CN113301580B - 信息处理方法、装置、电子设备及存储介质 - Google Patents
信息处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113301580B CN113301580B CN202010112168.7A CN202010112168A CN113301580B CN 113301580 B CN113301580 B CN 113301580B CN 202010112168 A CN202010112168 A CN 202010112168A CN 113301580 B CN113301580 B CN 113301580B
- Authority
- CN
- China
- Prior art keywords
- parameter
- data samples
- coverage
- rsrp
- clustering
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 24
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000005259 measurement Methods 0.000 claims description 57
- 230000015654 memory Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000005457 optimization Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101150017904 RSRP1 gene Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 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
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种信息处理方法、装置、电子设备及存储介质。其中,方法包括:获取多个终端上报的第一参数;并获取第二参数;所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束的容量性能指标;利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题。
Description
技术领域
本申请涉及无线通信领域,尤其涉及一种信息处理方法、装置、电子设备及存储介质。
背景技术
由于第五代移动通信技术(5G)无线网络优化工作还没有大规模开展,所以当前波束覆盖优化处于探索阶段。
发明内容
为解决相关技术问题,本申请实施例提供一种信息处理方法、装置及存储介质。
本申请实施例的技术方案是这样实现的:
本申请实施例提供了一种信息处理方法,包括:
获取多个终端上报的第一参数;并获取第二参数;所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束的容量性能指标;
利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;
利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题。
上述方案中,所述第一参数包含波束粒度的参考信号接收功率(RSRP)及参考信号接收质量(RSRQ);获取第一参数后,针对每个波束,将获取的RSRP及RSRQ测量值对应的上报值,设置在以RSRP及RSRQ的上报值为二维的统计项中,以存储获取的第一参数。
上述方案中,将获取的至少一个RSRP及RSRQ测量值对应的上报值在所述二维统计项中的相应统计区间的数值进行统计累加。
上述方案中,所述二维统计项为以小区或波束为粒度的二维统计项。
上述方案中,RSRP的统计项的个数为X;X的取值小于或等于RSRP上报值所对应的测量值区间的个数;RSRQ的统计项的个数为Y;Y的取值小于或等于RSRQ上报值所对应的测量值区间的个数。
上述方案中,所述利用获取的第一参数并结合第二参数对波束进行分类,包括:
针对每个波束,利用第一周期内获取的第一参数及第二参数形成数据样本;
利用形成的数据样本,结合层次聚类算法,对波束进行分类。
上述方案中,所述利用形成的数据样本,结合层次聚类算法,对波束进行分类,包括:
从形成的数据样本中抽取部分数据样本,抽取的数据样本形成第一集合;形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合;
将第一集合中的数据样本进行聚类,得到至少一个聚类结果;
针对所述至少一个聚类结果中的每个聚类结果,确定对应的聚类质心向量;
针对所述第二集合中的每个数据样本,利用每个聚类结果的聚类质心向量,确定相应数据样本的聚类。
上述方案中,利用波束覆盖分类结果,并结合相应波束的相邻波束对应的第三参数及第四参数,定位所述相应波束对应的覆盖场景问题;所述第三参数表征所述相邻波束与所述相应波束的容量指标值的比值;所述第四参数表征所述相邻波束与所述相应波束的业务量指标值的比值。
上述方案中,确定的所述相应波束对应的覆盖场景问题包含以下至少之一:
所述相应波束的覆盖区域为非用户集中分布区域;
所述相应波束的覆盖区域与相邻波束的覆盖区域的重叠度满足第一条件;所述第一条件表征所述相应波束的覆盖区域为强干扰区域和/或频繁切换区域。
本申请实施例还提供了一种信息处理装置,包括:
