CN112533217A - 基站天线的配置方法和装置、基站、计算机可读存储介质 - Google Patents

基站天线的配置方法和装置、基站、计算机可读存储介质 Download PDF

Info

Publication number
CN112533217A
CN112533217A CN201910874980.0A CN201910874980A CN112533217A CN 112533217 A CN112533217 A CN 112533217A CN 201910874980 A CN201910874980 A CN 201910874980A CN 112533217 A CN112533217 A CN 112533217A
Authority
CN
China
Prior art keywords
base station
information
station antenna
user
determining
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.)
Pending
Application number
CN201910874980.0A
Other languages
English (en)
Inventor
王海宁
杜宇
吴湘东
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 CN201910874980.0A priority Critical patent/CN112533217A/zh
Publication of CN112533217A publication Critical patent/CN112533217A/zh
Pending legal-status Critical Current

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
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0408—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas using two or more beams, i.e. beam diversity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • 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
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/24—Cell structures
    • H04W16/28—Cell structures using beam steering

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天线的配置方法和装置、基站、计算机可读存储介质，涉及无线通信技术领域。该方法包括：根据用户的需求指令，确定基站天线的待处理场景信息；根据待处理场景信息，确定相应的历史配置参数和相关通讯技术作为参考信息；根据参考信息，利用机器学习方法确定基站天线的当前配置参数用于对基站天线进行部署，以满足需求指令。

Description

基站天线的配置方法和装置、基站、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，特别涉及一种基站天线的配置方法、基站天线的配置装置、基站和计算机可读存储介质。
背景技术
在城市环境中可用RF(Radio Frequency，射频)频谱已经饱和，为了满足业务需求的急速增长，4G和5G时代必然会增加天线的数目。Massive MIMO(Massive Multiple-InputMultiple-Output，大规模多入多出)是5G时代的核心技术之一。因此，对Massive MIMO的参数进行配置是需要解决的重要问题
在相关技术中，根据人工经验对基站天线的参数进行固定的统一配置。
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：无法适应不同场景，参数配置不灵活，导致无法满足用户的网络需求、通信质量差。
鉴于此，本公开提出了一种基站天线的配置技术方案，能够满足用户的网络需求，提高通信质量。
根据本公开的一些实施例，提供了一种基站天线的配置方法，包括：根据用户的需求指令，确定基站天线的待处理场景信息；根据所述待处理场景信息，确定相应的历史配置参数和相关通讯技术作为参考信息；根据所述参考信息，利用机器学习方法确定所述基站天线的当前配置参数用于对所述基站天线进行部署，以满足所述需求指令。
在一些实施例中，所述的配置方法还包括：根据所述用户的历史场景信息，确定所述基站天线需要优先满足的网络性能；所述参考信息包括所述优先满足的网络性能。
在一些实施例中，所述的配置方法还包括：根据所述需求指令，确定所述用户的网络体验需求；所述参考信息包括所述网络体验需求。
在一些实施例中，所述的配置方法还包括：根据所述待处理场景信息，利用机器学习方法预测用户分布信息；根据所述用户分布信息，确定波束的初始扫描方向和扫描次数；根据所述当前配置参数、所述波束的初始扫描方向和扫描次数，对所述基站天线进行预部署；根据预部署的反馈结果，对所述当前配置参数进行优化。
在一些实施例中，所述待处理场景信息包括相应的事件信息、区域信息、时间信息。
在一些实施例中，所述历史配置参数包括天线的权值和波束指向。
在一些实施例中，所述历史配置参数和所述当前配置参数包括基站天线的权值、方位角、信道系数。
根据本公开的另一些实施例，提供一种基站天线的配置装置，包括：场景信息确定单元，用于根据用户的需求指令，确定基站天线的待处理场景信息；参考信息确定单元，用于根据所述待处理场景信息，确定相应的历史配置参数和相关通讯技术作为参考信息；当前配置参数确定单元，用于根据所述参考信息，利用机器学习方法确定所述基站天线的当前配置参数用于对所述基站天线进行部署，以满足所述需求指令。
在一些实施例中，所述参考信息确定单元根据所述用户的历史场景信息，确定所述基站天线需要优先满足的网络性能；所述参考信息包括所述优先满足的网络性能。
在一些实施例中，所述参考信息确定单元根据所述需求指令，确定所述用户的网络体验需求；所述参考信息包括所述网络体验需求。
在一些实施例中，所述的配置装置，还包括：预测单元，用于根据所述待处理场景信息，利用机器学习方法预测用户分布信息；波束确定单元，用于根据所述用户分布信息，确定波束的初始扫描方向和扫描次数；预部署单元，用于根据所述当前配置参数、所述波束的初始扫描方向和扫描次数，对所述基站天线进行预部署；优化单元，用于根据预部署的反馈结果，对所述当前配置参数进行优化。
在一些实施例中，所述待处理场景信息包括相应的事件信息、区域信息、时间信息。
在一些实施例中，所述历史配置参数和所述当前配置参数包括基站天线的权值、方位角、信道系数。
根据本公开的又一些实施例，提供一种基站天线的配置装置，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天线的配置方法。
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天线的配置方法。
根据本公开的再一些实施例，提供一种基站，包括：上述任一个实施例中的基站天线的配置装置。
在上述实施例中，根据用户的需求识别基站天线的待处理场景，基于待处理场景，利用机器学习方法确定合适的当前配置参数用于部署基站天线。这样，可以根据不同的场景部署基站天线，从而满足用户的网络需求，提高通信质量。
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示出本公开的基站天线的配置方法的一些实施例的流程图；
图2示出本公开的基站天线的配置方法的另一些实施例的流程图；
图3示出本公开的基站天线的配置方法的一些实施例的示意图；
图4示出本公开的基站天线的配置方法的另一些实施例的示意图；
图5示出本公开的基站天线的配置方法的一些实施例的交互图；
图6示出本公开的基站天线的配置装置的一些实施例的框图；
图7示出本公开的基站天线的配置装置的另一些实施例的框图；
图8示出本公开的基站天线的配置装置的又一些实施例的框图；
图9示出本公开的基站的一些实施例的框图。
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。
Massive MIMO覆盖的场景是多样化的，从小区、音乐馆到体育馆、图书馆等，不同的场景需要不同的技术处理。因此，不同的场景存在不同的最优覆盖效果和性能增益。相关技术通过手工当前配置参数只能制定统一的模板，无法为每一个不同的场景设置当前最优的参数。
因此，本公开基于智能技术，可根据用户的意愿，收集历史基站信息(例如，历史用户接入时延、接入成功率、波束方向信息)自动化识别场景；预测出用户分布的概率，从而根据预测的用户分布优化基站的波束图案(包括波束方向和扫描顺序)，以保证用户可快速接入。；据用户位置和分布以及部署反馈自适应波束赋形，提供更佳的用户体验，更好地满足未来移动互联网业务的诉求。
例如，可以通过下面的实施例来实现。
图1示出本公开的基站天线的配置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，确定待处理场景信息；步骤120，确定参考信息；和步骤130，确定当前配置参数。
在步骤110中，根据用户的需求指令，确定基站天线的待处理场景信息。
在一些实施例中，待处理场景信息可以包括相应的事件信息、区域信息、时间信息等。例如，事件信息可以包括：体育赛事、大型演唱会等；区域信息可以包括体育馆、CBD(Central Business District，中心商务区)、车站等。
在一些实施例中，用户的需求指令可以是用户对于配置天线的意愿，可以通过技术手段(如自然语言处理等)从需求指令中获取相关的事件信息、区域信息、时间信息。例如，用户的需求指令为“为2019年9月4日晚八点在五棵松体育馆举办的中国队与委内瑞拉队的世界杯篮球小组比赛提供网络保障”；可以获取待处理场景信息，包括事件信息为世界杯篮球比赛，区域信息为五棵松体育馆、时间信息为2019年9月4日晚八点。
在步骤120中，根据待处理场景信息，确定相应的历史配置参数和相关通讯技术作为参考信息。
在一些实施例中，曾经为待处理场景信息对应的场景配置过天线，可以获取当时采用的基站参数作为此次配置天线的参考信息。例如，历史配置参数可以包括当时采用的天线的权值、波束指向等。
由于Massive MIMO天线数多，故权值和波束也非常多(每个天线的方位角、信道系数等等)，可以根据历史配置参数作为初始化数据，进而获取优化后的当前配置参数。
在一些实施例中，可以根据待处理场景信息对应的场景特点(如高楼较多、高密人群、室内用户多、偏远地带等)，确定相关通讯技术(拟采用的通讯技术)作为参考信息。例如，相关通讯技术可以包括空分技术、3D-MIMO技术、波束赋形技术、CPE(Customer PremiseEquipment，客户前置设备)技术等。
在一些实施例中，场景特点为密集城区局部热点覆盖和吸热、挑战高话务等，相关通讯技术可以是Massive MIMO空分技术；场景特点为高楼较多、纵深较强，相关通信技术可以是3D-MIMO技术以增强对高楼的覆盖、三维立体赋形技术以实现纵深覆盖；场景特点为大容量、高密度室内用户(如大型场馆、集会场景)，相关通信技术可以是波束赋形技术；场景特点为偏远地带，相关通信技术可以是Massive MIMO和CPE技术以满足覆盖需求。
在一些实施例中，根据用户的历史场景信息，确定基站天线需要优先满足的网络性能；参考信息包括所述优先满足的网络性能。
在一些实施例中，用户的历史场景信息可以是用户曾经参与过的场景。提出网络需求的用户的历史场景信息可以是用户的身份，例如，用户的身份可以是网络使用者或者是运营商通过各种途径(如新闻等)，了解到可能出现的活动而设定的某种用户身份。例如，参与过某体育比赛的用户、参与过某重大活动的用户、使用过某物联网机器的用户等。
在一些实施例中，不同的用户的身份对网络性能的需求(即用户的网络性能偏好)不一样。例如，可以根据身份分析出他们可能需要保证网络稳定性、速度、带宽，以及需要保证网络性能的区域和时间。例如，可以通过历史数据进行训练学习，从而确定用户的身份与网络性能偏好的关联关系。这样，可以在资源不足够的情况下，重点提供该区域和时间的网络资源。
例如，用户的身份为参与过某体育比赛的用户，则可以确定其网络性能偏好为覆盖全(由于观众席人多)、场边设备需要保证低时延、大带宽
例如，用户的身份为使用过某物联网机器的用户，由于机器位置固定，只需要对机器部分覆盖信号，时延的要求不高，但需要一次性传输大量数据。这种情况下，可以确定其网络性能偏好为大带宽。
在一些实施例中，可以根据需求指令，确定用户的网络体验需求；参考信息包括网络体验需求。网络体验需求可以是用户对需要保证的网络体验的具体要求(如直播清晰度需求、指定区域或指定时间段的网速或带宽需求、指定身份用户的网速或带宽需求等)。例如，网络体验需求可以是篮球比赛中用于直播的机位要保证8K高清、VIP(Very ImportantPerson，贵宾)观众席的网速要达到一定标准等。
在步骤130中，根据参考信息，利用机器学习方法确定基站天线的当前配置参数用于对基站天线进行部署，以满足需求指令。例如，机器学习方法可以是支持向量机、自适应提升法、决策树、随机森林、深度卷积神经网络等。
在一些实施例中，可以还通过图2的实施例对基站天线进行预部署。
图2示出本公开的基站天线的配置方法的另一些实施例的流程图。
如图2所示，相比于图1中的实施例，在确定了当前配置参数后，还可以包括：步骤210，预测用户分布信息；步骤220，确定波束相关配置；步骤230，预部署基站天线；和步骤240，优化配置参数。
在步骤210中，根据待处理场景信息，利用机器学习方法预测用户分布信息。例如，可以基于人工智能预测出某个时间段内用户在场景中分布在某个方向的概率大(这是一个场景)，可以将该方向确定为此场景下的子场景。
在步骤220中，根据用户分布信息，确定波束的初始扫描方向和扫描次数。例如，上述子场景所在区域的用户分布秘籍，那么就可以从这个子场景开始做初始扫描并增加扫描次数，从而降低初始接入的时延，增加初始接入的成功率。
在步骤230中，根据当前配置参数、波束的初始扫描方向和扫描次数，对基站天线进行预部署。
在步骤240中，根据预部署的反馈结果，对当前配置参数进行优化。
图3示出本公开的基站天线的配置方法的一些实施例的示意图。
如图3所示，首先，可以分三步对用户的意愿进行翻译：根据用户的身份，分析用户对网络性能的偏好(喜好)、特点，如果不能完美配置，可以从用户身份角度分析出性能需求优先级；根据用户的意愿中的时间、位置等信息自动识别待处理场景信息，根据场景信息提供该场景适合的通信技术(采用的具体技术)和该场景历史基站配置参数作为该场景信息的初始化当前配置参数；根据用户的意愿，利用自然语言处理解析出用户的具体需求(如网络体验需求)。
然后，根据上述意愿翻译的结果，基于预测算法(决策树、随机森林等机器学习方法)获取多套配置策略，即当前配置参数(天线参数)。例如，根据当前配置参数配置出采用的具体技术、Missive MIMO各指标等具体权值。
进而，可以基于获取的多套配置策略进行模拟验证(预部署)，即对配置策略模拟运行。例如，可以预测出某段时间内用户分布在某一方向的概率较大，优先从该方向进行波束扫描或增加该方向的波束扫描次数，从而降低初始接入的时延，增加初始接入的成功率。
最后，可以基于模拟验证选出最优策略，部署在现实网络中实施。还可以将实际运行中的数据(实际效果指标)反馈，保留预测效果好的配置参数，通过自学习修正部署效果差的配置参数。
图4示出本公开的基站天线的配置方法的另一些实施例的示意图。
如图4所示，基于上述任一个实施例中的配置方法的系统可以包括AI(ArtificialIntelligence，人工智能)模块、意愿模块、感知模块、策略模块、分析模块。
AI模块可以提供统一开放的AI应用开发训练环境。AI模块可以结合业务场景，通过数据训练、能力集成、模型构建等环节为系统集中训练AI模型(机器学习算法)。
意愿模块可以实现应用层各种形式业务意愿(用户的需求指令)的收集和翻译(确定意愿关键点：事件规模、时间、场景、用户偏好等)，以及分析用户的身份、用户的需求等。
感知模块可以通过数据采集Massive MIMO基站的场景信息(意愿的相关信息，如体育馆、CBD、车站的话务量)、用户分布和业务等业务数据。
分析模块可以基于网络和业务状态的数据(如历史大规模比赛数据、场景、业务等)调用AI模型，对话务量、用户分布及业务情况进行预测；分析模块还可以根据实施结果(现场使用结果)的反馈对配置参数进行自学习调整和下阶段预测。
策略模块可以驱动基站配置智能化操作，并基于用户业务意愿形成的当前最优配置参数以形成智能化策略。策略模块可以进行模拟验证并下发到Missive MIMO基站进行实施。
图5示出本公开的基站天线的配置方法的一些实施例的交互图。
如图5所示，意愿模块收集用户的意愿并发给分析模块进行分析；基站接口采集基站天线的历史数据并发给感知模块；感知模块基于历史数据确定感知状态(场景信息、用户分布和业务等)，并发送给分析模块进行分析。
分析模块将分析结果(话务量、用户分布及业务情况等)发送给策略模块；策略模块确定Missive MIMO的多种配置策略(当前配置参数)，并对各配置策略进行模拟验证以确定最优策略。
基站接口接受策略模块下发的最优策略；执行该策略后，向感知模块反馈执行结果。
在上述实施例中，根据用户的需求识别基站天线的待处理场景，基于待处理场景，利用机器学习方法确定合适的当前配置参数用于部署基站天线。这样，可以根据不同的场景部署基站天线，从而满足用户的网络需求，提高通信质量。
图6示出本公开的基站天线的配置装置的一些实施例的框图。
如图6所示，基站天线的配置装置6包括场景信息确定单元61、参考信息确定单元62和当前配置参数确定单元63。
场景信息确定单元61根据用户的需求指令，确定基站天线的待处理场景信息。参考信息确定单元62根据待处理场景信息，确定相应的历史配置参数和相关通讯技术作为参考信息。当前配置参数确定单元63根据参考信息，利用机器学习方法确定基站天线的当前配置参数用于对基站天线进行部署，以满足需求指令。
在一些实施例中，参考信息确定单元62根据用户的历史场景信息，确定基站天线需要优先满足的网络性能；参考信息包括优先满足的网络性能。
在一些实施例中，参考信息确定单元62根据需求指令，确定用户的网络体验需求；参考信息包括网络体验需求。
在一些实施例中，配置装置6还包括预测单元64、波束确定单元65、预部署单元66和优化单元67。
预测单元64根据待处理场景信息，利用机器学习方法预测用户分布信息。波束确定单元65根据用户分布信息，确定波束的初始扫描方向和扫描次数。预部署单元66根据当前配置参数、波束的初始扫描方向和扫描次数，对基站天线进行预部署。优化单元67根据预部署的反馈结果，对当前配置参数进行优化。
在一些实施例中，待处理场景信息包括相应的事件信息、区域信息、时间信息。
在一些实施例中，历史配置参数和当前配置参数包括基站天线的权值、方位角、信道系数。
在上述实施例中，根据用户的需求识别基站天线的待处理场景，基于待处理场景，利用机器学习方法确定合适的当前配置参数用于部署基站天线。这样，可以根据不同的场景部署基站天线，从而满足用户的网络需求，提高通信质量。
图7示出本公开的基站天线的配置装置的另一些实施例的框图。
如图7所示，该实施例的基站天线的配置装置7包括：存储器71以及耦接至该存储器71的处理器72，处理器72被配置为基于存储在存储器71中的指令，执行本公开中任意一个实施例中的基站天线的配置方法。
其中，存储器71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8示出本公开的基站天线的配置装置的又一些实施例的框图。
如图8所示，该实施例的基站天线的配置装置8包括：存储器810以及耦接至该存储器810的处理器820，处理器820被配置为基于存储在存储器810中的指令，执行前述任意一个实施例中的基站天线的配置方法。
存储器810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)以及其他程序等。
基站天线的配置装置8还可以包括输入输出接口830、网络接口840、存储接口850等。这些接口830、840、850以及存储器810和处理器820之间例如可以通过总线860连接。其中，输入输出接口830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840为各种联网设备提供连接接口。存储接口850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。
图9示出本公开的基站的一些实施例的框图。
如图9所示，基站9包括上述任一个实施例中的配置装置91。
至此，已经详细描述了根据本公开的基站天线的配置方法、基站天线的配置装置、基站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 (13)

1.一种基站天线的配置方法，包括：
根据用户的需求指令，确定基站天线的待处理场景信息；
根据所述待处理场景信息，确定相应的历史配置参数和相关通讯技术作为参考信息；
根据所述参考信息，利用机器学习方法确定所述基站天线的当前配置参数用于对所述基站天线进行部署，以满足所述需求指令。
2.根据权利要求1所述的配置方法，还包括：
根据所述用户的历史场景信息，确定所述基站天线需要优先满足的网络性能；
其中，所述参考信息包括所述优先满足的网络性能。
3.根据权利要求1所述的配置方法，还包括：
根据所述需求指令，确定所述用户的网络体验需求；
其中，所述参考信息包括所述网络体验需求。
4.根据权利要求1所述的配置方法，还包括：
根据所述待处理场景信息，利用机器学习方法预测用户分布信息；
根据所述用户分布信息，确定波束的初始扫描方向和扫描次数；
根据所述当前配置参数、所述波束的初始扫描方向和扫描次数，对所述基站天线进行预部署；
根据预部署的反馈结果，对所述当前配置参数进行优化。
5.根据权利要求1-4任一项所述的配置方法，其中，
所述待处理场景信息包括相应的事件信息、区域信息、时间信息；
所述历史配置参数和所述当前配置参数包括基站天线的权值、方位角、信道系数。
6.一种基站天线的配置装置，包括：
场景信息确定单元，用于根据用户的需求指令，确定基站天线的待处理场景信息；
参考信息确定单元，用于根据所述待处理场景信息，确定相应的历史配置参数和相关通讯技术作为参考信息；
当前配置参数确定单元，用于根据所述参考信息，利用机器学习方法确定所述基站天线的当前配置参数用于对所述基站天线进行部署，以满足所述需求指令。
7.根据权利要求6所述的配置装置，其中
所述参考信息确定单元根据所述用户的历史场景信息，确定所述基站天线需要优先满足的网络性能；
所述参考信息包括所述优先满足的网络性能。
8.根据权利要求6所述的配置装置，其中，
所述参考信息确定单元根据所述需求指令，确定所述用户的网络体验需求；
所述参考信息包括所述网络体验需求。
9.根据权利要求6所述的配置装置，还包括：
预测单元，用于根据所述待处理场景信息，利用机器学习方法预测用户分布信息；
波束确定单元，用于根据所述用户分布信息，确定波束的初始扫描方向和扫描次数；
预部署单元，用于根据所述当前配置参数、所述波束的初始扫描方向和扫描次数，对所述基站天线进行预部署；
优化单元，用于根据预部署的反馈结果，对所述当前配置参数进行优化。
10.根据权利要求6-9任一项所述的配置装置，其中，
所述待处理场景信息包括相应的事件信息、区域信息、时间信息；
所述历史配置参数和所述当前配置参数包括基站天线的权值、方位角、信道系数。
11.一种基站天线的配置装置，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任一项所述的基站天线的配置方法。
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任一项所述的基站天线的配置方法。
13.一种基站，包括：
权利要求6-11任一项所述的基站天线的配置装置。
CN201910874980.0A 2019-09-17 2019-09-17 基站天线的配置方法和装置、基站、计算机可读存储介质 Pending CN112533217A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910874980.0A CN112533217A (zh) 2019-09-17 2019-09-17 基站天线的配置方法和装置、基站、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910874980.0A CN112533217A (zh) 2019-09-17 2019-09-17 基站天线的配置方法和装置、基站、计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN112533217A true CN112533217A (zh) 2021-03-19

Family

ID=74974487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910874980.0A Pending CN112533217A (zh) 2019-09-17 2019-09-17 基站天线的配置方法和装置、基站、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112533217A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114786192A (zh) * 2022-05-13 2022-07-22 中国联合网络通信集团有限公司 一种波束选择方法、接入网设备和存储介质
CN115801952A (zh) * 2022-11-09 2023-03-14 昆山贝松精密电子有限公司 一种天线系统的控制方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110143746A1 (en) * 2009-12-11 2011-06-16 Deutsche Telekom Ag Antenna management system and program for optimization of broadcast characteristics of an antenna and method for determining physical parameters of an antenna
CN106454865A (zh) * 2016-10-25 2017-02-22 中国联合网络通信集团有限公司 一种天线覆盖调整部署方法及超宽频多模设备
CN109996249A (zh) * 2017-12-29 2019-07-09 北京三星通信技术研究有限公司 用于调整天线阵列的方法、设备、系统和天线阵列

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110143746A1 (en) * 2009-12-11 2011-06-16 Deutsche Telekom Ag Antenna management system and program for optimization of broadcast characteristics of an antenna and method for determining physical parameters of an antenna
CN106454865A (zh) * 2016-10-25 2017-02-22 中国联合网络通信集团有限公司 一种天线覆盖调整部署方法及超宽频多模设备
CN109996249A (zh) * 2017-12-29 2019-07-09 北京三星通信技术研究有限公司 用于调整天线阵列的方法、设备、系统和天线阵列

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114786192A (zh) * 2022-05-13 2022-07-22 中国联合网络通信集团有限公司 一种波束选择方法、接入网设备和存储介质
CN115801952A (zh) * 2022-11-09 2023-03-14 昆山贝松精密电子有限公司 一种天线系统的控制方法和系统
CN115801952B (zh) * 2022-11-09 2024-02-09 昆山贝松精密电子有限公司 一种天线系统的控制方法和系统

Similar Documents

Publication Publication Date Title
Zhou et al. Fog computing enabled future mobile communication networks: A convergence of communication and computing
Chen et al. Federated echo state learning for minimizing breaks in presence in wireless virtual reality networks
Błaszczyszyn et al. Stochastic geometry analysis of cellular networks
Wan et al. Task-driven resource assignment in mobile edge computing exploiting evolutionary computation
CN112543049B (zh) 一种集成地面卫星网络的能效优化方法及装置
CN113873434B (zh) 面向通信网络热点区域容量增强的多空中基站部署方法
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
Park et al. Minimizing latency to support VR social interactions over wireless cellular systems via bandwidth allocation
CN110519776A (zh) 一种雾计算系统中的均衡聚类和联合资源分配方法
CN108924934A (zh) 基于多维资源分配的异构网络干扰管理方法
Parvaresh et al. A continuous actor–critic deep Q-learning-enabled deployment of UAV base stations: Toward 6G small cells in the skies of smart cities
Wang et al. A novel network planning algorithm of three-dimensional dense networks based on adaptive variable-length particle swarm optimization
US12108322B2 (en) Method for enhancing network coverage based on adaptive generation of resource cell
CN105978673B (zh) 大规模分布式天线系统中基于用户距离的导频分配方法
Soorki et al. Optimized deployment of millimeter wave networks for in-venue regions with stochastic users’ orientation
Wang et al. On uav serving node deployment for temporary coverage in forest environment: A hierarchical deep reinforcement learning approach
CN115802398A (zh) 干扰优化方法及装置、存储介质及电子设备
CN110621025B (zh) 一种设备选型方法和装置
Maksymyuk et al. Deep learning based mobile network management for 5G and beyond
WO2023134650A1 (zh) 信息交互方法、装置及通信设备
CN115278779B (zh) Mec网络中基于渲染感知的vr服务模块动态放置方法
US20240064523A1 (en) Method of controlling a radio access point
KR102388620B1 (ko) 기지국 안테나의 기울기 각도 최적화 방법 및 장치
KR101393141B1 (ko) 이종 셀룰러 네트워크 환경에서의 다중 무선접속기술 선택 접속과 동시 접속 및 부하 분산하는 기법
Gu et al. An evolutionary game based computation offloading for an UAV network in MEC

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210319