CN111050346A - 网络信号强度评估方法、装置、设备及存储介质 - Google Patents
网络信号强度评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111050346A CN111050346A CN201911301717.9A CN201911301717A CN111050346A CN 111050346 A CN111050346 A CN 111050346A CN 201911301717 A CN201911301717 A CN 201911301717A CN 111050346 A CN111050346 A CN 111050346A
- Authority
- CN
- China
- Prior art keywords
- network
- signal strength
- signal
- area
- location
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000005540 biological transmission Effects 0.000 claims description 73
- 238000012545 processing Methods 0.000 claims description 58
- 230000007613 environmental effect Effects 0.000 claims description 48
- 238000005259 measurement Methods 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 19
- 230000001413 cellular effect Effects 0.000 claims description 11
- 238000012360 testing method Methods 0.000 abstract description 20
- 230000008054 signal transmission Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 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
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种网络信号强度评估方法、装置、设备及存储介质,该方法包括:确定第一网络的第一信号强度差,其中,第一信号强度差为第一网络在第一位置处与第二位置处的信号强度差值,第一位置与第二位置位于第一区域内;确定第一网络与第二网络在相同位置处的第二信号强度差;确定第一网络在第一位置处的第一信号强度;根据第一信号强度、第一信号强度差和第二信号强度差,确定第二网络在第二位置处的第二信号强度。该方法实现了利用第一网络的信号覆盖情况,间接评估第二网络的信号覆盖情况,能在第一网络和第二网络覆盖区域内的不同位置处大规模、全面、精准地测试第二网络信号覆盖强度,测试结果精确高,测试范围受限小。
Description
技术领域
本发明涉及通信技术,尤其涉及一种网络信号强度评估方法、装置、设备及存储介质。
背景技术
随着物联网技术的发展,窄带蜂窝物联网(NB-IoT)越来越受到产业界的关注。NB-IoT技术的构建基于蜂窝移动网络,具有低成本、低功耗、大连接和覆盖广等优势,在智能抄表、智能停车、智慧城市等领域都具有广泛的应用。NB-IoT终端的待机时间长,为了节省终端功耗以支持长时间的待机,NB-IoT技术不支持上报测量报告MR,因此无法利用测量报告MR直接评估NB-IoT网络的信号覆盖情况,因此如何准确评估NB-IoT网络信号覆盖情况是一个难点。
现有的NB-IoT网络网络信号强度评估方法主要有基于HATA、SPM等传播模型的仿真信号覆盖强度,以及路测评估方法。
然而,仿真网络信号强度评估方法过于依赖于模型参数准确性,利用该方法难以快速迭代以贴近实际,无法准确反映真实环境的信号覆盖强度。而路测评估方法,受限于路测只能遍历主干道区域信号覆盖情况,对于典型的NB-IoT物联网应用场景,如室内、地下停车场等深度覆盖区域,道路测试评估信号覆盖强度困难。因此,需要一种能够大规模、全面且精准测试NB-IoT物联网信号覆盖强度的方法。
发明内容
本发明提供一种网络信号强度评估方法、装置、设备及存储介质,用以解决现有网络信号强度评估方法存在的测量精度低、测量场景受限问题。
第一方面,本申请提供一种网络信号强度评估方法,包括:
确定第一网络的第一信号强度差,其中,所述第一信号强度差为所述第一网络在第一位置处与第二位置处的信号强度差值,所述第一位置与所述第二位置位于第一区域内;
确定所述第一网络与第二网络在相同位置处的第二信号强度差;
确定所述第一网络在所述第一位置处的第一信号强度;
根据所述第一信号强度、所述第一信号强度差和所述第二信号强度差,确定所述第二网络在所述第二位置处的第二信号强度。
进一步地,确定第一网络的第一信号强度差,包括:
测量所述第一网络在所述第一位置处的第三信号强度和在所述第二位置处的第四信号强度;
根据所述第三信号强度和所述第四信号强度,确定所述第一信号强度差。
进一步地,确定所述第一网络在所述第一位置处的第一信号强度,包括:
获取所述第一网络在所述第一位置处的测量报告,并根据所述测量报告,确定所述第一网络的所述第一信号强度。
进一步地,所述第一网络对应第一传输频率,所述第二网络对应第二传输频率,确定所述第一网络与第二网络在相同位置处的第二信号强度差,包括:
根据所述第一传输频率和所述第二传输频率,确定所述第一网络的第三信号强度差,其中,所述第三信号强度差为分别对应所述第一传输频率和所述第二传输频率的所述第一网络在相同位置处的信号强度差;
根据所述第三信号强度差、所述第一网络的第一网络制式和所述第二网络的第二网络制式,确定所述第二信号强度差。
进一步地,所述方法还包括:
获取第一区域的第一环境特征因子和第二区域的第二环境特征因子;
根据所述第一环境特征因子和所述第二环境特征因子,确定所述第一区域和所述第二区域的环境相似度;
当所述环境相似度大于预设阈值时,获取所述第一网络在所述第二区域的第一信号覆盖模型,并将所述第一信号覆盖模型用作所述第一网络在所述第一区域的信号覆盖模型;
根据所述第一信号覆盖模型,确定所述第二网络在所述第一区域的第二信号覆盖模型;
根据所述第二信号覆盖模型,确定所述第二网络的所述第二信号强度。
进一步地,所述方法还包括:
利用所述第一环境特征因子,对所述第一信号覆盖模型进行校正,得到第三信号覆盖模型,并将所述第三信号覆盖模型用作所述第一网络在所述第一区域的信号覆盖模型;
根据所述第三信号覆盖模型,确定所述第二网络在所述第一区域的第二信号覆盖模型。
进一步地,所述第一网络为移动无线网络,所述第二网络为窄带蜂窝物联网。
第二方面,本申请提供一种网络信号强度评估装置,包括:
第一处理单元,用于确定第一网络的第一信号强度差,其中,所述第一信号强度差为所述第一网络在第一位置处与第二位置处的信号强度差值,所述第一位置与所述第二位置位于第一区域内;
第二处理单元,用于确定所述第一网络与第二网络在相同位置处的第二信号强度差;
第三处理单元,用于确定所述第一网络在所述第一位置处的第一信号强度;
第四处理单元,用于根据所述第一信号强度、所述第一信号强度差和所述第二信号强度差,确定所述第二网络在所述第二位置处的第二信号强度。
进一步地,第一处理单元,包括:
第一处理子单元,用于测量所述第一网络在所述第一位置处的第三信号强度和在所述第二位置处的第四信号强度;
第二处理子单元,用于根据所述第三信号强度和所述第四信号强度,确定所述第一信号强度差。
进一步地,第二处理单元,包括:
第三处理子单元,用于获取所述第一网络在所述第一位置处的测量报告,并根据所述测量报告,确定所述第一网络的所述第一信号强度。
进一步地,所述第一网络对应第一传输频率,所述第二网络对应第二传输频率,第三处理单元,包括:
第四处理子单元,用于根据所述第一传输频率和所述第二传输频率,确定所述第一网络的第三信号强度差,其中,所述第三信号强度差为分别对应所述第一传输频率和所述第二传输频率的所述第一网络在相同位置处的信号强度差;
第五处理子单元,用于根据所述第三信号强度差、所述第一网络的第一网络制式和所述第二网络的第二网络制式,确定所述第二信号强度差。
进一步地,所述装置还包括:
第一获取单元,用于获取第一区域的第一环境特征因子和第二区域的第二环境特征因子;
第五处理单元,用于根据所述第一环境特征因子和所述第二环境特征因子,确定所述第一区域和所述第二区域的环境相似度;
第六处理单元,用于当所述环境相似度大于预设阈值时,获取所述第一网络在所述第二区域的第一信号覆盖模型,并将所述第一信号覆盖模型用作所述第一网络在所述第一区域的信号覆盖模型;
第七处理单元,用于根据所述第一信号覆盖模型,确定所述第二网络在所述第一区域的第二信号覆盖模型;
第八处理单元,用于根据所述第二信号覆盖模型,确定所述第二网络的所述第二信号强度。
进一步地,所述装置还包括:
第九处理单元,用于利用所述第一环境特征因子,对所述第一信号覆盖模型进行校正,得到第三信号覆盖模型,并将所述第三信号覆盖模型用作所述第一网络在所述第一区域的信号覆盖模型;
第十处理单元,用于根据所述第三信号覆盖模型,确定所述第二网络在所述第一区域的第二信号覆盖模型。
第三方面,本申请提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面中任一项所述的方法。
第四方面,本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面中任一项所述的方法。
本发明提供一种网络信号强度评估方法、装置、设备及存储介质,该方法包括:确定第一网络的第一信号强度差,其中,第一信号强度差为第一网络在第一位置处与第二位置处的信号强度差值,第一位置与第二位置位于第一区域内;确定第一网络与第二网络在相同位置处的第二信号强度差;确定第一网络在第一位置处的第一信号强度;根据第一信号强度、第一信号强度差和第二信号强度差,确定第二网络在第二位置处的第二信号强度。该方法实现了利用第一网络的信号覆盖情况,间接评估第二网络的信号覆盖情况,能在第一网络和第二网络覆盖区域内的不同位置处大规模、全面、精准地测试第二网络信号覆盖强度,测试结果精确高,测试范围受限小。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本申请实施例提供的一种网络信号强度评估方法的流程示意图;
图1a为本申请实施例提供的一种网络信号强度评估的应用场景图;
图2为本申请实施例提供的另一种网络信号强度评估方法的流程示意图;
图3为本申请实施例提供的一种网络信号强度评估装置的流程示意图;
图4为本申请实施例提供的另一种网络信号强度评估装置的结构示意图;
图5为本申请实施例提供的一种网络信号强度评估设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
首先对本发明所涉及的名词进行解释:
窄带蜂窝物联网(NB-IoT):是万物互联网络的一个重要分支,构建于蜂窝网络,可直接部署于GSM网络、UMTS网络或LTE网络,支持低功耗设备在广域网的蜂窝数据连接,也被叫做低功耗广域网。
MR数据:测量报告,是指信息在业务信道上每480ms(信令信道上470ms)发送一次数据,这些数据可用作网络评估和优化。
本发明具体的应用场景:随着物联网技术的发展,窄带蜂窝物联网(NB-IoT)越来越受到产业界的关注。NB-IoT技术的构建基于蜂窝移动网络,具有低成本、低功耗、大连接和覆盖广等优势,在智能抄表、智能停车、智慧城市等领域都具有广泛的应用。NB-IoT终端的待机时间长,为了节省终端功耗以支持长时间的待机,NB-IoT技术不支持上报测量报告MR,因此无法利用测量报告MR直接评估NB-IoT网络的信号覆盖情况,因此如何准确评估NB-IoT网络信号覆盖情况是一个难点。现有的NB-IoT网络网络信号强度评估方法主要有基于HATA、SPM等传播模型的仿真信号覆盖强度,以及路测评估方法。
然而,仿真网络信号强度评估方法过于依赖于模型参数准确性,利用该方法难以快速迭代以贴近实际,无法准确反映真实环境的信号覆盖强度。而路测评估方法,受限于路测只能遍历主干道区域信号覆盖情况,对于典型的NB-IoT物联网应用场景,如室内、地下停车场等深度覆盖区域,道路测试评估信号覆盖强度困难。因此,需要一种能够大规模、全面且精准测试NB-IoT物联网信号覆盖强度的方法。
本发明提供的网络覆盖强度评估的方法,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图1为本申请实施例提供的一种网络信号强度评估方法的流程图,如图1所示,该方法包括:
步骤101、确定第一网络的第一信号强度差,其中,第一信号强度差为第一网络在第一位置处与第二位置处的信号强度差值,第一位置与第二位置位于第一区域内。
在本实施例中,具体地,本实施例的执行主体为终端设备或者设置在终端设备上的服务器、或者控制器、或者其他可以执行本实施例的装置或设备,本实施例以执行主体为终端设备为例进行说明。
第一网络可以是领域内常用的移动通信网络,例如可以是GSM网络、UMTS网络或LTE网络。第一区域可以是第一网络覆盖范围内的任意一个区域,例如可以是某小区、某停车场或者某栋楼等。第一区域的第一位置和第二位置是指由于外部环境不同而形成的同一区域内的不同位置,例如可以是某栋楼的室内和室外,或者某栋楼的地上部分和地下停车场,或者某小区地面和地下管道,某停车场的地下一层和地下二层等,图1a为本申请实施例提供的一种网络信号强度评估的应用场景图,如图1a所示,第一区域为停车场,第一位置为停车场一层,第二位置为停车场负一层。网络信号从基站的发射天线发出后,在传输至第一区域的过程中,由于受传输路径中如建筑物、树木等外部环境的影响,到达第一区域内的网络信号强度会有所衰减;同时,到达第一区域内的网络信号,受第一区域内不同位置间外部环境的影响,在第一区域内不同位置中检测到的网络信号的强度也会存在差异,因此,第一网络在第一区域内第一位置处的第三信号强度和第一网络在第一区域内第二位置处的第四信号强度间会存在第一信号强度差值。
可选地,可以通过测量第一网络在第一位置处的第三信号强度和在第二位置处的第四信号强度;根据第三信号强度和第四信号强度,确定第一信号强度差。
第一网络在第一区域内第一位置处的第三信号强度和第二位置处的第四信号强度均可以采用领域内的常规方法测量获得。例如可以通过呼叫质量拨打测试(CQT)或者点测(DT)等方法直接测量获取第一网络在第一区域内第一位置处的第三信号强度和第二位置处的第四信号强度,其中CQT和DT方法均是本领域内的常规方法,在此不再赘述。
第一信号强度差值是指第一区域内第一位置处的第三信号强度和第二位置处的第四信号强度之差。对于第一区域内的第一位置和第二位置来说,第一位置和第二位置的外部环境是已知且固定不变的,已知且固定不变的外部环境对网络信号强度的影响也是恒定的,因此,第一网络在第一区域内第一位置和第二位置间的第一信号强度差值也是恒定不变的。因而,可以通过CQT或DT方法分别获取第一网络在第一位置和第二位置中的大量第三信号强度和第四信号强度的数值,并对这些点信号强度的数值和第四信号强度的数值分别求平均值后,用于计算第一信号强度差值。
步骤102、确定第一网络与第二网络在相同位置处的第二信号强度差。
在本实施例中,具体地,第二信号强度差值是指由于第一网络和第二网络的网络制式不同而导致的网络信号强度差异。对于已知的第一网络和第二网络来说,第一网络和第二网络间的第二信号强度差值是恒定不变,例如,对于LTE网络和NB-IoT网络来说,由于受网络制式的影响,同频率且相同传输路径的LTE网络信号与NB-IoT网络信号的信号强度会存在差异,该差值仅由LTE网络和NB-IoT网络的网络制式决定。第一网络和第二网络间的第二信号强度差值可以通过其各自的网络信号传播模型来进行确定。
其中,如图1a所示,第一网络和第二网络可以共用同一个发送站点和发送天线,如此,可以确保第一网络信号和第二网络信号均能经过相同的传输路径而到达相同的区域,确保第一网络信号和第二网络信号具有相同的传输损耗。第一网络可以是自身网络信号强度比较容易测量的移动无线网络,例如可以是GSM网络、UMTS网络或LTE网络;第二网络可以是自身网络信号强度较难测量的其它无线网络,例如可以是NB-IoT网络。本实施例以第一网络为LTE网络、第二网络为NB-IoT网络来进行说明。
示例性地,当第一网络为LTE网络,第二网络为NB-IoT网络时,在NB-IoT网络和LTE网络的信号传输频率相同的情况下,NB-IoT网络制式的信号传播模型具体为:
NB信号强度=10×log10(P1×1000/x1),
其中,P1是指NB-IoT网络的信号发射功率,x1是NB-IoT网络在指测量频率带宽上承载参考信号的资源元素(RE)的数目,对于NB-IoT网络来说,x1通常取值为12;
LTE网络制式的信号传播模型具体为:
LTE信号强度=10×log10(P2×1000/x2),
其中,P2是指LTE网络的信号发射功率,x2是LTE网络在指测量频率带宽上承载参考信号的资源元素(RE)的数目,对于LTE网络来说,x2通常取值为1200;NB-IoT网络和LTE网络的第二信号强度差值为:
第二信号强度差值=NB信号强度-LTE信号强度。
由于本实施例中NB-IoT网络和LTE网络的信号传输频率相同,且NB-IoT网络和LTE网络共用同一个发送站点和发送天线,因此NB-IoT网络信号和LTE网络信号到达同一位置的传播路径也相同,因此,NB-IoT网络信号和LTE网络信号的传播损耗也相同,则对于确定的NB-IoT网络和LTE网络来说,当发射功率P1和P2确定后,在网络覆盖区域内的任意位置处第二信号强度差值为一相同且确定的数值。
第一网络对应第一传输频率,第二网络对应第二传输频率,可选地,确定第一网络与第二网络在相同位置处的第二信号强度差,包括:根据第一传输频率和第二传输频率,确定第一网络的第三信号强度差,其中,第三信号强度差为分别对应第一传输频率和第二传输频率的第一网络在相同位置处的信号强度差;根据第三信号强度差、第一网络的第一网络制式和第二网络的第二网络制式,确定第二信号强度差。
在本实施例中,具体地,本实施例适用于第一网络的第一传输频率与第二网络的第二传输频率不同的情形。对于通过相同的传输路径并传输相同的距离的两个网络信号来说,它们在传输过程中的传输损耗仅与其各自的信号传输频率有关,而与其各自的网络制式无关;本实施例的第一网络和第二网络共用同一个发送站点和发送天线,当其各自的网络信号经过相同的传输路径传输至相同的区域时,其各自的网络信号强度传输损耗仅由各自的信号传输频率决定;因此,在第一区域内,第一网络与第二网络在第一传输频率和第二传输频率上的信号强度差值相等,也就是说,第一网络在第一传输频率和第二传输频率间的第三信号强度差可以代表第二网络在第一传输频率和第二传输频率间的信号强度差值。
在本实施例中,以第一网络为LTE网络、第二网络为NB-IoT网络来进行说明。相较于其他移动无线网络,LTE网络能够对第一区域进行精准定位,因此能够准确获取其在第一区域出的测量报告MR,从而能够准确测量其在第一区域内的第三信号强度;此外,LTE网络还可以满足更多的信号传输频率要求,可以基于多种信号传输频率对NB-IoT网络的信号强度进行评估。
对于LTE网络来说,LTE网络的网络信号在自由空间中传输的传输损耗模型为:
Los=32.44+20log10d+20log10f,
其中,d是指LTE网络信号在自由空间中的传输距离,f是指LTE网络的信号传输频率;
在经过相同的传输路径,传输到同一区域位置的同一位置的前提下,LTE网络在第一传输频率f1和第二传输频率f2上的信号覆盖强度差值,即第三信号强度差值为:
ΔLos=20log10f1-20log10f2,
对于确定的NB-IoT网络和LTE网络来说,当第一传输频率f1和第二传输频率f2确定之后,在网络覆盖区域内的任意位置处,第三信号强度差均为一个相同且确定的值。
步骤103、确定第一网络在第一位置处的第一信号强度,并根据第一信号强度、第一信号强度差和第二信号强度差,确定第二网络在第二位置处的第二信号强度。
在本实施例中,具体地,由于第一网络与第二网络共用同一个发送站点和发送天线,因此,第一网络信号和第二网络信号传输至第一区域内的传输路径相同,相应地,第一网络信号和第二网络信号在传输过程中的传输损耗也相同;同时,参见步骤101的分析,第一区域内第一位置和第二位置的外部环境对网络信号强度的影响是恒定的,因此,第二网络与第一网络在第一位置处第一位置和第二位置间的信号强度差值是相同的,也就是说,前述的第一信号强度差也可以代表第二网络在第一区域内第一位置和第二位置间的信号强度差;此外,参见步骤102的分析,第一网络和第二网络间的第二信号强度差也是恒定不变的,因此可以利用第一网络在第一区域内第一位置处的第一信号强度来评估第二网络在第一区域内第二位置处的第二信号强度。
在实际测量中,第一区域内的第一位置可以是第一网络的信号覆盖强度较高且方便测量第一网络信号强度的位置,例如可以是某栋楼的地上部分等;第一区域内的第二位置是需要测量第二网络信号强度的位置,例如可以是某栋楼的地下停车场等。
其中,第一网络在第一区域内的第一位置处的第一信号强度可以利用领域内的常规方法进行测量,例如,当第一网络为移动无线网络时,可以利用第一网络在第一区域内的第一位置处的测量报告MR来测量第一网络的第一信号强度。
其中,根据第一信号强度、第一信号强度差和第二信号强度差,确定第二网络在第二位置处的第二信号强度,可以是将第一信号强度与第一信号强度差、第二信号强度差直接相加或相减,也可以是分别对第一信号强度、第一信号强度差和第二信号强度差进行加权处理后再进行相加或相减。
本实施例中通过确定第一网络的第一信号强度差,其中,第一信号强度差为第一网络在第一位置处与第二位置处的信号强度差值,第一位置与第二位置位于第一区域内;确定第一网络与第二网络在相同位置处的第二信号强度差;确定第一网络在第一位置处的第一信号强度;根据第一信号强度、第一信号强度差和第二信号强度差,确定第二网络在第二位置处的第二信号强度,实现了利用第一网络的信号覆盖情况,间接评估第二网络的信号覆盖情况,网络信号强度评估结果精确高,评估范围受限小,能在第一网络和第二网络覆盖区域内的不同位置实现大规模、全面、精准、低成本的网络信号强度评估。
图2为本申请实施例提供的又一种网络信号强度评估方法的流程图,在图1的基础上,如图2所示,在实施例1的基础上,该方法包括:
步骤201、获取第一区域的第一环境特征因子和第二区域的第二环境特征因子;根据第一环境特征因子和第二环境特征因子,确定第一区域和第二区域的环境相似度。
在本实施例中,具体地,本实施例适用于第一区域内没有第一网络覆盖,或者第一网络在第一区域内的信号覆盖情况较差的情形,此时,难以在第一区域内实现大范围、大规模的第一网络信号覆盖强度的精确测量,因此,可以选择与第一区域内的外部环境相似的第二区域来间接评估第一区域内的第一网络覆盖区域内的信号覆盖强度。
其中,第一环境特征因子和第二环境特征因子是指能分别反应第一区域和第二区域的外部环境的一类数据,其数据类型可以是领域内常规的,例如,可以是图片、数值或者3D模型等。其中,第一环境特征因子和第二环境特征因子的获取方法可以是领域内的常规方法,本实施例不再赘述。
根据第一环境特征因子和第二环境特征因子确定第一区域和第二区域的环境相似度,第一环境特征因子和第二环境特征因子越接近,第一区域和第二区域的环境相似度越高。
步骤202、当环境相似度大于预设阈值时,获取第一网络在第二区域的第一信号覆盖模型,并将第一信号覆盖模型用作第一网络在第一区域的信号覆盖模型。
在本实施例中,具体地,若第一区域和第二区域的环境相似度大于预设阈值时,说明第一区域的外部环境与第二区域的外部环境相似或者相同,此时,可以将第一网络在第二区域内的第一信号覆盖模型作为第一网络在第一区域内的信号覆盖模型。
其中,可以根据第一网络在第二区域内的MR数据,确定第一网络在第二区域内的信号覆盖强度,并综合考虑影响信号传播强度的多个因素,例如频率、传播距离、发射功率等,然后确定信号覆盖强度与该多个因素的关系,即为第一网络在第二区域内的第一信号覆盖模型。第一信号覆盖模型可以包括第二区域内不同位置下的信号覆盖模型,即可以针对第二区域内的不同位置,计算不同的第一信号覆盖模型。
本实施例中,假设以第一网络为LTE网络,第二网络为NB-IoT网络来进行说明。假设LTE网络在第二区域内的信号覆盖强度的影响因素为传播距离和传输频率,并以此对本实施例进行说明:
令信号覆盖强度为y,信号传播距离为x,传输频率为z,通过LTE网在第二区域覆盖区域内的MR数据确定y值,而对于覆盖区域内的确定位置来说,信号传播距离x可以确定,对于确定的LTE网络来说,传输频率z值也可以确定,因此,可以得到LTE网络在第二区域内的第一信号覆盖模型为:
y=a1x+b1z
其中,a1和b1为与第二区域内的外部环境相适应的确定的常数,并且,对于不同的位置来说,a1和b1的常数值可以作相应变化。
由于第二区域内的外部环境与第一区域内相似,此处所说的外部环境相似包括但不限于地形相似、建筑物形状和大小相似等,而且第二区域内与第一区域内的位置布局也相似,因此,可以认为第一网络在第一区域和第二区域内的信号覆盖模型相同。
步骤203、根据第一信号覆盖模型,确定第二网络在第一区域的第二信号覆盖模型。
在本实施例中,具体地,根据步骤202的分析,第一信号覆盖模型可以代表第一网络在第一区域的信号覆盖模型,而根据实施例1的分析,可以根据第一网络在第一区域内的覆盖情况来评估第二网络在第一区域内的覆盖情况,因此,可以根据第一信号覆盖模型,确定第二网络在第一区域的第二信号覆盖模型。
本实施例在基于第一区域与第二区域外部环境相似的前提下,利用第一网络在第二区域内各位置下的第一信号覆盖模型来推测第一网络在第一区域内相应位置下的信号覆盖模型,然而,第一区域和第二区域内的外部环境始终存在一定差异,因此,第一信号覆盖模型不一定完全适用于第一网络在第一区域内的信号覆盖情况,为了得到第一网络在第一区域内更加精确的网络覆盖模型,还需要在第一区域内对第一信号覆盖模型进行校准。
校准方法可以在较宽的范围内选择,例如,可以采取如下方法进行校准:利用第一环境特征因子,对第一信号覆盖模型进行校正,得到第三信号覆盖模型,并将第三信号覆盖模型用作第一网络在第一区域的信号覆盖模型。在第一区域内布置至少一个第一网络的基站,并使基站的网络覆盖第一区域内的所有位置,在任意一个位置内选取至少两点,根据该至少两点处的x值、y值和z值,以第一信号覆盖模型为基础,分别对第一信号覆盖模型中的a1和b1的取值进行校准,得到与该位置相适应的a3和b3值,即可得到第一网络在第一区域内相应位置下的第三信号覆盖模型:
y=a3x+b3z
利用上述方法,遍历第一区域内的所有位置,即可得到代表第一网络在第一区域内的信号覆盖强度的第三信号覆盖模型。
相应地,根据第一信号覆盖模型,确定第二网络在第一区域的第二信号覆盖模型,包括:根据第三信号覆盖模型,确定第二网络在第一区域的第二信号覆盖模型。参见实施例1的分析,第一网络和第二网络在同一位置处的信号强度差异主要为第二信号强度差,因此,将第三信号覆盖模型与第二信号强度差累加,即可得到第二信号覆盖模型。
步骤204、根据第二信号覆盖模型,确定第二网络的第二信号强度。
在本实施例中,具体地,对于待测区域的某一个位置来说,其距离第二网络发送基站的传输距离是已知的,第二网络对应的传输频率是已知的,因此可以根据第二信号覆盖模型,确定第二网络的第二信号强度。
本实施例中通过获取第一区域的第一环境特征因子和第二区域的第二环境特征因子;根据第一环境特征因子和第二环境特征因子,确定第一区域和第二区域的环境相似度;当环境相似度大于预设阈值时,获取第一网络在第二区域的第一信号覆盖模型,并将第一信号覆盖模型用作第一网络在第一区域的信号覆盖模型;根据第一信号覆盖模型,确定第二网络在第一区域的第二信号覆盖模型,通过将第二区域内的第一网络的第一信号覆盖模型,作为与第二区域内具有相似环境的第一区域内的第一网络的信号覆盖模型,并根据第一信号覆盖模型确定第二网络在第一区域的第二信号覆盖模型,通过利用相关网络在相似环境下的信号覆盖模型,评估无法通过测量数据确定信号强度的网络的信号强度,网络信号评估方式灵活,评估成本低,有利于减小资源开销;实现了在没有相关网络覆盖的区域内的网络信号强度评估,实现了大规模、全面的网络信号强度测试,评估结果精度高,适用范围广。
图3为本申请实施例提供的一种网络信号强度评估装置的结构示意图,如图3所示,包括:
第一处理单元1,用于确定第一网络的第一信号强度差,其中,第一信号强度差为第一网络在第一位置处与第二位置处的信号强度差值,第一位置与第二位置位于第一区域内;
第二处理单元2,用于确定第一网络与第二网络在相同位置处的第二信号强度差;
第三处理单元3,用于确定第一网络在第一位置处的第一信号强度;
第四处理单元4,用于根据第一信号强度、第一信号强度差和第二信号强度差,确定第二网络在第二位置处的第二信号强度。
本实施例中通过确定第一网络的第一信号强度差,其中,第一信号强度差为第一网络在第一位置处与第二位置处的信号强度差值,第一位置与第二位置位于第一区域内;确定第一网络与第二网络在相同位置处的第二信号强度差;确定第一网络在第一位置处的第一信号强度;根据第一信号强度、第一信号强度差和第二信号强度差,确定第二网络在第二位置处的第二信号强度,实现了利用第一网络的信号覆盖情况,间接评估第二网络的信号覆盖情况,网络信号强度评估结果精确高,评估范围受限小,能在第一网络和第二网络覆盖区域内的不同位置实现大规模、全面、精准、低成本的网络信号强度评估。
图4为本申请实施例提供的又一种网络信号强度评估装置的结构示意图,在图3基础上,如图4所示,包括:
第一处理单元1,包括:
第一处理子单元11,用于测量第一网络在第一位置处的第三信号强度和在第二位置处的第四信号强度;
第二处理子单元12,用于根据第三信号强度和第四信号强度,确定第一信号强度差。
第二处理单元2,包括:
第三处理子单元21,用于获取第一网络在第一位置处的测量报告,并根据测量报告,确定第一网络的第一信号强度。
第一网络对应第一传输频率,第二网络对应第二传输频率,第三处理单元3,包括:
第四处理子单元31,用于根据第一传输频率和第二传输频率,确定第一网络的第三信号强度差,其中,第三信号强度差为分别对应第一传输频率和第二传输频率的第一网络在相同位置处的信号强度差;
第五处理子单元32,用于根据第三信号强度差、第一网络的第一网络制式和第二网络的第二网络制式,确定第二信号强度差。
本装置还包括:
第一获取单元5,用于获取第一区域的第一环境特征因子和第二区域的第二环境特征因子;
第五处理单元6,用于根据第一环境特征因子和第二环境特征因子,确定第一区域和第二区域的环境相似度;
第六处理单元7,用于当环境相似度大于预设阈值时,获取第一网络在第二区域的第一信号覆盖模型,并将第一信号覆盖模型用作第一网络在第一区域的信号覆盖模型;
第七处理单元8,用于根据第一信号覆盖模型,确定第二网络在第一区域的第二信号覆盖模型;
第八处理单元9,用于根据第二信号覆盖模型,确定第二网络的第二信号强度。
本装置还包括:
第九处理单元10,用于利用第一环境特征因子,对第一信号覆盖模型进行校正,得到第三信号覆盖模型,并将第三信号覆盖模型用作第一网络在第一区域的信号覆盖模型;
第十处理单元11,用于根据第三信号覆盖模型,确定第二网络在第一区域的第二信号覆盖模型。
本实施例中通过获取第一区域的第一环境特征因子和第二区域的第二环境特征因子;根据第一环境特征因子和第二环境特征因子,确定第一区域和第二区域的环境相似度;当环境相似度大于预设阈值时,获取第一网络在第二区域的第一信号覆盖模型,并将第一信号覆盖模型用作第一网络在第一区域的信号覆盖模型;根据第一信号覆盖模型,确定第二网络在第一区域的第二信号覆盖模型,通过将第二区域内的第一网络的第一信号覆盖模型,作为与第二区域内具有相似环境的第一区域内的第一网络的信号覆盖模型,并根据第一信号覆盖模型确定第二网络在第一区域的第二信号覆盖模型,通过利用相关网络在相似环境下的信号覆盖模型,评估无法通过测量数据确定信号强度的网络的信号强度,网络信号评估方式灵活,评估成本低,有利于减小资源开销;实现了在没有相关网络覆盖的区域内的网络信号强度评估,实现了大规模、全面的网络信号强度测试,评估结果精度高,适用范围广。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是根据本申请实施例的网络信号强度评估的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的网络信号强度评估的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的网络信号强度评估的方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的网络信号强度评估的方法对应的程序指令/模块(例如,附图3所示的获取单元1、第一处理单元2和第二处理单元3)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的网络信号强度评估的方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据网络信号强度评估的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至网络信号强度评估的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
网络信号强度评估的方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与网络信号强度评估的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
在本申请实施例中,上述各实施例之间可以相互参考和借鉴,相同或相似的步骤以及名词均不再一一赘述。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (16)
1.一种网络信号强度评估方法,其特征在于,包括:
确定第一网络的第一信号强度差,其中,所述第一信号强度差为所述第一网络在第一位置处与第二位置处的信号强度差值,所述第一位置与所述第二位置位于第一区域内;
确定所述第一网络与第二网络在相同位置处的第二信号强度差;
确定所述第一网络在所述第一位置处的第一信号强度;
根据所述第一信号强度、所述第一信号强度差和所述第二信号强度差,确定所述第二网络在所述第二位置处的第二信号强度。
2.根据权利要求1所述的方法,其特征在于,确定第一网络的第一信号强度差,包括:
测量所述第一网络在所述第一位置处的第三信号强度和在所述第二位置处的第四信号强度;
根据所述第三信号强度和所述第四信号强度,确定所述第一信号强度差。
3.根据权利要求1所述的方法,其特征在于,确定所述第一网络在所述第一位置处的第一信号强度,包括:
获取所述第一网络在所述第一位置处的测量报告,并根据所述测量报告,确定所述第一网络的所述第一信号强度。
4.根据权利要求1所述的方法,其特征在于,所述第一网络对应第一传输频率,所述第二网络对应第二传输频率,确定所述第一网络与第二网络在相同位置处的第二信号强度差,包括:
根据所述第一传输频率和所述第二传输频率,确定所述第一网络的第三信号强度差,其中,所述第三信号强度差为分别对应所述第一传输频率和所述第二传输频率的所述第一网络在相同位置处的信号强度差;
根据所述第三信号强度差、所述第一网络的第一网络制式和所述第二网络的第二网络制式,确定所述第二信号强度差。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取第一区域的第一环境特征因子和第二区域的第二环境特征因子;
根据所述第一环境特征因子和所述第二环境特征因子,确定所述第一区域和所述第二区域的环境相似度;
当所述环境相似度大于预设阈值时,获取所述第一网络在所述第二区域的第一信号覆盖模型,并将所述第一信号覆盖模型用作所述第一网络在所述第一区域的信号覆盖模型;
根据所述第一信号覆盖模型,确定所述第二网络在所述第一区域的第二信号覆盖模型;
根据所述第二信号覆盖模型,确定所述第二网络的所述第二信号强度。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
利用所述第一环境特征因子,对所述第一信号覆盖模型进行校正,得到第三信号覆盖模型,并将所述第三信号覆盖模型用作所述第一网络在所述第一区域的信号覆盖模型;
根据所述第三信号覆盖模型,确定所述第二网络在所述第一区域的第二信号覆盖模型。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述第一网络为移动无线网络,所述第二网络为窄带蜂窝物联网。
8.一种网络信号强度评估装置,其特征在于,包括:
第一处理单元,用于确定第一网络的第一信号强度差,其中,所述第一信号强度差为所述第一网络在第一位置处与第二位置处的信号强度差值,所述第一位置与所述第二位置位于第一区域内;
第二处理单元,用于确定所述第一网络与第二网络在相同位置处的第二信号强度差;
第三处理单元,用于确定所述第一网络在所述第一位置处的第一信号强度;
第四处理单元,用于根据所述第一信号强度、所述第一信号强度差和所述第二信号强度差,确定所述第二网络在所述第二位置处的第二信号强度。
9.根据权利要求8所述的装置,其特征在于,第一处理单元,包括:
第一处理子单元,用于测量所述第一网络在所述第一位置处的第三信号强度和在所述第二位置处的第四信号强度;
第二处理子单元,用于根据所述第三信号强度和所述第四信号强度,确定所述第一信号强度差。
10.根据权利要求8所述的装置,其特征在于,第二处理单元,包括:
第三处理子单元,用于获取所述第一网络在所述第一位置处的测量报告,并根据所述测量报告,确定所述第一网络的所述第一信号强度。
11.根据权利要求8所述的装置,其特征在于,所述第一网络对应第一传输频率,所述第二网络对应第二传输频率,第三处理单元,包括:
第四处理子单元,用于根据所述第一传输频率和所述第二传输频率,确定所述第一网络的第三信号强度差,其中,所述第三信号强度差为分别对应所述第一传输频率和所述第二传输频率的所述第一网络在相同位置处的信号强度差;
第五处理子单元,用于根据所述第三信号强度差、所述第一网络的第一网络制式和所述第二网络的第二网络制式,确定所述第二信号强度差。
12.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第一获取单元,用于获取第一区域的第一环境特征因子和第二区域的第二环境特征因子;
第五处理单元,用于根据所述第一环境特征因子和所述第二环境特征因子,确定所述第一区域和所述第二区域的环境相似度;
第六处理单元,用于当所述环境相似度大于预设阈值时,获取所述第一网络在所述第二区域的第一信号覆盖模型,并将所述第一信号覆盖模型用作所述第一网络在所述第一区域的信号覆盖模型;
第七处理单元,用于根据所述第一信号覆盖模型,确定所述第二网络在所述第一区域的第二信号覆盖模型;
第八处理单元,用于根据所述第二信号覆盖模型,确定所述第二网络的所述第二信号强度。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第九处理单元,用于利用所述第一环境特征因子,对所述第一信号覆盖模型进行校正,得到第三信号覆盖模型,并将所述第三信号覆盖模型用作所述第一网络在所述第一区域的信号覆盖模型;
第十处理单元,用于根据所述第三信号覆盖模型,确定所述第二网络在所述第一区域的第二信号覆盖模型。
14.根据权利要求8-13任一项所述的装置,其特征在于,所述第一网络为移动无线网络,所述第二网络为窄带蜂窝物联网。
15.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911301717.9A CN111050346B (zh) | 2019-12-17 | 2019-12-17 | 网络信号强度评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911301717.9A CN111050346B (zh) | 2019-12-17 | 2019-12-17 | 网络信号强度评估方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111050346A true CN111050346A (zh) | 2020-04-21 |
CN111050346B CN111050346B (zh) | 2022-09-27 |
Family
ID=70236859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911301717.9A Active CN111050346B (zh) | 2019-12-17 | 2019-12-17 | 网络信号强度评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111050346B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111817840A (zh) * | 2020-05-13 | 2020-10-23 | 国家广播电视总局广播电视规划院 | 单频网信号同步状态监测方法、装置、设备及存储介质 |
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 |
WO2022057619A1 (en) * | 2020-09-15 | 2022-03-24 | International Business Machines Corporation | Predictive communication compensation |
WO2022193757A1 (zh) * | 2021-03-17 | 2022-09-22 | 中兴通讯股份有限公司 | 网络覆盖预测方法及其设备、计算机可读存储介质 |
CN116614187A (zh) * | 2023-07-05 | 2023-08-18 | 广州市梦享网络技术有限公司 | 一种信号强度确定方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010018326A1 (en) * | 1999-12-30 | 2001-08-30 | Link Charles M. | Method and apparatus for fixing the location of a fixed wireless terminal in a wireless network |
US20140206380A1 (en) * | 2013-01-23 | 2014-07-24 | Qualcomm Incorporated | Fast generation of radio coverage map of access points in an indoor environment |
CN106937306A (zh) * | 2015-12-30 | 2017-07-07 | ***通信集团上海有限公司 | 一种网络质量评估方法及装置 |
US20180206128A1 (en) * | 2015-07-13 | 2018-07-19 | Nokia Solutions And Networks Oy | Methods and apparatuses for determining an equivalent cell in a communications network |
CN109041100A (zh) * | 2018-07-27 | 2018-12-18 | 润建通信股份有限公司 | 一种大数据评估NB-IoT网络覆盖与结构的方法 |
CN109462856A (zh) * | 2017-09-06 | 2019-03-12 | ***通信有限公司研究院 | 获取rsrp的方法及网络侧设备 |
CN109873710A (zh) * | 2017-12-05 | 2019-06-11 | ***通信集团吉林有限公司 | 一种网络覆盖性能的预估方法及装置 |
-
2019
- 2019-12-17 CN CN201911301717.9A patent/CN111050346B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010018326A1 (en) * | 1999-12-30 | 2001-08-30 | Link Charles M. | Method and apparatus for fixing the location of a fixed wireless terminal in a wireless network |
US20140206380A1 (en) * | 2013-01-23 | 2014-07-24 | Qualcomm Incorporated | Fast generation of radio coverage map of access points in an indoor environment |
US20180206128A1 (en) * | 2015-07-13 | 2018-07-19 | Nokia Solutions And Networks Oy | Methods and apparatuses for determining an equivalent cell in a communications network |
CN106937306A (zh) * | 2015-12-30 | 2017-07-07 | ***通信集团上海有限公司 | 一种网络质量评估方法及装置 |
CN109462856A (zh) * | 2017-09-06 | 2019-03-12 | ***通信有限公司研究院 | 获取rsrp的方法及网络侧设备 |
CN109873710A (zh) * | 2017-12-05 | 2019-06-11 | ***通信集团吉林有限公司 | 一种网络覆盖性能的预估方法及装置 |
CN109041100A (zh) * | 2018-07-27 | 2018-12-18 | 润建通信股份有限公司 | 一种大数据评估NB-IoT网络覆盖与结构的方法 |
Non-Patent Citations (6)
Title |
---|
李言兵等: "依托GSM900 MR开展NB-IoT覆盖预测的方法", 《移动通信》 * |
王文哲: "基于创新MR技术的NB-IoT覆盖评估新体系", 《邮电设计技术》 * |
肖亚等: "基于MPLA算法的NB-IoT网络覆盖评估", 《电信技术》 * |
胡泽妍等: "NB-IoT网络部署方案探讨", 《邮电设计技术》 * |
蔡文峰等: "基于LTE MR的NB-IoT覆盖算法研究及实现", 《移动通信》 * |
郝建民: "基于网络特性的NB-IoT覆盖能力评估研究", 《无线互联科技》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111817840A (zh) * | 2020-05-13 | 2020-10-23 | 国家广播电视总局广播电视规划院 | 单频网信号同步状态监测方法、装置、设备及存储介质 |
CN111817840B (zh) * | 2020-05-13 | 2023-05-02 | 国家广播电视总局广播电视规划院 | 单频网信号同步状态监测方法、装置、设备及存储介质 |
WO2022057619A1 (en) * | 2020-09-15 | 2022-03-24 | International Business Machines Corporation | Predictive communication compensation |
US11503526B2 (en) | 2020-09-15 | 2022-11-15 | International Business Machines Corporation | Predictive communication compensation |
GB2614993A (en) * | 2020-09-15 | 2023-07-26 | Ibm | Predictive communication compensation |
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 |
WO2022193757A1 (zh) * | 2021-03-17 | 2022-09-22 | 中兴通讯股份有限公司 | 网络覆盖预测方法及其设备、计算机可读存储介质 |
CN116614187A (zh) * | 2023-07-05 | 2023-08-18 | 广州市梦享网络技术有限公司 | 一种信号强度确定方法、装置、设备及存储介质 |
CN116614187B (zh) * | 2023-07-05 | 2024-01-26 | 广州市梦享网络技术有限公司 | 一种信号强度确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111050346B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111050346B (zh) | 网络信号强度评估方法、装置、设备及存储介质 | |
CN112364439B (zh) | 自动驾驶***的仿真测试方法、装置以及存储介质 | |
US9288629B2 (en) | Mobile device positioning system | |
CN103560813A (zh) | 一种基于蓝牙技术的移动终端定位方法及装置 | |
US20190005166A1 (en) | Installation location determination device and method for installation location determination of radio device | |
CN105467358A (zh) | 一种室内定位方法及装置 | |
CN110602736B (zh) | 场强预测方法、装置和计算机设备 | |
CN112218306B (zh) | 基站覆盖性能的预测方法、装置和计算机设备 | |
CN107534949A (zh) | 一种室内定位方法及设备 | |
CN103091662A (zh) | 定位方法、路测终端与手持终端 | |
CN108847899A (zh) | 电子设备射频通信性能测试***、方法、装置及设备 | |
CN108259097B (zh) | 基于mr数据的修正无线传播模型的方法及装置 | |
CN110856100B (zh) | 基于5g信号的终端定位及定位模型构建的方法和装置 | |
CN112487312A (zh) | 关联兴趣点的方法、装置及确定兴趣点状态的方法、装置 | |
CN109408309A (zh) | 多终端的测试方法及装置 | |
JP2018032939A (ja) | 品質推定装置及び品質推定方法 | |
CN102957572B (zh) | 一种***性能评估方法及装置 | |
KR102319704B1 (ko) | 측정 시스템 및 방법 | |
CN112995893A (zh) | 一种指纹定位方法、***、服务器和存储介质 | |
WO2022124968A1 (en) | Method and apparatus for scatterer localization and material identification | |
CN114239232A (zh) | 基于规划评估双反馈技术的复杂电磁环境方案生成方法 | |
CN106793017B (zh) | 一种无线保真Wi-Fi连接方法及移动终端 | |
CN107656260B (zh) | Ap设备空间距离的计算方法、终端设备及存储介质 | |
CN112130100B (zh) | 管道端面剩磁信号确定方法、装置、计算机设备及介质 | |
US20160142099A1 (en) | Tracking asset computing devices |
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 |