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。     

高铁LTE网络射频优化实践——基于小区有效覆盖距离&重叠覆盖度研究

高铁场景LTE网络覆盖受到车体损耗、多普勒效应、车速过快等影响,以致组网信号覆盖及网络性能优化处理较为复杂。文章针对无线环境变化、站点地理分布、天线安装质量等因素导致的高铁质差路段,综合小区有效覆盖距离和重叠覆盖度分析研究成果,指导高铁沿线站点的射频优化。     

基于XDR与MDT数据实现VoLTE用户感知问题精准定位研究

在目前4G网络的VoLTE业务中,快速准确识别用户通话感知中的掉话、通话断续、单通等问题,并精准定位问题原因,是非常困难的事情。通过基于移动核心网的端到端XDR话单记录数据,结合无线侧MDT测量数据中的RSRP、RSRQ、SINR以及经纬度数据可实现快速高效的问题识别与问题原因定位,提升VoLTE用户业务感知问题的优化效率。     

基于MR的TD-LTE网络重叠覆盖优化方法研究

【】TD-LTE的网络结构合理性决定了网络的性能。随着用户和业务的快速增长,网络结构对网络性能和客户感知的影响越加明显,而重叠覆盖优化在网络结构中扮演着重要的角色,为此,本文研究一种基于MR数据的TD-LTE重叠覆盖优化方案,按照地理化呈现、强弱场分析、TOP区域选择和拉线图法定位四步法准确定位,可有效为TD-LTE网络重叠覆盖度远程集中优化工作提供技术支撑手段。     

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。     

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。     

基于时间序列遥感数据的植被覆盖度反演研究

基于案例分析,阐述时间序列遥感数据的植被覆盖度反演,结合GIS和RS技术,采用像元二分模型提取估算植被覆盖度,通过数理统计方法得到植被覆盖率的变化规律,从而为研究城市生态环境变化状况提供参考,并对城郊地表环境的改善及建设提供参考依据。     

基于重叠正交变换的自适应图像水印

本文提出了一种基于重叠正交变换（LOT）的自适应图像水印算法,给出了水印嵌簇检测的详细算法设计,数字图像水印是最近发展起来的一项新技术,它为图像的版权保护问题提供了一种新的解决思路,本文首次在水印算法中采用了LOT以代替传统的离散余弦变换（DCT),从而有效地避免了DCT的块效应,同时,本文还利用人的视觉系统（HVS）特性,在对图像块进行分类的基础上完成水印的自适应嵌入,实验结果表明,本文所提出的图像水印算法有效地提高了水印的鲁棒性和透明性。     

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。     

基于MDT的3D-MIMO天线权值优化方法研究与应用

本文提出了一种基于MDT大数据优化3D-MIMO天线权值的方法,使得话务热点集中于3D-MIMO天线法线方向,有效改善热点区域用户感知,使3D-MIMO小区尽量吸收更多话务,实现了3D-MIMO投资收益最大化,并为后续面向5G的3D-MIMO大规模建设及优化提供有效依据。     

基于MR数据的GSM网立体邻区优化技术研究

随着移动用户数量和业务量指数增长,在核心城市的用户话务密集地段,小区半径已不足百米,室外冗余覆盖现象严重,室内深度覆盖不足.用户的话务和流量在立体空间上密集分布,低、中、高层的无线环境差异较大.本文深入研究OMC-MR测量数据和室内扫频数据关联方法,实现室内低、中、高不同立体空间覆盖模型,在分层优化用户邻区关系、加强深度覆盖等方面取得一定经验.     

一种带有可控动态参数的优化覆盖算法

能耗与覆盖问题是无线传感器网络研究领域的基本问题,也是一个重点问题。针对传感器节点所呈现的同构性特点,提出了一种带有可控动态参数的优化覆盖算法（OCCDP）。该算法首先给出了3节点联合覆盖时,最大无缝覆盖率的求解过程;其次,给出了在监测区域内存在传感器节点覆盖时,覆盖质量期望值求解方法以及与邻居节点进行覆盖比对时覆盖率的判定方法;当存在冗余覆盖时,给出了任意传感器节点处于冗余节点覆盖时的覆盖率的计算过程;最后,通过仿真实验与其他算法在覆盖质量和网络生存周期等方面进行对比,其性能指标平均提升了11.02%和13.27%,从而验证了提出算法的有效性和可行性。     

基于实时数据转发系统的资源参数优化

为了应对实际的业务应用需求,在一定程度上提高网络带宽利用率,在一般实时数据转发系统（RTDFS）的基础上．针对该类系统,提出了优化TCP链路和转发缓冲区取值的方法。主要根据转发系统的网络链路状况,以及实时数据到达转发系统的特征,利用排队论的相关理论建立相应的数学模型,并利用影响TCP传输吞吐量的主要参数,计算出系统运行服务器中最佳的转发缓冲区大小和并行的线程数量。实际系统的实现结果表明,标称带宽为2M,实时数据记录端到实时数据转发端的往返时延约为2ms。实时数据转发端到集控中心服务器的往返时延约为154ms的情况下,转发端的缓冲区无限大、多线程个数为4时,系统运行带宽利用率能达到90％以上,并且验证了该数学模型的理论计算。     

基于高层覆盖场景下锚点与非锚点切换优化算法研究

本文主要研究了NSA模式下高层覆盖的锚点与非锚点的策略调整模型,从投诉和丢包率进行分析,锚点与非锚点的邻区和策略优化;对算法进行了应用及推广,从应用效果来看,算法有效改善了高层覆盖场景下5G终端用户体验,提升了高层场景的无线网络质量。     

利用部分重叠信道的多无人机自主协同优化抗干扰

针对多无人机通信网络抗干扰中的功率和信道联合优化问题,考虑多无人机通信网络中的部分重叠信道切换、外部恶意干扰与网络内部互扰问题,通过构建Stackelberg博弈抗干扰模型,设计无人机用户和干扰机的效用函数,并提出了基于次梯度迭代的算法求解博弈的均衡解,获得无人机用户在干扰条件下的部分重叠信道选择和功率选择联合优化结果。仿真结果表明,所提算法能使多无人机用户获得良好的信道选择和传输功率策略,优化多无人机通信网络抗干扰性能。     

基于混合优化算法的纳米薄膜参数表征

为了在椭圆偏振测量过程中得到精确的纳米薄膜参数,提出了一种求解纳米薄膜参数的混合优化算法。结合人工神经网络算法反向传播和粒子群算法快速寻优的特点,建立了改进粒子群-神经网络(Improved Particle Swarm Optimization-Neural Network,IPSO-NN)混合优化算法。该算法在较少的迭代次数下具有快速跳出局部最优解的能力,从而快速寻找椭偏方程最优解。文中使用该算法对标称值为(26.7±0.4)nm的硅上二氧化硅纳米薄膜厚度标准样片进行薄膜参数计算。结果表明:采用IPSO-NN混合优化算法计算薄膜厚度时相对误差小于2%,折射率误差小于0.1。同时,文中通过实验对比了传统粒子群算法与IPSO-NN算法,验证了IPSO-NN算法计算薄膜参数时能有效优化迭代次数和寻找最优解的过程,实现快速收敛,提高计算效率。