一种制造技术

本发明专利技术涉及无线通信技术领域，具体为一种

【技术实现步骤摘要】
一种LTE网络覆盖分析、预测方法及系统


[0001]本专利技术涉及无线通信
，尤其涉及一种
LTE
网络覆盖分析
、
预测方法及系统
。

技术介绍

[0002]无线通信领域是研究和开发无线通信技术的领域，涵盖了广泛的无线通信系统，如移动通信
(
如
LTE、5G)、
卫星通信
、
无线传感器网络等
。
这个领域关注如何有效地设计
、
优化和管理无线通信网络，以满足不断增长的通信需求
。
[0003]其中，
LTE
网络覆盖分析
、
预测方法是指针对
LTE(Long
‑
Term Evolution)
无线通信网络的技术，其目的是分析和预测
LTE
网络的覆盖范围和性能
。
主要目标包括评估网络覆盖状况
、
性能指标和预测未来的网络需求，为网络规划和优化提供决策支持
。
为了实现这些目标，
LTE
网络覆盖分析和预测方法采用数据收集与分析
、
仿真模拟
、
地理信息系统和优化算法等手段
。
通过这些手段，能够获取实时的网络数据，并进行性能分析和规划，以优化
LTE
网络的覆盖质量和性能，以满足用户的通信需求和不断增长的数据流量
。
[0004]现有的
>LTE
网络覆盖分析
、
预测方法通常基于静态的网络参数和历史数据进行预测，这样无法有效处理用户需求的动态变化和网络环境的实时变化
。
此外，现有方法往往忽视用户反馈数据，这使得预测结果可能不能完全符合用户的实际需求
。
再者，现有方法中的参数优化通常需要人工参与，效率相对较低，且优化结果可能受限于人的经验和认知，不够全面和精确
。

技术实现思路

[0005]本专利技术的目的是解决现有技术中存在的缺点，而提出的一种
LTE
网络覆盖分析
、
预测方法及系统
。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：一种
LTE
网络覆盖分析
、
预测方法，包括以下步骤：
[0007]S1
：采用数据挖掘方法，收集并融合实测数据
、
网络性能数据和用户反馈数据，形成综合性数据源，得到综合网络数据集；
[0008]S2
：基于所述综合网络数据集，采用卷积神经网络，自动学习和调整网络参数，识别网络的关键特征，产生初步优化参数模型；
[0009]S3
：根据所述初步优化参数模型，运用深度
Q
网络，动态微调天线配置
、
功率分配和信道分配参数，得出自适应网络配置参数集；
[0010]S4
：依据所述自适应网络配置参数集，利用支持向量机技术，根据历史数据和学习模型，进行覆盖质量预测以及潜在问题区域的识别，得到覆盖质量预测与问题区域图；
[0011]S5
：基于所述覆盖质量预测与问题区域图，采用遗传算法进行优化，自适应调整信号传输功率和资源分配策略，生成最优网络覆盖配置策略；
[0012]S6
：依据所述最优网络覆盖配置策略，应用深度强化学习算法，实时感知网络状态
和用户需求，实现频谱资源的动态分配，完成动态频谱资源分配方案
。
[0013]作为本专利技术的进一步方案，采用数据挖掘方法，收集并融合实测数据
、
网络性能数据和用户反馈数据，形成综合性数据源，得到综合网络数据集的步骤具体为：
[0014]S101
：基于网络爬虫技术，收集公开数据，生成初步实测数据集；
[0015]S102
：基于所述初步实测数据集，使用数据标准化处理，得到标准化数据，生成清洗后的实测数据集；
[0016]S103
：基于数据库查询技术，收集网络性能数据，生成网络性能数据集；
[0017]S104
：基于所述清洗后的实测数据集和网络性能数据集，使用情感分析，提取用户反馈数据，生成价值用户反馈数据集；
[0018]S105
：结合所述清洗后的实测数据集
、
网络性能数据集和价值用户反馈数据集，采用数据融合技术，生成综合网络数据集
。
[0019]作为本专利技术的进一步方案，基于综合网络数据集，采用卷积神经网络，自动学习和调整网络参数，识别网络的关键特征，产生初步优化参数模型的步骤具体为：
[0020]S201
：基于所述综合网络数据集，应用卷积层设计构建模型，得到初步的
CNN
模型；
[0021]S202
：基于所述初步的
CNN
模型，使用随机梯度下降法，进行模型训练，产生训练后的
CNN
模型；
[0022]S203
：采用所述训练后的
CNN
模型，运用特征提取技术，获取网络特征，建立关键网络特征集；
[0023]S204
：结合所述关键网络特征集，进行模型参数优化，产生初步优化参数模型
。
[0024]作为本专利技术的进一步方案，根据初步优化参数模型，运用深度
Q
网络，动态微调天线配置
、
功率分配和信道分配参数，得出自适应网络配置参数集的步骤具体为：
[0025]S301
：基于所述初步优化参数模型，应用
Q
网络设计，构建模型，得到初步的
DQN
模型；
[0026]S302
：采用所述初步的
DQN
模型，运用强化学习技术，进行模型训练，产生训练后的
DQN
模型；
[0027]S303
：基于所述训练后的
DQN
模型，微调天线配置参数，得到最优天线配置参数集；
[0028]S304
：结合所述最优天线配置参数集和训练后的
DQN
模型，调整功率和信道分配，得出自适应网络配置参数集
。
[0029]作为本专利技术的进一步方案，依据自适应网络配置参数集，利用支持向量机技术，根据历史数据和学习模型，进行覆盖质量预测以及潜在问题区域的识别，得到覆盖质量预测与问题区域图的步骤具体为：
[0030]S401
：基于所述自适应网络配置参数集，采用数据预处理方法，整理数据集，得到预处理后的网络配置数据集；
[0031]S402
：基于所述预处理后的网络配置数据集，运用支持向量机算法，建立覆盖质量预测模型，生成初步覆盖质量预测模型；
[0032]S403<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种
LTE
网络覆盖分析
、
预测方法，其特征在于，包括以下步骤：采用数据挖掘方法，收集并融合实测数据
、
网络性能数据和用户反馈数据，形成综合性数据源，得到综合网络数据集；基于所述综合网络数据集，采用卷积神经网络，自动学习和调整网络参数，识别网络的关键特征，产生初步优化参数模型；根据所述初步优化参数模型，运用深度
Q
网络，动态微调天线配置
、
功率分配和信道分配参数，得出自适应网络配置参数集；依据所述自适应网络配置参数集，利用支持向量机技术，根据历史数据和学习模型，进行覆盖质量预测以及潜在问题区域的识别，得到覆盖质量预测与问题区域图；基于所述覆盖质量预测与问题区域图，采用遗传算法进行优化，自适应调整信号传输功率和资源分配策略，生成最优网络覆盖配置策略；依据所述最优网络覆盖配置策略，应用深度强化学习算法，实时感知网络状态和用户需求，实现频谱资源的动态分配，完成动态频谱资源分配方案
。2.
根据权利要求1所述的
LTE
网络覆盖分析
、
预测方法，其特征在于，采用数据挖掘方法，收集并融合实测数据
、
网络性能数据和用户反馈数据，形成综合性数据源，得到综合网络数据集的步骤具体为：基于网络爬虫技术，收集公开数据，生成初步实测数据集；基于所述初步实测数据集，使用数据标准化处理，得到标准化数据，生成清洗后的实测数据集；基于数据库查询技术，收集网络性能数据，生成网络性能数据集；基于所述清洗后的实测数据集和网络性能数据集，使用情感分析，提取用户反馈数据，生成价值用户反馈数据集；结合所述清洗后的实测数据集
、
网络性能数据集和价值用户反馈数据集，采用数据融合技术，生成综合网络数据集
。3.
根据权利要求1所述的
LTE
网络覆盖分析
、
预测方法，其特征在于，基于综合网络数据集，采用卷积神经网络，自动学习和调整网络参数，识别网络的关键特征，产生初步优化参数模型的步骤具体为：基于所述综合网络数据集，应用卷积层设计构建模型，得到初步的
CNN
模型；基于所述初步的
CNN
模型，使用随机梯度下降法，进行模型训练，产生训练后的
CNN
模型；采用所述训练后的
CNN
模型，运用特征提取技术，获取网络特征，建立关键网络特征集；结合所述关键网络特征集，进行模型参数优化，产生初步优化参数模型
。4.
根据权利要求1所述的
LTE
网络覆盖分析
、
预测方法，其特征在于，根据初步优化参数模型，运用深度
Q
网络，动态微调天线配置
、
功率分配和信道分配参数，得出自适应网络配置参数集的步骤具体为：基于所述初步优化参数模型，应用
Q
网络设计，构建模型，得到初步的
DQN
模型；采用所述初步的
DQN
模型，运用强化学习技术，进行模型训练，产生训练后的
DQN
模型；基于所述训练后的
DQN
模型，微调天线配置参数，得到最优天线配置参数集；结合所述最优天线配置参数集和训练后的
DQN
模型，调整功率和信道分配，得出自适应
网络配置参数集
。5.
根据权利要求1所述的
LTE
网络覆盖分析
、
预测方法，其特征在于，依据自适应网络配置参数集，利用支持向量机技术，根据历史数据和学习模型，进行覆盖质量预测以及潜在问题区域的识别，得到覆盖质量预测与问题区域图的步骤具体为：基于所述自适应网络配置参数集，采用数据预处理方法，整理数据集，得到预处理后的网络配置数据集；基于所述预处理后的网络配置数据集，运用支持向量机算法，建立覆盖质量预测模型，生成初步覆盖质量预测模型；利用所述初步覆盖质量预测模型，并采用交叉验证法，对模型进行验证与优化，生成优化后的覆盖质量预测模型；应用所述优化后的覆盖质量预测模型，进行覆盖质量的预测与潜在问题区域的识别，得到覆盖质量预测与问题区域图
。6.
根据权利要求1所述的
LTE
网络覆盖分析
、
预测方法，其特征在于，基于覆盖质量预测与问题区域图，采用...

【专利技术属性】
技术研发人员：胡宪富，王超群，赵子丰，李东赫，刘冰，张悦，
申请(专利权)人：大唐通辽霍林河新能源有限公司，
类型：发明
国别省市：