获取单元,用于获取多个终端上报的第一参数;并获取第二参数;所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束的容量性能指标;
分类单元,用于利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;
定位单元,用于利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题。
本申请实施例还提供了一种电子设备,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,
所述处理器,用于运行所述计算机程序时,执行上述任一方法的步骤。
本申请实施例还提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一方法的步骤。
本申请实施例提供的信息处理方法、装置及存储介质,获取多个终端上报的第一参数;并获取第二参数;所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束的容量性能指标;利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题,将波束的信号质量,结合小区容量性能指标,对波束的覆盖场景进行分类,并根据分类结果进行波束覆盖场景问题的定位,如此,能够降低波束覆盖问题定位的难度,并大大提高定位的效率。同时,基于定位的问题就能够以波束为粒度进行无线网络的优化。
附图说明
图1为本申请实施例信息处理的方法流程示意图;
图2为相关技术中的测量模型示意图;
图3为本申请实施例信息处理装置结构示意图;
图4为本申请实施例电子设备结构示意图。
具体实施方式
下面结合附图及实施例对本申请再作进一步详细的描述。
一方面,相关技术中,第二代移动通信技术(2G)、第三代移动通信技术(3G)、***移动通信技术(4G)无线网络的优化方案主要是以小区为粒度优化,缺少波束粒度的优化。
另一方面,当前,波束覆盖优化处于探索阶段,还没有完整、详细的解决方案。
当5G网络部署在高频频段(毫米波)时,通过使用大规模天线(massive MIMO)技术,生成高增益、可调节的赋形波束,从而达到明显改善信号覆盖的目的;并且由于该技术中波束非常窄,不同的波束都有各自的聚焦区域,这些区域都非常小,彼此之间很少有交集,因此,可以减少波束之间的干扰和用户之间的干扰。但是,当采用多天线阵列时,无线***必须用非常复杂的算法才能找到用户的准确位置,否则就不能精准地将波束对准相应的用户。因此波束管理和波束控制对无线覆盖和容量指标影响非常大。
不同设备厂商提供的massive MIMO能力不同,每个小区的波束水平和垂直扫描和配置方案不同,用户终端分布不同,都将影响每个终端的业务流量和质量,甚至整片区域的网络容量和业务质量。
基于此,在本申请的各种实施例中,结合终端的测量报告和无线性能指标,完成波束覆盖问题的定位分析,以重点解决波束覆盖问题定位难度大和效率低的问题。
本申请实施例提供一种信息处理方法,可以理解为是一种波束问题定位方法,应用于电子设备,如图1所示,该方法包括:
步骤101:获取多个终端上报的第一参数;并获取第二参数;
其中,所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束的容量性能指标;
步骤102:利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;
步骤103:利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题。
其中,实际应用时,所述电子设备可以是网管设备,可以从基站侧获得所述第一参数。
在步骤101中,所述波束粒度的信号质量是指:以波束为粒度的信号质量,也就是各波束对应的信号质量。
实际应用时,如图1所示的测量模型,当终端处于无线资源控制(RRC)连接状态时,终端根据RRC的配置参数,上报配置好的波束的测量报告。
这里,在本申请实施例中,网络通过RRC配置参数,要求终端在RRC连接状态时周期性上报波束粒度的测量报告。测量报告的内容包括RSRP和RSRQ。基站侧在收到每个终端上报的波束粒度的测量报告后,进行全部终端测量报告长时间(按照需求定义时长)存储。
也就是说,在一实施例中,所述第一参数包含波束粒度的RSRP及RSRQ,即所述第一参数包含各波束对应的RSRP及RSRQ。获取到第一参数后,针对每个波束,将获取的RSRP及RSRQ测量值对应的上报值,设置在以RSRP及RSRQ的上报值为二维的统计项中,以存储获取的第一参数。
具体地,将获取的至少一个RSRP及RSRQ测量值对应的上报值在所述二维统计项中的相应统计区间的数值进行统计累加。
这里,实际应用时,可以根据相关技术的定义进行RSRP及RSRQ测量值的上报;具体地,可以采用表1所示的RSRP测量报告映射关系(测量值与上报值的映射关系)进行RSRP测量值的上报;并可以采用表2所示的RSRQ测量报告映射关系进行RSRQ测量值的上报。
表1
其中,RSRP包含同步信号的RSRP(SS-RSRP)和信道状态信息的RSRP(CSI-RSRP)。表1示出了SS-RSRP、CSI-RSRP的测量报告映射关系。
表2
其中,RSRQ包含同步信号的RSRQ(SS-RSRQ)和信道状态信息的RSRQ(CSI-RSRP)。表2示出了SS-RSRQ的测量报告映射关系。
相关技术中,定义:CSI-RSRQ的测量值采用以下公式确定:
CSI-RSRQ=N×CSI-RSRP/CSI-RSSI;
其中,在公式中,CSI-RSSI表示CSI-RSRP的测量值;CSI-RSSI表示信道状态信息的接收的信号强度指示(CSI-RSSI):N表示CSI-RSSI测量带宽上的资源块(RB)个数。
利用上述公式确定CSI-RSSI的测量值后,参考SS-RSRQ给出CSI-RSRQ的上报值,即参照图2所示的上报值与测量值之间的映射关系,确定对应的上报值;比如,假设CSI-RSSI的测量值是-41.5dB,则对应的上报值为4。
实际应用时,可以以CSI-RSRP和CSI-RSRQ为主进行统计;当然,也可以同时统计SS-RSRP和SS-RSRQ。
为方便分析,在本申请实施例中,可以定义RSRP和RSRQ的二维性能测量统计值;其中,RSRP的统计区间的数量为X个,即RSRP的统计项的个数为X,X的取值将根据数据存储能力和处理能力定义取值,X的最大取值为128,此时与测量上报值的区间的个数一致,也就是说,X的取值小于或等于RSRP上报值所对应的测量值区间的个数。当然,在不影响应用效果的情况下,为了进一步降低存储空间和提高处理效率,X也可以取比128更小的值,比如:可以将RSRP定义的区间-38≤SS-RSRP<-37和-37≤SS-RSRP<-36合并,得到区间-38≤SS-RSRP<-36,则RSRP统计区间的总数(个数)X为127;类似地,RSRQ的统计区间数量为Y个,即RSRQ的统计项的个数为Y,Y的最大取值为128。在进行统计时,二维测量统计值的具体计算过程包括:根据用户设备(UE)(即终端)在相同时间粒度内的RSRP和RSRQ的上报值,统计在RSRP和RSRQ对应的二维测量项(即二维统计项)的统计区间内的个数,这里,在本申请实施例中,由于上报的是具体的数值,所以统计区间也可以理解为是统计点。
在一实施例中,将获取的至少一个RSRP及RSRQ测量值对应的上报值在所述二维统计项中的相应统计区间的数值进行统计累加。
示例性地,假设对于某个波束,二维测量项具体为RsrpxRsrqy(x∈[0,X),y∈[0,Y)),在某个UE的测量报告上报周期T0内,RSRP的测量值m,RSRQ的测量值为n,根据二维统计项定义,m在二维统计项中对应Rsrpx区间,n在二维统计项中对应Rsrqy区间,因此,将RsrpxRsrqy的计数加1,即将RsrpxRsrqy的数值加1,比如,m对应的上报值为0,n对应的上报值为1,则将Rsrp0Rsrq1的计数加1。其中,实际应用时,二维统计项的统计周期为T,一般来说,T>T0。实际应用时,二维统计项可以采用表3所示的格式。
RsrpxRsrqy | Rsrq0 | Rsrq1 | … | RsrqY |
Rsrp0 | Rsrp0Rsrq0 | Rsrp0Rsrq1 | … | Rsrp0 RsrqY |
Rsrp1 | Rsrp1Rsrq0 | Rsrp1Rsrq1 | … | Rsrp1RsrqY |
… | … | … | … | … |
RsrpX | RsrqXRsrq0 | RsrpXRsrq1 | … | RsrpXRsrqY |
表3
利用上述统计方式即可以得到每个波束的统计结果,即二维统计项为以波束为粒度的二维统计项,还可以得到每个小区的统计结果,即将相应小区的各波束的统计结果再进行统计,即将各波束的统计项再进行累加,此时,二维统计项为以小区为粒度的二维统计项。
为分析每个小区的波束覆盖情况,还需要获取第二参数。
实际应用时,所述第二参数包含切换成功率、流(flow)掉线率、大规模天线(MassiveMIMO)上/下行传输RB数和用户数指标。
这里,实际应用时,所述第二参数来自网络管理***。
获取到第一参数和第二参数后,就可以进行聚类分析了。
基于此,步骤102中,在一实施例中,针对每个波束,利用第一周期内获取的第一参数及第二参数形成数据样本;
利用形成的数据样本,结合层次聚类算法,对波束进行分类。
这里,形成数据样本时,按照波束的容量性能指标中的最大时间粒度形成数据样本,例如RsrpRsrq二维测量项对应的时间粒度为5分钟(即测量报告上报周期为5分钟),切换成功率时间粒度为15分钟,则样本的时间粒度取值为15分钟;其中RsrpRsrq二维测量项按15分钟粒度汇总统计值,也就是说,实际应用时,可以利用测量报告的上报周期、所述第二参数的获取周期,确定统计周期T的长度。具体地,可以将上报周期、获取周期中的最大值作为所述统计周期T的长度。可以以小区和时间为主要维度,得到的样本序列可以如表4所示。
表4
需要说明的是,对于波束的RsrpRsrq二维测量项,实际应用时,可以有多个,表4中的波束的srpRsrq二维测量项是指:按照上述二维测量项的统计方式得到的统计结果。同时,在确定样本序列时,也可以不包含小区维度。
实际应用时,由于每个小区的波束数量较多,不妨假设每小区有6个波束,每个UE检测周围6个小区进行上报,则有36个波束。在分析连片区域的无线覆盖时,仅采用常规超越门限的方式,从数百甚至数千个波束中识别出覆盖有问题的情况,比较困难。因此,在本申请实施例中,采用多维度数据挖掘的方式分析波束覆盖情况。根据上述上样本序列,即样本数据,采用层次聚类的方法进行分类。
基于此,在一实施例中,所述利用形成的数据样本,结合层次聚类算法,对波束进行分类,包括:
从形成的数据样本中抽取部分数据样本,抽取的数据样本形成第一集合;形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合;
将第一集合中的数据样本进行聚类,得到至少一个聚类结果;
针对所述至少一个聚类结果中的每个聚类结果,确定对应的聚类质心向量;
针对所述第二集合中的每个数据样本,利用每个聚类结果的聚类质心向量,确定相应数据样本的聚类。
更具体地,聚类的过程包括:
步骤1:输入样本组成的矩阵,按照比例p随机抽样得到集合D1,未抽到的样本作为集合D2,并设置聚类的距离门限β;
这里,实际应用时,可以根据场景,自定义β的取值。
步骤2:采用欧式距离对集合D1进行聚类,得到个数为K的聚类,对每个聚类的向量计算均值向量作为该聚类质心向量;
步骤3:对集合D2中的样本,依次计算每个样本到各聚类的质心向量之间的距离,当距离小于β时认为属于该聚类,如果某个样本到已知聚类质心向量的距离都大于β,则认为该样本属于新的聚类,聚类个数变为K+1,依次循环直至D2中的样本全部计算完毕。
所有样本处理完后,输出每个样本所属聚类,以进行后续的操作,即进行场景问题的定位分析。
实际应用时,步骤103中,进行相应波束的覆盖场景问题的定位分析时,还需要结合相邻波束的相关参数才能够准确定位覆盖场景问题。
基于此,在一实施例中,利用波束覆盖分类结果,并结合相应波束的相邻波束对应的第三参数及第四参数,定位所述相应波束对应的覆盖场景问题;所述第三参数表征所述相邻波束与所述相应波束的容量指标值的比值;所述第四参数表征所述相邻波束与所述相应波束的业务量指标值的比值。
其中,实际应用时,所述第三参数可以包含相邻波束与所述相应波束的用户数比值;所述第四参数包含相邻波束与所述相应波束的MassiveMIMO上/下行传输RB数比值。
在一实施例中,确定的所述相应波束对应的覆盖场景问题包含以下至少之一:
所述相应波束的覆盖区域为非用户集中分布区域;
所述相应波束的覆盖区域与相邻波束的覆盖区域的重叠度满足第一条件;所述第一条件表征所述相应波束的覆盖区域为强干扰区域和/或频繁切换区域。
这里,所述第一条件表征所述相应波束的覆盖区域与相邻波束的覆盖区域的重叠度较高。实际应用时,所述第一条件可以根据需要确定,比如通过横向比对的方式来确定,具体地,可以确定多个中各波束与对应相邻波束的覆盖区域的重叠区域大小,得到多个波束对应的重叠区域大小,当所述相应波束对应的重叠区域在多个波束对应的重叠区域大小中较大(可以根据需要来确定较大的条件)时,说明所述相应波束的覆盖区域与相邻波束的覆盖区域的重叠度满足第一条件。
实际应用时,结合本波束和相邻波束覆盖的用户数比值和MassiveMIMO上/下行传输RB数比值,判断相应波束的覆盖场景是否为用户分布集中度高、强干扰和弱覆盖等场景。具体地,确定的所述相应波束对应的覆盖场景问题主要包括以下场景:
第一种场景,较长时间周期(可以根据需要确定)内,某些波束覆盖的用户数少,MassiveMIMO上/下行传输RB数低,RsrpxRsrqy中RSRP小于门限值RSRP_threshold(根据场景,用户自定义)和RSRQ小于门限值RSRQ_threshold(根据场景,用户自定义)的统计个数占分析周期内全部个数的比值大于门限值RsrpRsrq_threshold(根据场景,用户自定义)时,这些波束组成集合Ca。通过网络资源信息(这些信息在网络管理***上),找到集合Ca中每个波束的相邻波束,针对集合Ca中每个波束,计算相应波束的相邻波束与所述相应波束的用户数比值和MassiveMIMO上/下行传输RB数比值,如果这两个比值都大于各自对应的门限值(根据场景,用户自定义),则认为所述相应波束的覆盖区域为用户非集中分布区域,建议优化波束覆盖范围。
其中,针对所述比值,示例性地,假设针对某个波束,二维项的统计结果包含:Rsrp0rsrq0=1,rsrp0rsrq1=3,rsrp1rsrq0=2,rsrq1rsrq1=1,rsrp2rsrq0=1,rsrp2rsrq1=2,rsrp2rsrq2=1,则总数为11,当要求rsrp<1且rsrq<2时,统计个数为1+3=4,则比值为4/11。
第二种场景,较长时间周期(可以根据需要确定)内,某些波束覆盖的用户数少,MassiveMIMO上/下行传输RB数低,切换成功率低,RsrpxRsrqy中RSRP大于门限值RSRP_threshold(根据场景,用户自定义)和RSRQ小于门限值RSRQ_threshold(根据场景,用户自定义)的统计个数占分析周期内全部个数的比值大于门限值RsrpRsrq_threshold(根据场景,用户自定义)时,这些波束组成集合Cb。集合Cb中的波束的覆盖区域为用户非集中分布区域,且与相邻波束的覆盖范围重叠度较高,建议优化波束覆盖范围。
其中,针对所述比值,与第一种场景中比值的算法相同,这里不再赘述。
第三种场景,较长时间周期(可以根据需要确定)内,某些波束覆盖的用户数多,MassiveMIMO上/下行传输RB数低,RsrpxRsrqy中RSRP大于门限值RSRP_threshold(根据场景,用户自定义)和RSRQ小于门限值RSRQ_threshold(根据场景,用户自定义)的统计个数占分析周期内全部个数的比值大于门限值RsrpRsrq_threshold(根据场景,用户自定义)时,这些波束组成集合Cc。集合Cc中的波束覆盖区域为强干扰区域,需要重新调整覆盖范围或者优化接入门限。
第四种场景,较长时间周期(可以根据需要确定)内,某些波束覆盖的用户数多,MassiveMIMO上/下行传输RB数高,切换成功率低,RsrpxRsrqy中RSRP小于门限值RSRP_threshold(根据场景,用户自定义)和RSRQ小于门限值RSRQ_threshold(根据场景,用户自定义)的统计个数占分析周期内全部个数的比值大于门限值RsrpRsrq_threshold(根据场景,用户自定义)时,这些波束组成集合Cd。集合Cd中的波束边缘覆盖区域(对应约90%的区域覆盖概率的区域,即90%覆盖半径以上的区域为边缘覆盖区域)为强干扰区域,需要重新调整覆盖范围或者优化切换门限。
从上面的描述可以看出,在本申请实施例中,波束覆盖问题的定位分析过程包括:
步骤1:将各UE测量报告的二维统计项以波束为粒度进行汇总,如表3所示,用于分析无线信号强度和质量;
步骤2:利用测量报告统计项结合波束无线性能指标(即容量性能指标),采用层次聚类分析方法,得到不同的聚类结果;
步骤3:根据聚类结果,分析强干扰和弱覆盖场景,进行波束覆盖问题的定位。
其中,定位波束覆盖问题时,利用终端测量报告,并结合波束用户数、MassiveMIMO上/下行传输RB数、切换成功率等指标进行5G波束覆盖的强干扰和弱覆盖等情况进行分析,从而有利于优化小区甚至整片区域的无线覆盖和容量指标。
本申请实施例提供的信息处理方法,获取多个终端上报的第一参数;并获取第二参数;所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束对应的容量性能指标;利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题,将波束的信号质量,结合波束的容量性能指标,对波束的覆盖场景进行分类,并根据分类结果进行波束覆盖场景问题的定位,在定位波束覆盖场景问题时采用了波束的信号质量,如此,能够降低波束覆盖问题定位的难度,并大大提高定位的效率。同时,基于定位的问题就能够以波束为粒度进行无线网络的优化。
另外,由于采用了波束的测量统计项来分析波束覆盖情况,所以不需要通过路测等复杂的方式来了解波束覆盖情况,如此,大大降低了波束覆盖问题定位的难度,并大大提高定位的效率。
为了实现本申请实施例的方法,本申请实施例还提供了一种信息处理装置,设置在电子设备上,如图3所示,该装置包括:
获取单元31,用于获取多个终端上报的第一参数;并获取第二参数;所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束对应的容量性能指标;
分类单元32,用于利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;
定位单元33,用于利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题。
其中,在一实施例中,所述第一参数包含波束粒度的RSRP及RSRQ;该装置还可以包括:统计单元,用于获取第一参数后,针对每个波束,将获取的RSRP及RSRQ测量值对应的上报值,设置在以RSRP及RSRQ的上报值为二维统计项中,以存储获取的第一参数。
这里,在一实施例中,所述统计单元,具体用于:
将获取的至少一个RSRP及RSRQ测量值对应的上报值在所述二维统计项中的相应统计区间的数值进行统计累加。
在一实施例中,所述分类单元32,具体用于:
将获取的至少一个RSRP及RSRQ测量值对应的上报值在所述二维统计项中的相应统计区间的数值进行统计累加。
在一实施例中,所述分类单元32,具体用于:
从形成的数据样本中抽取部分数据样本,抽取的数据样本形成第一集合;形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合;
将第一集合中的数据样本进行聚类,得到至少一个聚类结果;
针对所述至少一个聚类结果中的每个聚类结果,确定对应的聚类质心向量;
针对所述第二集合中的每个数据样本,利用每个聚类结果的聚类质心向量,确定相应数据样本的聚类。
在一实施例中,所述定位单元33,具体用于:
利用波束覆盖分类结果,并结合相应波束的相邻波束对应的第三参数及第四参数,定位所述相应波束对应的覆盖场景问题;所述第三参数表征所述相邻波束与所述相应波束的容量指标值的比值;所述第四参数表征所述相邻波束与所述相应波束的业务量指标值的比值。
实际应用时,所述获取单元31可由信息处理装置中的处理器结合通信接口实现;所述分类单元32、定位单元33及统计单元可由信息处理装置中的处理器实现。
需要说明的是:上述实施例提供的信息处理装置在进行业务推荐时,仅以上述各程序模块的划分进行举例说明,实际应用中,可以根据需要而将上述处理分配由不同的程序模块完成,即将装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分处理。另外,上述实施例提供的信息处理装置与信息处理方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
基于上述程序模块的硬件实现,且为了实现本申请实施例的方法,本申请实施例还提供了一种电子设备,如图4所示,该电子设备40包括:
通信接口41,用于与其他设备进行信息交互,以获取相关信息;
处理器42,与通信接口41连接,以实现与其他设备进行信息交互,用于运行计算机程序时,执行上述电子设备侧一个或多个技术方案提供的方法。而所述计算机程序存储在存储器43上。
具体地,所述处理器42,用于通过所述通信接口41获取多个终端上报的第一参数;并获取第二参数;所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束的容量性能指标;
所述处理器42,还用于利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;并利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题。
其中,在一实施例中,所述第一参数包含波束粒度的RSRP及RSRQ;所述处理器42,还用于获取第一参数后,针对每个波束,将获取的RSRP及RSRQ测量值对应的上报值,设置在以RSRP及RSRQ的上报值为二维统计项中,以存储获取的第一参数。
这里,在一实施例中,所述处理器42,具体用于:
将获取的至少一个RSRP及RSRQ测量值对应的上报值在所述二维统计项中的相应统计区间的数值进行统计累加。
在一实施例中,所述处理器42,具体用于:
将获取的至少一个RSRP及RSRQ测量值对应的上报值在所述二维统计项中的相应统计区间的数值进行统计累加。
在一实施例中,所述处理器42,具体用于:
从形成的数据样本中抽取部分数据样本,抽取的数据样本形成第一集合;形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合;
将第一集合中的数据样本进行聚类,得到至少一个聚类结果;
针对所述至少一个聚类结果中的每个聚类结果,确定对应的聚类质心向量;
针对所述第二集合中的每个数据样本,利用每个聚类结果的聚类质心向量,确定相应数据样本的聚类。
在一实施例中,所述处理器42,具体用于:
利用波束覆盖分类结果,并结合相应波束的相邻波束对应的第三参数及第四参数,定位所述相应波束对应的覆盖场景问题;所述第三参数表征所述相邻波束与所述相应波束的容量指标值的比值;所述第四参数表征所述相邻波束与所述相应波束的业务量指标值的比值。
需要说明的是:所述处理器42的具体处理过程详见方法实施例,这里不再赘述。
当然,实际应用时,电子设备40中的各个组件通过***总线44耦合在一起。可理解,***总线44用于实现这些组件之间的连接通信。***总线44除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图4中将各种总线都标为***总线44。
本申请实施例中的存储器43用于存储各种类型的数据以支持电子设备40的操作。这些数据的示例包括:用于在电子设备40上操作的任何计算机程序。
上述本申请实施例揭示的方法可以应用于所述处理器42中,或者由所述处理器42实现。所述处理器42可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过所述处理器42中的硬件的集成逻辑电路或者软件形式的指令完成。上述的所述处理器42可以是通用处理器、数字信号处理器(DSP,Digital SignalProcessor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。所述处理器42可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤,可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中,该存储介质位于存储器43,所述处理器42读取存储器43中的信息,结合其硬件完成前述方法的步骤。
在示例性实施例中,电子设备40可以被一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU,Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现,用于执行前述方法。
可以理解,本申请实施例的存储器43可以是易失性存储器或者非易失性存储器,也可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM,Read Only Memory)、可编程只读存储器(PROM,Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM,Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM,Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM,ferromagnetic random access memory)、快闪存储器(FlashMemory)、磁表面存储器、光盘、或只读光盘(CD-ROM,Compact Disc Read-Only Memory);磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM,Random Access Memory),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(SRAM,Static Random Access Memory)、同步静态随机存取存储器(SSRAM,Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM,Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM,Synchronous Dynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM,Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM,Enhanced Synchronous Dynamic Random AccessMemory)、同步连接动态随机存取存储器(SLDRAM,SyncLink Dynamic Random AccessMemory)、直接内存总线随机存取存储器(DRRAM,Direct Rambus Random Access Memory)。本申请实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在示例性实施例中,本申请实施例还提供了一种存储介质,即计算机存储介质,具体为计算机可读存储介质,例如包括存储计算机程序的存储器43,上述计算机程序可由电子设备40的处理器42执行,以完成前述电子设备侧方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
需要说明的是:“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
另外,本申请实施例所记载的技术方案之间,在不冲突的情况下,可以任意组合。
以上所述,仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。
Claims (10)
1.一种信息处理方法,其特征在于,包括:
获取多个终端上报的第一参数;并获取第二参数;所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束的容量性能指标;
利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;
利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题;其中,
所述利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果,包括:
针对每个波束,利用第一周期内获取的第一参数及第二参数形成数据样本;
利用形成的数据样本,结合层次聚类算法,对波束进行分类;
所述利用形成的数据样本,结合层次聚类算法,对波束进行分类,包括:
从形成的数据样本中抽取部分数据样本,抽取的数据样本形成第一集合;形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合;
将第一集合中的数据样本进行聚类,得到至少一个聚类结果;
针对所述至少一个聚类结果中的每个聚类结果,确定对应的聚类质心向量;
针对所述第二集合中的每个数据样本,利用每个聚类结果的聚类质心向量,确定相应数据样本的聚类。
2.根据权利要求1所述的方法,其特征在于,所述第一参数包含波束粒度的参考信号接收功率RSRP及参考信号接收质量RSRQ;获取第一参数后,针对每个波束,将获取的RSRP及RSRQ测量值对应的上报值,设置在以RSRP及RSRQ的上报值为二维的统计项中,以存储获取的第一参数。
3.根据权利要求2所述的方法,其特征在于,将获取的至少一个RSRP及RSRQ测量值对应的上报值在所述二维统计项中的相应统计区间的数值进行统计累加。
4.根据权利要求2所述的方法,其特征在于,所述二维统计项为以小区或波束为粒度的二维统计项。
5.根据权利要求2所述的方法,其特征在于,RSRP的统计项的个数为X;X的取值小于或等于RSRP上报值所对应的测量值区间的个数;RSRQ的统计项的个数为Y;Y的取值小于或等于RSRQ上报值所对应的测量值区间的个数。
6.根据权利要求1至5任一项所述的方法,其特征在于,利用波束覆盖分类结果,并结合相应波束的相邻波束对应的第三参数及第四参数,定位所述相应波束对应的覆盖场景问题;所述第三参数表征所述相邻波束与所述相应波束的容量指标值的比值;所述第四参数表征所述相邻波束与所述相应波束的业务量指标值的比值。
7.根据权利要求6所述的方法,其特征在于,确定的所述相应波束对应的覆盖场景问题包含以下至少之一:
所述相应波束的覆盖区域为非用户集中分布区域;
所述相应波束的覆盖区域与相邻波束的覆盖区域的重叠度满足第一条件;所述第一条件表征所述相应波束的覆盖区域为强干扰区域和/或频繁切换区域。
8.一种信息处理装置,其特征在于,包括:
获取单元,用于获取多个终端上报的第一参数;并获取第二参数;所述第一参数表征波束粒度的信号质量;所述第二参数表征相应波束的容量性能指标;
分类单元,用于利用获取的第一参数并结合第二参数对波束进行分类,得到波束覆盖场景分类结果;
定位单元,用于利用波束覆盖场景分类结果,定位相应波束对应的覆盖场景问题;其中,
所述分类单元,用于针对每个波束,利用第一周期内获取的第一参数及第二参数形成数据样本;以及利用形成的数据样本,结合层次聚类算法,对波束进行分类;
所述分类单元,用于从形成的数据样本中抽取部分数据样本,抽取的数据样本形成第一集合;形成的数据样本中除抽取的数据样本外的其他数据样本形成第二集合;以及将第一集合中的数据样本进行聚类,得到至少一个聚类结果;以及针对所述至少一个聚类结果中的每个聚类结果,确定对应的聚类质心向量;以及针对所述第二集合中的每个数据样本,利用每个聚类结果的聚类质心向量,确定相应数据样本的聚类。
9.一种电子设备,其特征在于,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,
所述处理器,用于运行所述计算机程序时,执行权利要求1至7任一项所述方法的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112168.7A CN113301580B (zh) | 2020-02-24 | 2020-02-24 | 信息处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112168.7A CN113301580B (zh) | 2020-02-24 | 2020-02-24 | 信息处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113301580A CN113301580A (zh) | 2021-08-24 |
CN113301580B true CN113301580B (zh) | 2022-09-16 |
Family
ID=77318652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010112168.7A Active CN113301580B (zh) | 2020-02-24 | 2020-02-24 | 信息处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113301580B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3910349B2 (ja) * | 2000-09-19 | 2007-04-25 | 株式会社日立コミュニケーションテクノロジー | 指向性アンテナの制御方法および装置 |
KR20140090495A (ko) * | 2013-01-09 | 2014-07-17 | 주식회사 케이티 | 빔포밍 장치, 및 그의 빔 셀 형성 방법 |
CN110431758A (zh) * | 2017-03-21 | 2019-11-08 | 三菱电机株式会社 | 通信*** |
CN108260214A (zh) * | 2018-01-17 | 2018-07-06 | 中兴通讯股份有限公司 | 一种波束监测对象的确定方法及装置 |
CN110430583B (zh) * | 2019-07-10 | 2022-07-08 | 中国联合网络通信集团有限公司 | 一种ssb波束优化配置方法及装置 |
-
2020
- 2020-02-24 CN CN202010112168.7A patent/CN113301580B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113301580A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111867049B (zh) | 定位方法、装置及存储介质 | |
US10517007B2 (en) | Received signal strength based interferer classification of cellular network cells | |
WO2022022486A1 (zh) | 用于基站节能的处理方法和处理装置 | |
CN103703800B (zh) | 小区互操作处理方法和装置 | |
CN111586740B (zh) | 最小化路测技术配置方法和基站 | |
CN107438264B (zh) | 小区性能分析方法及装置 | |
CN111263389A (zh) | 一种Volte语音质量问题的自动化定位的方法及装置 | |
CN112867147B (zh) | 定位方法和定位装置 | |
EP4171128A1 (en) | Cell reselection method, network management device, base station, and storage medium | |
CN112235821B (zh) | 一种基于ai模型的异频信号强度预测方法 | |
CN113301580B (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN111385804B (zh) | 小区簇划分方法及电子设备 | |
CN112752272A (zh) | 信息发送、测量配置方法、网管***、基站及存储介质 | |
CN111726861B (zh) | 异构设备室内定位方法、装置、***和存储介质 | |
CN113301585B (zh) | 信息处理方法、装置、电子设备及存储介质 | |
WO2017211178A1 (zh) | 划分超级小区的方法及装置 | |
CN114630359B (zh) | 确定网络覆盖的方法、装置、电子设备、计算机存储介质 | |
CN115334517B (zh) | 通信网络的覆盖优化方法、装置及电子设备 | |
CN113543164A (zh) | 一种网络性能数据的监控方法及相关设备 | |
Guo et al. | A radio network differentiation parameter optimization algorithm based on clustering | |
US20230370354A1 (en) | Systems and methods for identifying spatial clusters of users having poor experience in a heterogeneous network | |
CN111131109B (zh) | 信号识别方法、装置、计算机设备和存储介质 | |
CN114258093B (zh) | 一种配置切换配置信息的方法及装置 | |
CN114760637B (zh) | 小区扩容方法和装置 | |
Jangid et al. | Efficient Protocol for EUTRA New Radio Dual Connectivity Handling based on Location |
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 |