CN116801268B - 一种基于射线追踪的毫米波频段室内多基站位置优化方法 - Google Patents

Abstract

本发明提供一种基于射线追踪的毫米波频段室内多基站位置优化方法，包括构建室内毫米波网络模型；确定室内毫米波网络模型优化约束条件；根据约束条件构建多基站位置部署的代价函数；在室内毫米波网络模型中确定各基站的初始位置；以各基站的初始位置为起点，采用轴向搜索结合模式搜索法确定各基站的最优位置。本发明在保留较低复杂度和全局优化算法优势的同时，可以在基站位置必须位于可行区间内的约束条件下求解室内多基站优化问题，以路径损耗和信干燥比为优化参数，在多基站部署优化问题的优化结果准确度和优化算法复杂度之间达到良好平衡，使得优化后的基站位置能够为室内毫米波网络提供高质量的信号覆盖。

Description

一种基于射线追踪的毫米波频段室内多基站位置优化方法

技术领域

本发明属于无线通信技术领域，尤其一种基于射线追踪的毫米波频段室内多基站位置优化方法。

背景技术

当下智能设备和智能应用数量激增，5G移动通信系统将难以容纳海量的移动设备，6G技术将是未来研究和开发的热点。同时，受移动用户使用行为习惯影响，当前大部分移动通信业务都集中于室内。毫米波技术有着速率高、带宽大、传播损耗大、穿透能力弱等优缺点，是6G的核心技术之一。因其穿透能力弱等特点，毫米波技术多应用于室内等短距离通信场景。然而，毫米波传播对其路径上的障碍物更加敏感，导致不同的基站位置将会显著影响网络信号质量与覆盖。因此，毫米波段的室内多基站部署优化研究对精度提出了更高要求。

目前，关于室内基站部署优化的研究方法主要分为两种。一种方法为调整基站的位置、天线角度等参数，然后对比分析信号变化，以找到一个相对最优基站部署方案。这种方法复杂度低，但提供的仅仅是一个可行的基站部署方案，而不是全局最优解。另一种方法则是搭建一个数学模型，将基站部署优化问题重构为一个数学优化问题，使用不同的优化方法以寻找最优解。第二种方法相对第一种能够提供更为准确可靠的基站部署方案。在第二种方法的基础上，部分学者为进一步提高基站部署优化的精度，使用了射线追踪方法获得优化所需的无线信道参数，但因射线追踪复杂度高，优化算法往往使用的是最速下降法等简单线搜索算法，这会陷入局部最优困局，即寻找到的最优解可能是局部最优解。另部分学者使用了遗传算法等高复杂度的机器学习算法进行最优基站位置求解，可以避免陷入局部最优并找到全局最优解，但因其优化算法复杂度高，无线信道参数往往由经验模型给出。综上所述，现有的研究方法难以在优化算法复杂度和优化结果准确度之间达到良好权衡。

发明内容

本发明针对现有技术中的不足，提供一种基于射线追踪的毫米波频段室内多基站位置优化方法。

第一方面，本发明提供一种基于射线追踪的毫米波频段室内多基站位置优化方法，包括：

构建室内毫米波网络模型；

确定室内毫米波网络模型优化约束条件；

根据约束条件构建多基站位置部署的代价函数；

在室内毫米波网络模型中确定各基站的初始位置；

以各基站的初始位置为起点，采用轴向搜索结合模式搜索法确定各基站的最优位置。

进一步地，所述构建室内毫米波网络模型，包括：

以室内空间的长和宽的交点为原点，长度方向为X轴方向，宽度方向为Y轴方向，垂直于X轴方向和Y轴方向为Z轴方向构建全局坐标系，得到室内的超矩形Q，Q＝{(x,y,h_T)∈R³|0≤x≤a,0≤y≤b}，a为室内空间的长度值，b为室内空间的宽度值，x为超矩形Q的长度值，y为超矩形Q的宽度值，h_T为室内基站的高度值，R³为三维实数空间。

进一步地，所述确定室内毫米波网络模型优化约束条件，包括：

根据以下公式计算接收点i接收来自基站j的信号功率P_ij：

P_ij＝P_T-P_L,ij；

其中，i＝1,2,3,...,m；m为室内空间中接收点的总数量；j＝1,2,3,...,n；n为室内空间中基站的总数量；P_T为基站的发射功率；P_L,ij为接收点i和基站j之间的路径损耗；

根据以下公式计算室内毫米波网络模型中的热噪声P_noise：

P_noise＝kVB；

其中，k为波尔兹曼常数；V为室内开尔文温度；B为信号带宽；

根据以下公式计算接收点i处的信干燥比γ_i：

其中，P_i为接收点i处接收信号功率；当接收点i和基站q连接时，接收点i接收来自基站q的信号功率P_iq与P_i相等，干扰功率为

根据以下公式计算接收点i处的路径损耗P_L,i：

构建约束条件为：

其中，P_L,th为预设路径损耗门限；γ_th为预设信干燥比门限。

进一步地，所述根据约束条件构建多基站位置部署的代价函数，包括：

构建代价函数F表达式：

其中，f₁为第一目标函数；f₂为第二目标函数；f₃为第三目标函数； 为第一目标函数的优化优先级；/>为第二目标函数的优化优先级；/>为第三目标函数的优化优先级：

其中，ω_i为接收点i的权重；ω_i的大小表征接收点i对网络信号质量需求的高低；i＝1,2,3,...,m；m为室内空间中接收点的总数量；P_L,i为接收点i处的路径损耗；P_L,th为预设路径损耗门限；γ_th为预设信干燥比门限；μ_i为接收点i处的惩罚因子，μ_i的大小表征P_L,i和/或γ_i未满足门限导致的结果严重程度；n为室内空间中基站的总数量；γ_i为接收点i处的信干燥比。

进一步地，所述在室内毫米波网络模型中确定各基站的初始位置，包括：

步骤401，确定当前室内空间中每个超矩形的权重和；每个超矩形的权重和为对应超矩形内所有接收点的权重的和；

步骤402，遍历所有超矩形的权重和，获取权重和最大的超矩形Q_j；

步骤403，根据以下公式计算超矩形Q_j的重心坐标

其中，h_T为室内基站的高度值；ω_i1为超矩形Q_j中接收点i1的权重；x_i1为超矩形Q_j中接收点i1的横坐标；y_i1为超矩形Q_j中接收点i1的纵坐标；

步骤404，在超矩阵Q_j的重心处，沿着超矩阵Q_j的宽度方向将超矩阵Q_j分割为两个新的超矩形；

步骤405，重复执行步骤401-404，直至得到n个重心坐标，将n个重心坐标分别作为n个基站的初始位置；n为室内空间中基站的总数量。

进一步地，所述以各基站的初始位置为起点，采用轴向搜索结合模式搜索法确定各基站的最优位置，包括：

步骤501，构建基站优化后的位置的横坐标和纵坐标的集合A^λ：

其中，λ为基站位置优化次数；为基站n优化λ次后的位置横坐标；/>为基站n优化λ次后的位置纵坐标；n为室内空间中基站的总数量；

步骤502，构建轴向搜索的基站起始位置集合B¹：

步骤503，对B¹分别沿着B¹的2n个维度方向以目标步长进行移动，并在移动过程中获取最小代价函数值对应的基站位置的横坐标和纵坐标的集合B²ⁿ⁺¹；

步骤504，判断F(B²ⁿ⁺¹)＜F(A^l)是否成立；其中，F(B²ⁿ⁺¹)为基站位置横坐标和纵坐标集合B²ⁿ⁺¹时的代价函数值；F(A^l)为基站位置横坐标和纵坐标集合A^l时的代价函数值；

步骤505，如果小于，则使A^l+1＝B²ⁿ⁺¹，代价函数的下降方向矢量D＝A^l+1-A^l；将下一次优化中的B¹更新为A^l+1+αD；其中l+1≤λ；α为加速因子，用于加速轴向搜索和模式搜索的收敛；

步骤506，如果不小于；则使δ^l+1＝βδ^l，A^l+1＝A^l，将下一次优化中的B¹更新为A^l；其中，δ^l为第l次基站位置优化的步长；β为衰落因子；

步骤507，进行l+1次基站位置优化时，判断δ^l+1是否大于预设允许误差ε；

步骤508，如果大于，则重复执行步骤501-507；

步骤509，如果不大于，则将A^l+1作为基站位置最终的横坐标和纵坐标的集合，并结束基站位置优化。

第二方面，本发明提供一种计算机设备，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现第一方面所述的基于射线追踪的毫米波频段室内多基站位置优化方法的步骤。

第三方面，本发明提供一种计算机可读存储介质，用于存储计算机程序；计算机程序被处理器执行时实现第一方面所述的基于射线追踪的毫米波频段室内多基站位置优化方法的步骤。

本发明提供一种基于射线追踪的毫米波频段室内多基站位置优化方法，包括构建室内毫米波网络模型；确定室内毫米波网络模型优化约束条件；根据约束条件构建多基站位置部署的代价函数；在室内毫米波网络模型中确定各基站的初始位置；以各基站的初始位置为起点，采用轴向搜索结合模式搜索法确定各基站的最优位置。

本发明使用的计算优化初始解方法能加速优化算法，能够减少基站部署优化的求解时间。且相较于传统模式搜索算法，在保留较低复杂度和全局优化算法优势的同时，可以在基站位置必须位于可行区间内的约束条件下求解室内多基站优化问题，以路径损耗和信干燥比为优化参数，实现室内毫米波网络的高质量与全覆盖。本发明能够在多基站部署优化问题的优化结果准确度和优化算法复杂度之间达到良好平衡，使得优化后的基站位置能够为室内毫米波网络提供高质量的信号覆盖。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例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实施例，对于本领域普通技术人员而言，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为本发明实施例提供的一种基于射线追踪的毫米波频段室内多基站位置优化方法的流程图；

图2为本发明实施例提供的应用场景图；

图3为本发明实施例提供的接收点权重划分示意图；

图4为本发明实施例提供的确定的初始基站位置示意图；

图5为本发明实施例提供的代价函数收敛曲线图；

图6为本发明实施例提供的随机基站位置得到的接收功率图；

图7为本发明实施例提供的计算得出的初始解作为优化前的初始基站位置得到的接收功率图；

图8为本发明实施例提供的优化后的接收功率图；

图9为本发明实施例提供的随机基站位置得到的SINR图；

图10为本发明实施例提供的以计算得出的初始解作为优化前的初始基站位置得到的SINR图；

图11为本发明实施例提供的优化后的SINR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、完整的描述，显然，所描述的实施例仅仅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。

在一实施例中，如图1所示，本发明实施例提供一种基于射线追踪的毫米波频段室内多基站位置优化方法，包括：

步骤1，构建室内毫米波网络模型。

如图2所示，为一个长a为30m、宽b为20m和高3m的室内空间。其中若干个立方体代表桌子1，三角形代表基站2，并有隔板3将空间划分为若干个区域。室内毫米波网络模型中一共有m个接收点和n个基站，以优化场景的左下顶点为原点，以平行于优化场景的长、宽和高的方向分别为X轴、Y轴和Z轴建立一个全局坐标系。接收点坐标表示为(x_i,y_i,z_i)，i＝1,2,3,...,m；基站坐标表示为(x_j,y_j,z_j)，j＝1,2,3,...,n。

优化区域的超矩形为Q，Q＝{(x,y,h_T)∈R³|0≤x≤a,0≤y≤b}，a为室内空间的长度值，b为室内空间的宽度值，x为超矩形Q的长度值，y为超矩形Q的宽度值，h_T为室内基站的高度值，R³为三维实数空间。示例性地，在室内开尔文温度V为290K的室内天花板处放置两个基站，其高度h_T为3m，基站的发射功率P_T设置为0dBm，载波频率f为28GHz，信号带宽B为100MHz。如图3所示，在室内以0.5m密度均匀设置2400个接收点，接收点的高度h_R为1.5m。

步骤2，确定室内毫米波网络模型优化约束条件。

示例性地，本步骤包括根据以下公式计算接收点i接收来自基站j的信号功率P_ij：

P_ij＝P_T-P_L,ij。

其中，P_L,ij为接收点i和基站j之间的路径损耗。

根据以下公式计算室内毫米波网络模型中的热噪声P_noise：

P_noise＝kVB。

其中，k为波尔兹曼常数，k＝1.380658×10^-23J/K。

定义接收点与拥有到它最小路径损耗的基站连接，基站j连接的接收点集合表示为S_j，基站j1连接的接收点集合表示为S_j1，基站j2连接的接收点集合表示为S_j2，并且需要满足：

根据以下公式计算接收点i处的信干燥比γ_i：

其中，P_i为接收点i处接收信号功率；当接收点i和基站q连接时，接收点i接收来自基站q的信号功率P_iq与P_i相等，干扰功率为

根据以下公式计算接收点i处的路径损耗P_L,i：

构建约束条件为：

其中，P_L,th为预设路径损耗门限；γ_th为预设信干燥比门限。本实施例中，P_L,th设置为70dB，γ_th设置为7dB。当P_L,i小于P_L,th时，接收点i被信号覆盖；γ_i大于γ_th时，接收点i处信号质量良好。

步骤3，根据约束条件构建多基站位置部署的代价函数。示例性地，本步骤包括：

构建代价函数F表达式：

其中，f₁为第一目标函数；f₂为第二目标函数；f₃为第三目标函数；本实施例中，/> 为第一目标函数的优化优先级；/>为第二目标函数的优化优先级；/>为第三目标函数的优化优先级：

其中，ω_i为接收点i的权重；ω_i的大小表征接收点i对网络信号质量需求的高低；如图3所示，较大圆点代表高权重接收点，权重为1；较小圆点代表低权重接收点，权重为0.2。i＝1,2,3,...,m；m为室内空间中接收点的总数量；P_L,i为接收点i处的路径损耗；P_L,th为预设路径损耗门限；γ_th为预设信干燥比门限；μ_i为接收点i处的惩罚因子，μ_i的大小表征P_L,i和/或γ_i未满足门限导致的结果严重程度；设置接收点的惩罚因子均与其权重一致。

代价函数值的大小代表网络的覆盖情况和质量水平，其值越小代表网络覆盖情况和质量水平越好。因此，基站位置优化过程转换为在约束条件下寻找代价函数最小值的过程。

步骤4，在室内毫米波网络模型中确定各基站的初始位置。示例性地，本步骤包括：

步骤401，确定当前室内空间中每个超矩形的权重和；每个超矩形的权重和为对应超矩形内所有接收点的权重的和。

步骤402，遍历所有超矩形的权重和，获取权重和最大的超矩形Q_j。

步骤403，根据以下公式计算超矩形Q_j的重心坐标

其中，h_T为室内基站的高度值；ω_i1为超矩形Q_j中接收点i1的权重；x_i1为超矩形Q_j中接收点i1的横坐标；y_i1为超矩形Q_j中接收点i1的纵坐标。

步骤404，在超矩阵Q_j的重心处，沿着超矩阵Q_j的宽度方向将超矩阵Q_j分割为两个新的超矩形，如图4所示，其中三角形代表基站初始位置，竖线将优化区域划分为两个超矩形。

步骤405，重复执行步骤401-404，直至得到n个重心坐标，将n个重心坐标分别作为n个基站的初始位置；n为室内空间中基站的总数量。

步骤5，以各基站的初始位置为起点，采用轴向搜索结合模式搜索法确定各基站的最优位置。示例性地，本步骤包括：

步骤501，构建基站优化后的位置的横坐标和纵坐标的集合A^λ：

其中，λ为基站位置优化次数；为基站n优化λ次后的位置横坐标；/>为基站n优化λ次后的位置纵坐标；n为室内空间中基站的总数量。

由于h_T为常数，在优化过程中，基站位置必须满足0＜x_j＜a，0＜y_j＜b。根据此约束条件构建约束矩阵H：

步骤502，构建轴向搜索的基站起始位置集合B¹：

步骤503，在轴向搜索结合模式搜索法开始执行前，设置B¹＝A¹，首先轴向搜索。对B¹分别沿着B¹的2n个维度方向以目标步长进行移动，并在移动过程中获取最小代价函数值对应的基站位置的横坐标和纵坐标的集合B²ⁿ⁺¹。

步骤504，模式搜索时，判断F(B²ⁿ⁺¹)＜F(A^l)是否成立；其中，F(B²ⁿ⁺¹)为基站位置横坐标和纵坐标集合B²ⁿ⁺¹时的代价函数值；F(A^l)为基站位置横坐标和纵坐标集合A^l时的代价函数值。

步骤505，如果小于，则使A^l+1＝B²ⁿ⁺¹，代价函数的下降方向矢量D＝A^l+1-A^l；将下一次优化中的B¹更新为A^l+1+αD；其中l+1≤λ；α为加速因子，用于加速轴向搜索和模式搜索的收敛；

步骤506，如果不小于；则使δ^l+1＝βδ^l，A^l+1＝A^l，将下一次优化中的B¹更新为A^l；其中，δ^l为第l次基站位置优化的步长；β为衰落因子，本实施例β为0.5。

步骤507，进行l+1次基站位置优化时，判断δ^l+1是否大于预设允许误差ε，本实施例ε为0.5。

步骤508，如果大于，则重复执行步骤501-507。

步骤509，如果不大于，则将A^l+1作为基站位置最终的横坐标和纵坐标的集合，并结束基站位置优化。

如图5所示，展示了本发明能够显著缩短优化算法的收敛时间。本发明以计算出的优化初始解作为基站初始位置，相较于传统以随机基站作为基站初始位置的优化方法，有效降低了迭代次数。

如图6、图7和图8所示，展示了随机站点、优化前和优化后三种情况下的接收功率图，如图9、图10和图11所示，展示了随机站点、优化前和优化后三种情况下的SINR(信干燥比)图。需要说明的是，优化前以计算得出的优化初始解作为基站初始位置。图中最深色块代表隔板，白色区域代表此处无信号，高权重接收点由空心圈围住。分析可以得出本发明中的基于射线追踪的轴向搜索结合模式搜索法能够有效优化多基站部署问题，所得最优基站位置能够有效改善毫米波网络中的路径损耗和SINR，以实现毫米波网络中的高质量的信号覆盖。

在另一实施例中，本发明提供一种计算机设备，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现上述基于射线追踪的毫米波频段室内多基站位置优化方法的步骤。

关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

在另一实施例中，本发明提供一种计算机可读存储介质，用于存储计算机程序；计算机程序被处理器执行时实现上述基于射线追踪的毫米波频段室内多基站位置优化方法的步骤。

关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的设备和存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上结合具体实施方式和范例性实例对本发明进行了详细说明，不过这些说明并不能理解为对本发明的限制。本领域技术人员理解，在不偏离本发明精神和范围的情况下，可以对本发明技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本发明的范围内。本发明的保护范围以所附权利要求为准。

Claims (7)

1.一种基于射线追踪的毫米波频段室内多基站位置优化方法，其特征在于，包括：

构建室内毫米波网络模型；

确定室内毫米波网络模型优化约束条件；

根据约束条件构建多基站位置部署的代价函数；

在室内毫米波网络模型中确定各基站的初始位置；

以各基站的初始位置为起点，采用轴向搜索结合模式搜索法确定各基站的最优位置；

其中，所述以各基站的初始位置为起点，采用轴向搜索结合模式搜索法确定各基站的最优位置，包括：

步骤501，构建基站优化后的位置的横坐标和纵坐标的集合A^λ：

其中，λ为基站位置优化次数；为基站n优化λ次后的位置横坐标；/>为基站n优化λ次后的位置纵坐标；n为室内空间中基站的总数量；

步骤502，构建轴向搜索的基站起始位置集合B¹：

步骤503，对B¹分别沿着B¹的2n个维度方向以目标步长进行移动，并在移动过程中获取最小代价函数值对应的基站位置的横坐标和纵坐标的集合B²ⁿ⁺¹；

步骤504，判断F(B²ⁿ⁺¹)＜F(A^l)是否成立；其中，F(B²ⁿ⁺¹)为基站位置横坐标和纵坐标集合B²ⁿ⁺¹时的代价函数值；F(A^l)为基站位置横坐标和纵坐标集合A^l时的代价函数值；

步骤505，如果小于，则使A^l+1＝B²ⁿ⁺¹，代价函数的下降方向矢量D＝A^l+1-A^l；将下一次优化中的B¹更新为A^l+1+αD；其中l+1≤λ；α为加速因子，用于加速轴向搜索和模式搜索的收敛；

步骤506，如果不小于；则使δ^l+1＝βδ^l，A^l+1＝A^l，将下一次优化中的B¹更新为A^l；其中，δ^l为第l次基站位置优化的步长；β为衰落因子；

步骤507，进行l+1次基站位置优化时，判断δ^l+1是否大于预设允许误差ε；

步骤508，如果大于，则重复执行步骤501-507；

步骤509，如果不大于，则将A^l+1作为基站位置最终的横坐标和纵坐标的集合，并结束基站位置优化。

2.根据权利要求1所述的毫米波频段室内多基站位置优化方法，其特征在于，所述构建室内毫米波网络模型，包括：

以室内空间的长和宽的交点为原点，长度方向为X轴方向，宽度方向为Y轴方向，垂直于X轴方向和Y轴方向为Z轴方向构建全局坐标系，得到室内的超矩形Q，Q＝{(x,y,h_T)∈R³|0≤x≤a,0≤y≤b}，a为室内空间的长度值，b为室内空间的宽度值，x为超矩形Q的长度值，y为超矩形Q的宽度值，h_T为室内基站的高度值，R³为三维实数空间。

3.根据权利要求1所述的毫米波频段室内多基站位置优化方法，其特征在于，所述确定室内毫米波网络模型优化约束条件，包括：

根据以下公式计算接收点i接收来自基站j的信号功率P_ij：

P_ij＝P_T-P_L,ij；

其中，i＝1,2,3,...,m；m为室内空间中接收点的总数量；j＝1,2,3,...,n；n为室内空间中基站的总数量；P_T为基站的发射功率；P_L,ij为接收点i和基站j之间的路径损耗；

根据以下公式计算室内毫米波网络模型中的热噪声P_noise：

P_noise＝kVB；

其中，k为波尔兹曼常数；V为室内开尔文温度；B为信号带宽；

根据以下公式计算接收点i处的信干燥比γ_i：

其中，P_i为接收点i处接收信号功率；当接收点i和基站q连接时，接收点i接收来自基站q的信号功率P_iq与P_i相等，干扰功率为

根据以下公式计算接收点i处的路径损耗P_L,i：

构建约束条件为：

其中，P_L,th为预设路径损耗门限；γ_th为预设信干燥比门限。

4.根据权利要求1所述的毫米波频段室内多基站位置优化方法，其特征在于，所述根据约束条件构建多基站位置部署的代价函数，包括：

构建代价函数F表达式：

其中，f₁为第一目标函数；f₂为第二目标函数；f₃为第三目标函数；为第一目标函数的优化优先级；/>为第二目标函数的优化优先级；/>为第三目标函数的优化优先级：

其中，ω_i为接收点i的权重；ω_i的大小表征接收点i对网络信号质量需求的高低；i＝1,2,3,...,m；m为室内空间中接收点的总数量；P_L,i为接收点i处的路径损耗；P_L,th为预设路径损耗门限；γ_th为预设信干燥比门限；μ_i为接收点i处的惩罚因子，μ_i的大小表征P_L,i和/或γ_i未满足门限导致的结果严重程度；n为室内空间中基站的总数量；γ_i为接收点i处的信干燥比。

5.根据权利要求1所述的毫米波频段室内多基站位置优化方法，其特征在于，所述在室内毫米波网络模型中确定各基站的初始位置，包括：

步骤401，确定当前室内空间中每个超矩形的权重和；每个超矩形的权重和为对应超矩形内所有接收点的权重的和；

步骤402，遍历所有超矩形的权重和，获取权重和最大的超矩形Q_j；

步骤403，根据以下公式计算超矩形Q_j的重心坐标

其中，h_T为室内基站的高度值；ω_i1为超矩形Q_j中接收点i1的权重；x_i1为超矩形Q_j中接收点i1的横坐标；y_i1为超矩形Q_j中接收点i1的纵坐标；

步骤404，在超矩阵Q_j的重心处，沿着超矩阵Q_j的宽度方向将超矩阵Q_j分割为两个新的超矩形；

步骤405，重复执行步骤401-404，直至得到n个重心坐标，将n个重心坐标分别作为n个基站的初始位置；n为室内空间中基站的总数量。

6.一种计算机设备，其特征在于，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现权利要求1-5任一项所述的基于射线追踪的毫米波频段室内多基站位置优化方法的步骤。

7.一种计算机可读存储介质，其特征在于，用于存储计算机程序；计算机程序被处理器执行时实现权利要求1-5任一项所述的基于射线追踪的毫米波频段室内多基站位置优化方法的步骤。