【技术实现步骤摘要】
邻区关系确定方法和装置
[0001]本专利技术涉及通信的
，尤其是涉及一种邻区关系确定方法和装置。
技术介绍
[0002]邻区优化是降低无线网络掉话率、提升网络总体质量的重要方式。用户设备在通信过程中，可能会从一个基站的覆盖范围移动至其相邻基站的覆盖范围，为保证通信业务的持续性，需要进行小区切换。而邻区配置优化的主要工作是为每个小区（也称蜂窝小区）维护一个合适的邻区列表，记录本小区的相邻小区。通过当前小区的邻区列表来发现和确定切换的目的小区，实现移动用户的不中断通信。
[0003]实际业务中，邻区配置优化工作量非常大，需要大量人力投入，人工配置过程的疏忽会导致邻区关系的错配、漏配，进而影响切换成功率和用户业务体验，甚至导致掉话现象。尤其在运营商级别的实际场景中，小区数量极为庞大，对于基站开站及日常运行过程，亟需一种更为智能和可靠的邻区关系确定方法，从而辅助进行邻区配置优化工作。
技术实现思路
[0004]本专利技术的目的在于提供一种邻区关系确定方法和装置，以降低了联合神经网络模型中的多个神经网络...
【技术保护点】
【技术特征摘要】
1.一种邻区关系确定方法，其特征在于，包括：获取待处理小区对中每个小区的工参信息；基于所述工参信息，确定所述待处理小区对的目标数据特征；利用预设联合神经网络模型对所述目标数据特征进行处理，得到所述待处理小区对的邻区关系；其中，所述联合神经网络模型中包括至少三个独立神经网络模型，且每个所述独立神经网络模型的层级结构、训练阶段所使用的训练数据和激活函数区间，与所述联合神经网络模型中的其余独立神经网络模型不同。2.根据权利要求1所述的方法，其特征在于，所述工参信息包括：小区的经纬度信息、小区方位角、小区下倾角、小区所属基站的基站类型、所述基站的频带类型、所述基站的基站高度和所述基站的发射功率；所述基于所述工参信息，确定所述待处理小区对的目标数据特征，包括：基于所述待处理小区对中两个小区的经纬度信息，计算所述待处理小区对的小区距离；计算所述两个小区的第一目标工参信息的差值与均值的比值，并将所述比值的绝对值作为第一目标工参特征；其中，所述第一目标工参信息包括：所述小区方位角、所述小区下倾角、所述基站的基站高度和所述基站的发射功率；基于所述两个小区的第二目标工参信息的同异性，确定第二目标工参特征；其中，所述第二目标工参信息包括：所述基站的基站类型和所述基站的频带类型；基于所述小区距离、所述第一目标工参特征和所述第二目标工参特征，确定所述待处理小区对的目标数据特征。3.根据权利要求1所述的方法，其特征在于，所述预设联合神经网络模型中包括：第一独立神经网络模型、第二独立神经网络模型和第三独立神经网络模型；所述利用预设联合神经网络模型对所述目标数据特征进行处理，得到所述待处理小区对的邻区关系，包括：分别利用所述第一独立神经网络模型和所述第二独立神经网络模型对所述目标数据特征进行处理，得到第一邻区预测结果和第二邻区预测结果；判断所述第一邻区预测结果和所述第二邻区预测结果是否一致；若一致，则将一致的邻区预测结果作为所述待处理小区对的邻区关系；若不一致，则利用所述第三独立神经网络模型对所述目标数据特征进行处理，得到第三邻区预测结果，并将所述第三邻区预测结果作为所述待处理小区对的邻区关系。4.根据权利要求1所述的方法，其特征在于，所述利用预设联合神经网络模型对所述目标数据特征进行处理，得到所述待处理小区对的邻区关系，包括：利用所述预设联合神经网络模型中的每个独立神经网络模型对所述目标数据特征进行处理，得到多个邻区预测结果；将所述多个邻区预测结果中数量最多的结果作为所述待处理小区对的邻区关系。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多个训练数据集；其中，每个所述训练数据集与所述预设联合神经网络模型中的每个独立神经网络模型一一对应；每个所述训练数据...
【专利技术属性】
技术研发人员：姚海鹏，姬小媛，董涛，宫永康，忻向军，张尼，买天乐，韩宝磊，
申请(专利权)人：北京卫星信息工程研究所，
类型：发明
国别省市：
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。