CN107786985A - 测量报告数据分类方法和装置 - Google Patents
测量报告数据分类方法和装置 Download PDFInfo
- Publication number
- CN107786985A CN107786985A CN201610755727.XA CN201610755727A CN107786985A CN 107786985 A CN107786985 A CN 107786985A CN 201610755727 A CN201610755727 A CN 201610755727A CN 107786985 A CN107786985 A CN 107786985A
- Authority
- CN
- China
- Prior art keywords
- mrr
- sorted
- data
- signal intensity
- mrr data
- 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
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
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种测量报告数据分类方法和装置，其中，所述方法包括：获取多个MRR样本数据，每个MRR样本数据MRR样本数据的测量结果和MRR样本数据的类型信息，类型信息用于表示测量MRR样本数据的测试终端位于室内或室外；根据多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器；将待分类MRR数据输入训练后的MRR分类器，得到待分类MRR数据的类型，待分类MRR数据的类型用于表示测量所述待分类MRR数据的终端位于室内或室外。
Description
技术领域
本发明涉及移动通信领域的测量管理技术，尤其涉及一种测量报告数据分类方法和装置。
背景技术
在移动通信的基站建设中，站点的选择、室内室外站点的投资比例分配策略将决定网络的投资回报，并且对网络覆盖的优化质量将直接影响用户的感知。因此真实地反应网络覆盖情况在站点建设和网络优化中至关重要。
传统的网络覆盖评估是通过路测(Drive Test，DT)、呼叫质量测试(Call QualityTest，CQT)、自动路测设备(Auxiliary Test Unit，ATU)等测试方法进行测试，同时结合用户投诉信息被动获取网络覆盖问题。但上述方式都无法精确获取网络覆盖质量。
在移动通信网络中，测量报告(Measurement Report，MRR)数据是处于连接态的终端将所在位置基站的下行覆盖信号强度及干扰情况上报给基站侧的信息，在MRR数据中同时会包含终端所处位置多个小区的下行覆盖信号强度。通过MRR，可以掌握用户在进行业务时所处位置的准确网络下行覆盖情况，对MRR数据进行分析，可以了解整个网络的覆盖情况。传统的MRR分析方法仅能区分MRR属于室分小区还是室外宏站小区，但室外宏站小区在进行室内覆盖和室外覆盖时信号强度相差很大，仅将MRR分为室分小区和室外宏站小区仍然无法精确确定网络覆盖质量，使得MRR数据的应用分析受到限制，无法充分挖掘MRR数据的价值。
发明内容
有鉴于此，本发明实施例期望提供一种测量报告数据分类方法和装置，通过MRR数据确定测量MRR数据的终端所处位置信息，从而更加精确地评估网络覆盖质量。
为达到上述目的，本发明的技术方案是这样实现的：
第一方面提供一种测量报告数据分类方法，所述方法包括：
获取多个MRR样本数据，每个MRR样本数据包括所述MRR样本数据的测量结果和所述MRR样本数据的类型信息，所述类型信息用于表示测量所述MRR样本数据的测试终端位于室内或室外；
根据所述多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器；
将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型，所述待分类MRR数据的类型用于表示测量所述待分类MRR数据的终端位于室内或室外。
在第一方面一种可能的实现方式中，所述将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型之前，所述方法还包括：
确定所述待分类MRR数据为宏站MRR数据或室分MRR数据；
所述将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型，包括：
若所述待分类MRR数据为宏站MRR数据，则将所述待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型；
若所述待分类MRR数据为室分MRR数据，则确定测量所述待分类MRR数据的终端位于室内。
在第一方面一种可能的实现方式中，所述MRR样本数据的测量结果包括测量所述MRR样本数据时的服务小区下行信号强度和服务器小区的多个邻区的下行信号强度；
所述待分类MRR数据包括测量所述待分类MRR数据时的服务小区名称、服务小区下行信号强度以及服务器小区的多个邻区的下行信号强度；
所述确定所述待分类MRR数据为宏站MRR数据或室分MRR数据，包括：
根据所述待分类MRR数据中携带的服务小区名称确定所述服务小区为宏站小区或室分站小区；
若所述服务小区为室分站小区，或者所述服务小区为宏站小区且所述待分类MRR数据中信号强度最强的下行信号强度为室分小区的下行信号强度，则确定所述待分类MRR数据为室分MRR数据；否则确定所述服务小区为宏站MRR数据。
在第一方面一种可能的实现方式中，所述将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型之后，所述方法还包括：
将所述待分类MRR数据中信号强度最强的小区下行信号强度与预设的下行信号强度阈值进行比较；
若所述待分类MRR数据为室分MRR数据，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分弱覆盖MRR数据；
若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室内，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内弱覆盖MRR数据；
若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室外，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外弱覆盖MRR数据。
在第一方面一种可能的实现方式中，所述MRR分类器为SVM分类器；
所述根据所述多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器，包括：
采用SVM算法，对所述多个MRR样本数据进行训练，得到训练后的SVM分类器。
在第一方面一种可能的实现方式中，所述SVM分类器所采用的核函数为RBF。
第二方面提供一种测量报告数据分类装置，所述装置包括：
获取模块，用于获取多个MRR样本数据，每个MRR样本数据包括所述MRR样本数据的测量结果和所述MRR样本数据的类型信息，所述类型信息用于表示测量所述MRR样本数据的测试终端位于室内或室外；
训练模块，用于根据所述多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器；
分类模块，用于将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型，所述待分类MRR数据的类型用于表示测量所述待分类MRR数据的终端位于室内或室外。
在第二方面一种可能的实现方式中，所述装置还包括：
确定模块，用于确定所述待分类MRR数据为宏站MRR数据或室分MRR数据；
所述分类模块，具体用于若所述确定模块确定所述待分类MRR数据为宏站MRR数据，则将所述待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型；若所述确定模块确定所述待分类MRR数据为室分MRR数据，则确定测量所述待分类MRR数据的终端位于室内。
在第二方面一种可能的实现方式中，所述MRR样本数据的测量结果包括测量所述MRR样本数据时的服务小区下行信号强度和服务器小区的多个邻区的下行信号强度；所述待分类MRR数据包括测量所述待分类MRR数据时的服务小区名称、服务小区下行信号强度以及服务器小区的多个邻区的下行信号强度；所述确定模块，具体用于根据所述待分类MRR数据中携带的服务小区名称确定所述服务小区为宏站小区或室分站小区；若所述服务小区为室分站小区，或者所述服务小区为宏站小区且所述待分类MRR数据中信号强度最强的下行信号强度为室分小区的下行信号强度，则确定所述待分类MRR数据为室分MRR数据；否则确定所述服务小区为宏站MRR数据。
在第二方面一种可能的实现方式中，所述分类模块，还用于将所述待分类MRR数据中信号强度最强的小区下行信号强度与预设的下行信号强度阈值进行比较；若所述待分类MRR数据为室分MRR数据，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分弱覆盖MRR数据；若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室内，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内弱覆盖MRR数据；若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室外，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外弱覆盖MRR数据。
在第二方面一种可能的实现方式中，所述MRR分类器为SVM分类器；
所述训练模块，具体用于采用SVM算法，对所述多个MRR样本数据进行训练，得到训练后的SVM分类器。
在第二方面一种可能的实现方式中，所述SVM分类器所采用的核函数为RBF。
本发明实施例提供的测量报告数据分类方法和装置，通过获取多个MRR样本数据，根据多个MRR样本数据训练MRR分类器，从而可以通过MRR数据确定测量MRR数据的终端所处位置信息，能够更加精确地评估网络覆盖质量，为网络优化和站点建设提供依据。
附图说明
图1为移动通信网络覆盖示意图；
图2为本发明实施例提供的测量报告数据分类方法实施例一的流程图；
图3为本发明实施例提供的测量报告数据分类方法实施例二的流程图；
图4为本发明实施例提供的测量报告数据分类装置实施例一的结构示意图；
图5为本发明实施例提供的测量报告数据分类装置实施例二的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
移动通信网络的覆盖质量是网络建设的重要指标，由于电磁波的特点，楼房等建筑物墙体对电磁波的衰减作用较强，因此，建设在室外的宏基站虽然覆盖范围较广、接入能力较强，但对于建筑物室内的覆盖可能存在盲区。因此目前可以在建筑物室内采用室分站进行补充覆盖，以弥补宏基站的覆盖盲区。那么在进行网络建设的过程中，就需要先对网络的覆盖质量进行精确的测量，确定覆盖区域中各位置的网络覆盖质量，以指导宏基站、室分站的建设。
目前经常采用DT、ATU等方式对网络覆盖质量进行测量，但上述传统的测量方式仅是对特定区域的网络覆盖质量进行的测量，无法精确反应整个网络的覆盖质量。因此，引入了MRR作为评价网络覆盖质量的参数。
