农村广覆盖智能网络优化和规划的实践及应用

为解决农村地域广、人工测试时间长、成本高和数据分析复杂的问题，本文利用MDT栅格数据聚类形成弱覆盖包络，并实现村庄、用户投诉和弱覆盖包络的匹配，再结合包络主覆盖小区指标信息，最终实现弱覆盖村庄包络内栅格数量、MDT采样点数、投诉数量、最近覆盖小区距离和小区流量等多维度数据统计分析，按照评估规则输出基站优化建议和建设优先级，为网络优化和规划提供精准的数据支撑，大大提升了问题挖掘分析处理效率。     

基于MDT数据的地下场景覆盖问题识别系统设计

地下场景覆盖问题的准确识别一直是网络优化难点,围绕精准定位建立评估模型,以用户轨迹惯性特性为基础完成最小化路测(MDT)数据清洗,采用“基于RSSI测距多点定位算法”和“神经元网络定位技术”相结合方式,完成多维数据关联和迭代矫正模型并纳入指纹库,引入栅格化理念,实现栅格内MDT数据智能汇聚,识别地下场景弱覆盖栅格。本设计能够扩充地下室场景覆盖问题识别的手段。     

一种基于MDT数据的5G用户定位方法

现代城市高层建筑、密集建筑越来越多,城市无线传播环境越来越复杂,传统的无线网络优化方式需要深入到高层建筑物室内进行网络测试,通过测试数据分析评估室内网络覆盖质量。目前,基于楼宇真实用户上报的网络测量数据进行网络质量评估是无线优化工作的重要方向和趋势,但精确定位用户所在楼宇是当前楼宇室内覆盖评估工作的重点和难点。提出了一种基于最小化路测技术（Minimization of Drive-Test,MDT）数据的用户定位方法,可有效提升用户所在楼宇定位精准度。该方法通过识别用户所在的常驻小区,使用MDT数据中的精确位置信息获取用户在常驻小区的运动轨迹,并根据运动轨迹判断用户进出楼宇的精确位置点信息,利用位置点聚类算法进行用户常驻楼宇精确定位。     

基于管理的Immediate MDT数据源的技术应用研究

随着LTE业务和用户的规模发展,基站数量越来越多,基站开站速度加快,网络环境日趋复杂,网络摸底难度和任务量不断上升,传统路测很难实现实时、全场景覆盖,准确度亟需提升。基于传统的路测方式的局限性,MDT采用在网运行终端进行实时路测上报,不仅节约传统路测的人力和物力,同时可以做到全覆盖和实时监测。本文首先对最小化路测技术的技术背景、算法设计进行分析说明,通过对比最小路测技术、传统路测与目前常用MR数据的异同,突出MDT精准性。然后通过对比验证,给出了MDT路测对比、基于区域的MDT数据对比的验证。最后,选取投诉热点场景,进行MDT实现方案进行实际组网测试,优化网络结构。     

一种改进的粗糙集聚类算法

针对传统通聚类算法大都是研究非重叠、无法解决现实普遍存在的重叠聚类现象的问题,提出一种改进的粗糙k-means聚类算法。并将这Lingas提出的k-means聚类算法与本文算法应用到林业数据集中进行比较。测试结果证明,改进后的方法聚类效果较好,在整个范围内都能提供有意义的结果。     

基于大数据与OMC结合的低速率探测研究

在网络优化工作当中,主要通过前台DT测试来评估网络性能,然而,对于感知速率却没有有效的衡量和优化方法。针对LTE网络中存在的业务低速率问题,本文从栅格大数据及网管OMC指标入手进行分析,结合大数据100*100栅格与OMC网管小区指标进行匹配,将栅格主服务小区与小区速率结合分析,利用四象限法找出栅格速率低且小区速率低的小区栅格区域。     

基于MR的小区轮廓和共覆盖识别方法研究与应用

随着移动网络规模的越来越大,无线网络优化的难度也与之俱增,借助大数据技术实现快速、精准的网络分析和优化已经成为运营商的普遍共识。终端上报的MR数据作为用户使用网络的真实反映,对于支撑网络问题分析和处理具有重要作用。文章采用一种基于特征匹配的MR定位算法实现MR数据的精准定位,并进一步实现小区级轮廓识别和共覆盖判断,将MR栅格级数据转换为小区级数据,不仅可以为网络问题分析提供基础信息,而且为客服投诉区域识别提供有效支撑。     

基于RANK多流智能预测的5G速率优化方法研究

为了应对5G RANK无法精准高效优化的技术难题，本文提出了一种基于RANK多流智能预测的5G速率优化方法。该方法通过建立传播模型和MIMO信道模型挖掘网络多径环境，实现RANK精准预测，采用聚类算法识别RANK提升的高潜力区域，以多维综合增益最优为目标，利用投票算法和主服小区建模算法输出RANK优化方案，使用户可获得最大的网络多流能力，大幅提升不同覆盖场景下的5G用户速率。     

基于MDT数据的深度覆盖智能预测方法研究

本文基于大规模MDT数据结合机器学习算法，将人工智能技术与网络规划仿真相结合，研究一种符合网络实际环境的无线电波传播模型，实现网络深度覆盖的智能预测。通过将原始MDT数据清洗和去噪得到合理的数据集，搭建全连接神经网络，计算每个接收点与发射机之间的6种关键地理特征向量，并输入神经网络进行训练及网络参数调优，得到指标合理的传播模型。基于网络工参进行单站、多站的仿真验证和外场测试对比，模型泛化性好、鲁棒性高，仿真预测结果合理准确，符合地理环境变化，与外场测试对比效果理想。基于MDT数据训练的智能传播模型能精准地实现网络深度覆盖预测，具有极高的指导意义和应用价值。     

基于MDT数据优化小区空闲态与连接态 覆盖一致性的方法

本文提出了利用最小化路测数据(MDT)判断小区空闲态、连接态覆盖一致性的优化方法。根据最小化路测中的Logged和Imm数据分别判断某一地理栅格的RRC空闲态和连接态用户归属主服小区否一致。针对空闲态和连接态存在大量不一致栅格的小区,提出通过修改小区参数修改调整不同状态下覆盖区域,最终保证RRC空闲态、RRC连接态覆盖一致以达到降低发起业务后的非必要切换次数,提高户初始业务阶段速率,提升用户感知。     

基于4G MDT的5G覆盖评估方法

5G现网中弱覆盖问题较多,需持续展开覆盖评估并定位弱覆盖位置,以针对性展开优化和优化工作。但由于5G现在用户采样点较少,5G网管暂不支持MDT和MR的数据上报,而利用现场测试、仿真等手段进行覆盖评估又存在各种缺点,故本文主要提出一种基于4G的MDT数据评估5G覆盖的方法,本方法分析时间周期短、评估结果准确性高、适用性广,即能评估全网区域的5G覆盖情况,又能精细定位出弱覆盖的区域。     

基于MDT技术的网络综合分析方法研究与应用

日常无线网络优化与热点投诉处理等工作往往需要现场频繁测试,本文采用基于MDT数据的综合分析方法,无需现场实地测试即可全面地可视化展现问题,快速发现无线网络的覆盖与容量问题,更加精准的实现网络问题定位,高效地进行投诉分析和优化处理,从而降低网络运营和维护成本。     

一种提升城区网格道路5G覆盖率的新方法

城区网格道路是移动通信用户重要的使用场景。与其他用户静止场景相比,道路上UE移动性导致客户感知相对较差。传统城区网格道路测试优化存在整治不彻底、优化效率低、工单重复派、工作无重点等痛点。提出了一种提升城区网格道路5G覆盖率的新方法,引入测试问题圆域的概念,实现了零星测试问题点的有效聚合,并用“聚合度”“重复度”定量标识测试问题优先级;通过测试问题圆域“理想方位角”和“合适小区”的计算,提出了测试问题最优覆盖小区的计算方法,可有效输出问题圆域的优化方案。所提方法已在现网部署,有效支撑了全网城区网格道路测试优化工作,5G覆盖率由89.95%提升到98.86%,应用效果较好。     

基于机器学习的无线网络用户感知速率智能预测研究

本文利用人工智能算法,结合DT/CQT、SpeedVideo、某厂家专有平台用户感知栅格速率数据,并关联栅格内覆盖、质量、负荷、性能等指标作为训练样本,分析影响用户感知速率的关键因素。通过建立预测用户感知速率的算法模型,实现栅格粒度用户感知速率预测,快速精准定位用户体验短板,有的放矢的解决用户体验问题,实现网络竞争力持续提升。     

无线传感器网络中非GPS的定位算法

无线传感器网络中节点自定位一直是一个具有挑战性的研究课题。全球定位系统(GPS)是一种传统的定位技术,但是定位的准确性低且网络花费较大。通过分析现有的节点自定位算法,认为六边形节点自定位算法是比较优秀的非GPS算法,该算法基于蜂窝交叠的思想,节点仅使用简单的连接矩阵和信标帧中的定位数据就能自定位,且定位准确性高,最后提出了今后要做的工作。     

Tracking via Square Grid of RFID Reader Positioning and Diffusion Algorithm

The study and analysis of RFID (radio frequency identification) reader positioning is important for RFID large-scale deployment. Therefore, the purpose of this research is to investigate the art of RFID reader positioning in order to develop a highly accurate positioning and tracking system for usage inside a building and also to optimize the tracking performance that can be applied to different active and passive RFID standards. This study involves design of square grid RFID reader network and position calculation using diffusion algorithm. Square grid network presents the solution of placement pattern of RFID readers, hence optimal number of required readers and guaranteed coverage can be achieved. The proposed diffusion algorithm makes use of distance information between the reader and the tag to estimate the RFID tag position. This study has also introduced a probabilistic mathematical model to maintain coverage of the unit square region and to ensure connectivity of the proposed square grid network. The effectiveness of the diffusion algorithm is evaluated in this study and the obtained results show satisfactory performance. The obtained results show that the proposed positioning system can achieve average positioning error below 1 m with different RFID reading ranges and in some cases accuracy improvement of about 65% can be reached than the results obtained by known positioning system. It is also found that the proposed diffusion algorithm together with square grid can bring approximately 50–85% improvement on raw accuracy provided by only square grid method.     

基于深度学习的小目标检测区域数据推荐算法

针对电网数据推荐结果未考虑电网领域知识关联度,推荐结果精准度低,不能精准掌控电网工程建设管理工作问题,提出一种基于深度学习的小目标检测区域数据推荐算法。利用颜色直方图距离和边缘距离展开超像素合并,检测电网小目标区域,采用多尺度卷积神经网络特征提取方法获取小目标区域卷积神经网络特征。以获取的特征为知识项,通过知识树结构组织不同粒度知识项,构建电网领域知识体系关联和推理机制,采用协同过滤推荐算法AR-Item CF,挖掘用户行为日志,根据用户推荐列表,计算出不同知识项间的深层推荐。实验结果表明,该算法可有效解决推荐结果关联度低问题,且推荐效率高、质量好。     

第四代移动互联网切换算法

第四代移动通信网络是一个多网集成和重叠覆盖同一个区域的综合网络.为满足用户移动过程中,不同网络之间切换的需求,从提供用户快捷的数据传输服务和提高网络资源使用效率的角度出发,提出在不同的网络之间建立一个新的数据通道,从而给出了一种新的切换算法.仿真实验表明,使用新的切换算法不仅能获得高的数据传输速度,还能有效地提高载频的使用效率.