【技术实现步骤摘要】
本公开属于网络通信，具体涉及一种无线网络优化方法、装置、设备和计算机程序产品。
技术介绍
1、确定性信道建模是现阶段无线网络优化的主要方法。确定性信道建模指的是遵从电磁波传播理论进行的无线信道建模。基于确定性信道建模的无线网络优化技术，可准确预测建筑密集城区、开阔郊区等不同场景的网络状态，减少对人工现场测量的依赖，提高网络优化的效率和准确性。
2、但是确定性信道建模方法，需要掌握精确场景信息，并重构信号传播的电磁环境，对无线信号传播的信号进行精细性建模，其仿真时间随仿真区域大小成指数增长，在大规模区域仿真时仍进行精细建模，将需要很高的计算机运算资源，仿真时间也会随仿真的规模增长。现有基于确定性无线信道建模的确定性网络优化需要智能迭代优化基站工参，即需要大量重复进行确定性无线信道建模，对计算机运算资源的需求会更高，仿真时间也会更长。
技术实现思路
1、本公开实施例提出了一种无线网络优化方案，以解决现有基于确定性信道建模的无线网络优化方法对大规模区域仿真时需要的计算机运算资源过高导...
【技术保护点】
1.一种无线网络优化方法，其特征在于，包括：
2.根据权利要求1所述方法，其特征在于，所述对待优化区域按第一分辨率进行特征提取以获取所述待优化区域的场景特征包括：
3.根据权利要求1所述方法，其特征在于，所述基于深度学习的超分辨率算法模型的训练方法包括：
4.根据权利要求3所述方法，其特征在于，所述预测所述预设网络优化参数在预设分辨率下的第二数值包括：
5.根据权利要求3所述方法，其特征在于：
6.根据权利要求5所述方法，其特征在于：所述卷积神经网络包括压缩算子和激励算子，所述压缩算子的输出作为所述激励算子的
...【技术特征摘要】
1.一种无线网络优化方法，其特征在于，包括：
2.根据权利要求1所述方法，其特征在于，所述对待优化区域按第一分辨率进行特征提取以获取所述待优化区域的场景特征包括：
3.根据权利要求1所述方法，其特征在于，所述基于深度学习的超分辨率算法模型的训练方法包括：
4.根据权利要求3所述方法，其特征在于，所述预测所述预设网络优化参数在预设分辨率下的第二数值包括：
5.根据权利要求3所述方法，其特征在于：
6.根据权利要求5所述方法，其特征在于：所述卷积神经网络包...
【专利技术属性】
技术研发人员：于俊逸，张玉，吴宇，
申请(专利权)人：北京乾径科技有限公司，
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。