[发明专利]基于自适应三角剖分诱导插值构建蜂窝网络覆盖图的方法

权利要求书

1.一种基于自适应三角剖分诱导插值构建网络站址的方法，其特征在于，所述方法，包括：

初始化目标区域，定义表示覆盖图的函数；

将目标区域划分成高密度区域和低密度区域；

在低密度区域和高密度区域中进行格子化采样；

对目标区域进行Delaunay三角剖分划分；

计算子三角形其覆盖区域和未覆盖区域的边界；

计算子三角形覆盖区域；

以子三角形的覆盖区域的并集得出覆盖区域；

根据覆盖图进行站址优化网络覆盖优化。

2.根据权利要求1所述的方法，其特征在于，所述初始化目标区域，包括：

初始化基站的位置、天线角度。

3.根据权利要求1所述的方法，其特征在于，所述覆盖图的函数，包括：

将覆盖图F表示为一个投射，即一个函数，由公式给出。

4.根据权利要求1所述的方法，其特征在于，所述将目标区域划分成高密度区域和低密度区域，包括：

将目标区域剖分成一组以基站为中心的Voronoi多边形，得到泰森多边形，将Voronoi多边形的顶点连接到它们的中心基站，将所有的Voronoi多边形分成三角形，通过连接三角形两个腰部的分位点，将每个三角形分为高密度区域和低密度区域两部分。

5.根据权利要求1所述的方法，其特征在于，所述在低密度区域和高密度区域中进行格子化采样，包括：

低密度区域的总面积是高密度区域的t²倍；

目标区域中采样点总的数量为m，低密度区域和高密度区域中的采样点的数量分别为和

将捐赠比率表示为d，范围从0到1，减少低密度区域中的d·m_low个采样点并增加高密度区域中的d·m_high个采样点，因此和

目标区域中采样点之间的平均距离为l，在低密度区域和高密度区域网格划分中，采样点之间的距离分别为l_low和l_high，根据m·l＝m_low·l_low+m_high·l_high和可得和

6.根据权利要求1所述的方法，其特征在于，所述对目标区域进行Delaunay三角剖分划分，包括：

通过得到的采样点对区域进行Delaunay三角剖分划分，最大化三角形的所有角度的最小值来避免条子三角形。

7.根据权利要求1所述的方法，其特征在于，所述计算子三角形其覆盖区域和未覆盖区域的边界，包括：

根据三角形T中三个顶点的KPI值I(x_A，y_A)、I(x_B，y_B)、I(x_C，y_C)，通过线性插值获得任意点E的坐标(x_E，y_E)和KPI值I(x_E，y_E)；

在xyz坐标系中，将插值曲面表示为g_I(x，y)＝ux+vy+w，阈值平面表示为z＝Th；

插值曲面和阈值平面的交叉曲线，即三角形T内覆盖区域和未覆盖区域的边界由下面的公式给出：g_I(x，y)＝ux_E+vy_E+w＝Th＝z。