CN114095955B - 基于凸多边形剖分的地对空覆盖的场景化波束生成方法 - Google Patents

基于凸多边形剖分的地对空覆盖的场景化波束生成方法 Download PDF

Info

Publication number
CN114095955B
CN114095955B CN202111312875.1A CN202111312875A CN114095955B CN 114095955 B CN114095955 B CN 114095955B CN 202111312875 A CN202111312875 A CN 202111312875A CN 114095955 B CN114095955 B CN 114095955B
Authority
CN
China
Prior art keywords
coverage
base station
area
convex
rate
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
CN202111312875.1A
Other languages
English (en)
Other versions
CN114095955A (zh
Inventor
刘俊宇
盛敏
雷松涛
张子烨
史琰
苏郁
李建东
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202111312875.1A priority Critical patent/CN114095955B/zh
Publication of CN114095955A publication Critical patent/CN114095955A/zh
Priority to US17/752,865 priority patent/US11778487B2/en
Application granted granted Critical
Publication of CN114095955B publication Critical patent/CN114095955B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04W16/24—Cell structures
    • H04W16/28—Cell structures using beam steering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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]
    • 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
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种基于凸多边形剖分的地对空覆盖的场景化波束生成方法，其步骤为：采用通用墨卡尔投影的方式得到基站位置集合；构建三维低空信号覆盖区域；对待覆盖区域进行凸多边形剖分；生成各基站的波束配置。本发明实现了三维低空信号覆盖区域下基站波束配置的生成，克服了现有17种场景化波束无法实现三维区域的覆盖问题；波束配置是基于优化目标为各棱柱区域在覆盖率大于或等于R的条件下重叠率最小得到的，R∈(0,0.99]，克服了动态调节波束配置带来的网络状态信息和波束配置不匹配的问题，本发明生成的波束配置无需实时获取用户数目来调整波束，具有较好的覆盖能力。

Description

基于凸多边形剖分的地对空覆盖的场景化波束生成方法
技术领域
本发明属于通信技术领域，更进一步涉及无线通信技术领域中的一种基于凸多边形剖分的地对空覆盖的场景化波束生成方法。本发明可用于解决在地面基站对低空覆盖场景下，地面各基站扇区波束配置的生成。
背景技术
结合当前普遍的5G网络应用场景看，中低空区域的用户业务需求明显增长，例如高层楼宇用户或空中无人机终端，但是传统基站天线垂直覆盖能力有限，导致为中低空用户提供的信号覆盖质量较差，而5G Massive MIMO天线除了水平维度的规划，还考虑了垂直维度的规划，可以为不同高层用户灵活提供波束场景选择，从而提升了对中低空区域的覆盖能力，优化了用户体验。目前，Massive MIMO广播波束场景化配置加上默认模式共计17种，但是对于地对空覆盖场景下的场景化波束配置处于空缺状态，需要根据地对空覆盖场景的特征来计算生成基站的波束宽度、天线倾角等参数。
彭东升在其发表的文章“Massive MIMO广播波束场景化研究”(中国电信股份有限公司安徽分公司，通信技术，2020)提出了一种在不同场景下生成并调整Massive MIMO场景化波束的方法。该方法的主要步骤是：(1)选择有天线直接面对高楼覆盖的场景进行测试，天线与被测试高楼之间无遮挡且距离适当；(2)选择有天线直接正对广场覆盖的场景进行测试，天线与被测试广场之间无遮挡且距离适当；(3)选取站点较为密集的区域进行测试；(4)根据不同测试场景在不同波束配置下的接收信号强度调整波束参数。该方法存在的不足之处有两点：其一，该方法的测试场景都是单个小区，实际中每个小区中所覆盖区域的建筑分布，干扰情况，人流密度等都可能存在不同，所以在对多小区网络进行布网的时候需要反复测试，效率低下；其二，该方法所测试的场景主要针对的是低空场景，高度普遍低于100m，而高度至少大于300m的覆盖场景未进行测试，无法指导设计地对空场景下的天线波束生成。
上海擎昆信息科技有限公司在其申请的专利文献“一种SSB广播波束优化方法及系统”(申请号：CN202011172630.9，申请公布号：CN 112351439 A)中提出了一种SSB广播波束优化方法。该方法的步骤是：(1)获取SSB波束配置在广播波束覆盖范围中的初始用户设备数目；(2)根据物理随机接入信道、物理层上行控制信道解调参考信号、物理层上行共享信道解调参考信号和/或探测参考信号测量各所述初始用户设备的到达角；(3)根据每个所述初始用户设备的到达角确定所述初始用户设备的三维空间分布；(4)获取所述SSB波束配置在广播波束覆盖范围中的当前用户设备数目；(5)根据所述当前用户设备数目判定是否满足更改SSB波束的条件；若是，则根据所述三维空间分布更改SSB波束配置。根据上行信号的测量获取UE的分布情况，进而根据UE的分布来决定SSB的波束方向，从而优化SSB的波束配置。该方法存在的不足之处有两点：其一，为保证覆盖，该方法需要实时获取所述SSB波束配置在广播波束覆盖范围中的当前用户设备数目，这在实际的通信网络中一般很难实现。其二，由于目前网络的动态性，针对某一时刻的网络信息得到的SSB波束配置策略，待到该策略执行的时刻，网络状况已经改变，执行的策略已经不适用于此时刻的网络；因此，基于该方法设置的SSB波束配置无法有效的提高覆盖、提升用户感知度。
发明内容
本发明的目的在于针对上述现有技术存在的不足，提出一种基于凸多边形剖分的地对空覆盖的场景化波束生成方法，用于解决现有技术无法实现地对空覆盖场景下天线波束的生成以及现有SSB波束配置无法有效提高覆盖、提升用户感知度的问题。
为了实现上述目的，本发明的思路是：首先，构建一个以不规则多边形为底面，H为高的三维多棱柱的三维低空信号覆盖区域，使得本发明的覆盖场景从现有技术低于100m三维区域拓展到高度至少大于300m，对三维低空信号覆盖区域进行凸多边形剖分并根据蒙特卡洛分析法和自适应权重的PSO算法得到的最佳覆盖上下限计算出各个基站扇区的波束配置范围，使得本发明解决了传统17种场景化波束无法实现300m及以上三维区域的覆盖问题，生成新的地对空覆盖场景下的天线波束。其次，本发明每个基站的波束配置是基于优化目标为各棱柱区域在覆盖率大于或等于R的条件下重叠率最小时得到的，并且波束配置后不再改变，R∈(0,0.99]，使得本发明解决了传统SSB波束优化方法需要动态调节SSB的波束配置带来的网络状态信息和波束配置不匹配的问题，同时生成的波束配置具有较好的覆盖能力，可以极大的提升用户感知度。
为了实现上述目的，本发明的技术方案包括如下：
(1)采用通用墨卡尔投影的方式，得到所有地面基站位置的集合；
(2)构建一个以不规则多边形为底面、H为高的三维多棱柱的三维低空信号覆盖区域：其中，H≤3000米；
(3)对待覆盖区域进行凸多边形剖分：
(3a)采用旋转卡壳算法对基站位置集合进行凸多边形剖分，将三维低空信号覆盖区域的底面均匀剖分为MT个凸n边形，每个凸n边形以基站为顶点，并且任意两个凸n边形中的边要么均不相交，要么恰好有一条为二者的公共边，其中，n的取值为3或4，MT表示剖分后凸n边形的总数；
(3b)对底面划分后的各凸n边形的每条边，沿着三维低空信号覆盖区域进行纵向垂直方向，将待覆盖的不规则棱柱区域划分为多个以凸n边形为底面，H为高的n棱柱区域；
(3c)由n棱柱区域底面的各基站对该区域进行信号覆盖，每个n棱柱区域内的n个基站分别负责覆盖不同的高度范围，将每个基站的覆盖范围建模为以基站为顶点的四棱锥，由此将每个n棱柱区域的信号覆盖问题转化为用多个四棱锥填充一个n棱柱区域，被填充到的区域即实现了信号覆盖；其中，四棱锥的垂直张角、水平张角分别为对应基站扇区的垂直波束的宽度、水平波束宽度；四棱锥与底面的夹角为对应基站扇区的天线上倾角；
(4)生成各基站的波束配置：
(4a)采用蒙特卡洛分析法，计算每个棱柱区域的信号覆盖体积，在每个棱柱区域随机洒落N个点，N>200000，统计四棱锥范围内部点的个数为n1，n1/N为覆盖率，统计两个及以上四棱锥重合范围内点的个数为n2，n2/N为重叠率，每个棱柱区域的体积分别乘以各自的覆盖率和重叠率求得各棱柱区域的覆盖体积和重叠体积，N的个数将根据覆盖率和重叠率的收敛情况来确定，将随着N增大覆盖率和重叠率不再变化时的洒落点作为最佳洒落点；
(4b)采用自适应权重的PSO算法，调节每个棱柱区域内各基站扇区的覆盖上下限，使得各棱柱区域在覆盖率大于或等于R的条件下重叠率最小，R∈(0,0.99]，根据此时得到的各个基站扇区的最佳覆盖上下限计算得到相应的水平波束宽度，垂直波束宽度及上倾角。
(4c)统计各个基站扇区的水平波束宽度，垂直波束宽度及上倾角，取各自的极大值和极小值作为覆盖高度为H时，地面基站为中低空区域提供信号覆盖场景下的波束配置范围。
本发明与现有技术相比，具有如下优点：
第一，由于本发明构建了一个以不规则多边形为底面，H为高的三维多棱柱的三维低空信号覆盖区域，使得本发明的覆盖场景从现有技术低于100m三维区域拓展到高度至少大于300m，对三维低空信号覆盖区域进行凸多边形剖分并根据蒙特卡洛分析法和自适应权重的PSO算法得到的最佳覆盖上下限计算出各个基站扇区的波束配置范围，解决了现有技术中传统的17种场景化波束无法实现300m及以上三维区域的覆盖问题，使得本发明在对地对空覆盖场景下，生成各基站扇区的波束配置，并且无需要反复测试，效率高效，指导了设计地对空场景下天线波束生成。
第二，由于本发明每个基站的波束配置是基于优化目标为各棱柱区域在覆盖率大于或等于R的条件下重叠率最小时得到的，并且波束配置后不再改变，R∈(0,0.99]，解决了现有技术中传统SSB波束优化方法需要动态调节SSB的波束配置带来的网络状态信息和波束配置不匹配的问题，使得本发明生成的波束配置无需实时获取用户数目来调整波束，具有较好的覆盖能力，可以极大的提升用户感知度。
附图说明
图1是本发明的流程图；
图2是本发明场景一中根据基站位置集合Delaunay三角剖分图；
图3是本发明场景一中的地对空覆盖效果图。
图4是本发明场景二中根据基站位置集合Delaunay三角剖分图；
图5是本发明场景二中的地对空覆盖效果图。
具体实施方式
下面参照附图和实施例对本发明做进一步的详细说明。
参照图1，对本发明的具体实现步骤做进一步的详细描述。
步骤1，采用通用墨卡尔投影的方式，得到所有地面基站位置的集合。
