【技术实现步骤摘要】
【国外来华专利技术】使用深度神经网络预测电信网络中的接收信号强度本申请要求于2017年11月15日递交的专利技术名称为“使用深度神经网络预测电信网络中的接收信号强度”的第15/814,074号美国非临时专利申请案的在先申请优先权,该在先申请的内容以引入的方式并入本文。
本专利技术涉及使用深度神经网络预测电信网络中的接收信号强度。
技术介绍
在无线通信系统中,由发射机发送的无线信号(例如,以电磁波的形式)在通过空间传播时会受到衰减。例如,接收机(例如,移动设备)可以接收由发射机(例如,基站)发送的无线信号。发送的无线信号与接收的无线信号之间的信号强度(例如,功率或能量)差异可称为路径损耗,这表示电磁波在空间传播时的功率密度(衰减)降低。路径损耗可用于分析和设计电信系统的链路预算。路径损耗可能是由于许多影响导致,例如自由空间损耗、折射、衍射、反射、孔径介质耦合损耗和吸收。路径损耗可能受地形轮廓、环境(例如城市或农村、植被或树叶等)、传播介质(例如干空气或潮湿空气)、所述发射机和所述接收机之间的距离、天线的高度和位置以及其它因素的影响。因此,对于相同的发送无线信号,接收信号强度可能会因接收机的位置而有所不同,因为所述发送信号在到达所述接收机之前可能会经历不同的路径损耗。可以测量或计算接收的信号强度。例如,所述路径损耗可计算为所述接收信号强度与所述发送信号强度之间的差值。所述接收信号强度和/或路径损耗的计算通常可称为预测,而无需实际发送无线信号。实际上,所述接收信号强度和/或路径损耗的计算通常涉及近似法。例如,可 ...
【技术保护点】
1.一种用于预测电信网络中的接收信号强度的计算机实现方法,其特征在于,包括:/n一个或多个处理器接收表示地理区域的地理信息的地理数据以及所述地理区域中基站的天线信息和发射功率信息,所述一个或多个处理器用于执行卷积神经网络;/n所述一个或多个处理器将所述地理数据以及所述天线信息和发射功率信息输入所述卷积神经网络中;/n执行所述卷积神经网络的所述一个或多个处理器使用所述卷积神经网络预测接收信号强度,所述卷积神经网络包括基于所述地理数据以及所述天线信息和发射功率信息的多个卷积层,所述接收信号强度表示在所述地理区域的不同位置接收的无线信号的信号强度;/n所述一个或多个处理器输出所述预测的接收信号强度。/n
【技术特征摘要】
【国外来华专利技术】20171115 US 15/814,0741.一种用于预测电信网络中的接收信号强度的计算机实现方法,其特征在于,包括:
一个或多个处理器接收表示地理区域的地理信息的地理数据以及所述地理区域中基站的天线信息和发射功率信息,所述一个或多个处理器用于执行卷积神经网络;
所述一个或多个处理器将所述地理数据以及所述天线信息和发射功率信息输入所述卷积神经网络中;
执行所述卷积神经网络的所述一个或多个处理器使用所述卷积神经网络预测接收信号强度,所述卷积神经网络包括基于所述地理数据以及所述天线信息和发射功率信息的多个卷积层,所述接收信号强度表示在所述地理区域的不同位置接收的无线信号的信号强度;
所述一个或多个处理器输出所述预测的接收信号强度。
2.根据权利要求1所述的方法,其特征在于,所述卷积神经网络具有跨层结构,其中,通过组合所述卷积神经网络的不同深度处的两层或更多层的输出来确定与所述地理区域的所述不同位置对应的所述预测接收信号强度。
3.根据权利要求2所述的方法,其特征在于,组合所述卷积神经网络的不同深度处的两层或更多层的输出包括使用所述两层或更多层的所述输出作为输入,输入到一个或多个附加神经网络层以生成一个或多个输出。
4.根据权利要求1所述的方法,其特征在于,还包括基于所述预测接收信号强度执行所述地理区域的站点规划。
5.根据权利要求1所述的方法,其特征在于,所述地理数据包括地理信息系统GIS的数据,所述地理信息系统的数据包括建筑物高度图层、地形层和杂波层中的一个或多个。
6.根据权利要求1所述的方法,其特征在于,所述地理数据包括卫星图片和航空图片中的一个或多个。
7.根据权利要求1所述的方法,其特征在于,所述卷积神经网络通过使用模拟的路径损耗数据和实际的路径损耗数据进行训练。
8.根据权利要求1所述的方法,其特征在于,所述地理区域中所述基站的所述天线信息和发射功率信息包括自由空间接收信号强度,所述自由空间接收信号强度表示在所述地理区域中的不同位置接收的无线信号的自由空间接收信号强度,其中,所述地理区域中的所述不同位置接收的所述自由空间接收信号强度基于所述天线的发射功率、所述天线的辐射方向图以及从所述地理区域中的所述不同位置到所述基站的所述天线的相应距离计算。
9.根据权利要求1所述的方法,其特征在于,还包括:
根据所述地理数据和所述基站的所述天线信息和发射功率信息确定多维张量,其中,所述多维张量包括以下一个或多个:自由空间接收信号强度张量、水平视线角度张量、垂直视线角度张量、介电常数张量或用户设备(userequipment,简称UE)位置张量;
其中,基于所述接收的地理数据预测所述接收的信号强度包括基于所述多维张量预测所述接收的信号强度。
10.根据权利要求1所述的方法,其特征在于,还包括:计算与所述预测的接收信号强度对应的路径损耗值,所述预测的路径损耗值表示所述无线信号在所述地理区域中的所述不同位置的传播衰减。
11.一种用于训练卷积神经网络以预测电信网络中接收信号强度的计算机实现方法,其特征在于,包括:
一个或多个处理器接收表示第一地理区域的地理信息的第一地理数据以及所述第一地理区域中第一基站的第一天线信息和发射功率信息,所述一个或多个处理器用于执行包括多个第一卷积层的卷积神经网络;
所述一个或多个处理器接收实际接收信号强度,所述实际接收信号强度表示在所述第一地理区域的不同位置接收的无线信号的测量信号强度;
所述一个或多个处理器使用所述第一地理数据、所述第一地理区域中第一基站的所述第一天线...
【专利技术属性】
技术研发人员:杨劲,张昕,任杰,刘瑞林,陈旭峰,王写,宋其涛,周立洲,舒秀军,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。