[发明专利]一种基于随机梯度下降法的网络工作参数优化方法

权利要求书

1.一种基于随机梯度下降法的网络工作参数优化方法，其特征在于，包括：

获取待优化的工作参数；

在采样点中随机抽取t个采样点；

根据获取的待优化的工作参数，确定待优化目标区域中所述t个采样点的整体覆盖率，所述整体覆盖率等于所述t个采样点被覆盖的覆盖效果的均值，每个采样点被覆盖的覆盖效果为[0,1]之间的连续值；

根据所述t个采样点的整体覆盖率，利用连续求导法则，确定工作参数的导数向量；

根据确定的工作参数的导数向量，确定优化后的工作参数；

其中，所述根据确定的工作参数的导数向量，确定优化后的工作参数包括：

利用公式P_k+1＝P_k+learning_rate*D_k更新第k+1代的工作参数P_k+1，直至满足预设的最大迭代次数，其中，P_k表示第k代的工作参数，D_k表示第k代的工作参数的导数向量，learning_rate表示学习率；

其中，所述根据获取的待优化的工作参数，确定待优化目标区域中所述t个采样点的整体覆盖率包括：

确定用于评判覆盖效果的参数；其中，确定的用于评判覆盖效果的参数包括：参考信号接收功率和信号与干扰加噪声比；

根据获取的水平角和垂直角，确定采样点到天线的增益；

设置天线发射功率，计算天线到采样点之间的路损；

根据确定的增益、设置的天线发射功率、计算得到的路损，确定参考信号接收功率和信号与干扰加噪声比；

根据确定的参考信号接收功率和信号与干扰加噪声比，结合S型函数，得到待优化目标区域中所述t个采样点被覆盖的覆盖效果，每个采样点被覆盖的覆盖效果为[0,1]之间的连续值；

对所述t个采样点被覆盖的覆盖效果求平均值，得到所述t个采样点的整体覆盖率；

其中，每个采样点被覆盖的覆盖效果表示为：

coverpoint＝sigmoid(RSRP-Th_rsrp)*sigmoid(SINR-Th_sinr)

其中，coverpoint表示采样点被覆盖的覆盖效果，SINR表示信号与干扰加噪声比，RSRP表示参考信号接收功率，Th_rsrp、Th_sinr分别表示预先设置的RSRP阈值和SINR阈值，sigmoid(x)为S型函数，

2.根据权利要求1所述的基于随机梯度下降法的网络工作参数优化方法，其特征在于，所述获取待优化的工作参数包括：

获取天线下倾角和天线方位角；

获取天线相对于所述t个采样点的采样点下倾角和采样点方位角；

根据获取的天线下倾角、天线方位角、采样点下倾角和采样点方位角，确定水平角和垂直角。

3.根据权利要求2所述的基于随机梯度下降法的网络工作参数优化方法，其特征在于，所述水平角表示为：alpha＝azimuth_gt-P_azimuth_k；

所述垂直角表示为：beta＝P_tilt_k-tilt_gt；

其中，alpha表示水平角，P_azimuth_k表示第k次迭代的天线方位角，azimuth_gt表示采样点方位角；beta表示垂直角，P_tilt_k表示第k次迭代的天线下倾角，tilt_gt表示采样点下倾角。

4.根据权利要求3所述的基于随机梯度下降法的网络工作参数优化方法，其特征在于，确定的采样点到天线的增益表示为：

Gain＝f1(alpha)-(abs(alpha)/pi)*(f1(pi)-f2(pi-beta))-(1-abs(alpha)/pi)*(f1(0)-f2(beta))

其中，Gain表示增益，abs表示绝对值函数，f1和f2是对水平角和垂直角的增益拟合函数。