CN113435538B - 一种无线通信设备部署方法及装置 - Google Patents
一种无线通信设备部署方法及装置 Download PDFInfo
- Publication number
- CN113435538B CN113435538B CN202110815002.6A CN202110815002A CN113435538B CN 113435538 B CN113435538 B CN 113435538B CN 202110815002 A CN202110815002 A CN 202110815002A CN 113435538 B CN113435538 B CN 113435538B
- Authority
- CN
- China
- Prior art keywords
- installation
- image
- wireless communication
- simulated
- communication equipment
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开了一种无线通信设备部署方法及装置,属于无线通信设备安装技术领域,步骤一:获取无线通信设备部署地点,分析部署地点的安装环境;获取部署地点的高清图像和安装信息,将图像进行图像预处理,并将图像预处理之后的图像标记为灰度图像,以图像中心为原点,建立图像灰度值三维坐标系,将图像灰度值输入到坐标系中,将同一图像的相邻灰度值点使用平滑曲线进行连接,形成灰度值曲面,设置无线信号干扰库,将获取的安装信息与无线信号干扰库进行匹配,通过先获取模拟安装点,再对模拟安装点进行检测,最终进行综合评价获得无线通信设备的安装的位置,解决无线通信设备抗干扰弱,需要合理的对无线通信设备的安装位置进行部署的问题。
Description
技术领域
本发明属于无线通信设备安装技术领域;具体是一种无线通信设备部署方法及装置。
背景技术
无线通信是指不需要物理连接线的通信,即利用电磁波信号可以在自由空间中传播的特征进行信息交换的一种通信方式。无线通信设备最大优点就是环境,不需要受线的限制,具有一定的移动性,可以在移动状态下通过无线连接进行通信,施工难度低,成本低;但无线通信设备抗干扰弱,因此在安装过程中需要合理的对无线通信设备的安装位置进行部署,降低干扰源对无线通信设备的影响。
发明内容
本发明的目的在于提供一种无线通信设备部署方法及装置,解决无线通信设备抗干扰弱,需要合理的对无线通信设备的安装位置进行部署的问题。
本发明的目的可以通过以下技术方案实现:
一种无线通信设备部署方法,步骤一:获取无线通信设备部署地点,分析部署地点的安装环境;
获取部署地点的高清图像和安装信息,将图像进行图像预处理,并将图像预处理之后的图像标记为灰度图像,以图像中心为原点,建立图像灰度值三维坐标系,将图像灰度值输入到坐标系中,将同一图像的相邻灰度值点使用平滑曲线进行连接,形成灰度值曲面,设置无线信号干扰库,将获取的安装信息与无线信号干扰库进行匹配,获得部署地点的干扰物品信息,根据干扰物品信息对灰度值曲面进行标记,对标记后的灰度值曲面进行分割,获得干扰物品图像和坐标,获得对应干扰物品的干扰能力;
步骤二:对部署地点内的干扰物品进行分析模拟;
步骤三:到部署地点进行模拟安装点的信号测试;
步骤四:对模拟安装点进行综合评价,根据综合评价选取最终无线通信设备安装点。
进一步地,步骤二中对部署地点内的干扰物品进行分析模拟的方法包括:获取部署地点图纸和无线通信设备型号,将干扰物品图像、无线通信设备型号、部署地点图纸、干扰物品坐标和干扰物品的干扰能力整合并标记为输入数据;获取预测模型;将输入数据输入至预测模型获取N个模拟安装点,将N个模拟安装点标记在部署地点图纸上。
进一步地,步骤三中到部署地点进行模拟安装点的信号测试方法包括:在模拟安装点设置检测装置,获取部署地点除了设置检测装置的其它位置的信号强度,根据其它位置的信号强度对对应模拟安装点进行信号评分。
进一步地,步骤四中对模拟安装点进行综合评价的方法包括:将模拟安装点标记为i,i=1、2、……、N;获取模拟安装点的安装难度评分,将模拟安装点的安装难度评分标记为Pi,获取模拟安装点的信号评分,将模拟安装点的信号评分标记为Li,获取模拟安装点对周边的影响评分,将模拟安装点对周边的影响评分标记为Ki;将模拟安装点、模拟安装点的安装难度评分、模拟安装点的信号评分和模拟安装点对周边的影响评分进行去除量纲取其数值计算;根据公式Qi=λ*[(b1*Pi+b2*Li+b3*Ki)/(b1+b2+b3)]获取得到综合评分Qi,其中,b1、b2、b3、b4均为比例系数,取值范围为0<b1<1,1<b2≤2,1<b3≤2,λ为修正因子,取值范围为0<λ≤1。
一种无线通信设备部署装置,包括采集模块、模拟模块、测试模块和评分模块;
所述采集模块用于采集无线通信设备的部署地点信息,并分析部署地点的安装环境;
所述模拟模块用户对部署地点内的干扰物品进行分析模拟;
所述测试模块用于对模拟安装点进行信号测试;所述评分模块用于对模拟安装点进行综合评价,根据综合评价选取最终无线通信设备安装点。
本发明的有益效果:
通过获取部署地点的高清图像和安装信息,将图像进行图像预处理,并将图像预处理之后的图像标记为灰度图像,以图像中心为原点,建立图像灰度值三维坐标系,将图像灰度值输入到坐标系中,将同一图像的相邻灰度值点使用平滑曲线进行连接,形成灰度值曲面,设置无线信号干扰库,将获取的安装信息与无线信号干扰库进行匹配,获得部署地点的干扰物品信息,根据干扰物品信息对灰度值曲面进行标记,对标记后的灰度值曲面进行分割,获得干扰物品图像和坐标,为后续的无线通信设备安装提供干扰源位置信息;本发明通过先获取模拟安装点,再对模拟安装点进行检测,最终进行综合评价获得无线通信设备的安装的位置,解决无线通信设备抗干扰弱,需要合理的对无线通信设备的安装位置进行部署的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种无线通信设备部署方法,具体方法包括:
步骤一:获取无线通信设备部署地点,分析部署地点的安装环境;
获取部署地点的高清图像和安装信息,安装信息就是安装地点是什么类型的建筑,是厂房、民居还是其他类型的建筑,安装地点内有什么类型的物品,将图像进行图像预处理,并将图像预处理之后的图像标记为灰度图像,图像预处理包括图像分割、图像去噪、图像增强和灰度变换,以图像中心为原点,建立图像灰度值三维坐标系,将图像灰度值输入到坐标系中,将同一图像的相邻灰度值点使用平滑曲线进行连接,形成灰度值曲面,设置无线信号干扰库,无线信号干扰库用于储存能够对无线信号进行干扰的物品信息,将获取的安装信息与无线信号干扰库进行匹配,获得部署地点的干扰物品信息,干扰物品信息包括物品尺寸和颜色,根据干扰物品信息对灰度值曲面进行标记,对标记后的灰度值曲面进行分割,获得干扰物品图像和坐标,获得对应干扰物品的干扰能力;
步骤二:对部署地点内的干扰物品进行分析模拟;
获取部署地点图纸和无线通信设备型号,将干扰物品图像、无线通信设备型号、部署地点图纸、干扰物品坐标和干扰物品的干扰能力整合并标记为输入数据;获取预测模型;将输入数据输入至预测模型获取N个模拟安装点,模拟安装点为无线通信设备安装坐标,将N个模拟安装点标记在部署地点图纸上,其中,N为预设系数,5≥N≥1;
预测模型的获取具体包括以下步骤:获取无线通信设备历史安装数据;无线通信设备历史安装数据包括干扰物品图像、无线通信设备型号、部署地点图纸、干扰物品坐标和干扰物品的干扰能力,为无线通信设备历史安装数据设置对应的模拟安装点;构建人工智能模型;人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络;将无线通信设备历史安装数据和对应的模拟安装点按照设定比例划分为训练集、测试集和校验集;设定比例包括2:1:1、3:2:1和3:2:2;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为预测模型;
步骤三:到部署地点进行模拟安装点的信号测试;
在模拟安装点设置检测装置,检测装置与待安装无线通信设备发送的信号相同,或者直接使用待安装无线通信设备为检测装置进行测试,获取部署地点除了设置检测装置的其它位置的信号强度,根据其它位置的信号强度对对应模拟安装点进行信号评分;
步骤四:对模拟安装点进行综合评价,根据综合评价选取最终无线通信设备安装点;
将模拟安装点标记为i,i=1、2、……、N;获取模拟安装点的安装难度评分,安装难度评分由无线通信设备安装工程师进行评价,难度越高评分越低,将模拟安装点的安装难度评分标记为Pi,获取模拟安装点的信号评分,将模拟安装点的信号评分标记为Li,获取模拟安装点对周边的影响评分,模拟安装点对周边影响就是这个位置安装无线通信设备对周边的影响,例如安装在走道上,当影响通行时,对周边的影响大,评分就低,将模拟安装点对周边的影响评分标记为Ki;将模拟安装点、模拟安装点的安装难度评分、模拟安装点的信号评分和模拟安装点对周边的影响评分进行去除量纲取其数值计算;根据公式Qi=λ*[(b1*Pi+b2*Li+b3*Ki)/(b1+b2+b3)]获取得到综合评分Qi,其中,b1、b2、b3、b4均为比例系数,取值范围为0<b1<1,1<b2≤2,1<b3≤2,λ为修正因子,取值范围为0<λ≤1。
