CN115278700A - 一种基于无线时延可靠性的网络规划方法及装置 - Google Patents

一种基于无线时延可靠性的网络规划方法及装置 Download PDF

Info

Publication number
CN115278700A
CN115278700A CN202210769057.2A CN202210769057A CN115278700A CN 115278700 A CN115278700 A CN 115278700A CN 202210769057 A CN202210769057 A CN 202210769057A CN 115278700 A CN115278700 A CN 115278700A
Authority
CN
China
Prior art keywords
base station
delay
error rate
block error
air interface
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
CN202210769057.2A
Other languages
English (en)
Other versions
CN115278700B (zh
Inventor
但德东
王煜辉
赵朋俊
陈大明
朱海龙
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 CN202210769057.2A priority Critical patent/CN115278700B/zh
Publication of CN115278700A publication Critical patent/CN115278700A/zh
Application granted granted Critical
Publication of CN115278700B publication Critical patent/CN115278700B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供一种基于无线时延可靠性的网络规划方法及装置，该方法包括：调用无线时延可靠性与空口误块率的第一关联模型、空口误块率与基站解调信号质量的第二关联模型、基站解调信号质量与基站小区半径的第三关联模型，然后根据第一关联模型、第二关联模型和第三关联模型，将无线时延可靠性与基站小区半径进行关联，从而采用关联后的无线时延可靠性与基站小区半径进行网络规划。本发明实施例通过无线时延可靠性关联空口误块率、空口误块率关联基站解调信号质量、基站解调信号质量关联基站小区半径，实现基站小区半径关联无线时延可靠性，从而可以精准保障边缘用户的时延体验情况，可以精准确定站点建设的精准位置及分布情况。

Description

一种基于无线时延可靠性的网络规划方法及装置
技术领域
本发明涉及网络规划技术领域，特别涉及一种基于无线时延可靠性的网络规划方法及装置。
背景技术
5G(5th Generation Mobile Communication Technology，第五代移动通信技术)具有超低时延、超高带宽、超大容量的特点。时延敏感性业务如无人驾驶、远程操控、智慧电力对无线网络时延提出极高要求，需要对无线网络时延进行建模预测，构建基于无线时延可靠性的网络传输模型，指导5G网络的规划。
目前，5G网络规划有两种方法，一种是基于网络覆盖的5G网络规划方法，它可以保障边缘用户的速率体验情况，然而无法精准保障边缘用户的时延体验情况，而另一种是基于网络容量的5G网络规划方法，它是通过对用户数和业务分布，获得单用户容量及系统总容量，同步考虑每基站容量，获得基于容量需求的基站数量，它能够满足用户的容量需求，然而它仅能获得基站站点数量情况，无法精准保障边缘用户的时延体验情况，也无法精准确定站点建设的精准位置及分布情况。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的基于无线时延可靠性的网络规划方法。
本发明实施例还提供了一种基于无线时延可靠性的网络规划装置，以保证上述方法的实施。
为了解决上述问题，本发明实施例公开了一种基于无线时延可靠性的网络规划方法，所述方法包括：
调用所述无线时延可靠性与空口误块率的第一关联模型，以及
调用所述空口误块率与基站解调信号质量的第二关联模型，以及
调用所述基站解调信号质量与基站小区半径的第三关联模型；
根据所述第一关联模型、第二关联模型和第三关联模型，将所述无线时延可靠性与所述基站小区半径进行关联；
采用关联后的所述无线时延可靠性与所述基站小区半径进行网络规划。
可选地，所述第一关联模型通过如下方式构建得到：
确定数据传输的无线时延；
根据空口误块率，确定数据传输成功且等待N个时隙的总体概率；所述N为大于等于零的正整数；
采用所述总体概率和所述无线时延，构建所述无线时延可靠性与所述空口误块率的累计概率分布函数；
将所述累计概率分布函数确定为所述无线时延可靠性与所述空口误块率的第一关联模型。
可选地，所述时隙包括上行时隙和下行时隙；所述确定数据传输的无线时延，包括：
确定所述上行时隙与所述下行时隙之间相互转换的空口等待时延；
根据所述空口等待时延，确定数据传输的无线时延。
可选地，所述第二关联模型通过如下方式训练得到：
获取路测数据；所述路测数据包括所述空口误块率和基站解调信号质量；
将所述空口误块率和所述基站解调信号质量输入至初始多项式回归模型；
通过所述初始多项式回归模型对所述空口误块率和所述基站解调信号质量进行训练；
将训练完成的所述初始多项式回归模型确定为所述空口误块率与所述基站解调信号质量的第二关联模型。
可选地，所述空口误块率包括上行误块率和下行误块率；所述将所述空口误块率和所述基站解调信号质量输入至初始多项式回归模型，包括：
将所述上行误块率和所述下行误块率分别作为多项式回归真实值，并将所述基站解调信号质量作为多项式回归特征值，输入至初始多项式回归模型；
所述初始多项式回归模型为：
Figure BDA0003726711220000031
其中，x为所述多项式回归真实值，
Figure BDA0003726711220000032
为所述多项式回归特征值，b为回归系数，m为高次项。
可选地，所述第三关联模型通过如下方式构建得到：
计算最大的允许路径损耗值；所述最大的允许路径损耗值用于表征所述基站解调信号质量；所述最大的允许路径损耗值为包含有终端与基站天线距离的函数；
根据所述终端与基站天线距离、基站高度、终端高度，构建所述基站解调信号质量与基站小区半径的第三关联模型。
可选地，所述采用关联后的所述无线时延可靠性与所述基站小区半径进行网络规划，包括：
采用关联后的所述无线时延可靠性与所述基站小区半径，计算出满足目标无线时延可靠性要求的目标基站小区半径；
根据所述目标基站小区半径，计算出两两基站之间的目标站间距；
采用所述目标站间距进行网络规划。
本发明实施例还公开了一种基于无线时延可靠性的网络规划装置，所述装置包括：
