小区无线信号强度预测方法和装置、计算机可读存储介质制造方法及图纸

本公开涉及一种小区无线信号强度预测方法和装置、计算机可读存储介质。该小区无线信号强度预测方法包括：对无线网络中带位置信息的测量报告数据进行地理栅格化处理；对于每一栅格，对比所述栅格和所述栅格周边栅格的RSRP衰减特征，并结合发射设备的基础数据，采用聚类算法构造不同RSRP衰减特征分类的分类信号强度指纹库；采用机器学习预测算法，根据分类信号强度指纹库对信号强度预测模型进行训练；将待预测小区的无线基础数据输入信号强度预测模型，得到待预测小区下各个栅格的信号强度数据。本公开通过聚类算法能够通过各栅格的信号衰减特征挖掘出不同地理环境给信号传播相关性，从而避免了地理参数的计算，提高了仿真预测的效率。预测的效率。预测的效率。

【技术实现步骤摘要】
小区无线信号强度预测方法和装置、计算机可读存储介质


[0001]本公开涉及移动通信领域，特别涉及一种小区无线信号强度预测方法和装置、计算机可读存储介质。

技术介绍

[0002]无线信号在空间传播时，特别是城市内建筑物众多的情况下受地形地貌特征的影响很大。相关技术的无线信号强度仿真模型如射线追踪模型、Okumura-Hata模型、Cost231-Hata模型和Walfisch-Ikegami模型等需要专门的地图数据，计算参数多，后续还需要路测数据来进行模型数据的修正。

技术实现思路

[0003]专利技术人通过研究发现：另一相关技术基于信号覆盖采样测量结果进行构建模型来进行覆盖仿真，但这种方式需要专门的信号测量功能模块，而且预测精度受采样点的数量限制比较大。
[0004]鉴于以上技术问题中的至少一项，本公开提供了一种小区无线信号强度预测方法和装置、计算机可读存储介质，避免了传统的无线信号传播模型的地理参数的计算，提高了仿真预测的效率。
[0005]根据本公开的一个方面，提供一种小区无线信号强度预测方法，包括：
[0006]对无线网络中带位置信息的测量报告数据进行地理栅格化处理；
[0007]对于每一栅格，对比所述栅格和所述栅格周边栅格的参考信号接收功率RSRP衰减特征，并结合发射设备的基础数据，采用聚类算法构造不同RSRP衰减特征分类的分类信号强度指纹库；
[0008]采用机器学习预测算法，根据分类信号强度指纹库对信号强度预测模型进行训练；
[0009]将待预测小区的无线基础数据输入信号强度预测模型，得到待预测小区下各个栅格的信号强度数据。
[0010]在本公开的一些实施例中，所述对于每一栅格，对比所述栅格和所述栅格周边栅格的参考信号接收功率RSRP衰减特征，并结合发射设备的基础数据，采用聚类算法构造不同RSRP衰减特征分类的分类信号强度指纹库包括：
[0011]对于每一栅格，对比所述栅格和所述栅格周边栅格的RSRP衰减特征，并结合发射设备的基础数据，构造特征数据表；
[0012]通过聚类算法对特征数据表中的栅格进行分类，得到各栅格的RSRP衰减特征的分类；
[0013]汇总栅格特征数据构造带分类特征的分类信号强度指纹库。
[0014]在本公开的一些实施例中，所述对于每一栅格，对比所述栅格和所述栅格周边栅格的RSRP衰减特征，并结合发射设备的基础数据，构造特征数据表包括：
[0015]对于每一栅格，计算所述栅格RSRP均值和所述栅格周边栅格的RSRP衰减值，获取RSRP衰减的范围值；
[0016]计算所述栅格和基站的距离和方向角；
[0017]获取栅格所在小区的无线基础数据；
[0018]根据RSRP衰减的范围值、所述栅格和基站的距离和方向角、栅格所在小区的无线基础数据，共同构造特征数据表。
[0019]在本公开的一些实施例中，所述栅格的RSRP衰减特征包括所述栅格的RSRP均值和所述栅格周边栅格的RSRP均值最小值、均值最大值和平均方差。
[0020]根据本公开的另一方面，提供一种小区无线信号强度预测装置，包括：
[0021]栅格化信号衰减处理模块，用于对无线网络中带位置信息的测量报告数据进行地理栅格化处理；对于每一栅格，对比所述栅格和所述栅格周边栅格的参考信号接收功率RSRP衰减特征，并结合发射设备的基础数据构建特征数据表；
[0022]聚类分析模块，用于采用聚类算法构造不同RSRP衰减特征分类的分类信号强度指纹库；
[0023]预测模型训练模块，用于采用机器学习预测算法，根据分类信号强度指纹库对信号强度预测模型进行训练；
[0024]信号强度预测模块，用于将待预测小区的无线基础数据输入信号强度预测模型，得到待预测小区下各个栅格的信号强度数据。
[0025]在本公开的一些实施例中，聚类分析模块，用于通过聚类算法对特征数据表中的栅格进行分类，得到各栅格的RSRP衰减特征的分类；汇总栅格特征数据构造带分类特征的分类信号强度指纹库。
[0026]在本公开的一些实施例中，栅格化信号衰减处理模块，用于对于每一栅格，计算所述栅格RSRP均值和所述栅格周边栅格的RSRP衰减值，获取RSRP衰减的范围值；计算所述栅格和基站的距离和方向角；获取栅格所在小区的无线基础数据；根据RSRP衰减的范围值、所述栅格和基站的距离和方向角、栅格所在小区的无线基础数据，共同构造特征数据表。
[0027]在本公开的一些实施例中，所述栅格的RSRP衰减特征包括所述栅格的RSRP均值和所述栅格周边栅格的RSRP均值最小值、均值最大值和平均方差。
[0028]根据本公开的另一方面，提供一种小区无线信号强度预测装置，包括：
[0029]存储器，用于存储指令；
[0030]处理器，用于执行所述指令，使得所述小区无线信号强度预测装置执行实现如上述任一实施例所述的小区无线信号强度预测方法的操作。
[0031]根据本公开的另一方面，提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例所述的小区无线信号强度预测方法。
[0032]本公开通过机器学习聚类算法能够通过各栅格的信号衰减特征挖掘出不同地理环境给信号传播相关性，从而避免了传统的无线信号传播模型的地理参数的计算，提高了仿真预测的效率。
附图说明
[0033]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术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公开的一些实施例，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。
[0034]图1为本公开小区无线信号强度预测方法一些实施例的示意图。
[0035]图2为本公开一些实施例中构造分类信号强度指纹库的示意图。
[0036]图3为本公开一些实施例中构造特征数据表的示意图。
[0037]图4为本公开小区无线信号强度预测装置一些实施例的示意图。
[0038]图5为本公开小区无线信号强度预测装置又一些实施例的示意图。
具体实施方式
[0039]下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0040]除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
[0041]同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
[0042]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小区无线信号强度预测方法，其特征在于，包括：对无线网络中带位置信息的测量报告数据进行地理栅格化处理；对于每一栅格，对比所述栅格和所述栅格周边栅格的参考信号接收功率RSRP衰减特征，并结合发射设备的基础数据，采用聚类算法构造不同RSRP衰减特征分类的分类信号强度指纹库；采用机器学习预测算法，根据分类信号强度指纹库对信号强度预测模型进行训练；将待预测小区的无线基础数据输入信号强度预测模型，得到待预测小区下各个栅格的信号强度数据。2.根据权利要求1所述的小区无线信号强度预测方法，其特征在于，所述对于每一栅格，对比所述栅格和所述栅格周边栅格的参考信号接收功率RSRP衰减特征，并结合发射设备的基础数据，采用聚类算法构造不同RSRP衰减特征分类的分类信号强度指纹库包括：对于每一栅格，对比所述栅格和所述栅格周边栅格的RSRP衰减特征，并结合发射设备的基础数据，构造特征数据表；通过聚类算法对特征数据表中的栅格进行分类，得到各栅格的RSRP衰减特征的分类；汇总栅格特征数据构造带分类特征的分类信号强度指纹库。3.根据权利要求2所述的小区无线信号强度预测方法，其特征在于，所述对于每一栅格，对比所述栅格和所述栅格周边栅格的RSRP衰减特征，并结合发射设备的基础数据，构造特征数据表包括：对于每一栅格，计算所述栅格RSRP均值和所述栅格周边栅格的RSRP衰减值，获取RSRP衰减的范围值；计算所述栅格和基站的距离和方向角；获取栅格所在小区的无线基础数据；根据RSRP衰减的范围值、所述栅格和基站的距离和方向角、栅格所在小区的无线基础数据，共同构造特征数据表。4.根据权利要求1-3中任一项所述的小区无线信号强度预测方法，其特征在于，所述栅格的RSRP衰减特征包括所述栅格的RSRP均值和所述栅格周边栅格的RSRP均值最小值、均值最大值和平均方差。5.一种小区无线信号强度预测装置，其特征在于，包括：栅格化信号衰减处理模...

【专利技术属性】
技术研发人员：李涛，范家杰，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：