在移动通信网络中，处于连接态的终端可以通过MRR数据将所在位置的下行覆盖信号强度以及干扰情况上报给基站，在MRR数据中，同时会包括终端所在位置的多个小区的下行覆盖信号，包括终端接入的服务小区和服务小区的多个邻区的下行覆盖信号。MRR的上报分为两种，一种为事件触发的MRR，网络侧向处于连接态的终端下发测量事件，当终端判决满足事件要求时，将向基站发送MRR数据。上述事件一般为切换判决或特定算法的需求。另一种为周期性MRR，网络侧向处于连接态的终端下发测量事件后，终端根据要求周期性地将测量到的服务小区及邻区的下行信号强度和干扰情况上报给基站。
通过周期性MRR，可以准确掌握用户在进行业务时所处位置的网络下行覆盖情况，这些MRR数据能够真实反应用户活动区域网络覆盖情况以及用户的使用体验，如果对整个网络的周期性MRR进行分析，即可了解整个网络的覆盖情况。但是传统的MRR数据分析方法仅能区分MRR数据属于室分小区还是宏站小区，即上报MRR数据的终端位于室分站覆盖的小区还是室外宏基站覆盖的小区。而终端在宏站覆盖的小区中可能处于室内也可能处于室外，仅对MRR数据属于室分小区还是宏站小区，无法进一步确定用户在宏站覆盖小区中的具***置，那么仍然无法精确地反应网络的覆盖质量。
图1为移动通信网络覆盖示意图，如图1所示，小区1～小区9均为室外宏基站覆盖的宏站小区，在网络中存在小区边缘室内用户11、小区边缘室内用户12、小区中心室内用户13、小区中心室外用户14共四个终端。由于各个用户所处位置的不同，其上报的MRR数据也会具有不同的特点。图中示出了各用户上报的MRR数据所携带的下行信号覆盖强度数据，其中包括7个下行信号强度，依次为该用户的服务小区下行信号强度和6个邻区的下行信号强度，单位为分贝毫瓦(dbm)。图中多个下行信号强度中的第一下行信号强度为用户的服务小区下行信号强度，在图中为最强的下行信号强度，但需要说明的是，用户的服务小区下行信号强度不一定是最强的。根据图中所示的个用户上报的MRR数据可以看出，位于不同位置的用户会上报具有不同特点的MRR数据。
由于宏基站信号覆盖室内时，主要信号为透射信号，由于室内建筑物为不对称结构，因此不同小区的信号到达室内时所穿透的建筑物有所不同，同时穿透方向也不同，导致多个小区的信号到达用户时，信号衰减的差别较大，例如小区边缘室内用户11和小区中心室内用户13的MRR数据，最大下行信号强度和最小下行信号强度相差较大。而宏基站信号覆盖室外时，信号为直射、透射、反射、衍射等信号的叠加，不同小区的信号到达同一个接收点时，信号衰减的差别不大，例如小区边缘室外用户12和小区中心室外用户14的MRR数据，最大下行信号强度和最小下行信号强度相差较小。
从图1中可以看出，处于不同位置的终端上报的MRR数据具有不同的特点，因此，本发明实施例提供一种测量报告数据分类方法和装置，通过对终端上报的MRR数据进行分类，得到网络的真实覆盖情况。
图2为本发明实施例提供的测量报告数据分类方法实施例一的流程图，如图2所示，本实施例提供的测量报告数据分类方法包括：
步骤S201，获取多个MRR样本数据，每个MRR样本数据包括MRR样本数据的测量结果和MRR样本数据的类型信息，该类型信息用于表示测量MRR样本数据的测试终端位于室内或室外。
MRR数据是处于连接态的终端上报给基站的，其中包括相应的测量结果，例如图1所示的服务小区的下行信号强度以及服务小区的多个邻区的下行信号强度。本实施例以MRR的测量结果为服务小区的下行信号强度以及服务小区的多个邻区的下行信号强度为例进行说明，但MRR数据的测量结果不以图1为限。根据图1所示的移动通信网络覆盖示意图可知，处于不同位置的终端上报的MRR数据中，各小区的下行信号强度具有不同的特点，那么通过分析MRR数据中各下行信号强度的特点，可以找到位于不同位置的终端的MRR数据特征，从而可以根据终端上报的MRR数据确定终端所处位置的网络覆盖情况，以便对网络的覆盖质量进行评估。
那么在对MRR数据进行分类之前，需要先建立MRR数据分类模型，也可称为MRR数据分类器。MRR数据分类器需要根据多个MRR样本数据进行训练生成，MRR样本数据可以采用DT、ATU等传统的测量手段测量得到，例如在进行DT测量时，令测试终端周期性上报测量到的MRR数据，从而可以得到多个位置的MRR数据。在进行上述测量时，在得到MRR数据的同时，还可以获知测试终端的实际位置信息，这里的位置信息指测试终端位于室内或室外。将测试得到的多个MRR数据加上各MRR数据对应的测试终端的位置信息，得到MRR样本数据。每个MRR样本数据包括测量MRR样本数据时的服务小区的下行信号强度、服务器小区的多个邻区的下行信号强度以及MRR样本数据的类型信息，其中该MRR样本数据的类型信息用于表示测量MRR样本数据的测试终端位于室内或室外。需要说明的是，服务小区的多个邻区的下行信号强度中，邻区数量越多，根据MRR样本数据训练得到的MRR分类器的准确度越高。一般地，邻区的数量至少为6个。
步骤S202，根据多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器。
获取到多个MRR样本数据后，即可根据多个MRR样本数据对MRR分类器进行训练。训练的过程就是将MRR样本数据中各下行信号强度作为MRR分类器的输入，将MRR样本数据的类型信息作为MRR分类器的输出，将多个MRR样本数据输出MRR分类器，找到MRR分类器的最佳参数。其中MRR分类器的最佳参数是指MRR分类器输出的结果准确率最高时的参数。得到MRR分类器的最佳参数后，即可得到训练后MRR分类器。MRR样本数据的数量越多，对MRR分类器的训练效果越好。
MRR分类器可以采用多种算法来实现，MRR分类器的具体训练方法将在下述实施例中进行详细说明。
步骤S203，将待分类MRR数据输入训练后的MRR分类器，得到待分类MRR数据的类型，待分类MRR数据的类型用于表示测量待分类MRR数据的终端位于室内或室外。
