CN110650483B - 一种设备选型方法和装置 - Google Patents

一种设备选型方法和装置 Download PDF

Info

Publication number
CN110650483B
CN110650483B CN201910877782.XA CN201910877782A CN110650483B CN 110650483 B CN110650483 B CN 110650483B CN 201910877782 A CN201910877782 A CN 201910877782A CN 110650483 B CN110650483 B CN 110650483B
Authority
CN
China
Prior art keywords
mobile communication
communication technology
sinr
cqi
under
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
CN201910877782.XA
Other languages
English (en)
Other versions
CN110650483A (zh
Inventor
杨艳
冯毅
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.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group 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 China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201910877782.XA priority Critical patent/CN110650483B/zh
Publication of CN110650483A publication Critical patent/CN110650483A/zh
Application granted granted Critical
Publication of CN110650483B publication Critical patent/CN110650483B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明的实施例提供了一种设备选型方法和装置，涉及通信技术领域，解决了如何根据已建基站区域的用户需求，将已建基站区域的设备更换为合适的AAU设备的问题。该方法包括，获取第一移动通信技术下的典型场景仿真数据以及指定区域内在第二移动通信技术下的历史CQI；对典型场景仿真数据进行聚类，确定每个类别的中心值；根据中心值，确定SINR区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系；根据SINR和CQI的映射关系以及历史CQI，确定指定区域在第一移动通信技术下的目标SINR；根据目标SINR和对应关系，确定指定区域内部署的设备类型。

