预测天线工程参数的方法及设备技术

本申请提供用于预测或纠正天线工程参数的方法及设备，该方法包括：先基于第一地理区域内的包含第一设备天线的工程参数的工程参数集、包含第一设备天线的配置数据的配置数据集以及终端向所述第一设备天线上传的测量报告集进行模型训练，得到天线工程参数预测模型，再将第二地理区域内第二设备天线的配置数据以及终端向所述第二设备天线上传的测量报告数据输入至所述天线工程参数预测模型，获得第二设备天线的工程参数的预测结果或纠正第二设备天线的工程参数。该方法能够以更低的成本实现更准确的天线工程参数的预测和纠正。

Method and equipment for predicting antenna engineering parameters

【技术实现步骤摘要】
预测天线工程参数的方法及设备
本专利技术涉及通信
，尤其涉及天线工程参数预测模型的训练方法及设备、基于天线工程参数预测模型预测工程参数的方法及设备。
技术介绍
长期演进(LongTermEvolution，LTE)是由第三代合作伙伴计划(3rdGenerationPartnershipProject，3GPP)组织制定的通用移动通信系统(UniversalMobileTelecommunicationsSystem，UMTS)技术标准的长期演进。随着LTE网络建设规模不断扩大，LTE用户剧增，基站的工程参数(本文中“工程参数”可简称“工参”)的准确性在日常网络优化调整中显得愈发重要。基站的工程参数是指无线网络规划中与基站射频天线相关的参数，例如，天线的经纬度、方位角、下倾角等等。基站的工程参数的准确性关系到网络数据及网络覆盖的准确性，对用户终端感知和网络问题分析产生极其重要的影响。但传统的工程参数准确性核查一直是网络优化中的一大短板，现有的一种做法是通过人工上站的方式测试、分析和验证工程参数的准确性。然而，这种人工核查工程参数的方式会存在一些人工引入的误差，难以保证工参数据的及时性和完整性，因此核查效率低且准确性差。现有的另一种做法是在基站处安装定位设备，如全球定位系统(GlobalPositioningSystem，GPS)设备，通过定位设备获得基站射频天线的位置信息发送给网管设备，然后由网管设备根据基站射频天线的位置信息生成工参。然而，这种方式会带来较大的设备开销，且有些基站设备可能安装在室内，而这种情况下定位设备在室内定位精度不高，导致据此产生的工参准确性较差。
技术实现思路
本专利技术实施例提供了预测天线工程参数的方法及设备，能够克服现有技术的缺陷，实现比较准确的、低成本的工参生成方案。第一方面，本专利技术实施例提供了一种预测天线工程参数的方法，该方法包括天线工参预测模型的训练方法，该方法具体包括：获取第一工程参数集、第一配置数据集、以及终端向第一设备天线上传的第一测量报告数据集；其中，所述第一工程参数集包括所述第一设备天线的工程参数，所述第一设备天线的工程参数包括所述第一设备天线的位置数据(例如第一设备天线的经度、纬度、海拔高度等等)和姿态数据(例如第一设备天线的下倾角、方位角等等)中的至少一个；所述第一配置数据集包括所述第一设备天线的配置数据，所述第一设备天线的配置数据表示所述第一设备天线的网络参数的配置信息；所述第一测量报告数据集中的测量报告(MeasurementReport，MR)数据包括所述终端的位置数据(例如终端的经度、纬度、海拔高度等等)和信号接收功率(ReferenceSignalReceivedPower，RSRP)数据；其中，所述第一设备天线可以是第一地理区域内的多个设备天线中的任意设备天线；根据所述第一设备天线的工程参数、所述第一设备天线的配置数据和所述第一测量报告数据集进行模型训练，获得天线工参预测模型(本文中可简称为工参预测模型)；所述天线工参预测模型用于，根据第二配置数据集、终端向第二设备天线上传的第二测量报告数据集，输出所述第二设备天线的工程参数。其中，所述第二设备天线可以是第二地理区域内的设备天线，所述第二地理区域可以不同于所述第一地理区域。可以看到，本专利技术实施例能够通过模型训练的方式基于现成的样本数据(例如MR数据、配置数据、工参数据等)构建用于预测设备天线的工参的模型。这样，后续应用该模型将可实现基于MR数据和配置数据获得设备天线可信度较高的预测工参。所以，实施本专利技术实施例的技术方案能够克服现有技术的缺陷，有效降低设备天线工参的获取成本，提升工参的准确度。本专利技术实施例中，第一地理区域表示用于模型训练的样本数据所对应的一个或多个设备天线所在地理位置范围。若用于模型训练的样本数据对应多个设备天线，那么可以称所述多个设备天线为第一地理区域内的多个设备天线，以此类推，可以称本实施例中的第一设备天线为第一地理区域内的第一设备天线，多个设备天线中除第一设备天线外的其他设备天线可以称为第一地理区域内的其他设备天线，以此类推。基于第一方面，在第一种实施方式中，所述天线工参预测模型包括天线工参生成模型(本文中可简称为工参生成模型)；所述根据所述第一设备天线的工程参数、所述第一设备天线的配置数据和所述第一测量报告数据集进行模型训练，获得天线工参预测模型，包括：根据所述第一设备天线的配置数据和所述第一测量报告数据集，获得所述第一设备天线的第一样本特征数据；所述第一样本特征数据包括隶属所述第一设备天线的小区或远端射频单元(RadioRemoteUnit，RRU)的多个信号接收功率数据，以及所述多个信号接收功率数据中各个信号接收功率数据对应的终端的位置数据；根据所述第一设备天线的配置数据，获得所述第一设备天线的天线类型；根据所述第一设备天线的工程参数和第一特征集合进行模型训练，获得所述天线工参生成模型；所述第一特征集合包括所述第一样本特征数据和所述第一设备天线的天线类型，所述天线工参生成模型用于根据输入的第一特征集合输出工程参数。其中，所述天线工参生成模型例如为神经网络(NeuralNetworks,NN)算法模型。天线工参生成模型的训练过程例如可通过下式表示：(Latitude,Longtitude)＝NN(Feature1056,AntennaType,Wnn1)其中，Latitude表示设备天线的工参中的纬度值,Longtitude表示设备天线的工参中的经度值，NN表示神经网络算法，Feature1056表示第一样本特征数据，AntennaType表示设备天线的类型，Wnn1表示工参生成模型中的模型参数。对于不同的设备天线，其对应的Latitude、Longtitude、Feature1056、AntennaType数据也各有差异，根据这些数据作为工参生成模型的输入数据，即可对模型进行训练计算出Wnn1(例如本样例中可以利用梯度下降法计算出Wnn1)，从而获得经过训练的工参生成模型。可以看到，本专利技术实施例能够基于现成的样本数据(例如MR数据、配置数据、工参数据等)进行数据提取，获得工参生成模型的输入数据(例如第一样本特征数据、设备天线的类型数据、设备天线的工参数据等等，从而基于这些数据训练出用于预测设备天线的工参预测模型(这里的工参预测模型可视为工参生成模型)，而应用该模型将可实现生成设备天线的工参，从而获得可信度较高的预测工参。所以，实施本专利技术实施例能够适应于各种样本数据场景进行有效进行数据筛选，提升模型训练的效率和准确性。从而能够提升后续基于该模型进行设备天线的工参预测的准确度，有效降低设备天线工参的获取成本。基于第一方面的第一种实施方式，在可能的实施例中，训练集中的MR数据数量较大时，占据内存较大，会导致共天线小区的MR数据很多。而不同的设备天线对应的共天线的小区列表也有差异，小区数目不固定。为了更好地进行模型的训练(如避免过拟合、提高运算速度和效率)，本专利技术实施例可为不同的设备天线的共天线小区对应的MR数据设计统一本文档来自技高网...

【技术保护点】
1.一种预测天线工程参数的方法，其特征在于，包括：/n获取第一工程参数集、第一配置数据集、以及终端向第一设备天线上传的第一测量报告数据集；其中，所述第一工程参数集包括所述第一设备天线的工程参数，所述第一设备天线的工程参数包括所述第一设备天线的位置数据和姿态数据中的至少一个；所述第一配置数据集包括所述第一设备天线的配置数据，所述第一设备天线的配置数据表示所述第一设备天线的网络参数的配置信息；所述第一测量报告数据集中的测量报告数据包括所述终端的位置数据和信号接收功率数据；/n根据所述第一设备天线的工程参数、所述第一设备天线的配置数据和所述第一测量报告数据集进行模型训练，获得天线工参预测模型；所述天线工参预测模型用于，根据第二配置数据集、终端向第二设备天线上传的第二测量报告数据集，输出所述第二设备天线的工程参数，所述第二配置数据集包括所述第二设备天线的配置数据。/n

【技术特征摘要】
1.一种预测天线工程参数的方法，其特征在于，包括：
获取第一工程参数集、第一配置数据集、以及终端向第一设备天线上传的第一测量报告数据集；其中，所述第一工程参数集包括所述第一设备天线的工程参数，所述第一设备天线的工程参数包括所述第一设备天线的位置数据和姿态数据中的至少一个；所述第一配置数据集包括所述第一设备天线的配置数据，所述第一设备天线的配置数据表示所述第一设备天线的网络参数的配置信息；所述第一测量报告数据集中的测量报告数据包括所述终端的位置数据和信号接收功率数据；
根据所述第一设备天线的工程参数、所述第一设备天线的配置数据和所述第一测量报告数据集进行模型训练，获得天线工参预测模型；所述天线工参预测模型用于，根据第二配置数据集、终端向第二设备天线上传的第二测量报告数据集，输出所述第二设备天线的工程参数，所述第二配置数据集包括所述第二设备天线的配置数据。


2.根据权利要求1所述的方法，其特征在于，所述天线工参预测模型包括天线工参生成模型；
所述根据所述第一设备天线的工程参数、所述第一设备天线的配置数据和所述第一测量报告数据集进行模型训练，获得天线工参预测模型，包括：
根据所述第一设备天线的配置数据和所述第一测量报告数据集，获得所述第一设备天线的第一样本特征数据；所述第一样本特征数据包括隶属所述第一设备天线的小区或远端射频单元RRU的多个信号接收功率数据，以及所述多个信号接收功率数据中各个信号接收功率数据对应的终端的位置数据；
根据所述第一设备天线的配置数据，获得所述第一设备天线的天线类型；
根据所述第一设备天线的工程参数和第一特征集合进行模型训练，获得所述天线工参生成模型；所述第一特征集合包括所述第一样本特征数据和所述第一设备天线的天线类型，所述天线工参生成模型用于根据输入的第一特征集合输出工程参数。


3.根据权利要求2所述的方法，其特征在于，所述根据所述第一设备天线的配置数据和所述第一测量报告数据集，获得所述第一设备天线的第一样本特征数据，包括：
根据所述第一设备天线的配置数据，确定隶属所述第一设备天线的小区或RRU；
从所述第一测量报告数据集中，确定所述小区或RRU对应的测量报告数据；
根据所述小区或RRU对应的测量报告数据进行特征提取，获得所述第一设备天线的第一样本特征数据。


4.根据权利要求2或3所述的方法，其特征在于，所述天线工参预测模型还包括天线工参纠正模型；所述第一工程参数集还包括所述第一设备天线周边的至少一个其他设备天线的工程参数；所述第一配置数据集还包括所述至少一个其他设备天线的配置数据；
所述根据所述第一设备天线的工程参数和第一特征集合进行模型训练，获得所述天线工参生成模型之后，所述方法还包括：
根据所述第一配置数据集和所述第一测量报告数据集，获得所述第一设备天线的第二样本特征数据，所述第二样本特征数据包括所述至少一个其他设备天线的小区或RRU的多个信号接收功率数据、以及所述多个信号接收功率数据中各个信号接收功率数据对应的终端的位置数据和所述第一设备天线的小区或RRU的信号接收功率数据；
根据所述天线工参生成模型，获得所述第一设备天线的工程参数的预测结果和所述至少一个其他设备天线的工程参数的预测结果；
根据所述第一工程参数集和第二特征集合进行模型训练，获得所述天线工参纠正模型；所述第二特征集合包括所述第二样本特征数据、所述第一设备天线的工程参数的预测结果和所述至少一个其他设备天线的工程参数的预测结果，所述天线工参纠正模型用于根据输入的第二特征集合输出工程参数。


5.根据权利要求4所述的方法，其特征在于，所述至少一个其他设备天线为所述第一设备天线周边的topN个设备天线，所述topN个设备天线表示多个设备天线中与所述第一设备天线最相关的N个的设备天线，N为大于等于1的整数。


6.根据权利要求5所述的方法，其特征在于，所述根据所述第一配置数据集和所述第一测量报告数据集，获得所述第一设备天线的第二样本特征数据，包括：
根据所述第一配置数据集，确定隶属所述第一设备天线的小区或RRU，和隶属于所述topN个设备天线的小区或RRU；
根据所述第一测量报告数据集，设置所述topN个设备天线的小区或RRU中任一设备天线的小区或RRU分别对应至少一个测量报告数据，所述至少一个测量报告数据中每个测量报告数据包括所述任一设备天线的小区或RRU的信号接收功率数据、所述第一设备天线的小区或RRU的信号接收功率数据以及所述终端的位置数据；
根据所述topN个设备天线的小区或RRU中各个设备天线的小区或RRU对应的测量报告数据进行特征提取，获得所述第一设备天线的第二样本特征数据。


7.一种预测天线工程参数的方法，其特征在于，包括：
获取第二配置数据集、终端向第二设备天线上传的第二测量报告数据集；其中，所述第二配置数据集包括所述第二设备天线的配置数据，所述第二设备天线的配置数据表示所述第二设备天线的网络参数的配置信息；所述第二测量报告数据集中的测量报告数据包括所述终端的位置数据和信号接收功率数据；
将所述第二配置数据集和所述第二测量报告数据集输入至天线工参预测模型，获得所述第二设备天线的工程参数的预测结果；其中，所述天线工参预测模型是根据第一工程参数集、第一配置数据集、以及终端向第一天线集中第一设备天线上传的第一测量报告数据集进行训练而得到的；所述第二设备天线的工程参数包括所述第一设备天线的位置数据和姿态数据中的至少一个。


8.根据权利要求7所述的方法，其特征在于，所述第一工程参数集包括所述第一设备天线的工程参数，所述第一设备天线的工程参数包括所述第一设备天线的位置数据和姿态数据中的至少一个；所述第一配置数据集包括所述第一设备天线的配置数据，所述第一设备天线的配置数据表示所述第一设备天线的网络参数的配置信息；所述第一测量报告数据集中的测量报告数据包括所述终端的位置数据和信号接收功率数据。


9.根据权利要求7或8所述的方法，其特征在于，所述天线工参预测模型包括天线工参生成模型；
所述将所述第二配置数据集和所述第二测量报告数据集输入至天线工参预测模型，获得所述第二设备天线的工程参数的预测结果，包括：
根据所述第二测量报告数据集和所述第二设备天线的配置数据，获得所述第二设备天线的第一样本特征数据；所述所述第二设备天线的第一样本特征数据包括隶属所述第二设备天线的小区或远端射频单元RRU的多个信号接收功率数据，以及所述多个信号接收功率数据中各个信号接收功率数据对应的终端的位置数据；
根据所述第二设备天线的配置...

【专利技术属性】
技术研发人员：喻国军，
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