得到训练后的MRR分类器后，即可对终端输入的MRR数据进行分类。当网络中处于连接态的终端上报待分类MRR数据后，将该待分类MRR数据输入训练后的MRR分类器，得到的MRR分类器的输出即表示测量该待分类MRR数据的终端的位置信息，也即终端处于室内还是室外。需要说明的是，待分类MRR数据的数据格式需要同MRR样本数据相同，即也包括测量MRR数据时的服务小区下行信号强度、服务器小区的多个邻区的下行信号强度，并且邻区下行信号强度的个数与MRR样本数据中相同。
通过MRR数据判断终端处于室内还是室外，能够对网络覆盖质量进行精确的评估，以确定网络的优化方案。例如在图1所示移动通信网络覆盖示意图中，小区边缘室内用户11的服务小区下行信号强度仅-89dbm，可能无法满足用户高速数据通信的需求，但由于该用户是处于室内的，针对宏基站的覆盖进行优化对小区边缘室内用户11所处区域的覆盖质量改善有限，可能需要在小区边缘室内用户11所处区域进行室分站覆盖。而小区边缘室外用户12的服务小区下行信号强度虽然也较低，仅为-85bdm，但由于该用户处于室外，无法通过室分站覆盖增强小区边缘室外用户12所处区域的覆盖质量，那么就需要对小区边缘室外用户12所处区域的宏基站小区覆盖进行优化，或者建立新的宏基站小区。综上所述，对MRR数据进行分类，确定测量MRR数据的终端位于室内或室外，能够更加精确地评估网络覆盖质量，为网络优化和站点建设提供依据。
本实施例提供的测量报告数据分类方法，通过获取多个MRR样本数据，根据多个MRR样本数据训练MRR分类器，从而可以通过MRR数据确定测量MRR数据的终端所处位置信息，能够更加精确地评估网络覆盖质量，为网络优化和站点建设提供依据。
图2所示实施例中，MRR分类器可以采用多种算法实现，例如支持向量机(SupportVector Machine，MRR)算法，即MRR分类器为SVM分类器。
SVM算法的主要思想是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能，SVM算法是通过一个非线性映射，把样本空间映射到一个高维乃至无穷维的特征空间中(Hilbert空间)，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题.简单地说，就是升维和线性化.升维，就是把样本向高维空间做映射，一般情况下这会增加计算的复杂性，甚至会引起“维数灾难”，因而人们很少问津。但是在SVM中使用核函数，不但几乎不增加计算的复杂性，而且在某种程度上避免了“维数灾难”。SVM核函数种类主要由四种：
线性核函数、多项式核函数、径向基核函数(Radial Basis Function，RBF)、二层神经网络核函数。
在使用SVM算法对MRR分类器进行训练时，MRR分类器即为SVM分类器，即采用SVM算法，对多个MRR样本数据进行训练，得到训练后的SVM分类器。
下面以SVM分类器所采用的核函数为RBF为例，对使用SVM算法对MRR分类器进行训练的具体方法进行详细说明。但需要说明的是，本发明实施例提供的MRR分类方法不以此为限。
SVM分类器的RBF核函数为：
其中，Xi为支持向量，即训练样本向量，Xj为待分类样本向量，γ为核函数中的定义参数，需要通过训练得到最佳值。
使用RBF核函数时，SVM分类器函数为：
从上式可以看出，SVM分类器函数为符号函数，其中，ai为权值向量，通过训练得到，yi为第i各训练样本类别，n为支持向量数目，即训练样本数目，m为样本向量的维数，b为常量，通过训练得到。
通过输入多个样本数据，可以训练得到SVM分类器的最佳参数c、g，其中g为γ的最佳值，c为惩罚系数，是ai的取值范围，0<ai<c。
在得到SVM分类器的最佳参数c、g后，即可将待分类MRR数据输入SVM分类器，从而得到待分类MRR数据的类型，即测试待分类MRR数据的终端所处位置信息。
图3为本发明实施例提供的测量报告数据分类方法实施例二的流程图，如图3所示，本实施例提供的测量报告数据分类方法包括：
步骤S301，获取多个MRR样本数据。
步骤S302，根据多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器。
步骤S301和步骤S302与步骤S201和步骤S202相同，此处不再赘述。
步骤S303，确定待分类MRR数据为宏站MRR数据或室分MRR数据。
在移动通信网络中，除了宏基站的覆盖外，还可能建设有室分站。室分站是指安装在建筑物内，对建筑物内一定范围进行补充覆盖的小型基站。在对网络覆盖质量进行测量和评估时，对于有室分站覆盖和没有室分站覆盖的区域，需要进行区分。对于没有室分站覆盖的室内区域，若网络覆盖质量较差，那么可能需要建设新的室分站，对于已有室分站覆盖的室内区域，若网络覆盖质量较差，那么可能要对以建设的室分站进行优化。因此，在根据MRR数据进行网络覆盖质量评估时，在确定测量MRR数据的终端位于室内或室外之前，还需要先判断MRR数据时宏站MRR数据还是室分MRR数据。
宏站MRR数据是指终端测量MRR数据时所处位置属于宏站覆盖范围，室分站MRR数据是指终端测量MRR数据时所处位置属于室分站覆盖范围。由于终端在上报MRR数据时，其中还包括服务小区名称，而宏站小区和室分站小区的名称具有不同的特征，因此可以首先根据MRR数据中携带的服务小区名称确定终端的服务小区为宏站小区或室分站小区。若上报待分类MRR数据的终端的服务小区为室分站小区，那么即可确定待分类MRR数据为室分MRR数据。若上报待分类MRR数据的终端的服务小区为宏站小区，那么还需要根据待分类MRR数据中携带的各小区下行信号强度来进行进一步判断。若服务小区为宏站小区且待分类MRR数据中信号强度最强的下行信号强度为室分小区的下行信号强度，那么虽然终端的服务小区为宏站小区，但由于终端所在位置室分小区的下行信号强度最强，那么仍可确定待分类MRR数据为室分MRR数据。若服务小区为宏站小区且待分类MRR数据中信号强度最强的下行信号强度不是室分小区的下行信号强度，那么可确定待分类MRR数据为宏站MRR数据。
