[发明专利]无线网络信号传播路径损耗预测方法及电子设备

说明书

本公开提供一种无线网络信号传播路径损耗预测方法及电子设备。所述方法包括：获取网络环境数据与原始测试数据，根据网络环境数据、原始测试数据生成初始特征数据并从中提取确定高阶特征数据；对初始特征数据与高阶特征数据进行冗余度与相关性分析，筛选出关键特征数据；构建多元线性回归模型，根据关键特征数据求解模型系数；利用多元线性回归模型计算与所述关键特征数据对应的路径损耗预测值以生成组合特征数据；构建深度神经网络模型，利用所述组合特征数据对所述深度神经网络模型进行训练优化得到优化模型，利用所述优化模型对所述目标无线网络的路径损耗进行预测。所述电子设备用于实现所述无线网络信号传播路径损耗预测方法。

技术领域

本公开涉及技术无线网络通信领域，尤其涉及一种无线网络信号传播路径损耗预测方法及电子设备。

背景技术

目前对于5G移动通信关键技术的研究逐渐成熟，但是网络建设仍然面临两个主要挑战。一是5G网络建设成本巨大。为了实现网络的无缝覆盖，相比于传统移动通信网络的基站数量，5G基站的数量将增加约2倍；二是基站的能耗巨大。单个5G基站的能耗约为4G基站的3倍，总能耗将是4G基站9倍以上，因此由能耗产生的运营成本问题不可忽视。为了解决上述问题，需要更精准有效的无线网络规划技术作为支撑。

无线网络规划的关键是以无线传播模型为基础对无线网络路径损耗的覆盖预测。通过无线传播模型对不同站点规划方案的路径损耗进行预测，可以在保证网络覆盖范围和质量的前提下，尽可能减少规划站点数量并优化基站工参配置，从而有效降低无线网络的能耗和建设成本。

由于目前处于5G网络建设初期，覆盖预测的主要场景为广域连续覆盖场景，因此多选择经验模型对站点规划方案进行性能评估。然而采用经验模型评估方法无法准确描述不同城市不同区域的无线环境，在工程实践中运营商需要根据网络特点选择合适的经验模型，并通过实测数据对模型进行校正以拟合当地的真实无线环境。然而由于5G网络信号传播的复杂性，相关技术的模型校正方法很难实现对路径损耗的准确预测。

发明内容

有鉴于此，本公开的目的在于提出一种无线网络信号传播路径损耗预测方法及电子设备。

基于上述目的，在第一方面，本公开提供了一种无线网络信号传播路径损耗预测方法，所述方法包括：

获取目标无线网络的网络环境数据与原始测试数据，根据所述网络环境数据与所述原始测试数据生成初始特征数据；

根据所述初始特征数据对网络通信环境进行分析以提取确定高阶特征数据；

对所述初始特征数据与所述高阶特征数据进行冗余度与相关性分析，根据分析结果筛选关键特征数据；

从所述关键特征数据中选取线性相关特征数据，对应于所述线性相关特征数据利用多元线性回归模型对所述目标网络路径损耗进行建模，根据所述线性相关特征数据求解所述多元线性回归模型的模型系数；

基于所述模型系数利用所述多元线性回归模型计算与所述关键特征数据对应的路径损耗预测值，根据所述关键特征数据与所述路径损耗预测值生成组合特征数据；

构建深度神经网络模型，利用所述组合特征数据对所述深度神经网络模型进行训练优化得到优化模型，利用所述优化模型对所述目标无线网络的路径损耗进行预测。

在第二方面，本公开还提供了一种无线网络信号传播路径损耗预测电子设备，所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面的所述无线网络信号传播路径损耗预测方法。