站的站轨距、站高以及所述覆盖半径输入训练好的目标预测模型,得到站间距,之前,还包括:
在宽泛理想高铁场景下,获取多个基站的站轨距、站高、重叠覆盖区长度、覆盖半径,其中,所述重叠覆盖区长度为相邻两个所述基站在高铁轨道上的重叠覆盖区的最大直径;
通过公式:计算所述基站之间的站间距,其中D表示所述站间距,R0表示所述覆盖半径,M0表示所述站轨距,L表示所述重叠覆盖区长度;
以所述多个基站的站高、站轨距、覆盖半径作为输入参数,以所述站间距作为输出参数,通过神经网络预测训练生成所述目标预测模型。
4.一种为高铁部署基站的装置,其特征在于,包括:
获取模块,用于在预定高铁场景下,获取目标基站的站轨距、站高、天线的垂直半波瓣角;
计算模块,用于根据所述目标基站的覆盖半径、以及所述获取模块获取的所述目标基站的站轨距、站高、天线的垂直半波瓣角,通过公式:
计算下倾角,其中,α为所述下倾角,M为所述站轨距,β为所述目标基站的入射角,H为所述目标基站的站高,θ为所述天线的垂直半波瓣角;
处理模块,用于将所述目标基站的站轨距、站高以及所述覆盖半径输入训练好的目标预测模型,得到站间距;
部署模块,用于根据所述获取模块获取的所述站高、所述站轨距、所述计算模块计算的所述下倾角和所述处理模块得到的所述站间距在所述预定高铁场景下部署所述目标基站。
5.根据权利要求1所述的为高铁部署基站的装置,其特征在于,
所述获取模块,还用于获取终端的功率、目标基站的功率、所述目标基站与所述终端传输数据使用的RB数、所述目标基站的天线阵子增益、天线工艺中的集成衰减、预定频段下高铁的穿透损耗、所述预定高铁场景下的路径衰减常量、所述目标基站的面积覆盖率、接收功率门限,其中所述接收功率门限为所述目标基站或终端接收功率的最小值;
所述计算模块,还用于通过公式:
计算所述目标基站的覆盖半径,其中,R为所述覆盖半径,PTX_a为所述基站的总功率或者所述终端的总功率,NRB_S为使用到的所述RB数,GSAO为单个所述天线阵子增益,NAO为全部所述天线阵子增益,EMP为所述集成衰减,BPL为所述穿透损耗,PL0为所述路径衰减常量,Pin为所述面积覆盖率,T为所述接收功率门限。
6.根据权利要求1所述的为高铁部署基站的装置,其特征在于,
所述获取模块,还用于在宽泛理想高铁场景下,获取多个基站的站轨距、站高、重叠覆盖区长度、覆盖半径,其中,所述重叠覆盖区长度为相邻两个所述基站在高铁轨道上的重叠覆盖区的最大直径;
所述计算模块,还用于通过公式:计算所述基站之间的站间距,其中D表示所述站间距,R0表示所述覆盖半径,M0表示所述站轨距,L表示所述重叠覆盖区长度;
所述处理模块,还用于以所述多个基站的站高、站轨距、覆盖半径作为输入参数,以所述站间距作为输出参数,通过神经网络预测训练生成所述目标预测模型。
7.一种为高铁部署基站的装置,其特征在于,包括通信接口、处理器、存储器、总线;所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过所述总线连接,当所述为高铁部署基站的装置运行时,所述处理器执行所述存储器存储的计算机执行指令,以使所述为高铁部署基站的装置执行如权利要求1-3所述的为高铁部署基站的方法。
8.一种计算机存储介质,包括指令,其特征在于,当所述指令在计算机上运行时,使得所述计算机执行如权利要求1-3任一项所述的为高铁部署基站的方法。
9.一种计算机程序产品,其特征在于,所述计算机程序产品包括指令代码,所述指令代码用于执行如权利要求1-3任一项所述的为高铁部署基站的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910028106.5A CN109548034B (zh) | 2019-01-11 | 2019-01-11 | 一种为高铁部署基站的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910028106.5A CN109548034B (zh) | 2019-01-11 | 2019-01-11 | 一种为高铁部署基站的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109548034A true CN109548034A (zh) | 2019-03-29 |
CN109548034B CN109548034B (zh) | 2021-09-28 |
Family
ID=65834900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910028106.5A Active CN109548034B (zh) | 2019-01-11 | 2019-01-11 | 一种为高铁部署基站的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109548034B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110677206A (zh) * | 2019-09-17 | 2020-01-10 | 中国联合网络通信集团有限公司 | 一种设备选型方法和装置 |
CN111615114A (zh) * | 2020-05-22 | 2020-09-01 | 中国联合网络通信集团有限公司 | 一种边缘覆盖率的确定方法及装置 |
CN111669776A (zh) * | 2020-05-22 | 2020-09-15 | 中国联合网络通信集团有限公司 | 一种边缘速率的确定方法和装置 |
CN111669763A (zh) * | 2020-05-22 | 2020-09-15 | 中国联合网络通信集团有限公司 | 一种站间距的确定方法及装置 |
CN111669762A (zh) * | 2020-05-22 | 2020-09-15 | 中国联合网络通信集团有限公司 | 一种站间距的确定方法及装置 |
CN112689262A (zh) * | 2020-12-03 | 2021-04-20 | 厦门城市职业学院(厦门市广播电视大学) | 基于多载波调制宽带技术的地铁基地台布建规划方法 |
CN113115218A (zh) * | 2021-03-16 | 2021-07-13 | 中国联合网络通信集团有限公司 | 一种覆盖能力确定方法、装置及存储介质 |
CN115347921A (zh) * | 2021-05-14 | 2022-11-15 | 中国移动通信集团浙江有限公司 | 面向低空的5g小区副瓣覆盖方法、装置及计算设备 |
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 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1206153A2 (en) * | 2000-11-10 | 2002-05-15 | NTT DoCoMo, Inc. | Location registration apparatus, location registration method, and mobile communication network |
CN101431757A (zh) * | 2008-09-08 | 2009-05-13 | 中国移动通信集团广东有限公司 | 高速移动环境下利用信号掠射角进行“站间距”的计算方法 |
JP4655836B2 (ja) * | 2005-09-06 | 2011-03-23 | Kddi株式会社 | 鉄道線路に基地局を最適配置するためのセル設計プログラム及び装置 |
CN102340867A (zh) * | 2011-08-31 | 2012-02-01 | 陈立 | 一种高精度铁路站场列车无线定位系统及定位方法 |
CN103118372A (zh) * | 2013-01-30 | 2013-05-22 | 江苏省邮电规划设计院有限责任公司 | 一种高铁环境中cdma无线通讯网络的设置方法 |
CN103747457A (zh) * | 2014-01-24 | 2014-04-23 | 清华大学 | 高速列车环境下无线通信基站部署方法及系统 |
CN104244268A (zh) * | 2014-09-16 | 2014-12-24 | 中国联合网络通信集团有限公司 | 高铁沿线网络覆盖的方法及装置 |
CN105915269A (zh) * | 2016-03-30 | 2016-08-31 | 中科凯普(天津)卫星导航通信技术有限公司 | 一种高铁宽带专网高动态lte转换技术的微波开关型多出多入天线系统 |
KR20170116708A (ko) * | 2016-04-12 | 2017-10-20 | 한국전자통신연구원 | 열차 추돌 방지 시스템 |
-
2019
- 2019-01-11 CN CN201910028106.5A patent/CN109548034B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1206153A2 (en) * | 2000-11-10 | 2002-05-15 | NTT DoCoMo, Inc. | Location registration apparatus, location registration method, and mobile communication network |
JP4655836B2 (ja) * | 2005-09-06 | 2011-03-23 | Kddi株式会社 | 鉄道線路に基地局を最適配置するためのセル設計プログラム及び装置 |
CN101431757A (zh) * | 2008-09-08 | 2009-05-13 | 中国移动通信集团广东有限公司 | 高速移动环境下利用信号掠射角进行“站间距”的计算方法 |
CN102340867A (zh) * | 2011-08-31 | 2012-02-01 | 陈立 | 一种高精度铁路站场列车无线定位系统及定位方法 |
CN103118372A (zh) * | 2013-01-30 | 2013-05-22 | 江苏省邮电规划设计院有限责任公司 | 一种高铁环境中cdma无线通讯网络的设置方法 |
CN103747457A (zh) * | 2014-01-24 | 2014-04-23 | 清华大学 | 高速列车环境下无线通信基站部署方法及系统 |
CN104244268A (zh) * | 2014-09-16 | 2014-12-24 | 中国联合网络通信集团有限公司 | 高铁沿线网络覆盖的方法及装置 |
CN105915269A (zh) * | 2016-03-30 | 2016-08-31 | 中科凯普(天津)卫星导航通信技术有限公司 | 一种高铁宽带专网高动态lte转换技术的微波开关型多出多入天线系统 |
KR20170116708A (ko) * | 2016-04-12 | 2017-10-20 | 한국전자통신연구원 | 열차 추돌 방지 시스템 |
Non-Patent Citations (1)
Title |
---|
李琦: "LTE高铁站址规划方法研究", 《电信工程技术与标准化》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110677206A (zh) * | 2019-09-17 | 2020-01-10 | 中国联合网络通信集团有限公司 | 一种设备选型方法和装置 |
CN110677206B (zh) * | 2019-09-17 | 2021-09-14 | 中国联合网络通信集团有限公司 | 一种设备选型方法和装置 |
CN111669762B (zh) * | 2020-05-22 | 2023-05-26 | 中国联合网络通信集团有限公司 | 一种站间距的确定方法及装置 |
CN111615114A (zh) * | 2020-05-22 | 2020-09-01 | 中国联合网络通信集团有限公司 | 一种边缘覆盖率的确定方法及装置 |
CN111669776A (zh) * | 2020-05-22 | 2020-09-15 | 中国联合网络通信集团有限公司 | 一种边缘速率的确定方法和装置 |
CN111669763A (zh) * | 2020-05-22 | 2020-09-15 | 中国联合网络通信集团有限公司 | 一种站间距的确定方法及装置 |
CN111669762A (zh) * | 2020-05-22 | 2020-09-15 | 中国联合网络通信集团有限公司 | 一种站间距的确定方法及装置 |
CN111615114B (zh) * | 2020-05-22 | 2023-10-31 | 中国联合网络通信集团有限公司 | 一种边缘覆盖率的确定方法及装置 |
CN111669776B (zh) * | 2020-05-22 | 2023-05-30 | 中国联合网络通信集团有限公司 | 一种边缘速率的确定方法和装置 |
CN112689262A (zh) * | 2020-12-03 | 2021-04-20 | 厦门城市职业学院(厦门市广播电视大学) | 基于多载波调制宽带技术的地铁基地台布建规划方法 |
CN112689262B (zh) * | 2020-12-03 | 2024-04-02 | 厦门城市职业学院(厦门市广播电视大学) | 基于多载波调制宽带技术的地铁基地台布建规划方法 |
CN113115218A (zh) * | 2021-03-16 | 2021-07-13 | 中国联合网络通信集团有限公司 | 一种覆盖能力确定方法、装置及存储介质 |
CN113115218B (zh) * | 2021-03-16 | 2022-07-12 | 中国联合网络通信集团有限公司 | 一种覆盖能力确定方法、装置及存储介质 |
CN115347921A (zh) * | 2021-05-14 | 2022-11-15 | 中国移动通信集团浙江有限公司 | 面向低空的5g小区副瓣覆盖方法、装置及计算设备 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN109548034B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109548034A (zh) | 一种为高铁部署基站的方法及装置 | |
EP3143820B1 (en) | Apparatus and method for ofdma tone allocation in next generation wi-fi networks | |
CN107613555A (zh) | 非正交多址接入蜂窝和终端直通密集网络资源管控方法 | |
Bala et al. | Shaping spectral leakage: A novel low-complexity transceiver architecture for cognitive radio | |
CN108540419B (zh) | 一种基于深度学习的抗子载波间干扰的ofdm检测方法 | |
CN109151970A (zh) | 一种发送功率的确定方法、处理芯片及通信设备 | |
CN109219134A (zh) | 一种发送方法及装置 | |
CN107370704A (zh) | 无线通信设备及无线信号产生方法 | |
CN109155771A (zh) | 针对正交频分复用波形的异构加权交叠相加加窗和滤波 | |
CN109150444A (zh) | 资源单元的设置、传输方法及装置 | |
CN105635025B (zh) | Noma上行链路的多用户混合载波方法 | |
WO2008023299A2 (en) | A transmission method and apparatus for cancelling inter-carrier interference | |
EP3148141A1 (en) | Method, device, and equipment for transmitting and receiving data | |
CN109600327A (zh) | 一种基于虚部干扰利用的信道估计方法 | |
CN100421438C (zh) | 选频单载波分块传输系统中的比特加载方法 | |
CN107078989A (zh) | 根据通用滤波的多载波中的信道质量的滤波器边带抑制的选择 | |
CN110856247A (zh) | 一种基于服务质量的下行noma功率分配方法及系统 | |
JP2010232857A (ja) | 送信機およびそれを備えた通信システム | |
Balachander et al. | Carrier frequency offset (CFO) synchronization and peak average power ratio (PAPR) minimization for energy efficient cognitive radio network (CRN) for 5G wireless communication | |
CN109937546A (zh) | 用于同时的ofdma信令和非ofdma信令的链路自适应 | |
Gerzaguet et al. | Comparison of promising candidate waveforms for 5G: WOLA-OFDM versus BF-OFDM | |
Putzke et al. | Self-organizing OFDMA systems by random frequency hopping | |
CN107733830A (zh) | 一种多载波信号产生的方法、装置及系统 | |
CN108811066B (zh) | 一种发送功率的确定方法、处理芯片及通信设备 | |
CN107204952A (zh) | 一种滤波ofdm系统的子带滤波处理方法 |
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 |