无线通信网络性能优化方法技术

本申请公开了一种无线通信网络性能优化方法，其通过获取待优化小区中各个区域的信号强度数据，并利用基于深度学习的数据处理和分析算法来进行所述待优化小区中各个区域的信号强度数据的时序特征分析和全域信号关联，以此基于各个区域之间的信号强度的时序关联关系来自动地推荐基站功率的优化值。这样，能够提高优化结果的精准性和准确性，减少优化过程中的复杂性，以此实现全局性的网络性能优化，进而提高整个网络的效率和质量，满足用户对高速率和稳定连接的需求。

【技术实现步骤摘要】

本申请涉及智能优化领域，且更为具体地，涉及一种无线通信网络性能优化方法。

技术介绍

1、在城市中心区域，移动通信网络面临着高用户密度、高楼大厦遮挡、信号干扰等挑战。用户对数据速率和网络连接质量的需求较高，需要通过优化来提高网络性能和用户体验。

2、但由于传统无线通信网络性能优化方法通常是基于静态的网络配置和参数调整，不能根据实时网络状态和用户需求进行动态调整，导致网络适应性和灵活性不足。此外，传统方法通常局限于局部优化，也就是只考虑单个网络元素或部分网络区域的性能优化，难以全局协同整个网络的性能，从而影响用户的使用体验。

3、因此，期望一种优化的无线通信网络性能优化方案。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种无线通信网络性能优化方法，其通过获取待优化小区中各个区域的信号强度数据，并利用基于深度学习的数据处理和分析算法来进行所述待优化小区中各个区域的信号强度数据的时序特征分析和全域信号关联，以此基于各个区域之间的信号强度的时序关联关系来自动地推荐本文档来自技高网...

【技术保护点】

1.一种无线通信网络性能优化方法，其特征在于，包括：

2.根据权利要求1所述的无线通信网络性能优化方法，其特征在于，将所述局部区域信号强度时序输入向量的序列分别通过基于一维扩展卷积神经模型的信号强度时序模式特征提取器以得到局部区域信号强度时序关联特征向量的序列，包括：将所述局部区域信号强度时序输入向量的序列中的每个局部区域信号强度时序输入向量分别通过所述基于一维扩展卷积神经模型的信号强度时序模式特征提取器以如下扩展卷积公式进行处理以得到所述局部区域信号强度时序关联特征向量的序列；

3.根据权利要求2所述的无线通信网络性能优化方法，其特征在于，对所述局部区域信号强度...

【技术特征摘要】

1.一种无线通信网络性能优化方法，其特征在于，包括：

2.根据权利要求1所述的无线通信网络性能优化方法，其特征在于，将所述局部区域信号强度时序输入向量的序列分别通过基于一维扩展卷积神经模型的信号强度时序模式特征提取器以得到局部区域信号强度时序关联特征向量的序列，包括：将所述局部区域信号强度时序输入向量的序列中的每个局部区域信号强度时序输入向量分别通过所述基于一维扩展卷积神经模型的信号强度时序模式特征提取器以如下扩展卷积公式进行处理以得到所述局部区域信号强度时序关联特征向量的序列；

3.根据权利要求2所述的无线通信网络性能优化方法，其特征在于，对所述局部区域信号强度时序关联特征向量的序列进行非线性校正以得到校正后局部区域信号强度时序关联特征向量的序列，包括：以如下校正公式对所述局部区域信号强度时序关联特征向量的序列进行非线性校正以得到所述校正后局部区域信号强度时序关联特征向量的序列；

4.根据权利要求3所述的无线通信网络性能优化方法，其特征在于，对所述网络空间拓扑矩阵进行空间拓扑特征提取以得到网络空间拓扑特征矩阵，包括：将所述网络空间拓扑矩阵通过基于卷积神经网络模型的空间拓扑特征提取器以得到所述网络空间拓扑特征矩阵。

5.根据权利要求4所述的无线通信网络性能优化方法，其特征在于，将所述校正后局部区域信号强度时序关联特征向量...

【专利技术属性】
技术研发人员：赵春雨，胡彬，赵锦鹏，邢路昂，王林，何雪莹，
申请(专利权)人：黄河科技学院，
类型：发明
国别省市：