CN114554503B - 一种组网信息确认方法、装置及用户设备 - Google Patents
一种组网信息确认方法、装置及用户设备 Download PDFInfo
- Publication number
- CN114554503B CN114554503B CN202011329760.9A CN202011329760A CN114554503B CN 114554503 B CN114554503 B CN 114554503B CN 202011329760 A CN202011329760 A CN 202011329760A CN 114554503 B CN114554503 B CN 114554503B
- Authority
- CN
- China
- Prior art keywords
- information
- networking
- target
- signal intensity
- building space
- 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
Links
- 230000006855 networking Effects 0.000 title claims abstract description 345
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012790 confirmation Methods 0.000 title claims abstract description 32
- 238000009826 distribution Methods 0.000 claims abstract description 167
- 238000003062 neural network model Methods 0.000 claims abstract description 43
- 238000010586 diagram Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims description 36
- 238000012360 testing method Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000011176 pooling Methods 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000010191 image analysis Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000009434 installation Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
-
- 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
Abstract
本发明提供一种组网信息确认方法、装置及用户设备，涉及用户设备技术领域。该方法包括：通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到第一建筑空间的户型图信息；根据户型图信息，确定第一建筑空间内可部署无线组网设备的至少一个第一区域；根据信号覆盖点信息和户型图信息，确定各个第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息；根据至少一组第一信号强度分布信息，从至少一个第一区域中确定第一组网信息；其中，第一组网信息包括设备部署目标区域以及组网设备目标数量中的至少一项。本发明的方案，解决了现有技术中进行AP组网的方案设计时的成本及时间消耗大的问题。
Description
技术领域
本发明涉及用户设备技术领域，特别是指一种组网信息确认方法、装置及用户设备。
背景技术
随着无线局域网的发展，人们在家中或公司里的等任何空间内都可以安装无线局域网。无线局域网的无线保真技术(Wireless Fidelity，简称WIFI)信号在实际的传播过程中，由于距离及障碍物因素必然存在强度的衰减，能量衰减是不可避免的，因此无线局域网的覆盖范围也是有限的。在一个安装有无线局域网的空间中，为了获取更好的信号质量及更广的覆盖范围，需要进行无线访问接入点(WirelessAccessPoint，简称AP)组网的方案设计，它可以直接决定室内空间的信号质量。
在进行AP组网的方案设计时，需要在空间中考虑无线AP的摆放位置及数量。现有技术中的组网方案设计至少存在如下技术问题：进行AP组网的方案设计时，业务人员需要上门进行现场操作；需要进行大量实地测量及计算评估工作，因此会消耗大量的人力物力成本及时间；不能为用户提供可视化的无线AP安装或调整效果的展示，用户体验欠佳。
发明内容
本发明的目的是提供一种组网信息确认方法、装置及用户设备，解决了现有技术中进行AP组网的方案设计时的成本及时间消耗大，且不能可视化展示组网效果的问题。
为达到上述目的，本发明的实施例提供一种组网信息确认方法，包括：
通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息；
根据所述户型图信息，确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域；
根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息；
根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息；
其中，所述第一组网信息包括设备部署目标区域以及组网设备目标数量中的至少一项。
可选地，所述通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息，包括：
通过所述深度神经网络模型的卷积和池化操作，提取所述第一图像的特征信息；
通过所述深度神经网络模型的卷积和上采样操作，将所述特征信息与所述第一图像上的像素点建立对应关系；
根据所述特征信息与所述对应关系，对所述第一图像的每个像素点进行分析，得到所述第一建筑空间的户型图信息；
其中，所述户型图信息包括比例尺信息和像素点信息，以及，像素点所对应的坐标信息和建筑介质信息。
可选地，所述根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息，包括：
根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息；其中，所述目标组网信息包括组网设备数量信息和设备部署区域信息；
分别获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息；
确定所述至少两个目标组网信息中，是否存在满足预设条件的目标组网信息；
在存在满足预设条件的目标组网信息的情况下，则记录满足预设条件的目标组网信息作为备选组网信息；否则，将所述预设数量增大后作为新的预设数量，并返回所述根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息，直至获得备选组网信息；
将所述备选组网信息所对应的所述第一建筑空间的信号强度分布信息确定为所述第一信号强度分布信息。
可选地，所述根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息，包括：
根据所述至少一组第一信号强度分布信息，确定每组第一信号强度分布信息所对应的所述第一建筑空间的覆盖点信号强度和覆盖点信号强度方差；
根据所述覆盖点信号强度和所述覆盖点信号强度方差，从所述至少一组第一信号强度分布信息中得到目标信号强度分布信息；
根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量。
可选地，所述预设条件包括：
所述第一建筑空间内的每一信号覆盖点的信号强度都大于第一阈值。
可选地，所述信号覆盖点为需要信号覆盖且所对应的建筑介质为第一介质的坐标点。
可选地，在根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量之后，所述组网信息确认方法还包括：
根据所述组网设备目标数量和所述设备部署目标区域，确定当前组网信息，并依照当前组网信息部署无线组网设备；
根据当前组网信息，获取所述第一建筑空间的信号强度分布信息；
在所述第一建筑空间内选定至少一个信号测试点，分别获取每个信号测试点处的各个无线组网设备的实际信号强度；
根据所述实际信号强度信息和所述信号强度分布信息，获得建筑介质衰减修正系数和传输模型常量参数修正系数；
根据所述建筑介质衰减修正系数和所述传输模型常量参数修正系数，获得第一建筑空间内的修正信号强度分布信息。
可选地，在所述获得第一建筑空间内的修正信号强度分布信息之后，所述组网信息确认方法还包括：
显示所述第一建筑空间内的修正信号强度分布信息。
可选地，所述第一建筑空间的信号强度分布信息中的各坐标点的信号强度由各个无线组网设备在该坐标点的信号强度的最大值确定。
为达到上述目的，本发明的实施例提供一种组网信息确认装置，包括：
图像解析模块，用于通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息；
区域确定模块，用于根据所述户型图信息，确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域；
强度确定模块，用于根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息；
信息确定模块，用于根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息；
其中，所述第一组网信息包括设备部署目标区域以及组网设备目标数量中的至少一项。
可选地，所述图像解析模块包括：
特征提取单元，用于通过所述深度神经网络模型的卷积和池化操作，提取所述第一图像的特征信息；
关系建立单元，用于通过所述深度神经网络模型的卷积和上采样操作，将所述特征信息与所述第一图像上的像素点建立对应关系；
图像分析单元，用于根据所述特征信息与所述对应关系，对所述第一图像的每个像素点进行分析，得到所述第一建筑空间的户型图信息；
其中，所述户型图信息包括比例尺信息和像素点信息，以及，像素点所对应的坐标信息和建筑介质信息。
可选地，所述强度确定模块包括：
信息确定单元，用于根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息；其中，所述目标组网信息包括组网设备数量信息和设备部署区域信息；
强度确定单元，用于分别获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息；
目标确定单元，用于确定所述至少两个目标组网信息中，是否存在满足预设条件的目标组网信息；
第一处理单元，用于在存在满足预设条件的目标组网信息的情况下，则记录满足预设条件的目标组网信息作为备选组网信息；否则，将所述预设数量增大后作为新的预设数量，并返回所述根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息，直至获得备选组网信息；
第二处理单元，用于将所述备选组网信息所对应的所述第一建筑空间的信号强度分布信息确定为所述第一信号强度分布信息。
可选地，所述信息确定模块包括：
第一确定单元，用于根据所述至少一组第一信号强度分布信息，确定每组第一信号强度分布信息所对应的所述第一建筑空间的覆盖点信号强度和覆盖点信号强度方差；
第三处理单元，用于根据所述覆盖点信号强度和所述覆盖点信号强度方差，从所述至少一组第一信号强度分布信息中得到目标信号强度分布信息；
第四处理单元，用于根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量。
可选地，所述预设条件包括：
所述第一建筑空间内的每一信号覆盖点的信号强度都大于第一阈值。
可选地，所述信号覆盖点为需要信号覆盖且所对应的建筑介质为第一介质的坐标点。
可选地，所述组网信息确认装置还包括：
第一确定模块，用于根据所述组网设备目标数量和所述设备部署目标区域，确定当前组网信息，并依照当前组网信息部署无线组网设备；
模块，用于根据当前组网信息，获取所述第一建筑空间的信号强度分布信息；
强度测试模块，用于在所述第一建筑空间内选定至少一个信号测试点，分别获取每个信号测试点处的各个无线组网设备的实际信号强度；
修正系数模块，用于根据所述实际信号强度信息和所述信号强度分布信息，获得建筑介质衰减修正系数和传输模型常量参数修正系数；
信息获取模块，用于根据所述建筑介质衰减修正系数和所述传输模型常量参数修正系数，获得第一建筑空间内的修正信号强度分布信息。
可选地，所述组网信息确认装置还包括：
强度显示模块，用于显示所述第一建筑空间内的修正信号强度分布信息。
可选地，所述第一建筑空间的信号强度分布信息中的各坐标点的信号强度由各个无线组网设备在该坐标点的信号强度的最大值确定。
为达到上述目的，本发明的实施例提供一种用户设备，包括处理器，所述处理器用于：
通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息；
根据所述户型图信息，确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域；
根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息；
根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息；
其中，所述第一组网信息包括设备部署目标区域以及组网设备目标数量中的至少一项。
可选地，所述处理器还用于：
通过所述深度神经网络模型的卷积和池化操作，提取所述第一图像的特征信息；
通过所述深度神经网络模型的卷积和上采样操作，将所述特征信息与所述第一图像上的像素点建立对应关系；
根据所述特征信息与所述对应关系，对所述第一图像的每个像素点进行分析，得到所述第一建筑空间的户型图信息；
其中，所述户型图信息包括比例尺信息和像素点信息，以及，像素点所对应的坐标信息和建筑介质信息。
可选地，所述处理器还用于：
根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息；其中，所述目标组网信息包括组网设备数量信息和设备部署区域信息；
分别获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息；
确定所述至少两个目标组网信息中，是否存在满足预设条件的目标组网信息；
在存在满足预设条件的目标组网信息的情况下，则记录满足预设条件的目标组网信息作为备选组网信息；否则，将所述预设数量增大后作为新的预设数量，并返回所述根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息，直至获得备选组网信息；
将所述备选组网信息所对应的所述第一建筑空间的信号强度分布信息确定为所述第一信号强度分布信息。
可选地，所述处理器还用于：
根据所述至少一组第一信号强度分布信息，确定每组第一信号强度分布信息所对应的所述第一建筑空间的覆盖点信号强度和覆盖点信号强度方差；
根据所述覆盖点信号强度和所述覆盖点信号强度方差，从所述至少一组第一信号强度分布信息中得到目标信号强度分布信息；
根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量。
可选地，所述预设条件包括：
所述第一建筑空间内的每一信号覆盖点的信号强度都大于第一阈值。
可选地，所述信号覆盖点为需要信号覆盖且所对应的建筑介质为第一介质的坐标点。
可选地，所述处理器还用于：
根据所述组网设备目标数量和所述设备部署目标区域，确定当前组网信息，并依照当前组网信息部署无线组网设备；
根据当前组网信息，获取所述第一建筑空间的信号强度分布信息；
在所述第一建筑空间内选定至少一个信号测试点，分别获取每个信号测试点处的各个无线组网设备的实际信号强度；
根据所述实际信号强度信息和所述信号强度分布信息，获得建筑介质衰减修正系数和传输模型常量参数修正系数；
根据所述建筑介质衰减修正系数和所述传输模型常量参数修正系数，获得第一建筑空间内的修正信号强度分布信息。
可选地，所述处理器还用于：
显示所述第一建筑空间内的修正信号强度分布信息。
可选地，所述第一建筑空间的信号强度分布信息中的各坐标点的信号强度由各个无线组网设备在该坐标点的信号强度的最大值确定。