步骤S304，若待分类MRR数据为宏站MRR数据，则将待分类MRR数据输入训练后的MRR分类器，得到待分类MRR数据的类型。
若在步骤S303中确定待分类MRR数据为宏站MRR数据，那么就可以将待分类MRR数据输入步骤S302中得到的训练后的MRR分类器，以得到待分类MRR数据的类型。待分类MRR数据的类型包括测量待分类MRR数据的终端位于室内或者测量待分类MRR数据的终端位于室外。
进一步地，为了确定网络覆盖质量，当确定待分类MRR数据为宏站MRR数据，并且确定了测量待分类MRR数据的终端位于室内或室外时，还可以再根据待分类MRR数据中的下行信号强度来确定终端测量待分类MRR数据位置的覆盖质量。
若待分类MRR数据为宏站MRR数据，且测量待分类MRR数据的终端位于室内，也就是说，测量待分类MRR数据的终端位于室内，且该位置属于宏站覆盖区域。那么当待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室内下行信号强度阈值时，则确定待分类MRR数据为宏站室内强覆盖MRR数据。当待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室内下行信号强度阈值时，则确定待分类MRR数据为宏站室内弱覆盖MRR数据。
若待分类MRR数据为宏站MRR数据，且测量待分类MRR数据的终端位于室外，当待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室外下行信号强度阈值时，则确定待分类MRR数据为宏站室外强覆盖MRR数据。当待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室外下行信号强度阈值时，则确定待分类MRR数据为宏站室外弱覆盖MRR数据。
步骤S305，若待分类MRR数据为室分MRR数据，则确定测量待分类MRR数据的终端位于室内。
一般而言，室分站所覆盖的区域都位于室内，因此若待分类MRR数据为室分MRR数据，那么测量该待分类MRR数据的终端一般也位于室内，那么将无需再对室分MRR数据进行室外或室内分类。
进一步地，为了确定网络覆盖质量，当确定待分类MRR数据为室分MRR数据时，还可以再根据待分类MRR数据中的下行信号强度来确定终端测量待分类MRR数据位置的覆盖质量。当待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的室分下行信号强度阈值时，则确定待分类MRR数据为室分强覆盖MRR数据；当待分类MRR数据中信号强度最强的小区下行信号强度小于预设的室分下行信号强度阈值时，则确定待分类MRR数据为室分弱覆盖MRR数据。将室分MRR数据区分为室分强覆盖MRR数据和室分弱覆盖MRR数据，就可以知道哪些区域的室分覆盖存在问题，再结合对宏站MRR数据的分析，则可以确定需要在哪里进行网络覆盖的优化。其中，预设的室分下行信号强度阈值可以根据不同网络特性确定。
将宏站MRR数据进行详细分类后，可以分为宏站室内强覆盖MRR数据、宏站室内弱覆盖MRR数据、宏站室外强覆盖MRR数据、宏站室外弱覆盖MRR数据共四个类型。由此即可获知宏站覆盖区域的网络覆盖质量，再与室分MRR数据进行结合分析，即可获知整个网络的覆盖质量。
将对待分类MRR数据的分类结果与终端的地理位置信息、地图信息、网络话务信息、ATU测试数据等信息进行联合分析和数据挖掘，将能够输出全网MRR场强分布情况、室分MRR数据和宏站MRR数据的比例、室分站和宏站小区中的弱覆盖小区、弱覆盖小区中弱信号MRR数据的占比、弱信号MRR数据中室分MRR数据和宏站MRR数据的比例、宏站覆盖室内的覆盖效果等分析结果。同时和可以实现对小区投诉分析监控，从而可以指导网络规划及辅助优化，还可以分析出网络中的热点区域和话务流动性，对整个网络的覆盖质量进行评估，实现对超高站点覆盖分析，为超高站点去留提供数据支撑。
图4为本发明实施例提供的测量报告数据分类装置实施例一的结构示意图，如图4所示，本实施例提供的测量报告数据分类装置包括：
获取模块41，用于获取多个MRR样本数据，每个MRR样本数据包所述MRR样本数据的测量结果和所述MRR样本数据的类型信息，所述类型信息用于表示测量所述MRR样本数据的测试终端位于室内或室外。
训练模块42，用于根据所述多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器。
分类模块43，用于将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型，所述待分类MRR数据的类型用于表示测量所述待分类MRR数据的终端位于室内或室外。
本实施例提供的测量报告数据分类装置用于实现图2所示测量报告数据分类方法的方法流程，其实现原理和技术效果类似，此处不再赘述。
进一步地，在图4所示实施例中，MRR分类器为SVM分类器；训练模块42，具体用于采用SVM算法，对所述多个MRR样本数据进行训练，得到训练后的SVM分类器。
进一步地，在图4所示实施例中，SVM分类器所采用的核函数为RBF。
图5为本发明实施例提供的测量报告数据分类装置实施例二的结构示意图，如图5所示，本实施例提供的测量报告数据分类装置在图4的基础上，还包括：
确定模块51，用于确定所述待分类MRR数据为宏站MRR数据或室分MRR数据。
分类模块43，具体用于若确定模块51确定所述待分类MRR数据为宏站MRR数据，则将所述待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型；若所述确定模块确定所述待分类MRR数据为室分MRR数据，则确定测量所述待分类MRR数据的终端位于室内。
进一步地，在图5所示实施例中，所述MRR样本数据的测量结果包括测量所述MRR样本数据时的服务小区下行信号强度和服务器小区的多个邻区的下行信号强度；所述待分类MRR数据包括测量所述待分类MRR数据时的服务小区名称、服务小区下行信号强度以及服务器小区的多个邻区的下行信号强度；确定模块51，具体用于根据所述待分类MRR数据中携带的服务小区名称确定所述服务小区为宏站小区或室分站小区；若所述服务小区为室分站小区，或者所述服务小区为宏站小区且服务小区下行信号强度低于任一个邻区的下行信号强度，则确定所述待分类MRR数据为室分MRR数据；否则确定所述服务小区为宏站MRR数据。
进一步地，在图5所示实施例中，分类模块43，还用于将所述待分类MRR数据中信号强度最强的小区下行信号强度与预设的下行信号强度阈值进行比较；若所述待分类MRR数据为室分MRR数据，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分弱覆盖MRR数据；若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室内，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内弱覆盖MRR数据；若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室外，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外弱覆盖MRR数据。
本实施例的装置，可以用于执行上述方法各实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
在实际应用中，获取模块41、训练模块42、分类模块43、确定模块51均可由位于网络设备中的中央处理器(Central Processing Unit，CPU)、微处理器(Micro ProcessorUnit，MPU)、数字信号处理器(Digital Signal Processor，DSP)或现场可编程门阵列(Field Programmable Gate Array，FPGA)等器件实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (10)
1.一种测量报告数据分类方法，其特征在于，所述方法包括：
获取多个测量报告MRR样本数据，每个MRR样本数据包括所述MRR样本数据的测量结果和所述MRR样本数据的类型信息，所述类型信息用于表示测量所述MRR样本数据的测试终端位于室内或室外；
根据所述多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器；
将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型，所述待分类MRR数据的类型用于表示测量所述待分类MRR数据的终端位于室内或室外。
2.根据权利要求1所述的方法，其特征在于，所述将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型之前，所述方法还包括：
确定所述待分类MRR数据为宏站MRR数据或室分MRR数据；
所述将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型，包括：
若所述待分类MRR数据为宏站MRR数据，则将所述待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型；
若所述待分类MRR数据为室分MRR数据，则确定测量所述待分类MRR数据的终端位于室内。
3.根据权利要求2所述的方法，其特征在于，所述MRR样本数据的测量结果包括测量所述MRR样本数据时的服务小区下行信号强度和服务器小区的多个邻区的下行信号强度；
所述待分类MRR数据包括测量所述待分类MRR数据时的服务小区名称、服务小区下行信号强度以及服务器小区的多个邻区的下行信号强度；
所述确定所述待分类MRR数据为宏站MRR数据或室分MRR数据，包括：
根据所述待分类MRR数据中携带的服务小区名称确定所述服务小区为宏站小区或室分站小区；
若所述服务小区为室分站小区，或者所述服务小区为宏站小区且所述待分类MRR数据中信号强度最强的下行信号强度为室分小区的下行信号强度，则确定所述待分类MRR数据为室分MRR数据；否则确定所述服务小区为宏站MRR数据。
4.根据权利要求3所述的方法，其特征在于，所述将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型之后，所述方法还包括：
将所述待分类MRR数据中信号强度最强的小区下行信号强度与预设的下行信号强度阈值进行比较；
若所述待分类MRR数据为室分MRR数据，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分弱覆盖MRR数据；
若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室内，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内弱覆盖MRR数据；
若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室外，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外弱覆盖MRR数据。
5.根据权利要求1～4任一项所述的方法，其特征在于，所述MRR分类器为支持向量机SVM分类器；
所述根据所述多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器，包括：
采用SVM算法，对所述多个MRR样本数据进行训练，得到训练后的SVM分类器。
6.一种测量报告数据分类装置，其特征在于，所述装置包括：
获取模块，用于获取多个测量报告MRR样本数据，每个MRR样本数据包所述MRR样本数据的测量结果和所述MRR样本数据的类型信息，所述类型信息用于表示测量所述MRR样本数据的测试终端位于室内或室外；
训练模块，用于根据所述多个MRR样本数据对MRR分类器进行训练，得到训练后的MRR分类器；
分类模块，用于将待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型，所述待分类MRR数据的类型用于表示测量所述待分类MRR数据的终端位于室内或室外。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
确定模块，用于确定所述待分类MRR数据为宏站MRR数据或室分MRR数据；
所述分类模块，具体用于若所述确定模块确定所述待分类MRR数据为宏站MRR数据，则将所述待分类MRR数据输入所述训练后的MRR分类器，得到所述待分类MRR数据的类型；若所述确定模块确定所述待分类MRR数据为室分MRR数据，则确定测量所述待分类MRR数据的终端位于室内。
8.根据权利要求7所述的装置，其特征在于，所述MRR样本数据的测量结果包括测量所述MRR样本数据时的服务小区下行信号强度和服务器小区的多个邻区的下行信号强度；
所述待分类MRR数据包括测量所述待分类MRR数据时的服务小区名称、服务小区下行信号强度以及服务器小区的多个邻区的下行信号强度；
所述确定模块，具体用于根据所述待分类MRR数据中携带的服务小区名称确定所述服务小区为宏站小区或室分站小区；若所述服务小区为室分站小区，或者所述服务小区为宏站小区且所述待分类MRR数据中信号强度最强的下行信号强度为室分小区的下行信号强度，则确定所述待分类MRR数据为室分MRR数据；否则确定所述服务小区为宏站MRR数据。
9.根据权利要求8所述的装置，其特征在于，所述分类模块，还用于将所述待分类MRR数据中信号强度最强的小区下行信号强度与预设的下行信号强度阈值进行比较；若所述待分类MRR数据为室分MRR数据，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的室分下行信号强度阈值时，则确定所述待分类MRR数据为室分弱覆盖MRR数据；若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室内，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室内下行信号强度阈值时，则确定所述待分类MRR数据为宏站室内弱覆盖MRR数据；若所述待分类MRR数据为宏站MRR数据，且测量所述待分类MRR数据的终端位于室外，当所述待分类MRR数据中信号强度最强的小区下行信号强度大于等于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外强覆盖MRR数据；当所述待分类MRR数据中信号强度最强的小区下行信号强度小于预设的宏站室外下行信号强度阈值时，则确定所述待分类MRR数据为宏站室外弱覆盖MRR数据。
10.根据权利要求6～9任一项所述的装置，其特征在于，所述MRR分类器为支持向量机SVM分类器；
所述训练模块，具体用于采用SVM算法，对所述多个MRR样本数据进行训练，得到训练后的SVM分类器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610755727.XA CN107786985A (zh) | 2016-08-29 | 2016-08-29 | 测量报告数据分类方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610755727.XA CN107786985A (zh) | 2016-08-29 | 2016-08-29 | 测量报告数据分类方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107786985A true CN107786985A (zh) | 2018-03-09 |
Family
ID=61440201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610755727.XA Pending CN107786985A (zh) | 2016-08-29 | 2016-08-29 | 测量报告数据分类方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107786985A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110366099A (zh) * | 2019-07-10 | 2019-10-22 | 中国联合网络通信集团有限公司 | 终端定位方法及终端定位装置 |
| CN112533253A (zh) * | 2020-12-10 | 2021-03-19 | 中国联合网络通信集团有限公司 | 移动网络信号强度计算方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101790189A (zh) * | 2009-12-29 | 2010-07-28 | 广州杰赛科技股份有限公司 | 一种移动台定位的方法 |
| WO2013053247A1 (zh) * | 2011-10-11 | 2013-04-18 | 华为技术有限公司 | 一种室分信号泄露检查方法及装置 |
| CN104244317A (zh) * | 2013-06-08 | 2014-12-24 | 华为技术有限公司 | 确定室内话务状态、室内话务量的方法和设备 |
| CN105744561A (zh) * | 2016-03-07 | 2016-07-06 | 四川亨通网智科技有限公司 | 多维度测量报告室内外分离方法 |
-
2016
- 2016-08-29 CN CN201610755727.XA patent/CN107786985A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101790189A (zh) * | 2009-12-29 | 2010-07-28 | 广州杰赛科技股份有限公司 | 一种移动台定位的方法 |
| WO2013053247A1 (zh) * | 2011-10-11 | 2013-04-18 | 华为技术有限公司 | 一种室分信号泄露检查方法及装置 |
| CN104244317A (zh) * | 2013-06-08 | 2014-12-24 | 华为技术有限公司 | 确定室内话务状态、室内话务量的方法和设备 |
| CN105744561A (zh) * | 2016-03-07 | 2016-07-06 | 四川亨通网智科技有限公司 | 多维度测量报告室内外分离方法 |
Non-Patent Citations (2)
| Title |
|---|
| 胡俊: "基于支持向量机和决策树的电信通信数据分析与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 郭景赞等: "基于MR特征分离技术的室分监控研究", 《邮电设计技术》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110366099A (zh) * | 2019-07-10 | 2019-10-22 | 中国联合网络通信集团有限公司 | 终端定位方法及终端定位装置 |
| CN110366099B (zh) * | 2019-07-10 | 2021-01-05 | 中国联合网络通信集团有限公司 | 终端定位方法及终端定位装置 |
| CN112533253A (zh) * | 2020-12-10 | 2021-03-19 | 中国联合网络通信集团有限公司 | 移动网络信号强度计算方法、装置、电子设备及存储介质 |
| CN112533253B (zh) * | 2020-12-10 | 2023-08-29 | 中国联合网络通信集团有限公司 | 移动网络信号强度计算方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112382582B (zh) | 一种晶圆测试分类方法及*** | |
| Guo et al. | Spatial stochastic models and metrics for the structure of base stations in cellular networks | |
| CN107920362B (zh) | 一种基于微区域的lte网络性能评估方法 | |
| CN105828365A (zh) | 一种基于mr数据的lte小区重叠覆盖分析方法 | |
| CN106549813A (zh) | 一种网络性能的评估方法及*** | |
| CN108990078A (zh) | Lte网络下行干扰的优化方法、***、设备及存储介质 | |
| CN109446812A (zh) | 一种嵌入式***固件安全分析方法及*** | |
| CN105930900B (zh) | 一种混合风力发电的预测方法及*** | |
| CN108375363B (zh) | 天线方位角偏转核查方法、装置、设备及介质 | |
| CN106934514A (zh) | 一种回归模型的生成方法以及装置 | |
| CN104239712A (zh) | 一种雷达抗干扰效能实时评估方法 | |
| CN107295537A (zh) | 一种测评无线传感器网络可靠性的方法及*** | |
| Beritelli et al. | A neural network pattern recognition approach to automatic rainfall classification by using signal strength in LTE/4G networks | |
| CN105184067A (zh) | 绝缘子污闪状态模糊评价方法 | |
| CN104039008B (zh) | 一种混合定位方法 | |
| CN107786985A (zh) | 测量报告数据分类方法和装置 | |
| Hagen-Zanker et al. | Map comparison methods for comprehensive assessment of geosimulation models | |
| CN101637042A (zh) | 无线小区监视方法、其设备及其程序 | |
| CN110223004A (zh) | 一种指挥防护工程口部抢修作业风险评估*** | |
| CN107276785A (zh) | 一种无线局域网优化方法及装置 | |
| CN111698128A (zh) | 物联网网络质量检测方法、装置、计算机设备和存储介质 | |
| CN106941685A (zh) | 一种确定天线接反的方法及*** | |
| CN114339855B (zh) | 无线网络覆盖率评估方法、装置及计算设备 | |
| CN104244301A (zh) | 基于无线指标定位lte网络问题的方法和*** | |
| CN114615693B (zh) | 网络容量预测方法、装置、电子设备及计算机存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180309 |
|
| RJ01 | Rejection of invention patent application after publication |