CN110366185A - 一种园区内用通讯机器人扩展5g移动信号覆盖区域的方法 - Google Patents
一种园区内用通讯机器人扩展5g移动信号覆盖区域的方法 Download PDFInfo
- Publication number
- CN110366185A CN110366185A CN201910718071.8A CN201910718071A CN110366185A CN 110366185 A CN110366185 A CN 110366185A CN 201910718071 A CN201910718071 A CN 201910718071A CN 110366185 A CN110366185 A CN 110366185A
- Authority
- CN
- China
- Prior art keywords
- signal
- garden
- bandwidth
- base station
- communication
- 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
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- 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
一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,包括以下步骤:在园区内放置自行走通讯载具,所述自行走通讯载具上装有微基站或者cpe;根据所述园区各个位置点的带宽需求结合园区内已有5G基站的信号相对于各个位置点的强弱分布参数,通过退火算法实时计算出最需要增强信号增加带宽的“信息洼地”定位点;驱动离所述“信息洼地”定位点最近的自行走通讯载具到该“信息洼地”定位点进行带宽信号支援,以实现移动信号的增强。实现了在固定基站因为各种障碍无法辐射到信号的地方,可通过体积小、运动灵活通讯机器人“转接”信号实现“信号折弯”来进行信号增援这一目的。
Description
技术领域
本发明涉及5G通讯领域,尤其是指一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法。
背景技术
随着我国电信5G运营频谱的发放,移动通信基站数量的不断增加,与5G相关的移动互联网技术已经渗透到包括交通运输、旅游、电子游戏行业在内的各个行业,相关的产业集群正在不断形成。5G通讯使用的频率比1G到4G高,能使用更丰富的频率资源,这样就提高了传输速率,然而根据电磁波传播的基本公式:光速=波长×频率,在传播介质不变的前提下,光速不变,频率越高波长越短,电磁波绕射能力越差,在传播介质中的衰减也越大,因此5G基站的覆盖能力将大幅减弱,即使仅仅要求5G信号的室外连片覆盖,各种站点的数量预计需为现网4G站点的1.5倍以上,因此在高频率的前提下,为了减轻网络建设方面的成本压力,5G 网络建设必然会形成主干宏基站(体量巨大的信号塔)连接大量室内外微基站的网络形态。而如果采用传统的固定基站布点方式,无论是宏基站还是微基站,因为关系到土地和建筑物使用,需要大量的法务协调工作,安装过程中的基建施工、供电安排等工作也增加了固定基站布置的成本和难度,而且在古城镇等一些特定的旅游园区,不允许基站的建设对历史建筑和景观产生破坏。总之,在5G信号网络形成的过程中,需要综合多种基站布点形式,更需要一种能够灵活的提供5G信号覆盖的同时能够兼顾建筑景观的保护、降低微基站安装成本、供给带宽随需求灵活调整等现实需求的方案。
现有技术采用增加固定基站、移动基站、固定基站信号转WiFi的方式来增强移动信号强度。
增加固定基站安装过程麻烦,需要与被安装土地的土地所有人等协商、讨论、签合同,另外还需拉电线、安装供电电源等。
申请号为CN201610959934.7的中国发明专利提供一种车载移动基站监控系统和方法,所述车载移动基站装载在应急通信车中,所述监控系统包括应急通信指挥平台,根据应急通信车的当前位置向基站控制器发送入网请求;基站控制器,接收该入网请求并配置车载移动基站的信息;以及操作维护中心,采集所述基站控制器中所述车载移动基站的性能数据,通过无线综合网管发送至应急通信指挥平台;所述应急通信指挥平台展示接收到的车载移动基站的性能数据。该发明能够对车载移动基站进行可靠的实时监控,但是其针对的是应急通信车,不适合园区平时应用场景。
申请号为CN201711332139.6的中国发明专利公开了一种基于人群分布的基站动态部署系统及方法,解决现有技术中固定基站安装麻烦,相对固定无法根据使用进行动态调节,存在资源不够用或是资源浪费的问题。系统包括固定基站、远程处理端、移动基站,固定基站与其覆盖范围内的用户手机端相连,固定基站通过网络与远程处理单元相连,远程处理端与各移动基站控制相连。该发明用车辆作为中转和接力基站,把移动通讯基站安装在汽车里,且可以根据用户手机端数量使用情况,动态控制汽车移动基站工作,使得基站密度是变化的,自我优化的,实现了人、车、基站三者之间的动态匹配,实时调节。但是其存在移动基站车用途单一的问题,而且使用用户手机端数量来驱动算法对流量需求的估算不够精确。
申请号为CN201711331408.7的中国发明专利公开了一种可动态部署的汽车移动基站阵列系统及控制方法,解决固定基站安装麻烦,相对固定无法根据使用进行动态调节,存在资源不够用或是资源浪费的问题。系统包括用户手机端、固定基站、控制端和汽车移动基站,固定基站与用户手机端、控制端连接,控制端与汽车移动基站相连,控制端包括基站使用分析单元、手机位置计算单元、集中区域获取单元、移动基站分配单元和移动基站状态检测单元,用户手机端包括有GPS单元。该发明用车辆作为中转和接力基站,把移动通讯基站安装在汽车里,根据用户手机端数量使用情况,动态控制汽车移动基站工作,使得基站密度是变化的,自我优化的,实现了人、车、基站三者之间的动态匹配,实时调节。但是其存在移动基站车用途单一的问题。此方案承载移动通讯基站的汽车存在无法兼顾汽车的载客行驶和基站的即时信息服务两种功能的问题,无法做到移动基站低成本有规划、有重点信息服务区域的高效部署。
申请号为CN201610385381.9的中国发明专利公开了一种智慧城市Wifi信息传输系统,包括由若干Wifi传输终端组成的云标识组群、卫星系统、移动基站、存储设备和控制中心,信息经由Wifi传输终端发射至卫星系统,再由卫星转发至各移动基站进行转换、处理与增强,最后传送至存储设备、控制中心与各处理终端。所述Wifi传输终端安装在各城市地名导向标识系统的立柱顶端,通过点阵布局,对城市区域进行完整覆盖。该发明所提供的智慧城市Wifi信息传输系统,采用无线发送方式,系统整体性安全性良好,可利用三维空间进行信息传输,构成传输终端-卫星系统-移动基站-控制中心的多级矩阵结构,信息可实现跨级传输,系统响应度高、操控灵活,且不易受到外界破坏。但是其无法根据需求动态调整信号密度。
发明内容
本发明提供一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,其主要目的在于克服上述的缺陷。
为解决上述技术问题,本发明采用如下技术方案:
一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,包括以下步骤:
a)在园区内放置自行走通讯载具,所述自行走通讯载具上装有微基站或者cpe;
b)根据所述园区各个位置点的带宽需求结合园区内已有5G基站的信号相对于各个位置点的强弱分布参数,通过退火算法实时计算出最需要增强信号增加带宽的“信息洼地”定位点;
c)驱动离所述“信息洼地”定位点最近的自行走通讯载具到该“信息洼地”定位点进行带宽信号支援,以实现移动信号的增强。
进一步的,步骤b具体包括以下步骤:
1)获取信号覆盖所述园区的5G基站位置及系统容量,初步计算出所述园区内无遮挡条件下的5G带宽分布,以得出信号在空气中传播时的无遮挡空间损失值;
2)获取所述园区内的地理信息,将园区各个位置点结合该地理信息计算出信号受影响的分布,以得出地面反弹信号干扰的地面损失和地面障碍物损失;
3)针对所述园区各个位置点,分别将步骤1所求得的数值和步骤2所求得的数值进行相减计算;
4)根据所述园区内各个5G用户对带宽的需求,实时生成各个信号带宽需求形势,作为带宽需求参数引入;
5)分别将步骤4所求得的数值与对应的步骤3所求得的数值进行相减,以获得各个位置点的信号带供需形势,并计算出总信号供需形势;
6)将路网信息映射到信号带宽供需云上,以计算出所述园区内的各个路段上执勤的自行走通讯载具的增援目的地;
7)按照每5分钟执行一轮步骤1至步骤6来保证对园区内5G用户带宽需求的及时响应。
进一步的,所述无遮挡空间损失值的计算公式为:LFS =20 log10 ((λ/4πd)2);其中,
LFS:无遮挡空间损失值;
λ:信号波长,单位:m;λ= c/f0;
c= 299792458,单位:m/s;
f0:传播信息的频率 单位:MHz;
d:信号传播的距离。
进一步的,所述地面损失的计算公式为:LFE =10 log10 (0.5(1+a2-2acos(2πΔd/λ)));其中,
LFE:地面损失;
a:归一化地弹振幅,取值为1;
Δd:将d带入用查表法查出的反射路径差;
λ:信号波长;
d:信号传播的距离。
进一步的,所述地面障碍物损失的计算公式为:LObs = LObs_average *do -0.8;其中,
LObs:地面障碍物损失;
LObs_average:用查表法查出的此类型障碍物的平均障碍物损失值;
do:信号传播路径方向直线和障碍物的垂直距离。
进一步的,所述自行走通讯载具为无人通讯小车或通讯机器人。
和现有技术相比,本发明产生的有益效果在于:
本发明结构简单、实用性强,针对5G毫米波短波长不利于绕过障碍的物理缺陷,对配合人员流动大、带宽需求大而又不能够高密度布置5G固定基站的园区移动信息使用场景,提出了使用能够预先规划并且根据具体带宽需求实时调整位置的自行走移动通讯机器人(或通讯小车)配合固定基站的带宽信号供给体系,在固定基站因为各种障碍无法辐射到信号的地方,可以通过体积小、运动灵活的通讯机器人“转接”信号实现“信号折弯”来进行信号增援;并且提出了完整的“信号洼地”的标定方法来支持此自适应带宽信号供给体系的运行。
附图说明
图1为园区内无人通讯小车运送自行走通讯机器人到指定路段执行动态增强5G信号任务的示意图。
图2为初始假设园区为平地的带宽分布图。
图3为道路、建筑物和遮蔽物对信号的影响示意图。
图4为某软件园案例带宽供给叠加建筑物干扰图。
图5为不规则的无线带宽需求示意图。
图6为计算信号带宽的总供需形势示意图。
图7为将路网信息映射到无线信息供需形势图上。
图8为在每个已经定义的路段标定通讯机器人目的地示意图。
图9为通讯机器人增强后的信息带宽云示意图。
图10为仿真显示人员密集地段通讯机器人的增援是到位的。
具体实施方式
下面参照附图说明本发明的具体实施方式。
参照图1。一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,包括以下步骤:
a)在园区内放置自行走通讯载具1,该自行走通讯载具1上装有微基站或者cpe;自行走通讯载具1为无人通讯小车11或通讯机器人12。具体使用时,该无人通讯小车可以载人,也可以承载通讯机器人。通讯机器人被无人通讯小车运送到工作路段后,执行5G信号加强和边缘信息的计算处理工作,通讯机器人具备道路障碍识别、自动制动、绕行功能。
b)根据所述园区各个位置点的带宽需求结合园区内已有5G基站2的信号相对于各个位置点的强弱分布参数,通过退火算法实时计算出最需要增强信号增加带宽的“信息洼地”定位点;
c)驱动离所述“信息洼地”定位点最近的自行走通讯载具到该“信息洼地”定位点进行带宽信号支援,以实现移动信号的增强。
参照图1、图2和图3。本发明具体包括以下步骤:
1)参照图2。获取信号覆盖所述园区的5G基站位置及系统容量,初步计算出所述园区内无遮挡条件下的5G带宽分布。本实施例中,图2为某软件园的5G信号形势图,图中的小点位置越高代表对应地面上此位置的带宽信号越好,可以看到中间位置因为距离各个固定基站的距离最为平均所以信号最好。在这个过程中,主要考虑信号在空气中传播中的损耗,即无遮挡空间损失值,公式如下:
无遮挡空间损失值的计算公式为:LFS =20 log10 ((λ/4πd)2);其中,LFS:无遮挡空间损失值(Free Space Loss);λ:信号波长,单位:m;λ= c/f0;c= 299792458,单位:m/s;f0:传播信息的频率,单位:MHz;本实施例中的园区为某软件园,计算时f0取3450MHZ(5G信号分配频段之一);d:信号传播的距离。
2)参照图3。获取所述园区内的地理信息,如道路、建筑、遮蔽物等结合地理信息将根据信号受建筑物影响和信号传播方向和遮蔽物的距离计算出收遮蔽物影响分布;本实施例中,如图3,图中的小点位置越高,对应位置的信号阻碍越大,可以看到此软件园案例中,中央公园开阔地带对信号的影响最小,两旁有建筑夹着道路处出现沟状凹坑,说明受建筑物影响道路上的5G信号衰减比较大,同时软件园东北部信号受山体的影响也较大。在考虑地面反弹信号干扰和地面障碍物的过程中,使用公式如下:
地面损失的计算公式为:LFE =10 log10 (0.5(1+a2-2acos(2πΔd/λ)));其中,LFE:地面损失(Flat Earth Loss);a:归一化地弹振幅(Normalized Ground Bounce Amplitude),取值为1;Δd:反射路径差,和固定基站高度和参数d相关(Reflection Path Δ);λ:信号波长;d:信号传播的距离。
地面障碍物损失的计算公式为:LObs = LObs_average *do -0.8;其中,LObs:地面障碍物损失(Obstruction Loss);LObs_average:用查表法查出的此类型障碍物的平均障碍物损失值,本实施例的软件园中建筑区取值为20dB,后山取值为35dB;do:信号传播路径方向直线和障碍物的垂直距离,距离越近损失越大。因为此公式主要参数为查表法得出,在实际部署时可以根据实测值重新标定平均障碍物损失值参数。
3)参照图1、图4。针对所述园区各个位置点,分别将步骤1所求得的数值和步骤2所求得的数值进行相减计算;如图4,可以判断系统基本识别出园区内固定基站的带宽供给情况,对于供给带宽的在园区四周边缘的急剧下落,除了采取增加固定基站的方式,还可以考虑如图1所示用无人通讯小车11搭载通讯机器人12有针对性的进行局部信息带宽增补。
4)参照图5。根据所述园区内各个5G用户对带宽的需求,实时生成各个信号带宽需求形势,作为带宽需求参数引入;如图5,系统识别到的园区内的带宽需求呈现出非常不均匀的起伏。带宽需求计算方法,获取用户在园区内的位置点,然后对用户位置点最近的5G信息标定点进行带宽需求数值累加。
5)参照图6。分别将步骤4所求得的数值与对应的步骤3所求得的数值进行相减,以获得各个信号带供需形势,并计算出总信号供需形势;
6)参照图7。将路网信息映射到信号带宽供需云上;如图7,软件园区的道路按照各自的2D位置坐标被映射到了带宽供需云上,这样原来的路网2D坐标点因为增加了表征信息强弱的竖直坐标维度,变的有“起伏”,起伏的高差越大代表系统优化的要求越强烈,这样就给系统进行退火算法提供了参数变更方向;以平缓起伏、总体降低高差势能为目的的退火算法会调动带宽资源从带宽资源丰富的“信息高地”向着“信息洼地”移动。
7)参照图8。计算出所述园区内的各个路段上执勤的自行走通讯载具的增援目的地;如图8,可以看到表征信息供需情况的点云中的下凹点对应的道路位置均被映射为地面上附近道路的通讯机器人增援点。
8)参照图9。通讯机器人根据规划进入指定地点执行信号带宽增援任务。如图9,图中点云为通过机器人增援得到加强的带宽形式图,细状条柱为增强后的的此位置带宽水平,粗状条柱为增援之前的带宽水平。
9)参照图10。因为园区内的带宽需求随着移动用户的增减和移动,每时每刻都在变化,所以在算力成本和本系统前后端控制循环节拍允许的前提下,系统按照每5分钟执行一轮上述步骤1至8来保证对园区内移动用户带宽需求的及时响应。如图10,通过随机模拟移动用户的分布,验证通讯机器人的移动是否能及时到位的提供信息增援,可以看到人员聚集的地方出现了多台通讯机器人。
本发明针对5G毫米波短波长不利于绕过障碍的物理缺陷,对配合人员流动大、带宽需求大而又不能够高密度布置5G固定基站的园区移动信息使用场景,提出了使用能够预先规划并且根据具体带宽需求实时调整位置的自行走移动通讯机器人(或通讯小车)配合固定基站的带宽信号供给体系,在固定基站因为各种障碍无法辐射到信号的地方,可以通过体积小、运动灵活通讯机器人“转接”信号实现“信号折弯”来进行信号增援;并且提出了完整的“信号洼地”的标定方法来支持此自适应带宽信号供给体系的运行。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (6)
1.一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,其特征在于,包括以下步骤:
a) 在园区内放置自行走通讯载具,所述自行走通讯载具上装有微基站或者cpe;
b) 根据所述园区各个位置点的带宽需求结合园区内已有5G基站的信号相对于各个位置点的强弱分布参数,通过退火算法实时计算出最需要增强信号增加带宽的“信息洼地”定位点;
c) 驱动离所述“信息洼地”定位点最近的自行走通讯载具到该“信息洼地”定位点进行带宽信号支援,以实现移动信号的增强。
2.如权利要求1所述一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,其特征在于:步骤b具体包括以下步骤:
1) 获取信号覆盖所述园区的5G基站位置及系统容量,初步计算出所述园区内无遮挡条件下的5G带宽分布,以得出信号在空气中传播时的无遮挡空间损失值;
2) 获取所述园区内的地理信息,将园区各个位置点结合该地理信息计算出信号受影响的分布,以得出地面反弹信号干扰的地面损失和地面障碍物损失;
3) 针对所述园区各个位置点,分别将步骤1所求得的数值和步骤2所求得的数值进行相减计算;
4) 根据所述园区内各个5G用户对带宽的需求,实时生成各个信号带宽需求形势,作为带宽需求参数引入;
5) 分别将步骤4所求得的数值与对应的步骤3所求得的数值进行相减,以获得各个位置点的信号带供需形势,并计算出总信号供需形势;
6) 将路网信息映射到信号带宽供需云上,以计算出所述园区内的各个路段上执勤的自行走通讯载具的增援目的地;
7) 按照每5分钟执行一轮步骤1至步骤6来保证对园区内5G用户带宽需求的及时响应。
3.如权利要求2所述一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,其特征在于:所述无遮挡空间损失值的计算公式为:LFS =20 log10 ((λ/4πd)2);其中,
LFS:无遮挡空间损失值;
λ:信号波长,单位:m;λ= c/f0;
c= 299792458,单位:m/s;
f0:传播信息的频率 单位:MHz;
d:信号传播的距离。
4.如权利要求2所述一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,其特征在于:所述地面损失的计算公式为:LFE =10 log10 (0.5(1+a2-2acos(2πΔd/λ)));其中,
LFE:地面损失;
a:归一化地弹振幅,取值为1;
Δd:将d带入用查表法查出的反射路径差;
λ:信号波长;
d:信号传播的距离。
5.如权利要求2所述一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,其特征在于:所述地面障碍物损失的计算公式为:LObs = LObs_average *do -0.8;其中,
LObs:地面障碍物损失;
LObs_average:用查表法查出的此类型障碍物的平均障碍物损失值;
do:信号传播路径方向直线和障碍物的垂直距离。
6.如权利要求1或2所述一种园区内用通讯机器人扩展5G移动信号覆盖区域的方法,其特征在于:所述自行走通讯载具为无人通讯小车或通讯机器人。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910718071.8A CN110366185B (zh) | 2019-08-05 | 2019-08-05 | 一种园区内用通讯机器人扩展5g移动信号覆盖区域的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910718071.8A CN110366185B (zh) | 2019-08-05 | 2019-08-05 | 一种园区内用通讯机器人扩展5g移动信号覆盖区域的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110366185A true CN110366185A (zh) | 2019-10-22 |
CN110366185B CN110366185B (zh) | 2022-10-04 |
Family
ID=68223204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910718071.8A Active CN110366185B (zh) | 2019-08-05 | 2019-08-05 | 一种园区内用通讯机器人扩展5g移动信号覆盖区域的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110366185B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110856182A (zh) * | 2019-11-15 | 2020-02-28 | 厦门金龙联合汽车工业有限公司 | 一种园区内增强移动信号强度的方法 |
CN112738802A (zh) * | 2020-12-25 | 2021-04-30 | 深圳市微网力合信息技术有限公司 | 一种基于wifi6的通信方法及系统 |
CN112770334A (zh) * | 2020-12-21 | 2021-05-07 | 中国南方电网有限责任公司 | 一种基于5g cpe信号覆盖传输方法 |
CN114302325A (zh) * | 2021-12-22 | 2022-04-08 | 天翼电信终端有限公司 | 港口环境布置5g cpe的方法、装置、服务器及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101729110A (zh) * | 2003-12-30 | 2010-06-09 | 艾利森电话股份有限公司 | 用于使用协作中继的无线通信网络的方法和系统 |
US20100234071A1 (en) * | 2009-03-12 | 2010-09-16 | Comsys Communication & Signal Processing Ltd. | Vehicle integrated communications system |
CN105306131A (zh) * | 2015-10-19 | 2016-02-03 | 深圳如果技术有限公司 | 一种移动信号增强系统及方法 |
CN106412982A (zh) * | 2016-11-03 | 2017-02-15 | 北京市天元网络技术股份有限公司 | 一种车载移动基站监控系统和方法 |
CN108347733A (zh) * | 2017-12-13 | 2018-07-31 | 杭州容大智造科技有限公司 | 一种基于人群分布的基站动态部署系统及方法 |
-
2019
- 2019-08-05 CN CN201910718071.8A patent/CN110366185B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101729110A (zh) * | 2003-12-30 | 2010-06-09 | 艾利森电话股份有限公司 | 用于使用协作中继的无线通信网络的方法和系统 |
US20100234071A1 (en) * | 2009-03-12 | 2010-09-16 | Comsys Communication & Signal Processing Ltd. | Vehicle integrated communications system |
CN105306131A (zh) * | 2015-10-19 | 2016-02-03 | 深圳如果技术有限公司 | 一种移动信号增强系统及方法 |
CN106412982A (zh) * | 2016-11-03 | 2017-02-15 | 北京市天元网络技术股份有限公司 | 一种车载移动基站监控系统和方法 |
CN108347733A (zh) * | 2017-12-13 | 2018-07-31 | 杭州容大智造科技有限公司 | 一种基于人群分布的基站动态部署系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110856182A (zh) * | 2019-11-15 | 2020-02-28 | 厦门金龙联合汽车工业有限公司 | 一种园区内增强移动信号强度的方法 |
CN110856182B (zh) * | 2019-11-15 | 2022-10-04 | 厦门金龙联合汽车工业有限公司 | 一种园区内增强移动信号强度的方法 |
CN112770334A (zh) * | 2020-12-21 | 2021-05-07 | 中国南方电网有限责任公司 | 一种基于5g cpe信号覆盖传输方法 |
CN112738802A (zh) * | 2020-12-25 | 2021-04-30 | 深圳市微网力合信息技术有限公司 | 一种基于wifi6的通信方法及系统 |
CN112738802B (zh) * | 2020-12-25 | 2022-10-14 | 深圳市微网力合信息技术有限公司 | 一种基于wifi6的通信方法及系统 |
CN114302325A (zh) * | 2021-12-22 | 2022-04-08 | 天翼电信终端有限公司 | 港口环境布置5g cpe的方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110366185B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110366185A (zh) | 一种园区内用通讯机器人扩展5g移动信号覆盖区域的方法 | |
Masroor et al. | Resource management in UAV-assisted wireless networks: An optimization perspective | |
CN114422056B (zh) | 基于智能反射面的空地非正交多址接入上行传输方法 | |
CN108549384A (zh) | 一种5g环境下远程控制自动驾驶方法 | |
Xie et al. | Connectivity-aware 3D UAV path design with deep reinforcement learning | |
CN103369549A (zh) | 基于射线跟踪传播模型的室内三维空间无线信号预测方法 | |
CN108156613A (zh) | 一种无人机中继多跳通信系统中的中继节点布设方法 | |
US20140126514A1 (en) | Method and apparatus for determining network clusters for wireless backhaul networks | |
CN102869090A (zh) | 一种基于auv协助的水下无线传感器网络定位方法 | |
Hayashi et al. | A study on the variety and size of input data for radio propagation prediction using a deep neural network | |
Ahmed et al. | A novel collaborative IoD-assisted VANET approach for coverage area maximization | |
CN114650567B (zh) | 一种无人机辅助v2i网络任务卸载方法 | |
Sikeridis et al. | Self-adaptive energy efficient operation in UAV-assisted public safety networks | |
CN115915157A (zh) | 一种基于射线追踪的城市环境太赫兹无线通信基站选址方法 | |
CN114124192B (zh) | 一种基于卫星网络的覆盖扩展系统及方法 | |
Park et al. | Joint trajectory and resource optimization of MEC-assisted UAVs in sub-THz networks: A resources-based multi-agent proximal policy optimization DRL with attention mechanism | |
CN103379576B (zh) | 一种基于主动规避热区和nlos的无线传感器网络分簇方法 | |
CN107682863B (zh) | 一种电力基站选择和布局方法 | |
Sobouti et al. | Managing sets of flying base stations using energy efficient 3D trajectory planning in cellular networks | |
CN107094288A (zh) | 长大隧道环境下基于分簇无线传感网络的列车定位方法 | |
CN116847293A (zh) | 一种无人机辅助车联网下的联合缓存决策和轨迹优化方法 | |
CN116980933A (zh) | 天线参数调整方法和装置、电子设备及存储介质 | |
Dou et al. | A power allocation algorithm based on cooperative Q-learning for multi-agent D2D communication networks | |
Huang et al. | Simultaneous environment sensing and channel knowledge mapping for cellular-connected UAV | |
Kelner et al. | Modeling UAV swarm flight trajectories using Rapidly-exploring Random Tree algorithm |
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 |