一种基于机器学习的免传播模型无线网络规划方法技术

本发明专利技术基于大量的实际网络数据集训练免传播模型的接收信号强度(RSS)预测器，并通过多目标启发式方法优化基站(BS)部署的覆盖性能。具体而言，将诸如地理环境和基站的操作参数等信号传播的更实用的特征馈送到机器学习(ML)模型中以预测接收信号强度；此外，基于预测模型设计一种多目标贪婪算法，初始化可行解符合地理约束并且使其固定与优化区域经纬度相关，并固定搜索方向的优化步长，步长根据参数上下限设定，优化目标是以最少基站满足覆盖率达标。数值仿真结果表明，多层感知机在接收信号强度预测方面优于其他机器学习算法，基站部署仿真也验证了本发明专利技术的收敛性和可用性，在覆盖率方面比实际部署更好，且需要部署的基站数更少。

A wireless network planning method based on machine learning and propagation free model

【技术实现步骤摘要】
一种基于机器学习的免传播模型无线网络规划方法
本专利技术涉及无线通信
，特别涉及机器学习、密集无线网络规划
技术介绍
近些年来，超密集组网(Ultra-DenseNetwork,UDN)被认为是满足2020年以及未来移动数据流量需求的主要技术手段。超密集组网基于蜂窝网络的小覆盖大容量，通过增加基站部署密度，有力地补充了传统3G及4G网络覆盖盲区，并且能够在保持高的数据速率的状态下提供无缝连接，实现容量和频率复用效率的巨大提升。我国移动通信网经过多年的建设和优化，已成为地球上规模最大的、功能完善的移动通信网络，目前的移动通信网络正在为人们提供方便快捷、无处不在的实时移动通信服务，使用手机已经成为人们生活中的一个重要组成部分，而移动通信基础网络是提供移动通信服务的基础，移动通信基站更是用户接入移动通信网络的门户。数以万计的基站覆盖数亿移动用户，基站建设在移动通信网中工程量最大、投资额最大、维护量最大。然而，基站(BaseStation,BS)的部署不是随机的，不合理的布局可能导致覆盖性能差和额外的资本支出和运营支出。因此，如何通过最佳地部署BS来扩展无线覆盖范围，同时最小化规划BS本文档来自技高网...

【技术保护点】
1.一种基于机器学习的免传播模型无线网络规划方法，其特征在于，基于机器学习训练得到接收电平强度预测模型，不借助现有传播模型，考虑从地图、基站工参提取实际网络中影响信号传播的地理和信号特征；将高维特征按照距离、地理、信号特征进行分类，各类利用主成分分析法进行特征值分解分别降维为三个维度(一维的距离特征、一维的地理特征和一维的信号特征)馈入机器学习模型进行回归任务训练，输出接收信号电平强度预测模型；基于电平预测模型对区域覆盖率进行统计评估打分，利用初始解和查找方向的固定机制，设计多目标贪婪算法对基站部署的位置和工参进行在线优化，满足输出结果一致性和快速收敛的要求；输出可行解需满足实际地理限制因素。

【技术特征摘要】
1.一种基于机器学习的免传播模型无线网络规划方法，其特征在于，基于机器学习训练得到接收电平强度预测模型，不借助现有传播模型，考虑从地图、基站工参提取实际网络中影响信号传播的地理和信号特征；将高维特征按照距离、地理、信号特征进行分类，各类利用主成分分析法进行特征值分解分别降维为三个维度(一维的距离特征、一维的地理特征和一维的信号特征)馈入机器学习模型进行回归任务训练，输出接收信号电平强度预测模型；基于电平预测模型对区域覆盖率进行统计评估打分，利用初始解和查找方向的固定机制，设计多目标贪婪算法对基站部署的位置和工参进行在线优化，满足输出结果一致性和快速收敛的要求；输出可行解需满足实际地理限制因素。2.根据权利要求1所述的方法，其特征在于，考虑实际影响信号传播的特征，包括距离特征，地图提取特征——传播路径上地理类型、建筑面积和形状，以及信号传播特征——基站发射功率、天线方位角、下倾角、基站高度等，对每条信号链路进行结构化整合为表格数据，标签为用户接收信号电平强度；特征数据经过标准化处理，使其服从均值为0，方差为1的高斯分布。3.根据权利要求1或2所述的方法，其特征在于，将三大类特征(距离特征、地图提取特征、信号传播)分开处理，每一类都利用主成分分析法进行奇异值分解，提取矩阵主成分方差，即主要的特征值，作为最终馈入训练模型的一个维度；三维数据和对应接收信号电平的结构化数据输入机器学习中的多层感知机模型，通过梯度下降法更新模型的权重，不断降低真实接收信号电平强度和预测接收信号电平强度的平均绝对误差，收敛后得到电平预测的回归模型。4.根据权利1或3所述的方法，其特征在于，覆盖率评估函数通过在线统计各基站到区域各个栅格的距离特征，地图提取特征——传播路径上地理类型、建筑面积和形状，以及信号...

【专利技术属性】
技术研发人员：张鸿涛，戴凌成，杨丽云，武丹阳，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11