CN110572835B - 调节天线参数的方法及装置、电子设备、计算机可读介质 - Google Patents

Abstract

本发明实施例提供了一种调节天线参数的方法，包括：根据目标区域中每个天线的参数的初始值和第一预设规则，确定目标区域的第一信号指标值；至少根据第一信号指标值和优化目标值，对每个天线的参数进行调节，直至第一预设条件成立；根据第一预设条件成立时每个天线的参数的值和第二预设规则，确定目标区域的第二信号指标值；至少根据第一预设条件成立时每个天线的参数的值和优化目标值，对每个天线的参数进行调节，直至第二预设条件成立；第二预设规则中的参数包括：第一预设规则中的参数和地理参数。本发明实施例还提供一种调节天线参数的装置、电子设备、计算机可读介质。本发明能够缩短天线参数的整体调节时间，提高了网规网优的实施效率。

Description

调节天线参数的方法及装置、电子设备、计算机可读介质

技术领域

本发明涉及通讯技术领域，具体涉及一种调节天线参数的方法及装置、电子设备、计算机可读介质。

背景技术

在5G网络的建设过程中，网规网优是工程实施的重要环节之一。在网规网优的实施过程中，目标区域内天线的数量和位置基本确定后，通过调整每个天线的参数(挂高、方位角、下倾角、水平半功率角、垂直半功率等)，使目标区域内信号指标达到预期的效果。现有技术中调整天线参数的方法的速度较慢、计算量大。

发明内容

为了解决上述技术问题，本发明实施例提供了一种调节天线参数的方法及装置、电子设备、计算机可读介质，能够缩了天线参数的整体调节时间，提高了网规网优的实施效率。

第一方面，本发明实施例提供一种调节天线参数的方法，包括：

根据目标区域中每个天线的参数的初始值和第一预设规则，确定所述目标区域的第一信号指标值；

至少根据所述目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节，直至第一预设条件成立；所述第一预设条件为：根据每个天线调节后的参数的值和所述第一预设规则所确定的目标区域的第一信号指标值达到所述优化目标值；

根据所述第一预设条件成立时每个天线的参数的值和第二预设规则，确定所述目标区域的第二信号指标值；

至少根据所述第一预设条件成立时每个天线的参数的值和所述优化目标值，对每个天线的参数进行调节，直至第二预设条件成立；所述第二预设条件为：根据每个天线调节后的参数的值和所述第二预设规则所确定的目标区域的第二信号指标值达到所述优化目标值；

所述第二预设规则中的参数包括：所述第一预设规则中的参数和所述目标区域的地理参数。

优选地，所述方法还包括：

对所述目标区域进行栅格化，得到多个栅格；每个天线对应至少一个所述栅格；

所述第一预设规则为：至少根据每个栅格所对应天线的参数的值和第一信号传播公式，确定每个栅格的第一信号参数值；并根据每个栅格的第一信号参数值，确定所述目标区域的第一信号指标值；

所述第二预设规则为：根据每个栅格所对应天线的参数的值和第二信号传播公式，确定每个栅格的第二信号参数值；并根据每个栅格的第二信号参数值，确定所述目标区域的第二信号指标值；

其中，所述第二信号传播公式中的参数包括：所述第一信号传播公式中的参数和所述目标区域的地理参数。

优选地，所述方法还包括确定修正值的步骤，并且，确定修正值的步骤包括：

判断是否存在目标区域的历史网络覆盖信息；

若不存在，则获取所述目标区域的三维地图信息，根据所述目标区域的三维地图信息确定每个栅格对应的修正值；

若存在，则获取历史网络覆盖信息中每个天线的参数的值和每个栅格的历史信号参数值；

根据所述历史网络覆盖信息中每个天线的参数的值和所述第一信号传播公式，确定每个栅格的理论信号参数值；

根据每个栅格的理论信号参数值和相应的历史信号参数值之间的差异，确定相应栅格的修正值。

优选地，所述至少根据所述目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节，直至第一预设条件成立，包括：

将所有天线的参数的初始值和所述目标区域的第一信号指标值共同作为第一输入信息输入至预设的训练模型，所述训练模型根据所述第一输入信息更新自身的参数，并确定每个天线的第一调节信息；

根据每个天线的第一调节信息确定每个天线调节后的参数的值；

根据每个天线调节后的参数的值和所述第一预设规则，确定所述目标区域当前的第一信号指标值；

判断所述目标区域当前的第一信号指标值是否达到所述优化目标值；若未达到，则将所有天线调节后的参数的值和所述目标区域当前的第一信号指标值共同作为新的第一输入信息，返回所述训练模型根据所述第一输入信息更新自身的参数，并确定每个天线的第一调节信息的步骤。

优选地，所述至少根据所述第一预设条件成立时每个天线的参数的值和所述优化目标值，对每个天线的参数进行调节，直至第二预设条件成立，包括：

将所述第一预设条件成立时所有天线的参数的值和所述第二信号指标值共同作为第二输入信息输入至参数更新后的所述训练模型，所述训练模型根据所述第二输入信息更新自身参数，并确定每个天线的第二调节信息；

根据每个天线的第二调节信息确定每个天线调节后的参数的值；

根据每个天线调节后的参数的值和所述第二预设规则，确定所述目标区域当前的第二信号指标值；

判断所述目标区域当前的第二信号指标值是否达到所述优化目标值；若未达到，则将所有天线调节后的参数的值和当前的第二信号指标值共同作为新的第二输入信息，返回所述训练模型根据所述第二输入信息更新自身参数，并确定每个天线的第二调节信息的步骤。

优选地，所述训练模型包括用于进行机器学习的多个智能体，所述多个智能体与所述目标区域中的多个天线一一对应；其中，

每个智能体用于根据所述第一输入信息确定相应天线的第一调节信息，以及根据所述第二输入信息确定相应天线的第二调节信息；

所述训练模型根据所述第一输入信息更新自身的参数，包括：每个智能体均以目标区域当前的第一信号指标值作为第一回报值，并根据所述第一回报值对所述训练模型的参数进行更新；

所述训练模型根据所述第二输入信息更新自身的参数，包括；每个智能体均以目标区域当前的第二信号指标值作为第二回报值，并根据所述第二回报值对所述训练模型的参数进行更新。

第二方面，本发明实施例提供一种调节天线参数的装置，包括：

第一确定模块，用于根据目标区域中每个天线的参数的初始值和第一预设规则，确定所述目标区域的第一信号指标值；

第一调节模块，用于至少根据所述目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节，直至第一预设条件成立；所述第一预设条件为：根据每个天线调节后的参数的值和所述第一预设规则所确定的目标区域的第一信号指标值达到所述优化目标值；

第二确定模块，用于根据第一预设条件成立时每个天线的参数的值和第二预设规则，确定所述目标区域的第二信号指标值；

第二调节模块，用于至少根据所述第一预设条件成立时每个天线的参数的值和所述优化目标值，对每个天线的参数进行调节，直至第二预设条件成立；

所述第二预设条件为：根据每个天线调节后的参数的值和所述第二预设规则所确定的目标区域的第二信号指标值达到所述优化目标值；

所述第二预设规则中的参数包括：所述第一预设规则中的参数和目标区域的地理参数。

优选地，所述装置还包括：

初始化模块，用于对所述目标区域进行栅格化，得到多个栅格；每个所述天线对应至少一个所述栅格；

所述第一预设规则为：至少根据每个栅格所对应天线的参数的值和第一信号传播公式，确定每个栅格的第一信号参数值；并根据每个栅格的第一信号参数值，确定所述目标区域的第一信号指标值；

所述第二预设规则为：根据每个栅格所对应天线的参数的值和第二信号传播公式，确定每个栅格的第二信号参数值；并根据每个栅格的第二信号参数值，确定所述目标区域的第二信号指标值；

其中，所述第二信号传播公式中的参数包括：所述第一信号传播公式中的参数和目标区域的地理参数。

优选地，所述装置还包括：修正值获取模块，用于获取所述第一信号传播公式的修正值；

所述第一预设规则中，每个栅格的第一信号参数值是根据每个栅格所对应的天线的参数的值、第一信号传播公式和修正值确定的。

优选地，所述修正值获取模块包括：

历史信息判断单元，用于判断是否存在目标区域的历史网络覆盖信息；

第一获取单元，用于在所述历史信息判断单元判断出存在历史网络覆盖信息时，获取历史网络覆盖信息中每个天线的参数的值和每个栅格的历史信号参数值；

第一修正单元，用于根据所述历史网络覆盖信息中每个天线的参数的值和所述第一信号传播公式，确定每个栅格的理论信号参数值；并根据每个栅格的理论信号参数值和相应的历史信号参数值之间的差异，确定相应栅格的修正值；

第二获取单元，用于在所述历史信息判断单元判断出不存在历史网络覆盖信息时，获取所述目标区域的三维地图信息；

第二修正单元，用于根据所述目标区域的三维地图信息确定每个栅格对应的修正值。

优选地，所述第一调节模块包括：第一输入单元、第一确定单元和第一判断单元；

所述第一输入单元用于将所有天线的参数的初始值和所述目标区域的第一信号指标值共同作为第一输入信息输入至预设的训练模型；所述训练模型用于根据所述第一输入信息更新自身的参数，并确定每个天线的第一调节信息；

所述第一确定单元用于根据每个天线的第一调节信息确定每个天线调节后的参数的值；

所述第一确定模块还用于根据每个天线调节后的参数的值和所述第一预设规则，确定所述目标区域当前的第一信号指标值；

所述第一判断单元用于判断所述目标区域当前的第一信号指标值是否达到所述优化目标值；

所述更新单元用于在所述第一判断单元判断出当前的第一信号指标值未达到所述优化目标值时，控制所述训练模型更新自身的参数；

所述第一输入单元还用于在所述第一判断单元判断出当前的第一信号指标值未达到所述优化目标值时，将所有天线调节后的参数的值和所述目标区域当前的第一信号指标值共同作为新的第一输入信息输入至更新后的所述训练模型，以使得所述训练模型再次根据所述第一输入信息更新自身的参数，并确定每个天线的调节信息。

优选地，所述第二调节模块包括：第二输入单元、第二确定单元和第二判断单元；

所述第二输入单元用于将第一预设条件成立时所有天线的参数的值和所述第二信号指标值共同作为第二输入信息输入至更新后的所述训练模型，所述训练模型还用于根据所述第二输入信息更新自身参数，并确定每个天线的第二调节信息；

所述第二确定单元用于根据每个天线的第二调节信息确定每个天线调节后的参数的值；

所述第二确定模块还用于根据每个天线调节后的参数的值和所述第二预设规则，确定所述目标区域当前的第二信号指标值；

所述第二判断单元用于判断所述目标区域当前的第二信号指标值是否达到所述优化目标值；

所述第二输入单元还用于在所述第二判断单元判断出当前的第二信号指标值未达到所述优化目标值时，将所有天线调节后的参数的值和所述目标区域当前的第二信号指标值共同作为新的第二输入信息输入至更新后的所述训练模型，以使得所述训练模型再次根据所述第二输入信息更新自身的参数，并确定每个天线的调节信息。

优选地，所述训练模型包括用于进行机器学习的多个智能体，所述多个智能体与所述目标区域中的多个天线一一对应；其中，

每个智能体用于根据所述第一输入信息确定相应天线的第一调节信息，以及根据所述第二输入信息确定相应天线的第二调节信息；

每个智能体还用于以目标区域当前的第一信号指标值作为第一回报值，并根据所述第一回报值对所述训练模型的参数进行更新；以目标区域当前的第二信号指标值作为第二回报值，并根据所述第二回报值对所述训练模型的参数进行更新。

第三方面，本发明实施例提供一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的方法。

第四方面，本发明实施例提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的方法。

本发明实施例提供的调节天线参数的方法及装置、电子设备、计算机可读介质，先利用相对简化的第一预设规则对目标区域的信号指标进行了计算(即，第一仿真过程)，并对天线参数进行调节(即，第一调节过程)，直至利用第一预设规则所确定的目标区域的信号指标值达到优化目标值；之后，利用相对复杂的第二预设规则计算目标区域当前的信号指标值(即，第二仿真过程)，并根据天线当前的参数的值和优化目标值对天线参数进行调整(即，第二调节过程)；通过重复执行第一仿真过程和第二调节过程，来使得目标区域的信号指标值达到优化目标值。其中，第一仿真过程和第一调节过程相当于对天线的参数进行了粗调，从而可以使得天线参数已经接近理想状态，这样就可以减少第二仿真过程和第二调节过程的执行次数，而由于第一预设规则中不包括地理参数，因此，第一仿真过程的执行时间要远远小于第二仿真过程的执行时间，从而缩短了天线参数的整体调节时间，提高了网规网优的实施效率。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1为本发明的一些实施例中提供的调节天线参数的方法流程图；

图2为本发明的另一些实施例中提供的调节天线参数的方法流程图；

图3为本发明实施例中利用DRL优化过程来调节天线参数的原理图；

图4为本发明的一些实施例中提供的确定修正值的流程图；

图5为本发明的一些实施例提供的调节天线参数的装置的示意图；

图6为本发明的另一些实施例提供的调节天线参数的装置的示意图；

图7为本发明的再一些实施例提供的调节天线参数的装置的示意图；

图8为本发明实施例中第一调节模块的一种可选结构与第一确定模块的示意图；

图9为本发明实施例中第二调节模块的一种可选结构与第二确定模块的示意图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

在5G(5th generation mobile networks或5th generation wireless systems，第五代移动通信技术)通信中，对网络流量的质和量提出了新的要求。5G除了满足个人移动通信需求外，还要满足工业互联网、车联网等实时性、可靠性、安全性要求更高的行业应用需求，因此，5G网络的服务质量要求更高，需要更高的投入。

在5G网络的建设过程中，网规网优是工程实施的重要环节之一。网规是指在建设通信网络之前根据建网目标、用户需求、当地实际情况等对网络建设进行规划；网优是指通信网络建成之后，通过话务数据分析、现场测试数据采集、参数分析、硬件检查等手段，找出影响网络质量的原因，在此基础上进行各种优化(包括参数修改、网络结构调整、设备配置调整和采取某些技术手段)。

在网规网优的实施过程中，目标区域内天线的数量和位置基本确定后，通过调整每个天线的参数(例如，挂高、方位角、下倾角、水平半功率角、垂直半功率等)，使目标区域内的信号指标达到预期的效果。其中，信号指标具体可以包括：信号强度覆盖率、信噪比覆盖率、平均信号强度、平均信噪比、信号强度超过阈值的占比、信噪比低于阈值的占比等中的任意一种，不同的运营商可以选取不同的信号指标。

目前调节天线参数的方法包括以下步骤：

步骤A、在目标区域内，根据地理环境、存量设备信息及工程经验因素，并结合建网目标，设置天线的个数及其对应的地理位置。

步骤B、根据工程师个人经验或者网规网优工具，设置每个天线的初始参数。

步骤C、通过专业的仿真软件，结合3D地图或者实际路测数据，获得目标区域信号的各项指标。

步骤D、评估指标效果，结合优化目标调整每个天线的参数。

不断的重复步骤C和D，直到满足优化目标。

其中，在步骤C获取目标区域信号的各项指标时，不仅要考虑目标区域中各位置到天线之间的距离对信号传播的影响，还需要考虑目标区域中地理环境信息(例如，地形、是否有建筑物遮挡)对信号传播的影响，因此，步骤C单次执行的时间较长(具体可达一天或几天)，导致整个调节过程的效率较低。

作为本发明的一方面，提供一种调节天线参数的方法，图1为本发明的一些实施例中提供的调节天线参数的方法流程图，如图1所示，调节天线参数的方法包括：

S101、根据目标区域中每个天线的参数的初始值和第一预设规则，确定目标区域的第一信号指标值。

其中，每个天线的参数可以包括：挂高、方位角、下倾角、水平半功率角、垂直半功率角等中的一种或多种。

目标区域的信号指标为能够表征目标区域内通信质量的指标，信号指标包括但不限于：信号覆盖率、平均PSPR(Reference Signal Receiving Power，参考信号接收功率)、平均SINR(Signal to Interference plus Noise Ratio，信号与干扰加噪声比)、RSRP超过阈值的占比、SINR低于阈值的占比等。

目标区域的信号指标值可以根据各个目标区域各位置的信号参数进行计算，例如，目标区域划分为多个栅格，信号指标为信号覆盖率时，该信号覆盖率可以为RSRP>0的栅格数量与总栅格数量的比值。

需要说明的是，本发明实施例中，目标区域的第一信号指标值以及下文的第二信号指数值是相同信号指标的不同取值，其中的“第一”、“第二”是为了表示得到信号指标值的方式不同。具体地，本发明实施例中，根据每个天线的参数的值和第一预设规则所得到的信号指标值统称为“第一信号指标值”；根据每个天线的参数的值和第二预设规则所得到的信号指标值统称为“第二信号指标值”。

S102、至少根据目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节，直至第一预设条件成立。

优化目标值可以根据需要设定，例如，设置为信号覆盖率达到91.5％以上。

其中，第一预设条件可以实际需要确定，可选地，第一预设条件为：根据每个天线调节后的参数的值和第一预设规则所确定的目标区域的第一信号指标值达到优化目标值。

此时，上述步骤S102包括：

S102a、至少根据目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节。

S102b、根据每个天线调节后的参数的值和第一预设规则确定目标区域的第一信号指标值。

S102c、判断步骤S102b所确定的第一信号指标值是否达到优化目标值，若是，则表示第一预设条件成立，即进行步骤S103；否则，返回步骤S102b。

S103、根据第一预设条件成立时每个天线的参数的值(即，第一信号指标值达到优化目标值所对应的每个天线的参数的值)和第二预设规则，确定目标区域的第二信号指标值。

S104、至少根据第一预设条件成立时每个天线的参数的值和优化目标值，对每个天线的参数进行调节，直至第二预设条件成立。第二预设条件为：根据每个天线调节后的参数的值和第二预设规则所确定的目标区域的第二信号指标值达到优化目标值。

即，步骤S104包括：

S104a、根据每个天线调节后的参数的值和第二预设规则，确定目标区域当前的第二信号指标值。

S104b、判断该第二信号指标值是否达到优化目标值，若是，则结束；若否，则对每个天线的参数进行调节；之后返回步骤S104a。

其中，本发明实施例中的第一预设规则和第二预设规则均可以为预设的函数、公式等，并且，第二预设规则中的参数包括：第一预设规则中的参数和目标区域的地理参数。步骤S101可以在第一仿真环境中进行，步骤S103可以在第二仿真环境中进行。当利用步骤S102确定出第一预设条件成立时的天线参数值时，将该天线参数值迁移至第二仿真环境中进行步骤S103的计算，进而对天线参数进行调节，从而在整体上相当于实现分级对参数进行调节。

具体地，第一预设规则中的参数可以包括：天线的参数值、信号传播距离、栅格数量，而不包括地理环境信息；第二预设规则中的参数除了包括第一预设规则中的参数之外，还包括目标区域的地理参数，例如，地理形貌、建筑物分布等。也就是说，第一预设规则比第二预设规则更简化的处理规则。

在本发明实施例中，先利用相对简化的第一预设规则对目标区域的信号指标进行了计算(即，第一仿真过程)，并对天线参数进行调节(即，第一调节过程)，直至利用第一预设规则所确定的目标区域的信号指标值达到优化目标值；之后，利用相对复杂的第二预设规则计算目标区域当前的信号指标值(即，第二仿真过程)，并根据天线当前的参数的值和优化目标值对天线参数进行调整(即，第二调节过程)；通过重复执行第一仿真过程和第二调节过程，来使得目标区域的信号指标值达到优化目标值。其中，第一仿真过程和第一调节过程相当于对天线的参数进行了粗调，从而可以使得天线参数已经接近理想状态，这样就可以减少第二仿真过程和第二调节过程的执行次数，而由于第一预设规则中不包括地理参数，因此，第一仿真过程的执行时间要远远小于第二仿真过程的执行时间，从而缩短了天线参数的整体调节时间，提高了网规网优的实施效率。

图2为本发明的另一些实施例中提供的调节天线参数的方法流程图，如图2所示，调节天线参数的方法包括：

S201、对所述目标区域进行栅格化，得到多个栅格。

具体的，将目标区域划分为多个面积相同或相近的小区域，每个小区域即为一个栅格，每个栅格中心点的信号质量代表整个栅格的信号质量。栅格具体大小根据业务需求决定，栅格越小代表仿真越精细，但是对应计算量变大。因此，实际应用中需要衡量性能和资源，找到栅格大小的临界点。

S202、初始化天线个数及地理位置，构建天线与栅格对应关系。

具体的，可以根据目标区域内真实的地理环境信息，结合工程师的经验以及相关设备，初始化区域内的总天线个数以及每个天线的地理位置(即经纬度信息)。不同天线型号有其传播范围，因此，在实际生产中，天线个数及地理位置可以根据区域大小和天线传播范围预估即可，多个天线传播边缘位置的信号由多个天线参数决定。

在天线数量及地理位置确定后，可以根据每个天线信号传播的范围，建立起天线与栅格的对应关系。每个所述天线对应至少一个所述栅格，通常，天线与栅格的关系是一对多，但是在多个天线传播边缘位置的栅格，与单个天线的关系并不固定。

例如，目标区域的信号指标为RSRP>x(例如，x＝0)的栅格的数量占比，此时，可以计算所有栅格内对于不同天线的RSRP，其中，单个栅格内，计算所有天线对当前栅格的RSRP，并选择最大的RSRP所对应的天线作为该小区的主小区天线，从而建立天线与栅格的对应关系。

具体地，令D(A₁，S₁)表示天线A₁与栅格中心S₁的实际距离，单位为km。其中天线A₁的原点功率为

单位为dBm；天线主方位角增益为

单位为dB；栅格中心S₁相对于天线A₁的倾角为

单位为度；栅格中心S₁相对于天线A₁的方位角为

单位为度；栅格中心S₁相对于天线A₁的路径损耗为

单位为dB。

以单个天线与单个栅格的信号传播为例，天线的功率为52.2W，挂高为30m，方位角为60度，下倾角为10度，天线主方位角增益为16dB。根据天线的坐标(-0.475，0.0)与栅格中心点的坐标(-0.95，-0.95)，计算路径损耗为70.28dB，进而计算该天线对于当前栅格的RSRP为-51dB。

S203、初始化天线参数及调节范围，即，设置天线参数的初始值及天线参数的调节范围。另外，设置天线参数调节的步进值。

具体地，可以根据每个天线的地理位置以及天线型号、工程师经验或天线说明书等，确定每个天线的参数的初始值，并根据不同的天线型号设置参数调节范围。

S204、设置优化目标值。

具体地，可以根据不同运营商的要求与标准设置优化目标值。优化目标包括但不限于：信号覆盖率、平均RSRP、平均SINR、信号强度超过阈值的占比、SINR低于阈值的占比等，例如，可以设置优化目标值为：信号覆盖率达到95％。

S205、根据目标区域中每个天线的参数的初始值和第一预设规则，确定目标区域的信号指标的初始值。

其中，第一预设规则可以为：至少根据每个栅格所对应天线的参数的值和第一信号传播公式，确定每个栅格的第一信号参数值；并根据每个栅格的第一信号参数值，确定目标区域的第一信号指标值。

其中，栅格的第一信号参数值为：根据第一预设规则所计算得到的栅格的信号参数的值，栅格的信号参数为与目标区域的信号指标相关的参数，例如，目标区域的信号指标为RSRP＞0的栅格的占比，则栅格的信号参数可以为RSRP。应当理解的是，目标区域的信号指标可以为一个，也可以为多个。例如，目标区域的信号指标包括：RSRP＞0的栅格的占比以及SINR小于预设值的栅格的占比。在计算占比等相关指标时，可细化多个天线小区边缘区域的栅格密度，提高指标的准确度。

第一信号传播公式是简化后的信号传播公式，即，目标区域的地貌较平坦、没有遮挡物遮挡信号的理想情况下的信号传播公式。第一信号传播公式中的参数(也即，变量)可以包括：栅格与天线之间的直线距离所带来的路径损耗、以及天线的参数。利用第一信号传播公式可以计算出每个栅格的第一信号参数值。

在设置第一信号传播公式时，单个天线考虑的信息有：原点增益、天线主方位角增益。单个天线对应的多个栅格中，每个栅格考虑的信息有：相对天线的倾角、相对天线的方位角、路径损耗。对于单个栅格RSRP的计算，第一信号传播公式中可以仅考虑上述5个信息，从而达到简化计算的目的。

当每个栅格的第一信号参数值还包括SINR时，可以再根据以下公式计算SINR：

其中，RSRP₀为栅格对于主信号天线的RSRP，RSRPi为栅格接收到其他天线信号时的RSRP，Noise为接收到的噪声功率。

S206、至少根据目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节，直至第一预设条件成立。第一预设条件为：根据每个天线调节后的参数的值和第一预设规则所确定的目标区域的第一信号指标值达到优化目标值。

其中，步骤S206对天线参数进行调节优化的问题利用机器学习技术中的多智能体技术来实现，例如DRL(Deep Reinforcement Learning，深度强化学习)技术。DRL的关键要素包括：智能体(agent)、奖励或回报(reward)、动作(action)、状态(state)、环境(environment)。其中，智能体为深度强化学习问题中的学习者或者决策者。所有智能体以外的东西叫做环境，其包括智能体直接交互的对象以及自身的某些状态或者组成部分。智能体可以通过行为主观的改变环境。回报是环境受到作用后发生状态的切换，并反馈给智能体的信号。状态为某种对于环境的表征形式，可以是一个特征向量，一幅图片等。

优化问题中，智能体在进行某个任务时，首先与环境进行交互，产生新的状态，同时环境给出回报，如此循环下去，智能体和环境不断交互产生更多新的数据。深度强化学习方法就是通过一系列动作策略与环境交互，产生新的数据，再利用新的数据去修改自身的动作策略，经过数次迭代后，智能体就会学习到完成任务所需要的动作策略。

利用DRL优化过程来进行步骤S206时，每个天线的参数调节(挂高、方位角、下倾角、水平半功率角、垂直半功率等)作为相应智能体的动作；目标区域当前的信号指标值作为智能体的回报；天线参数的当前值作为状态。图3为本发明实施例中利用DRL优化过程来调节天线参数的原理图，如图3所示，DRL优化过程可以看作以下过程：

A、设置用于表征天线的智能体，每个天线对应一个智能体。智能体的动作设置为天线的参数调节。智能体通过选择动作来调节天线的参数，进而改变每个栅格的RSRP，也即，改变环境的状态。

例如，某一个智能体参数的当前值为：[30.0，60.0，10.0，33.0，25.0]，即挂高为30.0米，方位角为60度，下倾角为10度，水平半功率角为33度，垂直半功率角为25度。智能体选择动作实际为天线的某个参数增加/减少步进值，因此选择动作后改变天线参数值。当选择的动作为方位角增加0.5度时，天线参数更改后的值为：[30.0，60.5，10.0，33.0，25.0]。

可以理解的是，当临近的天线所对应的智能体选择动作时，会同时改变同一位置(小区边缘)的RSRP，因此，对于边缘位置的栅格，临近智能体存在竞争关系。具体的，目标区域中包括多个小区，选取其中某小区边缘的栅格S，该栅格S接收邻近小区天线信号的RSRP列表为[15.3，14.5，10.3，5.32，3.23，3.12]，列表中索引为0位置的RSRP最强，作为栅格S的主小区。在智能体选择动作后，索引1对应天线的方位角增加0.5度，导致该天线对于栅格S的RSRP增大，变为16.7dB。此时，栅格S接收邻近小区的信号列表更新为[16.7，15.3，10.3，5.32，3.23，3.12]，栅格S的主小区改变，进而对应的天线改变。其他小区天线想要作为栅格S的主小区天线，只能通过选择动作改变参数，竞争每一个栅格的对应关系。

而多天线环境中，每个用户仅能与单个天线建立连接关系，其他天线对用户的信号传播会产生同频干扰。为了要全局范围内达到指标要求，需要多个天线相互合作，提高目标区域整体的信号指标值。

具体地，可以在所有智能体之间建立通信通道，共享全部天线的参数的值，智能体在选择动作时，参考其他天线的参数信息，通过互相协作，提高整体的信号指标。

进一步地，通信通道以共享列表的方式存在，列表中的每个元素为一个智能体信息，每个元素的结构又是一个列表，存储每个智能体的参数信息。若存在N个智能体，则共享列表的形式为[[30.0，60.0，10.0，33.0，25.0]，[30.0，57.0，13.2，34.0，22.5]，……[25.0，60.0，10.0，33.0，25.0]]，每个智能体可以读取列表全部信息，但仅能修改列表中的自身信息。

B、以目标区域当前的信号指标值作为回报反馈给所有智能体，所有智能体根据目标区域的信号指标值的变化，计算变化前后，向优化目标值的趋近程度；并将优化目标值作为方向，不断减小当前的信号指标值与优化目标值的差值，直至目标区域的信号指标值达到优化目标值。

例如，智能体选取动作之前信号覆盖率为0.75，累计回报为84.30；选取动作改变天线参数的值后，根据第一预设规则得到目标区域当前的信号覆盖率为0.78，相较于天线参数调节之前的信号覆盖率增加了0.03。通过评估策略的值函数，预估下一状态下的长期累积回报为84.24，加上此次获取的回报0.78，即当前长期累计回报为85.02，相比于选择动作之前的累计回报84.30，提高了0.72。由于本次智能体动作选择，提高了累计回报，证明参数调节方向是正确的，下一次可以按照当前策略进行更大步进的调节，在调节过程中，当前的信号指标值不断趋近于优化目标值，甚至超过优化目标值。

根据上述对DRL优化问题的描述，本发明实施例中的步骤S206具体可以包括：

S206a、将所有天线的参数的初始值和所述目标区域的第一信号指标值共同作为第一输入信息输入至预设的训练模型。

S206b、训练模型根据第一输入信息更新自身的参数，并确定每个天线的第一调节信息。

S206c、根据每个天线的第一调节信息确定每个天线调节后的参数的值。

其中，每个天线的第一调节信息包括对每个天线的每个参数的调节方向，例如，是增大还是减小。调节的步进值可以参考步骤S203中设置的步进值。

训练模型可以为机器学习技术中的多智能体技术(例如DRL)中的模型，其包括用于进行机器学习的多个智能体，具体地，训练模型包括用于进行DRL的多个智能体，多个智能体与目标区域中的多个天线一一对应。在该步骤中，每个天线的第一调节信息均是由相应的智能体根据第一输入信息确定的。也就是说，每个智能体确定各自对应的天线的第一调节信息，从而使得智能体之间相互竞争。

其中，每个智能体具有决策网络和评估网络。决策网络用于根据观测到的环境选择动作；评估网络用于根据环境返回的回报(即，奖励)，并综合其他智能体所对应的天线的参数情况，对决策网络进行调整，从而体现多个智能体通过合作，共同调节参数以满足全局优化目标。

具体的，决策网络由三层全连接网络构成，输入信息为目标区域当前的信号指标值和所有天线的参数值；输入时，可以将每个天线的参数的值作为一维向量，并将多个一维相连以及当前的信号指标值依次连接。例如，决策网络的输入信息的参考格式为：[0.845,[[30.0，60.0，10.0，33.0，25.0]，[30.0，57.0，13.2，34.0，22.5]，……[25.0，60.0，10.0，33.0，25.0]]]；决策网络的输出为具体的动作，以向量的格式输出，例如，[0.0,1.0,-1.0,0.0,0.0]，其中，0表示参数值不变，1表示增大参数的值，-1表示减小参数的值。N个智能体的决策网络的输出的向量同样可以顺次相连，例如，N个智能体的决策网络共同输出[[0.0，1.0，-1.0，0.0，0.0]，[0.0，1.0，0.0，1.0，1.0]，…,[1.0，0.0，-1.0，-1.0，-1.0]]。

评估网络同样由三层全连接网络构成，输入为当前的状态和所有天线的第一调节信息(即，智能体的动作)，输出为对未来累计回报的估计值。

其中，训练模型根据第一输入信息更新自身参数的过程包括：

每个智能体均以目标区域当前的第一信号指标值作为第一回报值，并根据所述第一回报值对训练模型的参数进行更新。即，训练模型将当前的第一信号指标值作为联合回报值进行参数更新。

进一步具体地，每个智能体根据第一回报值，结合其他智能体所对应天线的参数的值，计算长期累计回报。将长期累计回报与上一步估计回报的差值，作为损失函数，通过优化算法(梯度下降法)，最小化损失函数，更新评估网络的权重。评估网络更新后，重新计算长期累计回报，将长期累积回报对于动作的梯度，作为损失函数，通过优化算法，最小化损失函数，更新决策网络的权重。

例如，其中某一个天线调节前的参数值为[30.0，60.0，10.0，33.0，25.0]，目标区域的信号覆盖率为0.75；智能体选择的动作为[0.0，1.0，-1.0，0.0，0.0]，改变后的参数为[30.0，61.0，11.0，30.0，22.5]。待所有天线的参数均调节后，计算得到目标区域的信号覆盖率为0.78，则0.78作为联合回报值，反馈给所有智能体。在使用0.78作为联合奖励的基础上，通过评估策略的值函数，预估下一状态下的长期累积回报为84.24，加上此次获取的奖励0.78，即当前长期累计回报为85.02，相比于选择动作之前的累计回报84.30，提高了0.72。以0.72作为本次参数调整的损失值，通过链式法则，计算评估策略网络中每个参数的梯度值，根据具体的梯度值更新评估网络中的权重。评估网络通过联合奖励更新后，重新预估下一状态下的长期累积回报为84.26，加上联合奖励0.78，计算当前长期累计回报为85.04，计算长期累积回报85.04对于动作[0.0，1.0，-1.0，0.0，0.0]的梯度值，通过链式法则求解的梯度值为0.21。将梯度值0.21作为损失值，再次计算损失值对于决策网络中每个参数的梯度，根据具体梯度值更新决策网络中的权重。

可见，步骤S206结束后，目标区域的第一信号指标值达到优化目标值，且训练模型完成训练。

S206d、根据每个天线调节后的参数的值和第一预设规则，确定目标区域当前的第一信号指标值。

具体地，根据每个天线调节后的参数的值和第一信号传播公式，确定每个栅格的信号参数值(如，RSRP)并根据每个栅格的信号参数值确定目标区域当前的第一信号指标值。

S206e、判断目标区域当前的第一信号指标值是否达到优化目标值；若达到，则进行步骤S207；若未达到，则将所有天线调节后的参数的值、目标区域当前的第一信号指标值共同作为新的第一输入信息，返回步骤S206b。

在本发明实施例中，每个智能体的决策网络用于根据观测到的环境选择动作，从而体现出每个智能体之间的竞争关系；而对决策网络进行调节时，所有智能体基于相同的回报值进行调节，体现了相互之间的合作关系，这样可以达到天线的竞争与合作之间的平衡，从而使得目标区域中，不仅使得每个天线覆盖的小区内达到较好的通信质量，还可以使得目标区域整体上达到较好的通信质量。

S207、根据步骤S206结束时每个天线的参数的值和第二预设规则，确定目标区域的第二信号指标值。第二预设规则中的参数包括：所述第一预设规则中的参数和目标区域的地理参数。

在一些实施例中，第二预设规则为：根据每个栅格所对应天线的参数的值和第二信号传播公式，确定每个栅格的第二信号参数值；并根据每个栅格的第二信号参数值，确定目标区域的第二信号指标值。其中，第二信号传播公式中的参数包括：第一信号传播公式中的参数和目标区域的地理参数。该地理参考可以包括与地理形貌、建筑物有关的参数。其中，S207可以利用专业的环境仿真软件来实现，并结合地理信息和/或路测数据来获得目标区域的第二信号指标值。

S208、至少根据步骤S206结束时每个天线的参数的值和优化目标值，对每个天线的参数进行调节，直至第二预设条件成立。第二预设条件为：根据每个天线调节后的参数的值和所述第二预设规则所确定的目标区域的第二信号指标值达到所述优化目标值。

该步骤S208对天线参数的调节过程同样可以看作DRL优化问题，具体地，步骤S208包括：

S208a、将第一预设条件成立时(即，步骤S206结束时)所有天线的参数的值和第二信号指标值共同作为第二输入信息输入至参数更新后的训练模型。也就相当于，将步骤S206结束时的训练模型的参数迁移至步骤S208中。

S208b、训练模型根据第二输入信息更新自身参数，并确定每个天线的第二调节信息。

该第二调节信息与第一调节信息类似，均为用于表示天线的参数调节方向的信息。该步骤与S206b中确定每个天线的调节信息的过程类似，区别仅在于，步骤S206b中输入训练模型的信息为第一输入信息，因此，每个智能体是基于第一输入信息来确定每个天线的第一调节信息，而本步骤中，输入训练模型的是第二输入信息，因此，每个天线的第二调节信息均由相应的智能体根据第二输入信息确定；且在训练模型更新参数的过程中，每个智能体以目标区域当前的第二信号指标值作为第二回报值，来进行模型参数的更新；具体训练模型确定天线的第二调节信息的过程以及更新模型参数的过程参见步骤S206b，这里不再赘述。

S208c、根据每个天线的第二调节信息确定每个天线调节后的参数的值。

S208d、根据每个天线调节后的参数的值和第二预设规则，确定目标区域当前的第二信号指标值。该过程可以在仿真环境中进行仿真。

S208e、判断目标区域当前的第二信号指标值是否达到优化目标值，若未达到，则将所有天线调节后的参数的值和目标区域当前的第二信号指标值共同作为新的第二输入信息，返回S208b。

由于步骤S206中已对智能体的决策网络与评估网络的参数进行多次更新，每个智能体已经学习到如何调节天线的参数，来使得目标区域的信号指标值向优化目标值收敛，因此，步骤S208中，决策网络和评估网络的整体架构不再改变，只需对参数进行更新；具体地，决策网络和评估网络在步骤S208中保持为三层全连接网络的形式。另外，通过步骤S206中对天线参数的不断调节，已经能够使目标区域的第一信号指标值达到优化目标，只是因为步骤S206中没有考虑真实环境中的地理信息对信号传播的影响，因此步骤S208中结合地理信息对天线参数进行微调即可，步骤S208中对天线参数的调节次数将远小于步骤S206中的调节次数。

S209、生成目标区域内所有天线的工参信息。

具体的，在步骤S208基础上获得每个天线的参数的最终值，结合步骤S202设置的天线数量和地理位置，生成目标区域内完整的天线工参信息表，以指导天线的建设工作。当然，也可以在步骤S208获得的每个天线的参数值的基础上，结合实际的路测数据对天线的参数进行进一步调整。

在上述实施例中，计算栅格的第一信号参数值时，所利用的第一信号传播公式中并不包括地理参数，因此，利用第一信号传播公式所计算得到的每个栅格的第一信号参数值与真实的信号参数值存在一定差距。为减小该差距，本发明的另一些实施例中，第一预设规则不仅涉及第一信号传播公式，还包括修正项；即，每个栅格的第一信号参数值是根据相应天线的参数的值、第一信号传播公式和修正值确定的。

在本发明的一些实施例中，调节天线参数的方法还包括确定修正值的步骤，图4为本发明的一些实施例中提供的确定修正值的流程图，如图4所示，确定修正值的步骤包括：

S301、判断是否存在目标区域的历史网络覆盖信息；若存在，执行步骤S302～S304，若不存在，则执行步骤S305。

其中，历史网络覆盖信息是指，在目标区域建立当前的网络之前，目标区域中的通信网络的覆盖信息。例如，本发明实施例的方法用于调节5G通信网络中天线的参数，则历史网络覆盖信息可以为3G、4G网络的历史覆盖信息。

S302、获取历史网络覆盖信息中每个天线的参数的值和目标区域的历史信号指标值。

S303、根据所述历史网络覆盖信息每个天线的参数的值和所述第一信号传播公式，确定每个栅格的理论信号参数值。

S304、根据每个栅格的理论信号参数值和相应的历史信号参数值之间的差异，确定相应栅格的修正值。该修正值即为利用第一信号传播公式进行计算时，因未考虑到真实环境中的建筑物等信息而产生的误差。往往这部分未考虑到的信号在实际应用中会使信号产生衰减，因此，在计算每个栅格的第一信号参数值时，在利用第一信号传播公式的计算结果基础上，减去相应的修正值。

其中，栅格的理论信号参数值和相应的历史信号参数值之间的差异是基于天线当前的参数值确定的，不能代表其他天线参数下的情况，因此，在实际应用中，可以根据实际需要对栅格的理论信号参数值和相应的历史信号参数值之间的差异α进行进一步估算，进而得到栅格的修正值。误差项可以表示为α+ε，ε的取值范围为[-α,+α]，当超参数ε取值为α时，相当于不考虑误差项。

在一示例中，表1为历史网络覆盖信息中三个栅格的相关信息，其中包括每个栅格所对应天线的参数(挂高、方位角、下倾角、水平半功率角、垂直半功率等)的值、每个栅格的地理位置(经度、纬度)与历史信号参数值(RSRP)。利用第一信号传播公式所计算出栅格号为S1、S2、S3的栅格的理论信号参数值分别为-45.3、-52.3、-61.2，则可以确定三个栅格的理论信号参数值与历史信号参数值之差分别为：0.5、1.1、1.1。

表1

S305、获取目标区域的三维(3D)地图信息，根据目标区域的三维地图信息确定每个栅格对应的修正值。

这种情况下，可以根据经验值对修正值估计每个栅格理论信号参数值与历史信号参数值之间的差异，并根据该差异对栅格的修正值进行进一步计算。估计过程中不仅可以考虑建筑、地形等因素，还可以考虑天气等因素。

表2为一示例中所获取的理论信号参数值与历史信号参数值之间的差异Dif。

通过修正值的设置，可以进一步减小步骤S208中对天线的调节次数，而修正项并不需要进行反复迭代，从而进一步提高天线参数的调节效率。

作为本发明的另一方面，提供一种调节天线参数的装置，该装置用于执行上述实施例中调节天线参数的方法。图5为本发明的一些实施例提供的调节天线参数的装置的示意图，如图5所示，该装置包括：第一确定模块10、第一调节模块20、第二确定模块30和第二调节模块40。

其中，第一确定模块10用于根据目标区域中每个天线的参数的初始值和第一预设规则，确定目标区域的第一信号指标值。

第一调节模块20用于至少根据目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节，直至第一预设条件成立；第一预设条件为：根据每个天线调节后的参数的值和第一预设规则所确定的目标区域的第一信号指标值达到优化目标值。

第二确定模块30用于根据第一预设条件成立时每个天线的参数的值和第二预设规则，确定目标区域的第二信号指标值。

第二调节模块40还用于至少根据第一预设条件成立时每个天线的参数的值和优化目标值，对天线的参数进行调节，直至第二预设条件成立。

第二预设条件为：根据每个天线调节后的参数的值和第二预设规则所确定的目标区域的第二信号指标值达到优化目标值。

第二预设规则中的参数包括：第一预设规则中的参数和目标区域的地理参数。

其中，第一确定模块10和第二确定模块30均可以为进行仿真的环境模块；在第一预设规则中并不考虑地理参数，第二预设规则中则考虑地理参数，因此，第一确定模块10的计算或仿真速度比第二确定模块30更快。

图6为本发明的另一些实施例提供的调节天线参数的装置的示意图，如图6所示，调节天线参数的装置除了包括上述第一确定模块10、第一调节模块20、第二确定模块30和第二调节模块40之外，还可以包括：初始化模块50，初始化模块50用于对所述目标区域进行栅格化，得到多个栅格；每个所述天线对应至少一个所述栅格。

在一些实施例中，第一预设规则为：至少根据每个栅格所对应天线的参数的值和第一信号传播公式，确定每个栅格的第一信号参数值；并根据每个栅格的第一信号参数值，确定目标区域的第一信号指标值。第二预设规则为：根据每个栅格所对应天线的参数的值和第二信号传播公式，确定每个栅格的第二信号参数值；并根据每个栅格的第二信号参数值，确定目标区域的第二信号指标值。

其中，第二信号传播公式中的参数包括：第一信号传播公式中的参数和目标区域的地理参数。

图7为本发明的再一些实施例提供的调节天线参数的装置的示意图，如图7所示，该装置除了包括上述第一确定模块10、第一调节模块20、第二确定模块30、第二调节模块40和初始化模块50之外，还可以包括：修正值获取模块60，用于获取第一信号传播公式的修正值；这种情况下，第一预设规则中每个栅格的第一信号参数值是根据每个栅格所对应的天线的参数的值、第一信号传播公式和修正值确定的。

在一些可选实施方式中，修正值获取模块具体可以包括：历史信息判断单元、第一获取单元、第一修正单元、第二获取单元、第二修正单元。

其中，历史信息判断单元用于判断是否存在目标区域的历史网络覆盖信息。

第一获取单元用于在所述历史信息判断单元判断出存在历史网络覆盖信息时，获取历史网络覆盖信息中每个天线的参数的值和每个栅格的历史信号参数值。

第一修正单元用于根据所述历史网络覆盖信息中每个天线的参数的值和所述第一信号传播公式，确定每个栅格的理论信号参数值；并根据每个栅格的理论信号参数值和相应的历史信号参数值之间的差异，确定相应栅格的修正值。

第二获取单元用于在所述历史信息判断单元判断出不存在历史网络覆盖信息时，获取所述目标区域的三维地图信息。

第二修正单元用于根据所述目标区域的三维地图信息确定每个栅格对应的修正值。

在一些实施例中，调节天线参数的装置还可以包括：输出模块，用于根据第二预设条件成立时每个天线的参数的值，输出相应的指令，来控制对天线参数进行调节。

在一些实施例中，调节天线参数的装置还可以包括真实环境代理模块，用于获取天线的参数值与实际路测的目标区域的信号指标值之间的关系，从而在利用第二调节模块完成对天线参数的调节之后，利用真实环境代理模块对天线的参数再次进行调节。

在一些实施例中，上述各模块可以集成在同一个调用模块中，以便于实现天线参数优化调节的闭环管理。当然，第二确定模块也可以调用的第三方的环境仿真模块。

图8为本发明实施例中第一调节模块的一种可选结构与第一确定模块的示意图，如图8所示，第一调节模块20包括：第一输入单元21、第一确定单元22、第一判断单元23。

第一输入单元21用于将所有天线的参数的初始值和目标区域的第一信号指标值共同作为第一输入信息输入至预设的训练模型；训练模型用于根据第一输入信息更新自身的参数，并确定每个天线的第一调节信息。

可选地，训练模型包括用于进行机器学习(例如，深度强化学习)的多个智能体，多个智能体与目标区域中的多个天线一一对应；其中，每个智能体用于根据第一输入信息确定相应天线的第一调节信息。在更新训练模型的参数时，智能体以目标区域当前的第一信号指标值作为第一回报值，并根据第一回报值对训练模型的参数进行更新。

第一确定单元22用于根据每个天线的第一调节信息确定每个天线调节后的参数的值。

第一确定模块10还用于根据每个天线调节后的参数的值和第一预设规则，确定目标区域当前的第一信号指标值。

第一判断单元23用于判断目标区域当前的第一信号指标值是否达到优化目标值。

第一输入单元21还用于在第一判断单元判断出当前的第一信号指标值未达到优化目标值时，将所有天线调节后的参数的值和目标区域当前的第一信号指标值共同作为新的第一输入信息输入至更新后的训练模型，以使得训练模型再次根据第一输入信息更新自身参数，并确定每个天线的调节信息。

图9为本发明实施例中第二调节模块的一种可选结构与第二确定模块的示意图，如图9所示，第二调节模块40包括：第二输入单元41、第二确定单元42和第二判断单元43。

第二输入单元41用于将第一预设条件成立时所有天线的参数的值和第二信号指标值共同作为第二输入信息输入至训练模型，利用训练模型确定每个天线的第二调节信息。

第二确定单元42用于根据每个天线的第二调节信息确定每个天线调节后的参数的值。

第二确定模块30还用于根据每个天线调节后的参数的值和第二预设规则，确定目标区域当前的第二信号指标值。

第二判断单元43用于判断目标区域当前的第二信号指标值是否达到优化目标值。

第二输入单元41还用于在第二判断单元判断出当前的第二信号指标值未达到优化目标值时，将所有天线调节后的参数的值和目标区域当前的第二信号指标值共同作为新的第二输入信息输入至更新后的训练模型；训练模型还用于根据第二输入信息更新自身参数，并确定每个天线的调节信息。

可选地，每个天线的第二调节信息由相应的智能体根据第二输入信息确定。训练模型根据第二输入信息更新自身参数具体为：每个智能体以目标区域当前的第二信号指标值作为第二回报值，并根据第二回报值对训练模型的参数进行更新。

对于上述各模块、单元和子单元的实现细节和技术效果的描述，可以参见前述方法实施例的说明，此处不再赘述。

作为本发明的再一方面，还提供一种电子设备，其包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述实施例中调节天线参数的方法。

作为本发明的又一方面，还提供一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现上述实施例中调节天线参数的方法。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据，并且可包括任何信息递送介质。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (16)

1.一种调节天线参数的方法，包括：

根据目标区域中每个天线的参数的初始值和第一预设规则，确定所述目标区域的第一信号指标值；

至少根据所述目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节，直至第一预设条件成立，在调节过程中，若每个天线调节后的参数的值和所述第一预设规则所确定的目标区域的第一信号指标值向所述优化目标值趋近，则继续按照当前参数调节方向并增大参数步进值以进行调节；所述第一预设条件为：根据每个天线调节后的参数的值和所述第一预设规则所确定的目标区域的第一信号指标值达到所述优化目标值；

根据所述第一预设条件成立时每个天线的参数的值和第二预设规则，确定所述目标区域的第二信号指标值；

至少根据所述第一预设条件成立时每个天线的参数的值和所述优化目标值，对每个天线的参数进行调节，直至第二预设条件成立，在调节过程中，若每个天线调节后的参数的值和所述第二预设规则所确定的目标区域的第二信号指标值向所述优化目标值趋近，则继续按照当前参数调节方向并增大参数步进值以进行调节；所述第二预设条件为：根据每个天线调节后的参数的值和所述第二预设规则所确定的目标区域的第二信号指标值达到所述优化目标值；

所述第一预设规则包括第一信号传播公式，所述第二预设规则包括第二信号传播公式，所述第二信号传播公式中的参数包括：所述第一信号传播公式中的参数和所述目标区域的地理参数，所述地理参数用于指示对所述目标区域的信号传播的影响。

2.根据权利要求1所述的方法，其中，所述方法还包括：

对所述目标区域进行栅格化，得到多个栅格；每个天线对应至少一个所述栅格；

所述第一预设规则为：至少根据每个栅格所对应天线的参数的值和第一信号传播公式，确定每个栅格的第一信号参数值；并根据每个栅格的第一信号参数值，确定所述目标区域的第一信号指标值；

所述第二预设规则为：根据每个栅格所对应天线的参数的值和第二信号传播公式，确定每个栅格的第二信号参数值；并根据每个栅格的第二信号参数值，确定所述目标区域的第二信号指标值。

3.根据权利要求2所述的方法，其中，所述第一预设规则中，每个栅格的第一信号参数值是根据相应天线的参数的值、所述第一信号传播公式和修正值确定的。

4.根据权利要求3所述的方法，其中，所述方法还包括确定修正值的步骤，并且，确定修正值的步骤包括：

判断是否存在目标区域的历史网络覆盖信息；

若不存在，则获取所述目标区域的三维地图信息，根据所述目标区域的三维地图信息确定每个栅格对应的修正值；

若存在，则获取历史网络覆盖信息中每个天线的参数的值和每个栅格的历史信号参数值；

根据所述历史网络覆盖信息中每个天线的参数的值和所述第一信号传播公式，确定每个栅格的理论信号参数值；

根据每个栅格的理论信号参数值和相应的历史信号参数值之间的差异，确定相应栅格的修正值。

5.根据权利要求1所述的方法，其中，所述至少根据所述目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节，直至第一预设条件成立，包括：

将所有天线的参数的初始值和所述目标区域的第一信号指标值共同作为第一输入信息输入至预设的训练模型，所述训练模型根据所述第一输入信息更新自身的参数，并确定每个天线的第一调节信息；

根据每个天线的第一调节信息确定每个天线调节后的参数的值；

根据每个天线调节后的参数的值和所述第一预设规则，确定所述目标区域当前的第一信号指标值；

判断所述目标区域当前的第一信号指标值是否达到所述优化目标值；若未达到，则将所有天线调节后的参数的值和所述目标区域当前的第一信号指标值共同作为新的第一输入信息，返回所述训练模型根据所述第一输入信息更新自身的参数，并确定每个天线的第一调节信息的步骤。

6.根据权利要求5所述的方法，其中，所述至少根据所述第一预设条件成立时每个天线的参数的值和所述优化目标值，对每个天线的参数进行调节，直至第二预设条件成立，包括：

将所述第一预设条件成立时所有天线的参数的值和所述第二信号指标值共同作为第二输入信息输入至参数更新后的所述训练模型，所述训练模型根据所述第二输入信息更新自身参数，并确定每个天线的第二调节信息；

根据每个天线的第二调节信息确定每个天线调节后的参数的值；

根据每个天线调节后的参数的值和所述第二预设规则，确定所述目标区域当前的第二信号指标值；

判断所述目标区域当前的第二信号指标值是否达到所述优化目标值；若未达到，则将所有天线调节后的参数的值和当前的第二信号指标值共同作为新的第二输入信息，返回所述训练模型根据所述第二输入信息更新自身参数，并确定每个天线的第二调节信息的步骤。

7.根据权利要求6所述的方法，其中，所述训练模型包括用于进行机器学习的多个智能体，所述多个智能体与所述目标区域中的多个天线一一对应；其中，

每个智能体用于根据所述第一输入信息确定相应天线的第一调节信息，以及根据所述第二输入信息确定相应天线的第二调节信息；

所述训练模型根据所述第一输入信息更新自身的参数，包括：每个智能体均以目标区域当前的第一信号指标值作为第一回报值，并根据所述第一回报值对所述训练模型的参数进行更新；

所述训练模型根据所述第二输入信息更新自身的参数，包括；每个智能体均以目标区域当前的第二信号指标值作为第二回报值，并根据所述第二回报值对所述训练模型的参数进行更新。

8.一种调节天线参数的装置，包括：

第一确定模块，用于根据目标区域中每个天线的参数的初始值和第一预设规则，确定所述目标区域的第一信号指标值；

第一调节模块，用于至少根据所述目标区域的第一信号指标值和预设的优化目标值，对每个天线的参数进行调节，直至第一预设条件成立，在调节过程中，若每个天线调节后的参数的值和所述第一预设规则所确定的目标区域的第一信号指标值向所述优化目标值趋近，则继续按照当前参数调节方向并增大参数步进值以进行调节；所述第一预设条件为：根据每个天线调节后的参数的值和所述第一预设规则所确定的目标区域的第一信号指标值达到所述优化目标值；

第二确定模块，用于根据第一预设条件成立时每个天线的参数的值和第二预设规则，确定所述目标区域的第二信号指标值；

第二调节模块，用于至少根据所述第一预设条件成立时每个天线的参数的值和所述优化目标值，对每个天线的参数进行调节，直至第二预设条件成立，在调节过程中，若每个天线调节后的参数的值和所述第二预设规则所确定的目标区域的第二信号指标值向所述优化目标值趋近，则继续按照当前参数调节方向并增大参数步进值以进行调节；

所述第二预设条件为：根据每个天线调节后的参数的值和所述第二预设规则所确定的目标区域的第二信号指标值达到所述优化目标值；

所述第一预设规则包括第一信号传播公式，所述第二预设规则包括第二信号传播公式，所述第二信号传播公式中的参数包括：所述第一信号传播公式中的参数和目标区域的地理参数，所述地理参数用于指示对本目标区域的信号传播的影响。

9.根据权利要求8所述的装置，其中，所述装置还包括：

初始化模块，用于对所述目标区域进行栅格化，得到多个栅格；每个所述天线对应至少一个所述栅格；

所述第一预设规则为：至少根据每个栅格所对应天线的参数的值和第一信号传播公式，确定每个栅格的第一信号参数值；并根据每个栅格的第一信号参数值，确定所述目标区域的第一信号指标值；

所述第二预设规则为：根据每个栅格所对应天线的参数的值和第二信号传播公式，确定每个栅格的第二信号参数值；并根据每个栅格的第二信号参数值，确定所述目标区域的第二信号指标值。

10.根据权利要求9所述的装置，其中，所述装置还包括：修正值获取模块，用于获取所述第一信号传播公式的修正值；

所述第一预设规则中，每个栅格的第一信号参数值是根据每个栅格所对应的天线的参数的值、第一信号传播公式和修正值确定的。

11.根据权利要求10所述的装置，其中，所述修正值获取模块包括：

历史信息判断单元，用于判断是否存在目标区域的历史网络覆盖信息；

第一获取单元，用于在所述历史信息判断单元判断出存在历史网络覆盖信息时，获取历史网络覆盖信息中每个天线的参数的值和每个栅格的历史信号参数值；

第一修正单元，用于根据所述历史网络覆盖信息中每个天线的参数的值和所述第一信号传播公式，确定每个栅格的理论信号参数值；并根据每个栅格的理论信号参数值和相应的历史信号参数值之间的差异，确定相应栅格的修正值；

第二获取单元，用于在所述历史信息判断单元判断出不存在历史网络覆盖信息时，获取所述目标区域的三维地图信息；

第二修正单元，用于根据所述目标区域的三维地图信息确定每个栅格对应的修正值。

12.根据权利要求9所述的装置，其中，所述第一调节模块包括：第一输入单元、第一确定单元和第一判断单元；

所述第一输入单元用于将所有天线的参数的初始值和所述目标区域的第一信号指标值共同作为第一输入信息输入至预设的训练模型；所述训练模型用于根据所述第一输入信息更新自身的参数，并确定每个天线的第一调节信息；

所述第一确定单元用于根据每个天线的第一调节信息确定每个天线调节后的参数的值；

所述第一确定模块还用于根据每个天线调节后的参数的值和所述第一预设规则，确定所述目标区域当前的第一信号指标值；

所述第一判断单元用于判断所述目标区域当前的第一信号指标值是否达到所述优化目标值；

所述第一输入单元还用于在所述第一判断单元判断出当前的第一信号指标值未达到所述优化目标值时，将所有天线调节后的参数的值和所述目标区域当前的第一信号指标值共同作为新的第一输入信息输入至更新后的所述训练模型，以使得所述训练模型再次根据所述第一输入信息更新自身的参数，并确定每个天线的调节信息。

13.根据权利要求12所述的装置，其中，所述第二调节模块包括：第二输入单元、第二确定单元和第二判断单元；

所述第二输入单元用于将第一预设条件成立时所有天线的参数的值和所述第二信号指标值共同作为第二输入信息输入至更新后的所述训练模型，所述训练模型还用于根据所述第二输入信息更新自身参数，并确定每个天线的第二调节信息；

所述第二确定单元用于根据每个天线的第二调节信息确定每个天线调节后的参数的值；

所述第二确定模块还用于根据每个天线调节后的参数的值和所述第二预设规则，确定所述目标区域当前的第二信号指标值；

所述第二判断单元用于判断所述目标区域当前的第二信号指标值是否达到所述优化目标值；

所述第二输入单元还用于在所述第二判断单元判断出当前的第二信号指标值未达到所述优化目标值时，将所有天线调节后的参数的值和所述目标区域当前的第二信号指标值共同作为新的第二输入信息输入至更新后的所述训练模型，以使得所述训练模型再次根据所述第二输入信息更新自身的参数，并确定每个天线的调节信息。

14.根据权利要求13所述的装置，其中，所述训练模型包括用于进行机器学习的多个智能体，所述多个智能体与所述目标区域中的多个天线一一对应；其中，

每个智能体用于根据所述第一输入信息确定相应天线的第一调节信息，以及根据所述第二输入信息确定相应天线的第二调节信息；

每个智能体还用于以目标区域当前的第一信号指标值作为第一回报值，并根据所述第一回报值对所述训练模型的参数进行更新；以目标区域当前的第二信号指标值作为第二回报值，并根据所述第二回报值对所述训练模型的参数进行更新。

15.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至7中任意一项所述的方法。

16.一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1至7中任意一项所述的方法。

Images