[发明专利]一种覆盖异常小区识别方法和装置有效

专利信息
申请号: 201710561738.9 申请日: 2017-07-11
公开(公告)号: CN109246728B 公开(公告)日: 2022-04-08
发明(设计)人: 邵锐;韩增富 申请(专利权)人: 中国移动通信集团山东有限公司;中国移动通信集团公司
主分类号: H04W24/02 分类号: H04W24/02;H04W24/08
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王莹;曹杰
地址: 250001 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 覆盖 异常 小区 识别 方法 装置
【权利要求书】:

1.一种覆盖异常小区识别方法,其特征在于,包括:

根据各个小区对应的测量报告,获取各小区对应的覆盖特征向量;其中,所述覆盖特征向量包括所述小区对应的属性指标,以及所述小区中的多个区域所分别对应的评估指标,所述评估指标根据归属于所述区域的测量报告获得;

根据所述覆盖特征向量和预设聚类算法,将各小区划分至若干个小区聚类中,并获取各小区聚类所对应的覆盖特征向量;

根据各小区聚类所对应的覆盖特征向量,确定符合覆盖异常条件的目标小区聚类,将所述目标小区聚类中所包括的所有小区识别为覆盖异常小区;

其中,所述根据各个小区对应的测量报告,获取各小区对应的覆盖特征向量,包括:

根据各个小区对应的测量报告中携带的覆盖距离和方向到达角,将所述测量报告映射至对应的区域中;其中,所述小区中的多个区域是根据覆盖距离维度和到达方向角维度对所述小区进行划分而获得的;

根据映射至区域内的测量报告,获得各区域所对应的评估指标;

对所述小区对应的属性指标和所述小区中的各区域所分别对应的评估指标进行无量纲规则化处理,获得所述小区对应的覆盖特征向量。

2.根据权利要求1所述的方法,其特征在于,所述评估指标包括采样点占比和平均接收电平;所述属性指标包括基站发射功率、站高、天线下倾角。

3.根据权利要求1-2任一所述的方法,其特征在于,还包括:

针对不符合所述覆盖异常条件的小区聚类,根据该小区聚类所对应的覆盖特征向量和该小区聚类中所包括的所有小区各自对应的覆盖特征向量,确定符合预设的距离条件的小区为该小区聚类中的覆盖异常小区。

4.根据权利要求1-2任一所述的方法,其特征在于,还包括:

获取所述覆盖异常条件对应的覆盖异常预测因子;

根据所述覆盖异常预测因子,对所述目标小区聚类中的覆盖异常小区进行优化。

5.一种覆盖异常小区识别装置,其特征在于,包括:

特征获取模块,用于根据各个小区对应的测量报告,获取各小区对应的覆盖特征向量;其中,所述覆盖特征向量包括所述小区对应的属性指标,以及所述小区中的多个区域所分别对应的评估指标,所述评估指标根据归属于所述区域的测量报告获得;

小区聚类模块,用于根据所述覆盖特征向量和预设聚类算法,将各小区划分至若干个小区聚类中,并获取各小区聚类所对应的覆盖特征向量;

异常识别模块,用于根据各小区聚类所对应的覆盖特征向量,确定符合覆盖异常条件的目标小区聚类,将所述目标小区聚类中所包括的所有小区识别为覆盖异常小区;

其中,所述特征获取模块,包括:

小区区域映射单元,用于根据各个小区对应的测量报告中携带的覆盖距离和方向到达角,将所述测量报告映射至对应的区域中;其中,所述小区中的多个区域是根据覆盖距离维度和到达方向角维度对所述小区进行划分而获得的;

区域指标获取单元,用于根据映射至区域内的测量报告,获得各区域所对应的评估指标;

小区特征获取单元,用于对所述小区对应的属性指标和所述小区中的各区域所分别对应的评估指标进行无量纲规则化处理,获得所述小区对应的覆盖特征向量。

6.根据权利要求5所述的装置,其特征在于,

所述异常识别模块还用于针对不符合所述覆盖异常条件的小区聚类,根据该小区聚类所对应的覆盖特征向量和该小区聚类中所包括的所有小区各自对应的覆盖特征向量,确定符合预设的距离条件的小区为该小区聚类中的覆盖异常小区。

7.一种电子设备,其特征在于,包括处理器、存储器和总线,其中:

所述处理器、所述存储器通过总线完成相互间的通信;

所述处理器可以调用存储器中的计算机程序,以执行如权利要求1-4任意一项所述的方法。

8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4任意一项所述方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国移动通信集团山东有限公司;中国移动通信集团公司,未经中国移动通信集团山东有限公司;中国移动通信集团公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710561738.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top