CN110191474B - 传播模型的参数校正方法、装置、设备以及存储介质 - Google Patents

传播模型的参数校正方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN110191474B
CN110191474B CN201910317930.2A CN201910317930A CN110191474B CN 110191474 B CN110191474 B CN 110191474B CN 201910317930 A CN201910317930 A CN 201910317930A CN 110191474 B CN110191474 B CN 110191474B
Authority
CN
China
Prior art keywords
preset
propagation model
propagation
medium
population
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.)
Active
Application number
CN201910317930.2A
Other languages
English (en)
Other versions
CN110191474A (zh
Inventor
张昕
程敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Jiesai Communication Planning And Design Institute Co ltd
GCI Science and Technology Co Ltd
Original Assignee
Guangzhou Jiesai Communication Planning And Design Institute Co ltd
GCI Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Jiesai Communication Planning And Design Institute Co ltd, GCI Science and Technology Co Ltd filed Critical Guangzhou Jiesai Communication Planning And Design Institute Co ltd
Priority to CN201910317930.2A priority Critical patent/CN110191474B/zh
Publication of CN110191474A publication Critical patent/CN110191474A/zh
Application granted granted Critical
Publication of CN110191474B publication Critical patent/CN110191474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3913—Predictive models, e.g. based on neural network models
    • 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
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Electromagnetism (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Genetics & Genomics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种传播模型的参数校正方法、装置、设备以及存储介质，包括：获取在无线信号的传播路径上的各个传播阻碍介质的介质参数；其中，所述介质参数作为无线信号的传播模型的模型参数，其包括：介电常数和穿透损耗中的至少一种；根据预设的遗传算法对所述介质参数进行优化调整；根据优化调整后的所述介质参数调整所述传播模型；根据调整后的所述传播模型对无线信号的传播进行预测。本发明采用多个实施例有效解决了现有技术传播模型对无线信号预测准确性低的问题。

Description

传播模型的参数校正方法、装置、设备以及存储介质
技术领域
本发明涉及无线通信技术领域，尤其涉及一种传播模型的参数校正方法、装置、设备以及存储介质。
背景技术
为了使得市区微蜂窝与室内场景的通信的信号传播更好，往往在安装发射机之前，先用射线跟踪模型对市区微蜂窝与室内场景的电波传播进行预测，它作为一种确定性的传播模型，能够获得比经验公式更加准确的预测结果。但是射线跟踪模型需要通过参数设置提高预测的准确度。
而在实际应用中凭经验设置了不同建筑物材质参数的典型值，再通过路测数据对参数进行修正，提高预测的精度。仅凭经验进行调整，往往需要反复调整参数并对传播模型进行测试后才能得到准确的预测结果，耗时长，效率低，缺乏科学依据。
发明内容
本发明实施例提供一种传播模型的参数校正方法、装置、设备以及存储介质，能有效解决现有技术传播模型对无线信号预测准确性低的问题。
本发明一实施例提供一种传播模型的参数校正方法，包括：
获取在无线信号的传播路径上的各个传播阻碍介质的介质参数；其中，所述介质参数作为无线信号的传播模型的模型参数，其包括：介电常数和穿透损耗中的至少一种；
根据预设的遗传算法对所述介质参数进行优化调整；
根据优化调整后的所述介质参数调整所述传播模型；
根据调整后的所述传播模型对无线信号的传播进行预测。
作为上述方案的改进，所述根据预设的遗传算法对所述介质参数进行优化调整，具体包括：
S10、对所述介质参数进行离散化处理，并根据处理结果生成若干个初始群体；
S11、将每一个所述初始群体中的介质参数输入至预设的传播模型参数校正的目标函数，得到无线信号的测试接收点的预测值与测量值两者的均方误差；其中，所述预测值为根据所述传播模型预测得到的，所述测量值为预先在所述测试接收点实地测量出来的；
S12、判断所述均方误差是否符合预设的终止条件；
S13、若是，则输出优化调整后的所述介质参数；
S14、若否，则根据所述均方误差计算出所述若干个初始群体中每个个体的适应度，再根据每个个体的所述适应度计算出每个个体的选择概率；
S15、根据每个个体的所述选择概率选出所述若干个初始群体中的个体，而得到第一群体；
S16、从所述第一群体中以预设的交叉概率选出其中一部分个体并进行单点交叉得到第二群体；
S17、从所述第二群体中以预设的变异概率选出其中一部分个体并按照预设的变异规则进行变异操作，得到第三群体；
S18、从所述第三群体中以预设的反转概率选出其中一部分个体并按照预设的反转规则进行反转操作，得到第四群体并返回步骤S11。
作为上述方案的改进，所述传播模型参数校正的目标函数为
Figure BDA0002033731030000021
Figure BDA0002033731030000031
其中，Pi和Mi分别表示第i个测试接收点的预测值和测量值，X＝{X1,X2,X3…}为待调整的参数集，所述待调整参数集为所述介电常数的参数集或所述穿透损耗的参数集，N为测试接收点的个数。
作为上述方案的改进，所述适应度具体为fitness(k)＝1/F(Xk)；其中，k表示第k个个体；所述选择概率为
Figure BDA0002033731030000032
作为上述方案的改进，所所述预设的终止条件为：
所述均方误差小于预设的均方误差阈值；
或，所述均方误差的计算次数大于预设的次数。
本发明另一实施例提供了一种传播模型的参数校正装置，包括：
获取模块，用于获取在无线信号的传播路径上的各个传播阻碍介质的介质参数；其中，所述介质参数作为无线信号的传播模型的模型参数，其包括：介电常数和穿透损耗中的至少一种；
第一调整模块，用于根据预设的遗传算法对所述介质参数进行优化调整；
校正模块，用于根据优化调整后的所述介质参数调整所述传播模型；
预测模块，用于根据调整后的所述传播模型对无线信号的传播进行预测。
作为上述方案的改进，所述第一调整模块包括：
处理模块，用于对所述介质参数进行离散化处理，并根据处理结果生成若干个初始群体；
计算模块，用于将每一个所述初始群体中的介质参数输入至预设的传播参数校正模型，得到无线信号的测试接收点的预测值与测量值两者的均方误差；其中，所述预测值为根据所述传播模型预测得到的，所述测量值为预先在所述测试接收点实地测量出来的；
检测模块，用于判断所述均方误差是否符合预设的终止条件；
第一执行模块，用于若是，则输出优化调整后的所述介质参数；
第二执行模块，用于若否，则根据所述均方误差计算出所述若干个初始群体中每个个体的适应度，再根据每个个体的所述适应度计算出每个个体的选择概率；
第一选择模块，用于根据每个个体的所述选择概率选出所述若干个初始群体中的个体而得到第一群体；
第二选择模块，用于从所述第一群体中以预设的交叉概率选出其中一部分个体并进行交叉得到第二群体；
第三选择模块，用于从所述第二群体中以预设的变异概率选出其中一部分个体并按照预设的变异规则进行变异操作，得到第三群体；
第四选择模块，用于从所述第三群体中以预设的反转概率选出其中一部分个体并按照预设的反转规则进行反转操作，得到第四群体并通知所述计算模块。
本发明另一实施例提供了一种传播模型的参数校正设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如任意一项所述的传播模型的参数校正方法。
本发明另一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如本发明任意一项所述的传播模型的参数校正方法。
与现有技术相比，本发明实施例公开的所述传播模型的参数校正方法、装置、设备以及存储介质，通过获取介质参数，根据遗传算法对介质参数进行优化，再利用优化后的介质参数调整传播模型，最后根据调整后的传播模型对无线信号的传播进行预测。由上分析可知，由于介质参数影响无线信号传播的预测，所以利用遗传算法对介质参数进行优化，从而使得传播模型对无线信号的传播预测的准确性更高、耗时更短、效率更高。
附图说明
图1是本发明一实施例提供的一种传播模型的参数校正方法的流程示意图；
图2是本发明一实施例提供的单点交叉操作的示意图；
图3是本发明一实施例提供的基本位变异操作的示意图；
图4是本发明一实施例提供的反转操作的示意图；
图5是本发明一实施例提供的建筑平面示意图；
图6是本发明一实施例提供的一种传播模型的参数校正装置的示意图；
图7是本发明一实施例提供的一种传播模型的参数校正设备的示意图。
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。
参见图1，是本发明一实施例提供的一种传播模型的参数校正方法的流程示意图。
本发明实施例提供一种传播模型的参数校正方法，包括：一种传播模型的参数校正方法，包括：
S1、获取在无线信号的传播路径上的各个传播阻碍介质的介质参数；其中，所述介质参数作为无线信号的传播模型的模型参数，其包括：介电常数和穿透损耗中的至少一种。
具体地，当需要对无线信号的传播进行预测时，介质参数作为无线信号的传播模型的模型参数影响无线信号传播预测的准确性，因此需要获取介质参数。需要说明的是阻碍介质可以为外墙、内墙、玻璃以及天花板等，在本实施例中为阻碍介质可以为外墙、内墙及玻璃。通过调整介质参数的值使得预测无线信号传播的准确性更高。
S2、根据预设的遗传算法对所述介质参数进行优化调整。
具体地，由于阻碍介质影响无线信号的传播，通过预设的遗传算法对介质参数进行优化调整。其中，预设的遗传算法将介质参数的优化作为一个种群，通过不断的选择、交叉、变异、反转的遗传操作，不断改善介质参数，最终收敛到最优解。
S3、根据优化调整后的所述介质参数调整所述传播模型。
具体地，本实施例中传播模型为射线跟踪模型，将优化调整后的介质参数对射线跟踪模型进行修正，从而提高了预测无线信号传播的准确性。
S4、根据调整后的所述传播模型对无线信号的传播进行预测。
在本发明实施例中，通过获取介质参数，根据预设的遗传算法对介质参数进行优化，再利用优化后的介质参数调整传播模型，最后根据调整后的传播模型对无线信号的传播进行预测。由上分析可知，由于介质参数影响无线信号传播的预测，所以利用遗传算法对介质参数进行优化，从而使得传播模型对无线信号的传播预测的准确性更高、耗时更短、效率更高。
作为上述方案的改进，所述根据预设的遗传算法对所述介质参数进行优化调整，具体包括：
S10、对所述介质参数进行离散化处理，并根据处理结果生成若干个初始群体。
具体地，在本实施例中阻碍介质为介电常数ε以及穿透损耗γ，将介质参数进行离散化处理，ε＝{ε1,ε2,…εI}，γ＝{γ1,γ2,...,γJ}，对解空间进行编码，每一组编码代表一个解，并且随机生成M个初始群体。
举例而言，ε的取值范围是[1～16],我们可以采用11位的二进制编码进行离散化处理，得到一组长度是2048的数组{1,1.0073,……,15.99927,16}。
S11、将每一个所述初始群体中的介质参数输入至预设的传播模型参数校正的目标函数，得到无线信号的测试接收点的预测值与测量值两者的均方误差；其中，所述预测值为根据所述传播模型预测得到的，所述测量值为预先在所述测试接收点实地测量出来的。
具体地，每一个所述初始群体中的介质参数输入至传播模型参数校正的目标函数中，其中，目标函数为
Figure BDA0002033731030000071
其中，Pi和Mi分别表示第i个测试接收点的预测值和测量值，X＝{X1,X2,X3…}为待调整的参数集，所述待调整参数集为所述介电常数的参数集或所述穿透损耗的参数集，N为测试接收点的个数。
需要说明的是，在进行预测时，会预先在按照介质参数的参数搭建测试环境，并用测试软件在测试环境中打测试点进行测试，测试点即为测试接收点。
S12、判断所述均方误差是否符合预设的终止条件。
需要说明的是，所述预设的终止条件为：所述均方误差小于预设的均方误差阈值；或，所述均方误差的计算次数大于预设的次数。
S13、若是，则输出优化调整后的所述介质参数。
具体地，根据优化调整后的所述介质参数调整传播模型。
S14、若否，则根据所述均方误差计算出所述若干个初始群体中每个个体的适应度，再根据每个个体的所述适应度计算出每个个体的选择概率。
具体地，所述适应度具体为fitness(k)＝1/F(Xk)；其中，k表示第k个个体。通过适应度算出选择概率，即
Figure BDA0002033731030000072
S15、根据每个个体的所述选择概率选出所述若干个初始群体中的个体，而得到第一群体。
具体地，通过适应度算出每个个体的选择概率，即
Figure BDA0002033731030000081
根据选择概率进行选择组成第一群体。(即为遗传算法中的选择算子)。
S16、从所述第一群体中以预设的交叉概率选出其中一部分个体并进行交叉操作得到第二群体。
具体地，由于步骤S12算出的均方误差不符合预设的终止条件，因此需要对第一群体进行改变，根据需要设定交叉概率，进行交叉操作得到第二群体。交叉操作包括单点交叉以及多点交叉，在本实施例中使用单点交叉(单点交叉参见图2)。
S17、从所述第二群体中以预设的变异概率选出其中一部分个体并按照预设的变异规则进行变异操作，得到第三群体。
具体地，为了保持群体个体的多样性，防止陷入局部最优，需要以预设的变异概率随机确定变异个体，按照变异规则进行变异操作，在本实施例中，变异规则为基本位变异，基本位变异的操作参见图3。
S18、从所述第三群体中以预设的反转概率选出其中一部分个体并按照预设的反转规则进行反转操作，得到第四群体并返回步骤S11。本实施例中，反转规则为单段反转，反转操作参见图4。
举例而言，参见图5，某办公大楼外墙主要采用混凝土，内部的隔断主要采用砖和玻璃窗，各种材质的参数如附表一所示。发射机的坐标为(x＝15000，y＝47800)，发射功率为10dBm，频率为1878MHz，天线为全向天线，增益为5dBi，馈线损耗与接头损耗为7dB，发射机高度为6米，接收机高度为6米。
为了对算法进行验证，按照上述的参数设置搭建好测试环境，采用测试软件在大楼内进行打点测试,然后根据测试结果对传播模型的参数进行校正。经过遗传算法迭代后，预测结果的均方误差降低了3.2dB，如图6所示。测试值与预测值的对比如附表二所示。
附表一.传播模型参数
Figure BDA0002033731030000091
附表二.结果对比
Figure BDA0002033731030000092
参见图6，是本发明一实施例提供的一种传播模型的参数校正装置的结构示意图。
本发明一实施例提供了一种传播模型的参数校正装置，包括：
获取模块1，用于获取在无线信号的传播路径上的各个传播阻碍介质的介质参数；其中，所述介质参数作为无线信号的传播模型的模型参数，其包括：介电常数和穿透损耗中的至少一种。
调整模块2，用于根据预设的遗传算法对所述介质参数进行优化调整。
校正模块3，用于根据优化调整后的所述介质参数调整所述传播模型。
预测模块4，用于根据调整后的所述传播模型对无线信号的传播进行预测。
作为上述方案的改进，所述第一调整模块包括：
处理模块，用于对所述介质参数进行离散化处理，并根据处理结果生成若干个初始群体。
计算模块，用于将每一个所述初始群体中的介质参数输入至预设的传播模型参数校正的目标函数，得到无线信号的测试接收点的预测值与测量值两者的均方误差；其中，所述预测值为根据所述传播模型预测得到的，所述测量值为预先在所述测试接收点实地测量出来的。
检测模块，用于判断所述均方误差是否符合预设的终止条件。
第一执行模块，用于若是，则输出优化调整后的所述介质参数。
第二执行模块，用于若否，则根据所述均方误差计算出所述若干个初始群体中每个个体的适应度，再根据每个个体的所述适应度计算出每个个体的选择概率。
第一选择模块，用于根据每个个体的所述选择概率选出所述若干个初始群体中的个体而得到第一群体。
第二选择模块，用于从所述第一群体中以预设的交叉概率选出其中一部分个体并进行交叉得到第二群体。
第三选择模块，用于从所述第二群体中以预设的变异概率选出其中一部分个体并按照预设的变异规则进行变异操作，得到第三群体。
第四选择模块，用于从所述第三群体中以预设的反转概率选出其中一部分个体并按照预设的反转规则进行反转操作，得到第四群体并通知所述计算模块。
在本发明实施例中，通过获取模块获取介质参数，传输至调整模块根据预设的遗传算法对介质参数进行优化，再将优化后的介质参数传输至校正模块调整传播模型，最后根据调整后的传播模型对无线信号的传播进行预测。由上分析可知，由于介质参数影响无线信号传播的预测，所以利用遗传算法对介质参数进行优化，从而使得传播模型对无线信号的传播预测的准确性更高、耗时更短、效率更高。
参见图7，是本发明一实施例提供的一种传播模型的参数校正设备的示意图。该实施例的所述的传播模型的参数校正设备包括：处理器、存储器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。所述处理器执行所述计算机程序时实现上述各个传播模型的参数校正方法实施例中的步骤。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述传播模型的参数校正装置/传播模型的参数校正设备中的执行过程。
所述传播模型的参数校正设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述传播模型的参数校正设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是传播模型的参数校正设备的示例，并不构成对传播模型的参数校正设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述传播模型的参数校正设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述传播模型的参数校正装设备的控制中心，利用各种接口和线路连接整个传播模型的参数校正设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述传播模型的参数校正设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述传播模型的参数校正设备集成的模块/单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是，以上所描述的装置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。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。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。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (5)

1.一种传播模型的参数校正方法，其特征在于，包括：
获取在无线信号的传播路径上的各个传播阻碍介质的介质参数；其中，所述介质参数作为无线信号的传播模型的模型参数，其包括：介电常数和穿透损耗中的至少一种；
根据预设的遗传算法对所述介质参数进行优化调整；
根据优化调整后的所述介质参数调整所述传播模型；
根据调整后的所述传播模型对无线信号的传播进行预测；
所述根据预设的遗传算法对所述介质参数进行优化调整，具体包括：
S10、对所述介质参数进行离散化处理，并根据处理结果生成多个初始群体；
S11、将每一个所述初始群体中的介质参数输入至预设的传播模型参数校正的目标函数，得到无线信号的测试接收点的预测值与测量值两者的均方误差；其中，所述预测值为根据所述传播模型预测得到的，所述测量值为预先在所述测试接收点实地测量出来的；所述传播模型参数校正的目标函数为
Figure FDA0003355408330000011
其中，Pi和Mi分别表示第i个测试接收点的预测值和测量值，X＝{X1,X2,X3…}为待调整的参数集，所述待调整参数集为所述介电常数的参数集或所述穿透损耗的参数集，N为测试接收点的个数；
S12、判断所述均方误差是否符合预设的终止条件；其中，所述预设的终止条件为：
所述均方误差小于预设的均方误差阈值；
或，所述均方误差的计算次数大于预设的次数；
S13、若是，则输出优化调整后的所述介质参数；
S14、若否，则根据所述均方误差计算出所述多个初始群体中每个个体的适应度，再根据每个个体的所述适应度计算出每个个体的选择概率；
S15、根据每个个体的所述选择概率选出所述多个初始群体中的个体，而得到第一群体；
S16、从所述第一群体中以预设的交叉概率选出其中一部分个体并进行交叉操作得到第二群体；
S17、从所述第二群体中以预设的变异概率选出其中一部分个体并按照预设的变异规则进行变异操作，得到第三群体；
S18、从所述第三群体中以预设的反转概率选出其中一部分个体并按照预设的反转规则进行反转操作，得到第四群体并返回步骤S11。
2.如权利要求1所述的传播模型的参数校正方法，其特征在于，所述适应度具体为fitness(k)＝1/F(Xk)；其中，k表示第k个个体；所述选择概率为
Figure FDA0003355408330000021
3.一种传播模型的参数校正装置，其特征在于，包括：
获取模块，用于获取在无线信号的传播路径上的各个传播阻碍介质的介质参数；其中，所述介质参数作为无线信号的传播模型的模型参数，其包括：介电常数和穿透损耗中的至少一种；
调整模块，用于根据预设的遗传算法对所述介质参数进行优化调整；
校正模块，用于根据优化调整后的所述介质参数调整所述传播模型；
预测模块，用于根据调整后的所述传播模型对无线信号的传播进行预测；
所述调整模块包括：
处理模块，用于对所述介质参数进行离散化处理，并根据处理结果生成多个初始群体；
计算模块，用于将每一个所述初始群体中的介质参数输入至预设的传播模型参数校正的目标函数，得到无线信号的测试接收点的预测值与测量值两者的均方误差；其中，所述预测值为根据所述传播模型预测得到的，所述测量值为预先在所述测试接收点实地测量出来的；所述传播模型参数校正的目标函数为
Figure FDA0003355408330000031
其中，Pi和Mi分别表示第i个测试接收点的预测值和测量值，X＝{X1,X2,X3…}为待调整的参数集，所述待调整参数集为所述介电常数的参数集或所述穿透损耗的参数集，N为测试接收点的个数；
检测模块，用于判断所述均方误差是否符合预设的终止条件；其中，所述预设的终止条件为：
所述均方误差小于预设的均方误差阈值；
或，所述均方误差的计算次数大于预设的次数；
第一执行模块，用于若是，则输出优化调整后的所述介质参数；
第二执行模块，用于若否，则根据所述均方误差计算出所述多个初始群体中每个个体的适应度，再根据每个个体的所述适应度计算出每个个体的选择概率；
第一选择模块，用于根据每个个体的所述选择概率选出所述多个初始群体中的个体而得到第一群体；
第二选择模块，用于从所述第一群体中以预设的交叉概率选出其中一部分个体并进行交叉得到第二群体；
第三选择模块，用于从所述第二群体中以预设的变异概率选出其中一部分个体并按照预设的变异规则进行变异操作，得到第三群体；
第四选择模块，用于从所述第三群体中以预设的反转概率选出其中一部分个体并按照预设的反转规则进行反转操作，得到第四群体并通知所述计算模块。
4.一种传播模型的参数校正设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至2中任意一项所述的传播模型的参数校正方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至2中任意一项所述的传播模型的参数校正方法。
CN201910317930.2A 2019-04-19 2019-04-19 传播模型的参数校正方法、装置、设备以及存储介质 Active CN110191474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910317930.2A CN110191474B (zh) 2019-04-19 2019-04-19 传播模型的参数校正方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910317930.2A CN110191474B (zh) 2019-04-19 2019-04-19 传播模型的参数校正方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN110191474A CN110191474A (zh) 2019-08-30
CN110191474B true CN110191474B (zh) 2022-04-12

Family

ID=67714743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910317930.2A Active CN110191474B (zh) 2019-04-19 2019-04-19 传播模型的参数校正方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN110191474B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112929916B (zh) * 2021-03-19 2023-04-07 中国联合网络通信集团有限公司 无线传播模型的构建方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102014412A (zh) * 2010-12-10 2011-04-13 上海百林通信软件有限公司 一种基于天线参数调整的无线网络话务均衡优化方法
CN102917373A (zh) * 2012-10-23 2013-02-06 华南理工大学 基于人工蜂群算法的室内无线传播模型校准拟合方法
CN106982436A (zh) * 2016-01-15 2017-07-25 中国移动通信集团河北有限公司 一种室内外网络覆盖的检测调整方法及装置
CN108632849A (zh) * 2017-03-20 2018-10-09 中国移动通信集团湖北有限公司 一种天馈参数的调整方法、装置及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102014412A (zh) * 2010-12-10 2011-04-13 上海百林通信软件有限公司 一种基于天线参数调整的无线网络话务均衡优化方法
CN102917373A (zh) * 2012-10-23 2013-02-06 华南理工大学 基于人工蜂群算法的室内无线传播模型校准拟合方法
CN106982436A (zh) * 2016-01-15 2017-07-25 中国移动通信集团河北有限公司 一种室内外网络覆盖的检测调整方法及装置
CN108632849A (zh) * 2017-03-20 2018-10-09 中国移动通信集团湖北有限公司 一种天馈参数的调整方法、装置及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
室外至室内电波传播特性研究;张昕等;《移动通信》;20170830;第1节-第4节 *

Also Published As

Publication number Publication date
CN110191474A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
US20170294975A1 (en) System and Method for Aligning a Radio Using an Automated Audio Guide
JP6872551B2 (ja) 無線送信機の位置の決定
CN101796863A (zh) 移动通信系统中的基站装置和定向性控制方法
CN110933723B (zh) 一种漫游切换控制方法、装置和无线ap
JP2010258518A (ja) 電波伝搬特性推定装置及び方法並びにコンピュータプログラム
CN105744548B (zh) Pci优化方法及装置
CN110191474B (zh) 传播模型的参数校正方法、装置、设备以及存储介质
CN112218306A (zh) 基站覆盖性能的预测方法、装置和计算机设备
Wedemeyer et al. An improved filtering algorithm for big read datasets and its application to single-cell assembly
CN114223270B (zh) 天线信号处理模型的训练方法、装置、天线及存储介质
US20210341521A1 (en) Method and device for improving phase measurement accuracy
WO2024056052A1 (zh) 音响设备位置确定方法和系统、装置及存储介质
CN109492759B (zh) 神经网络模型预测方法、装置和终端
CN108156614B (zh) 用于进行发送功率和传输速率的联合优化的通信方法和设备
CN114444333A (zh) 生态水位分析方法、装置、电子设备及存储介质
CN115293324A (zh) 量化感知训练方法及相关装置
CN113435502B (zh) 站点流量确定方法、装置、设备及存储介质
CN114844824A (zh) 一种网络信息传输路径的规划方法、装置及终端设备
KR20220100954A (ko) 솔더 인쇄 장치의 제어 파라미터를 최적화하기 위한 장치 및 방법
CN109831737B (zh) 一种基于置信度的蓝牙定位方法、装置、设备和系统
CN109788431B (zh) 一种基于相邻节点组的蓝牙定位方法、装置、设备和系统
CN109362027B (zh) 定位方法、装置、设备及存储介质
US11627432B2 (en) Method and apparatus for improving positioning performance by analyzing signals transmitted via different sub-channels
CN113490270B (zh) 一种指纹库生成方法及装置
US9460055B2 (en) Computing polychoric and polyserial correlations between random variables using norta

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