专利汇可以提供基于用户数据识别天线接反的方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于用户数据识别天线接反的方法,包括以下步骤:(1)数据收集:收集用户数据和工参数据;(2) 数据处理 :对步骤(1)收集的用户数据和工参数据通过多种 算法 结合处理并对方位 角 进行纠偏,计算每个小区预测方位角以及其预测方位角与工参方位角的差值N;通过工参数据筛选出在同一个基站上的小区,并且计算出在同一个基站上的小区之间的距离,筛选距离不超过L米的小区;(3)数据分析:首先判断该同一个基站上有几个小区,将同一基站上相距不超过L米的小区的预测的方位角与工参方位角的差值N与设定的 阀 值M和阀值S相比较,根据比较结果进行处理并判定小区天线是否接反。将多种算法结合在一起,保证了不同地区的数据预测的 稳定性 。,下面是基于用户数据识别天线接反的方法专利的具体信息内容。
1.一种基于用户数据识别天线接反的方法,其特征在于,包括以下步骤:
(1)数据收集:收集用户数据和工参数据;
(2)数据处理:对步骤(1)收集的用户数据和工参数据通过多种算法结合处理并对方位角进行纠偏,计算每个小区预测方位角以及其预测方位角与工参方位角的差值N;通过工参数据筛选出在同一个基站上的小区,并且计算出在同一个基站上的小区之间的距离,筛选距离不超过L米的小区;
(3)数据分析:首先判断该同一个基站上有几个小区,将同一基站上相距不超过L米的小区的预测的方位角与工参方位角的差值N与设定的阀值M和阀值S相比较,根据比较结果进行处理并判定小区天线是否接反。
2.根据权利要求1所述的基于用户数据识别天线接反的方法,其特征在于,所述步骤(1)中的用户数据和工参数据包括:时间、用户使用的小区识别码、用户所在的经度、用户所在的纬度、参考信号接收功率RSRP、小区识别码、小区经度、小区纬度、方位角、小区名称和小区覆盖类型。
3.根据权利要求1所述的基于用户数据识别天线接反的方法,其特征在于,所述步骤(2)中对用户数据和工参数据进行处理所采用的算法依次包括:预测模型算法、权重算法和最优权重算法;其中所述预测模型算法包括基于采样点强度预测算法、基于采样点密度分扇区的预测算法、基于采样点强度和密度结合的预测算法、基于采样点强度的分层统计预测算法和基于采样点强度分扇区的预测算法进行计算分析;所述权重算法是对预测模型算法的多样性进行屏蔽,根据预测模型算法的预测结果,按照蒙特卡罗方法训练权重的标准对预测模法算法进行甄选组合,形成若干种权重算法;所述最优权重算法:根据验证集中权重算法的效果,选择最优的权重算法进行预测。
4.根据权利要求2所述的基于用户数据识别天线接反的方法,其特征在于,所述步骤(3)的具体步骤包括:
S31若该基站上有三个小区,则看是否有其中一个小区的差值N是否小于或等于阀值S且另两个小区的差值N大于或等于阀值M,若是,则对调差值N大于或等于阀值M的两副天线的工参方位角,并计算对调后的每个小区预测方位角与工参方位角的差值记为N1;若否,则判断该三个小区的差值N是否大于或者等于阀值M,若否,则判定为正常小区;若是,则调换三副天线的工参方位角,并计算对调后的每个小区预测方位角与工参方位角的差值记为N2;
S311判定步骤S31中的差值N1是否小于或等于阀值S,若否,则判定为正常小区;若是,则判定该两个小区的天线接反;
S312判定步骤S31中的差值N2是否小于或等于阀值S,若否,则判定为正常小区;若是,则判定该三个小区的天线接反;
S32若该基站上有两个小区,则判定该两个小区的每个小区的预测方位角与工参方位角的差值N是否大于或等于阀值M,若否,则判定为正常小区;若是,则对调两副天线的工参方位角,并计算对调后的每个小区预测方位角与工参方位角的差值记为N3;判定差值N3是否小于或等于阀值S,若否,则判定为正常小区,若是则判定该两个小区的天线接反;
S33对判定为天线接反的小区进行现场路测,工程调整处理。
5.根据权利要求3所述的基于用户数据识别天线接反的方法,其特征在于,所述步骤(2)中的具体步骤为:
S21:先将工参数据表中小区经度和纬度为空的小区删除,选取小区覆盖类型为室外或宏站的小区,将步骤(1)中收集的用户数据和工参数据通过小区识别码进行匹配;然后对整合后的数据进行去重处理,统计每个小区下的用户数量,保留用户数量大于预定值的小区,根据小区的经纬度和用户数据的经纬度,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大于L米的用户数据;再从正北方向统计计算用户数据到小区的角度;
S22:将用户数据和真实的勘站的工参数据作为训练集,分别采用基于采样点强度预测算法、基于采样点密度分扇区的预测算法、基于采样点强度和密度结合的预测算法、基于采样点强度的分层统计预测算法和基于采样点强度分扇区的预测算法五种预测算法对所述训练集进行分别预测,得到五种预测结果,再采用蒙特卡罗方法训练出五种算法的权重,从而得到P份置信度最大的权重组合;
S23:采用最优权重算法根据验证集中权重算法的效果进行甄选,选取预测结果最好的权重组合,再通过加权平均计算出五种算法的预测结果作为最终的方位角预测值。
6.根据权利要求5所述的基于用户数据识别天线接反的方法,其特征在于,所述步骤S22中的五种预测算法进行预测的具体步骤为:
S221采用基于采样点强度的预测算法的具体步骤为:求每个小区识别码下参考信号接收功率值最大的前n个采样点角度的均值作为方位角预测值,n为自然数;
S222采用基于采样点强度的分层统计预测算法的具体步骤为:每个小区识别码下,先将距离去重再计算n-1个不同的百分位数,按照从小到大排列,根据用户数据到小区的距离划分m环,m≥3,第一环:距离<=第一个百分位数;第二环:第一个百分位数<距离<=第二个百分位数;第三环:第二个百分位数<距离<=第三个百分位数;第四环:第三个百分位数<距离<=第四个百分位数;第n环:第n-1个百分位数<距离,删除最小环和最大环的数据,保留中间环数据;确定位于中间环中每环参考信号接收功率值最大的前n个采样点角度均值,最后求所述采样点均值的均值作为方位角预测值,n为自然数;
S223采用基于采样点强度和密度结合的预测算法的具体步骤为:在每个小区识别码下,将采样点按照到小区的角度每N度划分一个扇区分成360/N份,N∈[1,360],360/N取整数;统计每个小区识别码下的采样点总数,取出360/N个扇形区域中采样点个数大于总采样点d%的扇区,d∈[1,99],计算符合条件的所述扇区中RSRP值最大的前n个采样点RSRP的均值,n为自然数,取出RSRP均值最大的扇形区域t个,t的范围为[1,360/N]之间的整数,计算这t个扇区角度的均值作为方位角预测值;
S224基于采样点强度分扇区的预测算法的具体步骤为:在每个小区识别码下,将采样点按照到小区的角度每N度划分一个扇区分成360/N份,求每个扇区下RSRP值最大的前n个采样点的RSRP均值,最后取RSRP均值最大的扇区角度为方位角预测值;
S225基于采样点密度分扇区的预测算法的具体步骤为:在每个小区识别码下,将采样点按照到小区的角度每N度划分一个扇区分成360/N份,统计每个扇区中点的个数,取点的个数最多的扇区角度作为方位角预测值。
7.根据权利要求5所述的基于用户数据识别天线接反的方法,其特征在于,所述步骤S22中采用蒙特卡罗训练权重的方法的具体步骤为:随机从所述训练集中抽取一半的数据进行训练,共随机选取P次,即有P份训练样本;每份样本都随机生成Q个权重组合,Q为自然数,针对每个权重组合,统计训练模型输出的预测方位角与勘站方位角的偏差在R°以内个数占比作为该权重组合的置信度,R的范围为[0,360),针对每份从训练样本,确定置信度最大的权重组合,从而获得P份置信度最大的权重组合。
8.根据权利要求7所述的基于用户数据识别天线接反的方法,其特征在于,所述步骤S23的具体步骤为:
S231通过步骤S22获得P份置信度最大的权重组合,选取最终P份权重的均值或中位数作为最终的权重,分别运用P份权重的均值和中位数对验证集进行预测,选取预测结果最好的权重组合;
S232通过加权平均计算五种预测算法的预测结果作为最终的方位角预测值。
9.根据权利要求7所述的基于用户数据识别天线接反的方法,其特征在于,所述步骤S22中采用公式(1)和公式(2)针对每份训练样本确定置信度最大的权重组合;
Z=∠(angelpredict,angeltrue)公式(1)
其中,公式(1)中的Z为实际预测误差,angelpredict为预测方位角,angletrue为勘站方位角;公式(2)中cost表示权重组合对应的误差系数,M为训练样本中总勘站小区数量,K为设定的角度误差阈值;基于上述公式(1)和公式(2)可知,权重组合的置信度为1-cost。
10.根据权利要求4所述的基于用户数据识别天线接反的方法,其特征在于,所述步骤S31中若该三个小区的差值N均大于或者等于阀值M,采用两种方式组合进行调换三副天线的工参方位角;
第一方式为:将第一小区的工参方位角给第二小区,第二小区的工参方位角给第三小区,第三小区的工参方位角给第一小区;
第二方式为:将第二小区的工参方位角给第一小区,第三小区的工参方位角给第二小区,第一小区的工参方位角给第三小区;
然后再将工参方位角与预测方位角进行对比,若发现某个调整方式后三个小区的差值N2小于或等于阀值S,则认为这三个小区接反。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种重金属污染的土壤环境的综合评价方法 | 2020-05-08 | 901 |
一种带状复合植被配置方法 | 2020-05-12 | 112 |
用鸡蛋花对金沙江干热河谷地区进行生态修复的方法 | 2020-05-12 | 414 |
一种植物多样性的测量方法 | 2020-05-08 | 485 |
基于尺度效应的多源遥感数据源汇景观的分析方法及系统 | 2020-05-13 | 417 |
一种智慧新城的智能安防系统 | 2020-05-15 | 704 |
一种水生植物浮动式栽培装置 | 2020-05-16 | 370 |
文本分类方法、装置、计算设备及可读存储介质 | 2020-05-11 | 715 |
一种相变储热单元的结构优化方法 | 2020-05-12 | 376 |
一种道路行道树树池生态环境调查方法 | 2020-05-14 | 84 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。