Description

一种设备选型方法和装置
技术领域
本发明涉及通信技术领域，尤其涉及一种设备选型方法和装置。
背景技术
第五代移动通信技术(英文全称：5th-generation，简称：5G)作为全新的下一代通信系统，从设备的层面进行了全面突破，首先将天线阵子数由长期演进(英文全称：longterm evolution，简称：LTE)的32个提升到新空口(英文全称：new radio，简称：NR)的128、192个，其次，如图1所示射频拉远单元(英文全称：Active Antenna Unit，简称：AAU)设备的发射和接收通道数也由LTE的2发射(英文全称：transmit，简称：T)2接收(英文全称：receive，简称：R)提升到8T8R、16T16R、32T32R、64T64R，还有从将天线与RRU设备进行紧耦合，减少了大量阵子和射频拉远单元(英文全称：Radio Remote Unit，简称：RRU)设备间的馈线损耗，提高了设备的天线增益。
5G多种通道技术可以进行多种场景的覆盖，8TR、16TR的设备可以进行一个垂直维度的覆盖，而32TR的设备可以进行2个垂直维度的覆盖、64TR的设备可以进行4个垂直维度的覆盖，适用范围更广。
由上述可知，由于5G网络中AAU具备多种设备形态，如何根据已建基站区域的用户需求，将已建基站区域的设备更换为合适的AAU设备成为了一个亟待解决的问题。
发明内容
本发明的实施例提供一种设备选型方法和装置，解决了如何根据已建基站区域的用户需求，将已建基站区域的设备更换为合适的AAU设备的问题。
为达到上述目的，本发明的实施例采用如下技术方案：
第一方面，本发明的实施例提供一种设备选型方法，包括：获取第一移动通信技术下的典型场景仿真数据以及指定区域内在第二移动通信技术下的历史CQI；其中，典型场景仿真数据通过对第一移动通信技术下的典型场景进行仿真得到的，典型场景包括密集城区、郊区和开阔区域中的至少一项；对典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值；根据中心值，确定第一移动通信技术下的SINR区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系；根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及历史CQI，确定指定区域在第一移动通信技术下的目标SINR；根据目标SINR和对应关系，确定指定区域内部署的设备类型；其中，第一移动通信技术的发布时间晚于第二移动通信技术的发布时间。
由上述方案可知，当第一移动通信技术为5G，第二移动通信技术为4G，设备类型包括16TR设备、32TR设备、64TR设备，指定区域为已建基站区域时，本发明的实施例提供的设备选型方法，通过5G的典型场景进行仿真，从而可以确定5G的典型场景仿真数据；然后，对典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值；根据中心值，确定第一移动通信技术下的SINR区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系；根据已建基站区域内的历史CQI以及第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系，从而可以确定该建基站区域内用户需求；同时，根据目标SINR和对应关系，确定指定区域内部署的设备类型，使得用户可以根据5G的典型场景仿真数据和已建基站区域内的历史CQI，将已建基站区域内的设备进行更换为合适的设备类型，解决了如何根据已建基站区域的用户需求，将已建基站区域的设备更换为合适的AAU设备的问题。
第二方面，本发明的实施例提供一种设备选型装置，包括：获取单元，用于获取第一移动通信技术下的典型场景仿真数据以及指定区域内在第二移动通信技术下的历史CQI；其中，典型场景仿真数据通过对第一移动通信技术下的典型场景进行仿真得到的，典型场景包括密集城区、郊区和开阔区域中的至少一项；处理单元，用于对获取单元获取的典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值；处理单元，还用于根据中心值，确定第一移动通信技术下的SINR区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系；处理单元，还用于根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及获取单元获取的历史CQI，确定指定区域在第一移动通信技术下的目标SINR；处理单元，还用于根据目标SINR和对应关系，确定指定区域内部署的设备类型；其中，第一移动通信技术的发布时间晚于第二移动通信技术的发布时间。
第三方面，本发明的实施例提供一种设备选型装置，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，当设备选型装置运行时，处理器执行存储器存储的计算机执行指令，以使设备选型装置执行如上述第一方面提供的方法。
第四方面，本发明的实施例提供一种计算机存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上述第一方面提供的方法。
可以理解地，上述提供的任一种设备选型装置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为现有技术中LTE天线阵子数和几种典型的NR设备阵子数分布情况；
图2为现有技术中Massive MIMO进行无线覆盖时的示意图；
图3为本发明的实施例提供的一种设备选型方法的网络架构图；
图4为本发明的实施例提供的一种设备选型方法的流程示意图之一；
图5为本发明的实施例提供的一种设备选型方法的流程示意图之二；
图6为本发明的实施例提供的一种设备选型方法的类别数与平均轮廓值的对应关系；
图7为本发明的实施例提供的一种设备选型方法的按照分为3类的要求得到的分类情况的示意图；
图8为本发明的实施例提供的一种设备选型方法的按照分为3类的要求得到的轮廓情况的示意图；
图9为本发明的实施例提供的一种设备选型方法的流程示意图之三；
图10为本发明的实施例提供的一种设备选型方法的SINR与CQI的映射关系图；
图11为本发明的实施例提供的一种设备选型装置的结构示意图之一；
图12为本发明的实施例提供的一种设备选型装置的结构示意图之二；
图13为本发明的实施例提供的一种设备选型装置的结构示意图之三。
