[發明專利]基于室外測試特征的室內外分離法

在審

• 申請號: 201610128746.X
• 申請日: 2016-03-07
• 公開（公告）號: CN105682136A
• 公開（公告）日: 2016-06-15
• 發明（設計）人: 孫義興;司正中
• 申請（專利權）人: 四川亨通網智科技有限公司
• 主分類號: H04W24/10
• 分類號: H04W24/10;H04L12/26
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

技術領域

本發明涉及一種基于室外測試特征的室內外分離法。

背景技術

測量報告MR是用戶發起業務與基站通信過程中產生的測量報告，它是全天候、全 時段的無線環境測量數據，是無線資源調度的依據，直接反應業務質量和用戶感知，它具備 海量數據特點，樣本方差小，準確性高，且獲取成本低等優勢，故MR是指導運營商規劃、建設 以及優化的有效手段。傳統的評估方法有(1)小區及的MR評估手段，即通過統計小區的覆蓋 率，質差率，上下行接收功率不平衡比例等指標來評價小區的質量。(2)將MR柵格地理化，地 理上以更小的粒度來評價每個柵格的無線網絡質量。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于室外測試特征的室內外分 離法，該方法采用神經網絡算法建立分類模型，根據MR數據得到MR的室內外屬性。

本發明的目的是通過以下技術方案來實現的：基于室外測試特征的室內外分離 法，它包括如下步驟：

S1：數據采集，從服務器上通過采集接口采集MR數據、路測數據、室分基礎數據和 GIS數據；

S2：將MR數據進行清洗，去除非法數據及噪聲；

S3：將室外測試的DT/CQT數據按N*N米劃分成柵格，按經緯度投放到不同的柵格 中，共形成M個柵格，每個柵格確定其中心經緯度{{lon1,la1},{lon2,la2}……{lonm, lam}}

S4：選取BP人工神經網絡算法建立分類模型，將每個DT/CQT柵格的每個采樣點的 前六強RSCP、EC/IO值作為輸入層參數，用1或0代表室內和室外作為輸出層參數，每個DT/ CQT柵格訓練成一個分類器，共有M個分類器；

S5：將采集到的白天MR數據按IMSI以及用戶會話分段，作為檢測對象；

S6：將每個用戶的每次會話的MR按N*N米劃分成柵格，按經緯度投放到不同的柵格 中,共形成K個柵格，每個柵格確定其中心經緯度{mrlon1,mrla1},{mrlon2,mrla2}…… {mrlonk,mrlak}；

S7：根據最近距離找出步驟S6中每個MR柵格對應的神經網絡分類器；

S8：遍歷每一個S6中的MR柵格，提取MR柵格中的每條MR，得到前六強RSCP和EC/NO 作為分類器的12個輸入參數；

S9：將12個參數輸入到當前MR柵格對應的神經網絡分類器中，運算后得到每條MR 室內室外屬性。

所述的步驟S3中DT/CQT測試采樣點柵格投放包括如下子步驟：

S31：經緯度統一處理，保留5位小數，若采集到的經緯度小數點后位數超過5位，則 省略掉第5位后的位數，若不足5位，則在后面補0；

S32：確定每條DT/CQT數據的柵格標識，以50米*50米柵格為例，截取經緯度小數點 后第4位假設為a，a的取值范圍為0≤a≤9，若a≤5則a統一取值為0；若a>5，則a取值為5；將 經度的前7位與a相加與緯度的前6位與a相加即得到每條DT/CQT的柵格標識；

S33：確定每個DT/CQT采樣點的柵格標識，然后再確定每個采樣點與哪個柵格相對 應，即完成DT/CQT測試采樣點的柵格投放。

所述的步驟S4中BP人工神經網絡算法建立分類模型的方法包括如下子步驟：

S41：數據歸一化處理，歸一化算法為：

y＝(x-min)/(max-min)(0<＝y<＝1)

上式中的x為具體MR采樣點第N導頻的RSCP或Ec/No值，min為RSCP或Ec/No的最小 取值，分別為-112和-24；max為RSCP或Ec/No的最大取值，分別為-40和-1，y為歸一化后的 值，被映射為0至1的取值范圍；

S42：初始化輸入層至隱藏層的權重數組iptHidWeights[12][6]以及隱藏層至輸 出層的權重數組hidOptWeights[6][2]，初始值利用隨機函數生成；

S43：得到輸入層傳播至隱藏層的加權值以及隱藏層至輸出層的加權值，如下式：