天线配置参数优化方法、装置及存储介质制造方法及图纸

技术编号:34359735 阅读:29 留言:0更新日期:2022-07-31 07:17
本申请实施例提供一种天线配置参数优化方法、装置及存储介质,包括:根据优化区域对应的第一天线配置参数、所述第一天线配置参数的评分对第一预测模型进行增量式更新以得到第二预测模型;根据所述第二预测模型得到第二天线配置参数;确定是否将所述第二天线配置参数作为第一目标配置参数;若将所述第二天线配置参数作为第一目标配置参数,则将所述第二天线配置参数进行下发。通过根据第一天线配置参数和第一天线配置参数的评分对第一预测模型进行增量式更新,进而根据更新后的预测模型得到新的天线配置参数。采用该手段,基于更新后的预测模型可以快速收敛至评分较高的天线配置参数,进而提高了天线配置参数优化效率。进而提高了天线配置参数优化效率。进而提高了天线配置参数优化效率。

Antenna configuration parameter optimization method, device and storage medium

【技术实现步骤摘要】
天线配置参数优化方法、装置及存储介质


[0001]本申请涉及通信
,尤其涉及一种天线配置参数优化方法、装置及存储介质。

技术介绍

[0002]无线通信网络规划是根据客户对于网络质量(覆盖、干扰、容量)的需求,结合规划区域的地形地貌,用户分布等特征,设计合理可行的无线网络布局(通常是按照蜂窝形状部署站点),以最小的投资满足客户的需求。在现实场景中,由于网络规划与实际物理环境存在差异,城市建设、用户发展变化,场景化参数差异化配置需求,导致现实网络中可能存在弱覆盖、重叠覆盖以及负荷不均衡等网络质量问题,运营商需要对现有网络参数进行优化,解决当前网络中上述的质量问题。
[0003]网络参数优化中通常通过调整射频参数控制站点覆盖,增强路段级或全量用户立体覆盖质量、容量、速率等指标,充分保障用户可接入性、移动性和体验。
[0004]第五代移动通信技术(5th generation wireless systems,5G)场景的新特性给网络参数优化带来巨大的技术挑战。针对大规模天线阵列的多天线形态(Massive Multi

input Multi

output,Massive MIMO)天线来说,其提供了不同覆盖场景的广播波束权值,使得射频(Radio Frequency,RF)参数从普通天线的3种(物理方位角、物理下倾角、电子下倾角),变为Massive MIMO天线的6种(物理方位角、物理下倾角、数字方位角、数字下倾角、水平波束宽度、垂直波束宽度)。因此,当Massive MIMO天线引入后,可调参数从3要素增加为6要素,射频参数可调整组合空间指数级增长。此外,在5G场景下,由于宏站和微站相结合,站与站之间距离更近,耦合更强,导致网络环境更复杂;由于MIMO、多小区协作(Coordinated multi

point processing,CoMP)组网等新特性,导致网络结构更复杂;在这种场景下,仅根据基本电磁波传播公式建立的仿真平台,存在仿真模型精度低的问题,难以精准识别网络中存在的质量问题和评估出不同参数组合网络质量的差异性。
[0005]现有技术通过基于现网反馈的数据(电子地图,天线文件,工参数据,测量报告(Measurement Report,MR)/道路测试(Drive Test,DT)数据构建仿真模型;其中,仿真模型会评估参数组合变化时,网络质量的变化情况;根据仿真模型对当前参数组合的评估结果,识别当前网络中的质差区域,确定需要调整参数的问题小区;通过对这些问题小区的参数组合利用遗传算法进行寻优,直至遗传算法收敛或者达到遗传算法的最大迭代次数,然后将优化得到的天线参数配置为上述问题小区的天线参数,并进行现网方案的下发。现有技术在获得新一轮测量数据时,需要重新建立仿真模型和初始化寻优算法,也就是说,每次获得的新一轮测量数据均需要重新建立仿真模型,然后重新初始化寻优算法,该手段使得端到端运行时间久,优化效率较低。

技术实现思路

[0006]本申请公开了一种天线配置参数优化方法、装置及存储介质,可以提高寻找最优
天线配置参数的效率。
[0007]第一方面,本申请实施例提供一种天线配置参数优化方法,包括:根据优化区域对应的第一天线配置参数、所述第一天线配置参数的评分对第一预测模型进行增量式更新以得到第二预测模型;根据所述第二预测模型得到第二天线配置参数;确定是否将所述第二天线配置参数作为第一目标配置参数;若将所述第二天线配置参数作为第一目标配置参数,则将所述第二天线配置参数进行下发。
[0008]上述根据优化区域对应的第一天线配置参数、所述第一天线配置参数的评分对第一预测模型进行增量式更新以得到第二预测模型,可以理解为:根据优化区域对应的第一天线配置参数、所述第一天线配置参数的评分对第一预测模型的计算公式、参数或属性等进行更新,从而得到第二预测模型。而全量式更新则是根据第一天线配置参数、所述第一天线配置参数的评分以及生成第一预测模型之前所使用到的天线配置参数和评分来生成第二预测模型。也就是说,全量式更新未基于已经生成的第一预测模型来生成第二预测模型,其并未建立第一预测模型和第二预测模型之间的关联。增量式更新相较于全量式更新,其基于第一天线配置参数和第一天线配置参数的评分来对该已生成的第一预测模型进行更新进而得到新的预测模型。
[0009]通过本申请实施例,通过根据第一天线配置参数和第一天线配置参数的评分对第一预测模型进行增量式更新,进而根据更新后的预测模型得到新的天线配置参数。采用该手段,通过增量式更新该预测模型,基于更新后的预测模型可以快速收敛至评分较高的天线配置参数,进而提高了天线配置参数优化效率,相较于现有全量式更新的手段,本方案可有效提升交付质量和交付效率。
[0010]作为一种实现方式,通过确定是否达到预设条件来确定是否将所述第二天线配置参数作为所述第一目标配置参数。例如根据是否达到迭代次数N1,或者,根据是否连续N2次得到该第二天线配置参数(即N2次迭代获得相同的天线配置参数),进而确定是否将该第二天线配置参数作为第一目标配置参数。其中,N1、N2均为正整数。如果当前达到迭代次数N1,或者,当前连续N2次得到该第二天线配置参数(此时,第一天线配置参数和该第二天线配置参数相同),则确定将该第二天线配置参数作为第一目标配置参数。
[0011]作为一种实施方式,若不将所述第二天线配置参数作为所述第一目标配置参数,根据所述第二天线配置参数、所述第二天线配置参数的评分对所述第二预测模型进行增量式更新以得到第三预测模型;根据所述第三预测模型得到第三天线配置参数。
[0012]通过根据第二天线配置参数和该第二天线配置参数的评分对该第二预测模型进行增量式更新,得到第三预测模型。采用该手段,通过不断更新该预测模型,使得更新后的预测模型可以快速收敛至评分较高的天线配置参数,进而提高了天线配置参数优化效率,可有效提升交付质量和交付效率。
[0013]作为一种实施方式,所述方法还包括:获取测量数据和仿真数据,其中,所述测量数据是将第二目标配置参数下发后得到的数据,所述仿真数据是根据所述第二目标配置参数和第一仿真模型得到的数据;根据所述测量数据和仿真数据对所述第一仿真模型进行校正以得到第二仿真模型;根据所述第一天线配置参数和所述第二仿真模型得到所述第一天线配置参数的评分。
[0014]本申请实施例通过基于第二目标配置参数下发后得到的测量数据,以及根据该第
二目标配置参数进行仿真得到的仿真数据,来对仿真模型进行校正,使得该仿真模型的误差降低,贴近现网真实实施效果,进而提升仿真的准确度。
[0015]作为一种实施方式,上述根据所述测量数据和仿真数据对所述第一仿真模型进行校正以得到第二仿真模型,包括:根据所述测量数据和仿真数据对所述第一仿真模型的链路损耗进行校正以得到第二仿真模型。
[0016]通过对仿真模型的链路损耗进行校正,进而提升仿真的准确度。
[0017]作本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种天线配置参数优化方法,其特征在于,包括:根据优化区域对应的第一天线配置参数、所述第一天线配置参数的评分对第一预测模型进行增量式更新以得到第二预测模型;根据所述第二预测模型得到第二天线配置参数;确定是否将所述第二天线配置参数作为第一目标配置参数;若将所述第二天线配置参数作为第一目标配置参数,则将所述第二天线配置参数进行下发。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:若不将所述第二天线配置参数作为所述第一目标配置参数,根据所述第二天线配置参数、所述第二天线配置参数的评分对所述第二预测模型进行增量式更新以得到第三预测模型;根据所述第三预测模型得到第三天线配置参数。3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:获取测量数据和仿真数据,其中,所述测量数据是将第二目标配置参数下发后得到的数据,所述仿真数据是根据所述第二目标配置参数和第一仿真模型得到的数据;根据所述测量数据和仿真数据对所述第一仿真模型进行校正以得到第二仿真模型;根据所述第一天线配置参数和所述第二仿真模型得到所述第一天线配置参数的评分。4.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:获取存储的所述第一预测模型。5.根据权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:根据所述优化区域对应的多组历史天线配置参数和每组所述历史天线配置参数的评分得到初始预测模型,以根据所述初始预测模型得到所述第一预测模型。6.一种天线配置参数优化装置,其特征在于,包括:第一模型生成模块,用于根据优化区域对应的第一天线配置参数、所述第一天线配置参数的评分对第一预测模型进行增量式更新以得到第二预测模型;第一参数生成模块,用于根据所述第二预测模型得到第二天线配置参数;判断模块,用于确定是否将所述第二天线配置参数作为第一目标配置参数;参数确定模块,...

【专利技术属性】
技术研发人员:李晓雯耿新力吴珏莹宋其涛
申请(专利权)人:华为技术服务有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1