CN111163476A - 一种基于无线传播模型的电力无线专网覆盖和干扰确定方法 - Google Patents
一种基于无线传播模型的电力无线专网覆盖和干扰确定方法 Download PDFInfo
- Publication number
- CN111163476A CN111163476A CN202010002159.2A CN202010002159A CN111163476A CN 111163476 A CN111163476 A CN 111163476A CN 202010002159 A CN202010002159 A CN 202010002159A CN 111163476 A CN111163476 A CN 111163476A
- Authority
- CN
- China
- Prior art keywords
- scene
- wireless propagation
- model
- wireless
- propagation model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000005540 biological transmission Effects 0.000 title claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 117
- 238000012937 correction Methods 0.000 claims abstract description 110
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000000638 solvent extraction Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 31
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 108090000623 proteins and genes Proteins 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000001102 characteristic energy-loss spectroscopy Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000009365 direct transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229920006068 Minlon® Polymers 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
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
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于无线传播模型的电力无线专网覆盖和干扰确定方法以及无线传播模型参数校正方法,无线传播模型参数校正方法包括:获取无线传播模型参数待优化的区域地理信息、区域路测数据;识别和划分区域内的无线传播环境;建立基于射线跟踪的跨场景无线传播模型;建立所述跨场景无线传播模型的多目标参数校正模型,多目标参数校正模型的优化目标为:所有待优化区域的无线传播模型预测误差最小化,以及重点保障区域的无线传播模型预测误差最小化;采用多目标进化算法进行模型求解,以对跨场景无线传播模型进行优化,得到校正结果;将校正结果代入所述跨场景无线传播模型即得到校正后的无线传播模型,将其用于后续对相应区域的网络覆盖和干扰分析,可提高分析精度。
Description
技术领域
本发明涉及电力无线专网覆盖和干扰分析技术领域,特别是一种基于无线传播模型的电力无线专网覆盖和干扰确定方法。
背景技术
智能电网为应对全球气候变化、促进经济社会可持续发展提供了有效手段。电力行业对无线通信的需求比其他行业更高,LTE电力无线专网是智能电网的核心基础设施,为保证智能电网安全、可靠和稳定运行提供了先进的通信技术。
覆盖和干扰分析是电力无线专网网络规划、优化和运维中的一项重要工作,通过分析基站/小区无线信号和其它各类网内网外无线信号强度的空间分布,判断网络覆盖范围,定位干扰区域或来源,为解决电力专网的网络覆盖和干扰问题提供依据。
目前,与LTE移动通信公网和其它无线专网一样,现有电力无线专网覆盖和干扰分析方法分为两类。第一类方法使用测试设备,沿事先规划的路测(Drive Test)路径进行实地测量,获取路测路径及其周边区域准确的覆盖、干扰信号分布情况,缺点在于路测人工成本高,测试区域有限。第二类方法采用无线传播模型,包括经验传播模型和射线跟踪模型,根据网络工参和地理信息,计算无线信号的空间分布。这类方法可以低成本地分析网络覆盖范围内任意位置的信号分布情况,分析范围涵盖整个网络,不需过多耗时费力的人工测试。这类方法为了提高分析精度,还可使用路测数据,采用最小二乘法和进化算法等优化技术,优化校正无线传播模型参数。
然而目前电力无线专网采用无线传播模型进行覆盖和干扰分析时,仍存在分析结果精度不高的问题。
发明内容
本发明经过研究发现,目前电力无线专网采用无线传播模型进行覆盖和干扰分析时,分析结果精度不高的原因主要有以下两点:
(1)各类地形地物组成了不同的地理场景和无线传播环境,如建筑物密集区、水面、绿地等,虽然不同地理场景下可以采用不同的无线传播模型参数,组成分场景传播模型。但电力无线专网属于大区覆盖,基站发射功率高,小区覆盖半径大,例如可达15km,小区覆盖区域经常横跨多种地理场景和传播环境,目前采用的单一场景或分场景无线传播模型并没有考虑跨场景情况;
(2)电力无线专网不要求百分之百的无缝覆盖,对不同地理位置的预测分析精度要求是不同的,在部署终端设备的测量点等特殊位置需要更准确的分析结果。目前的无线传播模型进行参数校正时,在使用路测数据优化校正模型参数时,只考虑全部路测点预测误差最小化单一目标,没有区别对待测量点等特殊位置,无法保证这些特殊位置的分析预测精度。
因此,本发明的目的是,提供一种电力无线专网融合跨场景无线传播模型的参数校正方法,以及一种基于无线传播模型的电力无线专网覆盖和干扰确定方法,综合考虑无线信号的跨场景传播以及传播模型参数校正优化目标单一的因素,能够提高利用无线传播模型进行电力无线专网覆盖和干扰分析的结果精度。
本发明采取的技术方案如下。
一方面,本发明提供一种无线传播模型参数校正方法,包括:
获取无线传播模型参数待优化的区域地理信息;
获取无线传播模型参数待优化的区域路测数据;
基于已获取的区域地理信息识别和划分区域内的无线传播环境;
基于区域内的无线传播环境,建立基于射线跟踪的跨场景无线传播模型,所述跨场景无线传播模型的待校正参数包括对应区域内各场景下的无线传播模型系数;
基于跨场景无线传播模型以及区域路测数据,建立所述跨场景无线传播模型的多目标参数校正模型,所述多目标参数校正模型的优化目标为:所有待优化区域的无线传播模型预测误差最小化,以及待优化区域中预设重点保障区域的无线传播模型预测误差最小化;
基于多目标参数校正模型,采用多目标进化算法进行模型求解,以对跨场景无线传播模型进行优化,得到跨场景无线传播模型参数的校正结果;
将所述校正结果代入所述跨场景无线传播模型即得到校正后的无线传播模型。
校正后的无线传播模型可用于后续对相应区域的网络覆盖和干扰分析,提高分析精度。
可选的,所述无线传播模型参数待优化的区域地理信息为电子地图形式,包括各待优化基站小区的小区、基站的工参和位置数据;多个待优化基站小区组成待优化小区集合optCell;
各待优化基站小区为历史ATU路测数据与无线传播模型预测值之间误差大于设定误差阈值的小区。所述设定误差阈值可为10dBm。
可选的,对于各基站小区,所述区域路测数据包括:对应小区基站有效范围的不同方向分别设置的多个测量点的路测数据。各基站有效范围内不同方向上设置的测量点数量可根据小区数量、区域大小等因素进行调整。
可选的,所述待优化网络覆盖区域的路测数据获取包括步骤:
针对各待优化基站小区,在其有效范围内或预设范围内设置预设数量的测量点;
基于多个测量点确定各基站小区内的有效路径段;
将多个待优化基站小区的有效路径段进行连接,使得所有路径形成回路;
基于已连接形成的路径回路,确定路测路径,得到经相应路测路径进行ATU路测的路测数据,形成原始ATU数据集。
可选的,基于已连接形成的路径回路,利用最短回路路径算法,将距离最短的路径作为路测路径。最短回路路径算法可采用中国邮递员路由算法。
可选的,无线传播模型参数方法还包括对无线传播模型参数待优化的各基站小区,分别进行栅格化处理;
定义区域内所有测量点的路测数据集合为DTDataSet;
无线传播模型参数校正方法还包括对所获取的路测数据进行预处理,包括:
对DTDataSet中的路测数据进行清洗,剔除坏数据;
对属于同一栅格的路测数据进行归并处理,确定各栅格的主服务小区;
将路测数据进行分集处理,得到用于无线传播模型参数校正的测试集,以及用于验证无线传播模型校正结果的验证集,所述测试集和验证集中的数据分别皆包括对应各基站小区的路测数据。
所述坏数据为与实际情况明显不符的路测数据。对于各基站小区,栅格化处理时,可将其对应的区域AreaE分割成大小为Hg栅格,预设参数Hg根据分析精度而定,可取为e.g·Hg=5m。
可选的,所述基于已获取的区域地理信息识别和划分区域内的无线传播环境包括:
基于各待优化基站小区已划分的各栅格地理信息,确定各栅格的地物覆盖特征向量;
基于栅格的地物覆盖特征向量,进行栅格聚类,确定各待优化基站小区的地物类型;所述地物类型包括单一地物区域、主导地物区域和混合地物区域;
对于混合地物区域将相应待优化基站小区的网络覆盖区域划分为多个地理场景。
可选的,本发明方法利用ArcGIS平台进行对待优化区域的无线传播环境识别和划分;
栅格聚类后,还对聚类后的簇的边界进行平滑处理,提取簇的近似轮廓;
以经过边界平滑处理后的各个簇作为待优化覆盖区域AreaE的地理场景划分结果,表示为ScenPartition={SCN1,SCN2,…SCNnsc},其中SCNi为由第i个平滑后的簇组成的第i个地理场景。
可选的,所述跨场景无线传播模型的参数包括对应各场景的直射损耗校正系数、反射损耗校正系数和绕射损耗校正系数;
采用多目标进化算法对多目标参数校正模型进行模型求解为:以各个场景下的直射损耗校正系数、反射损耗校正系数和绕射损耗校正系数组成校正参数矩阵,以该参数矩阵作为个体,对应多个待优化区域的多个个体组成种群,使用选择、交叉和/或变异进化算子,迭代优化种群内个体,直至迭代计算过程收敛或达到最大迭代次数,生成一系列非支配解集,从中挑选最优校正参数矩阵,作为无线传播模型的参数校正结果。
第二方面,本发明还提供一种基于无线传播模型的电力无线专网覆盖和干扰确定方法,包括:
获取待分析的电力无线专网覆盖区域的地理信息;
基于所获取的地理信息,利用通过第一方面所述方法校正后的跨场景无线传播模型,确定待分析电力无线专网的覆盖区域的无线信号和干扰信号的分布数据。
有益效果
本发明面向智能电网中的电力无线专网,为网络覆盖分析和干扰分析提供高精度的射线跟踪无线传播模型和模型参数多目标优化校正技术,可解决现有技术无法有效处理无线信号跨场景传播、传播模型参数校正优化目标单一导致的模型分析结果精度不高问题,具体体现在以下两方面:
1.基于射线跟踪的跨场景无线传播模型,可在不同场景采用不同的模型参数。该模型利用电子地图提供的建筑物、绿地、道路、水面等地物信息和数字高层模型等地形信息,跟踪小区无线信号的跨场景、多径传播轨迹,包括直射、反射、绕射、折射轨迹,分析跨场景传播带来的传播损耗,计算在不同地理位置上小区无线信号的接收信号强度,跨场景无线传播模型预测结果更符合不同场景下的真实路测;
2.跨场景无线传播模型的多目标优化参数校正,结合实际路测数据进行多目标优化,能够使得跨场景无线传播模型的预测精度得到大幅度提升。
附图说明
图1所示为一种实施方式的电力无线专网分析方法流程示意图;
图2所示为有效路径段示意图;
图3所示为栅格所属主服务小区示意图;
图4所示为多场景下信号多径传播及栅格接收信号示意图;
图5所示为多目标优化算法流程示意图;
图6所示为初始个体生成示意图。
具体实施方式
以下结合附图和具体实施例进一步描述。
实施例1
参考图1所示,本实施例为一种无线传播模型参数校正方法,包括:
获取无线传播模型参数待优化的区域地理信息;
获取无线传播模型参数待优化的区域路测数据;
基于已获取的区域地理信息识别和划分区域内的无线传播环境;
基于区域内的无线传播环境,建立基于射线跟踪的跨场景无线传播模型,所述跨场景无线传播模型的待校正参数包括对应区域内各场景下的无线传播模型系数;
基于跨场景无线传播模型以及区域路测数据,建立所述跨场景无线传播模型的多目标参数校正模型,所述多目标参数校正模型的优化目标为:所有待优化区域的无线传播模型预测误差最小化,以及待优化区域中预设重点保障区域的无线传播模型预测误差最小化;
基于多目标参数校正模型,采用多目标进化算法进行模型求解,以对跨场景无线传播模型进行优化,得到跨场景无线传播模型参数的校正结果;
将所述校正结果代入所述跨场景无线传播模型即得到校正后的无线传播模型。
实施例1-1
基于实施例1,无线传播模型的参数校正方法各步骤具体实现如下:
步骤1,确定需要进行无线传播模型参数校正的区域
针对需要进行规划优化的LTE电力无线专网,分析已有的ATU路测数据与无线传播模型预测结果间的差异,确定需要进行无线传播模型参数校正的校正区域AreaC,根据小区的规划覆盖半径扩张区域AreaC,得到区域AreaE。获取区域AreaE内的小区、基站的工参和位置数据,区域AreaC内的小区组成优化小区集合optCell。获取以电子地图形式提供的区域AreaE内的地形地物等地理信息。
步骤2,规划路测线路并实施路测,对路测数据进行预处理。
在区域AreaE内,根据小区基站分布情况,规划路测线路,确保在每个基站的有效范围内的不同方向上都至少有N个测量点,N根据校正的小区数量、区域大小来动态调整。沿路测线路实施路测,获得路测数据集合DTDataSet,对DTDataSet中的路测数据进行清洗,剔除与实际情况明显不符的路测数据,并归并整理经过同一栅格的多条路测数据。
步骤3,自动识别划分网络覆盖区域内无线传播环境
利用电子地图提供的区域AreaE内的建筑物等各类地物的图层信息,通过叠加分析计算各个地理栅格内的地物对象占比,并以地理栅格为对象,采用空间聚类方法,将地理位置相近、地物对象占比相同或相似的地理栅格归为同一类地理场景从而将区域AreaE划分为多种类型的无线传播环境,如密集建筑物区域、绿地、水面、道路等。
步骤4,建立基于射线跟踪的跨场景无线传播模型
针对根据步骤3划分得到的每一类地理场景,均构造一个射线跟踪无线传播模型,并设置由该场景决定的模型参数,包括直射损耗校正系数、反射损耗校正系数、绕射损耗校正系数。当使用该模型计算电力无线专网小区无线信号的多径传播轨迹和信号损耗时,根据无线信号反射点所在地理场景,使用该场景下的反射损耗校正系数,计算由于建筑物等地物反射导致的小区无线信号衰减。根据无线信号绕射点所在地理场景,使用该场景下的绕射损耗校正系数,计算由于建筑物棱边绕射导致的小区无线信号衰减。
针对小区无线信号的直射传播,根据直射路径的起点所在地理场景、直射路径的终点所在地理场景,以及直射路径跨越的其他地理场景,使用这些场景下的直射损耗校正系数,根据小区无线信号在各场景下的直射传播距离,按比例加权计算直射信号的跨场景直射损耗校正系数,进而计算跨场景直射传播导致的小区无线信号衰减。
步骤5,建立无线传播模型的多目标参数校正模型
此步骤将划分出部分小区作为重点优化小区,其优化结果作为一个目标,全部小区优化结果作为另一个目标,在校正区域AreaC内,确定需要优先保障无线信号质量的地理位置点,从优化小区集合optCell中,挑选作为主小区覆盖这些地理位置点的小区,组成重点保障小区集合vipCell。以集合optCell中的全部小区的无线传播模型预测误差最小化为一个优化目标,以集合vipCell中的全部小区的无线传播模型预测误差最小化为另一个优化目标,并确立输入输出和约束条件,建立无线传播模型的多目标参数校正模型。
步骤6,采用多目标进化算法校正无线传播模型的参数
针对步骤5构造的参数校正模型,采用多目标进化算法,以各个场景下的直射损耗校正系数、反射损耗校正系数和绕射损耗校正系数组成校正参数矩阵,以该参数矩阵作为个体,多个个体组成种群,使用选择、交叉和变异等进化算子,迭代优化种群内个体,直至迭代计算过程收敛或达到最大迭代次数,生成一系列非支配解集,评估非支配解集中的个体,从中挑选最优校正参数矩阵,作为无线传播模型的参数校正结果。用路测数据集DTDataSet验证模型参数的校正效果。
实施例1-2
本实施例具体介绍电力无线专网融合场景无线传播模型的参数校正方法实现过程。
一、确定需要进行无线传播模型参数校正的区域
需根据分析已有的ATU路测信息、基站小区工参信息和无线传播模型确定需要进行无线传播模型参数校正的区域,具体步骤有:
步骤1.1,采集判断数据。
对已有的ATU路测信息按照基站小区位置信息均匀采样,比如说在以每个小区的基站为中心,半径r的范围AreaC内,均匀采样ATU路测数据,每个小区都保证至少有n个路测数据,r可取500m,n可取10。
步骤1.2,确定校正小区集合optCell。
将采样的每个小区的ATU路测数据和已有的无线传播模型的预测值进行对比,将平均误差大于10dBm的小区信息记录下来,放入校正小区集合optCell;
步骤1.3,将步骤1.2得到的optCell中的基站小区及在其半径r1的区域圈出来,平滑边界取大致范围,r1可取750m;
步骤1.4,获得步骤1.3圈出的范围内所有基站小区的工参,和周边一定范围内的基站小区工参和终端设备信息。终端即电力无线专网终端,终端设备的测量信息包括参考信号接收功率、信噪比、接收信号功率、参考信号接收质量,以及终端设备接收的小区物理标识、网络号、BAND号等信息。
步骤1.5,覆盖区域栅格化,将区域AreaE分割成大小为Hg栅格,预设参数Hg根据分析精度而定,可取,e.g.Hg=5m。
二、规划路测路径,沿路测路径实施路测,对路测数据进行预处理
根据基站分布情况,确保每个基站的有效范围内的不同方向都要有至少N个测量点,具体步骤有:
步骤2.1,记录有效路径:将每个基站周围的有效半径r2内的有效路径段记录下来,如图2所示,r2可取500m;
步骤2.2,连接有效路径段:将步骤2.1中记录的路径段连接起来,保证所有路径可形成回路;
步骤2.3,计算最短回路路径:对步骤2.2中的所有路径段采用中国邮递员路由算法,计算一次最短回路路径。
步骤2.4,采集路测数据:网络工作人员利用规划好的路径进行ATU路测,形成原始ATU数据集。
步骤2.5,预处理路测数据:对原始ATU路测数据进行预处理清洗,剔除掉严重偏离事实情况的不合理路测数据。
步骤2.6,划分路测集:对处理好的ATU路测数据划分集合,分别划分为用于参数校正的测试集和用于验证校正效果的验证集,两个集合的ATU路测数据分别均匀分布于各基站的有效范围内。
步骤2.7,预处理栅格路测数据:在实际工作中,需要根据每个栅格的路测数据和模型预测数据计算其误差值。找到有效栅格,每个栅格可能接收来自多个小区的多个路测点如图3所示,需要提前对所有有效栅格的路测数据进行处理,确定每个有效栅格的有效路测数据,在对栅格路测数据处理时,需要确定接收的每个小区的信号强度的最大点和平均点,确定栅格的主服务小区。
三、识别和划分网络覆盖区域内的无线传播环境/地理场景
对覆盖区域进行场景划分的目的是由于在不同场景中,小区的业务负荷不同,每个信号接收点的RSRP计算结果也不同,将每类区域的无线传播模型分别进行校正,以获得更精确的信号功率计算结果。步骤如下:
步骤3.1,叠加分析。
在栅格图层中记录每个栅格的地理信息,包括每个栅格的横纵坐标,最小经纬度,最大经纬度,中心经纬度。
在使用ArcGIS时,通过创建和加载不同的图层,进行三维场景建模并展示地理环境,因此在将覆盖区域划分为不同的栅格后,我们建立的不同地理特征的栅格图层并且对这些图层进行叠加。
对于第m个栅格gm∈GRDS,gm中心点为gm·cp,栅格的坐标为gm·cp的坐标gm·x,gm·y,gm·z,最小经纬度gm·minlon、gm·minlat,最大经纬度gm·maxlon、gm.maxlat,中心经纬度gm·cenlon、gm·cenlat,此外,gm还有特征属性gm·fea、场景属性gm·sc,场景属性根据栅格中心点所处地形地貌决定。然后统计覆盖区域内的所有地面栅格的总数、每个栅格的地物类型、每种地物类型的占比。获得各个栅格的地物覆盖特征向量,栅格gm里的建筑物占比为ratbul(gm),绿地占比为ratgre(gm),河流占比为ratriv(gm),栅格gm的特征向量可表达为:
gfv(m)=<ratbul(gm),ratgre(gm),ratriv(gm),ratosp(gm),…>
步骤3.2,栅格聚类。
经过叠加分析后的简单聚类,可以大致将电力无线专网覆盖区域分为三类区域:
单一地物区域:区域中只有一种类型地物;
主导地物区域:区域中有多种地物,但是其中一种类型的地物的占比较大,比例大于某一设定的比例;
混合地物区域:区域中有多种地物,没有主导地物类型。
根据每个栅格的地理位置、建筑物、特征标识等信息,采用基于栅格密度的空间聚类方法,对各个栅格的地物覆盖特征向量进行聚类,将栅格集合划分为不同的聚类,将达到一定地理特征的栅格集合定义为一个场景,以此将网络覆盖区域划分为多个地理场景。
步骤3.3,边界平滑。
对划分后的簇的边界进行平滑处理,提取簇的近似轮廓,以去除聚类后的场景边界的模糊性,获得连贯清晰的场景划分的边界。
步骤3.5,获取地理场景划分结果
以经过边界平滑处理后的各个簇作为覆盖区域AreaE的地理场景划分结果,表示为ScenPartition={SCN1,SCN2,…SCNnsc},其中SCNi为由第i个平滑后的簇组成的第i个地理场景。
四、建立基于射线跟踪的跨场景无线传播模型
步骤4.1设置参数矩阵。
对每个场景均引入各自独立的直射、反射、绕射校正系数,δ表示待校正的参数,下标dir、ref、dif分别代表直射、反射、绕射的情况,在全网场景分类ScenPartition={SCN1,SCN2,…SCNnsc}中,射线跟踪模型校正参数可根据场景表述为二维矩阵形式:
步骤4.2计算跨场景的小区信号接收功率
在使用正向射线跟踪的前提下,建立跨场景的传播模型,图4为三个场景下栅格gi接收4条射线轨迹的示意图。
考虑到分场景情况,带有参数校正的接收功率计算公式为
,其中p0为小区cj的天线发射功率,λ为波长,d是射线轨迹traj(cj,gi,r0)的路径长度,Rl为射线轨迹第l次反射发生的损耗,Dm为射线轨迹第m次绕射发生的损耗,Uh为射线轨迹第h次透射发生的损耗。表示d在场景sci所占的比例,在场景sci中,直射校正系数为δref Resc(l)为传播轨迹中发生第l次反射时反射点所在场景的反射校正系数,δdif Dfsc(m)为传播轨迹中发生第m次绕射时绕射点所在场景的绕射校正系数。
在实际测量环境中,为了更直观地考察对信号进行考量,需要将信号功率换算为考征功率绝对值的单位:dBm。换算公式如下:
dBm=30+log w
将Pwr(gi,cj)按公式(4)换算为单位为dBm的strCal(gi,cj),表示根据射线跟踪模型计算得到的栅格gi接收到的来自小区cj的信号强度,用以和根据实际测量报告得到的栅格gi接收到的来自小区cj的信号强度strTst(gi,cj)比较。
五、建立多目标无线传播模型的参数优化校正模型
在此步骤中,分别确立多目标无线传播模型的参数优化校正模型的输入输出、优化目标以及约束条件。
步骤5.1,确立模型的输入。
对覆盖区域优化目标划分为重点用网区域和一般区域,在降低整个覆盖区域的覆盖分析误差的前提下,着重对重点用网区域进行优化。已知覆盖区域中的nsc个场景、m个小区及其工参数据、n个路测点,对于优化模型的输入包括如下6点。
(1)覆盖区域及场景划分结果。网络覆盖区域D0的场景划分结果ScenPartition={SCN1,SCN2,…SCNnsc},D0中共有nsc个场景;
(2)覆盖区域内的小区、基站的工参数据。全网小区集合为CellSet={c1,c2,…,cm},共有n个路测点N={g1,g2,…,gn},对于ci∈CELS,所属基站为eh∈ENBS,可用配置为K=(k1,k2,…,kq),定义了小区ci的经度Latitude、维度Longitude、方位角azimuth、下倾角tilt、天线挂高height、小区发射功率emitPower;
(3)VIP小区集合VIPCellSet={c1,c2,…,cnvip}。共有nvip个VIP小区,该集合中的小区为需要重点保障的VIP小区,如重点区域的道路主覆盖小区、优先保障小区等;
(4)路测轨迹及测量报告。轨迹表示为经过的栅格,但1个栅格中可以有多条测量报告。某主小区cj,以cj为主小区的路测点集合为covp(cj),对于某主小区cj,有gi∈covp(cj),对于全网小区,全网小区信号覆盖的栅格集合为covpall,对于VIP小区,全部VIP小区信号覆盖的栅格集合为covpvip;ATUS扫频数据,w个ATUS扫频报告组成的测量报告ATUS{1,2,…,w},ATUS扫频数据覆盖的栅格集合为covpatu;
(5)测量报告中主、邻小区的传播轨迹。某路测点gi,对于某路测点gi所处的栅格,接收来自主小区cj的P条路径的射线p=0,1,…,P,来自邻小区{c1,c2,…,cadj}的Padj条路径的射线p=0,1,...,Padj,<r0,r1,…,rk>表示一条由k+1段路径ri(0≤i≤k)组成的无线信号传播轨迹。对于射线轨迹其中的路径以直射路径为例,直射路径的起点为ri.sp,终点为ri.tp,长度为ri.len,角度为ri.angle。整条射线轨迹的初始射线有发射功率r0.emitPwrw,整条射线轨迹的终端射线有路测接收功率rk·testPwrw;
(6)各场景下的(校正前)无线传播模型及其直射、反射、绕射校正系数。在全网场景分类ScenPartition={SCN1,SCN2,…SCNnac}中,射线跟踪模型校正参数向量δ=(δdir,δref,δdif)可根据场景表述为二维矩阵形式:
步骤5.2,确立模型的优化目标
电力无线专网的三维覆盖空间为D0,在D0中,全部ngrd个栅格组成集合GRDS。
对于某道路覆盖主小区cj,路测点集合DtrSet(cj)指以cj为主小区的测量报告,此测量报告共经过M个路测点栅格,即集合strCal(cj,gi)为栅格gi接收到的来自小区cj的信号强度,此信号强度通过射线跟踪模型计算得到,strTst(cj,gi)栅格gi接收到的来自小区cj的信号强度,此功率通过路测得到,单位为dBm。
在三维覆盖空间D0中,共有ncel个小区,组成集合CELS,共有nsc个场景、共有M个路测点栅格。对于全部小区集合CELS,其射线跟踪模型计算值和路测轨迹测量值的均方根误差为RMSE(CELS,DIG):
在本发明中,我们要求求得的射线跟踪模型计算值和路测轨迹测量值的均方根误差RMSE(CELS,DIG)最小,即射线跟踪模型的预测值与实际路测轨迹测量值最相近,因此,面向场景的射线传播模型参数校正问题模型的优化目标即
把重点保障的VIP小区划分为重点优化目标,在保证整体区域的信号接收功率误差减小的同时,需要将局部优化目标的信号接收功率降至最低。
全局优化目标是针对路测轨迹中的全部主、邻小区和这些小区信号覆盖的全部栅格,需要对小区、栅格进行累加。类似地,对局部优化目标,需要对全部VIP小区及这些小区信号覆盖的栅格,也需要对小区、栅格进行累加。
步骤5.3,确立模型的约束条件
在完成射线跟踪的过程中,需要满足以下约束条件:
(1)实际路测数据有效性,即对于路测轨迹经过的栅格gi,gi有测量值,这样的路测栅格是有效栅格;
(2)在电力无线专网的三位覆盖空间D0中,共有M个栅格,对于栅格gi,gi∈covp(cj),1≤i≤M。对于同一栅格中有多个小区的多个路测点的情况,分别对每个小区的路测点求最强点及平均值,用以判断此栅格的主服务小区和信号强度;
(3)直射系数、反射系数、绕射系数的上下界限制,δdir∈[0,2],δref∈[0,1],δdif∈[0,1]。
步骤5.4,确立模型的输出。
模型输出为校正后的面向不同场景的传播模型系数。
对于全网空间内所有场景下的m个小区的n个路测点,根据求解全局优化目标和重点优化目标的最优的射线跟踪模型计算值和测量值的均方根误差,分别是和可得到在全网场景分类ScenPartition={SCN1,SCN2,…SCNnsc}中,进行优化后输出的最优参数校正矩阵:
将该参数校正矩阵代入射线跟踪模型,即可得到电力无线专网在该覆盖区域下最精确的覆盖分析。
六、采用多目标优化方法校正无线传播模型的参数
采用多目标进化算法,如包括但不限于基于分解的多目标进化算法MOEA/D,针对步骤五建立的跨场景无线传播模型的参数校正模型,求解优化后的传播模型在各个场景下的直射、反射、绕射损耗校正系数,具体计算步骤如图5所示,包括:
步骤6.1,构造vip小区,确定各目标函数。
步骤6.2,构造子问题,设计问题权重。
按照问题的具体要求划分为多个子问题,为了合理地划分,要为每个划分好的子问题分配不同的权重。多个子问题可表示为SubProblem={sp1,sp2,…,spn}。在本文中,需要对两个目标进行优化,需要通过如下子问题权重矩阵对解空间进行划分:
其中n代表子问题个数,由于子问题个数与目标数量也有一定的关系,一般取n=numobj×2+1。wij表示代表第i个子问题中第j个优化目标的权重值,且对权重矩阵的设计也体现了数据规划的思想,要让各子问题尽可能分布均匀,更全面地覆盖解空间,在不同子问题间的权重分配根据均匀设计和目标重要性构造权重矩阵。
由此,多目标进化问题可表示为:
s.t.gk(x)≥0,1≤k≤p
hm(x)=0,1≤m≤q
式中,其中为第i个子问题的第j个目标函数。上式的最优解就是多目标优化问题的一个Pareto最优解。多目标优化问题分解的每一个单目标子问题都有一个权重值,利用这些划分好的权重值对这些子问题加权求和,对于每个子问题产生的Pareto最优解,也必然有一个权重wij对它进行加权求和,最终可得到整个问题的最优解。求解时可以通过改变权重矩阵WeightMatrix以获得Pareto最优解的近似解。
步骤6.3,设计个体与初始化子种群。
个体中的各基因位被设置为矩阵中的各个校正参数,采用实数编码的方式来表示个体中的一个基因,由于在本文中,覆盖区域被划分为nsc个场景,而每个场景中都有直射、反射、绕射校正参数,因此一个个体共有3×nsc个基因。
在实际优化过程中,现网中已经有一个计算好的校正参数矩阵,初始种群中有50%的个体初始化为这个已计算好的方案的变种(随机改变个体中0~nsc-1个校正参数,改变方式为校正参数增加或减少约束范围之内的一个随机数,可表示为δ±ε),还有50%的个体为随机生成的校正参数矩阵,种群的初始化如图6所示。
种群的个体初始化使用这两种方法的目的,一是为了使初始个体更加多样,搜索的覆盖范围更加全面,二是为了使初始个体尽可能地接近实际情况,更接近最优解。
步骤6.4,设计进化算子。
步骤6.4.1,设计选择算子。
本发明采用轮盘赌的思想设计选择算子。子问题spi中第t个个体的选择概率的计算方法如下:
在本文中,为了减小个体选择的误差,如果某个体在一轮选择时被选择的次数大于SubProblemSize/5,则此个体不参加下一轮选择,从子问题中剔除并重新计算各个体的选择概率。
步骤6.4.2,设计交叉算子。
本文中结合MOEA/D算法,个体不仅和同子问题/子种群间的个体进行交叉,还要和相邻子问题/子种群的个体进行交叉。交叉的步骤如下:
Step1选择待交叉的个体,放入集合Cross中。设置交叉概率pcro,每个个体生成一个随机数,若小于pcro,则进行交叉,若大于pcro,则继续下一个个体的判断;
Step2利用Step1,生成相邻子种群的代交叉的个体,并放入集合Crossnei中;
Step3对于集合Cross中的所有个体Xind,在集合Crossnei中找到与Xini余弦距离最大的个体Xnei。
对Step3的两个个体进行交叉操作,首先选择交叉numcro个基因,然后循环numcro次,每次循环,交换第indexcro位上的基因。
步骤6.4.3,设计交叉算子。
变异即对交叉后的个体进行某些基因位上的改变,产生新的个体,保证了种群的多样性。在本发明的无线传播模型的参数校正问题中,为了避免基因变差或者变异无效等情况,在变异时继续使用轮盘赌算法,选出适应度函数值较大的个体,进行变异操作。在这里可以直接使用适应度函数计算轮盘上的块范围,计算方法如下。
对经过轮盘赌算法得到的个体进行变异时,选择变异nummut个基因,然后循环nummut次,每次循环,变异第indexmut位上的基因,使其变成范围内的随机生成数。
步骤6.5,评估非支配解集。
确定研究优化目标和具体用网区域的用网情况,设计目标函数的权重,需根据网优测量报告进行设计,如公式(13)。
根据权重公式,确定参数矩阵的评估值
将评估值最小的参数矩阵作为无线传播模型的校正参数。
实施例2
如图1所示,本实施例基于无线传播模型的电力无线专网覆盖和干扰确定方法,包括:
获取待分析的电力无线专网覆盖区域的地理信息;
基于所获取的地理信息,利用通过第一方面所述方法校正后的跨场景无线传播模型,确定待分析电力无线专网的覆盖区域的无线信号和干扰信号的分布数据。
本发明技术方案带来的进步如下:
1.面向小区覆盖的跨场景无线传播模型
本发明基于射线跟踪的跨场景无线传播模型,可在不同场景采用不同的模型参数。该模型利用电子地图提供的建筑物、绿地、道路、水面等地物信息和数字高层模型等地形信息,跟踪小区无线信号的跨场景、多径传播轨迹,包括直射、反射、绕射、折射轨迹,分析跨场景传播带来的传播损耗,计算在不同地理位置上小区无线信号的接收信号强度,跨场景无线传播模型预测结果更符合不同场景下的真实路测。
2.跨场景无线传播模型的多目标优化参数校正
电力无线专网覆盖范围广,网络覆盖范围内存在多种多样的地形地物组成的地理场景,具有多种类型的无线传播环境,不同无线传播环境/地理场景下的无线传播模型应具有不同参数。
本发明利用路测数据,同时考虑路测轨迹整体预测误差最小化、重点区域路测点预测误差最小化两个目标,建立跨场景无线传播模型的多目标参数校正优化模型,采用基于进化计算的多目标优化方法,获得优化调整后的各场景下的模型参数,更符合实际现网中区域用网水平不均匀的现状。
也即,利用本发明的无线传播模型校正方法,以及通过校正后的无线传播模型进行电力LTE专网跨场景的覆盖和干扰分析,能够提高分析结果的准确度,也能够为电力无线专网的设计提供参考依据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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***。
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***的制造品,该指令***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。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种无线传播模型参数校正方法,其特征是,包括:
获取无线传播模型参数待优化的区域地理信息;
获取无线传播模型参数待优化的区域路测数据;
基于已获取的区域地理信息识别和划分区域内的无线传播环境;
基于区域内的无线传播环境,建立基于射线跟踪的跨场景无线传播模型,所述跨场景无线传播模型的待校正参数包括对应区域内各场景下的无线传播模型系数;
基于跨场景无线传播模型以及区域路测数据,建立所述跨场景无线传播模型的多目标参数校正模型,所述多目标参数校正模型的优化目标为:所有待优化区域的无线传播模型预测误差最小化,以及待优化区域中预设重点保障区域的无线传播模型预测误差最小化;
基于多目标参数校正模型,采用多目标进化算法进行模型求解,以对跨场景无线传播模型进行优化,得到跨场景无线传播模型参数的校正结果;
将所述校正结果代入所述跨场景无线传播模型即得到校正后的无线传播模型。
2.根据权利要求1所述的方法,其特征是,所述无线传播模型参数待优化的区域地理信息为电子地图形式,包括各待优化基站小区的小区、基站的工参和位置数据;多个待优化基站小区组成待优化小区集合optCell;
各待优化基站小区为历史ATU路测数据与无线传播模型预测值之间误差大于设定误差阈值的小区。
3.根据权利要求1所述的方法,其特征是,对于各基站小区,所述区域路测数据包括:对应小区基站有效范围的不同方向分别设置的多个测量点的路测数据;
所述待优化网络覆盖区域的路测数据获取包括步骤:
针对各待优化基站小区,在其有效范围内或预设范围内设置预设数量的测量点;
基于多个测量点确定各基站小区内的有效路径段;
将多个待优化基站小区的有效路径段进行连接,使得所有路径形成回路;
基于已连接形成的路径回路,确定路测路径,得到经相应路测路径进行ATU路测的路测数据,形成原始ATU数据集。
4.根据权利要求3所述的方法,其特征是,基于已连接形成的路径回路,利用最短回路路径算法,将距离最短的路径作为路测路径。
5.根据权利要求1所述的方法,其特征是,无线传播模型参数方法还包括对无线传播模型参数待优化的各基站小区,分别进行栅格化处理;
定义区域内所有测量点的路测数据集合为DTDataSet;
无线传播模型参数校正方法还包括对所获取的路测数据进行预处理,包括:
对DTDataSet中的路测数据进行清洗,剔除坏数据;
对属于同一栅格的路测数据进行归并处理,确定各栅格的主服务小区;
将路测数据进行分集处理,得到用于无线传播模型参数校正的测试集,以及用于验证无线传播模型校正结果的验证集,所述测试集和验证集中的数据分别皆包括对应各基站小区的路测数据。
6.根据权利要求5所述的方法,其特征是,所述基于已获取的区域地理信息识别和划分区域内的无线传播环境包括:
基于各待优化基站小区已划分的各栅格地理信息,确定各栅格的地物覆盖特征向量;
基于栅格的地物覆盖特征向量,进行栅格聚类,确定各待优化基站小区的地物类型;所述地物类型包括单一地物区域、主导地物区域和混合地物区域;
对于混合地物区域将相应待优化基站小区的网络覆盖区域划分为多个地理场景。
7.根据权利要求6所述的方法,其特征是,利用ArcGIS平台进行对待优化区域的无线传播环境识别和划分;
栅格聚类后,还对聚类后的簇的边界进行平滑处理,提取簇的近似轮廓;
以经过边界平滑处理后的各个簇作为待优化覆盖区域AreaE的地理场景划分结果,表示为ScenPartition={SCN1,SCN2,…SCNnsc},其中SCNi为由第i个平滑后的簇组成的第i个地理场景。
8.根据权利要求1所述的方法,其特征是,所述跨场景无线传播模型的参数包括对应各场景的直射损耗校正系数、反射损耗校正系数和绕射损耗校正系数;
采用多目标进化算法对多目标参数校正模型进行模型求解为:以各个场景下的直射损耗校正系数、反射损耗校正系数和绕射损耗校正系数组成校正参数矩阵,以该参数矩阵作为个体,对应多个待优化区域的多个个体组成种群,使用选择、交叉和/或变异进化算子,迭代优化种群内个体,直至迭代计算过程收敛或达到最大迭代次数,生成一系列非支配解集,从中挑选最优校正参数矩阵,作为无线传播模型的参数校正结果。
9.根据权利要求8所述的方法,其特征是,所述建立基于射线跟踪的跨场景无线传播模型包括:
确定参数矩阵:对于各待优化区域,对每个场景均引入各自独立的直射、反射、绕射校正系数,则在待优化区域的全网场景分类ScenPartition={SCN1,SCN2,…SCNnsc}中,射线跟踪模型校正参数根据场景表述为:
式中,δ表示待校正的参数,下标dir、ref、dif分别代表直射、反射、绕射的情况;
确定跨场景的小区信号接收功率:基于正向射线跟踪,建立跨场景的传播模型,即带有参数校正的接收功率公式为:
10.一种基于无线传播模型的电力无线专网覆盖和干扰确定方法,其特征是,包括:
获取待分析的电力无线专网覆盖区域的地理信息;
基于所获取的地理信息,利用通过权利要求1-9任一项所述方法校正后的跨场景无线传播模型,确定待分析电力无线专网的覆盖区域的无线信号和干扰信号的分布数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010002159.2A CN111163476A (zh) | 2020-01-02 | 2020-01-02 | 一种基于无线传播模型的电力无线专网覆盖和干扰确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010002159.2A CN111163476A (zh) | 2020-01-02 | 2020-01-02 | 一种基于无线传播模型的电力无线专网覆盖和干扰确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111163476A true CN111163476A (zh) | 2020-05-15 |
Family
ID=70561202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010002159.2A Pending CN111163476A (zh) | 2020-01-02 | 2020-01-02 | 一种基于无线传播模型的电力无线专网覆盖和干扰确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111163476A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112351454A (zh) * | 2020-10-20 | 2021-02-09 | 中国能源建设集团江苏省电力设计院有限公司 | 一种td-lte电力无线专网双覆盖检测方法及*** |
CN112929916A (zh) * | 2021-03-19 | 2021-06-08 | 中国联合网络通信集团有限公司 | 无线传播模型的构建方法和装置 |
CN114286375A (zh) * | 2021-12-16 | 2022-04-05 | 北京邮电大学 | 一种移动通信网络干扰定位方法 |
CN115643533A (zh) * | 2022-12-22 | 2023-01-24 | 成都安则科技有限公司 | 一种无线电导航用接收站位确定的方法及*** |
CN117279006A (zh) * | 2023-09-01 | 2023-12-22 | 国网江苏省电力有限公司宿迁供电分公司 | 用于实现电网财务***大数据融合的网络优化方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106231621A (zh) * | 2016-07-29 | 2016-12-14 | 武汉大学 | 一种用于fdd‑lte***中传播模型的多场景自适应优化方法 |
CN109526019A (zh) * | 2018-12-26 | 2019-03-26 | 国网湖南省电力有限公司 | 基于实测数据的无线专网基站覆盖范围传播模型校正方法 |
-
2020
- 2020-01-02 CN CN202010002159.2A patent/CN111163476A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106231621A (zh) * | 2016-07-29 | 2016-12-14 | 武汉大学 | 一种用于fdd‑lte***中传播模型的多场景自适应优化方法 |
CN109526019A (zh) * | 2018-12-26 | 2019-03-26 | 国网湖南省电力有限公司 | 基于实测数据的无线专网基站覆盖范围传播模型校正方法 |
Non-Patent Citations (2)
Title |
---|
JINGPING YIN等: "Interference identification in smart grid communications", 《WORLD WIDE WEB (2019)》 * |
滕佳言: "TD-LTE电力无线专网高精度覆盖干扰分技术研究及应用", 《中国优秀硕士学位论文数据库》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112351454A (zh) * | 2020-10-20 | 2021-02-09 | 中国能源建设集团江苏省电力设计院有限公司 | 一种td-lte电力无线专网双覆盖检测方法及*** |
CN112929916A (zh) * | 2021-03-19 | 2021-06-08 | 中国联合网络通信集团有限公司 | 无线传播模型的构建方法和装置 |
CN114286375A (zh) * | 2021-12-16 | 2022-04-05 | 北京邮电大学 | 一种移动通信网络干扰定位方法 |
CN114286375B (zh) * | 2021-12-16 | 2023-08-18 | 北京邮电大学 | 一种移动通信网络干扰定位方法 |
CN115643533A (zh) * | 2022-12-22 | 2023-01-24 | 成都安则科技有限公司 | 一种无线电导航用接收站位确定的方法及*** |
CN117279006A (zh) * | 2023-09-01 | 2023-12-22 | 国网江苏省电力有限公司宿迁供电分公司 | 用于实现电网财务***大数据融合的网络优化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111163476A (zh) | 一种基于无线传播模型的电力无线专网覆盖和干扰确定方法 | |
CN111368881B (zh) | 基于多维数据融合分析的低频gps轨迹路网匹配方法 | |
CN102404752B (zh) | 一种gsm网络的频率规划方法 | |
CN110418354A (zh) | 一种基于机器学习的免传播模型无线网络规划方法 | |
CN102036254B (zh) | 一种有关网络的快速自动邻区规划方法 | |
CN105430664B (zh) | 一种基于分类拟合预测传播路损的方法和装置 | |
US20130115961A1 (en) | Communication characteristic analyzing system, communication characteristic analyzing method, and communication characteristic analyzing program | |
CA2325075A1 (en) | Apparatus and method for geostatistical analysis of wireless signal propagation | |
CN108271165A (zh) | 一种基站网络信号覆盖状态的预测方法及*** | |
CN112686429B (zh) | 移动机器人及其基于自适应遗传算法的路径规划方法 | |
CN110366188B (zh) | 干扰测量点部署方法、干扰测量路径规划方法及*** | |
CN101895898B (zh) | 核查小区同邻频干扰的方法及其*** | |
CN116546521A (zh) | 一种基于数字孪生技术的移动通信网络覆盖优化方法 | |
CN103491544A (zh) | 共享站点的选取方法及装置 | |
CN114630348A (zh) | 基站天线参数调整方法、装置、电子设备及存储介质 | |
CN114828026A (zh) | 基站规划方法、装置、设备、存储介质及程序产品 | |
CN114189871B (zh) | 一种考虑校正信号传播模型的电力5g基站布局方法 | |
CN101801001A (zh) | 一种邻区规划方法及邻区规划设备 | |
CN112752268A (zh) | 一种无线网络立体覆盖的优化方法 | |
CN113301503B (zh) | 弱覆盖区域检测方法及装置 | |
CN115310878B (zh) | 一种基于国土空间要素数据的电力空间规划设计方法 | |
CN114286375B (zh) | 一种移动通信网络干扰定位方法 | |
CN202406301U (zh) | 用于gsm网络频率规划的gsm网络信号质量检测装置 | |
CN114040336B (zh) | 基于缩影判定定位法与粒子群优化算法的信标部署方法 | |
CN115496253A (zh) | 一种基于多目标遗传算法的输电线路路径优化方法及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |