[发明专利]基于用户数据实现天线方位角纠偏的方法

摘要

本发明公开一种基于用户数据实现天线方位角纠偏的方法，将五种预测算法联合在一起，规避了单独算法的一些缺点，利用赋予多种预测模型权重的方法，将多种算法有机地组合在一起，将预测效果较好的算法赋予高权重，而将相对不好的算法赋予低的权重，既保证了数据预测的准确性，也保证了对于不同地区的数据预测的稳定性。本发明通过对分析的数据画栅格级用户数据RSRP热力图，获得小区周围的采样点信息以及预测的方位角，通过更深层次的分析，可以找出工参中经纬度错误、方位角错误、接反小区等问题。

主权项

1.基于用户数据实现天线方位角纠偏的方法，其特征在于，包括以下步骤：步骤1、收集数据，收集用户数据和工参数据样本；步骤2、数据处理，首先将工参表中小区经度和纬度为空的小区删除，只选取小区覆盖类型为室外的小区，在栅格级多天时间粒度上对所述用户数据和工参数据通过小区识别码进行匹配，然后对匹配后的数据进行去重处理，统计每个小区下的用户数据数量，仅保留用户数据数量大于预定值的小区，根据小区经纬度和用户数据经纬度，计算用户数据到小区的距离，并且进行异常值检测删除距离较远的用户数据，再从正北方向计算用户数据到小区的角度；步骤3、分别采用基于采样点强度预测方法、基于采样点密度的预测方法、基于采样点强度和密度结合的预测方法、基于采样点强度的分层统计预测方法和基于采样点强度分扇区的预测方法，计算每个小区的预测方位角；步骤4、使用用户数据和实测的勘站工参数据作为训练集，用步骤3的五种预测方法对训练集进行预测，再根据预测结果使用蒙特卡罗方法训练出五种预测方法的权重Z＝∠(angelpredict，angletrue)Z为实际预测误差，其中angelpredict为预测方位角，angletrue为真实勘站方位角，M为总勘站小区数量，K为设定的阈值；步骤5、根据步骤4的权重在训练集上得到的预测效果，选出最优权重；所述蒙特卡罗方法为：随机从训练集中抽取一部分数据进行训练，共随机选取P次，即有P份训练样本；每份样本都随机生成P个权重组合，P为自然数，评估每个组合的标准是预测方位角与勘站方位角的偏差在R°以内的个数占比，R的范围为[0,360]，对于每份训练样本，最终输出占比最大的权重组合。