为达到上述目的，本发明的实施例提供一种用户设备，包括收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令；所述处理器执行所程序或指令时实现如上所述的组网信息确认方法。
为达到上述目的，本发明的实施例提供一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的组网信息确认方法中的步骤。
本发明的上述技术方案的有益效果如下：
本发明实施例的组网信息确认方法，无需人员实地测量，所有操作均可远程操作完成，并能自动生成组网方案设计的推荐结果，可以直观地显示室内空间的信号强度分布和覆盖范围以及无线组网设备的安装或调整效果，极大地节省了各项成本，操作简单，评估准确，提升了用户体验。
附图说明
图1为本发明实施例的组网信息确认方法示意图；
图2为本发明实施例的深度神经网络模型示意图；
图3为本发明实施例的第一组网信息的确定流程；
图4为本发明实施例的第一建筑空间的信号强度确认流程；
图5为本发明实施例的组网信息确认装置示意图；
图6为本发明实施例的用户设备的结构图；
图7为本发明另一实施例的用户设备的结构图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中，应理解，下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。
另外，本文中术语“系统”和“网络”在本文中常可互换使用。
在本申请所提供的实施例中，应理解，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。
如图1所示，本发明实施例的一种组网信息确认方法，包括：
步骤101，通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息。
这里，第一图像可以为第一建筑空间所对应的户型图、装修效果图或者开发商营销推广图等，该图像可以由用户提供或者从互联网中检索获取。所述户型图信息包括比例尺信息和像素点信息，以及，像素点所对应的坐标信息和建筑介质信息。应该知道的是，所述第一图像的像素点和第一建筑空间的坐标点是对应的，相关的距离可以根据比例尺信息进行换算。
步骤102，根据所述户型图信息，确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域。
这里，也就是确定可部署无线组网设备的区域，该区域可理解为组网设备可部署点的集合，而可部署点对应第一图像上的非墙体且非门窗等建筑介质类型的点位(即像素点)。
步骤103，根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息。
这里，信号覆盖点信息也可以理解为参考点位信息，即需要信号覆盖的点位的信息，具体可以由用户的覆盖需求决定。可选地，所述第一建筑空间的信号强度分布信息中的各坐标点的信号强度由各个无线组网设备在该坐标点的信号强度的最大值确定。
步骤104，根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息；
其中，所述第一组网信息包括设备部署目标区域以及组网设备目标数量中的至少一项。
也就是说，可以从所述至少一组第一信号强度分布信息中，选择出一组较佳的信号强度分布信息，并将该信号强度分布信息所对应的组网信息作为第一组网信息(即推荐组网方案)，从而可以将第一组网信息推荐给客户，以供客户进行无线组网时参考。
按照上述步骤，本发明实施例的方法，基于深度神经网络模型UNET，对户型图中墙体、门窗等障碍物进行精准识别并归类，极大提高了后续无线信号衰减模型计算的准确度，且无需装维人员携带大量设备至布网地点进行实地调试测试，所有操作均可远程操作完成，并能自动生成组网方案设计的推荐结果，极大地节省了各项成本，操作简单，评估准确，提升了用户体验。
可选地，所述通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息，包括：
通过所述深度神经网络模型的卷积和池化操作，提取所述第一图像的特征信息。这里，特征信息可以为图像的轮廓特征等信息。
通过所述深度神经网络模型的卷积和上采样操作，将所述特征信息与所述第一图像上的像素点建立对应关系；
根据所述特征信息与所述对应关系，对所述第一图像的每个像素点进行分析，得到所述第一建筑空间的户型图信息；
其中，所述户型图信息包括比例尺信息和像素点信息，以及，像素点所对应的坐标信息和建筑介质信息。
这里，考虑到在对第一图像进行解析时，各种类型的第一图像之间差别巨大，图像逻辑语义复杂，无法通过一般规则或马尔可夫随机场等概率图模型进行解析，因此，可以采用深度神经网络模型对第一图像进行语义分割，即利用深度神经网络模型对第一图像进行识别。具体的，我们可以通过深度神经网络模型，对第一图像进行处理，提取出第一图像中的墙体、非墙体、门和窗等各类建筑介质信息，并计算出第一图像的比例尺，以供后续进行无线信号强度的获取时使用。
本申请一实施例中，基于深度神经网络模型的图像识别(解析)过程如下：
首先，对样本集图片(灰度图)中的每个像素点进行标注。比如，可以将承重墙体标注为0，将其他墙体标注为1，将非墙体标注为2，或将其他各种建筑介质如门标注为3，将窗标注为4等等，从而可以生成与样本图片对应的标签图片。也就是说，生成的标签图片为多值图像，不同的像素值分别对应不同的建筑介质类型。因此，经过学习的深度神经网络模型，可以针对输入的图像，判断图像中的每个像素点是哪种建筑介质类型。
本申请其中一实施例中的深度神经网络模型如图2所示，其总体架构可采用UNET框架，由27个卷积层组成，模型参数超过9000万个；
深度神经网络模型的输入可以是512x512的三通道彩色图片，经过深度神经网络模型的卷积和池化操作(如图2的左半部分所示)，去除杂余信息保留关键信息，完成图像浅层特征到深层特征的提取。每个卷积模块操作后，图像尺寸减半，通道数增加；在后三个卷积模块中加入dropout增强模型泛化能力，可以防止过拟合；这里，如图2的左半部分所示的过程可以理解为图像编码过程；
如图2的右半部分所示，为深度神经网络模型的卷积和上采样操作。通过concatenate操作，可以将深度神经网络模型左右对应的卷积模块的输出拼接起来，将上述图像编码过程得到的特征信息恢复到原图像尺寸上去，确保在恢复原图像尺寸的过程中，编码各阶段的图像特征得到了有效的保留；这里，如图2的右半部分所示的过程可以理解为图像解码过程；
最后，根据任务的要求，对通过编码到解码过程后得到的特征图中的每个像素点进行多分类，可以得到与原图对应的户型图，该户型图的户型图信息包括比例尺信息和像素点信息，以及，像素点所对应的坐标信息和建筑介质信息。
可选地，所述根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息，包括：
根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息；其中，所述目标组网信息包括组网设备数量信息和设备部署区域信息；
分别获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息。
这里，第一建筑空间的无线信号强度与第一图像中像素点的信号强度对应，可以通过无线信号的室内空间传输损耗衰减计算，获得所述第一建筑空间的信号强度分布信息。本申请一实施例中，无线信号在室内空间中的信号强度衰减公式(即无线信号衰减模型)为：
RSSI＝Pt-Ld-M-(N×Lc)
其中，Pt为设备发射功率，单位为dBm；Ld为自由空间信号损耗；M为衰减储备，单位为dBm，其具体值受多因素影响需要拟合修正；N为穿越障碍物厚度，单位为m；Lc为单位厚度建筑介质损耗系数，单位为dBm/m，不同建材的衰减系数(即单位厚度建筑介质损耗系数)不同。
其中，Ld的计算公式为：
Ld＝32.4+20×log(D)+20×log(M1)
其中，D为距离，单位为Km；M1为信号频率，单位为MHZ。
也就是说，可以计算当前像素点与当前组网设备间直线距离D，通过连通域和比例尺计算及图像语义分割获得连线上穿越障碍物的厚度及建材类型，由此可得图像位置与组网设备间的穿墙损耗Σ(N×Lc)，将获取的参数带入上述信号强度衰减公式，即可得到当前像素点的信号强度，进而得到获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息。
综上，通过上述无线信号衰减模型，可以针对跨越不同介质和空间角度的信号强度进行计算，从而得到相对准确的信号强度覆盖估值(即所述信号强度分布信息)。
确定所述至少两个目标组网信息中，是否存在满足预设条件的目标组网信息；
在存在满足预设条件的目标组网信息的情况下，则记录满足预设条件的目标组网信息作为备选组网信息；否则，将所述预设数量增大后作为新的预设数量，并返回所述根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息，直至获得备选组网信息；
将所述备选组网信息所对应的所述第一建筑空间的信号强度分布信息确定为所述第一信号强度分布信息。
这里，将所述预设数量增大后作为新的预设数量时，可以在预设数量的基础上加1或者其他合理的数量，逐步测试。
可选地，所述根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息，包括：
根据所述至少一组第一信号强度分布信息，确定每组第一信号强度分布信息所对应的所述第一建筑空间的覆盖点信号强度和覆盖点信号强度方差；
根据所述覆盖点信号强度和所述覆盖点信号强度方差，从所述至少一组第一信号强度分布信息中得到目标信号强度分布信息。
本申请一实施例中，可以通过以下公式计算P的值，从而从所述至少一组第一信号强度分布信息中选择P值最大的一组，作为目标信号强度分布信息：
P＝(1-M)×ΣS+M/V
其中，M为权重系数，且M小于1；S为覆盖点信号强度；V为覆盖点信号强度方差。
根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量。
也就是说，将所述目标信号强度分布信息对应的组网设备数量作为组网设备目标数量，并将所述目标信号强度分布信息对应的设备部署区域作为设备部署目标区域。
如此，本发明实施例的方法，可以将所述目标信号强度分布信息对应的组网信息作为最优化方案(即推荐组网方案)，推荐给用户，该推荐组网方案可以有效覆盖用户已选区域(即需要信号覆盖的区域)。
该实施例中，可选地，所述预设条件包括：
所述第一建筑空间内的每一信号覆盖点的信号强度都大于第一阈值。
这里，信号覆盖点即为第一建筑空间内的需要信号覆盖的参考点位(也就是需要信号覆盖的坐标点)，其对应的建筑介质为非墙体、非门窗等。
可选地，所述信号覆盖点为需要信号覆盖且所对应的建筑介质为第一介质的坐标点。
可选地，在根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量之后，所述组网信息确认方法还包括：
根据所述组网设备目标数量和所述设备部署目标区域，确定当前组网信息，并依照当前组网信息部署无线组网设备。
这里，可以参考推荐组网方案(即所述组网设备目标数量和所述设备部署目标区域)，并根据该组网方案实地安装无线组网设备。
根据当前组网信息，获取所述第一建筑空间的信号强度分布信息。
这里，当前组网信息包括当前组网设备数量和当前设备部署区域。具体的，依照当前组网信息部署无线组网设备后，可以获取当前组网信息，获取的方式可以是从用户提供的第一建筑空间的第一图像获取，比如，获取用户提供的标注了第一建筑空间安装的无线组网设备的图像，进而识别获取当前组网信息，或者用户对第一建筑空间内安装的无线组网拍照，获取该照片后结合第一建筑空间的第一图像获取当前组网信息。
在所述第一建筑空间内选定至少一个信号测试点，分别获取每个信号测试点处的各个无线组网设备的实际信号强度。
这里，在获取用户在特定位置(即所述信号测试点)的实际信号强度时，可以使用手机APP获取，比如使用装维APP获取。应该知道的是，在进行一个测试点的测试时，由于同时只能有一个无线组网设备(无线AP)运行，所以获得在该测试点处的实际信号强度时，若有多个无线AP时，就需要进行多次测试。比如，在有两个无线AP的情况下，选取了三个测试点时，则需要分别进行六次测试，从而得到各个测试点的实际信号强度。
根据所述实际信号强度信息和所述信号强度分布信息，获得建筑介质衰减修正系数和传输模型常量参数修正系数。
也就是说，可以基于实际信号强度与推算的信号强度，计算建筑介质衰减修正系数和传输模型常量参数修正系数。这里，推算的信号强度即所述第一建筑空间的信号强度分布信息，可以根据当前组网信息(即当前的组网设备数量信息和设备部署区域信息)，进行无线信号室内空间传输损耗衰减计算，确定所述第一建筑空间的信号强度分布信息。
根据所述建筑介质衰减修正系数和所述传输模型常量参数修正系数，获得第一建筑空间内的修正信号强度分布信息。
这里，基于所述建筑介质衰减修正系数和所述传输模型常量参数修正系数，可以获得各个无线AP的修正信号强度的分布。比如，当第一建筑空间内有X个无线AP(即无线组网设备)时，分别计算每个无线AP产生信号传输至第一建筑空间的第一图像中的各个像素点的信号强度，即可获得各个无线AP的修正信号强度的分布。
具体的，对于第一建筑空间的户型图上的每个像素点，取所有无线AP在该像素点的信号强度值中的最大值作为该像素点的信号强度，从而获得所述第一建筑空间的信号强度分布。
可选地，在所述获得第一建筑空间内的修正信号强度分布信息之后，所述组网信息确认方法还包括：
显示所述第一建筑空间内的修正信号强度分布信息。
这里，可以通过屏幕将所述第一建筑空间内的修正信号强度分布信息展示给用户，以供用户参考使用。其中，显示修正信号强度分布信息的方式可以是图像，也可以是数据。比如，可以在与所述第一图像对应的第二图像上，利用不同的色彩来表示不同的信号强度，从而直观地将信号强度的相关信息展示给用户。
可选地，所述第一建筑空间的信号强度分布信息中的各坐标点的信号强度由各个无线组网设备在该坐标点的信号强度的最大值确定。
下面，结合具体场景说明本发明实施例的应用：
如图3所示，为本发明实施例的第一组网信息(即推荐组网方案)的确定流程：
S301：通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息，生成户型图(该图可以是与第一图像的每个像素点一一对应的多值图像)；
S302：确定可部署无线组网设备的区域(该区域可理解为组网设备可部署点的集合)，即确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域；
S303：添加无线组网设备，即确定所述无线组网设备的预设数量；
S304：遍历组网设备可部署点，即参考组网设备可部署点，确定预设数量的无线组网设备在这些可部署点上能够部署的不同的部署位置，形成部署方案(即组网信息)；比如，预设数量为1时，则每个可部署点均可以作为无线组网设备的部署位置，在部署点为10个的情况下，则对应有10种位置，即对应有10种部署方案；
S305：遍历户型图用户选择需要信号覆盖区域的点(即像素点)，即遍历每个需要信号覆盖的信号覆盖点，以计算该点位的信号强度；
S306：计算信号覆盖强度，即计算上述部署方案下的信号强度分布；有多个无线组网设备时，每个像素点取该点位在各个无线组网设备下的信号强度最大值；
S307：判断当前点位信号强度是否满足阈值；是，则执行S308；否，则执行S304，即开始针对当前无线设备数量下的另一种部署位置进行新一轮的计算和判断；
S308：判断是否覆盖区域(即所有信号覆盖点)遍历完成；是，则执行S309；否，则执行S305；
S309：记录满足阈值要求的部署方案；
S310：计算得到不同部署方案下信号覆盖点的覆盖点信号强度之和及覆盖点信号强度方差；
S311：判断设备可部署点是否遍历完成；是，则执行S312；否，则执行S304；
S312：判断是否存在满足阈值要求的部署方案；是，则执行S313；否，则执行S303，即针对当前的组网设备数量，增加一定的组网设备数量(即将所述预设数量增大后作为新的预设数量)，开始新一轮的计算和判断；
S313：通过公式P＝(1-M)×ΣS+M/V计算P值，取P的值最大的位置为最优；
S314：生成最优方案，即推荐组网方案。
也就是说，在S304中组网设备可部署点确定的情况下，遍历用户选择的需要信号覆盖的区域，并计算点位(即信号覆盖点)的信号强度，若所有点位均满足信号阈值要求则记录当前的无线组网方案，若存在点位信号强度不满足阈值要求则返回S304；若当前设备数量下不存在满足阈值的部署方案则返回S303，即增加组网设备的数量后重新遍历。
通过上述步骤，在满足覆盖需求的情况下得到无线组网设备的最优部署位置，即最优推荐方案，从而可以实现无线组网方案的自动推荐，无线组网方案中可以包括组网设备数量和设备部署区域。
如图4所示，为本发明实施例的第一建筑空间的信号强度确认流程，也就是实际部署无线组网设备以后，确认第一建筑空间当前的信号强度分布的流程：
S401：开始；
S402：遍历用户选择的需要信号覆盖的户型区域点位；
S403：判断点位所对应的建筑介质类型是否为墙体或门、窗等建筑介质；是，则执行S402；否，则执行S404；
S404：遍历部署的无线组网设备；
S405：计算各个点位在该无线组网设备下的信号强度；
S406：部署的无线组网设备是否遍历完成；是，则执行S407；否，则执行S404；
S407：选取不同无线组网设备下的最大信号强度为该点位的信号强度；
S408：需要信号覆盖的户型区域的点位是否遍历完成；是，则执行S409；否，则执行S402；
S409：信号强度修正，即根据测试的实际信号强度信息和上述步骤得到的信号强度分布信息，获得第一建筑空间内的修正信号强度分布信息；
S410：输出信号强度分布，即输出所述修正信号强度分布信息；
S411：结束。
上述过程中，对用户选择的需要信号覆盖的区域且非墙体的点位进行遍历，计算当前像素点在n个(其中n>0)无线组网设备覆盖的情况下的信号强度，并以最大信号强度作为当前图像位置的信号强度，形成第一建筑空间的信号强度分布信息；再基于该信号强度分布信息及实际测量的实际信号强度信息，最终获得第一建筑空间内的修正信号强度分布信息。另外，可以将该修正信号强度分布信息以数据或图像等形式可视化地展示给用户，方便用户参考。
综上所述，本发明实施例的方法，基于深度神经网络模型对建筑空间的相关图像(比如户型图)进行精准的图像语义分割，根据无线信号衰减模型可以更精确地计算室内信号强度分布，并依据优化算法进行组网设备数量及设备部署位置(即设备部署区域)的自动推荐，可以直观地显示室内空间的信号强度分布和覆盖范围以及无线AP(即无线组网设备)的安装或调整效果，提供了良好的用户体验。
如图5所示，本发明实施例的一种组网信息确认装置，包括：
图像解析模块510，用于通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息；
区域确定模块520，用于根据所述户型图信息，确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域；
强度确定模块530，用于根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息；
信息确定模块540，用于根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息；
其中，所述第一组网信息包括设备部署目标区域以及组网设备目标数量中的至少一项。
可选地，所述图像解析模块510包括：
特征提取单元，用于通过所述深度神经网络模型的卷积和池化操作，提取所述第一图像的特征信息；
关系建立单元，用于通过所述深度神经网络模型的卷积和上采样操作，将所述特征信息与所述第一图像上的像素点建立对应关系；
图像分析单元，用于根据所述特征信息与所述对应关系，对所述第一图像的每个像素点进行分析，得到所述第一建筑空间的户型图信息；
其中，所述户型图信息包括比例尺信息和像素点信息，以及，像素点所对应的坐标信息和建筑介质信息。
可选地，所述强度确定模块530包括：
信息确定单元，用于根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息；其中，所述目标组网信息包括组网设备数量信息和设备部署区域信息；
强度确定单元，用于分别获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息；
目标确定单元，用于确定所述至少两个目标组网信息中，是否存在满足预设条件的目标组网信息；
第一处理单元，用于在存在满足预设条件的目标组网信息的情况下，则记录满足预设条件的目标组网信息作为备选组网信息；否则，将所述预设数量增大后作为新的预设数量，并返回所述根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息，直至获得备选组网信息；
第二处理单元，用于将所述备选组网信息所对应的所述第一建筑空间的信号强度分布信息确定为所述第一信号强度分布信息。
可选地，所述信息确定模块540包括：
第一确定单元，用于根据所述至少一组第一信号强度分布信息，确定每组第一信号强度分布信息所对应的所述第一建筑空间的覆盖点信号强度和覆盖点信号强度方差；
第三处理单元，用于根据所述覆盖点信号强度和所述覆盖点信号强度方差，从所述至少一组第一信号强度分布信息中得到目标信号强度分布信息；
第四处理单元，用于根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量。
可选地，所述预设条件包括：
所述第一建筑空间内的每一信号覆盖点的信号强度都大于第一阈值。
可选地，所述信号覆盖点为需要信号覆盖且所对应的建筑介质为第一介质的坐标点。
可选地，所述组网信息确认装置还包括：
第一确定模块，用于根据所述组网设备目标数量和所述设备部署目标区域，确定当前组网信息，并依照当前组网信息部署无线组网设备；
模块，用于根据当前组网信息，获取所述第一建筑空间的信号强度分布信息；
强度测试模块，用于在所述第一建筑空间内选定至少一个信号测试点，分别获取每个信号测试点处的各个无线组网设备的实际信号强度；
修正系数模块，用于根据所述实际信号强度信息和所述信号强度分布信息，获得建筑介质衰减修正系数和传输模型常量参数修正系数；
信息获取模块，用于根据所述建筑介质衰减修正系数和所述传输模型常量参数修正系数，获得第一建筑空间内的修正信号强度分布信息。
可选地，所述组网信息确认装置还包括：
强度显示模块，用于显示所述第一建筑空间内的修正信号强度分布信息。
可选地，所述第一建筑空间的信号强度分布信息中的各坐标点的信号强度由各个无线组网设备在该坐标点的信号强度的最大值确定。
该装置无需人员实地测量，所有操作均可远程操作完成，并能自动生成组网方案设计的推荐结果，可以直观地显示室内空间的信号强度分布和覆盖范围以及无线AP的安装或调整效果，极大地节省了各项成本，操作简单，评估准确，提升了用户体验。
如图6所示，本发明实施例的一种用户设备600，包括处理器610，所述处理器用于：
通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息；
根据所述户型图信息，确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域；
根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息；
根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息；
其中，所述第一组网信息包括设备部署目标区域以及组网设备目标数量中的至少一项。
可选地，所述处理器610还用于：
通过所述深度神经网络模型的卷积和池化操作，提取所述第一图像的特征信息；
通过所述深度神经网络模型的卷积和上采样操作，将所述特征信息与所述第一图像上的像素点建立对应关系；
根据所述特征信息与所述对应关系，对所述第一图像的每个像素点进行分析，得到所述第一建筑空间的户型图信息；
其中，所述户型图信息包括比例尺信息和像素点信息，以及，像素点所对应的坐标信息和建筑介质信息。
可选地，所述处理器610还用于：
根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息；其中，所述目标组网信息包括组网设备数量信息和设备部署区域信息；
分别获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息；
确定所述至少两个目标组网信息中，是否存在满足预设条件的目标组网信息；
在存在满足预设条件的目标组网信息的情况下，则记录满足预设条件的目标组网信息作为备选组网信息；否则，将所述预设数量增大后作为新的预设数量，并返回所述根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息，直至获得备选组网信息；
将所述备选组网信息所对应的所述第一建筑空间的信号强度分布信息确定为所述第一信号强度分布信息。
可选地，所述处理器610还用于：
根据所述至少一组第一信号强度分布信息，确定每组第一信号强度分布信息所对应的所述第一建筑空间的覆盖点信号强度和覆盖点信号强度方差；
根据所述覆盖点信号强度和所述覆盖点信号强度方差，从所述至少一组第一信号强度分布信息中得到目标信号强度分布信息；
根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量。
可选地，所述预设条件包括：
所述第一建筑空间内的每一信号覆盖点的信号强度都大于第一阈值。
可选地，所述信号覆盖点为需要信号覆盖且所对应的建筑介质为第一介质的坐标点。
可选地，在根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量之后，所述处理器610还用于：
根据所述组网设备目标数量和所述设备部署目标区域，确定当前组网信息，并依照当前组网信息部署无线组网设备；
根据当前组网信息，获取所述第一建筑空间的信号强度分布信息；
在所述第一建筑空间内选定至少一个信号测试点，分别获取每个信号测试点处的各个无线组网设备的实际信号强度；
根据所述实际信号强度信息和所述信号强度分布信息，获得建筑介质衰减修正系数和传输模型常量参数修正系数；
根据所述建筑介质衰减修正系数和所述传输模型常量参数修正系数，获得第一建筑空间内的修正信号强度分布信息。
可选地，在所述获得第一建筑空间内的修正信号强度分布信息之后，所述处理器610还用于：
显示所述第一建筑空间内的修正信号强度分布信息。
可选地，所述第一建筑空间的信号强度分布信息中的各坐标点的信号强度由各个无线组网设备在该坐标点的信号强度的最大值确定。
该实施例的用户设备，无需人员实地测量，所有操作均可远程操作完成，并能自动生成组网方案设计的推荐结果，可以直观地显示室内空间的信号强度分布和覆盖范围以及无线AP的安装或调整效果，极大地节省了各项成本，操作简单，评估准确，提升了用户体验。
本发明另一实施例的一种用户设备，如图7所示，包括收发器710、处理器700、存储器720及存储在所述存储器720上并可在所述处理器700上运行的程序或指令；所述处理器700执行所述程序或指令时实现上述应用于组网信息确认方法。
所述收发器710，用于在处理器700的控制下接收和发送数据。
其中，在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器700代表的一个或多个处理器和存储器720代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器710可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。针对不同的用户设备，用户接口730还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
处理器700负责管理总线架构和通常的处理，存储器720可以存储处理器700在执行操作时所使用的数据。
本发明实施例的一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的组网信息确认方法中的步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
进一步需要说明的是，此说明书中所描述的终端包括但不限于智能手机、平板电脑等，且所描述的许多功能部件都被称为模块，以便更加特别地强调其实现方式的独立性。
本发明实施例中，模块可以用软件实现，以便由各种类型的处理器执行。举例来说，一个标识的可执行代码模块可以包括计算机指令的一个或多个物理或者逻辑块，举例来说，其可以被构建为对象、过程或函数。尽管如此，所标识模块的可执行代码无需物理地位于一起，而是可以包括存储在不同位里上的不同的指令，当这些指令逻辑上结合在一起时，其构成模块并且实现该模块的规定目的。
实际上，可执行代码模块可以是单条指令或者是许多条指令，并且甚至可以分布在多个不同的代码段上，分布在不同程序当中，以及跨越多个存储器设备分布。同样地，操作数据可以在模块内被识别，并且可以依照任何适当的形式实现并且被组织在任何适当类型的数据结构内。所述操作数据可以作为单个数据集被收集，或者可以分布在不同位置上(包括在不同存储设备上)，并且至少部分地可以仅作为电子信号存在于系统或网络上。
在模块可以利用软件实现时，考虑到现有硬件工艺的水平，所以可以以软件实现的模块，在不考虑成本的情况下，本领域技术人员都可以搭建对应的硬件电路来实现对应的功能，所述硬件电路包括常规的超大规模集成(VLSI)电路或者门阵列以及诸如逻辑芯片、晶体管之类的现有半导体或者是其它分立的元件。模块还可以用可编程硬件设备，诸如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备等实现。
上述范例性实施例是参考该些附图来描述的，许多不同的形式和实施例是可行而不偏离本发明精神及教示，因此，本发明不应被建构成为在此所提出范例性实施例的限制。更确切地说，这些范例性实施例被提供以使得本发明会是完善又完整，且会将本发明范围传达给那些熟知此项技术的人士。在该些图式中，组件尺寸及相对尺寸也许基于清晰起见而被夸大。在此所使用的术语只是基于描述特定范例性实施例目的，并无意成为限制用。如在此所使用地，除非该内文清楚地另有所指，否则该单数形式“一”、“一个”和“该”是意欲将该些多个形式也纳入。会进一步了解到该些术语“包含”及/或“包括”在使用于本说明书时，表示所述特征、整数、步骤、操作、构件及/或组件的存在，但不排除一或更多其它特征、整数、步骤、操作、构件、组件及/或其族群的存在或增加。除非另有所示，陈述时，一值范围包含该范围的上下限及其间的任何子范围。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种组网信息确认方法，其特征在于，包括：
通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息；
根据所述户型图信息，确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域；
根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息；
根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息；
其中，所述第一组网信息包括设备部署目标区域以及组网设备目标数量中的至少一项；
其中，所述根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息，包括：
根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息；其中，所述目标组网信息包括组网设备数量信息和设备部署区域信息；
分别获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息；
确定所述至少两个目标组网信息中，是否存在满足预设条件的目标组网信息；
在存在满足预设条件的目标组网信息的情况下，则记录满足预设条件的目标组网信息作为备选组网信息；否则，将所述预设数量增大后作为新的预设数量，并返回所述根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息，直至获得备选组网信息；
将所述备选组网信息所对应的所述第一建筑空间的信号强度分布信息确定为所述第一信号强度分布信息。
2.根据权利要求1所述的组网信息确认方法，其特征在于，所述通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息，包括：
通过所述深度神经网络模型的卷积和池化操作，提取所述第一图像的特征信息；
通过所述深度神经网络模型的卷积和上采样操作，将所述特征信息与所述第一图像上的像素点建立对应关系；
根据所述特征信息与所述对应关系，对所述第一图像的每个像素点进行分析，得到所述第一建筑空间的户型图信息；
其中，所述户型图信息包括比例尺信息和像素点信息，以及，像素点所对应的坐标信息和建筑介质信息。
3.根据权利要求1所述的组网信息确认方法，其特征在于，所述根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息，包括：
根据所述至少一组第一信号强度分布信息，确定每组第一信号强度分布信息所对应的所述第一建筑空间的覆盖点信号强度和覆盖点信号强度方差；
根据所述覆盖点信号强度和所述覆盖点信号强度方差，从所述至少一组第一信号强度分布信息中得到目标信号强度分布信息；
根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量。
4.根据权利要求1所述的组网信息确认方法，其特征在于，所述预设条件包括：
所述第一建筑空间内的每一信号覆盖点的信号强度都大于第一阈值。
5.根据权利要求4所述的组网信息确认方法，其特征在于，所述信号覆盖点为需要信号覆盖且所对应的建筑介质为第一介质的坐标点。
6.根据权利要求3所述的组网信息确认方法，其特征在于，在根据所述目标信号强度分布信息，得到设备部署目标区域以及组网设备目标数量之后，所述组网信息确认方法还包括：
根据所述组网设备目标数量和所述设备部署目标区域，确定当前组网信息，并依照当前组网信息部署无线组网设备；
根据当前组网信息，获取所述第一建筑空间的信号强度分布信息；
在所述第一建筑空间内选定至少一个信号测试点，分别获取每个信号测试点处的各个无线组网设备的实际信号强度；
根据所述实际信号强度信息和所述信号强度分布信息，获得建筑介质衰减修正系数和传输模型常量参数修正系数；
根据所述建筑介质衰减修正系数和所述传输模型常量参数修正系数，获得第一建筑空间内的修正信号强度分布信息。
7.根据权利要求6所述的组网信息确认方法，其特征在于，在所述获得第一建筑空间内的修正信号强度分布信息之后，所述组网信息确认方法还包括：
显示所述第一建筑空间内的修正信号强度分布信息。
8.根据权利要求1所述的组网信息确认方法，其特征在于，所述第一建筑空间的信号强度分布信息中的各坐标点的信号强度由各个无线组网设备在该坐标点的信号强度的最大值确定。
9.一种组网信息确认装置，其特征在于，包括：
图像解析模块，用于通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息；
区域确定模块，用于根据所述户型图信息，确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域；
强度确定模块，用于根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息；
信息确定模块，用于根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息；
其中，所述第一组网信息包括设备部署目标区域以及组网设备目标数量中的至少一项；
其中，所述强度确定模块包括：
信息确定单元，用于根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息；其中，所述目标组网信息包括组网设备数量信息和设备部署区域信息；
强度确定单元，用于分别获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息；
目标确定单元，用于确定所述至少两个目标组网信息中，是否存在满足预设条件的目标组网信息；
第一处理单元，用于在存在满足预设条件的目标组网信息的情况下，则记录满足预设条件的目标组网信息作为备选组网信息；否则，将所述预设数量增大后作为新的预设数量，并返回所述根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息，直至获得备选组网信息；
第二处理单元，用于将所述备选组网信息所对应的所述第一建筑空间的信号强度分布信息确定为所述第一信号强度分布信息。
10.一种用户设备，其特征在于，包括处理器；所述处理器用于通过深度神经网络模型，解析与第一建筑空间相关的第一图像，得到所述第一建筑空间的户型图信息；
根据所述户型图信息，确定所述第一建筑空间内可部署无线组网设备的至少一个第一区域；
根据信号覆盖点信息和所述户型图信息，确定各个所述第一区域所对应的第一建筑空间的至少一组第一信号强度分布信息；根据所述至少一组第一信号强度分布信息，从所述至少一个第一区域中确定第一组网信息；其中，所述第一组网信息包括：设备部署目标区域以及组网设备目标数量中的至少一项；
其中，所述处理器还用于：
根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息；其中，所述目标组网信息包括组网设备数量信息和设备部署区域信息；
分别获取在采用各个所述目标组网信息的情况下所述第一建筑空间的信号强度分布信息；
确定所述至少两个目标组网信息中，是否存在满足预设条件的目标组网信息；
在存在满足预设条件的目标组网信息的情况下，则记录满足预设条件的目标组网信息作为备选组网信息；否则，将所述预设数量增大后作为新的预设数量，并返回所述根据信号覆盖点信息和所述户型图信息，分别确定预设数量的无线组网设备及其在各个所述第一区域内的不同设备部署区域，形成至少两个目标组网信息，直至获得备选组网信息；
将所述备选组网信息所对应的所述第一建筑空间的信号强度分布信息确定为所述第一信号强度分布信息。
11.一种用户设备，包括：收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令；其特征在于，所述处理器执行所述程序或指令时实现如权利要求1至8任一项所述的组网信息确认方法。
12.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至8任一项所述的组网信息确认方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011329760.9A CN114554503B (zh) | 2020-11-24 | 2020-11-24 | 一种组网信息确认方法、装置及用户设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011329760.9A CN114554503B (zh) | 2020-11-24 | 2020-11-24 | 一种组网信息确认方法、装置及用户设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114554503A CN114554503A (zh) | 2022-05-27 |
| CN114554503B true CN114554503B (zh) | 2023-11-10 |
Family
ID=81659534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011329760.9A Active CN114554503B (zh) | 2020-11-24 | 2020-11-24 | 一种组网信息确认方法、装置及用户设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114554503B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114845317A (zh) * | 2022-05-30 | 2022-08-02 | 深圳市有方科技股份有限公司 | 运营商覆盖情况的分析方法、装置和存储介质 |
| CN115002791B (zh) * | 2022-08-01 | 2022-11-29 | 中家院（北京）检测认证有限公司 | 基于无线信号强度分布预测智能家居空间部署方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103428710A (zh) * | 2013-09-02 | 2013-12-04 | 汉庭科技(苏州)有限公司 | 无线网络覆盖方法及无线网络 |
| CN104038948A (zh) * | 2014-06-03 | 2014-09-10 | 华为技术有限公司 | 一种对设备进行布放的方法及装置 |
| WO2017039521A1 (en) * | 2015-09-04 | 2017-03-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Systems and methods for performing node deployment in an enclosure |
| CN106844614A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种户型图功能区域快速识别系统 |
| CN107104817A (zh) * | 2017-03-08 | 2017-08-29 | 芜湖美智空调设备有限公司 | 家电控制物联网的网络构建方法及装置 |
| CN107493578A (zh) * | 2016-06-13 | 2017-12-19 | 富士通株式会社 | 无线网络部署方法和装置 |
| CN111148112A (zh) * | 2020-03-10 | 2020-05-12 | 京东方科技集团股份有限公司 | 一种无线网络部署方法、装置、电子设备以及存储介质 |
| CN111510932A (zh) * | 2020-03-21 | 2020-08-07 | 杭州迪普科技股份有限公司 | 无线接入点部署方法、装置、电子设备及计算机可读介质 |
| CN111726814A (zh) * | 2020-06-19 | 2020-09-29 | Oppo广东移动通信有限公司 | 无线接入点部署方法、装置、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6625454B1 (en) * | 2000-08-04 | 2003-09-23 | Wireless Valley Communications, Inc. | Method and system for designing or deploying a communications network which considers frequency dependent effects |
-
2020
- 2020-11-24 CN CN202011329760.9A patent/CN114554503B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103428710A (zh) * | 2013-09-02 | 2013-12-04 | 汉庭科技(苏州)有限公司 | 无线网络覆盖方法及无线网络 |
| CN104038948A (zh) * | 2014-06-03 | 2014-09-10 | 华为技术有限公司 | 一种对设备进行布放的方法及装置 |
| WO2017039521A1 (en) * | 2015-09-04 | 2017-03-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Systems and methods for performing node deployment in an enclosure |
| CN107493578A (zh) * | 2016-06-13 | 2017-12-19 | 富士通株式会社 | 无线网络部署方法和装置 |
| CN106844614A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种户型图功能区域快速识别系统 |
| CN107104817A (zh) * | 2017-03-08 | 2017-08-29 | 芜湖美智空调设备有限公司 | 家电控制物联网的网络构建方法及装置 |
| CN111148112A (zh) * | 2020-03-10 | 2020-05-12 | 京东方科技集团股份有限公司 | 一种无线网络部署方法、装置、电子设备以及存储介质 |
| CN111510932A (zh) * | 2020-03-21 | 2020-08-07 | 杭州迪普科技股份有限公司 | 无线接入点部署方法、装置、电子设备及计算机可读介质 |
| CN111726814A (zh) * | 2020-06-19 | 2020-09-29 | Oppo广东移动通信有限公司 | 无线接入点部署方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Design of WiFi-AP operating channel estimation scheme for sensor node;Shigemi Ishida等;2016 Ninth International Conference on Mobile Computing and Ubiquitous Networking (ICMU);全文 * |
| 一种分布式多功能无线路由器的优化及应用;满朝炎;中国优秀硕士学位论文全文数据库信息科技辑;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114554503A (zh) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114554503B (zh) | 一种组网信息确认方法、装置及用户设备 | |
| CN107192390A (zh) | 共享车辆的定位方法、装置及终端设备 | |
| US7047014B1 (en) | Raster-to-vector conversion operations adapted to modeling of RF propagation | |
| CN110545558B (zh) | 基于Wi-Fi数据的高速服务区人群密度估计系统 | |
| CN112469066B (zh) | 5g网络覆盖评估方法及装置 | |
| Yoo et al. | Stations-oriented indoor localization (SOIL): A BIM-Based occupancy schedule modeling system | |
| CN108681990A (zh) | 一种实时雾霾预警方法及系统 | |
| CN110189355A (zh) | 安全疏散通道占用检测方法、装置、电子设备及存储介质 | |
| KR102561303B1 (ko) | 건축 설계 bim 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법, 장치 및 시스템 | |
| CN111726814A (zh) | 无线接入点部署方法、装置、电子设备及存储介质 | |
| CN111461487B (zh) | 一种基于bim的室内装修工程智慧管理系统 | |
| WO2023103598A1 (zh) | 基站开站方法、装置、电子设备和计算机可读存储介质 | |
| CN111539432A (zh) | 一种利用众源数据辅助遥感影像提取城市道路的方法 | |
| CN114205831B (zh) | 一种优化方案的确定方法、装置、存储介质及设备 | |
| CN111387932B (zh) | 一种视力检测方法、装置及设备 | |
| WO2021259372A1 (zh) | 无线信号传播预测方法及装置 | |
| CN113344470A (zh) | 一种基于区块链的供电系统智能管理方法 | |
| Rizwan et al. | Addressing data sparsity with GANs for multi-fault diagnosing in emerging cellular networks | |
| CN115481941B (zh) | 一种多功能区联合的智能化安防管理方法及系统 | |
| CN114580087B (zh) | 一种船载设备的联邦剩余使用寿命预测方法、装置及系统 | |
| US11432111B2 (en) | Information processing device | |
| CN114859744B (zh) | 一种基于大数据的智能应用可视化控制方法及系统 | |
| CN113038491A (zh) | 一种显示信号覆盖信息的处理方法、装置和电子设备 | |
| CN112584313B (zh) | 弱覆盖区域定位方法、装置、设备及计算机存储介质 | |
| Ekpenyong et al. | Intelligent test bed tuning for improved wireless local area networks service quality in academic environments |
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 |