[发明专利]基于GNG方式的5G网络弱覆盖区域锁定和调整方法

说明书

本发明提供了基于GNG方式的5G网络弱覆盖区域锁定和调整方法，包括如下步骤：步骤1，初始化输入空间N；步骤2，初始化网络A；步骤3，更新输入空间N；步骤4，执行GNG算法，逐步增加新节点，并调整网络A中原有节点位置，训练出稳定的网络A。本发明可避免因为DBSCAN门限设置不合理而导致的弱覆盖区域的丢失。

技术领域

本发明属于移动通信技术领域，尤其涉及基于GNG方式的5G网络弱覆盖区域锁定和调整方法。

背景技术

2019年随着5G牌照的发放，我国5G建设进入了规模部署阶段，5G由于频段较高，单站覆盖能力弱于4G。5G网络部署初期基站与4G站点1:1共址建设，容易出现弱覆盖区域，为保证运营商打造体验优良的5G精品网，需要采用更加精准的弱覆盖区域定位方法。

现有4G弱覆盖区域定位采用的是MR(Measurement Report)大数据定位的方式，通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对差栅格进行聚类计算，以此为依据规划新增站点，提升建设精准度及补盲效率。DBSCAN聚类算法是利用基于密度的聚类的思想，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在有“噪声”的空间数据库中发现任意形状的聚类。DBSCAN共包括3个输入数据：

1、数据集D：场景类型(如密集城区，一般城区、郊区、农村)；

2、给定点在邻域内成为核心对象的最小邻域点数MinPts：在邻域半径内存在的最小弱覆盖栅格数；

3、邻域半径Eps：以栅格数作为搜索邻域半径。

其中Eps和MinPts需要根据具体应用人为设定。

如图1示例：这个以1个栅格为搜索半径，在邻域半径内存在的最小弱覆盖栅格数为3个(2为核心点、1为边缘点，0为噪声点)。采用这类算法，聚类速度快且能够有效处理噪声点和发现任意形状的空间聚类，不需要输入要划分的聚类个数。在无线网络建设中，对阶段性提供建站依据有重要作用。

现有技术缺点：

(1)当空间聚类的密度不均匀、聚类间距差相差很大时，参数MinPts和Eps选取困难，聚类效果不理想：MinPts取值过小，则稀疏簇中结果由于密度小于MinPts，从而被认为是边界点而不被用于在类的进一步扩展；若该值过大，则密度较大的两个邻近簇可能被合并为同一簇。如果MinPts不变，Eps取得值过大，会导致大多数点都聚到同一个簇中，Eps过小，会导致一个簇的分裂；如果Eps不变，MinPts的值取得过大，会导致同一个簇中点被标记为离群点，MinPts过小，会导致发现大量的核心点。

(2)仅反映阶段性弱覆盖问题，易受季节、节假日等短期因素影响，难以观测总体趋势，对指导建设有一定局限性：在郊农区域，树叶茂密程度对网络覆盖产生较大影响，夏季树林遮挡造成信号传播衰高达10dB，在夏季月份提取数据，弱覆盖区域明显多于冬季，聚类后的建站需求多；在校园区域，暑假、寒假期间几乎不产生话单，7-8月份或者1月份的MR数据采用DBSCAN聚类算法无法暴露覆盖弱区，形成合理的建设建议。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于GNG(Growing Neural Gas Network生长的神经气网络)方式的5G网络弱覆盖区域锁定和观测方法，包括如下步骤：

步骤1，初始化输入空间N；

步骤2，初始化网络A；

步骤3，更新输入空间N；

步骤4，执行GNG算法，逐步增加新节点，并调整网络A中原有节点位置，训练出稳定的网络A。

步骤1包括：