将待覆盖的每个基站在经纬坐标系的位置坐标转换为平面坐标系中的相应位置，并将转换后的所有待覆盖的基站坐标位置组成基站位置集合。
步骤2，构建一个以不规则多边形为底面、H为高的三维多棱柱的三维低空信号覆盖区域；其中，H≤3000。
所述的三维低空信号覆盖区域指的是，不规则多边形是由地面基站位置集合中最边界的所有地面基站位置连接形成的外接多边形，H值由低空用户终端的分布高度决定
步骤3，对待覆盖区域进行凸多边形剖分。
采用旋转卡壳算法对基站位置集合进行凸多边形剖分，以凸三边形为例，采用Delaunay三角剖分，将三维低空信号覆盖区域的底面均匀剖分为MT个三角形，每个三角形以基站为顶点，并且任意两个三角形中的边要么均不相交，要么恰好有一条为二者的公共边，MT表示剖分后三角形的总数。
对底面划分后的各三角形的每条边，沿着三维低空信号覆盖区域进行纵向垂直方向，将待覆盖的不规则棱柱区域划分为多个以三角形为底面，H为高的三棱柱区域。
由三棱柱区域底面的各基站对该区域进行信号覆盖，每个三棱柱区域内的三个基站分别负责覆盖不同的高度范围，将每个基站的覆盖范围建模为以基站为顶点的四棱锥，由此将每个三棱柱区域的信号覆盖问题转化为用多个四棱锥填充一个三棱柱区域，被填充到的区域即实现了信号覆盖；其中，四棱锥的垂直张角、水平张角分别为对应基站扇区的垂直波束的宽度、水平波束宽度；四棱锥与底面的夹角为对应基站扇区的天线上倾角。
步骤4，生成各基站的波束配置。
采用蒙特卡洛分析法，计算每个棱柱区域的信号覆盖体积，在每个棱柱区域随机洒落N个点，N>200000，统计四棱锥范围内部点的个数为n1，n1/N为覆盖率，统计两个及以上四棱锥重合范围内点的个数为n2，n2/N为重叠率，每个棱柱区域的体积分别乘以各自的覆盖率和重叠率求得各棱柱区域的覆盖体积和重叠体积，N的个数将根据覆盖率和重叠率的收敛情况来确定，将随着N增大覆盖率和重叠率不再变化时的洒落点作为最佳洒落点。
采用自适应权重的PSO算法，初始化种群个体，包括个体位置和个体速度，个体位置表示各个基站扇区的覆盖上下限个体速度表示个体位置每次变化的步长，初始化种群个体数目，加速常数，加速度权重系数，搜索空间维数。根据蒙特卡洛分析法得到不同个体位置下的覆盖率及重叠率，通过在每一次迭代过程中，自适应更新加速度权重系数，更新个体位置同时跟踪覆盖率大于或等于R时，R∈(0,0.99]，个体本身找到的最低重叠率和整个种群找到的最低覆盖率，覆盖率不再变化或者迭代次数终止时得到的覆盖率为最低覆盖率，根据此时得到的最佳覆盖上限求得各个基站扇区的水平波束宽度，垂直波束宽度及上倾角。
统计各个基站扇区的水平波束宽度，垂直波束宽度及上倾角，取各自的极大值和极小值作为覆盖高度为H时，地面基站为中低空区域提供信号覆盖场景下的波束配置范围。
下面结合仿真实验对本发明方法的效果做进一步的说明：
1.仿真实验条件：
本发明的仿真实验的应用平台为：处理器为8核AMD RyzenTM7 4800U 64位CPU，主频为1.80GHz，GPU为AMD RadeonTMGraphics GPU，内存16GB。
本发明的仿真实验的软件平台为：windows10操作系统和MatlabR2018a。
2.仿真内容及结果分析：
本发明仿真实验是采用本发明的方法在两种不同的场景下实现地对空覆盖场景下天线波束的生成。
场景一为地面基站按给定位置部署在15.18平方千米的网络场景下，待覆盖的基站数目为9，网络场景的高度H设置为300m，载波频率为2.6GHz，覆盖率要求至少大于90％。
采用通用墨卡尔投影的方式，得到如表1所示的场景一的基站位置集合。
表1场景一基站位置集合一览表
序号 横坐标/m 纵坐标/m 天线挂高/m
1 459243.06 3248533.68 18
2 456530.81 3249208.41 28
3 456343.56 3250233.99 28
4 458416.74 3249232.47 15
5 458650.78 3250628.63 15
6 461444.28 3248254.42 16
7 453838.47 3249430.79 21
8 463830.46 3248844.3 28
9 462541.35 3250629.95 28
图2为9个基站经通用墨卡尔投影后在平面坐标系下的分布图，图2中的X1-X9表示第1个到第9个基站的位置，横轴代表基站的x坐标，其取值为452km到464km,纵轴代表基站的y坐标，其取值为3248km到3251km。依据每个基站位置进行Delaunay三角剖分，将整个15.18平方千米区域划分为9个三角区域。沿着每个三角区域底面划分后的各三角形的每条边，对三维低空信号覆盖区域进行纵向垂直划分，将待覆盖的不规则棱柱区域划分为9个以三角形为底面，高为300m的三角柱区域。
表2场景一各基站扇区波束配置一览表
表2为利用自适应权重的PSO算法得到的每个基站扇区的波束配置表，在表2的配置下，整个网络的覆盖率为90％，重叠率为31％。对表2中的各项参数取极大值和极小值，分别得到垂直波束宽度范围为3.06°到41.31°，水平波束宽度范围为4.55°到170.75°，上倾角范围为0.75°到43.06°。
采用自适应权重的PSO算法得到各个基站扇区配置的计算步骤如下：
第一步，初始化种群个体，包括个体位置和个体速度，个体位置表示各个基站扇区的覆盖上下限，初始值为0到900m，个体速度表示个体位置每次变化的步长，初始值为-3到3内的随机值，初始化种群个体数目为20，加速常数为2左右的随机值，加速度权重系数最大值为0.4，最小值为0.9，搜索空间维数为6。
第二步，根据蒙特卡洛分析法,在每个棱柱区域随机洒落10e7个点,统计四棱锥范围内部点的个数为n1，n1/10e7为覆盖率，统计两个及以上四棱锥重合范围内点的个数为n2，n2/10e7为重叠率，得到不同个体位置下的覆盖率及重叠率，通过在每一次迭代过程中，自适应更新加速度权重系数和个体位置，同时跟踪覆盖率大于或等于R时，R∈(0,0.99]，个体本身找到的最低重叠率和整个种群找到的最低覆盖率，覆盖率不再变化或者迭代次数终止时得到的覆盖率为最低覆盖率，根据此时得到的最佳覆盖上限求得各个基站扇区的水平波束宽度，垂直波束宽度及上倾角。
第三步，统计各个基站扇区的水平波束宽度，垂直波束宽度及上倾角，取各自的极大值与极小值即得到该场景下天线波束配置范围。
图3是根据表2中的波束配置得到的地对空覆盖效果图。横轴代表x坐标，其取值为452km到464km，纵轴代表y坐标，其取值为3248km到3251km，竖轴代表z坐标，其取值为0m到1000m。图中阴影部分为覆盖区域，空白区域为未覆盖区域。
场景二为地面基站按给定位置部署在100平方千米的网络场景下，待覆盖的基站数目为13，网络场景的高度H设置为300m，载波频率为2.6GHz。
表3为覆盖率要求至少大于85％时各基站的位置集合表。
表3基站位置集合一览表
序号 横坐标/m 纵坐标/m 天线挂高/m
1 -3333.33 -3333.33 28.00
2 -3333.33 0.00 28.00
3 -3333.33 3333.33 28.00
4 0.00 -3333.33 28.00
5 0.00 0.00 28.00
6 0.00 3333.33 28.00
7 3333.33 -3333.33 28.00
8 3333.33 0.00 28.00
9 3333.33 3333.33 28.00
10 -5000.00 -5000.00 28.00
11 -5000.00 5000.00 28.00
12 5000.00 5000.00 28.00
13 5000.00 -5000.00 28.00
下面结合图4，图5的仿真图对本发明的效果做进一步的描述。
图4为表3中13个基站在平面坐标系下的分布，图4中的X1-X13表示第1个到第13个基站的位置，横轴代表基站的x坐标，其取值为-5km到5km,纵轴代表基站的y坐标，其取值为-5km到5km。依据每个基站位置进行Delaunay三角剖分，将整个100平方千米区域划分为20个三角区域。沿着每个三角区域底面划分后的各三角形的每条边，对三维低空信号覆盖区域进行纵向垂直划分，将待覆盖的不规则棱柱区域划分为20个以三角形为底面，高为300m的三角柱区域。
表4为利用和场景一相同的算法得到的每个基站扇区的波束配置表，在表4的配置下，整个网络的覆盖率为88％，重叠率为32％。对表4中的各项参数取极大值和极小值，分别得到垂直波束宽度范围为1.72°到30.33°，水平波束宽度范围为18.43°到143.13°，上倾角范围为0.38°到24.43°。
图5是根据表4中的波束配置得到的地对空覆盖效果图。横轴代表x坐标，其取值为-5km到5km，纵轴代表y坐标，其取值为-5km到5km，竖轴代表z坐标，其取值为0m到1000m。图中阴影部分为覆盖区域，空白区域为未覆盖区域。
表4场景二基站扇区波束配置一览表
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于凸多边形剖分的地对空覆盖的场景化波束生成方法，其特征在于，对三维低空信号覆盖区域进行任意的凸多边形剖分，计算每个棱柱区域的覆盖体积和重叠体积；该场景化波束生成方法的具体步骤包括如下：
步骤1，采用通用墨卡尔投影的方式，得到所有地面基站位置的集合；
步骤2，构建一个以不规则多边形为底面、H为高的三维多棱柱的三维低空信号覆盖区域；其中，H≤3000；
步骤3，对待覆盖区域进行凸多边形剖分：
(3a)采用旋转卡壳算法对基站位置集合进行凸多边形剖分，将三维低空信号覆盖区域的底面均匀剖分为MT个凸n边形，每个凸n边形以基站为顶点，并且任意两个凸n边形中的边要么均不相交，要么恰好有一条为二者的公共边，其中，n的取值为3或4，MT表示剖分后凸n边形的总数；
(3b)对底面划分后的各凸n边形的每条边，沿着三维低空信号覆盖区域进行纵向垂直方向，将待覆盖的不规则棱柱区域划分为多个以凸n边形为底面，H为高的n棱柱区域；
(3c)由n棱柱区域底面的各基站对该区域进行信号覆盖，每个n棱柱区域内的n个基站分别负责覆盖不同的高度范围，将每个基站的覆盖范围建模为以基站为顶点的四棱锥，由此将每个n棱柱区域的信号覆盖问题转化为用多个四棱锥填充一个n棱柱区域，被填充到的区域即实现了信号覆盖；其中，四棱锥的垂直张角、水平张角分别为对应基站扇区的垂直波束的宽度、水平波束宽度；四棱锥与底面的夹角为对应基站扇区的天线上倾角；
步骤4，生成各基站的波束配置：
(4a)采用蒙特卡洛分析法，计算每个棱柱区域的信号覆盖体积，在每个棱柱区域随机洒落N个点，N≥200000，统计四棱锥范围内部点的个数为n1，n1/N为覆盖率，统计两个及以上四棱锥重合范围内点的个数为n2，n2/N为重叠率，每个棱柱区域的体积分别乘以各自的覆盖率和重叠率求得各棱柱区域的覆盖体积和重叠体积，N的个数将根据覆盖率和重叠率的收敛情况来确定，将随着N增大覆盖率和重叠率不再变化时的洒落点作为最佳洒落点；
(4b)采用自适应权重的PSO算法，调节每个棱柱区域内各基站扇区的覆盖上下限，使得各棱柱区域在覆盖率大于或等于R的条件下重叠率最小，R∈(0,0.99]，根据此时得到的各个基站扇区的最佳覆盖上下限计算得到相应的水平波束宽度，垂直波束宽度及上倾角；
(4c)统计各个基站扇区的水平波束宽度，垂直波束宽度及上倾角，取各自的极大值和极小值作为覆盖高度为H时，地面基站为中低空区域提供信号覆盖场景下的波束配置范围。
2.根据权利要求1所述的基于凸多边形剖分的地对空覆盖的场景化波束生成方法，其特征在于，步骤2中所述三维低空信号覆盖区域指的是，不规则多边形是由地面基站位置集合中最边界的所有地面基站位置连接形成的外接多边形，H值由低空用户终端的分布高度决定。
CN202111312875.1A 2021-11-08 2021-11-08 基于凸多边形剖分的地对空覆盖的场景化波束生成方法 Active CN114095955B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111312875.1A CN114095955B (zh) 2021-11-08 2021-11-08 基于凸多边形剖分的地对空覆盖的场景化波束生成方法
US17/752,865 US11778487B2 (en) 2021-11-08 2022-05-25 Scene-based beam generation method for ground-to-air coverage based on convex polygon subdivision

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111312875.1A CN114095955B (zh) 2021-11-08 2021-11-08 基于凸多边形剖分的地对空覆盖的场景化波束生成方法

Publications (2)

Publication Number Publication Date
CN114095955A CN114095955A (zh) 2022-02-25
CN114095955B true CN114095955B (zh) 2023-08-18

Family

ID=80299229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111312875.1A Active CN114095955B (zh) 2021-11-08 2021-11-08 基于凸多边形剖分的地对空覆盖的场景化波束生成方法

Country Status (2)

Country Link
US (1) US11778487B2 (zh)
CN (1) CN114095955B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114095955B (zh) * 2021-11-08 2023-08-18 西安电子科技大学 基于凸多边形剖分的地对空覆盖的场景化波束生成方法
CN114980136B (zh) * 2022-05-20 2023-06-30 西安电子科技大学 一种高能效的地面基站对低空立体信号覆盖方法
CN117082536B (zh) * 2023-10-08 2024-04-12 香港中文大学（深圳） 一种基于强化学习的空地网络协同覆盖方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2632061A1 (en) * 2012-02-27 2013-08-28 Agence Spatiale Européenne A method and a system of providing multi-beam coverage of a region of interest in multi-beam satellite communication.
CN111279627A (zh) * 2017-10-30 2020-06-12 瑞典爱立信有限公司 无线电接入网的波束选择和合并
CN113419561A (zh) * 2021-07-12 2021-09-21 西安电子科技大学 一种分布式空中基站高动态部署方法
CN113596856A (zh) * 2021-08-05 2021-11-02 西安电子科技大学 基于三角剖分优化的地对空无空洞协同覆盖方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8145208B2 (en) * 2006-10-31 2012-03-27 Gogo Llc Air-to-ground cellular communication network terrestrial base station having multi-dimensional sectors with alternating radio frequency polarizations
US7146296B1 (en) * 1999-08-06 2006-12-05 Agere Systems Inc. Acoustic modeling apparatus and method using accelerated beam tracing techniques
US6901310B2 (en) * 2000-11-06 2005-05-31 Siemens Aktiengesellschaft Method and system for approximately reproducing the surface of a workpiece
GB2481614B (en) * 2010-06-30 2017-11-22 Fujitsu Ltd Coverage hole compensation in wireless communication networks
US9014704B2 (en) * 2013-03-15 2015-04-21 Smartsky Networks LLC Concentric cells in a wireless communication system
US9008669B2 (en) * 2013-03-15 2015-04-14 Smartsky Networks LLC Wedge shaped cells in a wireless communication system
KR102396407B1 (ko) * 2016-01-19 2022-05-10 한국전자통신연구원 빔 포밍 방식 기반 이동통신 시스템의 셀 관리 장치 및 방법, 그리고 이동통신 시스템
KR102586208B1 (ko) * 2016-11-17 2023-10-10 삼성전자 주식회사 물체의 재질 정보 및 외부 형태 정보를 고려한 통신 채널 분석 방법 및 장치
JP6575493B2 (ja) * 2016-11-30 2019-09-18 株式会社豊田中央研究所 制御装置、移動体の分散制御プログラム
CN114095955B (zh) * 2021-11-08 2023-08-18 西安电子科技大学 基于凸多边形剖分的地对空覆盖的场景化波束生成方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2632061A1 (en) * 2012-02-27 2013-08-28 Agence Spatiale Européenne A method and a system of providing multi-beam coverage of a region of interest in multi-beam satellite communication.
CN111279627A (zh) * 2017-10-30 2020-06-12 瑞典爱立信有限公司 无线电接入网的波束选择和合并
CN113419561A (zh) * 2021-07-12 2021-09-21 西安电子科技大学 一种分布式空中基站高动态部署方法
CN113596856A (zh) * 2021-08-05 2021-11-02 西安电子科技大学 基于三角剖分优化的地对空无空洞协同覆盖方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李建东.5G超密集无线网络自组织技术.物联网学报.2018,全文. *

Also Published As

Publication number Publication date
CN114095955A (zh) 2022-02-25
US11778487B2 (en) 2023-10-03
US20230146215A1 (en) 2023-05-11

Similar Documents

Publication Publication Date Title
CN114095955B (zh) 基于凸多边形剖分的地对空覆盖的场景化波束生成方法
Rautiainen et al. Verifying path loss and delay spread predictions of a 3D ray tracing propagation model in urban environment
CA2358028C (en) Path loss data normalization for growth management of a cellular system
Kurner et al. Prediction of outdoor and outdoor-to-indoor coverage in urban areas at 1.8 GHz
US7035632B2 (en) Path loss data normalization for growth management of a cellular system
US7668708B2 (en) Method and apparatus for network planning
CN113596856B (zh) 基于三角剖分优化的地对空无空洞协同覆盖方法
CN110113763B (zh) 基于感知的移动高空通信平台自适应覆盖优化方法
CN113766518B (zh) 基站天线选择和广播波束规划方法及装置
CN113191027A (zh) 基于地形二维、三维矩阵化辐射源信号强度分布计算方法
Ojaniemi et al. Effect of geolocation database update algorithms to the use of TV white spaces
CN114980136B (zh) 一种高能效的地面基站对低空立体信号覆盖方法
Wang et al. A new method for radio wave propagation prediction based on bp-neural network and path loss model
CN114390534A (zh) 波束模式确定方法、装置、电子设备及存储介质
CN114553270B (zh) 天线广播波束配置方法、装置、电子设备和存储介质
Oda et al. Clustering of local scattered multipath components in urban mobile environments
Miyamoto et al. Height pattern estimation method using the combination of radio map and 3D map for spectrum sharing
Czapiga et al. Playable ray tracing for real-time exploration of radio propagation in wireless networks
CN114254868A (zh) 建筑物高度指标的测算方法、服务器及存储介质
CN113660673B (zh) 一种基于面元法的超短波通信地图构建方法
CN115134817A (zh) 5g波束赋形优化方法及系统
EP2596657B1 (en) Methods and arrangements for estimating signal strength in a sub-region
CN115474202A (zh) 基站配置方法、装置、电子设备和存储介质
Hata et al. Estimation formula of unmanned aerial vehicle base stations density for required line-of-sight probability in urban environments
Elsagher et al. On the Spatial Correlation of UAV-to-Ground Excess Path-Loss

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