调用模块，用于调用所述无线时延可靠性与空口误块率的第一关联模型，以及用于调用所述空口误块率与基站解调信号质量的第二关联模型，以及用于调用所述基站解调信号质量与基站小区半径的第三关联模型；
关联模块，用于根据所述第一关联模型、第二关联模型和第三关联模型，将所述无线时延可靠性与所述基站小区半径进行关联；
规划模块，用于采用关联后的所述无线时延可靠性与所述基站小区半径进行网络规划。
可选地，所述第一关联模型通过如下模块构建得到：
无线时延确定模块，用于确定数据传输的无线时延；
总体概率确定模块，用于根据空口误块率，确定数据传输成功且等待N个时隙的总体概率；所述N为大于等于零的正整数；
累计概率分布函数构建模块，用于采用所述总体概率和所述无线时延，构建所述无线时延可靠性与所述空口误块率的累计概率分布函数；
第一关联模型确定模块，用于将所述累计概率分布函数确定为所述无线时延可靠性与所述空口误块率的第一关联模型。
可选地，所述时隙包括上行时隙和下行时隙；所述无线时延确定模块包括：
空口等待时延确定子模块，用于确定所述上行时隙与所述下行时隙之间相互转换的空口等待时延；
无线时延确定子模块，用于根据所述空口等待时延，确定数据传输的无线时延。
可选地，所述第二关联模型通过如下模块训练得到：
路测数据获取模块，用于获取路测数据；所述路测数据包括所述空口误块率和基站解调信号质量；
输入模块，用于将所述空口误块率和所述基站解调信号质量输入至初始多项式回归模型；
训练模块，用于通过所述初始多项式回归模型对所述空口误块率和所述基站解调信号质量进行训练；
第二关联模型确定模块，用于将训练完成的所述初始多项式回归模型确定为所述空口误块率与所述基站解调信号质量的第二关联模型。
可选地，所述空口误块率包括上行误块率和下行误块率；所述输入模块包括：
输入子模块，用于将所述上行误块率和所述下行误块率分别作为多项式回归真实值，并将所述基站解调信号质量作为多项式回归特征值，输入至初始多项式回归模型；
所述初始多项式回归模型为：
Figure BDA0003726711220000041
其中，x为所述多项式回归真实值，
Figure BDA0003726711220000042
为所述多项式回归特征值，b为回归系数，m为高次项。
可选地，所述第三关联模型通过如下模块构建得到：
最大的允许路径损耗值计算模块，用于计算最大的允许路径损耗值；所述最大的允许路径损耗值用于表征所述基站解调信号质量；所述最大的允许路径损耗值为包含有终端与基站天线距离的函数；
第三关联模型构建模块，用于根据所述终端与基站天线距离、基站高度、终端高度，构建所述基站解调信号质量与基站小区半径的第三关联模型。
可选地，所述规划模块包括：
目标基站小区半径计算子模块，用于采用关联后的所述无线时延可靠性与所述基站小区半径，计算出满足目标无线时延可靠性要求的目标基站小区半径；
目标站间距计算子模块，用于根据所述目标基站小区半径，计算出两两基站之间的目标站间距；
规划子模块，用于采用所述目标站间距进行网络规划。
本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。
本发明实施例还公开了一种计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。
与现有技术相比，本发明实施例包括以下优点：
在本发明实施例中，调用无线时延可靠性与空口误块率的第一关联模型，以及调用空口误块率与基站解调信号质量的第二关联模型，以及调用基站解调信号质量与基站小区半径的第三关联模型，然后根据第一关联模型、第二关联模型和第三关联模型，将无线时延可靠性与基站小区半径进行关联，从而采用关联后的无线时延可靠性与基站小区半径进行网络规划。本发明实施例通过无线时延可靠性关联空口误块率、空口误块率关联基站解调信号质量、基站解调信号质量关联基站小区半径，实现基站小区半径关联无线时延可靠性，从而可以精准保障边缘用户的时延体验情况，且可以精准确定站点建设的精准位置及分布情况。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于无线时延可靠性的网络规划方法的步骤流程图；
图2是本发明实施例提供的第一关联模型构建方法的步骤流程图；
图3是本发明实施例提供的上行时延分解图；
图4是本发明实施例提供的上行时延可靠性与上行误块率的累计概率分布图；
图5是本发明实施例提供的下行时延分解图；
图6是本发明实施例提供的下行时延可靠性与下行误块率的累计概率分布图；
图7是本发明实施例提供的第二关联模型训练方法的步骤流程图；
图8是本发明实施例提供的第三关联模型构建方法的步骤流程图；
图9是本发明实施例提供的路径损耗示意图；
图10是本发明实施例提供的终端与基站天线距离与基站小区半径的示意图；
图11是本发明实施例提供的上行时延可靠性与上行误块率的累计概率分布图；
图12是本发明实施例提供的一种基于无线时延可靠性的网络规划装置的结构框图；
图13是本发明实施例中提供的第一关联模型构建装置的结构框图；
图14是本发明实施例中提供的第二关联模型训练装置的结构框图；
图15是本发明实施例中提供的第三关联模型构建装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，示出了本发明实施例提供的一种基于无线时延可靠性的网络规划方法的步骤流程图，该方法具体可以包括如下步骤：
步骤101，调用所述无线时延可靠性与空口误块率的第一关联模型，以及调用所述空口误块率与基站解调信号质量的第二关联模型，以及调用所述基站解调信号质量与基站小区半径的第三关联模型。
无线时延可靠性可以采用**ms@几个九来标识，比如20ms@99.99％，表示99.99％的概率，时延都＜20ms。
空口误块率(Air Interface of Block Error Rate，iBLER)是指传输块经过CRC(Cyclic Redundancy Check，循环冗余校验码)校验后的平均差错率，是反映网络性能服务质量的重要指标。
基站解调信号质量(Signal to Interference plus Noise Ratio，SINR)是指接收到的有用信号的强度与接收到的干扰信号(噪声和干扰)的强度的比值。
基站小区半径是为用户提供无线通信业务的一片区域，是无线网络的基本组成单位。
在本发明实施例中，为了基于无线时延可靠性进行网络规划，可以通过调用无线时延可靠性与空口误块率的第一关联模型，以及调用空口误块率与基站解调信号质量的第二关联模型，以及调用基站解调信号质量与基站小区半径的第三关联模型，实现无线时延的精准预测和可靠性分析。
参照图2，示出了本发明实施例提供的第一关联模型构建方法的步骤流程图，所述第一关联模型可以通过如下方式构建得到：
步骤201，确定数据传输的无线时延。
在本发明实施例中，无线时延可靠性与空口误块率的第一关联模型的构建，可以先确定数据传输的无线时延。具体地，时延可以分为上行时延和下行时延，通过分别对上行时延和下行时延进行分解，针对TDD(Time Division Duplexing，时分双工)系统帧结构上下行转换时延进行概率化度量，可以确定数据传输的无线时延。
本发明的一个可选实施例中，步骤201可以包括以下子步骤：
子步骤S11，确定所述上行时隙与所述下行时隙之间相互转换的空口等待时延；
子步骤S12，根据所述空口等待时延，确定数据传输的无线时延。
在具体实现中，针对上行时延的分解，参照图3，示出了本发明实施例提供的上行时延分解图，SL0～SL19分别表示时隙，每个时隙为0.5ms，D为下行时隙，U为上行时隙，S为上下行时隙转换的特殊时隙。示例性地，图3是以3.5G TDD 7:3时隙配比为例，即图3中的上行数据在SL0～SL9期间准备好，在最近的上行时隙U发送，可以把特殊时隙S当做下行时隙D，那么D+S:U＝7:3。
由于5G TDD系统，在上行数据准备好以后，有可能处于下行时隙D，则需要等待至上行时隙U时，才能将上行数据发送出去，因此，下行时隙D转换为上行时隙U的空口等待时延，可以根据上行数据发送的时隙情况进行确定。如图3所示，上行数据在下行时隙SL0中准备好，则需要等到上行时隙SL4才能发送出去，空口等待时延为3个时隙。具体地，如图3所示，上行时延的初传等待时隙可以包括4个时隙、3个时隙、2个时隙、1个时隙、0个时隙，其中初传等待时隙为4个时隙，可以包括上行数据在SL9中准备好，在SL14中发送；初传等待时隙为3个时隙，可以包括上行数据在SL0、SL4中准备好，在SL4、SL8中发送；初传等待时隙为2个时隙，可以包括上行数据在SL1、SL5中准备好，在SL4、SL8中发送；初传等待时隙为1个时隙，可以包括上行数据在SL2、SL6中准备好，在SL4、SL8中发送；初传等待时隙为0个时隙，可以包括上行数据在SL3、SL7、SL8中准备好，在SL4、SL8、SL9中发送。
由上述可知，上行时延的初传等待时隙包括4个时隙、3个时隙、2个时隙、1个时隙、0个时隙，而每个时隙为0.5ms，那么可以确定下行时隙转换为上行时隙的空口等待时延为0～2ms。
需要说明的是，无线时延的传输模式可以包括初传和重传，上行时延在初传情况下可以分为UE处理、空口等待时延、空口初传时延、基站接收时延，其中空口等待时延根据数据发送的时隙情况进行确定，下行时隙转换为上行时隙的空口等待时延为0-2ms，如下述表1所示：
Figure BDA0003726711220000091
表1
根据3GPP(3rd Generation Partnership Project，第三代合作伙伴计划)标准要求，无线时延可以通过MAC重传来确保数据传输的可靠性，但MAC重传1次，无线时延增加5ms(由TDD帧结构决定)。
分析上行时延的初传、MAC重传的时延分解，形成初传、MAC重传的累计概率分布情况。示例性地，以ul_iBLER为10％，无线时延要求t为20ms为例，初传、1次重传、2次重传、3次重传、4次重传的概率及满足度如图4所示。其中ul_iBLER为上行误块率，即上行时延的空口误块率。
需要说明的是，根据现网定制无线时延要求，本发明实施例可以仅考虑4次以内的MAC重传，因为第5次重传的无线时延达到25ms以上，已不满足现网的最低要求。
参照图4，示出了本发明实施例提供的上行时延可靠性与上行误块率的累计概率分布图，其中初传等待时隙、重传等待时延均为空口等待时延；初传时延是UE处理时延、空口等待时延、空口初传时延、基站接收时延的总和，由于空口等待时延为0～2ms，即空口等待时延在4个时隙、3个时隙、2个时隙、1个时隙、0个时隙中分别为2ms、1.5ms、1ms、0.5ms、0ms，故初传时延在4个时隙、3个时隙、2个时隙、1个时隙、0个时隙中分别为4.5ms、4ms、3.5ms、3ms、2.5ms；由于MAC重传1次，无线时延增加5ms，故第一次重传时延是在初传时延的基础上增加5ms，第二次重传时延是在第一次重传时延的基础上增加5ms......以此类推，由此可以得到上行数据传输的无线时延。
下行时延的概率分布原理同上行时延一样。在具体实现中，针对下行时延的分解，参照图5，示出了本发明实施例提供的下行时延分解图，SL0～SL10分别表示时隙，每个时隙为0.5ms，D为下行时隙，U为上行时隙，S为上下行时隙转换的特殊时隙。示例性地，图5同样是以3.5G TDD 7:3时隙配比为例。
同样地，由于5G TDD系统，在下行数据准备好以后，有可能处于上行时隙U，则需要等待至下行时隙D时，才能将下行数据发送出去，因此，上行时隙U转换为下行时隙D的空口等待时延，可以根据下行数据发送的时隙情况进行确定。如图5所示，下行时延的初传等待时隙可以包括2个时隙、1个时隙、0个时隙，其中初传等待时隙为2个时隙，可以包括下行数据在SL7中准备好，在SL10中发送；初传等待时隙为1个时隙，可以包括上行数据在SL3、SL8中准备好，在SL5、SL10中发送；初传等待时隙为0个时隙，可以包括上行数据在SL0、SL1、SL2、SL4、SL5、SL6、SL9中准备好，在SL1、SL2、SL3、SL5、SL6、SL7、SL10中发送。
由上述可知，下行时延的初传等待时隙包括2个时隙、1个时隙、0个时隙，而每个时隙为0.5ms，那么可以确定上行时隙转换为下行时隙的空口等待时延为0～1ms。
下行时延与上行时延构成基本相同，不同在于，上行时延的空口等待时延为0-2ms，下行时延的空口等待时延为0-1ms，如下述表2所示：
Figure BDA0003726711220000101
表2
分析下行时延的初传、MAC重传的时延分解，形成初传、MAC重传的累计概率分布情况。示例性地，以dl_iBLER为10％，无线时延要求t为20ms为例，初传、1次重传、2次重传、3次重传、4次重传的概率及满足度如图6所示。其中dl_iBLER为下行误块率，即下行时延的空口误块率。
参照图6，示出了本发明实施例提供的下行时延可靠性与下行误块率的累计概率分布图，其中初传等待时隙、重传等待时延均为空口等待时延；初传时延是UE处理时延、空口等待时延、空口初传时延、基站接收时延的总和，由于空口等待时延为0～1ms，即空口等待时延在2个时隙、1个时隙、0个时隙中分别为1ms、0.5ms、0ms，故初传时延在2个时隙、1个时隙、0个时隙中分别为3.5ms、3ms、2.5ms；由于MAC重传1次，无线时延增加5ms，故第一次重传时延是在初传时延的基础上增加5ms，第二次重传时延是在第一次重传时延的基础上增加5ms......以此类推，由此可以得到下行数据传输的无线时延。
步骤202，根据空口误块率，确定数据传输成功且等待N个时隙的总体概率；所述N为大于等于零的正整数。
在本发明实施例中，可以根据空口误块率，确定数据传输成功且等待N个时隙的总体概率，其中N为大于等于零的正整数。
在具体实现中，针对上行时延的分解，如图3所示，4个时隙、3个时隙、2个时隙、1个时隙、0个时隙的发生次数分别为1次、2次、2次、2次、3次，由此可得，4个时隙、3个时隙、2个时隙、1个时隙、0个时隙的发生概率分别为10％、20％、20％、20％、30％，如下述表3所示：
初传等待时隙(0.5ms/时隙) 4 3 2 1 0
发生概率 10％ 20％ 20％ 20％ 30％
表3
发生概率是指数据等待N个时隙的概率。MAC重传的发生概率可以由空口误块率决定，通常重传与初传可以具有相同的发生概率。
成功概率是指数据发送成功的概率，成功概率可以由空口误块率决定。具体地，针对上行时延，初传成功概率为1-ul_iBLER，重传1次成功概率为ul_iBLER*(1-ul_iBLER)，重传2次成功概率为ul_iBLER2*(1-ul_iBLER)，...，重传n次成功概率为ul_iBLERn*(1-ul_iBLER)。
总体概率是指数据传输成功且等待N个时隙的概率，总体概率＝成功概率*发生概率。
如图4所示，初传的发生概率与重传的发生概率一致，均为10％、20％、20％、20％、30％；由上述成功概率的计算公式可得，初传成功概率为90％，重传1次成功概率为9％，重传2次成功概率为0.9％，重传3次成功概率为0.09％，重传4次成功概率为0.009％；由发生概率和成功概率可得，初传总体概率为9％、18％、18％、18％、27％，重传1次总体概率为1％、2％、2％、2％、3％，重传2次总体概率为0.1％、0.2％、0.2％、0.2％、0.3％，重传3次总体概率为0.009％、0.018％、0.018％、0.018％、0.027％，重传4次总体概率为0.001％、0.002％、0.002％、0.002％、0.003％，由此可以得到上行数据传输成功且等待N个时隙的总体概率。
下行时延的概率分布原理同上行时延一样。在具体实现中，针对下行时延的分解，如图5所示，2个时隙、1个时隙、0个时隙的发生次数分别为1次、2次、7次，由此可得，2个时隙、1个时隙、0个时隙的发生概率分别为10％、20％、70％，如下述表4所示：
初传等待时隙(0.5ms/时隙) 2 1 0
发生概率 10％ 20％ 70％
表4
同样地，发生概率是指数据等待N个时隙的概率。MAC重传的发生概率可以由空口误块率决定，通常重传与初传可以具有相同的发生概率。
同样地，成功概率是指数据发送成功的概率，成功概率可以由空口误块率决定。具体地，针对下行时延，初传成功概率为1-dl_iBLER，重传1次成功概率为dl_iBLER*(1-dl_iBLER)，重传2次成功概率为dl_iBLER2*(1-dl_iBLER)，...，重传n次成功概率为dl_iBLERn*(1-dl_iBLER)。
同样地，总体概率是指数据传输成功且等待N个时隙的概率，总体概率＝成功概率*发生概率。
如图6所示，初传的发生概率与重传的发生概率一致，均为10％、20％、70％；由上述成功概率的计算公式可得，初传成功概率为90％，重传1次成功概率为9％，重传2次成功概率为0.9％，重传3次成功概率为0.09％，重传4次成功概率为0.009％；由发生概率和成功概率可得，初传总体概率为9％、18％、63％，重传1次总体概率为1％、2％、6％，重传2次总体概率为0.1％、0.2％、0.6％，重传3次总体概率为0.009％、0.018％、0.063％，重传4次总体概率为0.001％、0.002％、0.006％，由此可以得到下行数据传输成功且等待N个时隙的总体概率。
步骤203，采用所述总体概率和所述无线时延，构建所述无线时延可靠性与所述空口误块率的累计概率分布函数。
在本发明实施例中，可以采用上述确定的总体概率和无线时延，构建无线时延可靠性与空口误块率的累计概率分布函数。
在具体实现中，总体体验满足度是初传、第1次重传、第2次重传、...、第N次重传的体验满足度的总和，总体体验满足度可以体现可靠性。其中，体验满足度是指满足无线时延要求的概率，体验满足度＝时延是否满足体验*总体概率。其中，时延是否满足体验可以根据无线时延要求和数据传输的无线时延进行确定，例如，当数据传输的无线时延小于或等于无线时延要求时，时延满足体验，可以标识为“1”；当数据传输的无线时延大于无线时延要求时，时延不满足体验，可以标识为“0”。
针对上行时延，如图4所示，由无线时延要求20ms以及上述确定的上行数据传输的无线时延可得，初传时延、第一次重传时延、第二次重传时延、第三次重传时延均满足体检，均标识为“1”，第四次重传不满足体验，均标识为“0”；由时延是否满足体验和总体概率可得，初传体验满足度为9％、18％、18％、18％、27％，重传1次体验满足度为0.9％、1.8％、1.8％、1.8％、2.7％，重传2次体验满足度为0.1％、0.2％、0.2％、0.2％、0.3％，重传3次体验满足度、重传4次体验满足度均为0.0％；由初传、第一次重传、第二次重传、第三次重传、第四次重传的体验满足度可得，总体体验满足度为99.99％，即在上行误块率ul_iBLER为10％、无线时延要求为20ms的情况下，可靠性为99.99％，从而可以构建得到针对上行时延的无线时延可靠性与空口误块率的累计概率分布函数：T＝P(ul_iBLER)。
针对下行时延，如图6所示，由无线时延要求20ms以及上述确定的下行数据传输的无线时延可得，初传时延、第一次重传时延、第二次重传时延、第三次重传时延均满足体检，均标识为“1”，第四次重传不满足体验，均标识为“0”；由时延是否满足体验和总体概率可得，初传体验满足度为9％、18％、63％，重传1次体验满足度为0.9％、1.8％、6.3％，重传2次体验满足度为0.1％、0.2％、0.6％，重传3次体验满足度为0.009％、0.018％、0.063％、重传4次体验满足度均为0.0％；由初传、第一次重传、第二次重传、第三次重传、第四次重传的体验满足度可得，总体体验满足度为99.99％，即在下行误块率dl_iBLER为10％、无线时延要求为20ms的情况下，可靠性为99.99％，从而可以构建得到针对下行时延的无线时延可靠性与空口误块率的累计概率分布函数：T＝P(dl_iBLER)。
需要说明的是，图4和图6中的概率是经过四舍五入得到的，不同概率的精确度可能不同。
步骤204，将所述累计概率分布函数确定为所述无线时延可靠性与所述空口误块率的第一关联模型。
在本发明实施例中，可以将上述构建得到的针对上行时延的累计概率分布函数T＝P(ul_iBLER)以及针对下行时延的累计概率分布函数T＝P(dl_iBLER)，确定为无线时延可靠性与空口误块率的第一关联模型T＝P(iBLER)。
参照图7，示出了本发明实施例提供的第二关联模型构建方法的步骤流程图，所述第二关联模型可以通过如下方式训练得到：
步骤701，获取路测数据；所述路测数据包括所述空口误块率和基站解调信号质量。
在本发明实施例中，可以收集海量的路测数据，其中路测数据可以包括空口误块率iBLER和基站解调信号质量SNIR。示例性地，路测数据如下述表5所示：
Figure BDA0003726711220000141
Figure BDA0003726711220000151
表5
步骤702，将所述空口误块率和所述基站解调信号质量输入至初始多项式回归模型。
在本发明实施例中，收集的路测数据可能含有空值或取值异常的数据，那么在将路测数据输入至初始多项式回归模型之前，可以对路测数据进行预处理。具体地，可以通过缺失值处理、异常值处理，对于上述表5中字段存在空值或取值异常的数据，直接剔除该行数据，之后可以将预处理后的空口误块率和基站解调信号质量输入至初始多项式回归模型。
本发明的一个可选实施例中，所述空口误块率包括上行误块率和下行误块率；步骤702可以包括以下子步骤：
子步骤S21，将所述上行误块率和所述下行误块率分别作为多项式回归真实值，并将所述基站解调信号质量作为多项式回归特征值，输入至初始多项式回归模型；所述初始多项式回归模型为：
Figure BDA0003726711220000152
其中，x为所述多项式回归真实值，
Figure BDA0003726711220000153
为所述多项式回归特征值，b为回归系数，m为高次项。
多项式回归，回归函数是回归变量多项式的回归。多项式回归模型是线性回归模型的一种，此时回归函数关于回归系数是线性的。多项式回归的最大优点就是可以通过增加x的高次项m对实测点进行逼近，直至满意为止。事实上，多项式回归可以处理相当一类非线性问题，它在回归分析中占有重要的地位，因为任一函数都可以分段用多项式来逼近。本发明实施例的初始多项式回归模型为：
Figure BDA0003726711220000154
其中，x为多项式回归真实值，
Figure BDA0003726711220000155
为多项式回归特征值，b为回归系数，m为高次项。
在本发明实施例中，空口误块率iBLER可以包括上行误块率ul_iBLER和下行误块率dl_iBLER。可以分别将上述表5中上行误块率ul_iBLER和下行误块率dl_iBLER输入至多项式回归真实值x，并且可以将上述表5中基站解调信号质量SNIR输入至多项式回归特征值
Figure BDA0003726711220000156
另外，高次项m可以根据实际情况进行制定，通常地，高次项m越大，计算量越大，精度越高。
步骤703，通过所述初始多项式回归模型对所述空口误块率和所述基站解调信号质量进行训练。
在本发明实施例中，可以通过初始多项式回归模型对上行误块率ul_iBLER和基站解调信号质量SNIR进行训练，以及对下行误块率dl_iBLER和基站解调信号质量SNIR进行训练。
步骤704，将训练完成的所述初始多项式回归模型确定为所述空口误块率与所述基站解调信号质量的第二关联模型。
在本发明实施例中，初始多项式回归模型训练完成后，可以得到回归系数b0、b1、b2、...、bm的具体数值，从而可以将训练完成的初始多项式回归模型ul_iBLER＝F(SINR)和dl_iBLER＝F(SINR)，确定为空口误块率与基站解调信号质量的第二关联模型iBLER＝F(SINR)。
参照图8，示出了本发明实施例提供的第三关联模型构建方法的步骤流程图，所述第三关联模型可以通过如下方式构建得到：
步骤801，计算最大的允许路径损耗值；所述最大的允许路径损耗值用于表征所述基站解调信号质量；所述最大的允许路径损耗值为包含有终端与基站天线距离的函数。
根据3GPP标准，5G标准传输可以包含Urban Micro(UMi)杆站和Urban Macro(Uma)宏站，其中Urban Micro(UMi)杆站的典型高度为10m，Urban Macro(Uma)宏站的典型高度为25m。5G行业定制网场景一般位于郊区，本发明实施例可以采用Uma规划模型作为基站解调信号质量与基站小区半径的第三关联模型。
在具体实现中，参照图9，示出了本发明实施例提供的路径损耗示意图，根据3D-Uma NLOS链路预算模型可知，最大的允许路径损耗值PLUma-NLOS(d3D)＝基站发射功率+增益-裕量-损耗-UE接收灵敏度。具体地，最大的允许路径损耗值可以由下述式1计算得到：
Figure BDA0003726711220000161
其中，PLUma-NLOS(d3D)为最大的允许路径损耗值，d3D为终端与基站天线距离，W为街道宽度，h为平均建筑物高度，hBS为基站高度，fc为频段信息，hUT为终端高度。
基站解调信号质量SINR与最大的允许路径损耗值PLUma-NLOS(d3D)具有关联性。例如，如果基站解调信号质量SINR要求高，那么空中传播的损耗需要足够小，即最大的允许路径损耗值需要足够小；如果基站解调信号质量SINR要求不高，那么空中传播的损耗无需足够小，即最大的允许路径损耗值无需足够小。本发明实施例可以采用最大的允许路径损耗值PLUma-NLOS(d3D)，来体现基站解调信号质量SINR。
示例性地，以现网1典型配置为例，计算最大的允许路径损耗值PLUma-NLOS(d3D)，假设基站解调信号质量SINR为0.8，计算得到的最大允许路径损耗值PLUma-NLOS(d3D)可以为113.79。
步骤402，根据所述终端与基站天线距离、基站高度、终端高度，构建所述基站解调信号质量与基站小区半径的第三关联模型。
在本发明实施例中，最大的允许路径损耗值PLUma-NLOS(d3D)是包含有终端与基站天线距离d3D的函数，而终端与基站天线距离d3D与基站小区半径d2D具有关联性，如图10所示。
终端与基站天线距离d3D可以通过下述式2转换为基站小区半径d2D：
Figure BDA0003726711220000171
其中，d2D为基站小区半径，d3D为终端与基站天线距离，hBS为基站高度，hUT为终端高度。
由此根据终端与基站天线距离d3D、基站高度hBS、终端高度hUT，可以构建基站解调信号质量SINR与基站小区半径d2D的第三关联模型SINR＝Uma(d2D)。
步骤102，根据所述第一关联模型、第二关联模型和第三关联模型，将所述无线时延可靠性与所述基站小区半径进行关联；
步骤103，采用关联后的所述无线时延可靠性与所述基站小区半径进行网络规划。
在本发明实施例中，第一关联模型T＝P(iBLER)包含有无线时延可靠性与空口误块率的关联关系，第二关联模型iBLER＝F(SINR)包含有空口误块率与基站解调信号质量的关联关系，第三关联模型SINR＝Uma(d2D)包含有基站解调信号质量与基站小区半径的关联关系，因此，本发明实施例可以根据第一关联模型T＝P(iBLER)、第二关联模型iBLER＝F(SINR)、第三关联模型SINR＝Uma(d2D)，将无线时延可靠性与基站小区半径进行关联，从而可以采用关联后的无线时延可靠性与基站小区半径进行网络规划。
现有技术中的预测模型是基于网络覆盖或者基于网络容量进行规划，而行业应用定制网承载时延敏感性业务，如无人驾驶、远程操控、智慧电力，基于网络覆盖或者基于网络容量的预测模型无法精准保障无线时延的预测能力。
针对基于网络覆盖和网络容量的规划方法的不足，本发明实施例从日常5G时延敏感性业务保障出发，提出一种更加科学、客观的基于无线时延可靠性的网络规划方法，能够根据业务无线时延要求情况，精准量化时延需求的网络质量要求，将无线时延可靠性与空口误块率、空口误块率与基站解调信号质量、基站解调信号质量与基站小区半径进行关联建模，实现无线时延的精准预测和满足度分析，为5G网络基站规划、网络结构调优提供可量化的数据支撑。
本发明实施例的应用场景可以包括：1.可以广泛应用于5G网络的针对时延敏感业务的基站规划、网络结构调优，最小化基站资源投入；2.针对现网时延敏感性业务需求如自动驾驶、远程操控、智慧电力等，估算无线时延满足情况，通过本发明实施例的5G时延可靠性的预测模型进行预测，对于5G网络无法满足的无线时延可靠性要求，能够及时地、高效地、精准地进行判别，从而可以制定光纤网络等替代方案。
本发明实施例的应用价值可以包括：1.本发明实施例涉及的5G时延可靠性的预测模型具备对5G小区的时延预测能力，能够支撑基于时延提升的5G基站规划和5G网络优化；2.本发明实施例涉及的基于无线时延可靠性的网络规划方法可以充分应用于5G低时延类应用网络规划和优化，最小化资源匹配，精准估算现网时延保障能力，能够降低无线网络传输时延，提升行业客户满意度，增强市场竞争力。
本发明的一个可选实施例中，步骤103可以包括以下子步骤：
子步骤S31，采用关联后的所述无线时延可靠性与所述基站小区半径，计算出满足目标无线时延可靠性要求的目标基站小区半径；
子步骤S32，根据所述目标基站小区半径，计算出两两基站之间的目标站间距；
子步骤S33，采用所述目标站间距进行网络规划。
在具体实现中，可以采用关联后的无线时延可靠性与基站小区半径，计算出满足目标无线时延可靠性要求的目标基站小区半径，然后可以根据目标基站小区半径，计算出两两基站之间的目标站间距，从而可以采用目标站间距进行网络规划。
需要说明的是，目标无线时延可靠性要求可以包括上行时延可靠性要求以及下行时延可靠性要求，计算得到的目标基站小区半径可以包括满足上行时延可靠性要求的基站小区半径以及满足下行时延可靠性要求的基站小区半径，可以从这两个基站小区半径中选择最小的基站小区半径，作为最终的目标基站小区半径，从而可以采用最终的目标站间距进行网络规划。
在一种示例中，以上行时延可靠性要求为例，假设上行时延可靠性要求为10ms@99.9％(99.9％的概率，时延都＜10ms)。首先，可以采用针对上行时延的无线时延可靠性与空口误块率的第一关联模型T＝P(ul_iBLER)，确定满足上行时延可靠性要求10ms@99.9％的上行误块率ul_iBLER。具体地，参照图11，示出了本发明实施例提供的上行时延可靠性与上行误块率的累计概率分布图，在无线时延要求为10ms的情况下，若总体体验满足度小于无线时延可靠性要求99.9％，则可以通过调小上行误块率ul_iBLER，实现总体体验满足度大于或等于无线时延可靠性要求99.9％。由图11可知，当上行误块率ul_iBLER达到3.1％时，总体体验满足度为99.9039％，此时的总体体验满足度大于无线时延可靠性要求99.9％，故可以得到上行误块率ul_iBLER为3.1％。
然后，可以采用针对上行时延的空口误块率与基站解调信号质量的第二关联模型ul_iBLER＝F(SINR)，确定满足上行时延可靠性要求10ms@99.9％的基站解调信号质量SINR。具体地，当ul_iBLER为3.1％时，由第二关联模型ul_iBLER＝F(SINR)拟合得到基站解调信号质量SINR为6.12。
接着，可以采用针对上行时延的基站解调信号质量与基站小区半径的第三关联模型SINR＝Uma(d2D)，确定满足上行时延可靠性要求10ms@99.9％的基站小区半径d2D。具体地，根据链路预算模型，当SINR为6.12时，可以计算得到最大允许路损为128.96，然后根据Uma规划模型，可以计算得到基站小区半径d2D为844.83m，如下表6所示：
最大允许路损 128.96
小区半径(m) 844.83
站间距 1267.25
表6
之后，可以根据基站小区半径d2D，计算出两两基站之间的站间距。具体地，可以依据站间距不大于基站小区直径进行计算，因此，当基站小区半径d2D为844.83m时，依据站间距≤2*d2D，可以计算得到站间距为1267.25m。
最后，可以采用站间距1267.25m进行网络规划。由于站间距1267.25m是基于无线时延可靠性要求10ms@99.9％得到的，因此，本发明实施例可以精准保障边缘用户的时延体验情况，可以精准确定站点建设的精准位置及分布情况。
上述示例仅用于使本领域技术人员更好理解本发明实施例，本发明对此不作出限定。
在本发明实施例中，调用无线时延可靠性与空口误块率的第一关联模型，以及调用空口误块率与基站解调信号质量的第二关联模型，以及调用基站解调信号质量与基站小区半径的第三关联模型，然后根据第一关联模型、第二关联模型和第三关联模型，将无线时延可靠性与基站小区半径进行关联，从而采用关联后的无线时延可靠性与基站小区半径进行网络规划。本发明实施例通过无线时延可靠性关联空口误块率、空口误块率关联基站解调信号质量、基站解调信号质量关联基站小区半径，实现基站小区半径关联无线时延可靠性，从而可以精准保障边缘用户的时延体验情况，且可以精准确定站点建设的精准位置及分布情况。
参考图12，示出了本发明实施例提供的一种基于无线时延可靠性的网络规划装置的结构框图，具体可以包括如下模块：
调用模块1201，用于调用所述无线时延可靠性与空口误块率的第一关联模型，以及用于调用所述空口误块率与基站解调信号质量的第二关联模型，以及用于调用所述基站解调信号质量与基站小区半径的第三关联模型；
关联模块1202，用于根据所述第一关联模型、第二关联模型和第三关联模型，将所述无线时延可靠性与所述基站小区半径进行关联；
规划模块1203，用于采用关联后的所述无线时延可靠性与所述基站小区半径进行网络规划。
本发明的一个可选实施例中，所述规划模块1203可以包括：
目标基站小区半径计算子模块，用于采用关联后的所述无线时延可靠性与所述基站小区半径，计算出满足目标无线时延可靠性要求的目标基站小区半径；
目标站间距计算子模块，用于根据所述目标基站小区半径，计算出两两基站之间的目标站间距；
规划子模块，用于采用所述目标站间距进行网络规划。
参照图13，示出了本发明实施例中提供的第一关联模型构建装置的结构框图，所述第一关联模型可以通过如下模块构建得到：
无线时延确定模块1301，用于确定数据传输的无线时延；
总体概率确定模块1302，用于根据空口误块率，确定数据传输成功且等待N个时隙的总体概率；所述N为大于等于零的正整数；
累计概率分布函数构建模块1303，用于采用所述总体概率和所述无线时延，构建所述无线时延可靠性与所述空口误块率的累计概率分布函数；
第一关联模型确定模块1304，用于将所述累计概率分布函数确定为所述无线时延可靠性与所述空口误块率的第一关联模型。
本发明的一个可选实施例中，所述时隙包括上行时隙和下行时隙；所述无线时延确定模块1301可以包括：
空口等待时延确定子模块，用于确定所述上行时隙与所述下行时隙之间相互转换的空口等待时延；
无线时延确定子模块，用于根据所述空口等待时延，确定数据传输的无线时延。
参照图14，示出了本发明实施例中提供的第二关联模型训练装置的结构框图，所述第二关联模型可以通过如下模块训练得到：
路测数据获取模块1401，用于获取路测数据；所述路测数据包括所述空口误块率和基站解调信号质量；
输入模块1402，用于将所述空口误块率和所述基站解调信号质量输入至初始多项式回归模型；
训练模块1403，用于通过所述初始多项式回归模型对所述空口误块率和所述基站解调信号质量进行训练；
第二关联模型确定模块1404，用于将训练完成的所述初始多项式回归模型确定为所述空口误块率与所述基站解调信号质量的第二关联模型。
本发明的一个可选实施例中，所述空口误块率包括上行误块率和下行误块率；所述输入模块1402可以包括：
输入子模块，用于将所述上行误块率和所述下行误块率分别作为多项式回归真实值，并将所述基站解调信号质量作为多项式回归特征值，输入至初始多项式回归模型；
所述初始多项式回归模型为：
Figure BDA0003726711220000221
其中，x为所述多项式回归真实值，
Figure BDA0003726711220000222
为所述多项式回归特征值，b为回归系数，m为高次项。
参照图15，示出了本发明实施例中提供的第三关联模型构建装置的结构框图，所述第三关联模型可以通过如下模块构建得到：
最大的允许路径损耗值计算模块1501，用于计算最大的允许路径损耗值；所述最大的允许路径损耗值用于表征所述基站解调信号质量；所述最大的允许路径损耗值为包含有终端与基站天线距离的函数；
第三关联模型构建模块1502，用于根据所述终端与基站天线距离、基站高度、终端高度，构建所述基站解调信号质量与基站小区半径的第三关联模型。
在本发明实施例中，调用无线时延可靠性与空口误块率的第一关联模型，以及调用空口误块率与基站解调信号质量的第二关联模型，以及调用基站解调信号质量与基站小区半径的第三关联模型，然后根据第一关联模型、第二关联模型和第三关联模型，将无线时延可靠性与基站小区半径进行关联，从而采用关联后的无线时延可靠性与基站小区半径进行网络规划。本发明实施例通过无线时延可靠性关联空口误块率、空口误块率关联基站解调信号质量、基站解调信号质量关联基站小区半径，实现基站小区半径关联无线时延可靠性，从而可以精准保障边缘用户的时延体验情况，且可以精准确定站点建设的精准位置及分布情况。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种电子设备，包括：处理器，存储器，存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述基于无线时延可靠性的网络规划方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述基于无线时延可靠性的网络规划方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例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，本发明实施例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。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的基于无线时延可靠性的网络规划方法、装置、电子设备和计算机可读存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于无线时延可靠性的网络规划方法，其特征在于，所述方法包括：
调用所述无线时延可靠性与空口误块率的第一关联模型，以及
调用所述空口误块率与基站解调信号质量的第二关联模型，以及
调用所述基站解调信号质量与基站小区半径的第三关联模型；
根据所述第一关联模型、第二关联模型和第三关联模型，将所述无线时延可靠性与所述基站小区半径进行关联；
采用关联后的所述无线时延可靠性与所述基站小区半径进行网络规划。
2.根据权利要求1所述的方法，其特征在于，所述第一关联模型通过如下方式构建得到：
确定数据传输的无线时延；
根据空口误块率，确定数据传输成功且等待N个时隙的总体概率；所述N为大于等于零的正整数；
采用所述总体概率和所述无线时延，构建所述无线时延可靠性与所述空口误块率的累计概率分布函数；
将所述累计概率分布函数确定为所述无线时延可靠性与所述空口误块率的第一关联模型。
3.根据权利要求2所述的方法，其特征在于，所述时隙包括上行时隙和下行时隙；所述确定数据传输的无线时延，包括：
确定所述上行时隙与所述下行时隙之间相互转换的空口等待时延；
根据所述空口等待时延，确定数据传输的无线时延。
4.根据权利要求1所述的方法，其特征在于，所述第二关联模型通过如下方式训练得到：
获取路测数据；所述路测数据包括所述空口误块率和基站解调信号质量；
将所述空口误块率和所述基站解调信号质量输入至初始多项式回归模型；
通过所述初始多项式回归模型对所述空口误块率和所述基站解调信号质量进行训练；
将训练完成的所述初始多项式回归模型确定为所述空口误块率与所述基站解调信号质量的第二关联模型。
5.根据权利要求4所述的方法，其特征在于，所述空口误块率包括上行误块率和下行误块率；所述将所述空口误块率和所述基站解调信号质量输入至初始多项式回归模型，包括：
将所述上行误块率和所述下行误块率分别作为多项式回归真实值，并将所述基站解调信号质量作为多项式回归特征值，输入至初始多项式回归模型；
所述初始多项式回归模型为：
Figure FDA0003726711210000021
其中，x为所述多项式回归真实值，
Figure FDA0003726711210000022
为所述多项式回归特征值，b为回归系数，m为高次项。
6.根据权利要求1所述的方法，其特征在于，所述第三关联模型通过如下方式构建得到：
计算最大的允许路径损耗值；所述最大的允许路径损耗值用于表征所述基站解调信号质量；所述最大的允许路径损耗值为包含有终端与基站天线距离的函数；
根据所述终端与基站天线距离、基站高度、终端高度，构建所述基站解调信号质量与基站小区半径的第三关联模型。
7.根据权利要求1所述的方法，其特征在于，所述采用关联后的所述无线时延可靠性与所述基站小区半径进行网络规划，包括：
采用关联后的所述无线时延可靠性与所述基站小区半径，计算出满足目标无线时延可靠性要求的目标基站小区半径；
根据所述目标基站小区半径，计算出两两基站之间的目标站间距；
采用所述目标站间距进行网络规划。
8.一种基于无线时延可靠性的网络规划装置，其特征在于，所述装置包括：
调用模块，用于调用所述无线时延可靠性与空口误块率的第一关联模型，以及用于调用所述空口误块率与基站解调信号质量的第二关联模型，以及用于调用所述基站解调信号质量与基站小区半径的第三关联模型；
关联模块，用于根据所述第一关联模型、第二关联模型和第三关联模型，将所述无线时延可靠性与所述基站小区半径进行关联；
规划模块，用于采用关联后的所述无线时延可靠性与所述基站小区半径进行网络规划。
9.一种电子设备，其特征在于，包括：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计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于无线时延可靠性的网络规划方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于无线时延可靠性的网络规划方法的步骤。
CN202210769057.2A 2022-07-01 2022-07-01 一种基于无线时延可靠性的网络规划方法及装置 Active CN115278700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210769057.2A CN115278700B (zh) 2022-07-01 2022-07-01 一种基于无线时延可靠性的网络规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210769057.2A CN115278700B (zh) 2022-07-01 2022-07-01 一种基于无线时延可靠性的网络规划方法及装置

Publications (2)

Publication Number Publication Date
CN115278700A true CN115278700A (zh) 2022-11-01
CN115278700B CN115278700B (zh) 2024-04-26

Family

ID=83763583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210769057.2A Active CN115278700B (zh) 2022-07-01 2022-07-01 一种基于无线时延可靠性的网络规划方法及装置

Country Status (1)

Country Link
CN (1) CN115278700B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009132561A1 (zh) * 2008-04-28 2009-11-05 华为技术有限公司 一种无线网络规划方法和装置
CN110831019A (zh) * 2019-12-04 2020-02-21 中通服建设有限公司 基站规划方法、装置、计算机设备和存储介质
CN111565083A (zh) * 2019-02-14 2020-08-21 北京三星通信技术研究有限公司 时间同步的方法、ue、基站、设备及计算机可读存储介质
CN114189871A (zh) * 2021-11-18 2022-03-15 国网福建省电力有限公司漳州供电公司 一种考虑校正信号传播模型的电力5g基站布局方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009132561A1 (zh) * 2008-04-28 2009-11-05 华为技术有限公司 一种无线网络规划方法和装置
CN111565083A (zh) * 2019-02-14 2020-08-21 北京三星通信技术研究有限公司 时间同步的方法、ue、基站、设备及计算机可读存储介质
CN110831019A (zh) * 2019-12-04 2020-02-21 中通服建设有限公司 基站规划方法、装置、计算机设备和存储介质
CN114189871A (zh) * 2021-11-18 2022-03-15 国网福建省电力有限公司漳州供电公司 一种考虑校正信号传播模型的电力5g基站布局方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
许贤泽等: "基于5G新场景下的传播模型校正与链路预算", 南京邮电大学学报（自然科学版）, 6 May 2020 (2020-05-06) *

Also Published As

Publication number Publication date
CN115278700B (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
US20230019669A1 (en) Systems and methods for enhanced feedback for cascaded federated machine learning
CN110809306B (zh) 一种基于深度强化学习的终端接入选择方法
EP3930278A1 (en) Scheduling method and apparatus in communication system, and storage medium
EP2863674A1 (en) Capacity planning method and device for wireless broadband network
TW201521370A (zh) 用於抑制干擾的方法和用戶設備
US11909675B2 (en) Interference source identification method, related device, and computer storage medium
CN102625323B (zh) 网络规划方法与装置
US9655129B2 (en) Bundling of packet acknowledgments as a function of the distance
CN102957572A (zh) 一种系统性能评估方法及装置
WO2021164507A1 (zh) 调度方法、调度算法的训练方法及相关系统、存储介质
CN115278700B (zh) 一种基于无线时延可靠性的网络规划方法及装置
US20170127450A1 (en) Data transmission control method and device
CN109842466A (zh) 一种数据重传方法及网络设备
Merwaday et al. Communication-Control Co-design for Robotic Manipulation in 5G Industrial IoT
CN109041009B (zh) 一种车联网上行功率分配方法及装置
EP2490346A1 (en) Method for increasing quality of signals received by at least one destination device among a plurality
CN113068247B (zh) 基于多层感知机的无线接入点功率估计方法
CN113965944A (zh) 保证系统控制性能的使延迟确定性最大化的方法及系统
CN117597969A (zh) Ai数据的传输方法、装置、设备及存储介质
CN111294815B (zh) 一种上行受限的确定方法及装置
JP4675405B2 (ja) 基地局送信電力制御方法及び装置
CN114828193B (zh) 一种无线网络上下行多业务并发功率分配方法及存储介质
WO2024031535A1 (zh) 无线通信方法、终端设备和网络设备
WO2024041117A1 (zh) 一种计算任务的分割方法及相关装置
WO2024032695A1 (zh) Csi预测处理方法、装置、通信设备及可读存储介质

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