[发明专利]影响MIMO数据传输占比的检测方法、装置及存储介质

说明书

本发明涉及一种影响MIMO数据传输占比的检测方法、装置及存储介质，属于移动通信技术领域。本发明包括以下步骤：步骤一、采集训练数据；步骤二、处理训练数据；步骤三、建模；步骤四、训练；步骤五、计算；步骤六、评价；步骤七、调整；本发明采用RFID或蓝牙采集楼层线损值，数据源真实性可靠；采用Resnet卷积神经网络，数据拟合性能强，输出结果准确，按照标准线损张量进行整改即可获得MIMO数据传输占比。

技术领域

本发明涉及影响MIMO数据传输占比的检测方法、装置及存储介质，属于移动通信技术领域。

背景技术

随着移动互联网、物联网的应用进一步普及，人们对移动通信网络的需求是越来越强烈。根据各大运营商网络部的数据业务统计，其移动应用的大量业务都是发生在室内，其数据占比几乎超过了75%，因此室分场景的覆盖成为了移动运营商的必争之地。

目前，采用错层覆盖方案使得终端设备（本小区RRU1）所在楼层与其上下楼层（RRU2）形成MIMO，从而实现用户下载速率提升，提高用户体验。

ResNet是何凯明在2015年提出的一种网络结构，获得了ILSVRC-2015分类任务的第一名，同时在ImageNet detection，ImageNet localization，COCO detection和COCOsegmentation等任务中均获得了第一名。

Resnet又名残差神经网络，指的是在传统卷积神经网络中加入残差学习（residual learning）的思想，解决了深层网络中梯度弥散和精度下降（训练集）的问题，使网络能够越来越深，既保证了精度，又控制了速度。

Residual bloack残差模块是残差神经网络ResNet的常用模块，本发明加装有8块Residual block结构。

在论文Deep Residual Learning for Image Recognition中，详细讲解了残差神经网络和残差模块的原理，本发明就是将残差神经网络和残差模块运用在了室内覆盖场景下的计算MIMO数据传输占比的领域。

现在由于各种室内覆盖场景下MIMO数据传输占比参差不齐，且不易监控。且一般在建筑的室分安装为错层覆盖的 场景下，建筑楼层的一楼本身做不了MIMO，一楼一般和建筑楼层外面的宏站进行交互。同样的建筑楼层的顶楼也不方便运用MIMO技术。所以一般不需要考虑建筑楼层的一楼和顶楼的MIMO情况。

现有的专利CN201611086093.X一种在室内实现FDD-LTE双流数据传输方式的同层分支交错方法，通过将系统主干设计为双主干，各楼层的天馈分支设计为单路天馈，每个楼层内的奇数、偶数天馈分支分别跟两路主干中的其中一路连接，实现双流数据传输方式。由于在同一层进行双主干布线，并且天线端口需要按照双主干相间布置，因此对于现场施工精确度要求较高，实际现场部署环境难以保证和理想要求一致；双主干布线成本较高，需要布置两条主干馈线，安装时长近似翻倍。

发明内容

本发明要解决的技术问题是难以监控各种室内覆盖场景下MIMO数据传输占比。本发明将残差神经网络和残差模块运用到

本发明提供一种影响MIMO数据传输占比的检测方法，基于建筑的室分安装为错层覆盖的多个楼层，不考虑建筑的一楼和顶楼，其中，采用Keras框架搭建Resnet50残差结构的卷积神经网络，所述卷积神经网络加入8块残差块结，即Residual block结构，包括以下步骤：

步骤一、采集训练数据：