[发明专利]一种地面信号地图恢复方法及系统

说明书

本发明涉及一种地面信号地图恢复方法及系统。该方法包括：获取空中信号矩阵；空中信号矩阵为稀疏矩阵；获取待恢复信号区域的场景类型；场景类型包括第一场景类型和第二场景类型；当待恢复信号区域的场景类型为第一场景类型时，基于神经网络模型，根据空中信号矩阵对地面每个区域格子的信号进行恢复，得到恢复后的地面信号地图；当待恢复信号区域的场景类型为第二场景类型时，获取地面信号矩阵；地面信号矩阵中的非零元素为对应区域格子的地面信号；根据空中信号矩阵和地面信号矩阵，采用精准矩阵填充的恢复方法，对地面的无信号数据的区域格子的信号进行恢复，得到恢复后的地面信号地图。本发明可以提高信号地图恢复的准确度。

技术领域

本发明涉及信号地图恢复领域，特别是涉及一种地面信号地图恢复方法及系统。

背景技术

构建信号地图对于智慧城市的建设有关键作用，如频谱检测，基于位置的服务(LBS)以及网络状态监测。对于即将要部署的5G来说，良好的信号地图可以清楚地呈现信号的分布情况以及状态，可以直观的发现故障小区，引导决策者做出正确决策。为了降低构建成本，现今大多数信号地图的构建都是采用群智感知+数据填充的方式，通过采集部分区域的信号，利用信号的空时相关性，进行数据恢复。

传统的信号采集方式需要专人和专业的设备去采集一块区域，耗时耗力，代价昂贵。相比之下，群智感知利用智能手机和可穿戴设备中的传感器，激励众包参与者去完成这项工作，大大降低了信号采集成本，且提高了灵活性。由于无线信号有着极强的空时相关性，使用群智感知只需要采集一部分数据，剩余的数据可以利用无线信号的空时相关性结合一定的数据填充算法恢复出来，比如压缩感知，高斯过程以及矩阵填充。高斯过程通过建模信号波动与参考点之间的关系，基于此去恢复区域内其他点的信号，是一种基于概率的方法。矩阵填充利用矩阵的低秩性去恢复缺失数据，由于无线信号有极强的空时相关性，所以构成的无线信号矩阵具有低秩性，可以用来恢复缺失的无线信号数据。压缩感知的方法最初应用于信号处理方面，使用它需要满足两个条件：稀疏性和不相关性。即信号在某个域是稀疏的，且观测矩阵和信号的稀疏表示基是不相关的。对于要恢复的稀疏信号矩阵，满足上述两个条件，所以可以用来恢复数据。

但是应用在信号地图构建上的这些方法，虽然考虑了信号的空间相关性，但仅仅从二维空间进行了考虑，信号在不同高度上的相关性并没有考虑到，因此信号地图的构建结果不准确。

发明内容

本发明的目的是提供一种地面信号地图恢复方法及系统，以提高信号地图恢复的准确度。

为实现上述目的，本发明提供了如下方案：

一种地面信号地图恢复方法，包括：

获取待恢复信号区域的空中信号矩阵；所述待恢复信号区域包括M×N个区域格子；所述空中信号矩阵为稀疏矩阵，所述空中信号矩阵中的非零元素为对应区域格子的空中信号；

获取所述待恢复信号区域的场景类型；所述场景类型包括第一场景类型和第二场景类型；所述第一场景类型中的信号波动范围小于第一阈值，所述第二场景类型中的信号波动范围大于第二阈值，所述第一阈值小于所述第二阈值；

当所述待恢复信号区域的场景类型为所述第一场景类型时，基于神经网络模型，根据空中信号矩阵对地面每个区域格子的信号进行恢复，得到恢复后的地面信号地图；

当所述待恢复信号区域的场景类型为所述第二场景类型时，获取地面信号矩阵；所述地面信号矩阵中的非零元素为对应区域格子的地面信号；

根据所述空中信号矩阵和所述地面信号矩阵，采用精准矩阵填充的恢复方法，对地面的无信号数据的区域格子的信号进行恢复，得到恢复后的地面信号地图。

可选的，所述当所述待恢复信号区域的场景类型为所述第一场景类型时，基于神经网络模型，根据空中信号矩阵对地面每个区域格子的信号进行恢复，得到恢复后的地面信号地图，之前还包括：