[发明专利]基于多层感知机的无线接入点功率估计方法

说明书

本发明公开了一种基于多层感知机的无线接入点功率估计方法，属于无线通信技术领域。其使用多层感知机拟合的方法，通过收集无线接入点AP端的数据样本来训练模型，指导接入点功率的配置。先通过大数据分析的方法，结合无线接入点、终端、空间特征训练神经网络，模型得出较优的无线接入点功率配置策略。采用我们设计的无线接入点功率估计方法可以迁移至新的环境，对预测新AP功率配置，保证一个良好的网络调优初始环境，降低整网同频干扰，为网络调优加速收敛提供帮助。

技术领域

本发明涉及一种无线接入点功率估计方法，尤其适用于通信领域使用的一种基于多层感知机的无线接入点功率估计方法。

背景技术

随着无线通信技术的进一步发展，无线网络在现实场景中为人们提供越来越便捷的服务。目前，在大型办公楼、学校、商场等都覆盖了自己的无线网络，无线网络可以有效的弥补移动蜂窝网在建筑物中弱覆盖，漏覆盖的问题，随着5G 网络技术的蓬勃发展，无线网络也作为无人驾驶、智慧医疗、物联网等领域的重要一环不可或缺，用户对无线网络的依赖和需求也日益增长。每天在新的场景都有无线局域网和无线接入点被规划布置，随着无线接入点的增加，或是网络的不合理规划，初始网络往往会存在过覆盖、弱覆盖等问题，也势必因AP之间的相互干扰极大地影响用户体验。因此，一个合理的无线接入点功率配置方法不仅能提升用户入网的初始体验，也能为网络调优提供一个较优的初始值。

传统无线网络调优算法大部分都是预先给网络中的AP功率配置统一的初始值，这一初始值往往影响了后续调优算法的迭代和收敛速度，且不同AP在整网中与邻居AP所处的环境、距离不同，统一的初始值显然不是一个较优的决策。从理想情况考虑，若终端用户处于邻居AP连线投影到地面的中点，且此时正好是合格用户体验的下限，称此时AP拥有最小覆盖边界，即AP到终端的路损。若能够建立数学模型，根据网络环境参数估计当前环境AP的最小覆盖路损，就能得出理想的功率初值，在此基础上进行网络调优，即可极大提升网络调优算法的收敛速度，避免无效探索。

AP功率估计，实际上是估计AP最小覆盖边界，本质上是一个拟合问题，可以根据无线局域网络的硬件参数、AP部署环境特征来拟合当前AP的最小覆盖边界。神经网络可以利用自身强大的非线性拟合能力来拟合输入特征与路损之间的非线性关系，估计当前AP最小覆盖边界。因为无线网络环境较为复杂，容易受到外部干扰，以及数据上报错误，因此最小覆盖边界样本特征常含有异常值，这对最小覆盖边界的估计带来了极大的挑战。

发明内容

发明目的：对于现有技术中存在的问题与不足，本发明的目的在于设计一种基于多层感知机的无线接入点功率估计方法，通过大数据分析筛选，建模构造，采用深度多层感知机网络得出较优的无线接入点功率配置策略，保证一个较优的网络初始环境，提升网络调优收敛速度。

技术方法：本发明的基于多层感知机的无线接入点功率估计方法，所述的无线局域网包括无线连接的多个无线接入点AP和多个终端，通过收集无线接入点AP端的数据样本来训练模型，指导接入点AP之间路损改变后的功率配置，具体步骤如下：

首先获取无线局域网中无线接入点AP和终端上报特征数据，然后将无线局域网中无线接入点和终端上报特征数据作为原始数据，之后对原始数据进行预处理获得特征数据：根据相等且最小分位数法，通过特征数据制作无线接入点AP 间最小覆盖边界数据集X；

然后利用神经网络的拟合能力建立AP、终端、空间特征与覆盖边界路损之间的非线性关系构建多层感知机网络，利用多层感知机网络对多层感知机网络针对无线接入点AP间最小覆盖边界数据集X进行训练，最终获得训练好的多层感知机网络模型；

将新环境的无线局域网特征输入训练好的多层感知机网络模型，从而估计出当前新环境的无线局域网中无线接入点AP的覆盖边界；

最后利用合格用户体验标准，即终端用户为保证业务体验流畅接收信号强度需达到至少-65dbm计算获得无线接入点的功率配置。

制作无线接入点AP间最小覆盖边界数据集X具体步骤为：