CN118075788A - 基站参数的调整方法、装置及相关设备 - Google Patents
基站参数的调整方法、装置及相关设备 Download PDFInfo
- Publication number
- CN118075788A CN118075788A CN202211479722.0A CN202211479722A CN118075788A CN 118075788 A CN118075788 A CN 118075788A CN 202211479722 A CN202211479722 A CN 202211479722A CN 118075788 A CN118075788 A CN 118075788A
- Authority
- CN
- China
- Prior art keywords
- parameters
- historical
- base station
- samples
- parameter
- 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 64
- 238000004891 communication Methods 0.000 claims abstract description 69
- 230000000694 effects Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 17
- 238000012360 testing method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种基站参数的调整方法、装置及相关设备。其方法包括:在第一基站处于故障状态的情况下,获取与第一基站相邻的第二基站的运行关联参数;在预设样本库查找第一历史参数与第二基站的运行关联参数匹配的K个候选样本,样本库包括多个样本,各样本包括其关联的第一历史基站的第一历史参数和第二历史参数,第一历史参数为第一历史基站相邻的第二历史基站处于故障状态时的运行关联参数,第二历史参数为对第一历史基站的运行关联参数进行调节后的参数,且第一历史基站在历史小区内的第一通信质量低于第二通信质量;根据K个候选样本的第二历史参数,对第二基站的运行关联参数进行调整。
Description
技术领域
本申请属于通信技术领域,尤其涉及一种基站参数的调整方法、装置及相关设备。
背景技术
随着移动通信网络的快速发展,建立的基站数量也越来越多,发现基站在运行中存在着断站、反向切换、越区覆盖和冗余邻区等导致网络不稳定的故障情况,使得故障基站所服务地区的网络覆盖差、速率低、通话不清晰或断续,且现有技术对故障情况的处理也存在三个痛点:故障问题难确定、故障处理周期长及故障后恢复测试时间长,因此,无法及时修复故障基站,使得基站在故障期间所服务小区的通信质量差。
发明内容
本申请实施例提供一种基站参数的调整方法、装置及相关设备,能够在第一基站处于故障状态的情况下,提升第一基站服务小区的通信质量。
第一方面,本申请实施例提供一种基站参数的调整方法,方法包括:
在第一基站处于故障状态的情况下,获取与所述第一基站相邻的第二基站的运行关联参数,所述运行关联参数包括对所述第二基站运行中的通信质量存在影响的参数;
在预设样本库查找第一历史参数与所述第二基站的运行关联参数匹配的K个候选样本,所述样本库包括多个样本,所述多个样本与至少一个第一历史基站关联,所述样本包括其关联的第一历史基站的第一历史参数和第二历史参数,所述第一历史参数为所述第一历史基站相邻的第二历史基站处于故障状态时的运行关联参数;所述第二历史参数为对所述第一历史基站的运行关联参数进行调节后的参数,且所述第一历史基站在历史小区内的第一通信质量低于第二通信质量,第一通信质量为在所述第一历史参数下的通信质量,所述第二通信质量为所述第二历史参数下的通信质量,所述历史小区为所述第二历史基站服务的小区;所述K为正整数;
根据所述K个候选样本的第二历史参数,对所述第二基站的运行关联参数进行调整。
第二方面,本申请实施例提供了一种基站参数的调整装置,装置包括:
第一获取模块,用于在第一基站处于故障状态的情况下,获取与所述第一基站相邻的第二基站的运行关联参数,所述运行关联参数包括对所述第二基站运行中的通信质量存在影响的参数;
查找模块,用于在预设样本库查找第一历史参数与所述第二基站的运行关联参数匹配的K个候选样本,所述样本库包括多个样本,所述多个样本与至少一个第一历史基站关联,所述样本包括其关联的第一历史基站的第一历史参数和第二历史参数,所述第一历史参数为所述第一历史基站相邻的第二历史基站处于故障状态时的运行关联参数;所述第二历史参数为对所述第一历史基站的运行关联参数进行调节后的参数,且所述第一历史基站在历史小区内的第一通信质量低于第二通信质量,第一通信质量为在所述第一历史参数下的通信质量,所述第二通信质量为所述第二历史参数下的通信质量,所述历史小区为所述第二历史基站服务的小区;所述K为正整数;
第一调整模块,用于根据所述K个候选样本的第二历史参数,对所述第二基站的运行关联参数进行调整。
第三方面,本申请实施例提供了一种电子设备,设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如上任意一项所述的基站参数的调整方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如上任意一项所述的基站参数的调整方法。
第五方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如上任意一项所述的基站参数的调整方法。
本申请实施例的基站参数的调整方法、装置及相关设备,能够在第一基站处于故障状态的情况下,在预设样本库查找与第一基站相邻的第二基站的运行关联参数匹配的K个候选样本,并根据K个候选样本的第二历史参数,对第二基站的运行关联参数进行调整。如此,本申请实施例中,能够在第一基站无法及时修复的情况下,通过调节第二基站的运行关联参数以对第一基站的通信网络进行补偿,从而提升第一基站服务小区的通信质量。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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是本申请实施例提供的基站参数的调整方法的流程示意图;
图2是本申请实施例提供的识别故障基站方法的流程示意图;
图3是本申请实施例提供的一个回归树模型示意图;
图4是本申请实施例提供的一个样本查找匹配示意图;
图5是本申请实施例提供的一个RSRP接收功率与输出功率关系示意图;
图6是本申请实施例提供的一个问题区域及相邻区域的RSRP关系示意图;
图7是本申请实施例提供的另一个问题区域及相邻区域的RSRP关系示意图;
图8是本申请实施例提供的一个相邻区域的电子下倾角调整示意图;
图9是本申请实施例提供的基站参数的调整方法的另一个流程示意图;
图10是本申请实施例提供的参数自调优模型示意图;
图11是本申请实施例提供的调优参数下发示意图;
图12是本申请实施例提供的基站参数的调整装置的结构示意图;
图13是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
随着移动通信网络的快速发展,建立的基站数量也越来越多,发现基站在运行中存在着断站、反向切换、越区覆盖和冗余邻区等导致网络不稳定的故障情况,使得故障基站所服务地区的网络覆盖差、速率低、通话不清晰或断续。
且现有技术对故障情况的处理也存在三个痛点:
(1)故障问题难确定:随着现网基站越来越多,基站数量也随之增多,且4/5G基站站点设备类型繁多,处理故障时问题定位难度大;
(2)故障处理周期长:维修人员需要针对不同故障原因进行维修派单,并安排相关维护人员。而派单流程与接单都需要时间,可能导致处理故障不及时,即故障处理周期长。
(3)故障后恢复测试时间长:故障出现后,维护处理恢复前,维修人员需要通过现场测试来确定调整方案,测试调整时间长,用户感知提升不及时,容易引发用户投诉等后果;
综上,无法及时修复故障基站,使得基站在故障期间所服务小区的通信质量差。
为了解决现有技术问题,本申请实施例提供了一种基站参数的调整方法、装置及相关设备。下面首先对本申请实施例所提供的基站参数的调整方法进行介绍。
图1示出了本申请一个实施例提供的基站参数的调整方法的流程示意图。如图1所示,一种基站参数的调整方法,可以包括以下步骤S101至S103。
S101、在第一基站处于故障状态的情况下,获取与第一基站相邻的第二基站的运行关联参数。
S102、在预设样本库查找第一历史参数与第二基站的运行关联参数匹配的K个候选样本。
S103、根据K个候选样本的第二历史参数,对第二基站的运行关联参数进行调整。
本申请实施例的基站参数的调整方法,能够在第一基站处于故障状态的情况下,在预设样本库查找与第一基站相邻的第二基站的运行关联参数匹配的K个候选样本,并根据K个候选样本的第二历史参数,对第二基站的运行关联参数进行调整。如此,本申请实施例中,能够在第一基站无法及时修复的情况下,通过调节第二基站的运行关联参数以对第一基站的通信网络进行补偿,从而提升第一基站服务小区的通信质量。
下面介绍上述各个步骤的具体实现方式。
在S101中,上述第一基站处于故障状态的情况,示例性地,如图2所示,具体可以如下:
步骤S201:全网告警数据采集;
按照小时粒度采集全量告警指标,对全量告警指标进行过滤,找到影响覆盖道路的问题小区。
上述全量告警指标具体可以包括如下中至少一项:告警时间、告警标题、告警类型、告警内容、告警发生时间、告警消除时间。
步骤S202:识别故障断站及相关邻区。
根据断站告警(故障状态的一种),结合周边小区各项性能指标,自动识别断站影响,根据影响系数识别断站小区以及相关邻区,从而确定。
上述性能指标具体可以包括如下中至少一项:性能时间、小区名称、CGI、上下行指标、小区流量和用户数。
上述运行关联参数包括对第二基站运行中的通信质量存在影响的参数,在一些实施例中,运行关联参数包括基础参数和配置参数,基础参数为不可调节的参数,配置参数为可调节的参数,基础参数具体可以包括如下中至少一项:小区名称、挂高、机械倾角、方位角、功率配置,配置参数具体可以包括如下中至少一项:参考信号功率RSRP、电子下倾角、基于A4A5异频A2 RSRP触发门限(毫瓦分贝)、基于A4A5异频A1 RSRP触发门限(毫瓦分贝)、基于A3的异频A2 RSRP触发门限(毫瓦分贝)和基于A3的异频A1 RSRP触发门限(毫瓦分贝)。上述运行关联参数的采集粒度可以是天粒度,本申请在此不做具体限定。
在S102中,上述K为正整数。上述样本库包括多个样本,多个样本与至少一个第一历史基站关联,每个样本包括其关联的第一历史基站的第一历史参数和第二历史参数。示例性地,样本库收集了1000个样本,其中,可以是以历史断站站点相邻小区的基础参数、调整前的配置参数和调整后的配置参数作为一个样本。
上述第一历史参数为第一历史基站相邻的第二历史基站处于故障状态时的运行关联参数。第二历史参数为对第一历史基站的运行关联参数进行调节后的参数。
第一历史基站在历史小区内的第一通信质量低于第二通信质量,其中,第一通信质量为在第一历史参数下的通信质量,第二通信质量为第二历史参数下的通信质量,历史小区为第二历史基站服务的小区。
在一些实施例中,上述步骤S102,可以包括:
基于运行关联参数中各参数的数据特征,将运行关联参数划分为离散型特征参数和连续型特征参数;
在预设的样本库中,查找第一历史参数的离散型特征参数与运行关联参数的离散型特征参数匹配的L个第一样本,L为正整数;
计算各第一样本的连续型特征参数与运行关联参数的连续型特征的相似度;
在L个相似度中,将最小相似度对应的第一样本确定为候选样本,候选样本为K个,K为小于或等于L的正整数。
上述数据特征用于表征运行关联参数中各参数为离散型特征或连续型特征。
上述在预设的样本库中,查找第一历史参数的离散型特征参数与运行关联参数的离散型特征参数匹配的L个第一样本,可以是在预设的样本库中,对离散型特征参数如覆盖场景、宏基站、室分站站归属和频段等,采用硬性匹配方式,即仅在参数完全相同时,才能作为第一样本。
上述计算各第一样本的连续型特征参数与运行关联参数的连续型特征的相似度,可以是对离散型特征参数硬性匹配后的第一样本,计算归一化后的连续型特征参数(如站高、方位角、电子下倾角、机械下倾角等参数)与需要调整参数的小区(即第二基站的运行关联参数中的连续型特征参数)的相似度。
归一化采用最大最小归一化的方式,就是利用数据列中的最大值和最小值进行标准化处理,标准化后的数值处于[0,1]之间,具体公式如下:
示例性地,归一化处理后的第一历史参数和第二历史参数,可以如下表1(a)和(b)所示:
表1(a):
表1(b):
相似度计算,可以根据基础参数和调整前参数,从硬性匹配后的L第一样本中,找到与第二基站的基础参数和配置参数最为相似的K个候选样本。具体流程如下:
1)将特征集表示成向量,计算测试数据与各个训练数据之间的距离,如下:
X=(x1,x2,x3,…)为测试集中某条小区数据,
Y=(y1,y2,y3,…)为训练集中某条小区数据,
D(X,Y)=sqrt((x1-y1)^2+(x2-y2)^2+(x3-y3)^2+…),D为两个向量之间的欧式距离;
2)按照距离的递增关系进行排序;
3)选取距离最小的K个点;
把这最相似K个小区的样本作为候选样本。
本实施例中,根据参数的数据特征将运行关联参数进行划分,以在预设样本库中通过硬性匹配及相似计算,从而准确查找候选样本。
在S103中,上述K个候选样本的第二历史参数,示例性地,可以是K个候选样本中调整后的配置参数。
在一些实施例中,在上述运行关联参数包括基础参数和配置参数的情况下,上述S103,具体可以包括:
根据K个候选样本的第二历史参数中的配置参数,对第二基站的运行关联参数中的配置参数进行调整。
本实施例中,由于基础参数为不可调节的参数,配置参数为可调节的参数,因此,仅需要对第二基站的运行关联参数中的配置参数进行调整,即可实现第一基站服务小区的通信质量提升。
上述K为正整数,即K包括1个或多个的情况。
在一些实施例中,在K为1的情况下,上述S103,具体可以包括:
将第二基站的运行关联参数调整为候选样本的第二历史参数。
在一些实施例中,在K为大于1的正整数的情况下,上述S103,具体可以包括:
对K个候选样本进行预估效果评分,得到K个预估评分;
将K个预估评分中最高预估评分对应的候选样本确定为目标候选样本;
将第二基站的运行关联参数调整为目标调整参数,目标调整参数为目标候选样本的第二历史参数。
在一些实施例中,上述对K个候选样本进行预估效果评分,得到K个预估评分,具体可以包括:
将K个候选样本的第二历史参数输入至预设的效果评分模型中,得到各候选样本的预估评分。
上述效果评分模型是根据历史参数及历史参数对应的历史效果评分训练得到,历史参数包括第一历史参数和第二历史参数。
示例性地,效果评分模型的训练可以包括如下内容:
(1)数据准备:收集历史断站站点相邻小区调整记录,每个相邻小区对应两条样本,分别是调整前的样本和调整后的样本:基础参数+调整前参数+调整前评分为调整前样本,基础参数+调整后参数+调整后评分为调整后样本,总共收集到2000条训练样本。
(2)特征工程:对样本数据进行预处理,包括数据清洗、特征构造、特征筛选等。
(3)数据建模:采用基于CatBoost是Gradient Boosting(梯度提升)+CategoricalFeatures(类别型特征),是基于梯度提升决策树的机器学习框架。在CatBoost中,对于每个样本,都单独构建一个利用该样本之前的样本点的梯度估计得到的模型Model,针对这些模型Model,估计该样本的梯度,然后利用新模型Model_new重新对样本Sample打分,最后选择最佳的方案。
效果评分模型构建流程如下:
1)初始化弱学习器,通过寻找损失函数最小值来设置初始值。
2)对迭代轮数m=1,2,…,M执行下面操作:
a)对每个i=1,2,…,N样本计算损失函数负梯度,也叫残差。
b)将步骤a)得到的残差值作为新的样本值,则下棵数的训练数据为(xi,rim)(i=1,2,…,N),构建一棵新的回归树fm(x)来拟合以上残差。叶子节点范围为Rjm,j=1,2,…,J。J为回归树的叶子节点个数。
c)通过最小化每个节点中样本的损失函数和,计算每个节点j=1,2,…,Jm的最优拟合值。
d)更新强学习器
3)当达到迭代次数M或者残差小于要求是,即停止,得到最终强学习器。
对样本进行切分,70%用于训练,30%用于验证,配置Catboost模型参数,训练模型,由于数据样本过少,使用K折交叉验证进行评估,最终保存得到效果评分模型。
某一次迭代拟合的一个回归树模型图如图3所示(a)和(b),回归树模型图较大,为了插入文档中,已将回归树层数缩减。
Catboost预测是根据训练好的多个回归树结果求和得到,回归树预测是从根节点出发一层一层节点做判断,最后到叶子节点,获得预测值。如图3(a)所示,其中一颗回归树具体如下:
1)当用此回归树做预测时,先经过根节点判断小区基于A4A5异频A1 RSRP触发门限的值是否大于-94.5,如果大于则经过右侧分支,小于等于经过左侧分支。当此小区基于A4A5异频A1 RSRP触发门限的值大于-94.5时,走到右侧分支节点。
2)继续判断宏基站、室分站归属的属性。如果此小区属于微站的话,走右侧分支。
3)而后判断此小区频段是否为D频,如果频段为D频则走右侧分支。
4)最后判断参考信号功率是否大于137,如果大于137,则此树的预测值为0,如果小区参考信号功率小于等于137的话,预测值为-0.05。
不同的回归树判断的属性可能不同,如图3(b)所示,模型的另外一颗回归树判断的属性为站高、带宽、倾角以及机械下倾角。
5)最后,将所有回归树预测的结果求和即为catboost的最后预测结果。
本实施例中,基于Catboost算法,根据断站站点相邻小区的基础参数和配置参数训练模型,得到能够根据基础参数和配置参数预测出对应的分数(评分)。从而将K个候选样本输入效果评分模型,得到每个候选样本对应的预估评分,根据评分进行排序,得到最高的候选样本以及对应的配置参数。
作为本申请的一种实现方式,为了最优调整第二基站的运行关联参数,在上述对K个候选样本进行预估效果评分,得到K个预估评分之前,还可以包括以下步骤:
计算K个候选样本的第二历史参数的平均数、众数和中位数,得到3个衍生样本;
上述对K个候选样本进行预估效果评分,得到K个预估评分,具体可以包括:
对K个候选样本和3个衍生样本进行预估效果评分,得到K+3个预估评分。
示例性地,如图4所示,最邻接分类方案模型(K-Nearest Neighbor,KNN)根据当前邻区的基础工参(即基础参数)和调整前参数(即调整前的配置参数),将最相似的样本的方案当做该邻区的备用方案(即候选样本),并根据备选方案计算平均数、众数和中位数,得到衍生方案,包括均值方案、众数方案和中位数方案(即3个衍生样本),然后通过评分模型对这些备用方案和衍生方案进行评分和排序,最终选出一个最优(即评分最高)的方案(即目标候选样本)。其中,样本库包括多个训练样本,每个样本包括基础工参、调整前/后参数、及调整前/后评分。
本实施例中,计算K个候选样本的第二历史参数的平均数、众数和中位数,得到3个衍生样本,并对K个候选样本和3个衍生样本一并进行评分,从而选出最优的调整参数。
作为本申请的一种实现方式,为了准确获取第一历史基站的第二历史参数,在上述步骤S102之前,还可以包括以下步骤:
在第二历史基站处于故障状态情况下,获取第一历史基站的覆盖电平和地理位置信息,及获取第二历史基站的地理位置信息;
基于第一历史基站的覆盖电平和地理位置信息及第二历史基站的地理位置信息,计算第二历史基站的故障覆盖电平;
将第一历史基站的第一历史参数调整为第二历史参数,以使第二历史基站的故障覆盖电平靠近或恢复至目标覆盖电平,目标覆盖电平为第二历史基站处于正常状态时的覆盖电平;
将第一历史基站的第一历史参数和第二历史参数作为样本存入样本库。
上述第一历史基站的覆盖电平和地理位置信息及第二历史基站的地理位置信息的获取,可以是采集最小化路测及测量报告(Measurement Report/Minimization DriveTest,MR/MDT)数据,包括主服小区及邻区的经纬度、电平值等信息,通过收集历史数据,建立道路覆盖电平数据库,发生断站后,通过数据库道路经纬度匹配对比,有效预测问题区域覆盖电平RSRP情况,结合周边小区配置,合理修改相应覆盖参数(功率、权值、倾角、基于A3/A4/A5异频A1/A2RSRP触发门限等),恢复未断站前道路覆盖情况。
MDT与传统路测相比,参考信号接收功率(Reference Signal Receiving Power,RSRP)覆盖一致,弱覆盖区域相互吻合,MDT对电子地图中显示的道路均可以呈现覆盖状况,MDT可评估道路更多更细,传统路测采用1采样点/s的频次,采样点之间间隔约12米(车速约40km/h),MDT将道路上的栅格(栅格精度取决于地图精度,当前为20*20),且落在该栅格中的MDT覆盖值取平均进行渲染,评估准确性受终端异常影响较小。
上述基于第一历史基站的覆盖电平和地理位置信息及第二历史基站的地理位置信息,计算第二历史基站的故障覆盖电平,可以是基于MR/MDT数据的RSRP接收功率与输出功率建立相关关系,例如图5所示,预测基站断站后,优化补偿方案制作,例如,通过现网每个小区输出功率46dBm计算,每个子载波的功率=46-10lg1200=15.2dBm(20M带宽中有1200个子载波可用),无线电波在自由空间传播损耗:L=32.45+20lgd+20lgf,其中d代表发射机与接收机之间的距离,单位KM,f代表信号大频率,单位MHZ,假设d=1m,f=1.4GHZ,L=32.45+20lgd+20lgf=32.45-60+62.92=35.37dBm,天线增益17dBi,终端接收功率RSRP=15.2+17-35.37=-3.17dBm。
上述将第一历史基站的第一历史参数调整为第二历史参数,是为了使第二历史基站的故障覆盖电平靠近或恢复至目标覆盖电平,目标覆盖电平为第二历史基站处于正常状态时的覆盖电平。
在一个示例中,如图6-7所示,问题区域A基站处于故障状态,其他无线环境未发生变化,可以忽略传播损耗和频率信息,通过提升输出功率后,终端接收功率RSRP增益为每子载波的功率提升,从而通过提升小区C及小区B覆盖电平,让小区C和小区B作为该路段主服小区,拉开与其他邻区覆盖电平。
通过未断站前最小化路测及测量报告数据,可预测断站后道路功率波动以及覆盖切换链,从而得到故障覆盖电平,并对断站小区周边基站或断站小区邻区的参考信号功率、倾角、切换的那个相关参数进行调整,靠近或直至恢复到断站前的目标覆盖电平,以提升断站服务区域通信质量。具体调整原则及范围如下:
1、邻区补全(参数名:EUTRAN同频邻区关系,EUTRAN异频邻区关系):识别断站区域周边一圈小区核查是否存在邻区关系并补全,核查邻区完整性并补全邻区,保证切换链完整;
2、参考信号功率RSRP提升:小区功率=10*LOG(通道数)+10*LOG(RB数*12)-10*LOG(Pb值+1)+RS参考信号功率/10;结合小区功率计算,小区功率未达到满配情况下,通过提升参考信号功率RSRP,使小区功率达到满配,提升断站区域覆盖情况。
3、电子下倾角调整:如图8所示,电下倾我们通常单次调整3度左右,针对断站区域,结合试点情况,及次强邻区距离断站路段距离(450米左右),根据天线不同形态的垂直维度增益,在实际组网场景下转化为小区覆盖半径的增加;按照UMA模型结合实际网络情况,对断站位置周边小区倾角统一采取抬高3°的调整规则(天线下倾角调整后角度不低于3°),调整后小区半径从358增加到476,对应覆盖增益是39.09*log(476/358)=4.8dB,实际网络中,考虑到楼宇覆盖增益,实际增益大于4.8dB(抬高倾角能有效提高覆盖范围)。
4、切换参数调整(基于A3的异频A1 RSRP出发门限,基于A3的异频A2 RSRP出发门限,基于A4A5异频A1 RSRP出发门限,基于A4A5异频A2 RSRP出发门限):断站区域实际网络信号弱于断站前,考虑切换更加准确有效,通过试点以及大量数据分析及验证,断站区域切换相关参数调整规则为:现网配置值基础上减3进行配置(例如:基于A4A5异频A1RSRP出发门限,配置为-103,修改为-106),效果最佳。
按照上述调整原则对第一历史基站的第一历史参数进行调整,直至第二历史基站的故障覆盖电平靠近或恢复至第二历史基站处于正常状态时的覆盖电平,记录第一历史基站的第二历史参数,并将第一历史基站的第一历史参数和第二历史参数作为样本存入样本库。
本实施例中,基于第一历史基站的覆盖电平和地理位置信息及第二历史基站的地理位置信息,预测第二历史基站的故障覆盖电平,从而对第一历史基站的第一历史参数进行调整,直至第二历史基站的故障覆盖电平靠近或恢复至第二历史基站处于正常状态时的覆盖电平,从而得到准确地调整后的第一历史基站的第二历史参数。
作为本申请的一种实现方式,为了检测基站参数调整后,第一基站服务小区的通信质量是否真实提升,在上述步骤S103之后,还可以包括以下步骤:
获取第一基站服务小区的性能评估参数;
根据性能评估参数,得到第一基站服务小区通信质量的效果评分。
上述性能评估参数,具体可以包括主要KPI、覆盖、容量、感知四维十项的指标。其中,主要KPI包括LTE无线接通率、LTE无线掉线率、LTE切换成功率;容量包括总流量(GB)和小区内的最大用户数;覆盖包括切换请求次数、切换成功次数、用户随机接入时TA值在区间3范围的接入次数、用户随机接入时TA值在区间4范围的接入次数、上行弱覆盖占比及小区用户面下行平均时延(ms);感知包括平均CQI、CQI(0~6)占比(%)。
示例性地,如下表2所示,对断站后调整小区(即第一基站服务小区)的KPI、覆盖、容量、感知四维十项指标综合评估效果,得到第一基站服务小区通信质量的效果评分。此外,效果评分还可作为样本,训练效果评分模型。
表2:
本实施例中,通过检测调整参数后第一基站所服务小区的性能评估参数,确认第一基站服务小区的通信质量是否真实提升,从而保证调优方案效果增益。
为了便于对本申请实施例中的基站参数的调整方法的理解,在对此基站参数的调整方法的实际应用过程进行说明,具体如下:
本申请提供了一种基站参数的调整方法,可以实现断站问题区域参数智能优化。该方法以问题小区周边小区的空间、地理、基础工参、OMC侧性能指标等数据智能识别问题特性,结合用户上报历史数据结合功率模拟预测网络覆盖情况及最优参数调优方案,分析不同场景下多种参数调优组合,输出特征模型,经由AI平台学习,建立参数调优库,通过自动下发基站进行网络参数链配置及多维增益评估,实现4/5G参数链的智能优化。
如图9所示,基站参数的调整流程如下:
步骤S901:断站告警数据采集,智能识别故障断站及断站周边小区;
步骤S902:采集断站周边小区的基础工参及无线配置信息;
步骤S903:将断站周边小区的基础工参及无线配置信息输入至参数自调优模型中,确定调优参数;
步骤S904:实现调优参数自动化下发;
步骤S905:参数调优后的效果评估。
其中,步骤S903中的参数自调优模型包括方案模型KNN(即在样本库中查找匹配的候选样本)和评分模型Catboost(即效果评分模型),如图10所示,使用K最近邻(KNN,K-Nearest Neighbor)分类算法,借助KNN计算K个近邻样本的思想,把跟当前邻区的【基础工参】和【调整前参数】最相似的样本的方案当做备用方案(即候选样本和衍生样本),然后通过我们的评分模型对这些备用方案进行评分、排序,经过整个流程及装置后,最终选出一个最优的方案。
如表3所示,通过识别断站小区,结合地理位置信息,匹配整理周围小区进行参数调优,由于表列较多分了4个分表展示,具体如下:
表3(a):
表3(b):
表3(c):
表3(d):
步骤S904实现调优参数自动化下发调优,可以是如图11所示,通过AI驾驶舱对接集团参数系统实现参数的自动下发,以实现参数链智能优化的调整。
基于上述实施例提供的基站参数的调整方法,相应地,本申请还提供了基站参数的调整装置的具体实现方式。请参见以下实施例。
请参见图12,本申请实施例提供的基站参数的调整装置1200,可以包括以下模块:第一获取模块1201、查找模块1202和第一调整模块1203。
第一获取模块1201,用于在第一基站处于故障状态的情况下,获取与第一基站相邻的第二基站的运行关联参数,运行关联参数包括对第二基站运行中的通信质量存在影响的参数。
查找模块1202,用于在预设样本库查找第一历史参数与第二基站的运行关联参数匹配的K个候选样本,样本库包括多个样本,多个样本与至少一个第一历史基站关联,样本包括其关联的第一历史基站的第一历史参数和第二历史参数,第一历史参数为第一历史基站相邻的第二历史基站处于故障状态时的运行关联参数;第二历史参数为对第一历史基站的运行关联参数进行调节后的参数,且第一历史基站在历史小区内的第一通信质量低于第二通信质量,第一通信质量为在第一历史参数下的通信质量,第二通信质量为第二历史参数下的通信质量,历史小区为第二历史基站服务的小区;K为正整数。
第一调整模块1203,用于根据K个候选样本的第二历史参数,对第二基站的运行关联参数进行调整。
本申请实施例的基站参数的调整装置,能够在第一基站处于故障状态的情况下,在预设样本库查找与第一基站相邻的第二基站的运行关联参数匹配的K个候选样本,并根据K个候选样本的第二历史参数,对第二基站的运行关联参数进行调整。如此,本申请实施例中,能够在第一基站无法及时修复的情况下,通过调节第二基站的运行关联参数以对第一基站的通信网络进行补偿,从而提升第一基站服务小区的通信质量。
在一些实施例中,上述查找模块1202,可以包括:
划分单元,用于基于运行关联参数中各参数的数据特征,将运行关联参数划分为离散型特征参数和连续型特征参数,数据特征用于表征运行关联参数中各参数为离散型特征或连续型特征;
查找单元,用于在预设的样本库中,查找第一历史参数的离散型特征参数与运行关联参数的离散型特征参数匹配的L个第一样本,L为正整数;
第一计算单元,用于计算各第一样本的连续型特征参数与运行关联参数的连续型特征的相似度;
第一确定单元,用于在L个相似度中,将最小相似度对应的第一样本确定为候选样本,候选样本为K个,K为小于或等于L的正整数。
在一些实施例中,在上述K为大于1的正整数的情况下,上述第一调整模块1203,具体可以包括:
评分单元,用于对K个候选样本进行效果评分,得到K个预估评分;
第二确定单元,用于将最高预估评分对应的候选样本确定为目标候选样本;
调整单元,用于将第二基站的运行关联参数调整为目标调整参数,目标调整参数为目标候选样本的第二历史参数。
作为本申请的一种实现方式,为了最优调整第二基站的运行关联参数,上述第一调整模块1203,还可以包括:
第二计算单元,用于计算K个候选样本的第二历史参数的平均数、众数和中位数,得到3个衍生样本;
上述评分单元,还用于对K个候选样本和3个衍生样本进行评分,得到K+3个预估评分。
在一些实施例中,上述评分单元,具体可以用于将K个候选样本的第二历史参数输入至预设的效果评分模型中,得到各候选样本的预估评分,效果评分模型是根据历史参数及历史参数对应的历史效果评分训练得到,历史参数包括第一历史参数和第二历史参数。
作为本申请的一种实现方式,为了准确获取第一历史基站的第二历史参数,上述装置1200,还可以包括:
第二获取模块,用于在第二历史基站处于故障状态情况下,获取第一历史基站的覆盖电平和地理位置信息,及获取第二历史基站的地理位置信息;
计算模块,用于基于第一历史基站的覆盖电平和地理位置信息及第二历史基站的地理位置信息,计算第二历史基站的故障覆盖电平;
第二调整模块,用于将第一历史基站的第一历史参数调整为第二历史参数,以使第二历史基站的故障覆盖电平靠近或恢复至目标覆盖电平,目标覆盖电平为第二历史基站处于正常状态时的覆盖电平;
保存模块,用于将第一历史基站的第一历史参数和第二历史参数作为样本存入样本库。
作为本申请的一种实现方式,为了检测基站参数调整后第一基站服务小区的通信质量是否真实提升,上述装置1200还可以包括:
第三获取模块,用于获取第一基站服务小区的性能评估参数;
评分模块,用于根据性能评估参数,得到第一基站服务小区通信质量的效果评分。
在一些实施例中,上述运行关联参数包括基础参数和配置参数,上述基础参数为不可调节的参数,上述配置参数为可调节的参数,
上述第一调整模块1203,具体可以用于根据K个候选样本的第二历史参数中的配置参数,对第二基站的运行关联参数中的配置参数进行调整。
图13示出了本申请实施例提供的电子设备的硬件结构示意图。
在电子设备可以包括处理器1301以及存储有计算机程序指令的存储器1302。
具体地,上述处理器1301可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器1302可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器1302可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器1302可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器1302可在综合网关容灾设备的内部或外部。在特定实施例中,存储器1302是非易失性固态存储器。
在特定实施例中,存储器1302可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器1301通过读取并执行存储器1302中存储的计算机程序指令,以实现上述实施例中的任意一种基站参数的调整方法。
在一个示例中,电子设备还可包括通信接口1303和总线1310。其中,如图13所示,处理器1301、存储器1302、通信接口1303通过总线1310连接并完成相互间的通信。
通信接口1303,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线1310包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线1310可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的基站参数的调整方法,从而实现结合图1和图12描述的基站参数的调整方法和装置。
另外,结合上述实施例中的基站参数的调整方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种基站参数的调整方法。
结合上述实施例中的基站参数的调整方法,本申请实施例可提供一种计算机程序产品,该计算机程序产品中的指令由电子设备的处理器执行时,使得该电子设备执行如上任意一项的基站参数的调整方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种基站参数的调整方法,其特征在于,包括:
在第一基站处于故障状态的情况下,获取与所述第一基站相邻的第二基站的运行关联参数,所述运行关联参数包括对所述第二基站运行中的通信质量存在影响的参数;
在预设样本库查找第一历史参数与所述第二基站的运行关联参数匹配的K个候选样本,所述样本库包括多个样本,所述多个样本与至少一个第一历史基站关联,所述样本包括其关联的第一历史基站的第一历史参数和第二历史参数,所述第一历史参数为所述第一历史基站相邻的第二历史基站处于故障状态时的运行关联参数;所述第二历史参数为对所述第一历史基站的运行关联参数进行调节后的参数,且所述第一历史基站在历史小区内的第一通信质量低于第二通信质量,第一通信质量为在所述第一历史参数下的通信质量,所述第二通信质量为所述第二历史参数下的通信质量,所述历史小区为所述第二历史基站服务的小区;所述K为正整数;
根据所述K个候选样本的第二历史参数,对所述第二基站的运行关联参数进行调整。
2.根据权利要求1所述的方法,其特征在于,所述在预设样本库查找第一历史参数与所述第二基站的运行关联参数匹配的K个候选样本,包括:
基于所述运行关联参数中各参数的数据特征,将所述运行关联参数划分为离散型特征参数和连续型特征参数,所述数据特征用于表征所述运行关联参数中各参数为离散型特征或连续型特征;
在预设的样本库中,查找第一历史参数的离散型特征参数与所述运行关联参数的离散型特征参数匹配的L个第一样本,所述L为正整数;
计算各所述第一样本的连续型特征参数与所述运行关联参数的连续型特征的相似度;
在L个所述相似度中,将最小所述相似度对应的第一样本确定为候选样本,所述候选样本为K个,所述K为小于或等于所述L的正整数。
3.根据权利要求1所述的方法,其特征在于,在所述K为大于1的正整数的情况下,所述根据所述K个候选样本的第二历史参数,对所述第二基站的运行关联参数进行调整,包括:
对所述K个候选样本进行预估效果评分,得到K个预估评分;
将所述K个预估评分中最高预估评分对应的候选样本确定为目标候选样本;
将所述第二基站的运行关联参数调整为目标调整参数,所述目标调整参数为所述目标候选样本的第二历史参数。
4.根据权利要求3所述的方法,其特征在于,在所述对所述K个候选样本进行预估效果评分,得到K个预估评分之前,还包括:
计算所述K个候选样本的第二历史参数的平均数、众数和中位数,得到3个衍生样本;
所述对所述K个候选样本进行预估效果评分,得到K个预估评分,包括:
对所述K个候选样本和所述3个衍生样本进行预估效果评分,得到K+3个预估评分。
5.根据权利要求3所述的方法,其特征在于,所述对所述K个候选样本进行预估效果评分,得到K个预估评分,包括:
将所述K个候选样本的第二历史参数输入至预设的效果评分模型中,得到各候选样本的预估评分,所述效果评分模型是根据历史参数及所述历史参数对应的历史效果评分训练得到,所述历史参数包括所述第一历史参数和所述第二历史参数。
6.根据权利要求1所述的方法,其特征在于,在所述在预设样本库查找第一历史参数与所述第二基站的运行关联参数匹配的K个候选样本之前,还包括:
在所述第二历史基站处于故障状态情况下,获取所述第一历史基站的覆盖电平和地理位置信息,及获取所述第二历史基站的地理位置信息;
基于所述第一历史基站的覆盖电平和地理位置信息及所述第二历史基站的地理位置信息,计算所述第二历史基站的故障覆盖电平;
将所述第一历史基站的第一历史参数调整为第二历史参数,以使所述第二历史基站的故障覆盖电平靠近或恢复至目标覆盖电平,所述目标覆盖电平为所述第二历史基站处于正常状态时的覆盖电平;
将所述第一历史基站的第一历史参数和第二历史参数作为样本存入所述样本库。
7.根据权利要求1所述的方法,其特征在于,所述根据所述K个候选样本的第二历史参数,对所述第二基站的运行关联参数进行调整之后,还包括:
获取所述第一基站服务小区的性能评估参数;
根据所述性能评估参数,得到所述第一基站服务小区通信质量的效果评分。
8.根据权利要求1所述的方法,其特征在于,所述运行关联参数包括基础参数和配置参数,所述基础参数为不可调节的参数,所述配置参数为可调节的参数,所述根据所述K个候选样本的第二历史参数,对所述第二基站的运行关联参数进行调整,包括:
根据所述K个候选样本的第二历史参数中的配置参数,对所述第二基站的运行关联参数中的配置参数进行调整。
9.一种基站参数的调整装置,其特征在于,包括:
第一获取模块,用于在第一基站处于故障状态的情况下,获取与所述第一基站相邻的第二基站的运行关联参数,所述运行关联参数包括对所述第二基站运行中的通信质量存在影响的参数;
查找模块,用于在预设样本库查找第一历史参数与所述第二基站的运行关联参数匹配的K个候选样本,所述样本库包括多个样本,所述多个样本与至少一个第一历史基站关联,所述样本包括其关联的第一历史基站的第一历史参数和第二历史参数,所述第一历史参数为所述第一历史基站相邻的第二历史基站处于故障状态时的运行关联参数;所述第二历史参数为对所述第一历史基站的运行关联参数进行调节后的参数,且所述第一历史基站在历史小区内的第一通信质量低于第二通信质量,第一通信质量为在所述第一历史参数下的通信质量,所述第二通信质量为所述第二历史参数下的通信质量,所述历史小区为所述第二历史基站服务的小区;所述K为正整数;
第一调整模块,用于根据所述K个候选样本的第二历史参数,对所述第二基站的运行关联参数进行调整。
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指令,所述计算机程序指令被处理器执行时实现如权利要求1-8任意一项所述的基站参数的调整方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211479722.0A CN118075788A (zh) | 2022-11-24 | 2022-11-24 | 基站参数的调整方法、装置及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211479722.0A CN118075788A (zh) | 2022-11-24 | 2022-11-24 | 基站参数的调整方法、装置及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118075788A true CN118075788A (zh) | 2024-05-24 |
Family
ID=91096155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211479722.0A Pending CN118075788A (zh) | 2022-11-24 | 2022-11-24 | 基站参数的调整方法、装置及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118075788A (zh) |
-
2022
- 2022-11-24 CN CN202211479722.0A patent/CN118075788A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106792752B (zh) | 基站信号覆盖自优化方法和系统 | |
CN108462966B (zh) | 一种基于2g网络高铁小区rru定位识别方法及系统 | |
CN109302714A (zh) | 基于用户数据实现基站位置研判及越区覆盖识别的方法 | |
CN114095856B (zh) | 用于基站节能的处理方法和处理装置 | |
CN108243435B (zh) | 一种lte小区场景划分中的参数优化方法及装置 | |
CN111325561A (zh) | 智能投诉处理方法、装置、电子设备及存储介质 | |
CN103906121B (zh) | 一种定位外部干扰的方法及装置 | |
CN107801198B (zh) | 一种lte网络重叠覆盖主小区的查找方法及服务器 | |
CN113133069A (zh) | 一种目标小区的确定方法、装置、电子设备及存储介质 | |
CN106358212A (zh) | 室内分布系统的检测方法和装置 | |
CN113015184A (zh) | 一种无线网络功率调整方法、装置及存储介质 | |
CN111866847B (zh) | 移动通信网络数据分析方法、设备及计算机存储介质 | |
CN106998563B (zh) | 一种基于网络性能的室分系统预警方法及装置 | |
CN114828026A (zh) | 基站规划方法、装置、设备、存储介质及程序产品 | |
CN113133058B (zh) | 负载均衡方法、装置及系统 | |
CN103686895A (zh) | 切换控制方法、无线网络控制器和接入节点 | |
CN111639703B (zh) | 一种基于离散点集最小包围圆计算基站位置的方法 | |
CN106792783A (zh) | 一种网络自优化的方法及装置 | |
CN111382755B (zh) | 一种基于adaboost加权和三阶聚类的共模天馈优化方法及系统 | |
CN118075788A (zh) | 基站参数的调整方法、装置及相关设备 | |
CN108900325B (zh) | 一种电力通信业务与无线专网技术的适配性评估方法 | |
CN108810919B (zh) | 漏配邻区的定位方法、装置和系统 | |
CN109993388B (zh) | 劣化小区主因判断方法、装置、设备及介质 | |
WO2016065759A1 (zh) | 邻区列表优化方法及装置 | |
CN107086923B (zh) | 通信网络性能指标分析方法及装置 |
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 |