CN112949010A - 一种覆盖优化方法和装置 - Google Patents

一种覆盖优化方法和装置 Download PDF

Info

Publication number
CN112949010A
CN112949010A CN202110217064.7A CN202110217064A CN112949010A CN 112949010 A CN112949010 A CN 112949010A CN 202110217064 A CN202110217064 A CN 202110217064A CN 112949010 A CN112949010 A CN 112949010A
Authority
CN
China
Prior art keywords
individual
user
target
coverage optimization
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.)
Granted
Application number
CN202110217064.7A
Other languages
English (en)
Other versions
CN112949010B (zh
Inventor
李新玥
王伟
张涛
李福昌
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 CN202110217064.7A priority Critical patent/CN112949010B/zh
Publication of CN112949010A publication Critical patent/CN112949010A/zh
Application granted granted Critical
Publication of CN112949010B publication Critical patent/CN112949010B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请提供一种覆盖优化方法和装置，涉及通信技术领域，以至少解决现有技术的覆盖优化中，天线远点的优化效果不佳的问题。该覆盖优化方法包括：确定第一个体；第一个体为目标区域，至少一个用户对应的天线参数组合的种群中，适应度最高的个体；在种群中，一个天线参数组合为一个个体；一个个体的适应度用于表征至少一个用户对一个个体的适应程度；在第一个体满足预设条件的情况下，确定第一个体为最优天线参数组合；预设条件包括：进化次数大于第一阈值，或者适应度大于第二阈值；进化次数为预设条件在本次覆盖优化中，累计被使用的次数。

Description

一种覆盖优化方法和装置
技术领域
本申请涉及通信技术领域，尤其涉及一种覆盖优化方法和装置。
背景技术
大规模天线技术在带来覆盖和容量提升的同时，其波束的灵活性也带来了天线参数组合的多样化，合理选择天线参数组合是覆盖优化的重要途径。
目前的覆盖优化方法中通常是以平均参考信号接收功率(reference signalreceiving power，RSRP)的提升来确定覆盖更优。但是，在选择了一种更优的天线参数组合之后，带来的是覆盖区域内平均RSRP的提升，可能提升的都是天线近点的RSRP，天线远点的RSRP并没有改善，这样，将会导致天线远点的优化效果不佳。
发明内容
本申请提供一种覆盖优化方法和装置，以至少解决现有技术的覆盖优化中，天线远点的优化效果不佳的问题。本申请的技术方案如下：
根据本申请的第一方面，提供一种覆盖优化方法，应用于基站。该覆盖优化方法包括：基站确定第一个体，并在第一个体满足预设条件的情况下，确定第一个体为最优天线参数组合。预设条件包括：进化次数大于第一阈值，或者适应度大于第二阈值；其中，进化次数为预设条件在本次覆盖优化中，累计被使用的次数。上述第一个体为目标区域，至少一个用户对应的天线参数组合的种群中，适应度最高的个体；在种群中，一个天线参数组合为一个个体；一个个体的适应度用于表征至少一个用户对一个个体的适应程度。
上述方案中，基站将天线参数组合的种群中适应度最高的个体确定为第一个体，在确定第一个体为进化次数大于第一阈值的个体，或者，第一个体的适应度大于第二阈值的情况下，确定第一个体为最优天线参数组合。其中，一个个体的适应度用于表征至少一个用户对一个个体的适应程度，是根据目标区域中至少一个用户中的室内用户的RSRP和室外用户的RSRP确定的。这样，在确定最优天线参数组合时，考虑了室外和室内的差别，在保证室外的覆盖优化的前提下，提高了室内覆盖优化效果。
根据本申请的第二方面，提供一种覆盖优化装置，该覆盖优化装置包括确定模块。确定模块，用于确定第一个体，并在第一个体满足预设条件的情况下，确定第一个体为最优天线参数组合。其中，预设条件包括：进化次数大于第一阈值，或者适应度大于第二阈值。进化次数为预设条件在本次覆盖优化中，累计被使用的次数。第一个体为目标区域，至少一个用户对应的天线参数组合的种群中，适应度最高的个体。在种群中，一个天线参数组合为一个个体。一个个体的适应度用于表征至少一个用户对一个个体的适应程度。
根据本申请的第三方面，提供一种覆盖优化装置，包括：处理器和用于存储处理器可执行的指令的存储器；其中，处理器被配置为执行指令，以实现如第一方面中的覆盖优化方法。
根据本申请的第四方面，提供一种计算机可读存储介质，计算机可读存储介质上存储有指令，当计算机可读存储介质中的指令由覆盖优化装置的处理器执行时，使得覆盖优化装置能够执行如上述第一方面中的覆盖优化方法。
根据本申请的第五方面，提供一种计算机程序产品，包含计算机指令，当计算机指令被覆盖优化装置的处理器执行时，使得覆盖优化装置执行如第一方面中的覆盖优化方法。
可以理解地，上述提供的任一种覆盖优化装置、计算机可读存储介质或计算机程序产品均用于执行上文所提供的方法，因此，其所能达到的有益效果可参考上文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
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。
图1是根据一示例性实施例示出的一种天线覆盖场景示意图；
图2是根据一示例性实施例示出的一种覆盖优化装置的硬件结构示意图；
图3是根据一示例性实施例示出的覆盖优化方法的流程图之一；
图4是根据一示例性实施例示出的一种确定第一个体的方法的流程图；
图5是根据一示例性实施例示出的覆盖优化方法的流程图之二；
图6是根据一示例性实施例示出的覆盖优化方法的流程图之三；
图7是根据一示例性实施例示出的覆盖优化方法的流程图之四；
图8是根据一示例性实施例示出的一种覆盖优化装置的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
大规模天线技术在带来覆盖和容量提升的同时，其波束的灵活性也带来了天线参数组合的多样化，合理选择天线参数组合是天线覆盖优化的重要途径。图1为本申请实施例提供的一种天线覆盖场景。其中，天线为组成基站的一部分。如图1所示，基站11通常是以其覆盖区域的平均RSRP的提升来确定覆盖是否更优。因此，在选择了一种更优的天线参数组合之后，带来的是覆盖区域内平均RSRP的提升。而覆盖区域内平均RSRP的提升，可能提升的都是天线近点(如图1中的a点)的RSRP，天线远点(如图1中的b点)的RSRP并没有改善。另外，在覆盖区域包括遮挡物12(如建筑物)时，覆盖区域内平均RSRP的提升，可能提升的都是遮挡物12外部的RSRP，遮挡物12内部的RSRP并没有改善。这样，将会导致覆盖优化的优化效果不佳。
针对上述问题，本申请提供了一种覆盖优化方法，根据进化次数或者适应度确定第一个体是否为最优天线参数组合。能够在确定最优天线参数组合时，考虑室外和室内的差别，在保证室外的覆盖优化的前提下，提高了室内覆盖优化效果。
图2是根据一示例性实施例示出的一种覆盖优化装置的结构示意图。该覆盖优化装置可以包括处理器202，处理器202用于执行应用程序代码，从而实现本申请中的覆盖优化方法。
处理器202可以是一个中央处理器(central processing unit，CPU)，微处理器，特定应用集成电路(application-specific integrated circuit，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。
如图2所示，覆盖优化装置还可以包括存储器203。其中，存储器203用于存储执行本申请方案的应用程序代码，并由处理器202来控制执行。
存储器203可以是只读存储器(read-only memory，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(random access memory，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(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，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203可以是独立存在，通过总线204与处理器202相连接。存储器203也可以和处理器202集成在一起。
如图2所示，覆盖优化装置还可以包括通信接口201，其中，通信接口201、处理器202、存储器203可以相互耦合，例如，通过总线204相互耦合。通信接口201用于与其他设备进行信息交互，例如支持覆盖优化装置与其他设备的信息交互。
需要指出的是，图2中示出的设备结构并不构成对该覆盖优化装置的限定，除图2所示部件之外，该覆盖优化装置可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合附图对本申请实施例提供的覆盖优化方法进行描述。
图3是根据一示例性实施例示出的一种覆盖优化方法的流程图示意图。如图3所示，该覆盖优化方法包括：
步骤31：覆盖优化装置确定第一个体。
第一个体为目标区域，至少一个用户对应的天线参数组合的种群中，适应度最高的个体。其中，目标区域为需要进行覆盖优化的区域。天线参数组合(一个天线参数组合可以看作为一个pattern)中的参数与网络场景有关。例如，在第三代移动通信技术(3rd-generation，3G)场景中，天线参数组合为水平波宽、垂直波宽、以及天线方向图的参数组合；在第四代移动通信技术(4th generation，4G)场景中，天线参数组合为水平波宽、垂直波宽、天线方向图、以及下倾角的参数组合；在第五代移动通信技术(5th-generation，5G)场景中，天线参数组合为水平波宽、垂直波宽、下倾角、水平角、波束数、天线方向图、以及各波束夹角的参数组合。在种群中，一个天线参数组合为一个个体。一个个体的适应度用于表征至少一个用户对一个个体的适应程度。
具体的，覆盖优化装置确定第一个体的方法包括如下步骤：
S1、覆盖优化装置获取预设时间段内，目标区域中至少一个用户的用户数据。
具体的，预设时间段可以为默认值，或者，为相关人员根据目标区域的情况设置的时长。例如，预设时间段为一周。用户数据可以从用户的测量报告(measurement report，MR)数据中获取，用户数据包括用户的天线到达角(angle of arrival，AOA)、用户的时间提前量(timing advance，Tadv)以及用户的RSRP。
S2、覆盖优化装置根据用户数据确定至少一个用户的用户分布情况。
具体的，覆盖优化装置对至少一个用户的用户数据执行第一操作，得到至少一个用户的用户分布情况。
其中，第一操作包括：
首先，覆盖优化装置根据目标用户的Tadv确定目标用户与天线的目标距离。
其中，目标用户为至少一个用户中任一用户。
具体的，目标用户的Tadv能够反映目标用户与天线之间的信号传播时间，因此，能够根据目标用户的Tadv确定目标用户与天线的目标距离。而确定目标距离的方法与网络场景相关。例如，在4G场景中，目标距离满足公式D＝Tadv*L，其中，D用于表征目标距离，Tadv为目标用户的Tadv，L为一个Tadv的传输距离，例如，可以为78.12，单位为米；在5G场景中，目标距离满足公式D＝Tadv*L/pow(2，u)，其中，D表示目标距离，Tadv为目标用户的Tadv，L为一个Tadv的传输距离，u为子载波间隔(5G场景中的子载波间隔可以配置为0-15kHz，或者1-30kHz，或者2-60kHz，或者3-120kHz，或者4-240kHz)。
然后，覆盖优化装置根据目标用户的AOA和目标距离确定目标用户相对于地面的目标高度。
具体的，首先覆盖优化装置将目标用户的AOA转化至以基站工参坐标系为基准的坐标系。其中，在基准坐标系(以基站工参坐标系为基准的坐标系)中，天线方位角定义为以正北为0度，以顺时针方向为正，无负值；天线下倾角定义为以水平位置为0度，水平位置向下倾斜的角度，向下为正。
在目标用户的AOA中，将垂直方向的正上方确定为参考0度，向下为正，转换到基准坐标系下的角度可以表示为：
Figure BDA0002954178250000061
其中，
Figure BDA0002954178250000062
表示基准坐标系下垂直方向的AOA值，AOA垂直表示目标用户的垂直方向的AOA值。同理，还可以将目标用户的水平方向的AOA值转换为基准坐标系下水平方向的AOA值。具体为：将水平方向的正北方确定为参考0度，逆时针为正，转换到基准坐标系下的角度可以表示为：
Figure BDA0002954178250000063
Figure BDA0002954178250000064
其中，
Figure BDA0002954178250000065
表示基准坐标系下水平方向的AOA值，AOA水平表示目标用户的水平方向的AOA值。
之后，覆盖优化装置根据基站工参中基站的高度、目标距离、以及基准坐标系下垂直方向的AOA值，或者基准坐标系下水平方向的AOA值确定目标用户相对于地面的目标高度。
具体的，目标高度满足公式
Figure BDA0002954178250000066
或者
Figure BDA0002954178250000067
Figure BDA0002954178250000068
其中，h表示目标高度，H表示基站的高度，D表示目标距离，
Figure BDA0002954178250000071
表示基准坐标系下水平方向的AOA值，
Figure BDA0002954178250000072
表示基准坐标系下垂直方向的AOA值。
最后，覆盖优化装置根据目标用户相对于地面的目标高度确定目标用户的分布情况。具体的，覆盖优化装置在确定目标高度大于预设阈值的情况下，确定目标用户为室内用户。覆盖优化装置在确定目标高度小于或者等于预设阈值的情况下，确定目标用户为室外用户。其中，预设阈值可以为默认值，也可以相关人员根据目标区域的地势情况重新设置的值。
S3、覆盖优化装置获取与用户分布情况对应的至少一个天线参数组合，得到天线参数组合的种群。
其中，种群中的天线参数组合的覆盖区域包括用户分布情况中的每一用户。
具体的，覆盖优化装置获取与用户分布情况对应的至少一个天线参数组合的方式，可以是覆盖优化装置根据用户分布情况从预设的天线参数组合列表中匹配与用户分布情况对应的至少一个天线参数组合。其中，预设的天线参数组合列表中包括适合水平覆盖和垂直覆盖场景的所有天线参数组合。
覆盖优化装置获取与用户分布情况对应的至少一个天线参数组合的方式，也可以是相关人员根据目标区域中至少一个用户的用户分布情况，标注适合用户分布情况的多个天线参数组合，并输入覆盖优化装置，这样，覆盖优化装置获取到与用户分布情况对应的至少一个天线参数组合，从而得到天线参数组合的种群。
S4、覆盖优化装置从天线参数组合的种群中确定第一个体。
具体的，覆盖优化装置对种群中每个个体执行第二操作，得到每个个体的适应度，并将种群中适应度最高的个体确定为第一个体。
其中，第二操作包括：
首先覆盖优化装置根据目标个体，对用户分布情况进行仿真，得到至少一个用户在目标个体下的RSRP等级分布图。目标个体为种群中任一个体；RSRP等级分布图包括至少一个用户的RSRP在RSRP等级图中的分布情况。具体的，覆盖优化装置根据目标个体中的天线方向图，对用户分布情况进行仿真，得到至少一个用户在目标个体下的RSRP等级分布图。
其中，RSRP等级分布图可以是预设的，也可以是覆盖优化装置根据目标区域，至少一个用中每个用户的RSRP值和至少一个用户的用户分布情况确定的。
具体的，覆盖优化装置根据目标区域，至少一个用户中每个用户的RSRP值和至少一个用的用户分布情况确定RSRP等级分布图的方法可以包括：覆盖优化装置根据至少一个用户中室内用户的RSRP值，画累积分布图(cumulative distribution function，CDF)图，并根据CDF图将室内用户的RSRP值分为n个等级，得到RSRP等级分布图。示例性的，覆盖优化装置分别记录CDF图中20％、50％、80％RSRP值，从而将室内用户的RSRP值分为4个等级。例如，CDF图中20％、50％、80％RSRP值分别为a、b、c，则4个等级中的第一个等级中的RSRP1满足：RSRP1<a，第二个等级中的RSRP2满足：a≤RSRP2<b，第三个等级中的RSRP3满足：b≤RSRP3<c，第四个等级中的RSRP4满足：c≤RSRP4。
然后，覆盖优化装置根据RSRP等级分布图计算至少一个用户在目标个体下的适应度。
具体的，至少一个用户在目标个体下的适应度满足公式：S＝A×sign(B-b)，其中，S用于表示至少一个用户在目标个体下的适应度，B用于表示至少一个用户中室外用户的RSRP的平均值，b为常数，A＝a1×w1+a2×w2…+an×wn，an用于表示RSRP等级图中第n个等级中用户的RSRP的平均值，wn用于表示RSRP等级图中第n个等级的采样权重，n为正整数。
示例性的，RSRP等级分布图包括4个等级，b为3，第一个等级的权重为1.5，第二个等级的权重为1.3，第三个等级的权重为1.1，第四个等级的权重为1，则至少一个用户在目标个体下的适应度为：S＝(a1×1.5+a2×1.3+a3×1.1+a4×1)×sign(B-3)。
最后，覆盖优化装置通过轮盘赌或者期望值的方式，将从天线参数组合的种群中，确定出适应度最大的第一个体。
步骤32：覆盖优化装置在第一个体满足预设条件的情况下，确定第一个体为最优天线参数组合。
其中，预设条件包括：进化次数大于第一阈值，或者适应度大于第二阈值。进化次数为预设条件在本次覆盖优化中，累计被使用的次数。第一阈值为预设的，可以为默认值，也可以为相关人员根据实际情况配置的值。同理，第二阈值为预设的，可以为默认值，也可以为相关人员根据实际情况配置的值。
可选的，在第一个体不满足预设条件的情况下，该覆盖优化方法还包括步骤33-步骤34。
步骤33：覆盖优化装置获取第二个体，并进行交叉处理，得到交叉个体。
其中，第二个体为种群中任一个体。
具体的，覆盖优化装置获取到第二个体之后，对第一个体和第二个体进行交叉处理，得到交叉个体。进一步具体的，覆盖优化装置从上一代的个体中寻找两个个体(第一个体和第二个体)，一个是爸爸，一个是妈妈。然后将这两两个个体的某一个位置切断，并拼接在一起，从而生成一个新的个体(交叉个体)。这样，交叉个体上即包含了一定数量的爸爸的基因，也包含了一定数量的妈妈的基因。
步骤34：覆盖优化装置在交叉个体满足预设条件的情况下，确定交叉个体为最优天线参数组合。
具体的，覆盖优化装置在交叉个体不满足预设条件的情况下，返回执行步骤33，直到确定出最优天线参数组合。
可选的，在第一个体不满足预设条件的情况下，该覆盖优化方法还包括步骤35-步骤36。
步骤35：覆盖优化装置获取变异算子，并根据变异算子进行变异处理，得到变异个体。
具体的，覆盖优化装置获取到变异算子之后，对第一个体进行变异处理，得到变异个体。进一步具体的，覆盖优化装置根据变异算子随机改变上一代个体中的某些基因值，从而形成新的个体(变异个体)。
步骤36：覆盖优化装置在变异个体满足预设条件的情况下，确定变异个体为最优天线参数组合。
具体的，覆盖优化装置在变异个体不满足预设条件的情况下，返回执行步骤35，直到确定出最优天线参数组合。
可选的，在第一个体不满足预设条件的情况下，该覆盖优化方法还包括步骤37-步骤40。
步骤37：覆盖优化装置获取第二个体，并进行交叉处理，得到交叉个体。
其中，第二个体为种群中任一个体。
步骤38：覆盖优化装置在交叉个体满足预设条件的情况下，确定交叉个体为最优天线参数组合。
步骤39：覆盖优化装置在交叉个体不满足预设条件的情况下，获取变异算子，并根据变异算子对交叉个体进行变异处理，得到变异个体。
步骤40：覆盖优化装置在变异个体满足预设条件的情况下，确定变异个体为最优天线参数组合。
具体的，覆盖优化装置在变异个体不满足预设条件的情况下，返回执行步骤37，直到确定出最优天线参数组合。
上述方案中，覆盖优化装置将天线参数组合的种群中适应度最高的个体确定为第一个体，在确定第一个体为进化次数大于第一阈值的个体，或者，第一个体的适应度大于第二阈值的情况下，确定第一个体为最优天线参数组合。其中，一个个体的适应度用于表征至少一个用户对一个个体的适应程度，是根据目标区域中至少一个用户中的室内用户的RSRP和室外用户的RSRP确定的。这样，在确定最优天线参数组合时，考虑室外和室内的差别，在保证室外的覆盖优化的前提下，提高了室内覆盖优化效果。
本申请实施例可以根据上述的方法实施例对覆盖优化装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，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。
以上结合图3-图7详细说明了本申请实施例提供的方法。以下，结合图8详细说明本申请实施例提供的覆盖优化装置。应理解，装置实施例的描述与方法实施例的描述相互对应，因此，未详细描述的内容可以参见上文方法实施例，为了简洁，这里不再赘述。
图8是根据一示例性实施例示出的一种覆盖优化装置的结构示意图。参见图8所示，该覆盖优化装置包括：确定模块801。
确定模块801，用于：确定第一个体。第一个体为目标区域，至少一个用户对应的天线参数组合的种群中，适应度最高的个体；在种群中，一个天线参数组合为一个个体；一个个体的适应度用于表征至少一个用户对一个个体的适应程度。在第一个体满足预设条件的情况下，确定第一个体为最优天线参数组合。预设条件包括：进化次数大于第一阈值，或者适应度大于第二阈值。进化次数为预设条件在本次覆盖优化中，累计被使用的次数。例如，参照图3所示，确定模块801，用于执行步骤31和步骤32。
可选的，覆盖优化装置还包括获取模块802和处理模块803。获取模块802，用于在第一个体不满足预设条件的情况下，获取第二个体。第二个体为种群中任一个体。例如，参照图5所示，获取模块802，用于执行步骤33。处理模块803，用于对第一个体和第二个体进行交叉处理，得到交叉个体。例如，参照图5所示，处理模块803，用于执行步骤33。确定模块801，还用于在交叉个体满足预设条件的情况下，确定交叉个体为最优天线参数组合。例如，参照图5所示，确定模块801，还用于执行步骤34。
可选的，获取模块802，还用于在遗传个体不满足预设条件的情况下，获取变异算子。遗传个体为第一个体或者交叉个体。例如，参照图6所示，获取模块802，还用于执行步骤35。处理模块803，还用于根据变异算子对遗传个体进行变异处理，得到变异个体。例如，参照图5所示，处理模块803，还用于执行步骤35。确定模块801，还用于在变异个体满足预设条件的情况下，确定变异个体为最优天线参数组合。例如，参照图5所示，确定模块801，还用于执行步骤36。
可选的，确定模块801，具体用于：获取预设时间段内，目标区域中至少一个用户的用户数据。根据用户数据确定至少一个用户的用户分布情况。获取与用户分布情况对应的至少一个天线参数组合，得到天线参数组合的种群。种群中的天线参数组合的覆盖区域包括用户分布情况中的每一用户。从天线参数组合的种群中确定第一个体。例如，参照图4所示，确定模块801，具体用于执行步骤S1-步骤S4。
可选的，用户数据包括用户的天线到达角AOA和用户的时间提前量Tadv。确定模块801，具体用于：对至少一个用户的用户数据执行第一操作，得到至少一个用户的用户分布情况。第一操作包括：根据目标用户的Tadv确定目标用户与天线的目标距离。根据目标用户的AOA和目标距离确定目标用户相对于地面的目标高度。在确定目标高度大于预设阈值的情况下，确定目标用户为室内用户。在确定目标高度小于或者等于预设阈值的情况下，确定目标用户为室外用户。目标用户为至少一个用户中任一用户。
可选的，确定模块801，具体用于：对种群中每个个体执行第二操作，得到每个个体的适应度。将种群中适应度最高的个体确定为第一个体。第二操作包括：根据目标个体，对用户分布情况进行仿真，得到至少一个用户在目标个体下的参考信号接收功率RSRP等级分布图。根据RSRP等级分布图计算至少一个用户在目标个体下的适应度。目标个体为种群中任一个体。RSRP等级分布图包括至少一个用户的RSRP在RSRP等级图中的分布情况。
可选的，至少一个用户在目标个体下的适应度满足公式：S＝A×sign(B-b)，其中，S用于表示至少一个用户在目标个体下的适应度，B用于表示至少一个用户中室外用户的RSRP的平均值，b为常数，A＝a1×w1+a2×w2…+an×wn，an用于表示RSRP等级图中第n个等级中用户的RSRP的平均值，wn用于表示RSRP等级图中第n个等级的采样权重，n为正整数。
本申请另一实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当指令在覆盖优化装置上运行时，该覆盖优化装置，执行如图3-图7所示的任一个实施例的覆盖优化方法。
在本申请的另一实施例中，还提供一种计算机程序产品，该计算机程序产品包括计算机执行指令，该计算机执行指令存储在计算机可读存储介质中。覆盖优化装置的处理器可以从计算机可读存储介质读取该计算机执行指令，处理器执行该计算机执行指令使得覆盖优化装置，执行如图3-图7所示的任一个实施例的覆盖优化方法。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (16)

1.一种覆盖优化方法，应用于基站，所述基站包括天线，其特征在于，包括：
确定第一个体；所述第一个体为目标区域，至少一个用户对应的天线参数组合的种群中，适应度最高的个体；在所述种群中，一个天线参数组合为一个个体；一个个体的适应度用于表征所述至少一个用户对所述一个个体的适应程度；
在所述第一个体满足预设条件的情况下，确定所述第一个体为最优天线参数组合；
所述预设条件包括：进化次数大于第一阈值，或者适应度大于第二阈值；所述进化次数为所述预设条件在本次覆盖优化中，累计被使用的次数。
2.根据权利要求1所述的覆盖优化方法，其特征在于，
在所述第一个体不满足所述预设条件的情况下，获取第二个体；所述第二个体为所述种群中任一个体；
对所述第一个体和所述第二个体进行交叉处理，得到交叉个体；
在所述交叉个体满足预设条件的情况下，确定所述交叉个体为最优天线参数组合。
3.根据权利要求1或2所述的覆盖优化方法，其特征在于，
在遗传个体不满足预设条件的情况下，获取变异算子；所述遗传个体为所述第一个体或者交叉个体；
根据所述变异算子对所述遗传个体进行变异处理，得到变异个体；
在所述变异个体满足预设条件的情况下，确定所述变异个体为最优天线参数组合。
4.根据权利要求3所述的覆盖优化方法，其特征在于，所述确定第一个体，包括：
获取预设时间段内，所述目标区域中所述至少一个用户的用户数据；
根据所述用户数据确定所述至少一个用户的用户分布情况；
获取与所述用户分布情况对应的至少一个天线参数组合，得到天线参数组合的种群；所述种群中的天线参数组合的覆盖区域包括所述用户分布情况中的每一用户；
从所述天线参数组合的种群中确定所述第一个体。
5.根据权利要求4所述的覆盖优化方法，其特征在于，所述用户数据包括用户的天线到达角AOA和用户的时间提前量Tadv；所述根据所述用户数据确定所述至少一个用户的用户分布情况，包括：
对所述至少一个用户的用户数据执行第一操作，得到所述至少一个用户的用户分布情况；
所述第一操作包括：根据目标用户的Tadv确定目标用户与天线的目标距离；根据所述目标用户的AOA和所述目标距离确定所述目标用户相对于地面的目标高度；在确定所述目标高度大于预设阈值的情况下，确定所述目标用户为室内用户；在确定所述目标高度小于或者等于预设阈值的情况下，确定所述目标用户为室外用户；所述目标用户为所述至少一个用户中任一用户。
6.根据权利要求4所述的覆盖优化方法，其特征在于，所述从所述天线参数组合的种群中确定所述第一个体，包括：
对种群中每个个体执行第二操作，得到每个个体的适应度；
将所述种群中适应度最高的个体确定为第一个体；
所述第二操作包括：根据目标个体，对所述用户分布情况进行仿真，得到所述至少一个用户在所述目标个体下的参考信号接收功率RSRP等级分布图；根据所述RSRP等级分布图计算所述至少一个用户在目标个体下的适应度；所述目标个体为所述种群中任一个体；所述RSRP等级分布图包括所述至少一个用户的RSRP在RSRP等级图中的分布情况。
7.根据权利要求6所述的覆盖优化方法，其特征在于，
所述至少一个用户在目标个体下的适应度满足公式：S＝A×sign(B-b)，其中，S用于表示所述至少一个用户在目标个体下的适应度，B用于表示所述至少一个用户中室外用户的RSRP的平均值，b为常数，A＝a1×w1+a2×w2…+an×wn，an用于表示所述RSRP等级图中第n个等级中用户的RSRP的平均值，wn用于表示所述RSRP等级图中第n个等级的采样权重，n为正整数。
8.一种覆盖优化装置，应用于基站，所述基站包括天线，其特征在于，包括确定模块；
所述确定模块，用于：
确定第一个体；所述第一个体为目标区域，至少一个用户对应的天线参数组合的种群中，适应度最高的个体；在所述种群中，一个天线参数组合为一个个体；一个个体的适应度用于表征所述至少一个用户对所述一个个体的适应程度；
在所述第一个体满足预设条件的情况下，确定所述第一个体为最优天线参数组合；
所述预设条件包括：进化次数大于第一阈值，或者适应度大于第二阈值；所述进化次数为所述预设条件在本次覆盖优化中，累计被使用的次数。
9.根据权利要求8所述的覆盖优化装置，其特征在于，所述覆盖优化装置还包括获取模块和处理模块；
所述获取模块，用于在所述第一个体不满足所述预设条件的情况下，获取第二个体；所述第二个体为所述种群中任一个体；
所述处理模块，用于对所述第一个体和所述第二个体进行交叉处理，得到交叉个体；
所述确定模块，还用于在所述交叉个体满足预设条件的情况下，确定所述交叉个体为最优天线参数组合。
10.根据权利要求8或9所述的覆盖优化装置，其特征在于，所述覆盖优化装置还包括获取模块和处理模块；
所述获取模块，还用于在遗传个体不满足预设条件的情况下，获取变异算子；所述遗传个体为所述第一个体或者交叉个体；
所述处理模块，还用于根据所述变异算子对所述遗传个体进行变异处理，得到变异个体；
所述确定模块，还用于在所述变异个体满足预设条件的情况下，确定所述变异个体为最优天线参数组合。
11.根据权利要求10所述的覆盖优化装置，其特征在于，
所述确定模块，具体用于：
获取预设时间段内，所述目标区域中所述至少一个用户的用户数据；
根据所述用户数据确定所述至少一个用户的用户分布情况；
获取与所述用户分布情况对应的至少一个天线参数组合，得到天线参数组合的种群；所述种群中的天线参数组合的覆盖区域包括所述用户分布情况中的每一用户；
从所述天线参数组合的种群中确定所述第一个体。
12.根据权利要求11所述的覆盖优化装置，其特征在于，所述用户数据包括用户的天线到达角AOA和用户的时间提前量Tadv；
所述确定模块，具体用于：
对所述至少一个用户的用户数据执行第一操作，得到所述至少一个用户的用户分布情况；
所述第一操作包括：根据目标用户的Tadv确定目标用户与天线的目标距离；根据所述目标用户的AOA和所述目标距离确定所述目标用户相对于地面的目标高度；在确定所述目标高度大于预设阈值的情况下，确定所述目标用户为室内用户；在确定所述目标高度小于或者等于预设阈值的情况下，确定所述目标用户为室外用户；所述目标用户为所述至少一个用户中任一用户。
13.根据权利要求11所述的覆盖优化装置，其特征在于，
所述确定模块，具体用于：
对种群中每个个体执行第二操作，得到每个个体的适应度；
将所述种群中适应度最高的个体确定为第一个体；
所述第二操作包括：根据目标个体，对所述用户分布情况进行仿真，得到所述至少一个用户在所述目标个体下的参考信号接收功率RSRP等级分布图；根据所述RSRP等级分布图计算所述至少一个用户在目标个体下的适应度；所述目标个体为所述种群中任一个体；所述RSRP等级分布图包括所述至少一个用户的RSRP在RSRP等级图中的分布情况。
14.根据权利要求13所述的覆盖优化装置，其特征在于，
所述至少一个用户在目标个体下的适应度满足公式：S＝A×sign(B-b)，其中，S用于表示所述至少一个用户在目标个体下的适应度，B用于表示所述至少一个用户中室外用户的RSRP的平均值，b为常数，A＝a1×w1+a2×w2…+an×wn，an用于表示所述RSRP等级图中第n个等级中用户的RSRP的平均值，wn用于表示所述RSRP等级图中第n个等级的采样权重，n为正整数。
15.一种覆盖优化装置，应用于基站，其特征在于，所述覆盖优化装置包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1-7中任一项所述的覆盖优化方法。
16.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，当所述计算机可读存储介质中的指令由覆盖优化装置的处理器执行时，使得所述覆盖优化装置执行如权利要求1-7中任一项所述的覆盖优化方法。
CN202110217064.7A 2021-02-26 2021-02-26 一种覆盖优化方法和装置 Active CN112949010B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110217064.7A CN112949010B (zh) 2021-02-26 2021-02-26 一种覆盖优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110217064.7A CN112949010B (zh) 2021-02-26 2021-02-26 一种覆盖优化方法和装置

Publications (2)

Publication Number Publication Date
CN112949010A true CN112949010A (zh) 2021-06-11
CN112949010B CN112949010B (zh) 2023-06-09

Family

ID=76246432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110217064.7A Active CN112949010B (zh) 2021-02-26 2021-02-26 一种覆盖优化方法和装置

Country Status (1)

Country Link
CN (1) CN112949010B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100232533A1 (en) * 2008-08-25 2010-09-16 Lee Daniel Chonghwan Methods of Selecting Signal Transmitting, Receiving, and/or Sensing Devices with Probabilistic Evolutionary Algorithms in Information Conveyance Systems
CN102316469A (zh) * 2010-06-30 2012-01-11 华为技术有限公司 配置天线参数的方法及系统
CN104918271A (zh) * 2014-03-12 2015-09-16 中国移动通信集团福建有限公司 一种基站的工程参数优化方法和装置
CN105226393A (zh) * 2015-10-12 2016-01-06 北京邮电大学 阵列天线、阵列天线方向图的赋形装置及赋形方法
CN106982436A (zh) * 2016-01-15 2017-07-25 中国移动通信集团河北有限公司 一种室内外网络覆盖的检测调整方法及装置
CN108282800A (zh) * 2017-12-15 2018-07-13 北京交通大学 无线蜂窝网络中的基站天线的参数优化方法
CN108882256A (zh) * 2018-08-21 2018-11-23 广东电网有限责任公司 一种无线传感器网络节点覆盖优化方法和装置
CN109948828A (zh) * 2019-01-23 2019-06-28 北京航空航天大学 工序排序优化方法及装置
CN111241648A (zh) * 2020-01-20 2020-06-05 广西大学 一种基于鬣狗捕获模型的rfid网络动态优化部署方法
CN112380018A (zh) * 2020-11-30 2021-02-19 海光信息技术股份有限公司 基于遗传算法的确定用于矩阵乘法的矩阵分块参数的方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100232533A1 (en) * 2008-08-25 2010-09-16 Lee Daniel Chonghwan Methods of Selecting Signal Transmitting, Receiving, and/or Sensing Devices with Probabilistic Evolutionary Algorithms in Information Conveyance Systems
CN102316469A (zh) * 2010-06-30 2012-01-11 华为技术有限公司 配置天线参数的方法及系统
CN104918271A (zh) * 2014-03-12 2015-09-16 中国移动通信集团福建有限公司 一种基站的工程参数优化方法和装置
CN105226393A (zh) * 2015-10-12 2016-01-06 北京邮电大学 阵列天线、阵列天线方向图的赋形装置及赋形方法
CN106982436A (zh) * 2016-01-15 2017-07-25 中国移动通信集团河北有限公司 一种室内外网络覆盖的检测调整方法及装置
CN108282800A (zh) * 2017-12-15 2018-07-13 北京交通大学 无线蜂窝网络中的基站天线的参数优化方法
CN108882256A (zh) * 2018-08-21 2018-11-23 广东电网有限责任公司 一种无线传感器网络节点覆盖优化方法和装置
CN109948828A (zh) * 2019-01-23 2019-06-28 北京航空航天大学 工序排序优化方法及装置
CN111241648A (zh) * 2020-01-20 2020-06-05 广西大学 一种基于鬣狗捕获模型的rfid网络动态优化部署方法
CN112380018A (zh) * 2020-11-30 2021-02-19 海光信息技术股份有限公司 基于遗传算法的确定用于矩阵乘法的矩阵分块参数的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LIESKA K: "Radio coverage optimization with genetic algorithms", 《IEEE INTERNATIONAL SYMPOSIUM ON PERSONAL》, pages 318 - 322 *

Also Published As

Publication number Publication date
CN112949010B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN109788488B (zh) 一种网络站点的规划方法和装置
JP3888954B2 (ja) Ｃｄｍａ無線ネットワークの計画・評価方法およびシステム
CN109788489B (zh) 一种基站规划方法及装置
JP4737417B2 (ja) 無線ネットワーク変更支援システム及び無線ネットワーク変更支援方法
CN106982436A (zh) 一种室内外网络覆盖的检测调整方法及装置
CN112950243B (zh) 一种5g站址规划方法、装置、电子设备及存储介质
CN112469060B (zh) 一种天线参数确定方法及装置
CN110784883B (zh) 基站建设评估方法、装置、设备和存储介质
CN111082840B (zh) 一种天线广播波束的优化方法和装置
JP6696859B2 (ja) 品質推定装置及び品質推定方法
CN104769989A (zh) 有源天线系统天线劈裂方法及控制器
CN110366188B (zh) 干扰测量点部署方法、干扰测量路径规划方法及系统
CN113133007A (zh) 通信站点的选址方法、装置及设备
CN113950080A (zh) 一种优化小区的确定方法、装置及存储介质
CN112243236B (zh) 基站的部署方法、装置和计算机可读存储介质
CN112949010A (zh) 一种覆盖优化方法和装置
KR20130060913A (ko) 무선 통신 서비스의 기지국 위치 결정 장치 및 방법
CN110621025A (zh) 一种设备选型方法和装置
CN109982246A (zh) 一种蜂窝小区功率的调整方法、装置及介质
Sharma et al. Situation-aware wireless networks
CN107396325B (zh) 无线访问接入点的邻居提取系统、方法及相关装置
CN112243242A (zh) 大规模天线波束配置方法和装置
CN114390534A (zh) 波束模式确定方法、装置、电子设备及存储介质
CN105992263A (zh) 基站站址偏移预评估方法及系统
CN110650483A (zh) 一种设备选型方法和装置

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