基于机器学习的复杂环境下路径损耗快速预测模型制造技术

本发明专利技术公开了基于机器学习的复杂环境下路径损耗快速预测模型，通过建立网络环境中用户路径数据库；当用于处于该网络环境中时，用户路径数据库根据检测到的用户路径预测用户即将到达的下一矩阵点；系统调整下一矩阵点对应网络基站的传输参数，使下一矩阵点的传输参数以最低基站总功率进行传输。本发明专利技术首先通过对用户路径的大数据分析，建立用户路径数据库，然后实时获取用户的路径信息，并根据获取的路径信息预测用户的下一位置，继而调整即将到达之处的基站工作状态，使基站以最优功率进行工作。本发明专利技术的网络环境包括模拟环境和实测数据，所测得数据准确可靠，通过两种方式相结合，能够降低路测工作量。能够降低路测工作量。能够降低路测工作量。

【技术实现步骤摘要】
基于机器学习的复杂环境下路径损耗快速预测模型


[0001]本专利技术涉及5G基站传输优化方法
，具体涉及基于机器学习的复杂环境下路径损耗快速预测模型。

技术介绍

[0002]由于5G自身传输特性的限制，如果需要达到传统4G网络的覆盖程度，那么相比于传统移动通信网络的基站数量，5G基站的数量将增加约2倍。再者，5G基站的能耗巨大。单个5G基站的能耗约为4G基站的3倍，这就大大增加了5G基站的运营成本。
[0003]无线网络规划的关键是以无线传播模型为基础对无线网络路径损耗的覆盖预测。通过无线传播模型对不同站点规划方案的路径损耗进行预测，可以在保证网络覆盖范围和质量的前提下，尽可能减少规划站点数量并优化基站工参配置，从而有效降低无线网络的能耗和建设成本。
[0004]考虑到上述运用成本的增加，在工程实践中就需要根据5G用户的实际需求对网络进行优化及快速预测，改变传统的广域连续覆盖方式。

技术实现思路

[0005]为解决现有技术中的不足，本专利技术提供基于机器学习的复杂环境下路径损耗快速预测模型。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习的复杂环境下路径损耗快速预测模型，其特征在于：包含以下步骤：S1：获取单个网络基站的传输参数及该种网路基站所组成网络环境中的配置参数；S2：获取网络环境中的干扰条件，并根据该干扰条件将各个网络基站的配置参数调整至使整个网络环境中的传输参数处于最佳状态，所述干扰条件包括影响信号传输的人工建筑信息及自然环境信息；S3：选取网络环境中的若干矩阵点作为测试点，获取各个矩阵点处的路测数据；S4：将路测数据与S2中最佳状态下的传输参数进行差值分析，并对相应矩阵点的差值进行排序；S5：选取S4中差值较大矩阵点，分析对比该矩阵点相邻方向四个矩阵点的路测数据；S6：将各个点的路测数据进行拟合，继而建立网络环境中任意矩阵点路径的路测数据的变化量的预测模型；S7：建立网络环境中用户路径数据库；S8：当用于处于该网络环境中时，用户路径数据库根据检测到的用户路径预测用户即将到达的下一矩阵点；S9；系统调整下一矩阵点对应网络基站的传输参数，使下一矩阵点的传输参数以最低基站总功率进行传输。2.根据权利要求1所述的基于机器学习的复杂环境下路径损耗快速预测模型，其特征在于：S1中，单个网络基站的传输参数包括下...

【专利技术属性】
技术研发人员：高塬，卢业勤，
申请(专利权)人：苏州星伦物联信息科技有限公司，
类型：发明
国别省市：