一种无线通信设备部署装置,包括采集模块、模拟模块、测试模块和评分模块;
采集模块用于采集无线通信设备的部署地点信息,并分析部署地点的安装环境;
获取部署地点的高清图像和安装信息,将图像进行图像预处理,并将图像预处理之后的图像标记为灰度图像,图像预处理包括图像分割、图像去噪、图像增强和灰度变换,以图像中心为原点,建立图像灰度值三维坐标系,将图像灰度值输入到坐标系中,将同一图像的相邻灰度值点使用平滑曲线进行连接,形成灰度值曲面,设置无线信号干扰库,将获取的安装信息与无线信号干扰库进行匹配,获得部署地点的干扰物品信息,根据干扰物品信息对灰度值曲面进行标记,对标记后的灰度值曲面进行分割,获得干扰物品图像和坐标,获得对应干扰物品的干扰能力。
模拟模块用户对部署地点内的干扰物品进行分析模拟;
获取部署地点图纸和无线通信设备型号,将干扰物品图像、无线通信设备型号、部署地点图纸、干扰物品坐标和干扰物品的干扰能力整合并标记为输入数据;获取预测模型;将输入数据输入至预测模型获取N个模拟安装点,将N个模拟安装点标记在部署地点图纸上;
预测模型的获取具体包括以下步骤:获取无线通信设备历史安装数据;无线通信设备历史安装数据包括干扰物品图像、无线通信设备型号、部署地点图纸、干扰物品坐标和干扰物品的干扰能力,为无线通信设备历史安装数据设置对应的模拟安装点;构建人工智能模型;人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络;将无线通信设备历史安装数据和对应的模拟安装点按照设定比例划分为训练集、测试集和校验集;设定比例包括2:1:1、3:2:1和3:2:2;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为预测模型;
测试模块用于对模拟安装点进行信号测试;在模拟安装点设置检测装置,获取部署地点除了设置检测装置的其它位置的信号强度,根据其它位置的信号强度对对应模拟安装点进行信号评分;
评分模块用于对模拟安装点进行综合评价,根据综合评价选取最终无线通信设备安装点;
将模拟安装点标记为i,i=1、2、……、N;获取模拟安装点的安装难度评分,安装难度评分由无线通信设备安装工程师进行评价,难度越高评分越低,将模拟安装点的安装难度评分标记为Pi,获取模拟安装点的信号评分,将模拟安装点的信号评分标记为Li,获取模拟安装点对周边的影响评分,模拟安装点对周边影响就是这个位置安装无线通信设备对周边的影响,例如安装在走道上,当影响通行时,对周边的影响大,评分就低,将模拟安装点对周边的影响评分标记为Ki;将模拟安装点、模拟安装点的安装难度评分、模拟安装点的信号评分和模拟安装点对周边的影响评分进行去除量纲取其数值计算;根据公式Qi=λ*[(b1*Pi+b2*Li+b3*Ki)/(b1+b2+b3)]获取得到综合评分Qi,其中,b1、b2、b3、b4均为比例系数,取值范围为0<b1<1,1<b2≤2,1<b3≤2,λ为修正因子,取值范围为0<λ≤1。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明在使用时,获取无线通信设备部署地点,分析部署地点的安装环境;获取部署地点的高清图像和安装信息,将图像进行图像预处理,并将图像预处理之后的图像标记为灰度图像,图像预处理包括图像分割、图像去噪、图像增强和灰度变换,以图像中心为原点,建立图像灰度值三维坐标系,将图像灰度值输入到坐标系中,将同一图像的相邻灰度值点使用平滑曲线进行连接,形成灰度值曲面,设置无线信号干扰库,将获取的安装信息与无线信号干扰库进行匹配,获得部署地点的干扰物品信息,根据干扰物品信息对灰度值曲面进行标记,对标记后的灰度值曲面进行分割,获得干扰物品图像和坐标,获得对应干扰物品的干扰能力;对部署地点内的干扰物品进行分析模拟;获取部署地点图纸和无线通信设备型号,将干扰物品图像、无线通信设备型号、部署地点图纸、干扰物品坐标和干扰物品的干扰能力整合并标记为输入数据;获取预测模型;将输入数据输入至预测模型获取N个模拟安装点,模拟安装点为无线通信设备安装坐标,将N个模拟安装点标记在部署地点图纸上;
获取无线通信设备历史安装数据;无线通信设备历史安装数据包括干扰物品图像、无线通信设备型号、部署地点图纸、干扰物品坐标和干扰物品的干扰能力,为无线通信设备历史安装数据设置对应的模拟安装点;构建人工智能模型;将无线通信设备历史安装数据和对应的模拟安装点按照设定比例划分为训练集、测试集和校验集;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将训练完成的人工智能模型标记为预测模型;到部署地点进行模拟安装点的信号测试;在模拟安装点设置检测装置,获取部署地点除了设置检测装置的其它位置的信号强度,根据其它位置的信号强度对对应模拟安装点进行信号评分;
对模拟安装点进行综合评价,根据综合评价选取最终无线通信设备安装点,将模拟安装点标记为i,获取模拟安装点的安装难度评分,将模拟安装点的安装难度评分标记为Pi,获取模拟安装点的信号评分,将模拟安装点的信号评分标记为Li,获取模拟安装点对周边的影响评分,将模拟安装点对周边的影响评分标记为Ki;将模拟安装点、模拟安装点的安装难度评分、模拟安装点的信号评分和模拟安装点对周边的影响评分进行去除量纲取其数值计算;根据公式Qi=λ*[(b1*Pi+b2*Li+b3*Ki)/(b1+b2+b3)]获取得到综合评分Qi,其中,b1、b2、b3、b4均为比例系数,取值范围为0<b1<1,1<b2≤2,1<b3≤2,λ为修正因子,取值范围为0<λ≤1。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上内容仅仅是对本发明结构所做的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (2)
1.一种无线通信设备部署方法,其特征在于,步骤一:获取无线通信设备部署地点,分析部署地点的安装环境;
获取部署地点的高清图像和安装信息,将图像进行图像预处理,并将图像预处理之后的图像标记为灰度图像,以图像中心为原点,建立图像灰度值三维坐标系,将图像灰度值输入到坐标系中,将同一图像的相邻灰度值点使用平滑曲线进行连接,形成灰度值曲面,设置无线信号干扰库,将获取的安装信息与无线信号干扰库进行匹配,获得部署地点的干扰物品信息,根据干扰物品信息对灰度值曲面进行标记,对标记后的灰度值曲面进行分割,获得干扰物品图像和坐标,获得对应干扰物品的干扰能力;
步骤二:对部署地点内的干扰物品进行分析模拟;
步骤三:到部署地点进行模拟安装点的信号测试;
步骤四:对模拟安装点进行综合评价,根据综合评价选取最终无线通信设备安装点;
步骤二中对部署地点内的干扰物品进行分析模拟的方法包括:获取部署地点图纸和无线通信设备型号,将干扰物品图像、无线通信设备型号、部署地点图纸、干扰物品坐标和干扰物品的干扰能力整合并标记为输入数据;获取预测模型;将输入数据输入至预测模型获取N个模拟安装点,将N个模拟安装点标记在部署地点图纸上;
步骤三中到部署地点进行模拟安装点的信号测试方法包括:在模拟安装点设置检测装置,获取部署地点除了设置检测装置的其它位置的信号强度,根据其它位置的信号强度对对应模拟安装点进行信号评分;
步骤四中对模拟安装点进行综合评价的方法包括:将模拟安装点标记为i,i=1、2、……、N;获取模拟安装点的安装难度评分,将模拟安装点的安装难度评分标记为Pi,获取模拟安装点的信号评分,将模拟安装点的信号评分标记为Li,获取模拟安装点对周边的影响评分,将模拟安装点对周边的影响评分标记为Ki;将模拟安装点、模拟安装点的安装难度评分、模拟安装点的信号评分和模拟安装点对周边的影响评分进行去除量纲取其数值计算;根据公式Qi=λ*[(b1*Pi+b2*Li+b3*Ki)/(b1+b2+b3)]获取得到综合评分Qi,其中,b1、b2、b3均为比例系数,取值范围为0<b1<1,1<b2≤2,1<b3≤2,λ为修正因子,取值范围为0<λ≤1。
2.一种无线通信设备部署装置,其特征在于,包括采集模块、模拟模块、测试模块和评分模块;
所述采集模块用于采集无线通信设备的部署地点信息,并分析部署地点的安装环境;
所述模拟模块用于对部署地点内的干扰物品进行分析模拟;
所述测试模块用于对模拟安装点进行信号测试;所述评分模块用于对模拟安装点进行综合评价,根据综合评价选取最终无线通信设备安装点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110815002.6A CN113435538B (zh) | 2021-07-19 | 2021-07-19 | 一种无线通信设备部署方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110815002.6A CN113435538B (zh) | 2021-07-19 | 2021-07-19 | 一种无线通信设备部署方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435538A CN113435538A (zh) | 2021-09-24 |
CN113435538B true CN113435538B (zh) | 2022-11-15 |
Family
ID=77761143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110815002.6A Active CN113435538B (zh) | 2021-07-19 | 2021-07-19 | 一种无线通信设备部署方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435538B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1466725A (zh) * | 2000-09-22 | 2004-01-07 | ���˹���Ѷ��� | 在3-d中自动选择最佳通信网络设备模型、位置和配置的方法和*** |
CN101819609A (zh) * | 2001-09-21 | 2010-09-01 | 无线谷通讯有限公司 | 用于设计、跟踪、测量、预测和优化数据通信网络的***和方法 |
CN103702336A (zh) * | 2013-12-27 | 2014-04-02 | 中国科学院自动化研究所 | 一种车路交互无线网络部署的测评方法及装置 |
CN105828346A (zh) * | 2016-06-07 | 2016-08-03 | 北京佰才邦技术有限公司 | 无线设备接入方法及装置、网络控制单元 |
CN112396635A (zh) * | 2020-11-30 | 2021-02-23 | 深圳职业技术学院 | 一种基于多设备的复杂环境下多目标检测方法 |
CN112839341A (zh) * | 2020-12-15 | 2021-05-25 | 深圳智造谷工业互联网创新中心有限公司 | 无线通信网络的部署方法、电子设备及计算机存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8929931B1 (en) * | 2011-10-25 | 2015-01-06 | Time Warner Cable Enterprises Llc | Resource installation management in a wireless network |
CN107454605A (zh) * | 2016-05-30 | 2017-12-08 | 富士通株式会社 | 用于无线网络部署的方法、装置和终端设备 |
-
2021
- 2021-07-19 CN CN202110815002.6A patent/CN113435538B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1466725A (zh) * | 2000-09-22 | 2004-01-07 | ���˹���Ѷ��� | 在3-d中自动选择最佳通信网络设备模型、位置和配置的方法和*** |
CN101819609A (zh) * | 2001-09-21 | 2010-09-01 | 无线谷通讯有限公司 | 用于设计、跟踪、测量、预测和优化数据通信网络的***和方法 |
CN103702336A (zh) * | 2013-12-27 | 2014-04-02 | 中国科学院自动化研究所 | 一种车路交互无线网络部署的测评方法及装置 |
CN105828346A (zh) * | 2016-06-07 | 2016-08-03 | 北京佰才邦技术有限公司 | 无线设备接入方法及装置、网络控制单元 |
CN112396635A (zh) * | 2020-11-30 | 2021-02-23 | 深圳职业技术学院 | 一种基于多设备的复杂环境下多目标检测方法 |
CN112839341A (zh) * | 2020-12-15 | 2021-05-25 | 深圳智造谷工业互联网创新中心有限公司 | 无线通信网络的部署方法、电子设备及计算机存储介质 |
Non-Patent Citations (3)
Title |
---|
BalloonNet: A Deploying Method for a Three-Dimensional Wireless Network Surrounding a Building;Shinya Matsuo et.al;《2013 Eighth International Conference on Broadband and Wireless Computing, Communication and Applications》;20131223;第120-127页 * |
一种移动通信干扰效果评估方法;刘泽忠等;《通信技术》;20170910(第09期);第44-47页 * |
无线传感器网络移动干扰源位置预测;王胜;《中国优秀硕士学位论文全文数据库 信息科技辑》;20171115;第I140-64页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113435538A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112199993B (zh) | 基于人工智能识别任意方向变电站绝缘子红外图像检测模型的方法 | |
CN103514366B (zh) | 一种城市空气质量浓度监测缺失数据的修复方法 | |
CN108257121B (zh) | 产品缺陷检测模型更新的方法、装置、存储介质及终端设备 | |
CN108320278A (zh) | 产品缺陷检测定位方法、装置、设备及计算机可读介质 | |
CN111783562B (zh) | 智能审图方法及相关装置 | |
CN115270527B (zh) | 道路塌陷风险实时评估方法、设备及存储介质 | |
CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及*** | |
CN114926511A (zh) | 一种基于自监督学习的高分辨率遥感影像变化检测方法 | |
CN115951014A (zh) | 一种结合气象特征的cnn-lstm-bp多模态空气污染物预测方法 | |
CN107480826A (zh) | 基于gis的输电线路覆冰预警三维***的应用 | |
CN110502846A (zh) | 一种基于多元线性拟合的多源噪声快速分离方法 | |
CN117876381B (zh) | 用于混凝土结构裂缝识别和分析的ai视觉检测方法和*** | |
CN112039073A (zh) | 一种适用于配电房设备故障判断的协同优化方法及*** | |
CN115511255A (zh) | 一种智慧园区的立体智能管理方法及*** | |
CN102509299B (zh) | 基于视觉注意机制的图像显著区域检测方法 | |
CN109934151B (zh) | 一种基于movidius计算芯片和Yolo face的人脸检测方法 | |
Hagen-Zanker et al. | Map comparison methods for comprehensive assessment of geosimulation models | |
CN113591371B (zh) | 基于时空关联模型的桥梁集群结构损伤定位方法 | |
CN113435538B (zh) | 一种无线通信设备部署方法及装置 | |
CN114693114A (zh) | 地下空间结构的监测方法、装置、计算机设备及存储介质 | |
CN114048609A (zh) | 变电站噪声实时监控及多维分析*** | |
CN114067103A (zh) | 一种基于YOLOv3的管道第三方破坏智能识别方法 | |
CN117352088A (zh) | 一种基于卷积神经网络的空间污染物分布的预测方法 | |
CN117056722A (zh) | 一种规划地块人口数量预测方法及*** | |
CN113822892B (zh) | 仿真雷达的评测方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |