CN114025372A - 基于mr数据的5g rsrp计算方法及*** - Google Patents
基于mr数据的5g rsrp计算方法及*** Download PDFInfo
- Publication number
- CN114025372A CN114025372A CN202111368254.5A CN202111368254A CN114025372A CN 114025372 A CN114025372 A CN 114025372A CN 202111368254 A CN202111368254 A CN 202111368254A CN 114025372 A CN114025372 A CN 114025372A
- Authority
- CN
- China
- Prior art keywords
- grid
- data
- rsrp
- cell
- sampling point
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000035515 penetration Effects 0.000 claims description 19
- 238000004088 simulation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims description 6
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 14
- 238000012360 testing method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 238000013499 data model Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 208000037855 acute anterior uveitis Diseases 0.000 description 2
- 239000011449 brick Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000011150 reinforced concrete Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于MR数据的5G RSRP计算方法及***，包括获取待检测区域中MR采样点对应的历史MR数据；获取MR采样点服务小区的定位参数，在待检测区域地图上生成小区覆盖图层；生成初始室内栅格和初始室外栅格，对MR采样点的室内属性和室外属性进行赋值，生成4G栅格RSRP网格模型、计算预测5G栅格RSRP。通过MR数据作为分析5G RSRP信号覆盖的基础，用户实际使用产生的数据能准确反映网络问题；采用栅格化计算4G栅格RSRP网格模型，基于4G栅格RSRP网格模型、5G基站与4G基站之间的差值计算5G RSRP，数据结构简单，计算快捷高效，覆盖效果直观，为5G网络深度覆盖优化提供支撑。
Description
技术领域
本发明涉及5G网络优化技术领域，尤其涉及一种基于MR数据的5G RSRP计算方法及***。
背景技术
5G是全新一代的通信技术，具有高速率、低延迟、高可靠性等优势，是万物互联和数字经济的基石。5G支撑应用场景由移动互联网向万物互联拓展，成为高速、移动、安全的新一代信息基础。
由于5G采用高频毫米波传播，虽然具有高速率、低延迟、高可靠性等优势，但是传播能力差，绕射和穿墙能力会被减弱；5G基站的价格昂贵，市面上单个5G基站成本约50万左右，是普通4G基站价格的3倍；且维持一个4G基站的覆盖范围，需要投入100个5G基站，可见5G网路建设运维成本很高，因此，建设5G网络既要满足用户需求，也要尽可能节约成本，避免5G基站的冗余部署。
目前需要通过测量5G的RSRP以衡量5G网络的覆盖能力，传统的方法是通过人工持有移动端设备在基站附近进行实地的人工测试，进行拉网/DT测试，需要投入大量的人工成本和时间成本，且人工采集的效率低，这种方法对于经济条件低下的乡镇农村来说难以实现；由于测试区域内站点量大，很难针对单站点进行细致、精确的修正；此外，同一站址的5G与4G站点挂高、具体安装位置、馈线及接头损耗、天线配置、天线方向性图等差异，都会影响评估结果。
发明内容
本发明提供一种基于MR数据的5G RSRP计算方法及***，用以解决上述现有技术中的缺陷。
本发明提供一种基于MR数据的5G RSRP计算方法，包括：
获取历史时段内待检测区域中每个MR采样点对应的历史MR数据；
获取每个所述MR采样点服务小区的定位参数，在所述待检测区域的地图上生成小区覆盖图层；
在所述小区覆盖图层上生成初始室内栅格和初始室外栅格；
基于所述历史MR数据，结合所述初始室内栅格和初始室外栅格，对各个MR采样点的室内属性和室外属性分别进行赋值，并生成4G栅格RSRP网格模型；
根据4G栅格RSRP计算预测5G栅格RSRP。
根据本发明提供的一种基于MR数据的5G RSRP计算方法，在获取历史时段内待检测区域中每个MR采样点对应的历史MR数据之前，包括：
筛选历史时段内待检测区域中每个MR采样点的MR数据，剔除不包括TA数据的MR数据，筛选包括AGPS数据的MR数据作为所述历史MR数据，并基于对应基站的唯一编码对所述历史MR数据进行聚类。
根据本发明提供的一种基于MR数据的5G RSRP计算方法，获取每个所述MR采样点服务小区的定位参数，包括：
获取各个所述小区的经纬度和方向角；
获取所述小区的工作参数，包括：小区全局标识符、小区名称、小区类型、基站唯一编码、天线增益参数；
获取所述待检测区域的地图，在所述地图上显示标识每个小区，生成所述小区覆盖图层。
根据本发明提供的一种基于MR数据的5G RSRP计算方法，在所述小区覆盖图层上生成初始室内栅格和初始室外栅格，包括：
获取所述待检测区域的三维地图信息，包括高度数据、矢量数据、地物数据和建筑数据；
解析所述三维地图信息，获取所述地图中的建筑栅格库；
在所述小区覆盖图层上划分栅格，生成所述初始室内栅格和所述初始室外栅格。
根据本发明提供的一种基于MR数据的5G RSRP计算方法，对各个MR采样点的室内属性和室外属性分别进行赋值，包括：
若所述MR采样点对应服务的小区基站为室分站，则判定所述主区对应的采样点为室内信号采样点；
若所述MR采样点对应服务的小区基站为宏站，则分析所述历史MR数据，获取所述小区的主区电平、TA数值、电平衰减数值、邻区数；
计算每个所述MR采样点的室内得分和室外得分；
若所述室内得分高于所述室外得分，则所述MR采样点为室内采样点，反之则为室外采样点。
根据本发明提供的一种基于MR数据的5G RSRP计算方法，获取各个所述MR采样点的室内属性和室外属性后，划定每个栅格在所述地图上的范围；
获取各个小区的所述唯一编码和所述天线增益参数，基于所述初始室内栅格和所述初始室外栅格，计算各个栅格的仿真电平；
输出所述4G栅格RSRP网格模型。
根据本发明提供的一种基于MR数据的5G RSRP计算方法，根据4G栅格RSRP计算预测5G栅格RSRP，包括：
计算4G栅格RSRP网格模型内各个4G基站相对于5G基站的发射功率差、天线增益差、空口损耗和穿透损耗差；
应用公式：
5G栅格RSRP＝4G栅格RSRP+发射功率差+天线增益差+空口损耗+穿透损耗差；
输出5G栅格RSRP。
另一方面，本发明提供的一种基于MR数据的5G RSRP计算***，其特征在于，包括：
采样模块，获取历史时段内待检测区域中每个MR采样点对应的历史MR数据；
图层模块，获取每个所述MR采样点服务小区的定位参数，在所述待检测区域的地图上生成小区覆盖图层；
栅格模块，在所述小区覆盖图层上生成初始室内栅格和初始室外栅格；并基于所述历史MR数据，结合所述初始室内栅格和初始室外栅格，对各个MR采样点的室内属性和室外属性分别进行赋值，并生成4G栅格RSRP网格模型；
计算模块，根据所述4G栅格RSRP网格模型计算预测5G栅格RSRP。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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上述任一种方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种方法的步骤。
本发明提供的一种基于MR数据的5G RSRP计算方法及***，通过采用MR数据作为分析5G RSRP信号覆盖的基础，数据来源真实可靠，海量用户实际使用过程中上报的数据更能准确反映网络问题，指标的分析更加贴近用户行为；本发明采用栅格化计算4G栅格RSRP网格模型，基于4G栅格RSRP网格模型集合5G基站与4G基站之间的发射功率差、天线增益差、空口损耗和穿透损耗差计算5G RSRP，数据结构简单，计算方法快捷高效，覆盖效果一目了然，为5G网络深度覆盖优化提供了支撑。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的基于MR数据的5G RSRP计算方法的流程示意图；
图2是本发明提供的一种基于MR数据的5G RSRP计算方法获取的4G小区覆盖图的示意图；
图3是本发明提供的一种基于MR数据的5G RSRP计算方法获取的建筑栅格高度特征库仿真图的示意图；
图4是本发明提供的一种基于MR数据的5G RSRP计算方法获取的4G栅格RSRP仿真图的示意图；
图5是本发明提供的一种基于MR数据的5G RSRP计算方法获取的5G栅格RSRP仿真图的示意图之一；
图6是本发明提供的一种基于MR数据的5G RSRP计算方法获取的5G栅格RSRP仿真图的示意图之二；
图7是本发明提供的一种基于MR数据的5G RSRP计算***的结构示意图；
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
需要说明的是，RSRP是衡量网络覆盖能力的重要指标，如何准确计算5G RSRP，实现5G低成本的快速部署，是当前建设5G网络面临的重大难题；MR(Measure Report,测量报告)是指用户终端在通话状态下向网络发送的测量报告，在本发明的实施例中，MR数据包括用户的RSRP数据(Reference Signal Received Power,参考信号接收功率)；MR数据可以通过通信网络信号测量统计文件获取，可以获取过去一个周期的历史时段内的一个MR采集点的MR数据，一般包括小区ID(即本发明所述的小区全局标识符)、TA值(Time Advance,时间提前量)、采集点服务的主区电平值(即RSRP)以及邻区信息；其中TA值用于反应用户终端到服务基站的信号传播时间；RSRP值及待核查小区网络中接收功率电平的测量值。
在一个实施例中，如图1所示，本发明提供一种基于MR数据的5G RSRP计算方法，包括步骤：
获取待检测区域中每个MR采样点对应的历史MR数据；
具体的，筛选历史时段内待检测区域中每个MR采样点的MR数据，剔除不包括TA数据的MR数据，筛选包括AGPS数据的MR数据作为所述历史MR数据，并基于对应基站的唯一编码对所述历史MR数据进行聚类；
需要说明的是，AGPS为每个MR采样点的移动终端对应的定位数据；TA值用于反应用户终端到服务基站的信号传播时间，若MR数据没有记录TA值，则难以确定每个MR采样点到服务基站的范围半径；记录AGPS数据和TA数据有利于确定每个MR采样点的室内外属性；
需要说明的是，“聚类”为将物理或抽象对象的集合分成由类似的对象组成的多个类的方法过程；由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异；在本发明中，在获取各个MR采样点的MR历史数据后，获取MR历史数据对应的基站唯一编码ID，以包含该基站唯一编码的MR历史数据作为一类；
进一步，获取每个所述MR采样点服务小区的定位参数，在所述待检测区域的地图上生成小区覆盖图层；
具体的，获取各个所述小区的经纬度和方向角；获取所述小区的工作参数，包括：小区全局标识符、小区名称、小区类型、基站唯一编码、天线增益参数；获取所述待检测区域的地图，在所述地图上显示标识每个小区，生成所述小区覆盖图层；
通过经纬度和方向角实现小区的定位，在获取的地图上标识小区的位置和方向角；
需要说明的是，待检测区域的地图可以是任意城市的地图，可以直接从网站、软件中调用，也可以自行划定检测区域的地图；方向角是小区的一个固定静态参数，用于在地图上以扇形角度的形式标识小区的位置，如图2所示；
进一步，在所述小区覆盖图层上生成初始室内栅格和初始室外栅格；
具体的，获取所述待检测区域的三维地图信息，包括高度数据、矢量数据、地物数据和建筑数据；
需要说明的是，通过三维地图信息获取以下五种数据结构，包括：
Height数据：用栅格模型描述地面海拔高度变化；
Clutter数据：用栅格模型描述地面覆盖类型；一般一个栅格像元对应地面范围是5m*5m；
Vector数据：用矢量模型描述线状地物的平面分布与空间关系；
Buildings数据：用矢量和栅格两种数据模型描述各种建筑物的分布情况及建筑物的高度；
TXT数据：用于记录主要线状、面状及点状地物的名称，采用矢量数据结构；
基于上述五种数据，解析所述三维地图信息，获取所述地图中的建筑栅格库；进而在所述小区覆盖图层上划分栅格，生成所述初始室内栅格和所述初始室外栅格。
进一步，基于所述历史MR数据，结合所述初始室内栅格和初始室外栅格，对各个MR采样点的室内属性和室外属性分别进行赋值，并生成4G栅格RSRP网格模型，包括：
若所述MR采样点对应服务的小区基站为室分站，则判定所述主区对应的采样点为室内信号采样点；
若所述MR采样点对应服务的小区基站为宏站，则分析所述历史MR数据，获取所述小区的主区电平、TA数值、电平衰减数值、邻区数；
计算每个所述MR采样点的室内得分和室外得分；
若所述室内得分高于所述室外得分，则所述MR采样点为室内采样点，反之则为室外采样点；
进一步，获取各个所述MR采样点的室内属性和室外属性后，划定每个栅格在所述地图上的范围；
获取各个小区的所述唯一编码和所述天线增益参数，基于所述初始室内栅格和所述初始室外栅格，计算各个栅格的仿真电平；
输出所述4G栅格RSRP网格模型。
进一步，根据4G栅格RSRP网格模型计算预测5G栅格RSRP；
具体的，计算4G栅格RSRP网格模型内各个4G基站相对于5G基站的发射功率差、天线增益差、空口损耗和穿透损耗差；
应用公式：
5G栅格RSRP＝4G栅格RSRP+发射功率差+天线增益差+空口损耗+穿透损耗差；
输出5G栅格RSRP。
在一个具体的实施例中，本发明提供的一种基于MR数据的5GRSRP计算方法，具体包括：
S1、从运营商现网数据中读取昆明市过去一周7乘24h的历史MR数据，提取其中含有AGPS数据的MR，并去掉没有上报TA的MR，按基站唯一编码聚类；
S2、获取现有4G网络分布的小区的工作参数，主要包括：小区名称、小区类型、小区全局标识符(ECGI)、小区的经纬度和方向角；获取基站唯一编码、天线挂高、CPI、发射功率、天线增益、频点、频率等，根据小区的经纬度以及方向角，对小区进行定位，并在任意地图上标识小区的位置，标识出小区的方向角，获取小区的覆盖区域图如图2所示；
S3、加载并处理Planet格式的三维电子地图建筑物模型，通过匹配建筑物ID和地貌特征ID，以地图中建筑栅格库为基础，生成初始室内、外栅格库模型，如图3所示；
具体的，获取地图记载的五种数据结构，包括：
Height数据：用栅格模型描述地面海拔高度变化；
Clutter数据：用栅格模型描述地面覆盖类型；一般一个栅格像元对应地面范围是5m*5m；
Vector数据：用矢量模型描述线状地物的平面分布与空间关系；
Buildings数据：用矢量和栅格两种数据模型描述各种建筑物的分布情况及建筑物的高度；
TXT数据：用于记录主要线状、面状及点状地物的名称，采用矢量数据结构；
获取地图中的建筑物ID和地貌特征ID，分别执行Buildings数据解析和Clutter数据解析：
Building栅格匹配Building ID算法包括：
(1)根据栅格库栅格索引，计算栅格中心点所坐标P(X,Y)；
(2)根据P(X,Y)，遍历Building ID、高度、矢量聚类结构，查找P落在建筑物所在Building ID；
(3)匹配成功的Building ID即为Building栅格对应的Building ID；
Building栅格匹配Clutter属性算法包括：
(1)根据Clutter栅格库栅格索引，计算Clutter栅格中心点所坐标P(X,Y)；
(2)根据P(X,Y)，计算P在Building栅格库中的索引；
(3)Clutter栅格属性(地貌特征值)，即为对应的Building栅格的地貌特征值。
基于上述算法处理后，基于地图信息记载的建筑栅格库，以及小区的定位数据，生成初始室内、外栅格库模型，在生成的小区覆盖区域图上划分初始栅格；
可选的，应用函数LoadBuildingVectorFromPath执行建筑矢量数据分析；应用函数LoadBuildingGridFromPath执行建筑栅格数据解析，通过函数LoadClutterGridFromPath执行Clutter栅格数据解析，输出建筑栅格数据结构(包括高度、building ID、建筑坐标等属性)；
S4、分析MR采样点主服务小区和邻区的RSRP，结合小区的室内外覆盖特性，以及初始室内、外栅格库模型，实现MR采样点室内外特性的区分，应用方法：
若MR采样点主服务小区是室分站，则为室内信号；
若MR采样点主服务小区是宏站，执行以下步骤以判断室内外属性：
S4.1、获取主区电平ScRSRP：
若主区电平ScRSRP位于电平区间(-130.5，-95.5)内，则记室内概率即得分ScoreIna＝0.5+0.5/(-95.5+130.5)*(-95.5-ScRSRP)，记室外概率即得分ScoreOuta＝1-ScoreIn；
若主区电平ScRSRP位于电平区间(-95.5，-40.5)内，则计算室内概率即得分记为：ScoreIna＝0.5/(-40.5+95.5)*(-40.5-ScRSRP)，室外概率即得分ScoreOuta＝1-ScoreIn；
S4.2、获取TA即ScTa:
将TA与预设数值比较：其中，预设数值可以根据实际情况做适当的变更，本发明对此不作限定；
如果TA大于8，则记室内得分ScoreInb＝1，室外得分ScoreOutb＝0；
如果TA小于等于8，则ScoreInb＝0.5，ScoreOutb＝0.5；
S4.3、计算主区电平衰减，通过TA计算路损，结合路损和发射功率计算该采样点的理论主区电平，用该理论电平和采样点实际主区电平取差值即为衰减差ScRsrpDiff；
如果ScRsrpDiff>20，则记室内得分ScoreInc＝1,室外得分ScoreOutc＝0；
如果ScRsrpDiff<＝20，ScoreInc＝0.05*ScRsrpDiff，ScoreOutc＝1-ScoreInc；
S4.4、主邻区电平差ScNcRsrpDiff：
若邻区数为0，记室内得分ScoreInd＝0.5、室外得分ScoreOutd＝0.5；
若邻区数不为0，且主邻区电平差大于等于12，记室内得分ScoreInd＝0.8，室外得分ScoreOutd＝0.2；
若主邻电平差小于12，则记室内得分ScoreInd＝0.2+0.6/12*ScNcRsrpDiff，记室外得分ScoreOutd＝1-ScoreInd；
S4.5、获取邻区数NcCount：
计算每个MR采样点的室外得分ScoreOute＝(NcCount+1)/7，室内得分ScoreIne＝1-ScoreOute；
S4.6、结合电子地图生成的室内、外栅格，以及小区覆盖区域，分析出小区覆盖场景是道路、室内、高密度活着低密度等覆盖场景，从而更准确的实现MR定位。
S4.7获取采样点的室内得分和室外得分：
采样点室内得分按照100％是满分：ScoreInTotal＝(ScoreIna+ScoreInb+ScoreInc+ScoreInd+ScoreIne)/5*100％；
采样点室外得分按照100％是满分：ScoreOutTotal＝(ScoreOuta+ScoreOutb+ScoreOutc+ScoreOutd+ScoreOute)/5*100％；
如果室内得分高于室外得分，则为室内信号，反之，则为室外信号。
可选的，在上述步骤S4.7后，进一步实现单个用户室内外区分，包括：
在已经获取了每个MR采集点的室内外属性后，进一步进行单个用户室内外区分，聚类同一个MR采集点对应的MR文件下同一个用户在一段时间内产生的数据；
若单个用户在给定的时间内产生的移动距离在连续的变化，则判断连续运动性用户为室内信号，对应的采集点为室内采集点；
对于其他没有明显移动的用户，进一步判断该用户产生的数据上报的MR采样点的室内和室外的比例，获取室内MR采样点的占比，若室内MR采样点占比大于等于30％，则该用户对应的位置为室内，否则为室外；
S5、计算4G栅格RSRP网格模型，包括：
基于上述计算的每个MR采集点对应的室内室外特性，进一步优化栅格结构；
应用函数CalculateSimRsrp，获取小区结构、上述计算获取的栅格结构、获取电平介质损耗和天线增益，计算仿真电平；
输出带有仿真电平值得栅格电平特征数据序列；
应用函数InsertToTable，获取栅格电平特征数据序列，进一步生成4G栅格RSRP网格模型，如图4所示；
S6、计算4G栅格RSRP网格模型内各个4G基站相对于5G基站的发射功率差、天线增益差、空口损耗和穿透损耗差；
应用公式：
5G栅格RSRP＝4G栅格RSRP+发射功率差+天线增益差+空口损耗+穿透损耗差；
其中，功率差指的是5G天线发射功率与4G天线发射功率之差；一般地，以4G现网频段2.1GHz为例，采用4T4R的RRU，基站发射功率4x60＝240W，5G基站的总发射功率可以通过最大发射功率和Tx天线数量来计算；
需要说明的是，4T4R即为4个发射口、4个接口口的基站；RRU为信号转换单元，全称为射频拉远单元，用于将基带光信号转换成射频信号，并传输信号；Tx为天线的发射通道；此处的计算仅仅作为本发明实施例的示例，不应视为对本发明的限定
假设将40dBm作为小区最大功率，则针对不同的天线配置(例如8天线，16天线，64天线和128天线***)计算总Tx功率：
8个Tx天线的总发射功率＝40+10*log10(8)＝40+9.03＝49.03dBm
16个Tx天线的总发射功率＝40+10*log10(16)＝40+12.04＝52.04dBm
64个Tx天线的总发射功率＝40+10*log10(64)＝40+18.06＝58.06dBm
128个Tx天线的总发射功率＝40+10*log10(128)＝40+21.07＝61.07dBm
其中，增益差指的是5G天线增益与4G天线增益之差，一般地，4G大都是RRU外接天线，增益可达15至17dBi，而5G广泛采用AAU形态的64T64R的Massive-MIMO天线阵列，可以实现水平和垂直方向上的3D波束赋型，进而有效增强对高层住宅的覆盖。目前业界主流的5GAAU均为192振子，有64天线和32天线这两种型号，64天线的设备主要用于密集城区，而普通城区和郊区使用32天线就；
一般的，天线增益由通道增益和波束赋形增益相加得出；Massive MIMO的业务增益比普通天线要高3dB左右，天线增益规格为24 dBi，单通道天线增益为10dBi，其中14dB为BF增益；
其中，空口差异指的是5G与4G网络天线口EIRP相同的情况下的空口损耗差异，也即是5G与4G的频段损耗差；
目前的理论计算方法，自由空间电磁波传播损耗Ls与载波频率f和传播距离d成正比；在距离相同的情况下，以5G的3.5GHz和4G的1.8GHz为例，计算出频段差异值约为5.78dB；
但是，目前5G空口继承4G正交频分多址技术，同时引入了Massive-MIMO和波束赋形技术、灵活子载波设计、新信道编码方式等，而且5G移动通信业务场景多为低空地面覆盖网络，受建筑物、山体、树木等影响，其实际损耗值与理论计算有较大差异；
目前，通常需要进行拉网/DT测试，但是由于测试区域内站点量大，很难针对单站点进行细致、精确的修正，而且同一站址的5G与4G站点挂高、具体安装位置、馈线及接头损耗、天线配置、天线方向性图等差异，都会影响评估结果，不能作为计算链路损耗的方法；
针对常规测试存在的问题，本发明采用在同一位置架设同一高度的发射天线，并采用射频功率计分别测试天线口功率差，再考虑全向天线增益及方向性图差异，满足发射端等效全向辐射功率EIRP的统一；发射端发射30kHz窄带CW信号，在接收端，采用高精度高频数字扫频接收仪，同时监测1.8GHz与3.5GHz窄带信号，以确保接收端无其他因素导致的差异。
进一步，本发明实施例选取了昆明市3个站点作为测试，每个站点均获取了近一周的MR数据，测试路线涵盖站点下所有主要道路，充分考虑不同频段配置差异，按照位置进行不同频段栅格化均化，再按照均化后的位置与站点位置进行距离计算，最终得出距离站点不同位置下，3.5GHz、1.8GHz的空中损耗差异，测试结果如表1所示：
表1 3.5GHz与1.8GHz空口损耗差异
根据测试结果可知，3个站点3.5GHz与1.8GHz差异约为11.17dB，较其他多处按照自由空间核算频率差5.78dB约修正5.39dB。
进一步，穿透损耗差指的是5G信号和4G信号穿透相同介质的损耗值之差。
本发明实施例选取了市区内典型的办公楼、写字楼、大型场馆、园区等场景，采用定点测试法分别对钢筋混凝土承重墙、玻璃、砖墙、普通中空门、实心门、钢制隔热防火门等常见物体在5G频段和4G频段不同场景进行了穿透损耗测试，测试结果如表2所示。
表2穿透损耗测量值/dB
由此可知，穿透损耗与频率是成正比关系的，同一介质，频率越高，穿透损耗越大，当物体的穿透损耗较小时，例如：普通中空门和实心门，它们在1.8GHz、2.1GHz、2.6GHz、3.5GHz的穿透损耗差异很小，差值一般在2dB以内；当物体的穿透损耗较大时，即3.5GHz穿透损耗大于15dB时，频段差异对穿透损耗的差值比较明显，例如：钢筋混凝土承重墙和砖墙，它们在1.8GHz、2.1GHz、2.6GHz、3.5GHz的穿透损耗在5dB以上；
如图5-6所示，由此计算得出5G栅格下的RSRP，，便于对5G基站的分布作进一步的优化。
另一方面，如图7所示，本发明提供一种基于MR数据的5G RSRP计算***，与上文描述的一种基于MR数据的5G RSRP计算方法可相互对应参照，包括：
采样模块，获取历史时段内待检测区域中每个MR采样点对应的历史MR数据；
图层模块，获取每个所述MR采样点服务小区的定位参数，在所述待检测区域的地图上生成小区覆盖图层；
栅格模块，在所述小区覆盖图层上生成初始室内栅格和初始室外栅格；并基于所述历史MR数据，结合所述初始室内栅格和初始室外栅格，对各个MR采样点的室内属性和室外属性分别进行赋值，并生成4G栅格RSRP网格模型；
计算模块，根据所述4G栅格RSRP网格模型计算预测5G栅格RSRP。
另一方面，图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(CommunicationsInterface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行一种基于MR数据的5G RSRP计算方法，包括步骤：获取待检测区域中每个MR采样点对应的历史MR数据；获取每个所述MR采样点服务小区的定位参数，在所述待检测区域的地图上生成小区覆盖图层；在所述小区覆盖图层上生成初始室内栅格和初始室外栅格；基于所述历史MR数据，结合所述初始室内栅格和初始室外栅格，对各个MR采样点的室内属性和室外属性分别进行赋值，并生成4G栅格RSRP网格模型；根据4G栅格RSRP计算预测5G栅格RSRP。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行一种基于MR数据的5G RSRP计算方法，包括步骤：获取待检测区域中每个MR采样点对应的历史MR数据；获取每个所述MR采样点服务小区的定位参数，在所述待检测区域的地图上生成小区覆盖图层；在所述小区覆盖图层上生成初始室内栅格和初始室外栅格；基于所述历史MR数据，结合所述初始室内栅格和初始室外栅格，对各个MR采样点的室内属性和室外属性分别进行赋值，并生成4G栅格RSRP网格模型；根据4G栅格RSRP计算预测5G栅格RSRP。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行一种基于MR数据的5G RSRP计算方法，包括步骤：获取待检测区域中每个MR采样点对应的历史MR数据；获取每个所述MR采样点服务小区的定位参数，在所述待检测区域的地图上生成小区覆盖图层；在所述小区覆盖图层上生成初始室内栅格和初始室外栅格；基于所述历史MR数据，结合所述初始室内栅格和初始室外栅格，对各个MR采样点的室内属性和室外属性分别进行赋值，并生成4G栅格RSRP网格模型；根据4G栅格RSRP计算预测5G栅格RSRP。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于MR数据的5G RSRP计算方法，其特征在于，包括：
获取待检测区域中每个MR采样点对应的历史MR数据；
获取每个所述MR采样点服务小区的定位参数，在所述待检测区域的地图上生成小区覆盖图层；
在所述小区覆盖图层上生成初始室内栅格和初始室外栅格；
对各个MR采样点的室内属性和室外属性分别进行赋值，并生成4G栅格RSRP网格模型；
根据4G栅格RSRP计算预测5G栅格RSRP。
2.根据权利要求1所述的一种基于MR数据的5G RSRP计算方法，其特征在于，获取历史时段内待检测区域中每个MR采样点对应的历史MR数据之前，包括：
筛选历史时段内待检测区域中每个MR采样点的MR数据，剔除不包括TA数据的MR数据，筛选包括AGPS数据的MR数据作为所述历史MR数据，并基于对应基站的唯一编码对所述历史MR数据进行聚类。
3.根据权利要求1所述的一种基于MR数据的5G RSRP计算方法，其特征在于，获取每个所述MR采样点服务小区的定位参数，包括：
获取各个所述小区的经纬度和方向角；
获取所述小区的工作参数，包括：小区全局标识符、小区名称、小区类型、基站唯一编码、天线增益参数；
获取所述待检测区域的地图，在所述地图上显示标识每个小区，生成所述小区覆盖图层。
4.根据权利要求3所述的一种基于MR数据的5G RSRP计算方法，其特征在于，在所述小区覆盖图层上生成初始室内栅格和初始室外栅格，包括：
获取所述待检测区域的三维地图信息，包括高度数据、矢量数据、地物数据和建筑数据；
解析所述三维地图信息，获取所述地图中的建筑栅格库；
在所述小区覆盖图层上划分栅格，生成所述初始室内栅格和所述初始室外栅格。
5.根据权利要求3所述的一种基于MR数据的5G RSRP计算方法，其特征在于，对各个MR采样点的室内属性和室外属性分别进行赋值，包括：
若所述MR采样点对应服务的小区基站为室分站，则判定所述主区对应的采样点为室内信号采样点；
若所述MR采样点对应服务的小区基站为宏站，则分析所述历史MR数据，获取所述小区的主区电平、TA数值、电平衰减数值、邻区数；
计算每个所述MR采样点的室内得分和室外得分；
若所述室内得分高于所述室外得分，则所述MR采样点为室内采样点，反之则为室外采样点。
6.根据权利要求5所述的一种基于MR数据的5G RSRP计算方法，其特征在于，获取各个所述MR采样点的室内属性和室外属性后，划定每个栅格在所述地图上的范围；
获取各个小区的所述唯一编码和所述天线增益参数，基于所述初始室内栅格和所述初始室外栅格，计算各个栅格的仿真电平；
输出所述4G栅格RSRP网格模型。
7.根据权利要求1-6任一项所述的一种基于MR数据的5G RSRP计算方法，其特征在于，根据4G栅格RSRP计算预测5G栅格RSRP，包括：
计算4G栅格RSRP网格模型内各个4G基站相对于5G基站的发射功率差、天线增益差、空口损耗和穿透损耗差；
应用公式：
5G栅格RSRP＝4G栅格RSRP+发射功率差+天线增益差+空口损耗+穿透损耗差；
输出5G栅格RSRP。
8.一种基于MR数据的5G RSRP计算***，其特征在于，包括：
采样模块，获取历史时段内待检测区域中每个MR采样点对应的历史MR数据；
图层模块，获取每个所述MR采样点服务小区的定位参数，在所述待检测区域的地图上生成小区覆盖图层；
栅格模块，在所述小区覆盖图层上生成初始室内栅格和初始室外栅格；并基于所述历史MR数据，结合所述初始室内栅格和初始室外栅格，对各个MR采样点的室内属性和室外属性分别进行赋值，并生成4G栅格RSRP网格模型；
计算模块，根据所述4G栅格RSRP网格模型计算预测5G栅格RSRP。
9.一种电子设备，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至7任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质，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如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111368254.5A CN114025372B (zh) | 2021-11-18 | 2021-11-18 | 基于mr数据的5g rsrp计算方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111368254.5A CN114025372B (zh) | 2021-11-18 | 2021-11-18 | 基于mr数据的5g rsrp计算方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114025372A true CN114025372A (zh) | 2022-02-08 |
| CN114025372B CN114025372B (zh) | 2024-04-02 |
Family
ID=80065187
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111368254.5A Active CN114025372B (zh) | 2021-11-18 | 2021-11-18 | 基于mr数据的5g rsrp计算方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114025372B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115379479A (zh) * | 2022-08-23 | 2022-11-22 | 中国联合网络通信集团有限公司 | 小区覆盖类型确定方法、装置、设备及存储介质 |
| CN117295093A (zh) * | 2023-10-07 | 2023-12-26 | 香港中文大学（深圳） | 一种基于数据驱动的终端业务流量行为建模方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017202144A1 (zh) * | 2016-05-25 | 2017-11-30 | 中兴通讯股份有限公司 | 一种区分室内外用户的方法、装置及存储介质 |
| CN108242962A (zh) * | 2016-12-23 | 2018-07-03 | ***通信集团公司 | 一种基于测量报告的室内信号传播损耗计算方法及装置 |
| CN108901029A (zh) * | 2018-05-08 | 2018-11-27 | 武汉虹信技术服务有限责任公司 | 一种基于深度学习的室内外用户区分方法 |
| CN112469066A (zh) * | 2019-09-09 | 2021-03-09 | ***通信集团河北有限公司 | 5g网络覆盖评估方法及装置 |
| CN113038485A (zh) * | 2019-12-24 | 2021-06-25 | ***通信集团浙江有限公司 | 基于mdt数据的基站小区功率参数计算方法及装置 |
-
2021
- 2021-11-18 CN CN202111368254.5A patent/CN114025372B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017202144A1 (zh) * | 2016-05-25 | 2017-11-30 | 中兴通讯股份有限公司 | 一种区分室内外用户的方法、装置及存储介质 |
| CN108242962A (zh) * | 2016-12-23 | 2018-07-03 | ***通信集团公司 | 一种基于测量报告的室内信号传播损耗计算方法及装置 |
| CN108901029A (zh) * | 2018-05-08 | 2018-11-27 | 武汉虹信技术服务有限责任公司 | 一种基于深度学习的室内外用户区分方法 |
| CN112469066A (zh) * | 2019-09-09 | 2021-03-09 | ***通信集团河北有限公司 | 5g网络覆盖评估方法及装置 |
| CN113038485A (zh) * | 2019-12-24 | 2021-06-25 | ***通信集团浙江有限公司 | 基于mdt数据的基站小区功率参数计算方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115379479A (zh) * | 2022-08-23 | 2022-11-22 | 中国联合网络通信集团有限公司 | 小区覆盖类型确定方法、装置、设备及存储介质 |
| CN115379479B (zh) * | 2022-08-23 | 2024-04-19 | 中国联合网络通信集团有限公司 | 小区覆盖类型确定方法、装置、设备及存储介质 |
| CN117295093A (zh) * | 2023-10-07 | 2023-12-26 | 香港中文大学（深圳） | 一种基于数据驱动的终端业务流量行为建模方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114025372B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3087778B1 (en) | Method of positioning blind coverage regions in indoor wireless network by resorting to a cellular network | |
| Kurner et al. | Prediction of outdoor and outdoor-to-indoor coverage in urban areas at 1.8 GHz | |
| JP5273664B2 (ja) | 通信特性解析システム、通信特性解析方法、及び通信特性解析プログラム | |
| WO2012011147A1 (ja) | 通信特性解析システム、通信特性解析方法、及び通信特性解析プログラム | |
| US20170338901A1 (en) | Method for predicting indoor three-dimensional space signal field strength using an outdoor-to-indoor propagation model | |
| Medeđović et al. | Wireless insite software verification via analysis and comparison of simulation and measurement results | |
| Mollel et al. | Comparison of empirical propagation path loss models for mobile communication | |
| CN114025372B (zh) | 基于mr数据的5g rsrp计算方法及*** | |
| US8583050B2 (en) | Building influence estimation apparatus and building influence estimation method | |
| CN114363808B (zh) | 一种基于rssi测距的室内定位方法 | |
| CN113573335A (zh) | 一种室内信号跟踪方法 | |
| Lee et al. | Improving the accuracy of millimeter-wave ray-tracing simulations by modeling roadside trees | |
| CN107682863B (zh) | 一种电力基站选择和布局方法 | |
| Montenegro-Villacieros et al. | Clutter loss measurements and simulations at 26 GHz and 40 GHz | |
| Isabona | Maximum likelihood parameter based estimation for in-depth prognosis investigation of stochastic electric field strength data | |
| CN116133037A (zh) | 一种无线网络评估方法及装置 | |
| Yin et al. | Interference identification in smart grid communications | |
| CN115002795A (zh) | 波束赋形方法、装置、电子设备及可读存储介质 | |
| Munene et al. | Optimizing the location of base transceiver stations in mobile communication network planning: case study of the Nairobi Central Business District, Kenya | |
| Combeau et al. | A numerical simulation system for mobile telephony base station EMF exposure using smartphones as probes and a genetic algorithm to improve accuracy | |
| CN113038491A (zh) | 一种显示信号覆盖信息的处理方法、装置和电子设备 | |
| CN114553270B (zh) | 天线广播波束配置方法、装置、电子设备和存储介质 | |
| Imai et al. | A propagation prediction system for urban area macrocells using ray-tracing methods | |
| CN104936198B (zh) | 一种确定邻区关系的方法和装置 | |
| Xia et al. | Joint ray launching method for outdoor to indoor propagation prediction based on interpolation |
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 |