一种基于MR定位数据的天线方位角优化方法及设备与流程

本发明涉及天线技术领域，更具体地，涉及一种基于mr定位数据的天线方位角优化方法及设备。

背景技术：

天线方位角优化是无线网络优化工作中的一项基础优化工作内容，准确的天馈工参信息，是性能、路测等网络指标分析的基础。当前的天线优化维护工作，主要分成两个部分：

主动优化维护：日常的天馈数据维护，主要由代维根据巡检计划，利用天线姿态仪、水平仪等工具进行测量，代维人员在巡检过程中，通过现场与资管数据的比对，发现异常，进而开展资管数据维护；或者由省市公司因工作需要，发起专项普查，如浙江移动在2010年发起的“天线工兵行动”；整个过程将耗费大量人力物力，且数据的准确性受相关人员的专业能力、责任心影响较大。

被动优化维护：日常网络工作中，因测试异常、客户投诉等原因，网优人员通过问题根因分析，将会按需开展天馈优化，不仅被动，且会存在天馈优化不尽合理、不够精细的情况；以客户投诉为例，有时网优人员为解决投诉客户的问题，进而在天线方位角调整时会偏向于投诉客户所处的位置，而忽略了该小区下的其他用户，造成网络潜在的隐患。

现有技术方案，主要存在两个比较大的缺点：

①天线基础数据维护准确性问题：天线从入网开始，至日常的稳定运行过程中，会因网络要求，存在频繁地优化调整，期间天线工参会频繁变更，但代维人员技术能力、责任心参差不齐，天线数据更新及时性、准确性存在很大的挑战。

②无法及时、主动的发现天线优化需求：无线网络会随着用户、无线环境不停的发生变化，当前的天线优化无法体现因用户变动引起话务模型变更的优化需求，如新建建筑物的影响、用户的人员流动等。

技术实现要素：

本发明提供一种克服上述问题或者至少部分地解决上述问题的基于mr定位数据的天线方位角优化方法及设备。

根据本发明的一个方面，提供一种基于mr定位数据的天线方位角优化方法，包括：

s100，基于特定小区的采样点的mr定位数据与所述特定小区的工参数据，获取所述采样点相对于所述特定小区的方位角；

s200，基于所述特定小区的用户电平及各采样点的方位角，获取所述特定小区的用户平均方位角；

s300，根据所述用户平均方位角与所述特定小区的工参方位角的差值，调整所述特定小区对应的天线方位角。

具体的，所述mr定位数据包括：小区唯一编号、基站编号、小区编号、采样点经度、采样点纬度和采样点的电平值。

进一步，所述s100进一步包括：

s100.1，基于所述特定小区的每个采样点，根据所述采样点经度、所述采样点维度及所述特定小区所属站点的工参经纬度，利用反正弦函数计算所述采样点的初始方位角；

s100.2，根据所述每个采样点相对于所述特定小区所属站点的位置，对所述初始方位角进行校正，获得每个采样点的方位角。

进一步，所述s100.1进一步包括：建立以所述特定小区所属站点a为原点、北纬、东经方向为正、南纬、西经方向为负的坐标系，对应任意采样点b，通过下式获取所述采样点b的初始方位角θ：

θ＝arcsin(bc/ab)/π*180；

其中，c为a点与b点沿坐标系直角相交的点，bc为b点与c点之间的距离且bc＝bw-aw，ac为a点与c点之间的距离且ac＝bj-aj，ab为a点与b点之间的距离且aj为a点经度，bj为b点经度，aw为a点维度，bw为b点维度；

s100.2进一步包括：若所述初始方位角θ值为正数，则所述方位角ak＝θ；若所述初始方位角θ值为负数，则所述方位角ak＝360+θ。

进一步，所述s200进一步包括：

s200.1，基于mr定位数据中各采样点的电平值，获取用户电平的正太分布曲线；

s200.2，获取各采样点的电平值对应所述正太分布曲线的概率值作为各采样点的加权值；

s200.3，利用所述各采样点的加权值对所述各采样点的方位角进行加权平均，获取所述特定小区的用户平均方位角。

进一步，所述s200.1中，所述正太分布曲线的平均值为μ＝-92，标准差为σ＝11；

所述s200.3中，利用下式获取所述特定小区的用户平均方位角an：

其中，k为采样次数，ck为第k个采样点的加权值，ak为第k个采样点的方位角。

进一步，所述s300进一步包括：

获取所述用户平均方位角与所述特定小区的工参方位角的差值；

若所述差值为正，则将所述特定小区对应的天线方位角按所述差值数值进行顺时针调整；

若所述差值为负，则将所述特定小区对应的天线方位角按所述差值数值进行逆时针调整。

进一步，所述s300进一步还包括：若所述差值的绝对值超过60度，则检测天馈、旁瓣信号和背瓣覆盖以确定优化方案。

根据本发明的另一个方面，还提供一种基于mr定位数据的天线方位角优化设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行本发明实施例所述基于mr定位数据的天线方位角优化方法及其所有可选实施例的方法。

根据本发明的另一个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本发明实施例所述一种基于mr定位数据的天线方位角优化方法及其所有可选实施例的方法。

本发明提出一种基于mr定位数据的天线方位角优化方法及设备，以精准的mr定位数据为基础，完成基于采样点的天线方位角合理性分析，对比现网工参数据，核查偏差，开展天线方位角精细优化，相比传统依靠代维现场普查的天馈优化，不仅效率更高、费用更少，也能及时发现因话务模型变动引起的天馈优化需求，真正实现降本增效。

附图说明

图1为本发明实施例一种基于mr定位数据的天线方位角优化方法流程图；

图2为本发明实施例采样点方位角示意图；

图3为本发明实施例不同电平区间的采样点数示意图；

图4为本发明实施例采样点电平的正太分布曲线示意图；

图5为本发明实施例一种基于mr定位数据的天线方位角优化设备的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

基于当前的现状，为提升天线资管数据准确性，以及主动发现天线优化需求，本发明实施例提供一种基于mr定位数据的天线方位角优化方法，如图1所示，包括：

s100，基于特定小区的采样点的mr定位数据与所述特定小区的工参数据，获取所述采样点相对于所述特定小区的方位角；

具体的，所述mr定位数据包括：小区唯一编号、基站编号、小区编号、采样点经度、采样点纬度和采样点的电平值，其中小区唯一编号为基站编号+小区编号。进一步，所述mr定位数据还可以包括：时间提前量、采样点接收功率质量、上行信噪比和同一个采样点重复次数等。

本发明实施例所述特定小区为现网中的任意一个小区；确定小区内的多个采样点，获取各采样点的mr定位数据。本发明实施例通过精准mr定位数据中的小区唯一编号(基站编号+小区编号)，与现网工参匹配，实现将mr信息关联到基站。mr定位数据中的相关参数及小区的现网工参中的相关参数用于计算步骤s100中的方位角及步骤s200中的用户平均方位角；并获取小区天线方位角的工参数据，并与计算得到的用户平均方位角进行比对。

本发明实施例通过大数据分析用户mr精准定位数据，以人工智能的方式，跟踪用户话务模型变迁，实现天馈工参精细优化；基于mr定位数据的精确性，可以获取准确的采样点方位角。

s200，基于所述特定小区的用户电平及各采样点的方位角，获取所述特定小区的用户平均方位角；

本发明实施例根据小区的用户电平可获取小区用户位置的分布图，当天线正面朝向用户集中聚集的区域，可以提高整体用户的网络质量，同时提升mr覆盖率，因此定义用户平均方位角，所述用户平均方位角是步骤s100中的每一个用户的方位角通过加权取平均得到，这样可以较好的适应用户聚集区域。

s300，根据所述用户平均方位角与所述特定小区的工参方位角的差值，调整所述特定小区对应的天线方位角。

获取用户平均方位角后，步骤s300中通过将用户平均方位角与小区的现网工参方位角进行比较，作为优化调整的基准。

本发明实施例计算方位角以及用户平均方位角并进行天线方位角的方法，是针对单个小区的；不同的小区可以利用本发明实施例所述方法分别进行计算和优化调整。

本发明实施例以精准的mr定位数据为基础，通过算法研究，完成基于采样点的天线方位角合理性分析，对比现网工参数据，核查偏差，开展天线方位角精细优化，相比传统依靠代维现场普查的天馈优化，不仅效率更高、费用更少，也能及时发现因话务模型变动引起的天馈优化需求，真正实现降本增效。

在一个可选的实施例中，所述s100基于特定小区的采样点的mr定位数据与所述特定小区的工参数据，获取所述采样点相对于所述特定小区的方位角，进一步包括：

s100.1，基于所述特定小区的每个采样点，根据所述采样点经度、所述采样点维度及所述特定小区所属站点的工参经纬度，利用反正弦函数计算所述采样点的初始方位角；

s100.2，根据所述每个采样点相对于所述特定小区所属站点的位置，对所述初始方位角进行校正，获得每个采样点的方位角。

在一个可选的实施例中，所述s100.1进一步包括：建立以所述特定小区所属站点a为原点、北纬、东经方向为正、南纬、西经方向为负的坐标系，如图2所示，根据数学原理，可知，sin(θ)＝bc/ab。对应任意采样点b，通过下式获取所述采样点b的初始方位角θ：

θ＝arcsin(bc/ab)/π*180；

其中，c为a点与b点沿坐标系直角相交的点；

bc为b点与c点之间的距离且bc＝bw-aw；

ac为a点与c点之间的距离且ac＝bj-aj；

ab为a点与b点之间的距离且

aj为a点经度，bj为b点经度；

aw为a点维度，bw为b点维度。

理论上，在南北纬10度以外的两点方位角的计算，需要考虑球弧，否则会有一定的偏差，一般在南北纬40度以内偏差为7.55°。考虑到天馈方位角允许误差为±10°，浙江全境在北纬30°左右的位置，因此，在该算法中，直接以平面三角形的反正切函数计算相应的方位角。

根据上述反正弦函数计算出的初始方位角，s100.2进一步包括：若所述初始方位角θ值为正数，则所述方位角ak＝θ；若所述初始方位角θ值为负数，则所述方位角ak＝360+θ。此处是因为采样点可以位于a点的任意位置，即角度范围360度的任意位置，因此当初始方位角为负时，通过360+θ进行校正。

在一个可选的实施例中，所述s200基于所述特定小区的用户电平及各采样点的方位角，获取所述特定小区的用户平均方位角，进一步包括：

s200.1，基于mr定位数据中各采样点的电平值，获取用户电平的正太分布曲线；

s200.2，获取各采样点的电平值对应所述正太分布曲线的概率值作为各采样点的加权值；

s200.3，利用所述各采样点的加权值对所述各采样点的方位角进行加权平均，获取所述特定小区的用户平均方位角。

图3为本发明实施例不同电平区间的采样点数示意图，如图3所示，在精准mr定位数据中，通过大数据统计各采样点电平值，可以得到以下分布结论：用户的电平x正太分布，可以给每一个用户方位角加上一个权值，因为单小区下用户分布具有离散性，为了让数据特征凸显中心用户，给每一个用户方位角加上权值计算。

在一个可选的实施例中，所述s200.1中，所述正太分布曲线的平均值为μ＝-92，标准差为σ＝11；即用户的电平x服从x～n(-92，11^2)正太分布(平均值μ＝-92；标准差σ＝11)，如图4所示。

所述s200.3中，利用下式获取所述特定小区的用户平均方位角an：

其中，k为采样次数，ak为第k个采样点的方位角，ck为第k个采样点的加权值，具体的，ck为x～n(-92，11^2)函数的概率值。

本发明实施例根据小区采样点的正态分布覆盖特性，结合各采样点电平对应的权值，计算用户平均方位角，可以提升小区最佳覆盖方位角的精度。通过上述算法，得出理论方位角a，与工参信息进行比对，当偏差超过一定角度时，结合现场情况，按需调整。

上述实施例通过小区内的各采样点的方位角，利用个采样点的电平分布概率进行加权平均，获取了用户平均方位角，下述实施例将描述如何根据所述用户平均方位角对天线方位角进行优化调整。

在一个可选的实施例中，所述s300根据所述用户平均方位角与所述特定小区的工参方位角的差值，调整所述特定小区对应的天线方位角，进一步包括：

获取所述用户平均方位角与所述特定小区的工参方位角的差值；若所述差值为正，则将所述特定小区对应的天线方位角按所述差值数值进行顺时针调整；若所述差值为负，则将所述特定小区对应的天线方位角按所述差值数值进行逆时针调整。

利用步骤s100和s200的计算结果，本发明实施例对天线的优化调整主要包括：将平均用户分布角度与工参方位角进行差值计算，若得到的数值为正，则需将扇区天线按该数值顺时针调整；若得到的数值为负，则需将扇区天线按该数值逆时针调整。

对于计划调整的站点，放入googleearth进行地理化呈现，核查调整方案合理性，如方位是否对齐覆盖用户、调整的的角度是否合理、是否会遭到投诉、是否有违背前期规划的原则。若出现上述情况，则不建议调整；若没有出现上述情况，则参考算法的偏角，灵活调整角度。

当计算的调整偏差的绝对值在30°-60°之间的站点，此部分站点调整后效果较好，超过60°的站点建议核查天馈是否有接反，旁瓣信号过强、背瓣覆盖等问题。因此根据步骤s100和s200的计算结果，在一个可选的实施例中，所述s300进一步还包括：若所述差值的绝对值超过60度，则检测天馈、旁瓣信号和背瓣覆盖以确定优化方案。

在具体实施时，进行上述实施例的对天线的优化调整后，需评估调整站点的覆盖率、mr采样点数、各类kpi指标和上下行流量变化差异等，以判断按ott+mr提供的偏角调整后，该小区各项指标是否恶化。若调整后，指标恶化严重(覆盖率下降、mr采样点数减少、kpi指标变化在1％以上或波动较大等)，采样点差异过大，建议择日调回或变更调整方案，利用第二轮的mr大数据进行分析。若调整后有明显效果(覆盖率提升、mr采样点数增加和kpi指标变化在0.5％-1％之内等，改善明显)，同时对周边站点做一轮切换门限的优化，保持信号的连续性。一块区域调整后，需要连片簇优化确保拉网指标优良。

在天线调整取得良好效果后，及时更新天线方位角数据，确保数据的准确性；与此同时，建议通过本案进行周期性的数据分析，及时发现现网天线工参存疑的小区。

综上所述，本发明实施例所述一种基于mr定位数据的天线方位角优化方法，具有如下有益效果：

①以大数据分析的形式，实现了全网天线方位角的普查工作；当前的天线优化技术，要开展全网天线普查，只能以人工的形式，耗时耗力，周期长，通过本案的实施，在基于大数据分析的基础上，只要对存在偏差的小区进行现场核实、修正即可，提升了效率，节省了大量成本，真正实现降本增效。

②以大数据分析的形式，实现了因用户变动引起话务模型变更的优化需求，减少被动优化，提升客户感知。

③方案可推广性强；本发现主要通过算法，在专项组提供的精准mr定位数据基础上，通过大数据分析应用即可实现。

④投入成本微乎其微；只需在当前的网络优化平台进行算法固化即可，无需新增任何设备与系统。

图5示出了本发明实施例基于mr定位数据的天线方位角优化设备的结构示意图。

参照图5，所述设备，包括：处理器(processor)601、存储器(memory)602和总线603；

其中，所述处理器601和存储器602通过所述总线603完成相互间的通信；

所述处理器601用于调用所述存储器602中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：基于特定小区的采样点的mr定位数据与所述特定小区的工参数据，获取所述采样点相对于所述特定小区的方位角；基于所述特定小区的用户电平及各采样点的方位角，获取所述特定小区的用户平均方位角；根据所述用户平均方位角与所述特定小区的工参方位角的差值，调整所述特定小区对应的天线方位角。

本发明另一实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：基于特定小区的采样点的mr定位数据与所述特定小区的工参数据，获取所述采样点相对于所述特定小区的方位角；基于所述特定小区的用户电平及各采样点的方位角，获取所述特定小区的用户平均方位角；根据所述用户平均方位角与所述特定小区的工参方位角的差值，调整所述特定小区对应的天线方位角。

本发明另一实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：基于特定小区的采样点的mr定位数据与所述特定小区的工参数据，获取所述采样点相对于所述特定小区的方位角；基于所述特定小区的用户电平及各采样点的方位角，获取所述特定小区的用户平均方位角；根据所述用户平均方位角与所述特定小区的工参方位角的差值，调整所述特定小区对应的天线方位角。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的基于mr定位数据的天线方位角优化设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。