CN117793727A - 波束参数计算方法、电子设备及存储介质 - Google Patents

波束参数计算方法、电子设备及存储介质 Download PDF

Info

Publication number
CN117793727A
CN117793727A CN202211136264.0A CN202211136264A CN117793727A CN 117793727 A CN117793727 A CN 117793727A CN 202211136264 A CN202211136264 A CN 202211136264A CN 117793727 A CN117793727 A CN 117793727A
Authority
CN
China
Prior art keywords
target
cell
beam parameter
parameter
value
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
Application number
CN202211136264.0A
Other languages
English (en)
Inventor
张劲超
李建国
王郭燕
周先文
庞磊
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.)
ZTE Corp
Original Assignee
ZTE Corp
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 ZTE Corp filed Critical ZTE Corp
Priority to CN202211136264.0A priority Critical patent/CN117793727A/zh
Priority to PCT/CN2023/112920 priority patent/WO2024060877A1/zh
Publication of CN117793727A publication Critical patent/CN117793727A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/24—Cell structures
    • H04W16/28—Cell structures using beam steering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA

Landscapes

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

Abstract

本申请实施例提供了波束参数计算方法、电子设备及存储介质，通过获取目标区域的网络的工参数据；根据工参数据对目标区域中的小区进行簇划分得到小区簇；对小区簇的波束参数，根据波束参数对应的数值范围确定目标波束参数值，根据目标波束参数值得到目标波束参数，通过目标波束参数值优化预设的优化目标；能够实现多小区联合的波束参数寻优方式，并从波束参数对应的数值范围中搜索目标波束参数值，使得波束参数搜索范围更广泛，同时使波束参数的寻优高效和准确，通过目标波束参数实现优化目标区域的网络覆盖率和效率。

Description

波束参数计算方法、电子设备及存储介质
技术领域
本申请实施例涉及但不限于通信技术领域，尤其涉及波束参数计算方法、电子设备及存储介质。
背景技术
目前，为了应对不同的实际场景，每个小区通常会预先设置上千种波束参数组合；根据实际场景从预先设置的上千种波束参数组合选择最为合适的波束参数组合作为该小区的波束参数。但随着覆盖场景的越来越复杂化和多样化，上千种波束参数组合已经无法完全应对实际的各种复杂场景。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本申请实施例提供了波束参数计算方法、电子设备及存储介质，能够实现多小区联合的波束参数寻优方式，高效和准确地获取最优的波束参数，使目标区域的网络覆盖和效率达到最优。
第一方面，本申请实施例提供了一种波束参数计算方法，包括：获取目标区域的网络的工参数据；根据所述工参数据对所述目标区域中的小区进行簇划分，得到小区簇；根据所述波束参数对应的数值范围确定目标波束参数值，进而得到目标波束参数，所述目标波束参数值用于优化预设的优化目标。
第二方面，本申请实施例提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的波束参数计算方法。
第三方面，本申请实施例提供了一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行如上所述的波束参数计算方法。
本申请实施例包括：获取目标区域的网络的工参数据；根据工参数据对目标区域中的小区进行簇划分，得到小区簇；对小区簇的波束参数，根据波束参数对应的数值范围确定目标波束参数值，根据目标波束参数值得到目标波束参数，目标波束参数值用于优化预设的优化目标；能够实现多小区联合的波束参数寻优方式，并从波束参数对应的数值范围中搜索目标波束参数值，使得波束参数搜索范围更广泛，同时使波束参数的寻优高效和准确，通过目标波束参数实现优化目标区域的网络覆盖率和效率。
附图说明
附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1是本申请实施例所提供的波束参数计算方法的步骤图；
图2是本申请实施例所提供的步骤S200的子步骤图；
图3是本申请实施例所提供的步骤S210的子步骤图；
图4是本申请实施例所提供的步骤S300的一个子步骤图；
图5是本申请实施例所提供的步骤S310的子步骤图；
图6是本申请实施例所提供的步骤S330的子步骤图；
图7是本申请实施例所提供的步骤S300的另一子步骤图；
图8是本申请实施例所提供的步骤S340的子步骤图；
图9是本申请实施例所提供的步骤S350的子步骤图；
图10是本申请实施例所提供的电子设备的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请提供了波束参数计算方法、电子设备及存储介质，通过获取目标区域的网络的工参数据；根据工参数据对目标区域中的小区进行簇划分，得到小区簇；对小区簇的波束参数，根据波束参数对应的数值范围确定目标波束参数值，根据目标波束参数值得到目标波束参数，目标波束参数值用于优化预设的优化目标；能够实现多小区联合的波束参数寻优方式，并从波束参数对应的数值范围中搜索目标波束参数值，使得波束参数搜索范围更广泛，同时使波束参数的寻优高效和准确，通过目标波束参数实现优化目标区域的网络覆盖率和效率。
下面结合附图，对本申请实施例作进一步阐述。
本申请实施例提供了波束参数计算方法。参照图1，图1是波束参数计算方法的步骤图。波束参数计算方法包括但不限于以下步骤：
步骤S100，获取目标区域的网络的工参数据；
步骤S200，根据工参数据对目标区域中的小区进行簇划分，得到小区簇；
步骤S300，根据波束参数对应的数值范围确定用于优化预设的优化目标的目标波束参数值，根据目标波束参数值得到目标波束参数。
对于步骤S100，确定目标区域。目标区域通常包括多个小区，每个小区设有多个基站天线，每个基站天线发射多个单波束，每个单波束包括多个波束参数，单波束组合形成多波束。
目标区域的天线根据初始的波束参数设置，并向用户设备发射对应的波束；然后采集目标区域的网络的工参数据，工参数据由用户设备上报。
具体地，工参数据可以包括参考信号接收功率(Reference Signal ReceivingPower,RSRP)、波达方向(Direction of Arrival,DOA)和路径损耗(Path Loss,PL)等。
可以理解的是，本申请实施例给出了工参数据包括参考信号接收功率、波达方向和路径损耗的例子，但这并不能对本申请实施例中的工参数据的类型进行限制。在其他实施例中，工参数据可以包括其他类型的数据，例如信号与干扰加噪声比(Signal toInterference plus Noise Ratio，SINR)等。
参照图2，对于步骤S200，根据工参数据对目标区域中的小区进行簇划分，得到小区簇，包括但不限于以下步骤：
步骤S210，根据工参数据得到目标区域中的小区的重叠覆盖度；
步骤S220，根据重叠覆盖度对目标区域中的小区进行簇划分，得到小区簇。
参照图3，对于步骤S210，根据工参数据得到目标区域中的小区的重叠覆盖度包括但不限于以下步骤：
步骤S211，根据工参数据从目标区域的用户设备中确定第一用户设备和第二用户设备；
其中，第一用户设备为满足第一预设条件的用户设备，第二用户设备为满足第一预设条件、第二预设条件和第三预设条件中至少两个条件的用户设备；
步骤S212，根据第一用户设备的数量和第二用户设备的数量，得到目标区域中的小区的重叠覆盖度；
其中，第一预设条件为第一工参数据的值大于或等于预设的第一门限值，第一工参数据为用户设备在目标区域的第一小区所对应的工参数据；
第二预设条件为第二工参数据的值大于或等于预设的第二门限值，第二工参数据为用户设备在目标区域的第二小区所对应的工参数据，第二小区为不同于第一小区的小区；
第三预设条件为第二工参数据与第一工参数据的差值大于或等于预设的第三门限值。
对于步骤S212，具体地，将第二用户设备的数量与第一用户设备的数量的商作为目标区域中的小区的重叠覆盖度。
例如，对于根据参考信号接收功率得到目标区域中的小区的重叠覆盖度，小区vi与小区vj的重叠覆盖度的计算公式如下：其中，n1为第一用户设备的数量，n2为第二用户设备的数量。
第一预设条件为用户设备上报的在小区vi的参考信号接收功率大于或等于“服务小区覆盖RSRP门限”，“服务小区覆盖RSRP门限”即为预设的第一门限值。例如，在某些实施例中，第一门限值可以设置为90dB。
第二预设条件为用户设备上报的在小区vj的参考信号接收功率大于或等于“邻区重叠覆盖RSRP门限”，“邻区重叠覆盖RSRP门限”即为预设的第二门限值。例如，在某些实施例中，第二门限值可以设置为90dB。
第三预设条件为用户设备上报的在小区vj的参考信号接收功率与用户设备上报的在小区vi的参考信号接收功率之差大于或等于“邻区重叠覆盖RSRP差值门限”，“邻区重叠覆盖RSRP差值门限”即为预设的第三门限值。例如，在某些实施例中，第三门限值可以设置为6dB。
可以理解的是，本申请实施例给出了第一门限值为90dB、第二门限值为90dB、第三门限值为6dB的例子，但这并不能对本申请实施例中第一门限值的数值、第二门限值的数值和第三门限值的数值进行限制。在其他实施例中，可以将第一门限值取值为其他更大或更小数值，例如80dB等；将第二门限值取值为其他更大或更小数值，例如70dB等；将第三门限值取值为其他更大或更小数值，例如5DB等。
第一用户设备为满足上述第一预设条件的用户设备，即在小区vi的参考信号接收功率大于或等于“服务小区覆盖RSRP门限”的用户设备。
第二用户设备为满足上述第一预设条件、第二预设条件和第三预设条件中至少两个条件的用户设备。例如，第二用户设备为满足第一预设条件、第二预设条件和第三预设条件的用户设备，即在小区vi的参考信号接收功率大于或等于“服务小区覆盖RSRP门限”、在小区vj的参考信号接收功率大于或等于“邻区重叠覆盖RSRP门限”、在小区vj的参考信号接收功率与用户设备上报的在小区vi的参考信号接收功率之差大于或等于“邻区重叠覆盖RSRP差值门限”的用户设备。
其中将同时满足三个预设条件的用户设备作为第二用户设备能使得计算得到的重叠覆盖度更准确。
可以理解的是，本申请实施例给出了根据参考信号接收功率得到目标区域中的小区的重叠覆盖度的例子，但这并不能对本申请实施例中的用于计算目标区域中的小区的重叠覆盖度的工参数据的类型进行限制。在其他实施例中，可以采用其他类型的工参数据进行计算目标区域中的小区的重叠覆盖度，例如路径损耗等。
对于步骤S220，根据重叠覆盖度对目标区域中的小区进行簇划分，得到小区簇。具体地，可以通过聚类的方法进行簇划分，例如使用层次聚类的方法对目标区域的小区进行簇划分，得到小区簇。
可以理解的是，本申请实施例给出了通过聚类进行簇划分的方式，但这并不能对本申请实施例中簇划分的方式进行限制。在其他实施例中，也可以通过其他方式进行簇划分。
对于步骤S300，设置波束参数对应的数值范围；设置优化目标；对小区簇的波束参数，根据波束参数对应的数值范围确定用于优化该优化目标目标波束参数值，根据目标波束参数值得到目标波束参数，则通过该目标波束参数能够优化目标区域的网络覆盖率和效率。
对于设置波束参数对应的数值范围，可以设置单波束的方位角、垂直角、水平波宽和垂直波宽的数值范围，例如方位角的数值范围为：[-60°，60°]，步长为5°；垂直角的数值范围为[-20°，20°]，步长为1°；垂直波宽的数值范围为：[6°，12°]，步长为6°；水平波宽的数值范围为：[10°，60°]，步长为10°。
另外，对于不同的波束之间也可以增加约束条件，例如约束条件为每个波束之间的3dB波宽不互相重叠。
可以理解的是，本申请实施例给出了波束参数包括方位角、垂直角、水平波宽和垂直波宽的例子，但这并不能对本申请实施例中的波束参数的类型进行限制。在其他实施例中，波束参数可以包括其他类型的数据。
另外，本申请实施例给出了方位角的数值范围为：[-60°，60°]、垂直角的数值范围为[-20°，20°]、垂直波宽的数值范围为：[6°，12°]、水平波宽的数值范围为：[10°，60°]的例子，但这并不能对本申请实施例中的方位角的数值范围、垂直角的数值范围、垂直波宽的数值范围和水平波宽的数值范围进行限制。在其他实施例中，方位角的数值范围可以为其他，例如[-70°，70°]等；垂直角的数值范围可以为其他，例如[-10°，10°]等；垂直波宽的数值范围可以为其他，例如[5°，10°]等；水平波宽的数值范围可以为其他，例如[5°，55°]等。
参照图4，其中，一个方面，根据波束参数对应的数值范围确定目标波束参数值，包括但不限于以下步骤：
步骤S310，从小区簇的第一波束参数集合中确定待调整波束参数，其中第一波束参数集合包括小区簇的多个波束参数；
步骤S320，根据待调整波束参数对应的数值范围确定第一目标参数值，根据第一目标参数值得到调整波束参数集合；
步骤S330，从多个调整波束参数集合中确定第一目标波束参数集合，将第一目标波束参数集合中的波束参数的数值作为目标波束参数值。
对于步骤S310，对目标区域的小区进行簇划分得到多个小区簇，每个小区簇包括多个小区，每个小区设有多个天线，每个天线发射多个波束，每个波束设有多个波束参数。则小区簇的第一波束参数集合包括该小区簇的所有小区的多个波束参数；小区的第二波束参数集合包括该小区的多个波束参数；一个小区簇的第一波束参数集合由该小区簇的各个小区的第二波束参数集合组成。
参照图5，对各个小区簇的第一波束参数集合，从小区簇的第一波束参数集合中确定待调整波束参数，包括但不限于以下步骤：
步骤S311，从小区簇的小区中确定目标小区；
步骤S312，从目标小区的波束中确定目标波束；
步骤S313，从目标波束的波束参数中确定待调整参数。
对于步骤S311，从小区簇的小区中确定目标小区，具体为：为小区簇的每个小区配置一个第一比较值，根据小区簇的小区对应的第一比较值和预设的第一阈值，确定目标小区。
其中，第一比较值为x1，x1可以是(0,1)范围内的一个随机数。第一阈值为小区层变异率，设置小区层变异率为0.1，当一个小区的第一比较值满足x1<0.1，则将该小区确定为目标小区。
可以理解的是，本申请实施例给出了小区层变异率为0.1的例子，但这并不能对本申请实施例中的小区层变异率的数值进行限制。在其他实施例中，小区层变异率可以为其他更大或更小的数值，例如0.2。
另外，本申请实施例给出了第一比较值是(0,1)范围内的一个随机数的例子，但这并不能对本申请实施例中的第一比较值的数值进行限制。在其他实施例中，第一比较值可以从其他更大或更小的范围内随机取值，例如从(0,2)范围内随机取值。
对于步骤S312，从目标小区的波束中确定目标波束，具体为：为目标小区的每个波束配置一个第二比较值，根据目标小区的波束对应的第二比较值和预设的第二阈值，确定目标波束。
其中，第二比较值为x2，x2可以是(0,1)范围内的一个随机数。第二阈值为波束层变异率，设置波束层变异率为0.1，当一个目标小区的波束的第二比较值满足x2<0.1，则将该目标小区的波束确定为目标波束。
可以理解的是，本申请实施例给出了波束层变异率为0.1的例子，但这并不能对本申请实施例中的波束层变异率的数值进行限制。在其他实施例中，波束层变异率可以为其他更大或更小的数值，例如0.3。
另外，本申请实施例给出了第二比较值是(0,1)范围内的一个随机数的例子，但这并不能对本申请实施例中的第二比较值的数值进行限制。在其他实施例中，第二比较值可以从其他更大或更小的范围内随机取值，例如从(0,3)范围内随机取值。
对于步骤S313，从目标波束的波束参数中确定待调整参数，具体为：为目标波束的每个波束参数配置一个第三比较值，根据目标波束的波束参数对应的第三比较值和预设的第三阈值，确定待调整参数。
其中，第三比较值为x3，x3可以是(0,1)范围内的一个随机数。第三阈值为波束参数层变异率，设置波束参数层变异率为0.1，当一个目标波束的波束参数的第三比较值满足x3<0.1，则将该目标波束的波束参数确定为待调整参数。
则实际上，待调整参数可以为一个，也可以为多个。
可以理解的是，本申请实施例给出了波束参数层变异率为0.1的例子，但这并不能对本申请实施例中的波束参数层变异率的数值进行限制。在其他实施例中，波束层变异率可以为其他更大或更小的数值，例如0.15。
另外，本申请实施例给出了第三比较值是(0,1)范围内的一个随机数的例子，但这并不能对本申请实施例中的第三比较值的数值进行限制。在其他实施例中，第三比较值可以从其他更大或更小的范围内随机取值，例如从(0,5)范围内随机取值。
对于步骤S320，对待调整波束参数从待调整波束参数对应的数值范围中取值确定第一目标参数值，进而根据第一目标参数值由第一波束参数集合得到调整波束参数集合。
例如，确定了待调整波束参数为小区1的波束1的水平波宽，水平波宽对应的数值范围为[10°，60°]，从水平波宽对应的数值范围中随机取值，确定第一目标参数值为30°，则使小区1的波束1的水平波宽的数值替换为30°，并且小区簇的第一波束参数集合的其他波束参数的数值保持不变，进而得到调整波束参数集合。
执行多次步骤S310和步骤S320，得到不同的多个调整波束参数集合。
参照图6，对于步骤S330，其中，从多个调整波束参数集合中确定第一目标波束参数集合，包括但不限于以下步骤：
步骤S331，根据与优化目标对应的第一目标函数，对各个调整波束参数集合计算得到第一目标函数值；
步骤S332，从多个第一目标函数值中确定第四目标函数值，将第四目标函数值对应的调整波束参数集合确定为第一目标波束参数集合。
例如，设置的优化目标为信号与干扰加噪声比，计算各个调整波束参数集合的第一目标函数值，即计算各个调整波束参数集合的信号与干扰加噪声比值，从多个调整波束参数集合的信号与干扰加噪声比值中确定最大的信号与干扰加噪声比值为第四目标函数值，将最大的信号与干扰加噪声比值所对应的调整波束参数集合确定为第一目标波束参数集合。
并且，将第一目标波束参数集合中的波束参数的数值作为目标波束参数值。即将第一目标波束参数集合中的波束参数作为该小区簇的目标波束参数。
例如，初始化一个小区簇的种群，该种群包括N个个体，每个个体为该小区簇的第一波束参数集合，每个个体的波束参数具有初始化的波束参数值。
对种群的每个个体，为小区簇的每个小区配置一个第一比较值，第一比较值为x1，x1为(0,1)范围内的一个随机数，第一阈值为小区层变异率，设置小区层变异率为0.1，当一个小区的第一比较值满足x1<0.1，则将该小区确定为目标小区。
为目标小区的每个波束配置一个第二比较值，第二比较值为x2，x2为(0,1)范围内的一个随机数，第二阈值为波束层变异率，设置波束层变异率为0.1，当一个目标小区的波束的第二比较值满足x2<0.1，则将该目标小区的波束确定为目标波束。
为目标波束的每个波束参数配置一个第三比较值，第三比较值为x3，x3为(0,1)范围内的一个随机数，第三阈值为波束参数层变异率，设置波束参数层变异率为0.1，当一个目标波束的波束参数的第三比较值满足x3<0.1，则将该目标波束的波束参数确定为待调整参数。
对待调整波束参数从待调整波束参数对应的数值范围中取值，进而由第一波束参数集合得到调整波束参数集合。
对上述过程迭代k次，则得到N*k个不同的调整波束参数集合，从多个不同的调整波束参数集合中确定使优化目标最优的第一目标波束参数集合，该第一目标波束参数集合的波束参数即为目标波束参数。给目标区域内的每个小区下发该目标波束参数。
能够实现多小区联合的波束参数寻优方式，并从预设的波束参数对应的数值范围中搜索目标波束参数值，使得波束参数搜索范围更广泛，同时通过上述的波束参数寻优方法能够高效和准确地获取最优的波束参数，使目标区域的网络覆盖率和效率达到最优。
参照图7，其中，另一个方面，根据波束参数对应的数值范围确定目标波束参数值，包括但不限于以下步骤：
步骤S340，根据与优化目标对应的第二目标函数、波束参数对应的数值范围和小区的第二波束参数集合，得到小区的第二目标波束参数集合，小区的第二波束参数集合包括小区的多个波束参数；
步骤S350，根据与优化目标对应的第三目标函数和小区的第二目标波束参数集合，得到小区簇的第三目标波束参数集合，将第三目标波束参数集合中的波束参数的数值作为目标波束参数值。
参照图8，对于步骤S340，根据与优化目标对应的第二目标函数、波束参数对应的数值范围和小区的第二波束参数集合，得到小区的第二目标波束参数集合，包括但不限于以下步骤：
步骤S341，根据小区的波束参数对应的数值范围确定第二目标参数值，根据第二目标参数值得到小区波束参数集合；
步骤S342，根据第二目标函数计算得到各个小区波束参数集合的第二目标函数值；
步骤S343，根据第二目标函数值对小区波束参数集合进行排序，选择排名在预设区间内的小区波束参数集合确定为第二目标波束参数集合。
对于步骤S341，对小区的波束参数，从小区的波束参数对应的数值范围中取值以确定第二目标参数值，进而按照第二目标参数值由小区的第二波束参数集合得到小区波束参数集合。
对于步骤S343，通过智能优化算法搜索出第二目标函数值最大的前M个小区波束参数集合，将该M个小区波束参数集合确定为第二目标波束参数集合。其中，智能优化算法可以采用蚁群算法、遗传算法和粒子群算法等算法。
参照图9，对于步骤S350，根据与优化目标对应的第三目标函数和小区的第二目标波束参数集合，得到小区簇的第三目标波束参数集合，包括但不限于以下步骤：
步骤S351，对小区的第二目标波束参数集合进行组合，得到小区簇的簇波束参数集合；
步骤S352，根据与优化目标对应的第三目标函数，计算得到小区簇的簇波束参数集合的第三目标函数值；
步骤S353，从多个第三目标函数值中确定第五目标函数值，将第五目标函数值对应的簇波束参数集合确定为第三目标波束参数集合。
对于步骤S351，将步骤S340所得到的对应小区的M个小区波束参数集合作为新的波束参数库，将小区的第二目标波束参数集合进行组合，得到多个小区簇的簇波束参数集合。例如小区簇1包括小区1和小区2，则将小区1对应的其中一个第二目标波束参数集合和小区2对应的其中一个第二目标波束参数集合组合得到小区簇1的小区簇的簇波束参数集合。
对于步骤S352，可以理解的是，第二目标函数和第三目标函数可以是同一个函数，也可以是不同的函数。
具体地，对于步骤S353，通过智能优化算法搜索出第三目标函数值最大的小区簇波束参数集合，即第五目标函数值为最大的第三目标函数值。将该第三目标函数值最大的小区簇波束参数集合确定为第三目标波束参数集合。其中，智能优化算法可以采用蚁群算法、遗传算法和粒子群算法等算法。
然后，将第三目标波束参数集合的波束参数作为目标波束参数。给目标区域内的每个小区下发该目标波束参数。
能够实现多小区联合的波束参数寻优方式，并从预设的波束参数对应的数值范围中搜索目标波束参数值，使得波束参数搜索范围更广泛，同时通过上述的波束参数寻优方法能够高效和准确地获取最优的波束参数，使目标区域的网络覆盖率和效率达到最优。
本申请的实施例还提供了一种电子设备。参照图10，图10是电子设备的结构图。电子设备包括存储器120、处理器110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，存储器120和处理器110之间通过总线130进行通信连接；处理器110执行计算机程序时实现如上的波束参数计算方法。
存储器120可以包括程序区和数据区，其中，程序区可存储操作系统、至少一个功能所需要的应用程序；数据区可存储执行上述本发明实施例中的波束参数计算方法所需的数据等。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，例如至少一个磁盘存储器件、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终端。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。
实现上述本发明实施例中的波束参数计算方法所需的非暂态软件程序以及程序存储在存储器120中，当被一个或者多个处理器110执行时，执行上述本发明实施例中的波束参数计算方法。
以上所描述的节点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。
本申请的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存储有计算机可执行指令，计算机可执行指令用于执行如上的波束参数计算方法。
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，术语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、磁盘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，通信介质通常包含计算机可读指令、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。

Claims (14)

1.一种波束参数计算方法，包括：
获取目标区域的网络的工参数据；
根据所述工参数据对所述目标区域中的小区进行簇划分，得到小区簇；
根据所述小区簇的波束参数对应的数值范围确定目标波束参数值，进而得到目标波束参数，其中，所述目标波束参数值用于优化预设的优化目标。
2.根据权利要求1所述的波束参数计算方法，其特征在于，所述根据所述工参数据对所述目标区域中的小区进行簇划分，得到小区簇，包括：
根据所述工参数据得到所述目标区域中的小区的重叠覆盖度；
根据所述重叠覆盖度对所述目标区域中的小区进行簇划分，得到小区簇。
3.根据权利要求2所述的波束参数计算方法，其特征在于，所述根据所述工参数据得到所述目标区域中的小区的重叠覆盖度，包括：
根据所述工参数据从所述目标区域的用户设备中确定第一用户设备和第二用户设备，所述第一用户设备为满足第一预设条件的用户设备，所述第二用户设备为满足第一预设条件、第二预设条件和第三预设条件中至少两个条件的用户设备；
根据所述第一用户设备的数量和所述第二用户设备的数量，得到所述目标区域中的小区的重叠覆盖度；
其中，所述第一预设条件为第一工参数据的值大于或等于预设的第一门限值，所述第一工参数据为所述用户设备在所述目标区域的第一小区所对应的工参数据；
所述第二预设条件为第二工参数据的值大于或等于预设的第二门限值，所述第二工参数据为所述用户设备在所述目标区域的第二小区所对应的工参数据，所述第二小区为不同于所述第一小区的小区；
所述第三预设条件为所述第二工参数据与所述第一工参数据的差值大于或等于预设的第三门限值。
4.根据权利要求1所述的波束参数计算方法，其特征在于，所述根据所述波束参数对应的数值范围确定目标波束参数值，包括：
从所述小区簇的第一波束参数集合中确定待调整波束参数，其中，所述第一波束参数集合包括所述小区簇的多个波束参数；
根据所述待调整波束参数对应的数值范围确定第一目标参数值，根据所述第一目标参数值得到调整波束参数集合；
从多个所述调整波束参数集合中确定第一目标波束参数集合，将所述第一目标波束参数集合中的波束参数的数值作为所述目标波束参数值。
5.根据权利要求4所述的波束参数计算方法，其特征在于，从所述小区簇的第一波束参数集合中确定待调整波束参数，包括：
从所述小区簇的小区中确定目标小区；
从所述目标小区的波束中确定目标波束；
从所述目标波束的波束参数中确定所述待调整波束参数。
6.根据权利要求5所述的波束参数计算方法，其特征在于，所述从所述小区簇的小区中确定目标小区，包括：
根据所述小区簇的小区对应的第一比较值和预设的第一阈值，确定所述目标小区。
7.根据权利要求5所述的波束参数计算方法，其特征在于，所述从所述目标小区的波束中确定目标波束，包括：
根据所述目标小区的波束对应的第二比较值和预设的第二阈值，确定所述目标波束。
8.根据权利要求5所述的波束参数计算方法，其特征在于，所述从所述目标波束的波束参数中确定所述待调整参数，包括：
根据所述目标波束的波束参数对应的第三比较值和预设的第三阈值，确定所述待调整参数。
9.根据权利要求4所述的波束参数计算方法，其特征在于，所述从多个所述调整波束参数集合中确定第一目标波束参数集合，包括：
根据与所述优化目标对应的第一目标函数，对各个所述调整波束参数集合计算得到第一目标函数值；
从多个所述第一目标函数值中确定第四目标函数值，将所述第四目标函数值对应的所述调整波束参数集合确定为所述第一目标波束参数集合。
10.根据权利要求1所述的波束参数计算方法，其特征在于，所述根据所述波束参数对应的数值范围确定目标波束参数值，包括：
根据与所述优化目标对应的第二目标函数、所述波束参数对应的数值范围和所述小区的第二波束参数集合，得到所述小区的第二目标波束参数集合，所述小区的第二波束参数集合包括所述小区的多个波束参数；
根据与所述优化目标对应的第三目标函数和所述小区的第二目标波束参数集合，得到所述小区簇的第三目标波束参数集合，将所述第三目标波束参数集合中的波束参数的数值作为所述目标波束参数值。
11.根据权利要求10所述的波束参数计算方法，其特征在于，所述根据与所述优化目标对应的第二目标函数、所述波束参数对应的数值范围和所述小区簇的小区的第二波束参数集合，得到所述小区簇的小区的第二目标波束参数集合，包括：
根据小区的波束参数对应的数值范围确定第二目标参数值，根据所述第二目标参数值得到小区波束参数集合；
根据所述第二目标函数计算得到各个所述小区波束参数集合的第二目标函数值；
根据所述第二目标函数值对所述小区波束参数集合进行排序，选择排名在预设区间内的所述小区波束参数集合确定为第二目标波束参数集合。
12.根据权利要求10所述的波束参数计算方法，其特征在于，所述根据与所述优化目标对应的第三目标函数和所述小区的第二目标波束参数集合，得到所述小区簇的第三目标波束参数集合，包括：
对所述小区的第二目标波束参数集合进行组合，得到所述小区簇的簇波束参数集合；
根据与所述优化目标对应的第三目标函数，计算得到所述小区簇的簇波束参数集合的第三目标函数值；
从多个所述第三目标函数值中确定第五目标函数值，将所述第五目标函数值对应的所述簇波束参数集合确定为所述第三目标波束参数集合。
13.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行如权利要求1至12中任一项所述的波束参数计算方法。
14.一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至12中任一项所述的波束参数计算方法。
CN202211136264.0A 2022-09-19 2022-09-19 波束参数计算方法、电子设备及存储介质 Pending CN117793727A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211136264.0A CN117793727A (zh) 2022-09-19 2022-09-19 波束参数计算方法、电子设备及存储介质
PCT/CN2023/112920 WO2024060877A1 (zh) 2022-09-19 2023-08-14 波束参数计算方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211136264.0A CN117793727A (zh) 2022-09-19 2022-09-19 波束参数计算方法、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN117793727A true CN117793727A (zh) 2024-03-29

Family

ID=90382046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211136264.0A Pending CN117793727A (zh) 2022-09-19 2022-09-19 波束参数计算方法、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN117793727A (zh)
WO (1) WO2024060877A1 (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108810922B (zh) * 2017-05-03 2021-02-23 华为技术有限公司 一种通信方法及终端、基站
CN113162661B (zh) * 2020-01-22 2022-05-27 南京捷希科技有限公司 一种波束赋形设备及波束赋形方法
US20220224403A1 (en) * 2021-01-13 2022-07-14 Atc Technologies Llc Single-frequency broadcasting networks using multiple spotbeams
CN115002795A (zh) * 2022-06-10 2022-09-02 中国电信股份有限公司 波束赋形方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
WO2024060877A1 (zh) 2024-03-28

Similar Documents

Publication Publication Date Title
Piltyay et al. Wireless sensor network connectivity in heterogeneous 5G mobile systems
Sun et al. Energy efficient collaborative beamforming for reducing sidelobe in wireless sensor networks
US8194573B1 (en) Directional access network control system and method
GB2539736A (en) Wireless network configuration using path loss determination between nodes
EP1291973A1 (en) A method for improving intelligent antenna array coverage
JP6564867B2 (ja) アンテナビーム情報の利用
Khan et al. Delay and throughput performance improvement in wireless sensor and actor networks
CN110622435A (zh) 一种无线通信系统中广播波束权值的确定方法以及装置
CN103874158A (zh) 一种新型的聚类路由算法
Potdar et al. Efficient spectrum handoff in CR network based on mobility, QoS and priority using fuzzy logic and neural network
Fatahi-Bafqi et al. Analytical framework for mmWave-enabled V2X caching
CN113438733A (zh) 基于5g和wifi实现室内定位的系统、方法及电子设备
St Jean et al. Bayesian game-theoretic modeling of transmit power determination in a self-organizing CDMA wireless network
CN117793727A (zh) 波束参数计算方法、电子设备及存储介质
CN115665891B (zh) 一种去中心化的分布式雷达系统
Sheikhi et al. AoI-aware status update control for an energy harvesting source over an uplink mmWave channel
Zhuang et al. GA-MADDPG: A Demand-Aware UAV Network Adaptation Method for Joint Communication and Positioning in Emergency Scenarios
US20220408334A1 (en) Cellular network user device mobility optimization management
CN113271549B (zh) 一种权值的发送方法及装置、存储介质及电子装置
Shen et al. Monte Carlo tree search for network planning for next generation mobile communication networks
CN113824486A (zh) 无人机通信系统的性能评估方法、装置、计算机设备和存储介质
Kucuk et al. A smart antenna module using omnet++ for wireless sensor network simulation
Fazliu et al. A belief propagation solution for beam coordination in mmWave vehicular networks
Wang et al. An adaptive location estimator based on alpha-beta filtering for wireless sensor networks
He et al. An improved tabu search algorithm based on grid search used in the antenna parameters optimization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication