CN109429264B - 一种数据处理方法、装置、设备及计算机可读存储介质 - Google Patents
一种数据处理方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109429264B CN109429264B CN201710751113.9A CN201710751113A CN109429264B CN 109429264 B CN109429264 B CN 109429264B CN 201710751113 A CN201710751113 A CN 201710751113A CN 109429264 B CN109429264 B CN 109429264B
- Authority
- CN
- China
- Prior art keywords
- indoor
- sample
- cell
- main service
- rsrp
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Measuring Magnetic Variables (AREA)
Abstract
本发明提供一种数据处理方法、装置、设备及计算机可读存储介质,涉及通信技术领域,用以提高在由宏站覆盖室内的区域中,区分MR是室内数据还是室外数据的准确性。本发明的数据处理方法包括:获取待分类测量报告MR;对所述待分类MR进行预处理;将预处理后的MR作为输入数据,输入到SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。本发明可提高区分MR是室内数据还是室外数据的准确性。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种数据处理方法、装置、设备及计算机可读存储介质。
背景技术
目前,现网优化人员主要通过DT(Drive Test,路测)\CQT(Call Quality Test,定点测试)测试获取特定路线和区域的测试数据,以用于评估网络质量,但上述方法主要集中于室外测试。对于室内网络质量问题的发现,往往依靠用户投诉及对投诉的复测完成。同时,受限于用户投诉过程中对于质差发生的时间地点描述的精确性,想要精确定位到网络问题往往需要大量的复测。
通过开启周期性测量报告(measurement report,MR)功能,现网优化人员可以获取大量的用户测量报告。测量报告中包含的丰富测量信息可以辅助进行网络质量的分析。但由于MR数据本身只携带小区标识,因此,利用ME数据只能区分用户所在主小区是宏站还是室分站。因此,对于由宏站覆盖室内的区域,并不能通过MR数据区分用户的室内外位置信息。
针对上述问题,为了能充分利用MR数据进行更精确的质量分析,在由宏站覆盖室内的区域中,需要解决如何区分MR数据是室内数据还是室外数据的问题。现有技术中提供了一些区分MR数据是室内数据还是室外数据的方法。但是,在实现本发明的过程中,发明人发现,现有的区分MR数据是室内数据还是室外数据的方法的准确性较低。
发明内容
有鉴于此,本发明提供一种数据处理方法、装置、设备及计算机可读存储介质,以提高在由宏站覆盖室内的区域中,区分MR是室内数据还是室外数据的准确性。
为解决上述技术问题,本发明提供一种数据处理方法,包括:
获取待分类测量报告MR;
对所述待分类MR进行预处理;
将预处理后的MR作为输入数据,输入到SAE(Stacked Auto Encoder,栈式自动编码器)室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。
其中,所述对所述待分类MR进行预处理,包括:
对所述待分类MR关联工参信息并进行筛选,获得主小区为宏站且主服务小区的RSRP(Reference Signal Receiving Power,参考信号接收功率)不为空的目标MR;
根据所述目标MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;
描述所述测量记录中包含的所有小区的拓扑结构;
利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
其中,在所述获取待分类MR前,所述方法还包括:
获取样本MR;
对所述样本MR进行预处理;
利用预处理后的样本MR训练SAE室内外数据分类模型。
其中,所述对所述样本MR进行预处理包括:
对所述样本MR进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标样本MR;
根据所述目标样本MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;
描述所述测量记录中包含的所有小区的拓扑结构;
利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
第二方面,本发明实施例提供一种数据处理装置,包括:
获取模块,用于获取待分类测量报告MR;
预处理模块,用于对所述待分类MR进行预处理;
分类模块,用于将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述处理器执行所述程序时实现如第一方面所述方法中的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,用于存储计算机程序,所述计算机程序可被处理器执行实现如第一方面所述方法中的步骤。
本发明的上述技术方案的有益效果如下:
在本发明实施例中,对待分类的MR进行预处理,并将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。因此,利用本发明实施例的方案无需人工提取特征,可挖掘更多的潜在特征,提升了在由宏站覆盖室内的区域中,区分MR是室内数据还是室外数据的准确性。
附图说明
图1为本发明实施例的数据处理方法的流程图;
图2为本发明实施例的数据处理方法的流程图;
图3为本发明实施例的数据处理装置的示意图;
图4为本发明实施例的数据处理装置的结构图;
图5为本发明实施例的电子设备的示意图。
具体实施方式
下面将结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,本发明实施例的数据处理方法,包括:
步骤101、获取待分类MR。
其中,所述待分类MR可以是在执行本发明实施例时获得的MR,也可以是事先获得的MR数据。
步骤102、对所述待分类MR进行预处理。
在本发明实施例中,首先对所述待分类MR关联工参信息并进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标MR。其中,所述工参信息包括基站名称,小区名称,经纬度等信息。接着,根据所述目标MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录。然后,描述所述测量记录中包含的所有小区的拓扑结构。最后,利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
由于接收信号的差异,因此,室内MR和室外MR所体现的小区拓扑结构有所不同。在本发明实施例中,一种可行的拓扑结构描述方法为,以每条记录的主小区和所有邻区的经纬度的平均值位置作为中心点,计算主服务小区和每个邻区的基站经纬度相对中心点的偏移。
在进行归一化及统一数据维数处理时,将主服务小区和邻区RSRP、上述偏移进行归一化,如采用min-max标准化、Z-score标准化方法等。然后,将频点信息进行二元离散化。比如,如果主服务小区和邻区的频点包含F1、F2、D1、D2,则二元离散化后的频点信息将扩展为4列,分别为“是否F1”、“是否F2”、“是否D1”、“是否D2”,0表示否,1表示是。同时,设置最大邻区个数,将邻区数不足的记录进行补0操作。
步骤103、将预处理后的MR作为输入数据,输入到SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。
在本发明实施例中,对待分类的MR进行预处理,并将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。因此,利用本发明实施例的方案无需人工提取特征,可挖掘更多的潜在特征,提升了在由宏站覆盖室内的区域中,区分MR是室内数据还是室外数据的准确性。
如图2所示,本发明实施例的数据处理方法,包括:
步骤201、获取样本MR。
其中,所述样本MR可包括路测数据、MDT(Minimization of Drive Test,最小化路测)数据等包含经纬度信息、主小区及邻区接收信号等的测量数据。在数据采集时需同时记录样本MR数据的室内外标识。
步骤202、对所述样本MR进行预处理。
在此,对所述样本MR进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标样本MR,然后根据所述目标样本MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录,接着描述所述测量记录中包含的所有小区的拓扑结构,并利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
由于接收信号的差异,因此,室内MR和室外MR所体现的小区拓扑结构有所不同。在本发明实施例中,一种可行的拓扑结构描述方法为,以每条记录的主小区和所有邻区的经纬度的平均值位置作为中心点,计算主服务小区和每个邻区的基站经纬度相对中心点的偏移。
在进行归一化及统一数据维数处理时,将主服务小区和邻区RSRP、上述偏移进行归一化,如采用min-max标准化、Z-score标准化方法等。然后,将频点信息进行二元离散化。比如,如果主服务小区和邻区的频点包含F1、F2、D1、D2,则二元离散化后的频点信息将扩展为4列,分别为“是否F1”、“是否F2”、“是否D1”、“是否D2”,0表示否,1表示是。同时,设置最大邻区个数,将邻区数不足的记录进行补0操作。
步骤203、利用预处理后的样本MR训练SAE室内外数据分类模型。
将处理后的预处理后的样本MR送入栈式自动编码器(SAE模型)进行特征的自动提取及训练,并调整SAE的模型层数、每一层神经元个数、损失函数、每层预训练次数、整体模型训练次数等参数,得到室内外分类模型。
步骤204、获取待分类MR。
其中,所述待分类MR可以是在执行本发明实施例时获得的MR。
步骤205、对所述待分类MR进行预处理。
在本发明实施例中,首先对所述待分类MR关联工参信息并进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标MR。其中,所述工参信息包括基站名称,小区名称,经纬度等信息。接着,根据所述目标MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录。然后,描述所述测量记录中包含的所有小区的拓扑结构。最后,利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
室内、室外测量报告由于接收信号的差异,因此,室内MR和室外MR所体现的小区拓扑结构有所不同。在本发明实施例中,一种可行的拓扑结构描述方法为,以每条记录的主小区和所有邻区的经纬度的平均值位置作为中心点,计算主服务小区和每个邻区的基站经纬度相对中心点的偏移。
在进行归一化及统一数据维数处理时,将主服务小区和邻区RSRP、上述偏移进行归一化,如采用min-max标准化、Z-score标准化方法等。然后,将频点信息进行二元离散化。比如,如果主服务小区和邻区的频点包含F1、F2、D1、D2,则二元离散化后的频点信息将扩展为4列,分别为“是否F1”、“是否F2”、“是否D1”、“是否D2”,0表示否,1表示是。同时,设置最大邻区个数,将邻区数不足的记录进行补0操作。
步骤206、将预处理后的MR作为输入数据,输入到SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。
在本发明实施例中,对待分类的MR进行预处理,并将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。因此,利用本发明实施例的方案,避免了人为制定规则进行室内外区分的不准确问题,也无需MR数据的定位信息;同时可以利用SAE模型进行特征的自动提取,无需人工设计特征提取方法,可以提高MR室内外分类的准确性,有助于利用MR数据进行更精确的网络质量分析。针对同一区域的室内外测试区域,分别应用基于SVM(SupportVector Machine,支持向量机)的机器学习算法和本方案的基于SAE的机器学习算法进行室内外识别预测,经试验,预测精度提高了10-20个百分点。
同时,得到的MR数据室内外分类结果,可以进一步输入MR数据定位应用中,提升MR数据的定位精度。
如图3所示,本发明实施例的数据处理装置,包括:
第一获取模块301,用于获取待分类测量报告MR;
第一预处理模块302,用于对所述待分类MR进行预处理;
分类模块303,用于将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。
其中,所述第一预处理模块302包括:
筛选子模块,用于对所述待分类MR关联工参信息并进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标MR;合并子模块,用于根据所述目标MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;拓扑结构描述子模块,用于描述所述测量记录中包含的所有小区的拓扑结构;数据处理子模块,用于利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
如图4所示,本发明实施例的数据处理装置,还可包括:
第二获取模块404,用于获取样本MR;
第二预处理模块405,用于对所述样本MR进行预处理;
训练模块406,用于利用预处理后的样本MR训练SAE室内外数据分类模型。
其中,第二获取模块404可包括:
筛选子模块,用于对所述样本MR进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标样本MR;合并子模块,用于根据所述目标样本MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;拓扑描述子模块,用于描述所述测量记录中包含的所有小区的拓扑结构;数据处理子模块,用于利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
本发明所述装置的工作原理可参照前述方法实施例的描述。
在本发明实施例中,对待分类的MR进行预处理,并将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。因此,利用本发明实施例的方案无需人工提取特征,可挖掘更多的潜在特征,提升了在由宏站覆盖室内的区域中,区分MR是室内数据还是室外数据的准确性。
如图5所示,本发明实施例的电子设备,包括:处理器500,用于读取存储器520中的程序,执行下列过程:
获取待分类测量报告MR;对所述待分类MR进行预处理;将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果;
收发机510,用于在处理器500的控制下接收和发送数据。
其中,在图5中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器500代表的一个或多个处理器和存储器520代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机510可以是多个元件,即包括发送机和收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器500负责管理总线架构和通常的处理,存储器520可以存储处理器500在执行操作时所使用的数据。
处理器500负责管理总线架构和通常的处理,存储器520可以存储处理器500在执行操作时所使用的数据。
处理器500还用于读取所述计算机程序,执行如下步骤:
对所述待分类MR关联工参信息并进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标MR;
根据所述目标MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;
描述所述测量记录中包含的所有小区的拓扑结构;
利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
处理器500还用于读取所述计算机程序,执行如下步骤:
获取样本MR;
对所述样本MR进行预处理;
利用预处理后的样本MR训练SAE室内外数据分类模型。
处理器500还用于读取所述计算机程序,执行如下步骤:
对所述样本MR进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标样本MR;
根据所述目标样本MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;
描述所述测量记录中包含的所有小区的拓扑结构;
利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
此外,本发明实施例的计算机可读存储介质,用于存储计算机程序,所述计算机程序可被处理器执行实现以下步骤:
获取待分类测量报告MR;
对所述待分类MR进行预处理;
将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。
其中,所述对所述待分类MR进行预处理,包括:
对所述待分类MR关联工参信息并进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标MR;
根据所述目标MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;
描述所述测量记录中包含的所有小区的拓扑结构;
利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
其中,在所述获取待分类MR前,还包括:
获取样本MR;
对所述样本MR进行预处理;
利用预处理后的样本MR训练SAE室内外数据分类模型。
其中,所述对所述样本MR进行预处理包括:
对所述样本MR进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标样本MR;
根据所述目标样本MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;
描述所述测量记录中包含的所有小区的拓扑结构;
利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理。
在本申请所提供的几个实施例中,应该理解到,所揭露方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种数据处理方法,其特征在于,包括:
获取样本MR;
对所述样本MR进行预处理,包括:对所述样本MR进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标样本MR;根据所述目标样本MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;描述所述测量记录中包含的所有小区的拓扑结构;利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理;
利用预处理后的样本MR训练SAE室内外数据分类模型,包括:将预处理后的样本MR送入SAE室内外数据分类模型进行特征的自动提取及训练,并调整SAE的模型层数、每一层神经元个数、损失函数、每层预训练次数、整体模型训练次数,得到室内外分类模型;
获取待分类测量报告MR;
对所述待分类MR进行预处理,包括:对所述待分类MR关联工参信息并进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标MR;根据所述目标MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;描述所述测量记录中包含的所有小区的拓扑结构;利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理;
将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。
2.一种数据处理装置,其特征在于,包括:
第二获取模块(404),用于获取样本MR;
第二预处理模块(405),用于对所述样本MR进行预处理,包括:对所述样本MR进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标样本MR;根据所述目标样本MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;描述所述测量记录中包含的所有小区的拓扑结构;利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理;
训练模块(406),用于利用预处理后的样本MR训练SAE室内外数据分类模型,包括:将预处理后的样本MR送入SAE室内外数据分类模型进行特征的自动提取及训练,并调整SAE的模型层数、每一层神经元个数、损失函数、每层预训练次数、整体模型训练次数,得到室内外分类模型;
第一获取模块,用于获取待分类测量报告MR;
第一预处理模块,用于对所述待分类MR进行预处理,包括:对所述待分类MR关联工参信息并进行筛选,获得主小区为宏站且主服务小区的接收信号功率RSRP不为空的目标MR;根据所述目标MR的时间戳信息、主服务小区标识,将多条同一时刻同一主服务小区的测量信息,合并为包含所有邻区测量信息的测量记录;描述所述测量记录中包含的所有小区的拓扑结构;利用所述拓扑结构、主服务小区的RSRP、邻小区的RSRP进行归一化及统一数据维数处理;
分类模块,用于将预处理后的MR作为输入数据,输入到栈式自动编码器SAE室内外数据分类模型中并运行所述模型,获得所述待分类MR对应的室内外数据分类结果。
3.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;其特征在于,所述处理器执行所述程序时实现如权利要求1所述方法中的步骤。
4.一种计算机可读存储介质,用于存储计算机程序,其特征在于,所述计算机程序可被处理器执行实现如权利要求1所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710751113.9A CN109429264B (zh) | 2017-08-28 | 2017-08-28 | 一种数据处理方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710751113.9A CN109429264B (zh) | 2017-08-28 | 2017-08-28 | 一种数据处理方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109429264A CN109429264A (zh) | 2019-03-05 |
CN109429264B true CN109429264B (zh) | 2022-04-29 |
Family
ID=65502591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710751113.9A Active CN109429264B (zh) | 2017-08-28 | 2017-08-28 | 一种数据处理方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109429264B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110881191B (zh) * | 2019-11-20 | 2022-08-05 | 中国联合网络通信集团有限公司 | 小区经纬度的获取方法、装置、***及存储介质 |
CN110691369B (zh) * | 2019-11-27 | 2021-06-04 | 北京天元创新科技有限公司 | 一种基于mdt的室内信号外泄分析方法及*** |
CN113194426B (zh) * | 2020-01-14 | 2022-09-06 | 中移动信息技术有限公司 | 一种指纹库的更新方法、装置、设备及计算机存储介质 |
EP4285137A4 (en) * | 2021-02-01 | 2024-03-27 | Telefonaktiebolaget LM Ericsson (publ) | CLASSIFICATION OF INDOOR-TO-OUTDOOR TRAFFIC AND USER DEVICE DISTRIBUTION |
CN112954708A (zh) * | 2021-03-22 | 2021-06-11 | 中电积至(海南)信息技术有限公司 | 一种基于测量报告的定位方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595480A (zh) * | 2012-01-19 | 2012-07-18 | 大唐移动通信设备有限公司 | 一种位置信息确定方法及装置 |
CN106211194A (zh) * | 2016-07-28 | 2016-12-07 | 武汉虹信技术服务有限责任公司 | 一种基于统计模型的mr数据室内外分离方法 |
-
2017
- 2017-08-28 CN CN201710751113.9A patent/CN109429264B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595480A (zh) * | 2012-01-19 | 2012-07-18 | 大唐移动通信设备有限公司 | 一种位置信息确定方法及装置 |
CN106211194A (zh) * | 2016-07-28 | 2016-12-07 | 武汉虹信技术服务有限责任公司 | 一种基于统计模型的mr数据室内外分离方法 |
Non-Patent Citations (2)
Title |
---|
基于KNN算法的MRR数据分类研究;徐承亮等;《移动通信》;20170228;正文第69-73页,图2-4 * |
基于深度学习的网页分类算法研究;陈芊希等;《微型电脑应用》;20160228;正文第1章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109429264A (zh) | 2019-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109429264B (zh) | 一种数据处理方法、装置、设备及计算机可读存储介质 | |
DE60025978T2 (de) | Vorrichtung und Verfahren für die geostatische Analyse der Ausbreitung eines Funksignals | |
CN109996168B (zh) | 一种获取终端位置的方法及装置 | |
CN105372581A (zh) | 挠性电路板制造过程自动监测和智能分析***及方法 | |
CN108616900B (zh) | 一种室内外测量报告的区分方法及网络设备 | |
CN109874104B (zh) | 用户位置定位方法、装置、设备及介质 | |
CN108307427B (zh) | 一种lte网络覆盖分析、预测方法及*** | |
CN111163482B (zh) | 数据的处理方法、设备及存储介质 | |
CN109379698B (zh) | 基于信道模型特征提取的小区测量报告定位方法及*** | |
CN109982361A (zh) | 信号干扰分析方法、装置、设备及介质 | |
CN115471625A (zh) | 一种云机器人平台大数据智能决策方法和*** | |
CN109996270A (zh) | 网络覆盖分析方法、装置、设备及介质 | |
CN113140109B (zh) | 一种路测数据处理方法、装置、计算机设备及存储介质 | |
CN111786476A (zh) | 一种无线电能传输***的接收线圈位置预测方法 | |
CN112149770A (zh) | 一种智能电缆的数据射频识别显示***、方法及装置 | |
CN107025293A (zh) | 一种电力二次设备缺陷数据挖掘方法及*** | |
CN111343664B (zh) | 用户定位方法、装置、设备及介质 | |
CN107580329B (zh) | 一种网络分析优化方法及装置 | |
CN111741526B (zh) | 定位方法、装置、电子设备以及计算机存储介质 | |
Kupp et al. | Confidence estimation in non-RF to RF correlation-based specification test compaction | |
CN109788501A (zh) | 2g+4g移动网络语音质量联合评估方法及装置 | |
CN114580482A (zh) | 基于边缘计算节点与数据中心的无线电信号特征采集方法 | |
CN112215256A (zh) | 一种低压配电网多源数据处理方法 | |
CN110890978B (zh) | 基于模型重用的带隐私保护的跨区域通信质量预测方法 | |
WO2024138968A1 (zh) | 基站故障诊断方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |