CN112243236B - 基站的部署方法、装置和计算机可读存储介质 - Google Patents

基站的部署方法、装置和计算机可读存储介质 Download PDF

Info

Publication number
CN112243236B
CN112243236B CN201910638034.6A CN201910638034A CN112243236B CN 112243236 B CN112243236 B CN 112243236B CN 201910638034 A CN201910638034 A CN 201910638034A CN 112243236 B CN112243236 B CN 112243236B
Authority
CN
China
Prior art keywords
station address
candidate
deployment
address combination
weight
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
CN201910638034.6A
Other languages
English (en)
Other versions
CN112243236A (zh
Inventor
王浩彬
李晨
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 Telecom Corp Ltd
Original Assignee
China Telecom Corp 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 Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN201910638034.6A priority Critical patent/CN112243236B/zh
Publication of CN112243236A publication Critical patent/CN112243236A/zh
Application granted granted Critical
Publication of CN112243236B publication Critical patent/CN112243236B/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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开涉及一种基站的部署方法、装置和计算机可读存储介质，涉及无线通信技术领域。该方法包括：计算站址组合集中各候选站址组合的信号覆盖率，候选站址组合由多个候选站址组成；根据各候选站址组合中各候选站址所在场景，确定各候选站址组合的场景权重；根据信号覆盖率和场景权重，确定各候选站址组合的部署权重；在站址组合集中存在部署权重大于阈值的候选站址组合的情况下，将该候选站址组合确定为目标站址组合以便根据目标站址组合部署基站；在站址组合集中不存在部署权重大于阈值的候选站址组合的情况下，生成新的站址组合集直到确定目标站址组合。本公开的技术方案能够降低部署成本、提高部署效率。

Description

基站的部署方法、装置和计算机可读存储介质
技术领域
本公开涉及无线通信技术领域，特别涉及一种基站的部署方法、基站的部署装置和计算机可读存储介质。
背景技术
无线网络基站部署是指根据预先选定的可部署基站位置(站址池)选取最优站址位置组合部署基站，以达到覆盖效果最大化的目的。由于5G的技术特点，需要超高密度的无线网络基站部署，基站部署成本很高，因此5G网络规划是一个漫长，高成本的过程。
在相关技术中，一般根据预设的网络参数模型，确定指定区域内所有满足给定峰值速率的宏基站或微基站部署位置组合；或者根据基站功耗值确定实际基站部署位置。
发明内容
本公开的发明人发现上述相关技术中存在如下问题：忽视网络需求进行无差别部署，导致部署成本高、效率低。
鉴于此，本公开提出了一种基站的部署技术方案，能够降低部署成本、提高部署效率。
根据本公开的一些实施例，提供了一种基站的部署方法，包括：计算站址组合集中各候选站址组合的信号覆盖率，所述候选站址组合由多个候选站址组成；根据所述各候选站址组合中各候选站址所在场景，确定所述各候选站址组合的场景权重；根据所述信号覆盖率和所述场景权重，确定所述各候选站址组合的部署权重；在所述站址组合集中存在所述部署权重大于阈值的候选站址组合的情况下，将该候选站址组合确定为目标站址组合以便根据所述目标站址组合部署基站；在所述站址组合集中不存在所述部署权重大于所述阈值的候选站址组合的情况下，生成新的站址组合集直到确定所述目标站址组合。
在一些实施例中，所述场景权重包括第一权重和第二权重，所述第一权重根据所述场景的类型确定，所述第二权重根据所述场景中的不同区域确定。
在一些实施例中，所述第二权重根据所述第一权重，利用机器学习方法确定。
在一些实施例中，所述生成新的站址组合集包括：利用遗传算法中的选择算子、交叉算子、变异算子中的至少一个对所述各候选站址组合进行处理，生成所述新的站址组合集。
在一些实施例中，所述计算站址组合集中各候选站址组合的信号覆盖率包括：根据获取的部署天线信息和所述各候选站址的地理信息，计算所述信号覆盖率。
在一些实施例中，所述计算所述信号覆盖率包括：根据所述地理信息，计算路损信息；根据所述部署天线信息和所述路损信息，计算各采样点到所述各候选站址的信号强度信息；根据各信号强度信息，计算所述信号覆盖率。
根据本公开的另一些实施例，提供一种基站的部署装置，包括：计算单元，用于计算站址组合集中各候选站址组合的信号覆盖率，所述候选站址组合由多个候选站址组成；权重确定单元，用于根据所述各候选站址组合中各候选站址所在场景，确定所述各候选站址组合的场景权重，根据所述信号覆盖率和所述场景权重，确定所述各候选站址组合的部署权重；站址组合确定单元，用于在所述站址组合集中存在所述部署权重大于阈值的候选站址组合的情况下，将该候选站址组合确定为目标站址组合以便根据所述目标站址组合部署基站；生成单元，用于在所述站址组合集中不存在所述部署权重大于所述阈值的候选站址组合的情况下，生成新的站址组合集直到确定所述目标站址组合。
在一些实施例中，所述场景权重包括第一权重和第二权重，所述第一权重根据所述场景的类型确定，所述第二权重根据所述场景中的不同区域确定。
在一些实施例中，所述第二权重根据所述第一权重，利用机器学习方法确定。
在一些实施例中，所述生成单元利用遗传算法中的选择算子、交叉算子、变异算子中的至少一个对所述各候选站址组合进行处理，生成所述新的站址组合集。
在一些实施例中，所述计算单元根据获取的部署天线信息和所述各候选站址的地理信息，计算所述信号覆盖率。
在一些实施例中，所述计算单元根据所述地理信息，计算路损信息，根据所述部署天线信息和所述路损信息，计算各采样点到所述各候选站址的信号强度信息，根据各信号强度信息，计算所述信号覆盖率。
根据本公开的又一些实施例，提供一种基站的部署装置，包括：存储器；和耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器装置中的指令，执行上述任一个实施例中的基站的部署方法。
根据本公开的再一些实施例，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一个实施例中的基站的部署方法。
在上述实施例中，根据站址组合所在场景确定的部署权重对基站进行部署，能够感知基站部署的重点区域和部署需求，从而降低部署成本、提高部署效率。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1示出本公开的基站的部署方法的一些实施例的流程图；
图2示出图1中步骤150的一些实施例的流程图；
图3示出本公开的基站的部署装置的一些实施例的框图；
图4示出本公开的基站的部署装置的另一些实施例的框图；
图5示出本公开的基站的部署装置的又一些实施例的框图；
图6示出本公开的基站的部署装置的再一些实施例的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1示出本公开的基站的部署方法的一些实施例的流程图。
如图1所示，该方法包括：步骤110，计算信号覆盖率；步骤120，确定场景权重；步骤130，确定部署权重；步骤140，确定目标站址组合；和步骤150，生成新的站址组合集。
在步骤110中，计算站址组合集中各候选站址组合的信号覆盖率，候选站址组合由多个候选站址组成。
在一些实施例中，在执行步骤110之前可以先进行必要数据的获取。例如，可以获取候选站址池和相应的地理信息。候选站址池中包括各候选站址所在位置的坐标；地理信息可以包括基站覆盖范围内的区域高度，区域类型(如草地，湖泊，楼房，农田等)等影响信号传播的相关地理信息。
在一些实施例中，根据获取的部署天线信息和各候选站址的地理信息，计算信号覆盖率。
例如，首先可以根据地理信息，计算路损信息(pathloss)，如可以根据COST231路损模型或SPM(Standard Propagation Model，标准传播模型)路损模型计算路损信息；然后，可以根据部署天线信息(如基站天线频率，天线发射增益等)和路损信息，计算各采样点(如可以在待评估区域均匀采样或随机采样确定采样点)到各候选站址的信号强度信息；最后，根据各信号强度信息，计算信号覆盖率，如根据RSRP(Reference Signal ReceivingPower，参考信号接收功率)计算方法计算所有候选站址的基站信号到各采样点的最大RSSI(Received Signal Strength Indication，接收的信号强度指示)，进而确定信号覆盖率。
在一些实施例中，在执行步骤110之前可以根据站址池中的候选站址，随机生成多组候选站址组合构成站址组合集。站址组合集可以作为遗传算法的初始种群。
例如，站址池为(a,b,c,d)，其中包括4个候选站址a、b、c、d。可以从站址池中随机选取候选站址以生成候选站址组合，如站址组合X(1,1,1,0)、站址组合Y(1,0,0,1)，1表示选中站址池(a,b,c,d)中相应元素位置的候选站址，0表示未选中候选站址。站址组合X、站址组合Y组成站址组合集(X,Y)。可以根据上述实施例的方法计算站址组合X的覆盖率Cx和Cy；
在步骤120中，根据各候选站址组合中各候选站址所在场景，确定各候选站址组合的场景权重。
在一些实施例中，场景权重包括第一权重和第二权重。第一权重根据场景的类型确定，第二权重根据场景中的不同区域确定。例如，第一权重可以根据不同的场景类型人工设定。场景类型可以包括奥运场馆，演唱会，CBD(Central Business District，中央商务区简称)等。可以根据场景中的人口多少、运营商需求等设定第一权重。
在一些实施例中，第二权重可以由人工神经网络方法根据运营人员对不同场景的目标覆盖效果自主学习。例如，第二权重可以根据第一权重，利用机器学习方法确定。
在一些实施例中，可以设置大型集会场景的第一权重为1.3，演唱会场景的第一权重为1.1。通过机器学习方法可以进一步确定演唱会场景的表演舞台区域的第二权重为1.5，停车场区域的第二权重为0.8。
在步骤130中，根据信号覆盖率和场景权重，确定各候选站址组合的部署权重。例如，候选站址组合的第一权重为ω、第二权重为λ、信号覆盖率为C，则该候选站址组合的部署权重S为：
S＝C+λ×ω
在一些实施例中，可以先分别计算候选站址组合中各候选站址的场景权重，再将各候选站址的场景权重的和确定为该候选站址组合的场景权重。例如，候选站址组合的ω与λ的乘积可以是该候选站址组合中各候选站址的第一权重与第二权重乘积的和。
在一些实施例中，可以判断站址组合集中各候选站址组合的部署权重是否大于阈值。
在步骤140中，在站址组合集中存在部署权重大于阈值的候选站址组合的情况下，将该候选站址组合确定为目标站址组合以便根据目标站址组合部署基站。
在步骤150中，在站址组合集中不存在部署权重大于阈值的候选站址组合的情况下，生成新的站址组合集直到确定目标站址组合。在这种情况下，说明当前的所有候选站址组合都不能满足需求，需要重新生成候选站址组合以构成新的站址组合集。
例如，可以重复步骤120-步骤130直到生成的站址组合集中存在部署权重大于阈值的候选站址组合以确定目标站址组合。
本公开的基于重点区域感知的基站部署方法，可以在保证覆盖效果的前提下，自动搜索出高投资收益比的基站部署位置组合，进行有目的、有侧重的基站部署，从而降低基站部署的成本，提高基站部署的效率。
在一些实施例中，可以通过利用遗传算法中的选择算子、交叉算子、变异算子中的至少一个对各候选站址组合进行处理，生成新的站址组合集。例如，可以通过图2中的实施例生成新的站址组合集。
图2示出图1中步骤150的一些实施例的流程图。
如图2所示，步骤150可以包括：步骤1510，选择处理；步骤1520，交叉处理；和步骤1530，变异处理。
在步骤1510中，利用遗传算法中的选择算子处理候选站址组合，如通过轮盘赌算法处理候选站址组合。
在一些实施例中，当前的站址组合集(X,Y)中的站址组合X(1,1,1,0)、站址组合Y(1,0,0,1)的部署权重都不大于阈值。此时可以根据之前计算的部署权值S，从站址池中选择候选站址以生成新的站址组合X’(1,0,1,1)、站址组合Y’(0,1,0,1)。
在步骤1520中，利用遗传算法中的交叉算子处理候选站址组合，如通过随机比特位交叉处理候选站址组合。
在一些实施例中，将站址组合X’(1,0,1,1)、站址组合Y’(0,1,0,1)的第3位交叉，得到X”(1,0,0,1)、Y”(0,1,1,1)。
在步骤1530中，利用遗传算法中的变异算子处理候选站址组合，如通过单比特位置换处理候选站址组合。
在一些实施例中，变异X”(1,0,0,1)、Y”(0,1,1,1)的第2位，得到X”’(1,1,0,1)、Y”’(0,0,1,1)。将变异处理结果作为新的站址组合集进行步骤120-步骤130的处理。
在上述实施例中，根据站址组合所在场景确定的部署权重对基站进行部署，能够感知基站部署的重点区域和部署需求，从而降低部署成本、提高部署效率。
图3示出本公开的基站的部署装置的一些实施例的框图。
如图3所示，基站的部署装置3包括计算单元31、权重确定单元32、站址组合确定单元33和生成单元34。
计算单元31计算站址组合集中各候选站址组合的信号覆盖率，候选站址组合由多个候选站址组成。
在一些实施例中，计算单元31根据获取的部署天线信息和各候选站址的地理信息，计算所述信号覆盖率。例如，计算单元31根据地理信息，计算路损信息，根据部署天线信息和路损信息，计算各采样点到各候选站址的信号强度信息，根据各信号强度信息，计算信号覆盖率。
权重确定单元32根据各候选站址组合中各候选站址所在场景，确定各候选站址组合的场景权重。权重确定单元32根据信号覆盖率和场景权重，确定各候选站址组合的部署权重。
在一些实施例中，场景权重包括第一权重和第二权重，第一权重根据场景的类型确定，第二权重根据场景中的不同区域确定。例如，第二权重根据第一权重，利用机器学习方法确定。
站址组合确定单元33在站址组合集中存在部署权重大于阈值的候选站址组合的情况下，将该候选站址组合确定为目标站址组合以便根据目标站址组合部署基站。
生成单元34在站址组合集中不存在部署权重大于阈值的候选站址组合的情况下，生成新的站址组合集直到确定目标站址组合。
在一些实施例中，生成单元利用遗传算法中的选择算子、交叉算子、变异算子中的至少一个对各候选站址组合进行处理，生成新的站址组合集。
图4示出本公开的基站的部署装置的另一些实施例的框图。
如图4所示，基站的部署装置4包括天线模块41、地理信息模块42、重点区域模块43、覆盖计算模块44和智能部署模块45。
天线模块41用于获取天线的覆盖能力，包括覆盖波形，覆盖半径等。
地理信息模块42用于处理待部署区域的地理信息以及站址池数据。
重点区域模块43用于获取重点区域(候选站址组合)以及确定其场景权重。
覆盖计算模块44用于根据天线模块，地理信息模块计算区域覆盖率。
智能部署模块45用于根据地理信息模块42，重点区域模块43，覆盖计算模块44，利用上述任一个实施例中的基站的部署方法智能找寻最优部署基站位置。
通过上述实施例，可以感知目标区域的部署需求，根据其重要程度和产出收益比有重点地进行高效部署。使得站址确定过程智能通用，高效详细，可自动搜索高投资收益比的基站部署组合。
上述实施例中，根据站址组合所在场景确定的部署权重对基站进行部署，能够感知基站部署的重点区域和部署需求，从而降低部署成本、提高部署效率。
图5示出本公开的基站的部署装置的又一些实施例的框图。
如图5所示，该实施例的基站的部署装置5包括：存储器51以及耦接至该存储器51的处理器52，处理器52被配置为基于存储在存储器51中的指令，执行本公开中任意一个实施例中的基站的部署方法。
其中，存储器51例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图6示出本公开的基站的部署装置的再一些实施例的框图。
如图6所示，该实施例的基站的部署装置6包括：存储器610以及耦接至该存储器610的处理器620，处理器620被配置为基于存储在存储器610中的指令，执行前述任意一个实施例中的基站的部署方法。
存储器610例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(BootLoader)以及其他程序等。
基站的部署装置6还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630、640、650以及存储器610和处理器620之间例如可以通过总线660连接。其中，输入输出接口630为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口。存储接口650为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
至此，已经详细描述了根据本公开的基站的部署方法、基站的部署装置和计算机可读存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (12)

1.一种基站的部署方法，包括：
计算站址组合集中各候选站址组合的信号覆盖率，所述候选站址组合由多个候选站址组成；
根据所述各候选站址组合中各候选站址所在场景，确定所述各候选站址组合的场景权重，所述场景权重包括第一权重和第二权重，所述第一权重根据所述场景的类型确定，所述第二权重根据所述场景中的不同区域确定；
根据所述信号覆盖率和所述场景权重，确定所述各候选站址组合的部署权重；
在所述站址组合集中存在所述部署权重大于阈值的候选站址组合的情况下，将该候选站址组合确定为目标站址组合以便根据所述目标站址组合部署基站；
在所述站址组合集中不存在所述部署权重大于所述阈值的候选站址组合的情况下，生成新的站址组合集直到确定所述目标站址组合。
2.根据权利要求1所述的部署方法，其中，
所述第二权重根据所述第一权重，利用机器学习方法确定。
3.根据权利要求1所述的部署方法，其中，所述生成新的站址组合集包括：
利用遗传算法中的选择算子、交叉算子、变异算子中的至少一个对所述各候选站址组合进行处理，生成所述新的站址组合集。
4.根据权利要求1-3任一项所述的部署方法，其中，所述计算站址组合集中各候选站址组合的信号覆盖率包括：
根据获取的部署天线信息和所述各候选站址的地理信息，计算所述信号覆盖率。
5.根据权利要求4所述的部署方法，其中，所述计算所述信号覆盖率包括：
根据所述地理信息，计算路损信息；
根据所述部署天线信息和所述路损信息，计算各采样点到所述各候选站址的信号强度信息；
根据各信号强度信息，计算所述信号覆盖率。
6.一种基站的部署装置，包括：
计算单元，用于计算站址组合集中各候选站址组合的信号覆盖率，所述候选站址组合由多个候选站址组成；
权重确定单元，用于根据所述各候选站址组合中各候选站址所在场景，确定所述各候选站址组合的场景权重，根据所述信号覆盖率和所述场景权重，确定所述各候选站址组合的部署权重，所述场景权重包括第一权重和第二权重，所述第一权重根据所述场景的类型确定，所述第二权重根据所述场景中的不同区域确定；
站址组合确定单元，用于在所述站址组合集中存在所述部署权重大于阈值的候选站址组合的情况下，将该候选站址组合确定为目标站址组合以便根据所述目标站址组合部署基站；
生成单元，用于在所述站址组合集中不存在所述部署权重大于所述阈值的候选站址组合的情况下，生成新的站址组合集直到确定所述目标站址组合。
7.根据权利要求6所述的部署装置，其中，
所述第二权重根据所述第一权重，利用机器学习方法确定。
8.根据权利要求6所述的部署装置，其中，
所述生成单元利用遗传算法中的选择算子、交叉算子、变异算子中的至少一个对所述各候选站址组合进行处理，生成所述新的站址组合集。
9.根据权利要求6-8任一项所述的部署装置，其中，
所述计算单元根据获取的部署天线信息和所述各候选站址的地理信息，计算所述信号覆盖率。
10.根据权利要求9所述的部署装置，其中，
所述计算单元根据所述地理信息，计算路损信息，根据所述部署天线信息和所述路损信息，计算各采样点到所述各候选站址的信号强度信息，根据各信号强度信息，计算所述信号覆盖率。
11.一种基站的部署装置，包括：
存储器；和
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器装置中的指令，执行权利要求1-5任一项所述的基站的部署方法。
12.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-5任一项所述的基站的部署方法。
CN201910638034.6A 2019-07-16 2019-07-16 基站的部署方法、装置和计算机可读存储介质 Active CN112243236B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910638034.6A CN112243236B (zh) 2019-07-16 2019-07-16 基站的部署方法、装置和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910638034.6A CN112243236B (zh) 2019-07-16 2019-07-16 基站的部署方法、装置和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112243236A CN112243236A (zh) 2021-01-19
CN112243236B true CN112243236B (zh) 2023-03-24

Family

ID=74175449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910638034.6A Active CN112243236B (zh) 2019-07-16 2019-07-16 基站的部署方法、装置和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112243236B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113891337B (zh) * 2021-10-18 2023-09-08 中国联合网络通信集团有限公司 一种部署位置确定方法、装置和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103619027A (zh) * 2013-12-13 2014-03-05 周口师范学院 一种异构网络融合场景下的联合式基站选址优化方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103118369B (zh) * 2011-11-16 2016-04-06 华为技术有限公司 站址的选择方法和设备以及栅格选择方法和设备
CN103354644B (zh) * 2013-07-31 2016-08-17 广东省电信规划设计院有限公司 基站选址方法和系统
CN105554774B (zh) * 2014-10-31 2019-04-23 富士通株式会社 无线网络部署方法和装置
CN105764069B (zh) * 2016-04-11 2019-05-03 长讯通信服务有限公司 一种lte网络pci规划多目标优化方法
CN108616892B (zh) * 2018-03-16 2021-09-10 重庆邮电大学 一种基于混合免疫算法的4g基站选址方法
CN109460852B (zh) * 2018-09-28 2021-09-17 广东电网有限责任公司 一种基站选址方法及系统、计算机设备及可读存储介质
CN109819453B (zh) * 2019-03-05 2021-07-06 西安电子科技大学 基于改进遗传算法的成本最优化无人机基站部署方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103619027A (zh) * 2013-12-13 2014-03-05 周口师范学院 一种异构网络融合场景下的联合式基站选址优化方法

Also Published As

Publication number Publication date
CN112243236A (zh) 2021-01-19

Similar Documents

Publication Publication Date Title
CN103702337B (zh) 一种小型基站部署位置的确定方法
CN106717082A (zh) 减轻信号噪声的基于指纹的室内定位
CN109862573B (zh) 一种基于多目标粒子群的lte混合组网自规划方法
CN110267194B (zh) 一种无线漫游性能优化方法、装置、存储介质及系统
CN111082840B (zh) 一种天线广播波束的优化方法和装置
CN102148668B (zh) 处理方法与设备
CN103037424A (zh) 一种3g网络覆盖的评估方法及装置
Abdelkhalek et al. A genetic algorithm based decision support system for the multi-objective node placement problem in next wireless generation network
CN107864500A (zh) 一种用于确定无线接入点的连接成功率信息的方法与设备
CN106604253B (zh) 一种无线组网方法及系统
CN112243236B (zh) 基站的部署方法、装置和计算机可读存储介质
CN104080094A (zh) 一种调整小区天线方位角的方法和装置
CN110248369B (zh) 一种小区容量的调整方法及装置
US12118664B2 (en) Systems and methods for designing and deploying wireless communication mesh networks
CN107872805B (zh) 参数获取方法及装置、网络侧设备
CN110621025B (zh) 一种设备选型方法和装置
CN117119469A (zh) 基于改进粒子群算法的电力无线专网基站选址方法及装置
CN112243242A (zh) 大规模天线波束配置方法和装置
CN112533217A (zh) 基站天线的配置方法和装置、基站、计算机可读存储介质
Xu et al. A novel mathematical morphology based antenna deployment scheme for indoor wireless coverage
CN114978253B (zh) 用于广播波束优化的方法、装置以及存储介质
CN112423306B (zh) 一种基站自动选址方法
CN110505634B (zh) 一种基于遗传算法实现无线ap部署优化方法
WO2017152504A1 (zh) 波束搜索的方法及装置
KR101092738B1 (ko) 트래픽 모폴로지를 이용한 무선망 최적화 시스템 및 방법

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