附图标记：
设备选型装置-10；
获取单元-101；处理单元-102。
具体实施方式
下面结合附图，对本发明的实施例进行描述。
为了便于清楚描述本发明实施例的技术方案，在本发明的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本发明实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。例如，多个网络是指两个或两个以上的网络。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文中符号“/”表示关联对象是或者的关系，例如A/B表示A或者B。
图2示出了一种本发明的实施例提供的一种设备选型方法的网络架构图，包括：5G的典型场景，已建基站区域(本发明中表示指定区域)和设备选型装置；其中，设备选型装置包括获取单元和处理单元，获取单元需要分别获取第一移动通信技术下的典型场景仿真数据以及指定区域内在第二移动通信技术下的历史信道质量指示(英文全称：ChannelQuality Indicator，简称：CQI)；处理单元，用于对获取单元获取的典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值；处理单元，还用于根据中心值，确定第一移动通信技术下的信号与干扰加噪声比(英文全称：signal to interference plusnoise ratio，简称：SINR)区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系；处理单元，还用于根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及获取单元获取的历史CQI，确定指定区域在第一移动通信技术下的目标SINR；处理单元，还用于根据目标SINR和对应关系，确定指定区域内部署的设备类型。
如图3所示5G作为全新的技术体系，使用大规模天线技术Massive MIMO技术，改变了LTE宽波束覆盖的模式，而是使用窄波束进行覆盖，使得无线侧设备的设备类型发生了较大的改变，其中变化最大的是AAU设备的接收通道数发生了较大的改变，由单一的2TR设备变为64TR、32TR、16TR、8TR等多样化的通道数的设备类型。但是如何根据已建基站区域的用户需求，将已建基站区域的设备更换为合适的AAU设备，是平衡运营商布网的成本的重要问题；为解决上述问题，本发明的实施例提供的设备选型方法，采用5G典型场景进行不同设备类型、站间距和站高的仿真，获取多种场景下的5G SINR分布情况，然后对典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值，从而根据中心值，确定第一移动通信技术下的SINR区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系；由于该指定区域已经建设第四代移动通信技术(英文全称：the 4th generationmobile communication technology，简称：4G)，使用现有的4G的历史CQI数据，获取该指定区域的目标SINR，然后再通过目标SINR和对应关系，确定指定区域内部署的设备类型，从而完成设备选型，解决了如何根据已建基站区域的用户需求，将已建基站区域的设备更换为合适的AAU设备的问题。
示例性的，以第一移动通信技术为5G，第二移动通信技术为4G，设备类型包括16TR设备、32TR设备、64TR设备，指定区域为已建基站区域为例进行说明，具体的实现过程如下：
实施例一
本发明的实施例提供一种设备选型方法，如图4所示包括：
S101、获取第一移动通信技术下的典型场景仿真数据以及指定区域内在第二移动通信技术下的历史CQI；其中，典型场景仿真数据通过对第一移动通信技术下的典型场景进行仿真得到的，典型场景包括密集城区、郊区和开阔区域中的至少一项。
需要说明的是，在实际的应用中，获取5G的典型场景仿真数据时，需要对同一个设备类型在相同的典型场景、相同的站高、相同的站间距下进行用户撒点仿真，从而可以得到该设备类型的5G的典型场景仿真数据。
示例性的，获取第一移动通信技术下的典型场景仿真数据，包括：
For s＝16TR设备，32TR设备，64TR设备/输入多种设备类型。
For C＝密集城区、郊区、开阔区域(按照第三代合作伙伴计划(英文全称：3rdGeneration Partnership Project，简称：3GPP)TS38.901标准中规定的信道模型)/输入多种典型场景。
For h＝15，20，25，30，35，/输入多种站高。
For d＝100：100:3000/输入多种站间距。
具体的，在实际的应用中，进行基于设备类型、典型场景、站高、站间距的5G网络仿真时，对每种网络配置(设备类型、典型场景、站高、站间距)下进行N次(N为大于0的整数，示例的N为1000次)仿真(每次仿真只能获取一个SINR值，因为是单用户撒点)，然后根据获取的M个(M为大于0的整数，示例性的，M为1000)用户的SINR，确定每种网络配置下的典型场景仿真数据(示例性的，典型场景仿真数据为同一网络配置下M个用户的SINR的平均值)。
需要说明的是，在实际的应用中，同一个设备类型通过对典型场景下的站高和站间距进行遍历，获取一系列SINR，从而根据一系列SINR确定该设备类型的典型场景仿真数据。
S102、对典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值。
可选的，对典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值，如图5所示包括：
S1020、根据K均值聚类算法(英文全称：k-means clustering algorithm，简称：k-means)对典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值。
需要说明的是，在实际的应用中，k-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。使用的距离公式如下：
Figure BDA0002204906840000071
其中，V表示5G的SINR与指定类别的中心值的距离，xj表示第j个5G的SINR，μi表示第i个类别的中心值。
具体的实现过程如下：
1、从N个5G的典型场景仿真数据中随机选取K个5G的SINR作为中心值。
2、对剩余的每个5G的典型场景仿真数据测量其到每个中心值的距离V，并把它归到最近的中心值的类别。
3、重新计算已经得到的各个类别的中心值。
4、迭代2～3步直至新的中心值与原中心值相等或小于指定阈值，算法结束。
利用编程实现的过程如下：
输入：k，data[n]；
(1)选择k个初始中心点，例如c[0]＝data[0]，…c[k-1]＝data[k-1]；
(2)对于data[0]…data[n]，分别与c[0]…c[k-1]比较，假定与c[i]差值最少，就标记为i；
(3)对于所有标记为i点，重新计算c[i]＝{所有标记为i的data[j]之和}/标记为i的个数；
(4)重复(2)(3)，直到所有c[i]值的变化小于给定阈值。
在实际的应用中，通过k-means对典型场景仿真数据进行聚类时，并不是中心值(每个中心值对应一个类别)选取的越多越好，如图6所示(横坐标为类别数，纵坐标为平均轮廓值)当选取的中心值为2个时得到的聚类结果最优，当选取的中心值为3个时得到的聚类结果略差，当选取的中心值为4个时得到的聚类结果差一些；但是按照设备的成本和5GMassvie MIMO多天线多通道增益的要求，需要将聚类结果分为3-4类；因此，我们按照最优化性价比的要求出发，通过k-means对典型场景仿真数据进行聚类时，选取3-4个中心值从而得到3-4类的类别；示例性的，对典型场景仿真数据进行聚类的具体的实现过程如下：
1、按照分为3类的要求，图7给出了分类情况和图8给出了轮廓情况。
2、然后获取聚类算法中的每个类别的中心值，记为CT1，CT2，CT3。
S103、根据中心值，确定第一移动通信技术下的SINR区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系。
需要说明的是，在实际的应用中，通过S103可以得到每个类别的中心值，从而可以按照中心点进行SINR区间划分；示例性的，可以按照如下方式划分SINR区间：
Figure BDA0002204906840000081
然后，进行SINR区间与设备类型的匹配；示例性的，可以按照以下方式，确定设备类型与SINR区间的对应关系；其中，对应关系包括：
16TR设备要求符合T1区间；
32TR设备要求符合T2区间；
64TR设备要求符合T3区间。
具体的，SINR区间归属的移动通信技术与设备类型归属的移动通信技术相同；如：SINR区间中包含的均为5G的SINR时，则设备类型归属的移动通信技术为5G(即设备类型为5G设备的设备类型)。
S104、根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及历史CQI，确定指定区域在第一移动通信技术下的目标SINR。
可选的，根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及历史CQI，确定指定区域在第一移动通信技术下的目标SINR，如图9所示包括：
S1040、根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及历史CQI，确定指定区域在第一移动通信技术下的目标SINR；其中，映射关系包括：
SINR＝1.9346×CQI-6.799；
其中，SINR表示第一移动通信技术下的SINR，CQI表示第二移动通信技术下的CQI。
需要说明的是，在实际的应用中，获取第一移动通信技术下的SINR与第二移动通信技术下的CQI的映射关系时，可以通过对比4G的CQI与SINR的关系后，获取4G与CQI的关系；进一步结合4G与CQI的关系，确定4G的CQI和5G的SINR的对应关系，如下图10所示，基本满足线性关系，可以使用下式进行估算：
SINR＝1.9346×CQI-6.799。
需要说明的是，在实际的应用中，为了更加准确的确定该指定区域内用户的实际需求，可以获取该指定区域在预设时间段(示例性的，预设时间段可以是近一个周内一个工作日一个节假日的全天测量报告(英文全称：measurement report，简称：MR)数据)内的MR数据。由于基站的覆盖范围、容量与SINR(CQI)之间相关，因此我们选取4G的MR数据作为判决参数。按照如下方法：
下表为MR中有关4G的CQI的表头信息：
选取指定区域在预设时间段(如3个月)内的4G现网中MR数据，确定CQI的分布情况。其中，MR数据中有关CQI的表头信息如表1所示。
表1
Figure BDA0002204906840000091
Figure BDA0002204906840000101
通过表1分别计算出每个CQI在预设时间段(如3个月)内的历史CQIi：
Figure BDA0002204906840000102
其中，i表示空口上报全带宽CQI的总次数，i∈[0，15]，CQIweek表示每天的CQI。
然后，根据4G的CQI与5G SINR的映射关系以及历史CQIi，确定目标SINR。
最后，根据目标SINR和对应关系，确定指定区域内部署的设备类型。
S105根据目标SINR和对应关系，确定指定区域内部署的设备类型；其中，第一移动通信技术的发布时间晚于第二移动通信技术的发布时间。
具体的，根据第二目标SINR和对应关系，确定指定区域内部署的设备类型，包括：
根据第二目标SINR所属的SINR区间，从而选定设备类型；示例性的，当指定区域内任一个小区的第二目标SINR属于T1区间时，则确定该小区部署的设备类型为16TR设备；当指定区域内任一个小区的第二目标SINR属于T2区间时，则确定该小区部署的设备类型为32TR设备；当指定区域内任一个小区的第二目标SINR属于T3区间时，则确定该小区部署的设备类型为64TR设备。
需要说明的是，本发明的实施例提供的设备选型方法中，当第一移动通信技术为5G，由于第一移动通信技术的发布时间晚于第二移动通信技术的发布时间，因此第二移动通信技术只能是发布时间早于5G的移动通信技术；如：第三代移动通信技术(3rd-Generation，简称：3G)或4G。
由上述方案可知，当第一移动通信技术为5G，第二移动通信技术为4G，设备类型包括16TR设备、32TR设备、64TR设备，指定区域为已建基站区域时，本发明的实施例提供的设备选型方法，通过5G的典型场景进行仿真，从而可以确定5G的典型场景仿真数据；然后，对典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值；根据中心值，确定第一移动通信技术下的SINR区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系；根据已建基站区域内的历史CQI以及第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系，从而可以确定该建基站区域内用户需求；同时，根据目标SINR和对应关系，确定指定区域内部署的设备类型，使得用户可以根据5G的典型场景仿真数据和已建基站区域内的历史CQI，将已建基站区域内的设备进行更换为合适的设备类型，解决了如何根据已建基站区域的用户需求，将已建基站区域的设备更换为合适的AAU设备的问题。
实施例二
本发明的实施例提供一种设备选型装置10，如图11所示包括：
获取单元101，用于获取第一移动通信技术下的典型场景仿真数据以及指定区域内在第二移动通信技术下的历史CQI；其中，典型场景仿真数据通过对第一移动通信技术下的典型场景进行仿真得到的，典型场景包括密集城区、郊区和开阔区域中的至少一项；
处理单元102，用于对获取单元101获取的典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值；
处理单元102，还用于根据中心值，确定第一移动通信技术下的SINR区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系；
处理单元102，还用于根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及获取单元101获取的历史CQI，确定指定区域在第一移动通信技术下的目标SINR；
处理单元102，还用于根据目标SINR和对应关系，确定指定区域内部署的设备类型；其中，第一移动通信技术的发布时间晚于第二移动通信技术的发布时间。
可选的，处理单元102，具体用于根据k-means聚类算法对获取单元101获取的典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值。
可选的，处理单元102，具体用于根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及获取单元101获取的历史CQI，确定指定区域在第一移动通信技术下的目标SINR；其中，映射关系包括：
SINR＝1.9346×CQI-6.799；
其中，SINR表示第一移动通信技术下的SINR，CQI表示第二移动通信技术下的CQI。
具体的，在实际的应用中，如图12所示，设备选型装置中获取单元包括5G典型场景仿真与数据提取模块，5G典型场景仿真与数据提取模块用于获取第一移动通信技术下的典型场景仿真数据以及指定区域内在第二移动通信技术下的历史CQI；处理单元包括5G设备选择判决方法选择模块、4G CQI映射模块和5G设备选择模块；其中，5G设备选择判决方法选择模块，用于对5G典型场景仿真与数据提取模块获取的典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值；5G设备选择判决方法选择模块，还用于根据中心值，确定第一移动通信技术下的SINR区间，并对SINR区间与设备类型进行匹配，确定SINR区间与设备类型的对应关系；4G CQI映射模块，用于根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及5G典型场景仿真与数据提取模块获取的历史CQI，确定指定区域在第一移动通信技术下的目标SINR；5G设备选择模块用于根据目标SINR和5G设备选择判决方法选择模块确定的对应关系，确定指定区域内部署的设备类型。
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。
在采用集成的模块的情况下设备选型装置10包括：存储单元、处理单元以及获取单元。处理单元用于对设备选型装置的动作进行控制管理，例如，处理单元用于支持设备选型装置执行图4中的过程S101、S102、S103、S104和S105；获取单元用于支持设备选型装置与其他设备的信息交互。存储单元，用于存储设备选型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，获取单元为通信接口为例。其中，设备选型装置参照图13中所示，包括通信接口501、处理器502、存储器503和总线504，通信接口501、处理器502通过总线504与存储器503相连。
处理器502可以是一个通用中央处理器(英文全称：Central Processing Unit，简称：CPU)，微处理器，特定应用集成电路(英文全称：Application-Specific IntegratedCircuit，简称：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503可以是只读存储器(英文全称：Read-Only Memory，简称：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(英文全称：Random AccessMemory，简称：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(英文全称：Electrically Erasable Programmable Read-only Memory，简称：EEPROM)、只读光盘(英文全称：Compact Disc Read-Only Memory，简称：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503用于存储执行本申请方案的应用程序代码，并由处理器502来控制执行。通信接口501用于与其他设备进行信息交互，例如与遥控器的信息交互。处理器502用于执行存储器503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设备选型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)。
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。
可以理解地，上述提供的任一种设备选型装置用于执行上文所提供的实施例一对应的方法，因此，其所能达到的有益效果可参考上文实施例一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。
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 (8)

1.一种设备选型方法，其特征在于，包括：
获取第一移动通信技术下的典型场景仿真数据以及指定区域内在第二移动通信技术下的历史CQI；其中，所述典型场景仿真数据通过对第一移动通信技术下的典型场景进行仿真得到的，所述典型场景包括密集城区、郊区和开阔区域中的至少一项；
对所述典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值；
根据所述中心值，确定第一移动通信技术下的SINR区间，并对所述SINR区间与设备类型进行匹配，确定所述SINR区间与所述设备类型的对应关系；
根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及所述历史CQI，确定所述指定区域在第一移动通信技术下的目标SINR；
根据所述目标SINR和所述对应关系，确定所述指定区域内部署的设备类型；其中，所述第一移动通信技术的发布时间晚于所述第二移动通信技术的发布时间。
2.根据权利要求1所述的设备选型方法，其特征在于，对所述典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值，包括：
根据k-means聚类算法对所述典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值。
3.根据权利要求1或2所述的设备选型方法，其特征在于，根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及所述历史CQI，确定所述指定区域在第一移动通信技术下的目标SINR，包括：
根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及所述历史CQI，确定所述指定区域在第一移动通信技术下的目标SINR；其中，所述映射关系包括：
SINR＝1.9346×CQI-6.799；
其中，SINR表示第一移动通信技术下的SINR，CQI表示第二移动通信技术下的CQI。
4.一种设备选型装置，其特征在于，包括：
获取单元，用于获取第一移动通信技术下的典型场景仿真数据以及指定区域内在第二移动通信技术下的历史CQI；其中，所述典型场景仿真数据通过对第一移动通信技术下的典型场景进行仿真得到的，所述典型场景包括密集城区、郊区和开阔区域中的至少一项；
处理单元，用于对所述获取单元获取的所述典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值；
所述处理单元，还用于根据所述中心值，确定第一移动通信技术下的SINR区间，并对所述SINR区间与设备类型进行匹配，确定所述SINR区间与所述设备类型的对应关系；
所述处理单元，还用于根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及所述获取单元获取的所述历史CQI，确定所述指定区域在第一移动通信技术下的目标SINR；
所述处理单元，还用于根据所述目标SINR和所述对应关系，确定所述指定区域内部署的设备类型；其中，所述第一移动通信技术的发布时间晚于所述第二移动通信技术的发布时间。
5.根据权利要求4所述的设备选型装置，其特征在于，所述处理单元，具体用于根据k-means聚类算法对所述获取单元获取的所述典型场景仿真数据进行聚类，确定第一移动通信技术下每个类别的中心值。
6.根据权利要求4或5所述的设备选型装置，其特征在于，所述处理单元，具体用于根据第一移动通信技术下的SINR和第二移动通信技术下的CQI的映射关系以及所述获取单元获取的所述历史CQI，确定所述指定区域在第一移动通信技术下的目标SINR；其中，所述映射关系包括：
SINR＝1.9346×CQI-6.799；
其中，SINR表示第一移动通信技术下的SINR，CQI表示第二移动通信技术下的CQI。
7.一种计算机存储介质，其特征在于，包括指令，当其在计算机上运行时，使得计算机执行如上述权利要求1-3任一项所述的设备选型方法。
8.一种设备选型装置，其特征在于，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，当设备选型装置运行时，处理器执行存储器存储的计算机执行指令，以使设备选型装置执行如上述权利要求1-3任一项所述的设备选型方法。
CN201910877782.XA 2019-09-17 2019-09-17 一种设备选型方法和装置 Active CN110650483B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910877782.XA CN110650483B (zh) 2019-09-17 2019-09-17 一种设备选型方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910877782.XA CN110650483B (zh) 2019-09-17 2019-09-17 一种设备选型方法和装置

Publications (2)

Publication Number Publication Date
CN110650483A CN110650483A (zh) 2020-01-03
CN110650483B true CN110650483B (zh) 2022-08-12

Family

ID=69010595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910877782.XA Active CN110650483B (zh) 2019-09-17 2019-09-17 一种设备选型方法和装置

Country Status (1)

Country Link
CN (1) CN110650483B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112333754B (zh) * 2020-11-27 2023-05-26 中国联合网络通信集团有限公司 一种可接入用户数的预估方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101568145A (zh) * 2009-05-15 2009-10-28 重庆重邮信科通信技术有限公司 一种lte系统cqi上报实现方法
CN108668374A (zh) * 2017-04-01 2018-10-16 华为技术有限公司 一种调度请求的传输方法及装置
WO2019032853A1 (en) * 2017-08-10 2019-02-14 Convida Wireless, Llc FASHION MOBILITY CONNECTED TO NEW RADIO
CN109842885A (zh) * 2019-01-03 2019-06-04 中国联合网络通信集团有限公司 一种基于场景的设备选型方法和装置
CN110167056A (zh) * 2019-04-29 2019-08-23 中国联合网络通信集团有限公司 5g小区容量评估方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101568145A (zh) * 2009-05-15 2009-10-28 重庆重邮信科通信技术有限公司 一种lte系统cqi上报实现方法
CN108668374A (zh) * 2017-04-01 2018-10-16 华为技术有限公司 一种调度请求的传输方法及装置
WO2019032853A1 (en) * 2017-08-10 2019-02-14 Convida Wireless, Llc FASHION MOBILITY CONNECTED TO NEW RADIO
CN109842885A (zh) * 2019-01-03 2019-06-04 中国联合网络通信集团有限公司 一种基于场景的设备选型方法和装置
CN110167056A (zh) * 2019-04-29 2019-08-23 中国联合网络通信集团有限公司 5g小区容量评估方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
5G网络设计与规划优化探讨;韩玮;《中兴通讯技术》;20190830;第25卷(第4期);全文 *

Also Published As

Publication number Publication date
CN110650483A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
CN111867049B (zh) 定位方法、装置及存储介质
Kibiłda et al. Modelling multi-operator base station deployment patterns in cellular networks
CN107547154A (zh) 一种建立视频流量预测模型的方法及装置
CN113382477B (zh) 应用于无线网络用户间上行干扰建模的方法
CN114095856B (zh) 用于基站节能的处理方法和处理装置
CN108243435B (zh) 一种lte小区场景划分中的参数优化方法及装置
CN110621025B (zh) 一种设备选型方法和装置
CN110650483B (zh) 一种设备选型方法和装置
CN108271181A (zh) 一种无线网络的pci优化方法及装置
CN112994763B (zh) 一种天线阵列波束赋形参数的优化方法及装置
CN110705052B (zh) 一种设备选型方法和装置
CN110719595B (zh) 一种设备选型方法和装置
CN110753353B (zh) 一种设备选型方法和装置
CN110730461B (zh) 一种设备选型方法和装置
CN110677206B (zh) 一种设备选型方法和装置
CN110753352B (zh) 一种设备选型方法和装置
CN110708703B (zh) 一种设备选型方法和装置
CN110636512B (zh) 一种设备选型方法和装置
CN114745289A (zh) 网络性能数据的预测方法、装置、存储介质及设备
CN110719594B (zh) 一种设备选型方法和装置
CN107484182A (zh) 划分超级小区的方法及装置
CN110662225B (zh) 一种设备选型方法和装置
CN109121140B (zh) 一种无线网络小区的参数配置方法及设备
CN104980930B (zh) 一种扰码优化方法及装置
CN108738067A (zh) 无线电通信系统中的设备和方法及计算机存储介质

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