基于天线传播模型的RSRP预测方法与系统技术方案

本发明专利技术提供一种基于天线传播模型的RSRP预测方法与系统，从最小化路测数据中读取某小区下的所有采样点，然后筛选出有效的采样点，并将采样点数据投射到平面坐标；再根据采样点与基站的相对位置，计算采样点距离基站的位置以及方位角；然后基于采样点距离基站的位置以及方位角，计算不同方位角下的RSRP的估计值；最后计算估计值的均方误差，检测当前小区拟合性能。本发明专利技术提出的基于天线传播模型以及采样点MDT数据的RSRP预测方法，能够有效消除由于终端差异造成的RSRP采集误差，并补充商用终端无法到达的区域。无法到达的区域。无法到达的区域。

【技术实现步骤摘要】
基于天线传播模型的RSRP预测方法与系统


[0001]本专利技术涉及无线通信
，具体而言涉及一种基于天线传播模型的RSRP预测方法与系统。

技术介绍

[0002]由于基站分布不均，局部地区基站过多就会造成过覆盖甚至覆盖混乱的情况。而局部地区的基站较少，就会造成弱覆盖的区域。所谓的过覆盖是指在某一区域存在多个网络覆盖的现象，也称之为越区覆盖。覆盖混乱就是由于网络过多，造成网络干扰。弱覆盖是指某区域的网络覆盖弱的现象，通常以某一地区终端参考信号接收强度小于某一数值的比例作为衡量的指标。这些问题的出现都会导致用户存在网络掉线和通话质量下降的问题，进而影响用户体验。
[0003]网络优化的方式是在不增加小基站的情况下，对基站的参数进行调整，从而提升网络的覆盖质量。传统的基站调整都是依靠网优工程师现场测量和人工调整，一方面这个依赖工程师的经验，另一方面由于无线网络范围和基站个数较多，会消耗大量的人力和物力。
[0004]然而目前的最小化路测数据(MDT)是利用现网商用终端和基站进行测量和数据采集，该方式由于终端差异造成较大的数据采集误差，损耗大量终端功耗，而且部分区域无法预测。

技术实现思路

[0005]鉴于现有技术存在的缺陷，本专利技术的目的在于提出一种基于天线传播模型以及采样点MDT数据的RSRP预测方法，能够有效消除由于终端差异造成的RSRP采集误差，并补充商用终端无法到达的区域。
[0006]根据本专利技术目的的第一方面，提出一种基于天线传播模型的RSRP预测方法，包括：<br/>[0007]步骤1：从最小化路测数据中读取某小区下的所有采样点，然后筛选出有效的采样点，并将采样点数据投射到平面坐标；
[0008]步骤2：根据采样点与基站的相对位置，计算采样点距离基站的位置以及方位角；
[0009]步骤3：基于采样点距离基站的位置以及方位角，计算不同方位角下的RSRP的估计值；
[0010]步骤4：计算估计值的均方误差，检测当前小区拟合性能。
[0011]根据本专利技术目的的第二方面，还提出一种计算机系统，包括：
[0012]一个或多个处理器；
[0013]存储器，存储可被操作的指令，指令在被一个或多个处理器执行时，实现前述的基于天线传播模型的RSRP预测方法的过程。
[0014]根据本专利技术目的的第三方面，还提出一种存储计算机程序的计算机可读取介质，所述计算机程序包括能被一个或多个计算机执行的指令，所述指令在被所述一个或多个计
算机执行时，实现前述的基于天线传播模型的RSRP预测方法的过程。
[0015]由以上技术方案，本专利技术提出的RSRP预测方法的优点在于：
[0016]1)本方法基于天线传播模型以及采集的MDT数据，对RSRP进行预测，提升了采样点RSRP的精度，为RSRP的预测提供切实可行方案，能够有效消除由于终端差异造成的RSRP采集误差。
[0017]2)通过本方法可补充商用终端无法到达的区域，预测小区全部位置点的RSRP估计值，实现拟合的估计。
[0018]应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的专利技术主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的专利技术主题的一部分。
[0019]结合附图从下面的描述中可以更加全面地理解本专利技术教导的前述和其他方面、实施例和特征。本专利技术的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本专利技术教导的具体实施方式的实践中得知。
附图说明
[0020]附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本专利技术的各个方面的实施例，其中：
[0021]图1是根据本专利技术实施例的基于天线传播模型的RSRP预测方法的流程示意图。
具体实施方式
[0022]为了更了解本专利技术的
技术实现思路
，特举具体实施例并配合所附图式说明如下。
[0023]在本公开中参照附图来描述本专利技术的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本专利技术的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本专利技术所公开的构思和实施例并不限于任何实施方式。另外，本专利技术公开的一些方面可以单独使用，或者与本专利技术公开的其他方面的任何适当组合来使用。
[0024]结合图1所示的流程的基于天线传播模型的RSRP预测方法，其实现过程包括以下步骤：
[0025]步骤1：从最小化路测数据中读取某小区下的所有采样点，然后筛选出有效的采样点，并将采样点数据投射到平面坐标；
[0026]步骤2：根据采样点与基站的相对位置，计算采样点距离基站的位置以及方位角；
[0027]步骤3：基于采样点距离基站的位置以及方位角，计算不同方位角下的RSRP的估计值；
[0028]步骤4：计算估计值的均方误差，检测当前小区拟合性能。
[0029]下面我们将更加具体地描述上述各个步骤的示例性实现过程。
[0030]步骤1：从最小化路测数据中读取某小区下的所有采样点，然后筛选出有效的采样点，并将采样点数据投射到平面坐标，包括：
[0031]步骤1
‑
1、从最小化路测数据中读取一个小区下所有采样点的经度、纬度和参考信
号接收强度Rsrp，并读取当前小区的经度、纬度和方位角φ0；
[0032]步骤1
‑
2、对采样点的经度、纬度以及参考信号接收强度Rsrp采用3
‑
sigma准则筛选，留下三个参数同时满足3
‑
sigma准则的采样点；
[0033]步骤1
‑
3、对筛选保留的采样点，使用墨卡托投影法将用户采样点的经纬度和基站经纬度转换为平面的坐标；
[0034]然后以基站坐标为平面坐标原点，得到第i个采样点的坐标为(x
i
,y
i
)，并将基站天线的方位角φ0从(0,360
°
)转化为平面坐标上的(
‑
180
°
,180
°
)。
[0035]步骤2：根据采样点与基站的相对位置，计算采样点距离基站的位置以及方位角，包括：
[0036]根据用户坐标，即第i个采样点的坐标(x
i
,y
i
)，得到第i个采样点到基站的距离d
i
和采样点的水平方向角φ
i
，φ
i
的角度范围为
‑
180
°
到180
°
，并取参考距离为d0；
[0037]遍历天线方位角，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于天线传播模型的RSRP预测方法，其特征在于，包括：步骤1：从最小化路测数据中读取某小区下的所有采样点，然后筛选出有效的采样点，并将采样点数据投射到平面坐标；步骤2：根据采样点与基站的相对位置，计算采样点距离基站的位置以及方位角；步骤3：基于采样点距离基站的位置以及方位角，计算不同方位角下的RSRP的估计值；步骤4：计算估计值的均方误差，检测当前小区拟合性能。2.根据权利要求1所述的基于天线传播模型的RSRP预测方法，其特征在于，所述从最小化路测数据中读取某小区下的所有采样点，然后筛选出有效的采样点，并将采样点数据投射到平面坐标，包括：步骤1
‑
1、从最小化路测数据中读取一个小区下所有采样点的经度、纬度和参考信号接收强度Rsrp，并读取当前小区的经度、纬度和方位角φ0；步骤1
‑
2、对采样点的经度、纬度以及参考信号接收强度Rsrp采用3
‑
sigma准则筛选，留下三个参数同时满足3
‑
sigma准则的采样点；步骤1
‑
3、对筛选保留的采样点，使用墨卡托投影法将用户采样点的经纬度和基站经纬度转换为平面的坐标；然后以基站坐标为平面坐标原点，得到第i个采样点的坐标为(x
i
,y
i
)，并将基站天线的方位角φ0从(0,360
°
)转化为平面坐标上的(
‑
180
°
,180
°
)。3.根据权利要求2所述的基于天线传播模型的RSRP预测方法，其特征在于，所述根据采样点与基站的相对位置，计算采样点距离基站的位置以及方位角，包括：根据用户坐标，即第i个采样点的坐标(x
i
,y
i
)，得到第i个采样点到基站的距离d
i
和采样点的水平方向角φ
i
，φ
i
的角度范围为
‑
180
°
到180
°
，并取参考距离为d0；遍历天线方位角，其中对于天线方位角φ0，取区间[φ0‑
α,φ0+α]，以每Δθ为步长，对方位角进行遍历，其中第j次遍历的天线方位角为φ0‑
α+jΔθ，其中α表示离散化后的方位角的区间。4.根据权利要求3所述的基于天线传播模型的RSRP预测方法，其特征在于，所述将方位角离散化，计算不同方位角下的RSRP的估计值，包括：步骤3
‑
1、基于天线传播模型，获得所述小区的任意位置处采样点的接收功率y：其中...

【专利技术属性】
技术研发人员：骆德龙，王清明，张华，胥晓冬，
申请(专利权)人：嘉环科技股份有限公司，
类型：发明
国别省市：