一种基于Cost231-Hata模型的无线智能传播方法技术

本发明专利技术提供的是一种基于Cost231‑Hata模型的无线智能传播方法，该模型基于5G网络的应用、以及无线LET网络数据的辅助所提出针对解决在不同环境中及在各种外界因素影响下建立的稳定性高的无线传播模型。该模型通过对LET数据中的工程参数、地图参数和自行寻找的特征来分析，预测模型的平均信号接收功率(RSRP)，并考虑传输路径的损耗详细划分，采用一种更为全面的传输路径损耗由自由空间损耗L

【技术实现步骤摘要】
一种基于Cost231-Hata模型的无线智能传播方法
本专利技术涉及到一种基于Cost231-Hata模型的无线智能传播方法，便于利用模型准确预测在新环境下无线信号覆盖强度。
技术介绍
现如今，在人工智能被推上强有力的风口之上，不论是业内人士还是其他企业都在疯狂的追逐着，与此同时5G的话题不再是存在于纸上的理论，而是悄无声息的出现在人工智能领域，并且获得了较为突出的进步，并且全球范围内的应用也在不断地扩大。在5G的应用领域中，三大通信运营商争相进行5G网络的部署，在这个应用中，合理地选择覆盖区域内的基站站址是最关键的一方面，其次通过部署基站来满足用户的通信需求。在整个无线网络规划流程中，高效的网络估算对于精确的5G网络部署有着非常重要的意义。无限网络依附于无线电波，这种载体是极其容易收到外界的影响的。由于无线电波传播环境复杂，会受到传播路径上各种因素的影响，所以建立一个准确的模型是一项非常艰巨的任务，需要模型能够准确预测新环境下无线信号的覆盖强度，减少网络建设成本，同时提高网络建设效率。随着5G时代的风靡和全球数字产业链条的快本文档来自技高网...

【技术保护点】
1.一种基于Cost231-Hata模型的无线智能传播方法，其特征在于：包括如下步骤：/n步骤一、特征设计：A、将Cost231-Hata模型的数据或参数进行定量分析，B、从中挑选出影响目标模型的主要特征a，C、结合Cost231-Hata模型以及其相关数据进行建立神经网络模型预测RSRP的基于Cost231-Hata模型的特征a1；/n其中，所述RSRP与PL的关系式为：/nRSRP＝P

【技术特征摘要】
1.一种基于Cost231-Hata模型的无线智能传播方法，其特征在于：包括如下步骤：
步骤一、特征设计：A、将Cost231-Hata模型的数据或参数进行定量分析，B、从中挑选出影响目标模型的主要特征a，C、结合Cost231-Hata模型以及其相关数据进行建立神经网络模型预测RSRP的基于Cost231-Hata模型的特征a1；
其中，所述RSRP与PL的关系式为：
RSRP＝Pt+PL，Pt为小区发射机发射功率；
其中，所述特征a1的定义公式为：
PL＝46.3+33.9log10f-13.82log10hb-α+(44.9-6.55log10hb)log10d+cm，f为载波频率，hb为基站天线有效高度，α为用户天线高度修正，d为链路距离，cm为场景纠正常数，PL为传播路径损耗；
步骤二、特征选择：A、基于步骤一所设计的特征a1，从中选择出可影响RSPR的特征因子a2；B、结合各个小区的Cost231-Hata模型以及其相关数据，从中挑选出其特征b；C、运用特征因子a2的相关性分析法进行具体分析特征b与目标特征Ⅱ的相关性，并分析其所选择的特征b的特性；D、针对特征b进行计算，并把特征b的重要性用图示法表示出来，以清晰展示出该特征b与目标特征Ⅱ的相关性；
其中，所述特征b的计算方法如下：结合所给出的各个小区的Cost231-Hata模型以及其相关数据集，并对考虑传输路径的损耗进行详细划分，得出了影响目标特征Ⅱ的问题参数作为特征c；
步骤三、预测模型：基于步骤一和步骤二所设计的特征a1和特征c，通过建立预测模型，对RSRP模型进行预测。


2.根据权利要求1所述的无线智能传播方法，其特征在于：所述基站天线有效高度hb的关系表达式为：
hb＝hs+hg-hmg，

【专利技术属性】
技术研发人员：彭小平，凌双明，
申请(专利权)人：长沙航空职业技术学院，
类型：发明
国别省市：湖南;43