CN117376176A - 无线场景识别方法、系统、电子设备及存储介质 - Google Patents
无线场景识别方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117376176A CN117376176A CN202210762522.XA CN202210762522A CN117376176A CN 117376176 A CN117376176 A CN 117376176A CN 202210762522 A CN202210762522 A CN 202210762522A CN 117376176 A CN117376176 A CN 117376176A
- Authority
- CN
- China
- Prior art keywords
- scene
- network
- network optimization
- wireless
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 133
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 185
- 238000005457 optimization Methods 0.000 claims description 238
- 238000012545 processing Methods 0.000 claims description 64
- 238000009826 distribution Methods 0.000 claims description 21
- 230000008447 perception Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000013473 artificial intelligence Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 47
- 230000006870 function Effects 0.000 description 16
- 230000000694 effects Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003631 expected effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/02—Capturing of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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)
- Data Mining & Analysis (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开了一种无线场景识别方法、系统、电子设备及存储介质，应用于通信设备的无线场景识别方法包括：获取网络问题信息；根据网络问题信息确定问题区域，并根据问题区域和问题区域的通信邻区建立场景簇；获取场景簇中的网络特征信息；根据网络特征信息对场景簇的无线场景进行识别，得到场景识别结果。本发明实施例中通过将问题区域归纳到一个场景簇中，汇总场景簇中的数据，提高了采集的样本点数量，进而可以对场景进行细化，实现无线场景中的自动识别，提高无线场景识别的识别效率，准确识别出无线场景后可以提高网络自智化水平。
Description
技术领域
本发明涉及但不限于通信技术领域，特别是涉及一种无线场景识别方法、系统、电子设备及存储介质。
背景技术
自智网络中的自优化前提是能够识别无线场景，如何能够智能化识别无线网络场景，对实现网络自智化来说尤为关键。
相关技术中，无线场景识别面临着采集的样本点少，采集的样本点不方便等问题，往往需要人为去进行数据采集，造成无线场景识别的识别效率低下，最终导致网络自智化的水平降低。
发明内容
本发明实施例提供了一种无线场景识别方法、系统、电子设备及存储介质，能够提高无线场景识别的识别效率，提高网络自智化水平。
第一方面，本发明实施例提供了一种无线场景识别方法，应用于通信设备，所述方法包括：获取网络问题信息；根据所述网络问题信息确定问题区域，并根据所述问题区域和所述问题区域的通信邻区建立场景簇；获取场景簇中的网络特征信息；根据所述网络特征信息对所述场景簇的无线场景进行识别，得到场景识别结果。
第二方面，本发明实施例提供了一种无线场景识别方法，应用于无线终端，所述方法包括：获取网络问题信息，并向通信设备发送所述网络问题信息，以使所述通信设备根据所述网络问题信息确定所述无线终端所在的问题区域，并根据所述问题区域和所述问题区域的通信邻区建立场景簇；获取网络特征信息，并向所述通信设备发送所述网络特征信息，以使所述通信设备根据所述网络特征信息对所述场景簇的无线场景进行识别，得到场景识别结果。
第三方面，本发明实施例提供了一种无线场景识别系统，所述系统包括通信设备和多个无线终端，所述通信设备与多个所述无线终端通信连接；其中，所述通信设备用于执行如第一方面实施例中任意一项所述的无线场景识别方法；所述无线终端用于执行如第二方面实施例中任意一项所述的无线场景识别方法。
第四方面，本发明实施例提供了一种电子设备，包括：存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如本发明第一方面实施例中或第二方面实施例中任意一项所述的无线场景识别方法。
第五方面，本发明实施例提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如本发明第一方面实施例中任意一项所述的无线场景识别方法。
本发明实施例至少包括以下有益效果：本发明实施例中的无线场景识别方法、系统、电子设备及存储介质，可以基于网络问题信息确定问题区域，结合问题区域的通信邻区以及问题区域本身，建立场景簇，实现了基于网络测量数据来识别价值区域，有针对性的对场景簇中的网络特征信息进行获取，随后根据网络特征信息对场景簇的无线场景进行识别，得到场景识别结果。本发明实施例中通过将问题区域归纳到一个场景簇中，汇总场景簇中的数据，提高了采集的样本点数量，进而可以对场景进行细化，实现无线场景中的自动识别，提高无线场景识别的识别效率，准确识别出无线场景后可以提高网络自智化水平。
附图说明
图1是本发明一个实施例提供的无线场景识别方法的流程示意图；
图2是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图3是本发明一个实施例提供的应用场景的示意图；
图4是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图5是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图6是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图7是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图8是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图9是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图10是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图11是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图12是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图13是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图14是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图15是本发明另一个实施例提供的无线场景识别方法的流程示意图；
图16是本发明一个实施例提供的电子设备的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明实施例的限制。
应了解，在本发明实施例的描述中，若干的含义为一个以上，多个(或多项)的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到“第一”、“第二”等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明实施例的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明实施例中的具体含义。
随着5G的蓬勃发展，高带宽、大连接、低时延、高可靠的网络能力和大数据、人工智能不断融合，赋能千行百业的数字化转型，网络自身作为这场变革的策源地，进行着自身的数字化转型，业界致力于推进网络自组织、自动化、智能化，从而为用户提供更好的服务体验。
要实现网络功能的自部署、自优化，就需要进行无线场景的识别，以判断工作，申请人发现，目前网络中已经搜集了大量基于事件的测量报告、周期性测量报告、干扰数据、定位数据等，还有一些为特定算法设计而采集的数据，一则这些数据没有综合起来用来进行场景识别，二则有些数据还不够充足，有些特定场景的样本点不够充足，导致数据的应用价值没有得到充分利用。
申请人发现，在一些场景中，会出现采集的样本点少、采集的样本点不方便等问题。例如，针对室内场景，存在很多室内外相互干扰和容量协同问题，现有技术中设计了一些算法进行相应的分析判别，但是存在通过算法本身采集的样本点很少，不足以触发算法的生效。此外，还存在通过路测收集测量数据，进行场景识别，这些又存在网优路测工作量很大的问题，且对于室分场景无法遍历，面对一些复杂的区域如写字楼、酒店等这些场景，在高楼层则几乎难以实现。
基于此，本发明实施例提供了一种无线场景识别方法、系统、电子设备及存储介质，能够基于场景环境、建筑、业务等特点，制定场景化多产品综合解决方案，并基于网络测量数据，识别价值区域，还可以基于网络频谱资源、干扰问题、专家经验以及AI智能分析等，对网络资源进行自优化调整，能够提高无线场景识别的识别效率，提高网络自智化水平，从而提升网络服务质量，改善用户体验。
本发明实施例从智能场景识别的角度出发，主动设计、采集相关数据，进行处理、分析和判别，挖掘出有价值的信息，为算法方案的设计、部署提供依据。
本发明实施例中提供了一种无线场景识别系统，系统包括通信设备和多个无线终端，通信设备与多个无线终端通信连接，其中，通信设备和无线终端分别执行对应的无线场景识别方法，可以理解的是，无线终端可以进行数据的获取，并发送给通信设备中，通信设备可以确定无线终端所在的区域为问题区域，并将问题区域和其通信邻区建立场景簇，实现对无线场景的识别。
可以理解的是，本发明实施例中的问题区域和通信邻区内可以包含多个无线终端，无线终端通过获取相应的数据，再发送给通信设备完成对数据的获取和对无线场景识别，实现本发明实施例中无线场景识别方法所要达到的技术效果。
下面进行详细说明。
本发明实施例提供了一种无线场景识别方法，参照图1所示，本发明实施例中的无线场景识别方法包括但不限于步骤S101至步骤S104。
步骤S101，获取网络问题信息。
步骤S102，根据网络问题信息确定问题区域，并根据问题区域和问题区域的通信邻区建立场景簇。
步骤S103，获取场景簇中的网络特征信息。
步骤S104，根据网络特征信息对场景簇的无线场景进行识别，得到场景识别结果。
在一实施例中，本发明实施例中的无线场景识别方法可以应用在任意一个通信设备中，例如，通信设备可以是任意基站设备等，通过识别无线场景后可以对问题区域或场景簇进行网络优化，在此不做具体限制。具体的，在执行无线场景识别方法时，可以先获取网络问题信息，网络问题信息可以是用户终端或无线终端发送来的，也可以是通信设备获取得到的，在得到网络问题信息后，可以根据网络问题信息确定网络出现问题的区域，得到问题区域，可以理解的是问题区域可以是设备部署类型或小区类型，问题区域可以是基于地理位置上划分得到的，在此不做具体限制，这里以问题区域为一通信小区为例子，随后可以针对性的对问题区域进行处理，并查询问题区域的通信邻区，将问题区域和其通信邻区建立成一个场景簇，实现了将特定场景下的小区组成一个场景簇，每个场景簇将对应一个场景，例如室内外协同、密集城区、体育馆等场景，并汇总和收集该场景簇下的数据，获得其中各个小区的网络特征信息，网络特征信息可以表征该场景簇下的网络特征，根据网络特征信息可以对场景簇进行无线场景识别，从而得到对应的场景识别结果。
需要说明的是，问题区域内可以设置有若干个无线终端，网络问题信息可以由无线终端发送给通信设备中，通信设备在接收到网络问题信息后确定发出网络问题信息的无线终端所在的区域为问题区域，此外，网络问题信息也可以是通信设备识别网络特征得到的，或接收其他用户设备发送的，在此不做具体限制。网络特征信息也可以是无线终端发送的，当通信设备确定问题区域和其通信邻区得到场景簇后，位于该场景簇内的多个无线终端可以发送网络特征信息，网络特征信息也可以是通信设备识别网络特征后得到的，在此不做具体限制。
可以理解的是，通过网络问题信息可以确定问题区域，例如，室内外场景下，通过室内外切换指标统计，室内外小区的频谱效率、室内外小区的用户数、上行低速率质差小区、下行低速率质差小区、第三方平台分析出的视频质差小区或用户投诉小区，确定为问题区域。对于一个问题区域来说，其可能出现用户感知指标不达标、用户需求不达标或者用户投诉等问题，导致其出现网络问题的根因并不一定单单在该区域内，还可能是其他邻区导致的，因此本发明实施例中基于问题区域和其通信邻区组成的场景簇来进行判断，更能识别得到其无线场景。
通过执行本发明实施例中的无线场景识别方法，通过将问题区域归纳到一个场景簇中，汇总场景簇中的数据，提高了采集的样本点数量，进而可以对场景进行细化，实现无线场景中的自动识别，提高无线场景识别的识别效率，准确识别出无线场景后可以提高网络自智化水平。
可以理解的是，识别出无线场景后，也即识别出问题场景后，本发明实施例还可以根据识别到的场景识别结果进行网络优化处理，以实现网络自智化。
参照图2所示，在一实施例中，上述步骤S102中还可以包括但不限于步骤S201至步骤S204。
步骤S201，获取网络需求信息，网络需求信息与网络问题信息对应。
步骤S202，根据网络需求信息对无线网络进行区域划分，得到多个地理区域。
步骤S203，根据网络问题信息从多个地理区域中确定对应的问题区域。
步骤S204，在多个地理区域中确定问题区域的通信邻区，并根据问题区域和通信邻区建立场景簇。
在一实施例中，本发明预先对无线网络进行区域划分，再根据网络问题信息从划分的区域中确定问题区域的位置。具体的，本发明实施例预先获取网络需求信息，网络需求信息与网络问题信息是对应的，可以理解的是，网络问题信息是网络需求信息中达不到用户网络通信需求的信息，随后本发明实施例根据网络需求信息对无线网络进行区域划分，根据不同的区域得到多个地理区域，随后在得到网络问题信息后，可以根据网络问题信息从多个地理区域中确定对应的问题区域，并在多个地理区域中确定问题区域的通信邻区，并根据问题区域和通信邻区建立场景簇。
在一实施例中，网络需求信息包括无线网络中通过基础关键绩效指标(KeyPerformance Index，KPI)、用户感知指标、用户需求和用户投诉等信息，本发明实施例中对关键绩效指标称之为KPI指标，网络问题信息可以包括KPI指标不达标、用户感知指标异常、用户需求和用户投诉等信息。
本发明实施例中可以在无线网络中，根据目前网络KPI指标、用户体验指标、用户需求和用户投诉等对网络需要解决的问题首先进行地理区域的划定，得到多个地理区域，在地理区域中，根据设备部署类型或者小区类型，以及站点分布和城市布局进一步细分场景，把场景中的小区组成一个场景簇。无线网络中通过基础KPI分析、用户感知指标、用户需求和用户投诉识别出存在的问题区域，比如在室内外场景下，通过室内外切换指标统计，室内外小区的频谱效率、室内外小区的用户数、上行低速率质差小区、下行低速率质差小区、第三方平台分析出的视频质差小区、用户投诉小区等，作为上述问题区域，随后将问题区域的周边距离上相近的多个小区作为场景簇。比如室内外场景下，问题区域是室分站点，将室分站点周边邻区归类为“室内外协同场景簇”，所得的场景簇包括室内小区和室内小区有邻区关系的室外小区，可以理解的是，通信邻区可以是问题区域周边1圈或者2圈中的通信小区，如图3所示，在此不做具体限制。
在一实施例中，网络特征信息包括基础关键性能指标、问题区域对应的关键性能指标、用户感知指标、用户分布信息、容量指标和干扰指标中的至少一个。
可以理解的是，本发明实施例中的通信设备可以搜集汇总场景簇中小区的KPI指标，用户感知指标、用户定位分布、容量指标和干扰指标等，进行样本点的收集，其中，KPI指标包括基础KPI指标和特定KPI指标，基础KPI指标是该场景簇中或该问题区域中基础的通信KPI指标，特定KPI指标是问题区域对应的KPI指标，不同的问题区域可能存在一些特定的KPI指标，通过这些可以协助判断具体的场景类别，从而提高了无线场景识别的效率和质量。
参照图4所示，在一实施例中，上述步骤S103中还可以包括但不限于步骤S301至步骤S303。
步骤S301，获取场景簇的场景特征信息。
步骤S302，根据场景特征信息为场景簇配置对应的样本点采集策略。
步骤S303，基于样本点采集策略获取场景簇的网络特征信息。
在一实施例中，本发明实施例中还可以指定特定的算法来获取网络特征信息，实现针对一些特殊的场景设计相应的算法来进行样本点收集。具体的，本发明实施例中可以获取场景簇的场景特征信息，并根据场景特征信息为场景簇配置对应的样本点采集策略，基于样本点采集策略获取场景簇的网络特征信息，可以理解的是，当场景簇为一些特定的场景簇，如室内外协同场景簇时，还可以进一步提高样本点的数量，也即提高网络特征信息的数量，以便有利于后续进行无线场景的识别，对该特定的场景簇下，可以通过样本点采集策略额外获取一些其他的样本点，而对一些普通的场景簇，则保持获取基础关键性能指标、问题区域对应的关键性能指标、用户感知指标、用户分布信息、容量指标和干扰指标中的至少一个。
在一实施例中，以室内外协同场景簇为例子，本发明实施例中可以根据样本点采集策略采集汇总该“室内外协同场景簇”的KPI指标、用户感知指标、用户分布、容量指标和干扰指标等，根据样本点采集策略，除了现有的指标外，针对目前室分系统和室外系统都是同频部署的情况，通过对位于切换带的连接态用户进行室内外小区的同频用户编排，评估编排后“室内外协同场景簇”中各个小区的干扰情况，用户分布和业务质量，评估周期可以是天粒度，例如某天实施策略1：所有位于室内外切换带并驻留在室分小区的用户都切换到室外小区，评估“室内外协同场景簇”中各个小区的干扰情况、用户分布和业务质量，然后选择另外一天，所有室内外切换带驻留在室外小区的用户都切换到室内小区，做相同的评估，此外，还可以通过设置切换的调整软切换参数(Chief Information Officer，CIO)等手段实现上述目的。
参照图5所示，在一实施例中，上述步骤S104中还可以包括但不限于步骤S401至步骤S402。
步骤S401，获取预设的大数据分析系统或人工智能分析系统。
步骤S402，通过大数据分析系统或人工智能分析系统对网络特征信息进行聚类分析，识别得到场景簇的场景识别结果。
在一实施例中，本发明实施例中可以将网络特征信息输入至预设的系统中的进行处理，以得到所需要的场景簇的场景识别结果，可以通过大数据分析系统或者人工智能(Artificial Intelligence，AI)分析系统来进行场景识别，具体的，本发明实施例先获取预设的大数据分析系统或人工智能分析系统，并将网络特征信息输入至大数据分析系统或人工智能分析系统中，由大数据分析系统或人工智能分析系统对网络特征信息进行聚类分析，可以进一步细化出问题场景的类别，并处理得到场景簇的场景识别结果，大数据分析系统是通过大数据处理后得到的系统，人工智能分析系统是基于人工智能技术处理得到的系统。
可以理解的是，大数据分析系统可以是通过大数据分析专家经验，随后根据分析的结果建立的一个系统，专家经验可以是依据现有的样本网络特征信息和对应的问题场景所得到的，通过将网络特征信息输入值预设的大数据分析系统中后，可以在系统中对网络特征信息进行处理，查询和分析对应的问题场景，并最终得到场景识别结果。
可以理解的是，人工智能分析系统可以基于人工智能技术训练得到，人工智能分析系统可以是基于神经网络模型训练得到，通过人工智能技术采集样本网络特征信息和对应的问题场景后，输入至神经网络模型中，不断根据样本的信息去优化模型，最终得到人工智能分析系统，通过将网络特征信息输入至预设的人工智能分析系统，可以输出得到对应的问题场景，从而得到最终的场景识别结果。
可以理解的是，上述神经网络模型包括卷积神经网络模型、前馈神经网络模型、深度卷积网络模型、生成对抗网络模型或学习机模型中的至少一种。
参照图6所示，在一实施例中，上述步骤S104之后，还可以包括但不限于步骤S501至步骤S502。
步骤S501，根据场景识别结果为场景簇配置用于网络自智化的目标解决方案。
步骤S502，基于目标解决方案对场景簇进行网络优化处理。
在一实施例中，本发明实施例在得到场景识别结果后，可以根据场景识别结果对问题场景进行网络优化，可以对场景进一步细化，匹配目前已有的解决方案，自动部署功能。具体的，本发明实施例中的场景识别方法还可以根据场景识别结果为场景簇配置用于网络自智化的目标解决方案，目标解决方案为场景簇提供了算法部署，是针对该场景簇的问题类型匹配的解决方案，可以自动部署算法功能，随后本发明实施例基于目标解决方案对场景簇进行网络优化处理，以实现网络自智化。
参照图7所示，在一实施例中，上述步骤S501中还可以包括但不限于步骤S601至步骤S603。
步骤S601，根据场景识别结果确定场景簇的问题场景类别和对应的通信特征指标。
步骤S602，根据问题场景类别和通信特征指标，在预设的多个解决方案中匹配对应场景和指标要求的解决方案。
步骤S603，将满足要求的解决方案作为用于网络自智化的目标解决方案。
在一实施例中，在根据场景识别结果确定目标解决方案的过程中，本发明实施例还可以根据具体的问题场景类别和通信特征指标来确定。具体的，本发明实施例根据场景识别结果确定场景簇的问题场景类别和对应的通信特征指标，其中，问题场景类别是对网络特征信息进行分类汇总后，经过分析处理识别得到的，本发明实施例还对场景进行描述并定义相应的特征KPI指标，即为通信特征指标，随后根据问题场景类别和通信特征指标，在预设的多个解决方案中匹配对应场景和指标要求的解决方案，可以理解的是，本发明实施例中可以预先设置有多个针对不同问题场景进行网络优化处理的解决方案，解决方案可以根据实际通信网络的需要进行设定，以满足多种不同的问题场景出现的问题，实现网络的优化处理，将满足问题场景类别和通信特征指标的其中一个或多个解决方案作为用于网络自智化的目标解决方案。
需要说明的是，本发明实施例中通过对网络特征信息进行聚类分析，进一步细化出问题场景的类别，并对场景进行描述并定义相应的特征KPI指标得到通信特征指标。例如，问题场景类别可以包括室外对室内干扰场景、室内外用户不平衡场景、室内外乒乓切换场景、频谱效率低场景等。示例性的，针对室内外干扰场景，需要定义室内外切换指标(是否乒乓切换)、室内小区干扰NI指标、室内外用户数差、室内小区的频谱效率指标作为衡量该场景的特征KPI指标，并作为通信特征指标。
此外，本发明实施例针对这些场景和实际解决方案进行模糊匹配，可以涉及到多个解决方案，得到目标解决方案，并部署相应功能。解决方案在预先设计中需要定义以下几个关键要素，问题场景需要通过这些关键要素进行匹配查询：解决方案描述、应用场景、关键KPI指标以及方案实施案例，其中，应用场景和关键KPI指标与上述问题场景类别和通信特征指标对应，查询得到对应的应用场景和关键KPI指标后，可以得到具体的解决方案描述和方案实施案例，从而用作目标解决方案，基于目标解决方案对场景簇进行网络优化处理，因此本发明实施例不仅能通过自动场景识别，还可以自动化部署相应的解决方案，以实现网络的自智化。
参照图8所示，在一实施例中，上述步骤S502之后，还可以包括但不限于步骤S701至步骤S703。
步骤S701，根据网络优化处理之前的通信特征指标和目标解决方案，得到场景簇的预期网络优化结果。
步骤S702，获取场景簇中经过网络优化处理之后的通信特征指标，并根据网络优化处理前后的通信特征指标得到场景簇的网络优化结果。
步骤S703，根据网络优化结果和预期网络优化结果确定是否继续对场景簇进行网络优化处理。
在一实施例中，本发明实施例不仅能通过自动场景识别，还可以自动化部署相应的解决方案并评估实现效果，以实现网络的自智化。具体的，本发明实施例根据目标解决方案对场景簇进行网络优化处理后，根据网络优化处理之前的通信特征指标和目标解决方案，得到场景簇的预期网络优化结果，预期网络优化结果是在根据目标解决方案对场景簇进行处理后，通信特征指标所期望达到的一个优化效果，随后获取场景簇中经过网络优化处理之后的通信特征指标，并根据网络优化处理前后的通信特征指标得到场景簇的网络优化结果，便进行优化效果对比，将网络优化结果和预期网络优化结果进行对比，根据网络优化效果是否达到预期网络优化效果，来确定是否继续对场景簇进行网络优化处理，实现了针对问题场景的自动部署和评估，可以自动化部署相应的解决方案并评估实现效果，以实现网络的自智化。
可以理解的是，在网络优化结果达不到预期网络优化结果时，本发明实施例中可以持续对场景簇进行网络优化处理，并在每次网络优化处理后获取当前的网络优化结果，再继续与预期网络优化结果进行对比，不断对网络优化进行评估，此外，在当前网络优化结果达到预期网络优化结果后，则不再对场景簇进行网络优化处理。
可以理解的是，本发明实施例中对场景簇的网络优化处理，可以是根据目标解决方案确定去场景簇中某个小区的一项或多项参数的调节，也可以是对其中多个小区的一项或多项参数的调节，可以是对问题区域或其通信邻区的参数进行调节，以解决问题区域所在的场景簇中面临的问题，具体调节的参数可以根据目标解决方案确定，在此不做具体限制。
参照图9所示，在一实施例中，上述步骤S703中还可以包括但不限于步骤S801至步骤S802。
步骤S801，若网络优化结果达到预设网络优化结果，则停止进行网络优化处理，并输出自智化网络优化报告。
步骤S802，若网络优化结果没达到预设网络优化结果，根据目标解决方案确定对场景簇中目标参数调整次数的门限值，根据门限值和目标解决方案继续对目标参数进行调整以进行网络优化处理，并得到自智化网络优化报告或需求报告。
在一实施例中，面对网络优化结果是否达到预期网络优化结果的不同情况，本发明实施例可以得到不同的输出报告。具体的，若网络优化结果达到预设网络优化结果，则停止进行网络优化处理，并输出自智化网络优化报告，自智化网络优化报告用于表明当前出现问题的场景已经得到成功解决，所生成的优化报告是对场景簇网络优化处理的描述，以便工作人员根据自智化网络优化报告确定网络优化结果。
在一实施例中，而若网络优化结果没达到预设网络优化结果，根据目标解决方案确定对场景簇中目标参数调整次数的门限值，根据门限值和目标解决方案继续对目标参数进行调整以进行网络优化处理，并得到自智化网络优化报告或需求报告。可以理解的是，本发明实施例中通过目标解决方案可以确定对场景簇的调节，可以是调节其中某个小区的目标参数，也可以是调节多个小区之间的目标参数，目标参数的数量可以是多个，目标参数的参数类型可以根据目标解决方案来确定。
需要说明的是，对目标参数的调节并不是无限制的，本发明实施例根据目标解决方案确定对场景簇中目标参数调整次数的门限值，不同的目标参数均有对应的调整次数的门限值，在调整次数达到或超过门限值时，已经无法对目标参数进行调节，在通过门限值和目标解决方案继续对目标参数进行调整以进行网络优化处理后，可以得到自智化网络优化报告或需求报告，可以理解的是，自智化网络优化报告是调节后的网路优化结果达到预期网路优化结果得到的，而需求报告是在调节后的网路优化结果没达到预期网路优化结果得到的，需求报告是输出对问题场景的具体描述，可以作为后续新功能算法的需求文档，以便工作人员去改进预设的解决方案。
具体的，如果若网络优化结果没达到预设网络优化结果，判断当前的调整次数是否达到门限值，调整次数可以按照目标解决方案所调整的参数步长进行自动设置，比如某参数值的取值范围为：-3至3，如果步长为2，则调整次数的门限值就是4，如果当前的调整次数没有达到门限值，再继续调整目标参数。
可以理解的是，相关技术在功能验证中，也是人为修改参数阈值进行算法功能的验证，不具有商用性价值，本发明实施例可以自动根据解决方案设定调整次数的门限值，基于门限值对目标参数进行调节，以实现网络自智化。
参照图10所示，在一实施例中，上述步骤S802中还可以包括但不限于步骤S901至步骤S903。
步骤S901，获取每次网络优化处理前后的通信特征指标得到场景簇的网络优化结果。
步骤S902，若在门限值的调整范围内的一个网络优化结果达到预期网络优化结果，则停止对目标参数进行调整，并输出自智化网络优化报告。
步骤S903，若在门限值的调整范围内的每个网络优化结果均没达到预期网络优化结果，判断在多个解决方案中是否存在新的目标解决方案以继续进行网络优化处理，否则输出需求报告。
在一实施例中，本发明实施例根据每次对目标参数的调整后判断当前的网络优化结果是否达到预期网络优化结果。具体的，本发明实施例在网络优化结果没达到预设网络优化结果后，根据门限值和目标解决方案继续对目标参数进行调整以进行网络优化处理，并获取每次网络优化处理前后的通信特征指标得到场景簇的网络优化结果。
若在门限值的调整范围内的一个网络优化结果达到预期网络优化结果，则停止对目标参数进行调整，并输出自智化网络优化报告，可以理解的是，本发明实施例中可以对每次调节后的网络优化结果与预期网络优化结果进行对比，若当前的网络优化结果达到预期网络优化结果，则直接停止对目标参数的调整，随即输出自智化网络优化报告，表明网络优化处理结束，此外，本发明实施例还可以在门限值表征的调整范围内不断对目标参数进行调整，并获取每次调整后的网络优化结果，实现对调整范围内多个调整情况的遍历，将每次调整后的网络优化结果与预期网络优化结果进行对比，确定其中网络优化最好的一次作为最终对目标参数的调节，并输出网络优化最好的调整下的自智化网络优化报告。
若在门限值的调整范围内的每个网络优化结果均没达到预期网络优化结果，则说明在门限值表征的调整范围内已经无法继续对目标参数进行调节了，本发明实施例可以判断在多个解决方案中是否存在新的目标解决方案以继续进行网络优化处理，判断是否还有其它方案，如果有，则重复上述步骤继续对场景簇进行网络优化处理，否则输出需求报告，以便输出对问题场景的具体描述，作为后续新功能算法的需求文档。
本发明实施例实现了可以针对不同的问题场景，给出详细的解决方案报告，对没有解决方案应对的输出对应的需求报告，以便工作人员了解对问题场景的网络优化情况。
本发明实施例把特定场景下的小区组成一个场景簇，比如室内外协同，密集城区，体育馆等场景。然后汇总和搜集该场景下测量数据、用户数据、干扰数据，KPI等，然后对该场景进行分类和识别出具体特性，例如：针对容量不平衡、干扰、室内干扰、流量不均衡、拥塞、过覆盖等，进而对场景进一步细化，匹配目前已有的解决方案，自动部署功能，并评估部署前后效果收益。
可以理解的是，本发明实施例中的通信设备通过执行上述实施例中的无线场景识别方法，以实现相应的技术效果，通信设备可以与无线终端通信连接，通信设备可以通过无线终端来获取数据，也可以通过自身对网络的识别或接收用户设备发送的信息来获取数据。当需要无线终端来获取数据时，可以执行如下实施例。
本发明实施例中还提供了一种无线场景识别方法，应用于无线终端，参照图11所示，本发明实施例中的无线场景识别方法包括但不限于步骤S1001至步骤S1002。
步骤S1001，获取网络问题信息，并向通信设备发送网络问题信息，以使通信设备根据网络问题信息确定无线终端所在的问题区域，并根据问题区域和问题区域的通信邻区建立场景簇。
步骤S1002，获取网络特征信息，并向通信设备发送网络特征信息，以使通信设备根据网络特征信息对场景簇的无线场景进行识别，得到场景识别结果。
在一实施例中，本发明实施例中的无线场景识别方法还可以应用在无线终端中，无线终端为任意可以进行无线通信的终端设备。具体的，在执行无线场景识别方法时，可以先获取网络问题信息，并向通信发送网络问题信息，在得到网络问题信息后，通信设备可以根据网络问题信息确定网络出现问题的区域，得到无线终端所在的问题区域，可以理解的是问题区域可以是设备部署类型或小区类型，问题区域可以是基于地理位置上划分得到的，在此不做具体限制，这里以问题区域为一通信小区为例子，随后通信设备可以针对性的对问题区域进行处理，并查询问题区域的通信邻区，将问题区域和其通信邻区建立成一个场景簇，实现了将特定场景下的小区组成一个场景簇，每个场景簇将对应一个场景，例如室内外协同、密集城区、体育馆等场景，并汇总和收集该场景簇下的数据，获得其中各个小区无线终端发送的网络特征信息，网络特征信息可以表征该场景簇下的网络特征，根据网络特征信息可以对场景簇进行无线场景识别，从而得到对应的场景识别结果。
需要说明的是，问题区域内可以设置有若干个无线终端，网络问题信息可以由无线终端发送给通信设备中，通信设备在接收到网络问题信息后确定发出网络问题信息的无线终端所在的区域为问题区域，此外，网络问题信息也可以是通信设备识别网络特征得到的，或接收其他用户设备发送的，在此不做具体限制。网络特征信息也可以是无线终端发送的，当通信设备确定问题区域和其通信邻区得到场景簇后，位于该场景簇内的多个无线终端可以发送网络特征信息，网络特征信息也可以是通信设备识别网络特征后得到的，在此不做具体限制。
可以理解的是，通过网络问题信息可以确定无线终端所在的问题区域，例如，室内外场景下，通过室内外切换指标统计，室内外小区的频谱效率、室内外小区的用户数、上行低速率质差小区、下行低速率质差小区、第三方平台分析出的视频质差小区或用户投诉小区，确定为问题区域。无线场景识别是针对一个区域进行的，无线终端作为一个区域内的设备，可以进行信息获取，在进行无线场景识别时，需要放置在一个区域内来进行场景识别，而对于一个问题区域来说，其可能出现用户感知指标不达标、用户需求不达标或者用户投诉等问题，导致其出现网络问题的根因并不一定单单在该区域内，还可能是其他邻区导致的，因此本发明实施例中基于问题区域和其通信邻区组成的场景簇来进行判断，更能识别得到其无线场景。
通过执行本发明实施例中的无线场景识别方法，通过将无线终端所在的问题区域归纳到一个场景簇中，汇总场景簇中的数据，提高了采集的样本点数量，进而可以对场景进行细化，实现无线场景中的自动识别，提高无线场景识别的识别效率，准确识别出无线场景后可以提高网络自智化水平。
可以理解的是，识别出无线场景后，也即识别出问题场景后，本发明实施例还可以根据识别到的场景识别结果对场景簇内的无线终端进行网络优化处理，以实现网络自智化。
在一实施例中，通信设备还用于获取网络需求信息，网络需求信息与网络问题信息对应；根据网络需求信息对无线网络进行区域划分，得到多个地理区域；根据网络问题信息从多个地理区域中确定无线终端所在的问题区域；在多个地理区域中确定问题区域的通信邻区，并根据问题区域和通信邻区建立场景簇。
在一实施例中，本发明中通信设备预先对无线网络进行区域划分，再根据网络问题信息从划分的区域中确定问题区域的位置。具体的，本发明实施例预先获取网络需求信息，网络需求信息与网络问题信息是对应的，可以理解的是，网络问题信息是网络需求信息中达不到用户网络通信需求的信息，随后本发明实施例中通信设备根据网络需求信息对无线网络进行区域划分，根据不同的区域得到多个地理区域，随后在得到网络问题信息后，可以根据网络问题信息从多个地理区域中确定无线终端所在的问题区域，并在多个地理区域中确定问题区域的通信邻区，并根据问题区域和通信邻区建立场景簇。
在一实施例中，网络需求信息包括无线网络中通过基础关键绩效指标、用户感知指标、用户需求和用户投诉等信息，本发明实施例中对关键绩效指标称之为KPI指标，网络问题信息可以包括KPI指标不达标、用户感知指标异常、用户需求和用户投诉等信息，网络需求信息和网络特征信息均可以由无线终端获取得到。
本发明实施例中可以在无线网络中，根据目前网络KPI指标、用户体验指标、用户需求和用户投诉等对网络需要解决的问题首先进行地理区域的划定，得到多个地理区域，在地理区域中，根据设备部署类型或者小区类型，以及站点分布和城市布局进一步细分场景，把场景中的小区组成一个场景簇。无线网络中通过基础KPI分析、用户感知指标、用户需求和用户投诉识别出存在的问题的无线终端所在的区域，比如在室内外场景下，通过室内外切换指标统计，室内外小区的频谱效率、室内外小区的用户数、上行低速率质差小区、下行低速率质差小区、第三方平台分析出的视频质差小区、用户投诉小区等，作为上述问题区域，随后将问题区域的周边距离上相近的多个小区作为场景簇。比如室内外场景下，问题区域是室分站点，将室分站点周边邻区归类为“室内外协同场景簇”，所得的场景簇包括室内小区和室内小区有邻区关系的室外小区，可以理解的是，通信邻区可以是问题区域周边1圈或者2圈中的通信小区，如图3所示，在此不做具体限制。
在一实施例中，网络特征信息包括基础关键性能指标、问题区域对应的关键性能指标、用户感知指标、用户分布信息、容量指标和干扰指标中的至少一个。
可以理解的是，本发明实施例中的通信设备可以搜集汇总场景簇中各个小区内无线终端的KPI指标，用户感知指标、用户定位分布、容量指标和干扰指标等，进行样本点的收集，其中，KPI指标包括基础KPI指标和特定KPI指标，基础KPI指标是该场景簇中或该问题区域中基础的通信KPI指标，特定KPI指标是问题区域对应的KPI指标，不同的问题区域可能存在一些特定的KPI指标，通过这些可以协助判断具体的场景类别，从而提高了无线场景识别的效率和质量。
参照图12所示，在一实施例中，上述步骤S1002中还可以包括但不限于步骤S1101至步骤S1102。
步骤S1101，获取场景特征信息，并向通信设备发送场景特征信息，以使通信设备根据场景特征信息为场景簇配置对应的样本点采集策略。
步骤S1102，接收通信设备发送的样本点采集策略，基于样本点采集策略获取网络特征信息。
在一实施例中，本发明实施例中还可以指定特定的算法来获取网络特征信息，实现针对一些特殊的场景设计相应的算法来进行样本点收集。具体的，本发明实施例中可以通过无线终端获取场景特征信息，并向通信设备发送场景特征信息，以使通信设备根据场景特征信息为无线终端所在的场景簇配置对应的样本点采集策略，可以理解的是，场景簇中可以有多个无线终端，每个无线终端可以获取的是一个子场景特征信息，在发送到通信设备后，通信设备根据多个子场景特征信息分析得到对应的场景簇的场景特征信息。
此外，无线终端可以基于样本点采集策略获取的网络特征信息，可以理解的是，当场景簇为一些特定的场景簇，如室内外协同场景簇时，还可以进一步提高样本点的数量，也即提高网络特征信息的数量，以便有利于后续进行无线场景的识别，对该特定的场景簇下，可以通过样本点采集策略额外获取一些其他的样本点，而对一些普通的场景簇，则保持获取基础关键性能指标、问题区域对应的关键性能指标、用户感知指标、用户分布信息、容量指标和干扰指标中的至少一个。
在一实施例中，以室内外协同场景簇为例子，本发明实施例中可以根据样本点采集策略，通过场景簇中的多个无线终端采集汇总该“室内外协同场景簇”的KPI指标、用户感知指标、用户分布、容量指标和干扰指标等，根据样本点采集策略，除了现有的指标外，针对目前室分系统和室外系统都是同频部署的情况，通过对位于切换带的连接态用户进行室内外小区的同频用户编排，评估编排后“室内外协同场景簇”中各个小区的干扰情况，用户分布和业务质量，评估周期可以是天粒度，例如某天实施策略1：所有位于室内外切换带并驻留在室分小区的用户都切换到室外小区，评估“室内外协同场景簇”中各个小区的干扰情况、用户分布和业务质量，然后选择另外一天，所有室内外切换带驻留在室外小区的用户都切换到室内小区，做相同的评估，此外，还可以通过设置切换的调整CIO等手段实现上述目的。
参照图13所示，在一实施例中，无线场景识别方法还可以包括但不限于步骤S1201至步骤S1202。
步骤S1201，接收通信设备发送的用于网络自智化的目标解决方案，目标解决方案由通信设备根据场景识别结果为场景簇配置得到。
步骤S1202，根据目标解决方案进行网络优化处理。
在一实施例中，本发明实施例中的通信设备在得到场景识别结果后，可以根据场景识别结果对问题场景进行网络优化，可以对场景进一步细化，匹配目前已有的解决方案，自动部署功能。具体的，本发明实施例中的场景识别方法还可以根据场景识别结果为场景簇配置用于网络自智化的目标解决方案，目标解决方案为场景簇提供了算法部署，是针对该场景簇的问题类型匹配的解决方案，可以自动部署算法功能，无线终端在接收到通信设备发送的用于网络自智化的目标解决方案后，可以根据目标解决方案进行网络优化处理，可以理解的是，通信设备也可以基于目标解决方案发送对应的控制指令到无线终端中，无线终端根据控制指令进行网络优化处理，对一些指定的参数进行调节，以实现网络自智化。
在一实施例中，上述步骤S1202之后，还可以包括以下步骤：
获取网络优化处理前后的通信特征指标，并向通信设备发送通信特征指标，以使通信设备根据网络优化处理之前的通信特征指标和目标解决方案，得到场景簇的预期网络优化结果，并根据网络优化处理前后的通信特征指标得到场景簇的网络优化结果，根据网络优化结果和预期网络优化结果确定是否继续对场景簇进行网络优化处理。
在一实施例中，在根据场景识别结果确定目标解决方案的过程中，通信是被饿还可以根据具体的问题场景类别和通信特征指标来确定。具体的，本发明实施例中的无线终端可以获取网络优化处理前后的通信特征指标，并向通信设备发送通信特征指标，通信设备根据场景识别结果确定场景簇的问题场景类别和对应的通信特征指标，其中，问题场景类别通信设备是对网络特征信息进行分类汇总后，经过分析处理识别得到的，本发明实施例还对场景进行描述并定义相应的特征KPI指标，即为通信特征指标，并由无线终端获取后发送给通信设备，随后通信设备根据问题场景类别和通信特征指标，在预设的多个解决方案中匹配对应场景和指标要求的解决方案，可以理解的是，本发明实施例中通信设备可以预先设置有多个针对不同问题场景进行网络优化处理的解决方案，解决方案可以根据实际通信网络的需要进行设定，以满足多种不同的问题场景出现的问题，实现网络的优化处理，将满足问题场景类别和通信特征指标的其中一个或多个解决方案作为用于网络自智化的目标解决方案。
需要说明的是，本发明实施例中通信设备对网络特征信息进行聚类分析，以识别出问题场景的类别的方案在上述实施例中已有描述，在此不做赘述。
参照图14所示，在一实施例中，上述步骤获取网络优化处理前后的通信特征指标之后，还可以包括但不限于步骤S1301至步骤S1302。
步骤S1301，若网络优化结果达到预设网络优化结果，则停止进行网络优化处理，通信设备还用于输出自智化网络优化报告。
步骤S1302，若网络优化结果没达到预设网络优化结果，接收通信设备发送的门限值，并根据门限值和目标解决方案继续对目标参数进行调整以进行网络优化处理，门限值由通信设备根据目标解决方案确定场景簇中目标参数调整次数后得到，通信设备还用于得到自智化网络优化报告或需求报告。
在一实施例中，面对网络优化结果是否达到预期网络优化结果的不同情况，本发明实施例中的通信设备可以得到不同的输出报告。具体的，若网络优化结果达到预设网络优化结果，无线终端则停止进行网络优化处理，通信设备还用于输出自智化网络优化报告，自智化网络优化报告用于表明当前出现问题的场景已经得到成功解决，所生成的优化报告是对场景簇网络优化处理的描述，以便工作人员根据自智化网络优化报告确定网络优化结果。
通信设备还用于根据目标解决方案确定对场景簇中目标参数调整次数的门限值，无线终端可以接收到通信设备发送的门限值，根据门限值和目标解决方案继续对目标参数进行调整以进行网络优化处理，通信设备还可以得到自智化网络优化报告或需求报告。可以理解的是，本发明实施例中通过目标解决方案可以确定对场景簇的调节，可以是调节其中某个小区的无线终端的目标参数，也可以是调节多个小区之间多个无线终端的目标参数，目标参数的数量可以是多个，目标参数的参数类型可以根据目标解决方案来确定。
需要说明的是，对目标参数的调节并不是无限制的，本发明实施例中通信设备根据目标解决方案确定对场景簇中无线终端的目标参数调整次数的门限值，不同的目标参数均有对应的调整次数的门限值，在调整次数达到或超过门限值时，无线终端则已经无法对目标参数进行调节，在通过门限值和目标解决方案继续对目标参数进行调整以进行网络优化处理后，通信设备可以得到自智化网络优化报告或需求报告，可以理解的是，自智化网络优化报告是调节后的网路优化结果达到预期网路优化结果得到的，而需求报告是在调节后的网路优化结果没达到预期网路优化结果得到的，需求报告是输出对问题场景的具体描述，可以作为后续新功能算法的需求文档，以便工作人员去改进预设的解决方案。
具体的，如果若网络优化结果没达到预设网络优化结果，无线终端判断当前的调整次数是否达到门限值，调整次数可以按照目标解决方案所调整的参数步长进行自动设置，比如某参数值的取值范围为：-3至3，如果步长为2，则调整次数的门限值就是4，如果当前的调整次数没有达到门限值，再继续调整目标参数。
可以理解的是，相关技术在功能验证中，也是人为修改参数阈值进行算法功能的验证，不具有商用性价值，本发明实施例可以自动根据解决方案设定调整次数的门限值，基于门限值对目标参数进行调节，以实现网络自智化。
参照图15所示，在一实施例中，上述步骤S1302之后，还可以包括但不限于步骤S1401至步骤S1402。
步骤S1401，若在门限值的调整范围内的一个网络优化结果达到预期网络优化结果，则停止对目标参数进行调整，通信设备还用于输出自智化网络优化报告。
步骤S1402，若在门限值的调整范围内的每个网络优化结果均没达到预期网络优化结果，则停止对目标参数进行调整，通信设备还用于判断在多个解决方案中是否存在新的目标解决方案以继续进行网络优化处理，否则输出需求报告。
在一实施例中，本发明实施例根据每次对目标参数的调整后判断当前的网络优化结果是否达到预期网络优化结果。具体的，本发明实施例在网络优化结果没达到预设网络优化结果后，根据门限值和目标解决方案继续对目标参数进行调整以进行网络优化处理，并获取每次网络优化处理前后的通信特征指标得到场景簇的网络优化结果。
若在门限值的调整范围内的一个网络优化结果达到预期网络优化结果，则停止对目标参数进行调整，通信设备还用于输出自智化网络优化报告，可以理解的是，本发明实施例中可以对每次调节后的网络优化结果与预期网络优化结果进行对比，若当前的网络优化结果达到预期网络优化结果，则无线终端直接停止对目标参数的调整，随即通信设备输出自智化网络优化报告，表明网络优化处理结束，此外，本发明实施例还可以在门限值表征的调整范围内不断对目标参数进行调整，并获取每次调整后的网络优化结果，实现对调整范围内多个调整情况的遍历，将每次调整后的网络优化结果与预期网络优化结果进行对比，确定其中网络优化最好的一次作为最终对目标参数的调节，并输出网络优化最好的调整下的自智化网络优化报告。
若在门限值的调整范围内的每个网络优化结果均没达到预期网络优化结果，则说明在门限值表征的调整范围内已经无法继续对目标参数进行调节了，本发明实施例的通信设备可以判断在多个解决方案中是否存在新的目标解决方案以继续进行网络优化处理，判断是否还有其它方案，如果有，则重复上述步骤继续对场景簇中的无线终端进行网络优化处理，否则通信设备输出需求报告，以便输出对问题场景的具体描述，作为后续新功能算法的需求文档。
本发明实施例把特定场景下的小区组成一个场景簇，比如室内外协同，密集城区，体育馆等场景。然后汇总和搜集该场景下无线终端的测量数据、用户数据、干扰数据，KPI等，然后对该场景进行分类和识别出具体特性，例如：针对容量不平衡、干扰、室内干扰、流量不均衡、拥塞、过覆盖等，进而对场景进一步细化，匹配目前已有的解决方案，自动部署功能，并评估部署前后效果收益。
本发明实施例中还提供了一些具体实施例。
实施例一：
步骤11：在无线网络中，根据目前网络KPI指标、用户体验指标、客户需求、客户投诉等对网络需要解决的问题首先进行地理区域的划定。
步骤12：在地理区域中，根据设备部署类型或者小区类型、站点分布和城市布局进一步细分场景，把场景中的小区组成一个场景簇。
步骤13：基站搜集汇总场景簇中小区的KPI指标、用户感知指标、干扰指标、用户定位分布等，也可以针对该场景设计相应算法进行样本点收集，比如：同频用户编排，特定的测试事件等。
步骤14：通过大数据分析系统和人工智能分析系统对数据进行分类汇总，识别出该场景的问题场景类别。
步骤15：针对该问题场景类别匹配目标解决方案，并自动部署算法功能。
步骤16：根据目标解决方案部署算法解决方案，进行部署前后的对比评估，同时也可以针对算法中的具体参数进一步精细化参数优化。
步骤17：最后针对该场景，给出详细的解决方案报告，对没有解决方案应对的输出新需求报告。
实施例二，以典型场景“室内外协同场景”对本发明实施例的实施作进一步的详细描述，流程部分的处理步骤如下：
步骤21：无线网络中通过基础KPI分析、用户感知指标、用户需求、用户投诉识别出存在问题区域。比如：室内外场景下，通过室内外切换指标统计，室内外小区的频谱效率、室内外小区的用户数、上行低速率质差小区、下行低速率质差小区、第三方平台分析出的视频质差小区、用户投诉小区等，得到问题区域。
步骤22：将问题区域(可以是距离上相近的多个小区)及其周边1圈或者2圈的通信邻区作为场景簇，如图3所示。比如室内外场景下，问题区域是室分站点，将室分站点周边邻区归类为“室内外协同场景簇”，包括室内小区和室内小区有邻区关系室外小区。
步骤23：采集汇总问题场景的基础KPI指标、特定KPI指标、用户感知指标、用户分布、容量指标和干扰指标等。
步骤24：通过大数据分析系统和人工智能分析系统对这些数据进行聚类分析，进一步细化出问题场景的类别，并对场景进行描述并定义相应的特征KPI指标。例如：问题场景类别包括室外对室内干扰场景、室内外用户不平衡场景、室内外乒乓切换场景、频谱效率低场景等。具体的，针对室内外干扰场景为例子，需要定义室内外切换指标(是否乒乓切换)、室内小区干扰NI指标、室内外用户数差、室内小区的频谱效率指标作为衡量该场景的特征KPI指标。
步骤25：针对这些场景和预存的多个解决方案进行模糊匹配(可能涉及到多个方案)，确定目标解决方案，并部署相应功能。解决方案在设计中需要定义以下几个关键要素，问题场景需要通过这些关键要素进行匹配查询：解决方案描述、应用场景、关键KPI指标和方案实施案例。
步骤26：针对该功能进行部署前后的特征KPI指标评估，得到网络优化结果。
步骤27：如果达到预期效果，即达到预期网络优化结果，则输出自智化网络优化报告。
步骤28：如果达不到预期效果，即没达到预期网络优化结果，判断调整次数是否达到门限，调整次数可以按照目标解决方案所调整的参数步长进行自动设置，比如某参数值的取值范围为：-3至3，如果步长为2，调整次数的门限值就是4。如果当前调整次数没有达到门限值，再继续调整该方案的参数，重复步骤26，如果达到了门限值，则转置步骤29。
步骤29：判断是否还有其它解决方案，如果有，重复步骤25，否则输出对问题场景的具体描述，作为后续新功能算法的需求文档。
实施例三，上述实施例二中的步骤23还可以包括：
步骤31：采集汇总该“室内外协同场景簇”的KPI指标、用户感知指标、用户分布、容量指标、干扰指标等，除了现有的指标外，针对目前室分系统和室外系统都是同频部署的情况，通过对位于切换带的连接态用户进行室内外小区的同频用户编排，评估编排后“室内外协同场景簇”的干扰情况、用户分布和业务质量，评估周期可以是天粒度，例如某天实施策略1：所有位于室内外切换带并驻留在室分小区的用户都切换到室外小区，评估“室内外协同场景簇”小区的干扰情况、用户分布和业务质量，然后选择另外一天，所有室内外切换带驻留在室外小区的用户都切换到室内小区，做相同的评估，此外还是通过设置切换的CIO等手段实现上述目的。
图16示出了本发明实施例提供的电子设备100。电子设备100包括：处理器110、存储器120及存储在存储器120上并可在处理器110上运行的计算机程序，计算机程序运行时用于执行上述的无线场景识别方法。
处理器110和存储器120可以通过总线或者其他方式连接。
存储器120作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序，如本发明实施例描述的无线场景识别方法。处理器110通过运行存储在存储器120中的非暂态软件程序以及指令，从而实现上述的无线场景识别方法。
存储器120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储执行上述的无线场景识别方法。此外，存储器120可以包括高速随机存取存储器120，还可以包括非暂态存储器120，例如至少一个储存设备存储器件、闪存器件或其他非暂态固态存储器件。在一些实施方式中，存储器120可选包括相对于处理器110远程设置的存储器120，这些远程存储器120可以通过网络连接至该电子设备100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的无线场景识别方法所需的非暂态软件程序以及指令存储在存储器120中，当被一个或者多个处理器110执行时，执行上述的无线场景识别方法，例如，执行图1中的方法步骤S101至步骤S104、图2中的方法步骤S201至步骤S204、图4中的方法步骤S301至步骤S303、图5中的方法步骤S401至步骤S402、图6中的方法步骤S501至步骤S502、图7中的方法步骤S601至步骤S603、图8中的方法步骤S701至步骤S703、图9中的方法步骤S801至步骤S802、图10中的方法步骤S901至步骤S903、图11中的方法步骤S1001至步骤S1002、图12中的方法步骤S1101至步骤S1102、图13中的方法步骤S1201至步骤S1202、图14中的方法步骤S1301至步骤S1302、图15中的方法步骤S1401至步骤S1402。
本发明实施例还提供了计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令用于执行上述的无线场景识别方法。
在一实施例中，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，例如，执行图1中的方法步骤S101至步骤S104、图2中的方法步骤S201至步骤S204、图4中的方法步骤S301至步骤S303、图5中的方法步骤S401至步骤S402、图6中的方法步骤S501至步骤S502、图7中的方法步骤S601至步骤S603、图8中的方法步骤S701至步骤S703、图9中的方法步骤S801至步骤S802、图10中的方法步骤S901至步骤S903、图11中的方法步骤S1001至步骤S1002、图12中的方法步骤S1101至步骤S1102、图13中的方法步骤S1201至步骤S1202、图14中的方法步骤S1301至步骤S1302、图15中的方法步骤S1401至步骤S1402。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、储存设备存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包括计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
还应了解，本发明实施例提供的各种实施方式可以任意进行组合，以实现不同的技术效果。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的共享条件下还可作出种种等同的变形或替换，这些等同的变形或替换均包括在本发明权利要求所限定的范围内。
Claims (23)
1.一种无线场景识别方法，应用于通信设备，所述方法包括：
获取网络问题信息；
根据所述网络问题信息确定问题区域，并根据所述问题区域和所述问题区域的通信邻区建立场景簇；
获取场景簇中的网络特征信息；
根据所述网络特征信息对所述场景簇的无线场景进行识别，得到场景识别结果。
2.根据权利要求1所述的无线场景识别方法，其特征在于，所述根据所述网络问题信息确定问题区域，并根据所述问题区域和所述问题区域的通信邻区建立场景簇，包括：
获取网络需求信息，所述网络需求信息与所述网络问题信息对应；
根据所述网络需求信息对无线网络进行区域划分，得到多个地理区域；
根据所述网络问题信息从多个所述地理区域中确定对应的问题区域；
在多个所述地理区域中确定所述问题区域的通信邻区，并根据所述问题区域和所述通信邻区建立场景簇。
3.根据权利要求1所述的无线场景识别方法，其特征在于，所述网络特征信息包括基础关键性能指标、所述问题区域对应的关键性能指标、用户感知指标、用户分布信息、容量指标和干扰指标中的至少一个。
4.根据权利要求3所述的无线场景识别方法，其特征在于，所述获取场景簇中的网络特征信息，包括：
获取所述场景簇的场景特征信息；
根据所述场景特征信息为所述场景簇配置对应的样本点采集策略；
基于所述样本点采集策略获取所述场景簇的所述网络特征信息。
5.根据权利要求1所述的无线场景识别方法，其特征在于，所述根据所述网络特征信息对所述场景簇的无线场景进行识别，得到场景识别结果，包括：
获取预设的大数据分析系统或人工智能分析系统；
通过所述大数据分析系统或所述人工智能分析系统对所述网络特征信息进行聚类分析，识别得到所述场景簇的场景识别结果。
6.根据权利要求5所述的无线场景识别方法，其特征在于，所述人工智能分析系统为基于神经网络模型训练得到的人工智能系统，所述神经网络模型包括卷积神经网络模型、前馈神经网络模型、深度卷积网络模型、生成对抗网络模型或学习机模型中的至少一种。
7.根据权利要求1至6中任意一项所述的无线场景识别方法，其特征在于，所述得到场景识别结果之后，所述方法还包括：
根据所述场景识别结果为所述场景簇配置用于网络自智化的目标解决方案；
基于所述目标解决方案对所述场景簇进行网络优化处理。
8.根据权利要求7所述的无线场景识别方法，其特征在于，所述根据所述场景识别结果为所述场景簇配置对应网络自智化的解决方案，包括：
根据所述场景识别结果确定所述场景簇的问题场景类别和对应的通信特征指标；
根据所述问题场景类别和所述通信特征指标，在预设的多个解决方案中匹配对应场景和指标要求的所述解决方案；
将满足要求的所述解决方案作为用于网络自智化的目标解决方案。
9.根据权利要求8所述的无线场景识别方法，其特征在于，所述问题场景类别包括室外对室内干扰场景、室内外用户不平衡场景、室内外乒乓切换场景、频谱效率低场景中的至少一种。
10.根据权利要求8所述的无线场景识别方法，其特征在于，所述基于所述目标解决方案对所述场景簇进行网络优化处理之后，所述方法还包括：
根据网络优化处理之前的所述通信特征指标和所述目标解决方案，得到所述场景簇的预期网络优化结果；
获取所述场景簇中经过网络优化处理之后的通信特征指标，并根据网络优化处理前后的所述通信特征指标得到所述场景簇的网络优化结果；
根据所述网络优化结果和所述预期网络优化结果确定是否继续对所述场景簇进行网络优化处理。
11.根据权利要求10所述的无线场景识别方法，其特征在于，所述根据所述网络优化结果和所述预期网络优化结果确定是否继续对所述场景簇进行网络优化处理，包括：
若所述网络优化结果达到所述预设网络优化结果，则停止进行网络优化处理，输出自智化网络优化报告；
若所述网络优化结果没达到所述预设网络优化结果，根据所述目标解决方案确定对所述场景簇中目标参数调整次数的门限值，根据所述门限值和所述目标解决方案继续对所述目标参数进行调整以进行网络优化处理，并得到自智化网络优化报告或需求报告。
12.根据权利要求11所述的无线场景识别方法，其特征在于，所述得到自智化网络优化报告或需求报告，包括：
获取每次网络优化处理前后的所述通信特征指标得到所述场景簇的网络优化结果；
若在所述门限值的调整范围内的一个所述网络优化结果达到所述预期网络优化结果，则停止对所述目标参数进行调整，并输出自智化网络优化报告；
若在所述门限值的调整范围内的每个所述网络优化结果均没达到所述预期网络优化结果，判断在多个所述解决方案中是否存在新的目标解决方案以继续进行网络优化处理，否则输出需求报告。
13.一种无线场景识别方法，应用于无线终端，所述方法包括：
获取网络问题信息，并向通信设备发送所述网络问题信息，以使所述通信设备根据所述网络问题信息确定所述无线终端所在的问题区域，并根据所述问题区域和所述问题区域的通信邻区建立场景簇；
获取网络特征信息，并向所述通信设备发送所述网络特征信息，以使所述通信设备根据所述网络特征信息对所述场景簇的无线场景进行识别，得到场景识别结果。
14.根据权利要求13所述的无线场景识别方法，其特征在于，所述通信设备还用于获取网络需求信息，所述网络需求信息与所述网络问题信息对应；根据所述网络需求信息对无线网络进行区域划分，得到多个地理区域；根据所述网络问题信息从多个所述地理区域中确定所述无线终端所在的问题区域；在多个所述地理区域中确定所述问题区域的通信邻区，并根据所述问题区域和所述通信邻区建立场景簇。
15.根据权利要求13所述的无线场景识别方法，其特征在于，所述网络特征信息包括基础关键性能指标、所述问题区域对应的关键性能指标、用户感知指标、用户分布信息、容量指标和干扰指标中的至少一个。
16.根据权利要求15所述的无线场景识别方法，其特征在于，所述获取网络特征信息，包括：
获取场景特征信息，并向所述通信设备发送场景特征信息，以使所述通信设备根据所述场景特征信息为所述场景簇配置对应的样本点采集策略；
接收所述通信设备发送的样本点采集策略，基于所述样本点采集策略获取网络特征信息。
17.根据权利要求13至16中任意一项所述的无线场景识别方法，其特征在于，所述方法还包括：
接收所述通信设备发送的用于网络自智化的目标解决方案，所述目标解决方案由所述通信设备根据所述场景识别结果为所述场景簇配置得到；
根据所述目标解决方案进行网络优化处理。
18.根据权利要求17所述的无线场景识别方法，其特征在于，所述根据所述目标解决方案进行网络优化处理之后，所述方法还包括：
获取网络优化处理前后的通信特征指标，并向所述通信设备发送所述通信特征指标，以使所述通信设备根据网络优化处理之前的所述通信特征指标和所述目标解决方案，得到所述场景簇的预期网络优化结果，并根据网络优化处理前后的所述通信特征指标得到所述场景簇的网络优化结果，根据所述网络优化结果和所述预期网络优化结果确定是否继续对所述场景簇进行网络优化处理。
19.根据权利要求18所述的无线场景识别方法，其特征在于，所述获取网络优化处理前后的通信特征指标之后，所述方法还包括：
若所述网络优化结果达到所述预设网络优化结果，则停止进行网络优化处理，所述通信设备还用于输出自智化网络优化报告；
若所述网络优化结果没达到所述预设网络优化结果，接收所述通信设备发送的门限值，并根据所述门限值和所述目标解决方案继续对目标参数进行调整以进行网络优化处理，所述门限值由所述通信设备根据所述目标解决方案确定所述场景簇中目标参数调整次数后得到，所述通信设备还用于得到自智化网络优化报告或需求报告。
20.根据权利要求19所述的无线场景识别方法，其特征在于，所述根据所述门限值和所述目标解决方案继续对目标参数进行调整以进行网络优化处理之后，所述方法还包括：
若在所述门限值的调整范围内的一个所述网络优化结果达到所述预期网络优化结果，则停止对所述目标参数进行调整，所述通信设备还用于输出自智化网络优化报告；
若在所述门限值的调整范围内的每个所述网络优化结果均没达到所述预期网络优化结果，则停止对所述目标参数进行调整，所述通信设备还用于判断在多个所述解决方案中是否存在新的目标解决方案以继续进行网络优化处理，否则输出需求报告。
21.一种无线场景识别系统，所述系统包括通信设备和多个无线终端，所述通信设备与多个所述无线终端通信连接；
其中，所述通信设备用于执行如实现权利要求1至12中任意一项所述的无线场景识别方法；
所述无线终端用于执行如实现权利要求13至20中任意一项所述的无线场景识别方法。
22.一种电子设备，包括：存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时如实现权利要求1至20中任意一项所述的无线场景识别方法。
23.一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至20中任意一项所述的无线场景识别方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210762522.XA CN117376176A (zh) | 2022-06-30 | 2022-06-30 | 无线场景识别方法、系统、电子设备及存储介质 |
| PCT/CN2023/092782 WO2024001525A1 (zh) | 2022-06-30 | 2023-05-08 | 无线场景识别方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210762522.XA CN117376176A (zh) | 2022-06-30 | 2022-06-30 | 无线场景识别方法、系统、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117376176A true CN117376176A (zh) | 2024-01-09 |
Family
ID=89383191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210762522.XA Pending CN117376176A (zh) | 2022-06-30 | 2022-06-30 | 无线场景识别方法、系统、电子设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN117376176A (zh) |
| WO (1) | WO2024001525A1 (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9113353B1 (en) * | 2015-02-27 | 2015-08-18 | ReVerb Networks, Inc. | Methods and apparatus for improving coverage and capacity in a wireless network |
| CN109429234A (zh) * | 2017-08-23 | 2019-03-05 | 中兴通讯股份有限公司 | 一种基站的部署方法及装置 |
| CN111194039B (zh) * | 2018-11-15 | 2022-05-10 | 华为技术有限公司 | 网络场景识别的方法及接入网设备 |
| CN110602741B (zh) * | 2019-09-23 | 2023-04-11 | 中国移动通信集团内蒙古有限公司 | 网络弱覆盖的识别方法、装置、设备及存储介质 |
| US20230027476A1 (en) * | 2019-12-18 | 2023-01-26 | Telefonaktiebolaget Lm Ericsson (Publ) | Adaptive cell-shaping in a cellular network |
-
2022
- 2022-06-30 CN CN202210762522.XA patent/CN117376176A/zh active Pending
-
2023
- 2023-05-08 WO PCT/CN2023/092782 patent/WO2024001525A1/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024001525A1 (zh) | 2024-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105744553B (zh) | 一种网络关联分析方法及装置 | |
| EP2741535B1 (en) | A method to guide the placement of new small cells | |
| CN103686745B (zh) | 一种lte系统中频率优化的方法及装置 | |
| EP2429228A1 (en) | Network management system, wireless coverage control method, and wireless coverage control program | |
| US10945299B2 (en) | Overshoot analysis based on user equipment metrics | |
| Kibiłda et al. | Modelling multi-operator base station deployment patterns in cellular networks | |
| CN108243435B (zh) | 一种lte小区场景划分中的参数优化方法及装置 | |
| CN111182552B (zh) | 一种5g基站中ssb波束动态配置方法及5g基站 | |
| CN106992902B (zh) | 一种无线网络覆盖盲区侦测方法及系统 | |
| CN104813697A (zh) | 使用具有不同技术的多个无线接口的短距离基站进行无线通信的方法和装置 | |
| Lopez-Benitez et al. | Spectrum usage in cognitive radio networks: From field measurements to empirical models | |
| EP3183903B1 (en) | Received signal strength based interferer classification of cellular network cells | |
| CN102723974B (zh) | 一种自动调整智能天线广播波束的方法和系统 | |
| CN107801198B (zh) | 一种lte网络重叠覆盖主小区的查找方法及服务器 | |
| WO2021151503A1 (en) | Analytics node and method thereof | |
| US20210127303A1 (en) | Wireless band priority metrics analysis and response | |
| CN117376176A (zh) | 无线场景识别方法、系统、电子设备及存储介质 | |
| CN111263374B (zh) | 一种基于路测数据的基站验证分析的方法及装置 | |
| CN108134703B (zh) | 网络小区隐患故障预测分析方法及装置 | |
| CN104113863A (zh) | 一种切换优化的方法及装置 | |
| CN104754747A (zh) | 高密度无线局域网部署的信道分配方法 | |
| CN103763728A (zh) | 分析CommonBCCH覆盖差异的方法 | |
| US11240824B2 (en) | Interference mitigation tool | |
| CN1778131A (zh) | 用于测试移动电话网络的系统和方法 | |
| de Lima et al. | Cognitive radio simulation based on spectrum occupancy measurements at one site in Brazil |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |