无线建模方法和系统技术方案

本发明专利技术提供一种无线建模方法和系统。所述无线建模方法：向云端设备发送包括本地网络设备的地理信息的第一数字孪生体数据请求；接收云端设备返回的与所述地理信息相对应的第一数字孪生体数据。本发明专利技术的无线建模方法利用数字孪生体进行无线环境建模，提供了更实时更全面的信息，提高了建模精度，同时可基于无线网络侧的覆盖效果数据辅助进行城市建设规划。络侧的覆盖效果数据辅助进行城市建设规划。络侧的覆盖效果数据辅助进行城市建设规划。

【技术实现步骤摘要】
无线建模方法和系统


[0001]本专利技术涉及通信
，特别是指一种无线建模方法和系统。

技术介绍

[0002]现代通信技术中的无线环境包括无线通信区域内的地理地貌、城市建筑、公共设施、人口密度等等。由于无线环境直接影响无线通信信道质量(如各种大小尺度衰落)，从而影响基站侧无线资源总量的配备以及无线资源的调度和分配算法，在无线移动通信网络的规划、配置、优化过程中均需要直接或间接的使用无线环境的建模来产生相关决策或方案。尤其是网络规划工作，需要基于无线环境模型对规划方案进行多轮仿真迭代，以输出较为合理的规划方案。
[0003]当前，业界较为常用或研究较多的技术方案主要包括三大类：基于3D电子地图、基于人工智能AI模型和基于射线跟踪，其原理分述如下：
[0004]基于3D电子地图：就是以三维电子地图数据库为基础，按照一定比例对现实世界或其中一部分的一个或多个方面的三维、抽象的描述。利用卫星或激光技术直接扫描建筑物的高度和宽度，最终形成三维地图数据文件。最近几年，搜索引擎Google把卫星遥感地图资源和三维电子地图技术以及互联网集合起来，推出Google Earth和Google Maps。另外，可以借助于Web GIS技术，利用飞艇、飞机和汽车等交通工具，从不同的角度进行拍摄，通过数据库和地图上每个具体地点联系起来，获得这个地区的实景地图。但是，这种方式的弊端一是受交通工具的限制，给出的信息比较有限；二是地图获取成本较高；三是地图更新周期较长，数据具有很明显的滞后性。
[0005]基于AI模型：随着AI技术的兴起，通过AI对无线信道进行建模成为一种新的思路。其主要原理是通过无线网络中采集的大量测量数据，训练生成发射接收端信号的映射关系(比如由特定结构和参数配置的神经网络表达)作为信道模型。这种方式相比传统的固定信道模型分类在模型刻画的多样性和准确性上具有明显的优势，但其依赖的采集数据量大，训练跟不上无线信道的时变性，存在模型滞后的问题，不同用户的信道模型无法归聚形成模板，需要不断训练，消耗大量算力资源。
[0006]基于射线跟踪：射线跟踪是一种被广泛用于移动通信和个人通信环境中的预测无线电波传播特性的技术，可以用来辨认出多径信道中收发之间所有可能的射线路径。一旦所有可能的射线被辨认出后，就可根据电波传播理论来计算每条射线的幅度、相位、延迟和极化，然后结合天线方向图和系统带宽就可得到接收点的所有射线的相干合成结果。在射线追踪模型中，假设存在有限数量的反射物，并且这些反射物的位置和导电特性已知。当接收器离开最近的散射体的距离大大超过波长，并且所有散射体相对波长足够大、散射体相当平滑时，模型的近似误差非常小。基于射线追踪的计算机程序中被广泛适用于室内和室外环境的系统规划。在这些程序中，计算机图形和航空照片或者建筑结构图结合，以获得环境的三维地理图像。基于射线跟踪的方法计算比较复杂，且本身也需要对无线环境的感知，如反射物的数量、位置和物理特性均需获知。三维地图可以提供前两者，但反射物的物理特
性却不易获得。

技术实现思路

[0007]本专利技术要解决的技术问题是如何提供一种基于数字孪生体的无线建模方法和系统，从而提供更实时更全面的建模信息，提高建模精度，并且可以基于当前的无线建模辅助进行城市建设规划。
[0008]为解决上述技术问题，本专利技术的技术方案如下：
[0009]一种无线建模方法，应用于本地网络设备，所述方法包括：向云端设备发送包括本地网络设备的地理信息的第一数字孪生体数据请求；接收云端设备返回的与所述地理信息相对应的第一数字孪生体数据。
[0010]可选地，所述无线建模方法还包括：基于第一数字孪生体数据和本地网络设备存储的第二数字孪生体数据，建立无线环境模型。
[0011]可选地，所述第一数字孪生体数据为非实时的行业数据；所述第二数字孪生体数据为实时的本地数据。
[0012]可选地，所述无线建模方法还包括：基于无线环境模型仿真生成多个仿真样本。
[0013]可选地，所述无线建模方法还包括:以所述多个仿真样本和所述本地网络设备获取的多个真实样本作为输入进行人工智能AI训练，生成无线信道模型。
[0014]可选地，所述无线建模方法还包括：基于无线信道模型更新所述本地网络设备存储的数字孪生体数据。
[0015]可选地，所述多个真实样本是基于上下行传输配置更新信息和空口信号测量结果生成的。
[0016]可选地，所述无线建模方法还包括：接收云端设备发送的第三数字孪生体数据的评估请求；基于无线环境模型对第三数字孪生体数据进行评估，并向云端设备反馈评估结果。
[0017]可选地，所述第三数字孪生体数据为网络设计中的数字孪生体数据。
[0018]一种无线建模方法，应用于云端设备，所述方法包括：接收本地网络设备发送的包括本地网络设备的地理信息的第一数字孪生体数据请求，向本地网络设备发送给与所述地理信息相对应的第一数字孪生体数据。
[0019]可选地，所述无线建模方法还包括：发送第三数字孪生体数据的评估请求；接收本地网络设备反馈的基于无线环境模型对第三数字孪生体数据进行评估产生的评估结果。
[0020]可选地，所述第一数字孪生体数据为非实时的行业数据；所述第三数字孪生体数据为设计中的数字孪生体数据。
[0021]一种无线建模系统，包括云平台和本地网络设备，包括：本地网络设备向云平台发送包括本地网络设备的地理信息的第一数字孪生体数据请求；云平台接收本地网络设备发送的第一数字孪生体数据请求后，向本地网络设备发送给与所述地理信息相对应的第一数字孪生体数据；本地网络设备基于第一数字孪生体数据和本地网络设备存储的第二数字孪生体数据，建立无线环境模型。
[0022]可选地，所述无线建模系统还包括：云平台向本地网络设备发送第三数字孪生体数据的评估请求；本地网络设备基于无线环境模型对第三数字孪生体数据进行评估后产生
评估结果，并且将评估结果反馈给云平台。
[0023]可选地，所述第一数字孪生体数据为非实时的行业数据；所述第二数字孪生体数据为实时的本地数据；所述第三数字孪生体数据为设计中的数字孪生体数据。
[0024]可选地，所述本地网络设备中的仿真器基于无线环境模型仿真生成多个仿真样本。
[0025]可选地，所述本地网络设备中的AI训练模块以仿真器生成的所述多个仿真样本和所述本地网络设备的样本收集模块收集的多个真实样本作为输入进行AI训练，生成无线信道模型。
[0026]可选地，基于无线信道模型更新所述本地网络设备存储的数字孪生体数据。
[0027]可选地，所述多个真实样本是基于上下行传输配置更新消息和空口信号测量结果消息生成的。
[0028]一种通信设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行上述无线建模方法。
[0029]一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行上述无线建模方法。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无线建模方法，其特征在于，应用于本地网络设备，所述方法包括：向云端设备发送包括本地网络设备的地理信息的第一数字孪生体数据请求；接收云端设备返回的与所述地理信息相对应的第一数字孪生体数据。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于第一数字孪生体数据和本地网络设备存储的第二数字孪生体数据，建立无线环境模型。3.根据权利要求2所述的方法，其特征在于，所述第一数字孪生体数据为非实时的行业数据；所述第二数字孪生体数据为实时的本地数据。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：基于无线环境模型仿真生成多个仿真样本。5.根据权利要求4所述的方法，其特征在于，所述方法还包括:以所述多个仿真样本和所述本地网络设备获取的多个真实样本作为输入进行人工智能AI训练，生成无线信道模型。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：基于无线信道模型更新所述本地网络设备存储的数字孪生体数据。7.根据权利要求5所述的方法，其特征在于，所述多个真实样本是基于上下行传输配置更新信息和空口信号测量结果生成的。8.根据权利要求2所述的方法，其特征在于，还包括：接收云端设备发送的第三数字孪生体数据的评估请求；基于无线环境模型对第三数字孪生体数据进行评估，并向云端设备反馈评估结果。9.根据权利要求8所述的方法，其特征在于，所述第三数字孪生体数据为设计中的数字孪生体数据。10.一种无线建模方法，其特征在于，应用于云端设备，所述方法包括：接收本地网络设备发送的包括本地网络设备的地理信息的第一数字孪生体数据请求，向本地网络设备发送给与所述地理信息相对应的第一数字孪生体数据。11.根据权利要求10所述的方法，其特征在于，所述方法还包括：发送第三数字孪生体数据的评估请求；接收本地网络设备反馈的基于无线环境模型对第三数字孪生体数据进行评估产生的评估结果。12.根据权利要求11所述的方法，其特征在于，所述第一数字孪生体数据为非实时的行业数据；所述第三...

【专利技术属性】
技术研发人员：邓娟，李娜，孙军帅，刘光毅，王莹莹，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：