一种无线网络优化的方法与流程

本发明涉及网络通信技术领域，尤其涉及一种无线网络优化的方法。

背景技术

现有的无线网络优化技术一般是采用人工进行数据传输以及传输参数调整，然而，大数据时代的来临使数据的传输量爆炸式增长。这也让目前的网络优化面临难题，特别是无线网络的优化，传统无线网络优化需要借助专业的设备，通过大规模的路测，统计并分析测试路线上的路测结果，从而分析出网络问题。

常规的路测方式以及优化方法需要使用大量的人力、物力，花费大量的时间对通信基站进行调整和调节，该测试方式不仅被动，而且效率极低。特别的，对于相邻的基站之间信号切换的位置处，信号源的确定以及基站的切换都会受到网络优化问题的影响。

技术实现要素：

有鉴于此，本发明提出了一种能够提高工作效率，降低优化成本，而且能够克服基站之间信号分配问题的无线网络优化的方法。

本发明的技术方案是这样实现的：本发明提供了一种无线网络优化的方法，包括如下步骤：

步骤一、路测终端上传路测区域的位置信息给网络优化器，网络优化器通过位置信息判断该位置的最优通信基站并将最优通信基站信息发送给路测终端；

步骤二、路测终端将该位置的路测结果发送给网络优化器，网络优化器根据路测结果获得一个参数反馈信息，网络优化器根据参数反馈信息对步骤一中最优通信基站的参数进行调整。

在以上技术方案的基础上，优选的，所述网络优化器包括接收模块、发送模块、神经学习模块和存储模块；

所述接收模块用于接收路测终端以及通信基站的数据信息；

所述发送模块用于发送数据信息给给路测终端以及通信基站；

所述神经学习模块分别与接收模块、发送模块和存储模块电性连接，所述神经学习模块通过人工神经网络对接收模块接收到的位置信息、路测结果进行关联学习并形成位置信息-路测结果的优化数据集，所述优化数据集存储在存储模块中。

在以上技术方案的基础上，优选的，所述网络优化器的工作方式包括：所述路测终端的位置信息、路测结果的数据信息发送给网络优化器的接收模块，接收模块将数据信息发送给神经学习模块，所述神经学习模块是人工神经网络系统，利用人工神经网络对数据信息进行学习归纳，并获得优化数据集，优化数据集存储在存储模块中，当需要进行网络优化时，神经学习模块根据接收到的数据信息对存储的优化数据集进行调用，并获得对应的参数反馈信息，参数反馈信息通过发送模块发送给通信基站，通信基站对通信的参数进行修改。

在以上技术方案的基础上，优选的，每个通信基站对应一个优化数据集，所述优化数据集是位于该通信基站的通信范围内的各个位置处的通信参数集合。

在以上技术方案的基础上，优选的，步骤一中所述位置信息为路测终端所在位置在地图的全局坐标系中的坐标。

在以上技术方案的基础上，优选的，所述判断最优通信基站的方法是计算路测终端与相邻的通信基站之间的距离，利用通信基站在全局坐标系中的坐标与路测终端的坐标进行计算，距离最短的通信基站就是最优通信基站。

在以上技术方案的基础上，优选的，当距离路测终端最短的通信基站数量不少于两个时，路测终端同时对具有相同最短距离的通信基站发送测试信息，根据不同通信基站对相同测试信息的反馈信息强度确定最优通信基站，具有最强反馈信息的通信基站为最优通信基站。

在以上技术方案的基础上，优选的，步骤二中所述路测结果的获得方式包括：路测终端同时采用多组不同的发射功率以及发射频率对最优通信基站发送信号，最优通信基站对具有不同发射功率和不同发射频率的信号反馈多组具有不同功率和不同频率的反馈信号，将每一组具有特定发射功率和发射频率的发射信号与具有特定发射功率和发射频率的反馈信号想匹配，并整理成数据包，所述数据包就是路测结果。

本发明的一种无线网络优化方法相对于现有技术具有以下有益效果：

(1)本发明的技术方案利用网络优化器对路测数据进行处理并利用网络优化器对通信基站进行参数调节，省去了人工调节的繁琐步骤，其次本发明中利用具有深度学习能力的神经网络模块对路测数据以及调节参数进行学习，获得优化数据集，通过一次路测就可以直接将通信基站的参数调节至较优值，避免了常规无线网络优化过程中的多次调节与路测过程，且利用一个通信基站或有限数量的通信基站的优化数据集就可以直接应用于其他的通信基站的无线网络优化，大大提高了无线网络优化的效率，降低了优化的成本；

(2)本发明还将处于相邻基站之间的通信点进行区分归纳，精确管控每一个通信点的基站分配，避免出现在基站转换位置处信号缺失。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的无线网络优化方法的流程图；

图2为本发明的网络优化器的结构示意图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

如图1所示，本发明的一种该无线网络优化的方法，具体流程包括：

路测终端对路测点进行坐标定位，并将定位坐标发送给网络优化器；

网络优化器根据路测终端的定位坐标以及路测终端附近的通信基站的坐标进行距离计算，判断距离最近的通信基站；

若距离最近的通信基站有且仅有一个，路测终端则向该通信基站发送多组具有不同频率不同功率的测试信号，通信基站对每一个具有特定频率和特定功率的信号进行反馈，反馈的信号也具有特定的频率和功率。

以上采用一次发送多组测试信号是为了确认通信基站在对于该点的位置应该发送哪种属性的信号，因此路测终端以及通信基站都会采用多组信号一起发送。

路测终端在接收到反馈信号后将发送的信号与反馈的信号相互关联，具有相同频率和功率信息的发送信号和反馈信号作为一个信号组，对每个信号组以及在该位置处的坐标信息进行打包整合，再通过路测终端发送给网络优化器，网络优化器利用神经学习模块对打包的数据进行深度学习，并形成优化数据集。

最后网络优化器利用包括位置信息-路测信息的优化数据集对该通信基站进行参数调整，具体的，网络优化器利用不同的位置信息、路测信息进行学习，并计算每一个对应位置信息处，同时具有最低发送功率和最高信息强度的基站参数，该参数即为基站的最优参数，综合不同位置的最优参数，总结出具有实适用性最广泛的参数，利用该参数对通信基站进行调节。

若距离路测终端具有相同距离的通信基站具有多个，则路测终端同时对多个通信基站发送信号，利用多个通信基站的相同反馈信号的强度进行对比，反馈信号的强度最高的通信基站作为距离最近的通信基站。

如图2所示，网络优化器的工作流程包括：接收模块接收来自路测终端以及通信基站的数据信息，并将数据信息传递给神经学习模块，神经学习模块通过深度学习将来自路测终端的位置信息、路测信息以及来自通信基站的参数反馈信息进行关联和深度学习，最终获得优化数据集，通过优化数据集对输入的位置信息和路测信息反馈一个最优的基站输出参数信息，该信息被发送至路测终端以及通信基站，通信基站通过该参数信息对基站进行参数调整。

在一具体实施例中，网络优化器还可以综合利用多个通信基站的优化数据集进行深度学习。

在一具体实施例中，可以将最近的通信基站作为相对坐标系的原点，来计算路测终端的坐标以及相对通信基站的距离。

在一具体实施例中，对具有类似地形的通信基站的优化数据集进行合并，并在神经学习模块中再次深度学习，最终得到合并优化数据集，合并优化数据集在具有类似地形的通信基站中可以直接应用。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，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。