CN110636516A - 信号传播模型的确定方法及装置 - Google Patents
信号传播模型的确定方法及装置 Download PDFInfo
- Publication number
- CN110636516A CN110636516A CN201910828985.XA CN201910828985A CN110636516A CN 110636516 A CN110636516 A CN 110636516A CN 201910828985 A CN201910828985 A CN 201910828985A CN 110636516 A CN110636516 A CN 110636516A
- Authority
- CN
- China
- Prior art keywords
- value
- fitting
- path loss
- signal propagation
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005259 measurement Methods 0.000 claims abstract description 103
- 238000004891 communication Methods 0.000 claims abstract description 27
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 239000000523 sample Substances 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 23
- 230000001419 dependent effect Effects 0.000 claims description 20
- 239000012488 sample solution Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 66
- 230000015654 memory Effects 0.000 description 16
- 238000005562 fading Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000013178 mathematical model Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种信号传播模型的确定方法及装置，涉及通信领域，用于提高信号传播模型的准确度。该方法包括：服务器根据基站覆盖区域内的SINR与RSRP的映射关系，以及基站覆盖区域内的P个地点的SINR值，确定P个地点的RSRP；服务器根据P个地点的RSRP，确定P个测量参数集合；测量参数集合包括：信号传播距离的值和测量路径损耗的值；服务器根据P个测量参数集合，确定N个拟合参数集合，服务器根据N个拟合参数集合，确定第一拟合函数和第二拟合函数；服务器根据第一拟合函数和第二拟合函数，确定路径损耗常量的目标值以及衰减系数的目标值；服务器根据路径损耗常量的目标值以及衰减系数的目标值，确定信号传播模型。
Description
技术领域
本申请涉及通信领域，尤其涉及一种信号传播模型的确定方法及装置。
背景技术
在对网络进行规划时，需要依靠信号传播模型预测确定目标区域内基站的站间距，并根据基站站间距对目标区域进行网络规划和站点设置。
当前信号传播模型的确定方法为：搭建简单的连续波(continuous wave，CW)基站，CW基站发射单波束信号，根据CW基站发射的单波束信号的信号强度以及终端接收的该单波束信号的信号强度评估路径损耗和信号传播距离之间的关系，确定信号传播模型。
但是，CW基站发射的波束较为简单，无法体现实际场景中路径损耗与信号传播距离之间的关系，并且当前对路径损耗和信号传播距离的评估方法也不能体现出两者之间的实际传播关系。因此，通过现有技术中搭建CW基站发射单波束信号的方法确定的信号传播模型的准确度较低。
发明内容
本申请实施例提供了一种信号传播模型的确定方法、装置及系统。用于提高信号传播模型的准确度。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供了一种信号传播模型的确定方法，该方法包括：服务器根据基站覆盖区域内的信号与干扰加噪声比SINR与接收参考信号强度RSRP的映射关系，以及基站覆盖区域内的P个地点的SINR值，确定所述P个地点的RSRP；
所述服务器根据所述P个地点的RSRP，确定P个测量参数集合；其中，P个测量参数集合与基站覆盖区域中的P个地点一一对应，测量参数集合包括：信号传播距离的值和测量路径损耗的值，P为正整数；服务器根据P个测量参数集合，确定N个拟合参数集合，拟合参数集合包括：路径损耗常量的数值、衰减系数的数值、样本可决系数的数值、以及均方根误差的数值，N为正整数；服务器根据N个拟合参数集合，确定第一拟合函数和第二拟合函数；其中，第一拟合函数的因变量为样本可决系数，第一拟合函数的自变量为路径损耗常量和衰减系数；第二拟合函数的因变量为均方根误差，第二拟合函数的自变量为路径损耗常量和衰减系数；服务器根据第一拟合函数和第二拟合函数，确定路径损耗常量的目标值以及衰减系数的目标值；服务器根据路径损耗常量的目标值以及衰减系数的目标值，确定信号传播模型。
基于上述技术方案，由于终端测量RSRP时受到的来自其他基站和装置的影响较大，而测量SINR时受到的来自其他基站和装置的影响较小，因此本申请测量P个地点的SINR，并根据SINR与RSRP之间的映射关系，确定P个地点的RSRP，从而降低了其他基站和装置对采集到的RSRP的影响。服务器根据P个地点的RSRP，确定P个测量参数集合，由于测量参数集合包括信号传播距离的值和测量路径损耗的值，且P个测量参数集合与基站覆盖区域的P个地点一一对应，因此P个测量参数集合能够全面地反映基站在基站覆盖区域的信号传播情况。进一步的，对该P个测量参数集合进行数学分析，确定信号传播模型中路径损耗常量的目标值以及衰减系数的目标值。从而，基于P个测量参数集合所确定的路径损耗常量的目标值以及衰减系数的目标值是准确的。进而，本申请实施例所确定的信号传播模型具有较高的准确度。
第二方面，本申请提供了一种信号传播模型的确定装置，该装置包括：处理单元，用于根据基站覆盖区域内的信号与干扰加噪声比SINR与接收参考信号强度RSRP的映射关系，以及基站覆盖区域内的P个地点的SINR值，确定所述P个地点的RSRP；所述处理单元，还用于根据所述P个地点的RSRP，确定P个测量参数集合；其中，P个测量参数集合与基站覆盖区域中的P个地点一一对应，测量参数集合包括：信号传播距离的值和测量路径损耗的值，P为正整数；处理单元，还用于根据P个测量参数集合，确定N个拟合参数集合，拟合参数集合包括：路径损耗常量的数值、衰减系数的数值、样本可决系数的数值、以及均方根误差的数值，N为正整数；处理单元，还用于根据N个拟合参数集合，确定第一拟合函数和第二拟合函数；其中，第一拟合函数的因变量为样本可决系数，第一拟合函数的自变量为路径损耗常量和衰减系数；第二拟合函数的因变量为均方根误差，第二拟合函数的自变量为路径损耗常量和衰减系数；处理单元，还用于根据第一拟合函数和第二拟合函数，确定路径损耗常量的目标值以及衰减系数的目标值；处理单元，还用于根据路径损耗常量的目标值以及衰减系数的目标值，确定信号传播模型。
第三方面，本申请提供了一种信号传播模型的确定装置，该装置包括：处理器和通信接口；通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如第一方面及其任意一种实现方式中所记载的信号传播模型的确定方法。
第四方面，本申请提供一种可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，该计算机执行上述第一方面及其任意一种实现方式中所记载的信号传播模型的确定方法。
第五方面，本申请提供了一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得该计算机执行上述第一方面及其任意一种实现方式中所记载的信号传播模型的确定方法。
第六方面，本申请实施例提供一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如第一方面及其任意一种实现方式中所记载的信号传播模型的确定方法。
具体的，本申请实施例中提供的芯片还包括存储器，用于存储计算机程序或指令。
附图说明
图1为本申请实施例提供的一种服务器的结构示意图；
图2为本申请实施例提供的一种通信系统的系统架构图；
图3为本申请实施例提供的一种信号传播模型的确定方法的流程图一；
图4为本申请实施例提供的以SINR与RSRP组成的坐标点在坐标系内的分布图；
图5为本申请实施例提供的一种信号传播模型的确定方法的流程图二；
图6为本申请实施例提供的一种表示终端与目标基站之间距离的示意图；
图7为本申请实施例提供的一种信号传播模型的确定方法的流程图三；
图8为本申请实施例提供的第一拟合曲线的示意图；
图9为本申请实施例提供的第二拟合曲线的示意图；
图10为本申请实施例提供的一种信号传播模型的确定装置的结构示意图；
图11为本申请实施例提供的另一种信号传播模型的确定装置的结构示意图；
图12为本申请实施例提供的另一种信号传播模型的确定装置的结构示意图。
具体实施方式
下面将结合附图对本申请提供的信息读取方法及装置进行详细的描述。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。
此外，本申请的描述中所提到的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
以下，对本申请涉及的名词进行解释，以方便读者理解：
(1)信号传播模型
信号传播模型用于表征目标基站发送的无线信号在基站覆盖区域传播时产生的路径损耗与该无线信号在基站覆盖区域内的传播距离之间的关系。
无线信号在基站覆盖区域传播的过程中产生的路径损耗主要包括：传播损耗d-n、阴影衰落和多径衰落
终端的接收信号功率与路径损耗之间通常满足如下关系：
其中，d为目标基站发送的无线信号传播的距离(即目标基站到终端之间的距离)。
为终端的接收信号功率，它是目标基站和终端之间距离的函数。
d-n为空间传播损耗，n的取值一般为3～4之间。
为阴影衰落，是由传播环境中的地形起伏、建筑物及其他障碍物对电波遮蔽所引起的衰落，也称其为慢衰落，其衰落特性符合对数正态分布。
为多径衰落，是由移动传播环境中多径传播引起的衰落，也称其为快衰落，其衰落特性符合瑞利分布。
公式：也可表示为：r(x)＝m(x)ro(x)。
其中：
r(x)为接收信号功率，ro(x)为瑞利衰落，m(x)为基站覆盖区域的接收信号平均值。2l为平均采样区间长度，也叫本征长。
通过推导和简化，现有的网络规划软件中经常使用的标准传播模型为：
L50＝K1+K2log10d+K3log10hte+K4log10LDiffraction
+K5log10dlog10hte+K6log10hre+K7fClutter
其中，L50表示路径损耗；d表示信号传播距离(也即目标基站到终端之间的距离)；the表示基站天线高度；hre表示移动台高度；LDiffraction表示衍射损耗；fClutter表示地物损耗；K1、K2、K3、K4、K5、K6、K7、分别为该标准传播模型的调整参数，可以根据不同区域的场景、传播环境、地形等确定。
对该标准传播模型进行参数合并后，可以获得一个简单的路径损耗公式(该路径损耗公式即为下述第一信号传播模型)：
L＝A+10×m×log10(d)
其中，L表示路径损耗；d表示信号传播距离；m表示衰减系数。
路径损耗：基站发送的信号在基站和终端之间传播时所产生的损耗。
(2)拟合(fitting)
拟合是一种利用函数关系式表达多个已知数据之间的函数关系的方法。当有多个已知数据时，根据该多个已知数据拟合出一条函数曲线，使该函数曲线从整体上靠近各个已知数据。形象的说，拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字(例如、最小二乘曲线拟合法)。在MATLAB中也可以用polyfit来拟合多项式。
通过对已知数据的拟合得到的函数关系式，能够表征数据之间隐含的数学关系。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
本申请实施例提供了一种服务器30，用于执行本申请实施例所记载的信号传播模型的确定方法。
如图1所示，服务器30中包括通信模块301、计算模块302以及确定模块303。
其中，通信模块301，用于与基站通信，获取基站的基站覆盖能力参数；通信模块301，还用于与终端通信，获取终端的位置信息以及终端测量到的SINR和/或RSRP。
或者，通信模块301，用于与终端通信，获取终端从基站中获取到的基站覆盖能力参数，以及终端的位置信息以及终端测量到的SINR和/或RSRP。
计算模块302，用于根据通信模块301获取到的基站覆盖能力参数以及获取终端的位置信息以及终端测量到的SINR和/或RSRP。确定测量参数集合。
确定模块303，用于对计算模块302确定的测量参数集合进行数学模型分析，确定信号传播模型。
本申请实施例提供的服务器30，具体可以应用于如图2所示的通信系统100中，以执行本申请实施例所记载的信号传播模型的确定方法。
如图2所示，该通信系统100中包括：基站10、终端20以及服务器30。基站10、终端20以及服务器30之间互相通信连接。
基站10可以是全球移动通信系统(Global System for Mobile Communication，GSM)或码分多址(Code Division Multiple Access，CDMA)中的基站(Base TransceiverStation，BTS)，也可以是宽带码分多址(Wideband Code Division Multiple Access，WCDMA)中的基站(NodeB)，还可以是LTE中的演进型基站eNB或e-NodeB(evolutional NodeB)等。或者可以是物联网(Internet of Things，IoT)或者窄带物联网(Narrow Band-Internet of Things，NB-IoT)中的eNB，本申请实施例对此不作具体限定。
基站10用于为基站覆盖区域内的终端提供网络服务，基站通过发射无线信号的方式与终端建立通信连接，并进行业务数据的传输。
终端20可以为：用户设备(user equipment，UE)、接入终端、终端单元、终端站、移动站、移动台、远方站、远程终端、移动设备、无线通信设备、车辆用户设备、终端代理或终端装置等。可选的，所述终端可以为各种具有通信功能的手持设备、车载设备、可穿戴设备、计算机，本申请实施例对此不作任何限定。例如，手持设备可以是智能手机。车载设备可以是车载导航系统。可穿戴设备可以是智能手环。计算机可以是个人数字助理(personaldigital assistant，PDA)电脑、平板型电脑以及膝上型电脑(laptop computer)。
终端20具备定位功能以及测量信号与干扰加噪声比(Signal to Interferenceplus Noise Ratio，SINR)和无线信号的参考信号接收功率(reference signal receivingpower，RSRP)的功能。
示例性的，终端为手机或者RSRP测试设备等。
终端20用于与基站10进行并保持业务传输，周期性的记录获取终端的位置信息以及终端测量到的SINR和/或RSRP。
在一种可能的实现方式中，终端20还用于与基站10通信获取基站的基站覆盖能力参数。
如图3所示，为本申请实施例提供的一种信号传播模型的确定方法，该方法包括以下步骤：
S301、服务器根据基站覆盖区域内的SINR与RSRP的映射关系，以及基站覆盖区域内的P个地点的SINR值，确定所述P个地点的RSRP。
具体为，服务器获取基站覆盖区域内Q个地点的SINR以及RSRP。
服务器对该Q个地点的SINR和RSRP进行拟合和归一化分析，确定基站覆盖区域内的SINR和RSRP之间的映射关系。
服务器获取目标区域内的P个地点SINR，并根据上述映射关系，确定该P个地点的RSRP。
作为一种实现方式，服务器根据Q个地点的SINR和RSRP，确定基站覆盖区域内以该Q个地点的SINR以及RSRP组成的Q个点在在坐标系内的分布如图4所示。
根据图4可知，SINR与RSRP之间的线性关系接近于一条直线。因此，结合图4，服务器根据公式下列公式(1)确定SINR与RSRP之间的映射关系。
其中，x和y为待确定的参数值。
服务器分别将Q个地点的SINR和RSRP带入到公式(1)中，拟合确定参数x的值为xr，y的值为yr。
服务器将xr以及yr带入到公式(1)中，确定SINR与RSRP之间的映射关系可以通过第一映射函数：RSRP＝xr×SINR+yr表示。
服务器获取P个地点的SINR值，并分别带入到上述第一映射函数中，确定P个地点的RSRP。
S302、服务器根据P个地点的RSRP以及P个地点的位置信息，确定P个测量参数集合。
其中，P个测量参数集合与基站覆盖区域的P个地点一一对应。P个测量参数集合中的每个测量参数集合包括：信号传播距离的值和测量路径损耗的值；P为正整数。
S303、服务器根据P个测量参数集合，确定N个拟合参数集合。
其中，拟合参数集合包括：路径损耗常量的数值、衰减系数的数值、样本可决系数的数值、以及均方根误差的数值，N为正整数。
下面对N个拟合参数集合中的第i个拟合参数集合进行介绍。其中，i为大于等于0小于等于N的整数。
第i个拟合参数集合中的路径损耗常量的数值Ai为路径损耗常量的取值集合中的第i个数值，路径损耗常量的取值集合包括N个不同的数值。
第i个拟合参数集合中的衰减系数的数值mi根据Ai和P个测量参数集合以拟合的方式确定的。
第i个拟合参数集合中的样本可决系数的数值Ri 2根据Ai和mi确定的。
第i个拟合参数集合中的均方根误差的数值RMSEi根据Ai和mi确定的。
以下，对确定Ri 2以及RMSEi进行具体说明。
(1)、第i个拟合参数集合中的Ri 2，根据公式：确定。
其中，为P个测量参数集合中的测量路径损耗的值的平均值；Lj为P个测量参数集合中第j个测量参数集合中的测量路径损耗的值；为根据L＝Ai+10×mi×log10d，以及dj确定的拟合路径损耗的值；dj为第j个测量参数集合中的信号传播距离的值，0≤j≤N。
(2)、第i个拟合参数集合中RMSEi，根据公式：确定。
S304、服务器根据N个拟合参数集合，确定第一拟合函数和第二拟合函数。
其中，第一拟合函数的因变量为样本可决系数，第一拟合函数的自变量为路径损耗常量和衰减系数。第二拟合函数的因变量为均方根误差，第二拟合函数的自变量为路径损耗常量和衰减系数。
S305、服务器根据第一拟合函数和第二拟合函数，确定路径损耗常量的目标值以及衰减系数的目标值。
其中，路径损耗常量的目标值和衰减系数的目标值用于使第一拟合函数的因变量取最大值，且第二拟合函数的因变量取最小值。
应当理解，在根据路径损耗常量拟合衰减系数的过程中，样本可决系数用于表示拟合的衰减系数的拟合优度，均方根误差用于表示拟合的衰减系数的离散程度。
样本可决系数的值越大，均方根误差越小，表示拟合的衰减系数拟合效果越好。因此，当第一拟合函数的因变量取最大值，第二拟合函数的因变量取最小值时，对应的路径损耗常量的取值和衰减系数的取值最接近基站覆盖区域内信号传播模型的路径损耗常量和衰减系数的实取值。
S306、服务器根据路径损耗常量的目标值以及衰减系数的目标值，确定信号传播模型。
其中，信号传播模型为：L＝A目标+10×m目标×log10d。
其中，L为路径损耗，A目标为路径损耗常量的目标值，m目标为衰减系数的目标值，d为信号传播距离。
基于上述技术方案，由于终端测量RSRP时受到的来自其他基站和装置的影响较大，而测量SINR时受到的来自其他基站和装置的影响较小，因此本申请测量P个地点的SINR，并根据SINR与RSRP之间的映射关系，确定P个地点的RSRP，从而降低了其他基站和装置对采集到的RSRP的影响。服务器根据P个地点的RSRP，确定P个测量参数集合，由于测量参数集合包括信号传播距离的值和测量路径损耗的值，且P个测量参数集合与基站覆盖区域的P个地点一一对应，因此P个测量参数集合能够全面地反映基站在基站覆盖区域的信号传播情况。进一步的，对该P个测量参数集合进行数学分析，确定信号传播模型中路径损耗常量的目标值以及衰减系数的目标值。从而，基于P个测量参数集合所确定的路径损耗常量的目标值以及衰减系数的目标值是准确的。进而，本申请实施例所确定的信号传播模型具有较高的准确度。
作为本申请的一种可能的实施例，基于图3所示的技术方案，如图5所示，S302具体可以实现为：
S3021、服务器获取基站覆盖区域的基站覆盖能力参数，以及P个地点的位置信息。
其中，基站覆盖能力参数包括：基站位置信息、基站天线增益和基站天线功率。
该基站覆盖能力参数可以是基站直接向服务器发送的，也可以是基站通过终端或者其他与服务器通信连接的设备向服务器发送的。
作为一种实现方式，基站覆盖能力参数还包括：基站编号和站高。P个地点的位置信息由终端测量得到，P个地点的位置信息中还包括终端的终端高度。
可选的，服务器中存储有预先设置好格式的表格，分别如下列表1和表2所示。
服务器将基站覆盖能力参数记录在如下所示的表1中。
表1
服务器分别将该P个地点的位置信息，终端高度记录在如下所示的表2中。
表2
一种实现方式中，该P个位置信息与步骤301中的P个SINR值可以同时获取，从而大大减少终端测量的工作量。
具体为，终端与基站建立并保持UDP业务连接。
终端在基站覆盖区域内的主要道路移动，并周期性的(例如以一分钟为一个周期)记录自身的位置信息以及自身检测到的SINR。
终端将周期性记录的位置信息和SINR，确定上述P个地点，以及P个地点中每个地点对应的SINR。
相应的表2中增加记录SINR值的表格。将位置信息和SINR值同时存储在所述表2中。
表2
服务器获取P个地点对应的SINR值，之后根据步骤301中记载的方式，确定P个地点对应的RSRP。
又一种实现方式中，终端在进行测试的过程中，与目标基站的业务连接断开，则终端重新向目标基站发起业务连接。待终端与目标基站的业务连接的速率在预设的时间段内的变化小于预设阈值时，终端继续进行路测。
S3022、服务器根据基站覆盖区域的基站覆盖能力参数，以及P个地点的位置信息和RSRP，确定P个测量参数集合。
具体为：对于P个地点中的第k个地点，服务器根据基站位置信息以及第k个地点的位置信息，确定第k个地点对应的第k个测量参数集合中的信号传播距离；以及服务器根据基站天线增益、基站天线功率和第k个地点的RSRP，确定第k个地点对应的第k个测量参数集合中的测量路径损耗，其中k为大于等于1小于等于P的整数。
在S3022的一种实现方式中，对于P个地点中的第k个地点对应的第k个测量参数集合。服务器根据下述方式一确定第k个测量参数集合中的信号传播距离；服务器根据下述方式二确定第k个测量参数集合中的测量路径损耗。
方式一、服务器根据基站位置，基站高度，终端高度，以及第k个地点的位置信息，确定第k个测量参数集合中的信号传播距离。
结合图6所示的终端与目标基站之间距离的示意图，终端确定终端与目标基站之间的距离具体可以实现为：
首先，服务器根据如下公式(2)确定基站和终端之间的水平距离：
其中，dk1表示根据第k个地点的位置信息确定的基站和终端之间的水平距离；R为地球半径(取值通常为6371.0km)；NBLO为基站所在位置的维度，NBLa为基站所在位置的经度，UELO为终端所在位置的维度，UELa为终端所在位置的经度。
其次，服务器根据如下公式(3)确定信号传播距离：
其中，dk表示第k个测量参数集合中的信号传播距离；hBS表示基站的高度(即基站顶部到地面的距离)；hUE表示终端的高度(即终端到地面的距离)。
方式二、服务器根据基站的基站天线功率、基站天线增益以及RSRP，确定测量参数集合中的测量路径损耗。
示例性的，服务器根据如下公式(4)确定测量路径损耗：
Lk＝TX+Gain-RSRPk 公式(4)其中，Lk表示第k个测量参数集合中的测量路径损耗；TX表示基站天线功率；Gain表示基站天线增益，RSRPk为第k个地点对应的的RSRP。
服务器将根据上述方式一和方式二，确定的信号传播距离dk以及测量路径损耗Lk，并进一步确定第k个地点对应的第k个测量参数集合(dk，Lk)。
根据上述方法，服务器确定P个地点对应的P个测量参数集合：(d1，L1)，(d2，L2)……(dk，Lk)……(dP，LP)。
基于图5所示的技术方案，服务器根据终端在基站覆盖区域实地测量到的P个终端的位置信息以及终端测量到P个地点对应的RSRP，确定基站覆盖区域内的测量参数集合。该P个测量参数集合反映的信号传播情况更加符合信号在基站覆盖区域内的传播情况，从而提高了所确定的信号传播模型的准确度。
作为本申请的一种可能的实施例，S303具体可以实现为：
服务器将该P个测量参数集合作为输入参数输入到该预设数学模型中，得到该预设数学模型的输出结果。该预设数学模型的输出的结果即为该N个拟合参数集合。
其中，该预设数学模型为：
For A＝x:y:z
f＝@(m，d3D)A+m*log10(d3D)；
p_fit＝nlinfit(d3D，L，f，1)；
PL_fit＝A+p_fit×log10(d3D)；
R2＝corrcoef(L，PL_fit)；
RMSEi＝sqrt(sum((PL-PLfit)2)/length(PL))；
每循环一次，服务器记录计算的R2 i和RMSEi，以及对应的Ai和mi，得到拟合参数集合
End
其中，该数学模型的第一步“ForA＝x:y:z”表示：对路径损耗常量A进行赋值。每对A赋值一次，执行一次后续的第二步到第七步。其中，对A的赋值过程为：定义A的初始值为x，以y为步长，对A逐步进行赋值，直到A的取值为z时结束第一模型的计算过程。
若对A赋值为Ai，该Ai即为第i个拟合参数集合中的路径损耗常量的数值。
示例性的x＝5，y＝0.1，z＝50。
服务器根据第一数学模型对A进行赋值时，首先对A赋值为5，服务器根据A＝5执行下述第二步至第七步。然后服务器对A赋值为5.1，以A＝5.1执行下述第二步至第七步……服务器每次对A的赋值增加0.1，并执行下述第二步至第七步。直到对A的赋值为50时，执行下述第二步至第七步，并结束计算过程，输出记录的450个拟合参数集合。
第二步和第三步“f＝@(m，d3D)A+m*log10(d3D)；p_fit＝nlinfit(d3D，L，f，1)；”表示：根据公式L＝Ai+10×m×log10d，确定第i个拟合参数集合中的衰减系数的数值的值mi。
其中，Ai为第i个拟合参数集合中的路径损耗常量的数值，L的取值包括P个测量参数集合中每个测量参数集合中的测量路径损耗的值；d的取值包括P个测量参数集合中每个测量参数集合中的信号传播距离的值。
第四步“PL_fit＝A+p_fit×log10(d3D)；”表示：根据第一步中确定的A的值Ai，以及第二步中确定的m的值mi，确定拟合信号传播模型为：L＝Ai+10×mi×log10d。将每个测量参数集合中的d值带入到拟合信号传播模型中，确定拟合信号传播模型对应的P个路径损耗的拟合值
第五步“R2＝corrcoef(L，PL_fit)；”表示：根据第四步中确定的P个路径损耗的拟合值以及P个测量参数集合中的测量路径损耗的值，确定拟合信号传播模型的样本可决系数为Ri 2。Ri 2为第i个拟合参数集合中的样本可决系数的数值。
示例性的，第i个拟合参数集合中的样本可决系数的数值通过以下公式(5)确定：
其中，为P个测量参数集合中的L值的平均值；Lj为P个测量参数集合中第j个测量参数集合中的测量路径损耗的值；为根据L＝Ai+10×mi×log10d，以及dj确定的拟合路径损耗的值；dj为第j个测量参数集合中的信号传播距离的值。
第六步“RMSEi＝sqrt(sum((PL-PLfit)2)/length(PL))；”表示：根据第四步中确定的P个路径损耗的拟合值以及P个测量参数集合中的测量路径损耗的值，确定拟合信号传播模型的均方根误差为RMSEi。RMSEi为第i个拟合参数集合中的样本可决系数的数值。
示例性的，第i个拟合参数集合中的样本可决系数的数值通过以下公式(6)确定：
其中，Lj为P个测量参数集合中第j个测量参数集合中的测量路径损耗的值；为根据L＝Ai+10×mi×log10d以及dj确定的拟合路径损耗；dj为第j个测量参数集合中的信号传播距离的值。
第七步表示：服务器根据Ai、mi、Ri 2以及RMSEi，确定拟合参数集合为
服务器重复执行第一步到第七步，直到满足直到A的取值等于z。
作为本申请的一种可能的实施例，基于图5所记载的技术方案，如图7所示，S304具体可以实现为：
S3041、服务器根据N个拟合参数集合，确定N个第一子集，以及N个第二子集。
其中，N个拟合参数集合中的每个拟合参数集合对应一个第一子集以及一个第二子集。第一子集中包括：路径损耗常量的数值，衰减系数的数值和样本可决系数的数值。第二子集中包括：路径损耗常量的数值，衰减系数的数值和均方根误差的数值。
示例性的，N个子集中的第i个第一子集为：N个子集中的第i个第二子集为：(Ai,mi,RMSEi)
S3042、服务器根据N个第一子集，确定第一拟合函数。
在S3042的一种实现方式中，根据下列公式(7)确定第一拟合函数：
其中，R2为样本可决系数；A为路径损耗常量；m为衰减系数；b、c、d为待确定的参数值。
具体为，服务器分别将各个第一子集中的A的值、m的值以及R2的值带入到上述公式(7)中，结合如图8所示的第一拟合曲线，拟合确定参数b的值br、参数c的值cr以及参数d的值dr。
服务器将br、cr以及dr带入到上述公式(7)中，确定第一拟合函数为：R2＝br×A2+cr×A×m+dr。
br、cr、dr为根据N个拟合参数集合中的路径损耗常量的数值、衰减系数的数值以及样本可决系数的数值以拟合的方式确定的常量。
S3043、服务器根据N个第二子集，确定第二拟合函数。
在S3043的一种实现方式中，服务器根据下列公式(8)确定第二拟合函数：
其中，RMSE为样本可决系数；A为路径损耗常量；m为衰减系数；e、f、g为待确定的参数值。
服务器分别将各个第二子集中对应的A的值、m的值以及RMSE的值带入到上述公式(8)中，结合如图9所示的第二拟合曲线，拟合确定参数e的值eM、参数f的值fM以及参数g的值gM。
服务器将拟合确定的eM、fM以及gM，带入到上述公式(8)中，确定第二拟合函数为：RMSE＝eM×A2+fM×A×m+gM。
其中，eM、fM以及gM为根据N个拟合参数集合中的路径损耗常量的数值、衰减系数的数值以及均方根误差的数值以拟合的方式确定的常量。
应理解，在上述实现方式中，服务器通过给定的公式(7)和公式(8)，以及S303中确定的N个拟合参数集合，拟合确定第一拟合函数以及第二拟合函数，可以通过第一拟合函数和第二拟合函数准确的确定样本可决系数与路径损耗常量以及衰减系数之间的数学关系，以及均方根误差与路径损耗常量以及衰减系数之间的数学关系。
在S305的一种实现方式中，服务器根据如下所示的公式(9)，确定A和m的取值：
(A,m)＝max(R2)∩min(RMSE) 公式(9)
其中，max(R2)表示R2取最大值，min(RMSE)表示RMSE取最小值，max(R2)∩min(RMSE)表示R2取最大值且RMSE取最小值。
在S305的一种实现方式中，服务器为样本可决系数R2以及均方根误差RMSE分配不同的调整参数，进一步提高最终确定的信号传播模型的准确程度，该调整参数用于表示样本可决系数R2以及均方根误差对评价拟合结果的影响程度。
示例性的，服务器通过如下所示的公式(10)确定A和m的取值。
(A,m)＝max(sR×R2-sM×RMSE) 公式(10)其中，sR为R2的调整参数，为固定值的常数；sM为RMSE的调整参数，为固定值的常数。
示例性的，sR＝0.8，sM＝0.2。
本申请实施例可以根据上述方法示例对信号传播模型的确定装置进行功能模块或者功能单元的划分，例如，可以对应各个功能划分各个功能模块或者功能单元，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块或者功能单元的形式实现。其中，本申请实施例中对模块或者单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
本申请实施例提供一种信号传播模型的确定装置，如图10所示，该装置包括：
处理单元401，用于确定P个测量参数集合；其中，P个测量参数集合与基站覆盖区域中的P个地点一一对应，测量参数集合包括：信号传播距离的值和测量路径损耗的值，P为正整数。
处理单元401，还用于根据P个测量参数集合，确定N个拟合参数集合，拟合参数集合包括：路径损耗常量的数值、衰减系数的数值、样本可决系数的数值、以及均方根误差的数值，N为正整数。
处理单元401，还用于根据N个拟合参数集合，确定第一拟合函数和第二拟合函数；其中，第一拟合函数的因变量为样本可决系数，第一拟合函数的自变量为路径损耗常量和衰减系数；第二拟合函数的因变量为均方根误差，第二拟合函数的自变量为路径损耗常量和衰减系数。
处理单元401，还用于根据第一拟合函数和第二拟合函数，确定路径损耗常量的目标值以及衰减系数的目标值。
处理单元401，还用于根据路径损耗常量的目标值以及衰减系数的目标值，确定信号传播模型。
可选的，信号传播模型为：L＝A目标+10×m目标×log10d。
其中，L为路径损耗，A目标为路径损耗常量的目标值，m目标为衰减系数的目标值，d为信号传播距离。
可选的，第i个拟合参数集合中的路径损耗常量的数值Ai为路径损耗常量的取值集合中的第i个数值，路径损耗常量的取值集合包括N个不同的数值；其中0≤i≤N。
第i个拟合参数集合中的衰减系数的数值mi根据Ai和P个测量参数集合以拟合的方式确定的。
第i个拟合参数集合中的样本可决系数的数值Ri 2根据Ai和mi确定的。
第i个拟合参数集合中的均方根误差的数值RMSEi根据Ai和mi确定的。
可选的，第i个拟合参数集合中的样本可决系数的数值Ri 2根据Ai和mi确定的，包括：
第i个拟合参数集合中的Ri 2根据公式：确定。
其中，为P个测量参数集合中的测量路径损耗的值的平均值。Lj为P个测量参数集合中第j个测量参数集合中的测量路径损耗的值。为根据L＝Ai+10×mi×log10d，以及dj确定的拟合路径损耗的值；dj为第j个测量参数集合中的信号传播距离的值，0≤j≤N。
第i个拟合参数集合中的均方根误差的数值RMSEi根据Ai和mi确定的，包括：
第i个拟合参数集合中RMSEi根据公式：确定。
可选的，第一拟合函数为：R2＝br×A2+cr×A×m+dr。
其中，R2为样本可决系数；A为路径损耗常量；m为衰减系数；br、cr、dr为根据N个拟合参数集合中的路径损耗常量的数值、衰减系数的数值以及样本可决系数的数值以拟合的方式确定的常量。
所述第二拟合函数为：RMSE＝eM×A2+fM×A×m+gM。
其中，RMSE为所述均方根误差；eM、fM以及gM为根据所述N个拟合参数集合中的路径损耗常量的数值、衰减系数的数值以及均方根误差的数值以拟合的方式确定的常量。
可选的，路径损耗常量的目标值和衰减系数的目标值用于使第一拟合函数的因变量取最大值，且第二拟合函数的因变量取最小值。
基于图10所示的装置，如图11所示，该装置还包括通信单元402。
通信单元402，用于获取基站的覆盖能力参数，以及所述P个地点的位置信息，所述覆盖能力参数包括：基站位置信息、基站天线增益和基站天线功率。
对于所述P个地点中的第k个地点，处理单元401，还用于根据所述基站位置信息以及所述第k个地点的位置信息，确定所述第k个地点对应的第k个测量参数集合中的信号传播距离；以及处理单元401，还用于根据所述基站天线增益、所述基站天线功率和所述第k个地点的RSRP，确定所述第k个地点对应的第k个测量参数集合中的测量路径损耗，其中k为大于等于1小于等于P的整数。
在通过硬件实现时，本申请实施例中的通信单元402可以集成在通信接口上，处理单元401可以集成在处理器上。具体实现方式如图12所示。
图12示出了上述实施例中所涉及的信号传播模型的确定装置的又一种可能的结构示意图。该信号传播模型的确定装置包括：处理器502和通信接口503。处理器502用于对信号传播模型的确定装置的动作进行控制管理，例如，执行上述处理单元401执行的步骤，和/或用于执行本文所描述的技术的其它过程。通信接口503用于支持信号传播模型的确定装置与其他网络实体的通信，例如，执行上述通信单元402执行的步骤。信号传播模型的确定装置还可以包括存储器501和总线504，存储器501用于存储信号传播模型的确定装置的程序代码和数据。
其中，存储器501可以是信号传播模型的确定装置中的存储器等，该存储器可以包括易失性存储器，例如随机存取存储器；该存储器也可以包括非易失性存储器，例如只读存储器，快闪存储器，硬盘或固态硬盘；该存储器还可以包括上述种类的存储器的组合。
上述处理器502可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。该处理器可以是中央处理器，通用处理器，数字信号处理器，专用集成电路，现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。该处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线504可以是扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。总线504可以分为地址总线、数据总线、控制总线等。为便于表示，图12中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例提供一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得该计算机执行上述方法实施例中的信号传播模型的确定方法。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当该指令在计算机上运行时，使得该计算机执行上述方法实施例所示的方法流程中的信号传播模型的确定方法。
其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit，ASIC)中。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (13)
1.一种信号传播模型的确定方法，其特征在于，所述方法包括：
服务器根据基站覆盖区域内的信号与干扰加噪声比SINR与接收参考信号强度RSRP的映射关系，以及基站覆盖区域内的P个地点的SINR值，确定所述P个地点的RSRP；
所述服务器根据所述P个地点的RSRP以及所述P个地点的位置信息，确定P个测量参数集合；其中，所述P个测量参数集合与基站覆盖区域中的P个地点一一对应，所述测量参数集合包括：信号传播距离的值和测量路径损耗的值，P为正整数；
所述服务器根据所述P个测量参数集合，确定N个拟合参数集合，所述拟合参数集合包括：路径损耗常量的数值、衰减系数的数值、样本可决系数的数值、以及均方根误差的数值，N为正整数；
所述服务器根据N个拟合参数集合，确定第一拟合函数和第二拟合函数；其中，所述第一拟合函数的因变量为所述样本可决系数，所述第一拟合函数的自变量为所述路径损耗常量和所述衰减系数；所述第二拟合函数的因变量为所述均方根误差，所述第二拟合函数的自变量为所述路径损耗常量和所述衰减系数；
所述服务器根据所述第一拟合函数和所述第二拟合函数，确定所述路径损耗常量的目标值以及所述衰减系数的目标值；
所述服务器根据所述路径损耗常量的目标值以及所述衰减系数的目标值，确定信号传播模型。
2.根据权利要求1所述的信号传播模型的确定方法，其特征在于，所述信号传播模型为：L＝A目标+10×m目标×log10d；
其中，L为路径损耗，A目标为所述路径损耗常量的目标值，m目标为所述衰减系数的目标值，d为信号传播距离。
3.根据权利要求2所述的信号传播模型的确定方法，其特征在于，
第i个拟合参数集合中的所述路径损耗常量的数值Ai为所述路径损耗常量的取值集合中的第i个数值，所述路径损耗常量的取值集合包括N个不同的数值；其中0≤i≤N；
第i个拟合参数集合中的所述衰减系数的数值mi根据Ai和所述P个测量参数集合以拟合的方式确定的；
第i个拟合参数集合中的所述样本可决系数的数值Ri 2根据所述Ai和所述mi确定的；
第i个拟合参数集合中的所述均方根误差的数值RMSEi根据所述Ai和所述mi确定的。
4.根据权利要求3所述的信号传播模型的确定方法，其特征在于，
第i个拟合参数集合中的所述样本可决系数的数值Ri 2根据所述Ai和所述mi确定的，包括：
第i个拟合参数集合中的Ri 2根据公式：确定；
其中，为所述P个测量参数集合中的测量路径损耗的值的平均值；Lj为所述P个测量参数集合中第j个测量参数集合中的测量路径损耗的值；为根据L＝Ai+10×mi×log10d，以及dj确定的拟合路径损耗的值；所述dj为所述第j个测量参数集合中的信号传播距离的值，0≤j≤N；
第i个拟合参数集合中的所述均方根误差的数值RMSEi根据所述Ai和所述mi确定的，包括：
第i个拟合参数集合中RMSEi根据公式：确定。
5.根据权利要求3或4所述的信号传播模型的确定方法，其特征在于，所述第一拟合函数为：R2＝br×A2+cr×A×m+dr；
其中，R2为所述样本可决系数；A为所述路径损耗常量；m为所述衰减系数；br、cr、dr为根据所述N个拟合参数集合中的路径损耗常量的数值、衰减系数的数值以及样本可决系数的数值以拟合的方式确定的常量；
所述第二拟合函数为：RMSE＝eM×A2+fM×A×m+gM；
其中，RMSE为所述均方根误差；eM、fM以及gM为根据所述N个拟合参数集合中的路径损耗常量的数值、衰减系数的数值以及均方根误差的数值以拟合的方式确定的常量。
6.根据权利要求5所述的信号传播模型的确定方法，其特征在于，所述路径损耗常量的目标值和所述衰减系数的目标值用于使所述第一拟合函数的因变量取最大值，且所述第二拟合函数的因变量取最小值。
7.根据权利要求6所述的信号传播模型的确定方法，其特征在于，所述服务器根据所述P个地点的RSRP以及所述P个地点的位置信息，确定P个测量参数集合，包括：
对于所述P个地点中的第k个地点，服务器根据所述基站位置信息以及所述第k个地点的位置信息，确定所述第k个地点对应的第k个测量参数集合中的信号传播距离；以及所述服务器根据所述基站天线增益、所述基站天线功率和所述第k个地点的RSRP，确定所述第k个地点对应的第k个测量参数集合中的测量路径损耗，其中k为大于等于1小于等于P的整数。
8.一种信号传播模型的确定装置，其特征在于，所述装置包括：
处理单元，用于根据基站覆盖区域内的信号与干扰加噪声比SINR与接收参考信号强度RSRP的映射关系，以及基站覆盖区域内的P个地点的SINR值，确定所述P个地点的RSRP；
所述处理单元，还用于根据所述P个地点的RSRP，确定P个测量参数集合；其中，所述P个测量参数集合与基站覆盖区域中的P个地点一一对应，所述测量参数集合包括：信号传播距离的值和测量路径损耗的值，P为正整数；
所述处理单元，还用于根据所述P个测量参数集合，确定N个拟合参数集合，所述拟合参数集合包括：路径损耗常量的数值、衰减系数的数值、样本可决系数的数值、以及均方根误差的数值，N为正整数；
所述处理单元，还用于根据N个拟合参数集合，确定第一拟合函数和第二拟合函数；其中，所述第一拟合函数的因变量为所述样本可决系数，所述第一拟合函数的自变量为所述路径损耗常量和所述衰减系数；所述第二拟合函数的因变量为所述均方根误差，所述第二拟合函数的自变量为所述路径损耗常量和所述衰减系数；
所述处理单元，还用于根据所述第一拟合函数和所述第二拟合函数，确定所述路径损耗常量的目标值以及所述衰减系数的目标值；
所述处理单元，还用于根据所述路径损耗常量的目标值以及所述衰减系数的目标值，确定信号传播模型。
9.根据权利要求8所述的信号传播模型的确定装置，其特征在于，
第i个拟合参数集合中的所述路径损耗常量的数值Ai为所述路径损耗常量的取值集合中的第i个数值，所述路径损耗常量的取值集合包括N个不同的数值；其中0≤i≤N；
第i个拟合参数集合中的所述衰减系数的数值mi根据Ai和所述P个测量参数集合以拟合的方式确定的；
第i个拟合参数集合中的所述样本可决系数的数值Ri 2根据所述Ai和所述mi确定的；
第i个拟合参数集合中的所述均方根误差的数值RMSEi根据所述Ai和所述mi确定的。
10.根据权利要求9所述的信号传播模型的确定装置，其特征在于，所述第i个拟合参数集合中的Ri 2根据公式：确定；
其中，为所述P个测量参数集合中的测量路径损耗的值的平均值；Lj为所述P个测量参数集合中第j个测量参数集合中的测量路径损耗的值；为根据L＝Ai+10×mi×log10d，以及dj确定的拟合路径损耗的值；所述dj为所述第j个测量参数集合中的信号传播距离的值，0≤j≤N；
所述第i个拟合参数集合中RMSEi根据公式：确定。
11.根据权利要求9或10所述的信号传播模型的确定装置，其特征在于，所述第一拟合函数为：R2＝br×A2+cr×A×m+dr；
其中，R2为所述样本可决系数；A为所述路径损耗常量；m为所述衰减系数；br、cr、dr为根据所述N个拟合参数集合中的路径损耗常量的数值、衰减系数的数值以及样本可决系数的数值以拟合的方式确定的常量；
所述第二拟合函数为：RMSE＝eM×A2+fM×A×m+gM；
其中，RMSE为所述均方根误差；eM、fM以及gM为根据所述N个拟合参数集合中的路径损耗常量的数值、衰减系数的数值以及均方根误差的数值以拟合的方式确定的常量。
12.一种信号传播模型的确定装置，其特征在于，包括：处理器和通信接口；所述通信接口和所述处理器耦合，所述处理器用于运行计算机程序或指令，以实现如权利要求1-7任一项所述的信号传播模型的确定方法。
13.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当计算机执行该指令时，该计算机执行上述权利要求1-7任一项所述的信号传播模型的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910828985.XA CN110636516B (zh) | 2019-09-03 | 2019-09-03 | 信号传播模型的确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910828985.XA CN110636516B (zh) | 2019-09-03 | 2019-09-03 | 信号传播模型的确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110636516A true CN110636516A (zh) | 2019-12-31 |
| CN110636516B CN110636516B (zh) | 2022-06-07 |
Family
ID=68970850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910828985.XA Active CN110636516B (zh) | 2019-09-03 | 2019-09-03 | 信号传播模型的确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110636516B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462354A (zh) * | 2021-02-02 | 2021-03-09 | 浙江三维通信科技有限公司 | 基于单基站的定位方法、基站、电子装置和存储介质 |
| CN112929916A (zh) * | 2021-03-19 | 2021-06-08 | 中国联合网络通信集团有限公司 | 无线传播模型的构建方法和装置 |
| CN113068208A (zh) * | 2020-01-02 | 2021-07-02 | 中国移动通信集团广东有限公司 | Spm组合模型的训练方法、无线信号仿真的方法及服务器 |
| CN113438658A (zh) * | 2021-06-22 | 2021-09-24 | 中国联合网络通信集团有限公司 | 基站覆盖范围确定方法和装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1759326A (zh) * | 2003-03-11 | 2006-04-12 | 皇家飞利浦电子股份有限公司 | 多输入多输出通信系统 |
| CN101146312A (zh) * | 2007-10-17 | 2008-03-19 | 中兴通讯股份有限公司 | 一种无线传播模型的自动选择方法 |
| US7929375B2 (en) * | 2007-06-26 | 2011-04-19 | The United States Of America As Represented By The Secretary Of The Navy | Method and apparatus for improved active sonar using singular value decomposition filtering |
| CN102118761A (zh) * | 2009-12-30 | 2011-07-06 | 中兴通讯股份有限公司 | 传播模型校正方法及装置 |
| WO2011160190A1 (en) * | 2010-06-24 | 2011-12-29 | Cohda Wireless Pty Ltd | Estimation of a multipath signal in a wireless communication system |
| CN102665273A (zh) * | 2012-04-19 | 2012-09-12 | 中国科学技术大学苏州研究院 | 无线传感网络节点定位的方法 |
| CN103592624A (zh) * | 2013-11-22 | 2014-02-19 | 中国人民解放军理工大学 | 一种基于接收信号强度的测距方法 |
| CN106127590A (zh) * | 2016-06-21 | 2016-11-16 | 重庆邮电大学 | 一种基于节点影响力的信息态势感知及传播管控模型 |
| CN108151835A (zh) * | 2017-12-27 | 2018-06-12 | 河海大学常州校区 | 一种基于多参数检测的泵站信息智能监测终端的率定方法 |
| CN109068332A (zh) * | 2018-09-26 | 2018-12-21 | 中国联合网络通信集团有限公司 | 数据传输方法及装置 |
-
2019
- 2019-09-03 CN CN201910828985.XA patent/CN110636516B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1759326A (zh) * | 2003-03-11 | 2006-04-12 | 皇家飞利浦电子股份有限公司 | 多输入多输出通信系统 |
| US7929375B2 (en) * | 2007-06-26 | 2011-04-19 | The United States Of America As Represented By The Secretary Of The Navy | Method and apparatus for improved active sonar using singular value decomposition filtering |
| CN101146312A (zh) * | 2007-10-17 | 2008-03-19 | 中兴通讯股份有限公司 | 一种无线传播模型的自动选择方法 |
| CN102118761A (zh) * | 2009-12-30 | 2011-07-06 | 中兴通讯股份有限公司 | 传播模型校正方法及装置 |
| WO2011160190A1 (en) * | 2010-06-24 | 2011-12-29 | Cohda Wireless Pty Ltd | Estimation of a multipath signal in a wireless communication system |
| CN102665273A (zh) * | 2012-04-19 | 2012-09-12 | 中国科学技术大学苏州研究院 | 无线传感网络节点定位的方法 |
| CN103592624A (zh) * | 2013-11-22 | 2014-02-19 | 中国人民解放军理工大学 | 一种基于接收信号强度的测距方法 |
| CN106127590A (zh) * | 2016-06-21 | 2016-11-16 | 重庆邮电大学 | 一种基于节点影响力的信息态势感知及传播管控模型 |
| CN108151835A (zh) * | 2017-12-27 | 2018-06-12 | 河海大学常州校区 | 一种基于多参数检测的泵站信息智能监测终端的率定方法 |
| CN109068332A (zh) * | 2018-09-26 | 2018-12-21 | 中国联合网络通信集团有限公司 | 数据传输方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| ELIZAVETA RASTORGUEVA-FOI: "User Positioning in mmW 5G Networks Using Beam-RSRP Measurements and Kalman Filtering", 《 2018 21ST INTERNATIONAL CONFERENCE ON INFORMATION FUSION (FUSION)》 * |
| 王浩: "无线传感器网络中基于RSS和DOA融合的三维定位算法", 《现代计算机(专业版)》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113068208A (zh) * | 2020-01-02 | 2021-07-02 | 中国移动通信集团广东有限公司 | Spm组合模型的训练方法、无线信号仿真的方法及服务器 |
| CN113068208B (zh) * | 2020-01-02 | 2022-12-23 | 中国移动通信集团广东有限公司 | Spm组合模型的训练方法、无线信号仿真的方法及服务器 |
| CN112462354A (zh) * | 2021-02-02 | 2021-03-09 | 浙江三维通信科技有限公司 | 基于单基站的定位方法、基站、电子装置和存储介质 |
| WO2022166009A1 (zh) * | 2021-02-02 | 2022-08-11 | 浙江三维通信科技有限公司 | 基于单基站的定位方法、基站、电子装置和存储介质 |
| CN112929916A (zh) * | 2021-03-19 | 2021-06-08 | 中国联合网络通信集团有限公司 | 无线传播模型的构建方法和装置 |
| CN112929916B (zh) * | 2021-03-19 | 2023-04-07 | 中国联合网络通信集团有限公司 | 无线传播模型的构建方法和装置 |
| CN113438658A (zh) * | 2021-06-22 | 2021-09-24 | 中国联合网络通信集团有限公司 | 基站覆盖范围确定方法和装置 |
| CN113438658B (zh) * | 2021-06-22 | 2022-12-23 | 中国联合网络通信集团有限公司 | 基站覆盖范围确定方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110636516B (zh) | 2022-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110636516B (zh) | 信号传播模型的确定方法及装置 | |
| US11635484B2 (en) | Frequency transformed radiomap data set | |
| CN111194414B (zh) | 使用缓冲器对运动检测信号进行时间对准 | |
| JP4934441B2 (ja) | 無線ノード位置推定方法、システム、及びその処理装置 | |
| CN112218330B (zh) | 定位方法及通信装置 | |
| US10444319B2 (en) | Determining of model parameters for positioning purposes | |
| JPWO2005088868A1 (ja) | 電波伝搬特性推定システム及びその方法並びにプログラム | |
| KR20170060129A (ko) | 무선 통신 네트워크들을 위한 위치 결정 방법 및 시스템 | |
| CN110856100B (zh) | 基于5g信号的终端定位及定位模型构建的方法和装置 | |
| Bernardin et al. | Cell radius inaccuracy: a new measure of coverage reliability | |
| CN108259097B (zh) | 基于mr数据的修正无线传播模型的方法及装置 | |
| US20170013474A1 (en) | Frequency assignment device, frequency assignment method and wireless communication system | |
| CN110708702B (zh) | 信号传播模型的确定方法及装置 | |
| CN109150263B (zh) | 一种基于多探头暗室的三维信道重建的方法及装置 | |
| JP7016303B2 (ja) | 放射電力推定方法 | |
| JP2018032939A (ja) | 品質推定装置及び品質推定方法 | |
| CN114448531B (zh) | 一种信道特性分析方法、系统、介质、设备及处理终端 | |
| CN108093414B (zh) | 评估小区覆盖有效性的方法及装置 | |
| CN110971323B (zh) | 传播路径模型地图系统及路径损耗确定系统 | |
| TWI511481B (zh) | 移動終端總全向靈敏度量測之加速方法 | |
| CN111901194A (zh) | 基于终端的吞吐量测试系统以及方法 | |
| CN108419248B (zh) | 一种测试数据处理方法及装置 | |
| Sabuncu et al. | Statistical RMS delay spread representation in 5G mm-Wave analysis using real-time measurements | |
| Sapumohotti et al. | Wilocsim: Simulation testbed for wlan location fingerprinting systems | |
| Yapar et al. | On the Effective Usage of Priors in RSS-based Localization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |