[发明专利]一种基于地理信息的5G参考信号接收功率预测方法

说明书

本发明公开了一种基于地理信息的5G参考信号接收功率预测方法。属于人工智能技术领域，具体步骤包括：1、根据地图信息构建特征地图；2、使用人工智能构建误差迭代修正模型，将构建的特征地图与实际的信号接受功率共同训练构建的误差迭代修正模型；其中，所述特征地图以小区的建筑位置信息、发射机相对地面的高度、机器下倾角、垂直电下倾角、栅格与发射机的距离、栅格与信号线的相对高度、传播路径的损耗、载波频率、用户天线高度纠正项、小区发射机相对地面的高度、小区发射机发射功率、信号接收海拔高度作为构建特征地图的输入，最终以信号接收功率为输出。

技术领域

本发明属于人工智能技术领域，具体涉及一种基于地理信息的5G参考信号接收功率预测方法。

背景技术

随着5G NR技术的发展，5G在全球范围内的应用也在不断地扩大；运营商在部署5G网络的过程中，需要合理地选择覆盖区域内的基站站址，进而通过部署基站来满足用户的通信需求；在整个无线网络规划流程中，高效的网络估算对于精确的5G网络部署有着非常重要的意义；无线传播模型正是通过对目标通信覆盖区域内的无线电波传播特性进行预测，使得小区覆盖范围、小区间网络干扰以及通信速率等指标的估算成为可能；由于无线电波传播环境复杂，会受到传播路径上各种因素的影响，如平原、山体、建筑物、湖泊、海洋、森林、大气、地球自身曲率等，使电磁波不再以单一的方式和路径传播而产生复杂的透射、绕射、散射、反射、折射等，所以建立一个准确的模型是一项非常艰巨的任务。

现有的无线传播模型可以按照研究方法进行区分，一般分为：经验模型、理论模型和改进型经验模型；经验模型的获得是从经验数据中获取固定的拟合公式，典型的模型有Cost 231-Hata、Okumura等；理论模型是根据电磁波传播理论，考虑电磁波在空间中的反射、绕射、折射等来进行损耗计算，比较有代表性的是Volcano模型；改进型经验模型是通过在拟合公式中引入更多的参数从而可以为更细的分类场景提供计算模型，典型的有Standard Propagation Model(SPM)。

在实际传播模型建模中，为了获得符合目标地区实际环境的传播模型，需要收集大量额外的实测数据、工程参数以及电子地图用来对传播模型进行校正；此外无线LTE网络已在全球普及，全球几十亿用户，每时每刻都会产生大量数据；如何合理地运用这些数据来辅助无线网络建设就成为了一个重要的课题。

近年来，大数据驱动的AI机器学习技术获得了长足的进步，并且在语言、图像处理领域获得了非常成功的运用；伴随着并行计算架构的发展，机器学习技术也具备了在线运算的能力，其高实时性以及低复杂度使得其与无线通信的紧密结合成为了可能。

发明内容

针对上述问题，本发明提供了一种基于地理信息的5G参考信号接收功率预测方法；运用机器学习来建立无线传播模型，并利用模型准确预测在新环境下无线信号覆盖强度，从而大大减少网络建设成本，提高网络建设效率。

本发明的技术方案是：本发明所述的一种基于地理信息的5G参考信号接收功率预测方法，其特征在于：包括以下步骤：

步骤(1.1)、根据地图信息构建特征地图；

步骤(1.2)、使用人工智能构建误差迭代修正模型，将构建的特征地图与实际的信号接受功率共同训练构建的误差迭代修正模型；

在步骤(1.1)中，所述特征地图具体构建过程的步骤如下：

(1.1.1)、首先，构建高度特征图：其包括构建发射机相对地面的高度特征，构建栅格与信号线的相对高度特征，构建小区发射机相对地面的高度特征，构建小区站点所在栅格(Cell X,Cell Y)的建筑物高度特征，构建小区站点所在栅格(Cell X,Cell Y)的海拔高度特征及信号接收端所在的栅格(X,Y)上的海拔高度特征；

(1.1.2)、其次，构建场景特征图：对发射机与信号接收端的位置进行定位，具体操作是：5G信号由发射机发出，最终由信号接收端接收；