使用深度神经网络预测电信网络中的接收信号强度制造技术

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；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；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接收的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；以及输出所述预测的接收信号强度。

Prediction of received signal strength in telecommunication network using depth neural network

【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，可以使用统计方法和确定性方法预测所述接收信号强度和/或路径损耗。统计方法(也称为经验方法)基于典型无线链路类别的测量和平均接收信号强度和/或路径损耗。确定性方法基于波传播的物理规律。光线跟踪是确定性方法的示例。商业工具可用于接收信号强度和/或路径损耗预测，例如Siradel提供的Volcano软件。
技术实现思路
本专利技术描述了一种使用深度神经网络预测电信网络中的接收信号强度的系统和方法。在第一种实现方式中，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；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；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接收的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；以及输出所述预测的接收信号强度。在第二种实现方式中，一种非瞬时性计算机可读介质存储用于预测电信网络中接收信号强度的计算机指令，所述计算机指令由一个或多个处理器执行时，使所述一个或多个处理器执行以下步骤：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；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；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接收的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；以及输出所述预测的接收信号强度。在第三种实现方式中，接收信号强度预测设备，包括：非瞬时性内存存储，包括指令；以及与所述存储器通信的一个或多个处理器，其中，所述一个或多个处理器执行包括多个卷积层的卷积神经网络并执行所述指令完成以下操作：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；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；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；输出所述预测的接收信号强度。上述和其它描述的实现方式可以分别可选地包括以下一个或多个功能。第一功能，可与以下任一功能组合，其中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。第二功能，可与以上或以下任一功能组合，其中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。第三功能，可与以上或以下任一功能组合，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。第四功能，可与以上或以下任一功能组合，其中所述地理数据包括地理信息系统(geographicinformationsystem，简称GIS)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。第五种功能，可与以上或以下任一功能组合，其中所述地理数据包括卫星图片和航空图片中的一个或多个。第六功能，可与以上或以下任一功能组合，其中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。第七功能，可与以上或以下任一功能组合，其中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。第八功能，可与以上或以下任一功能组合，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；以及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。第九功能，可与以上或以下任一功能组合，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。在第四种实现方式中，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，包括：执行包括多个第一卷积层的卷积神经网络的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；执行所述卷积神经网络的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；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第一地理数据、所述第一地理区域中所述第一基站的所述第一天线信息和发射功率信息以及所述实际接收信号强度训本文档来自技高网...

【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