一种LTE基站天线角度优化方法及装置与流程

本发明涉及无线网络领域、人工智能领域，尤其是一种lte基站天线角度优化方法及装置。

背景技术：

1、当前对lte基站天线角度的优化方法，例如，申请号为2021105243207、发明名称为“优化lte基站方位角的方法、装置及计算设备”的发明专利，以及申请号为2017114944125、发明名称为“天线角度调整方法、装置、设备及介质”的发明专利，一般为依据目标基站及其邻站的相关参数，确定目标基站的新方位角，依据所述新方位角进行目标基站方位角优化。当前的优化方法，运算复杂、计算效率低，且只对天线方位角进行了优化，不能解决弱覆盖、重叠覆盖、越区覆盖等网络结构问题。

技术实现思路

1、有鉴于此，本发明的主要目的在于提供一种lte基站天线角度优化方法及装置，采用极端梯度提升(xgboost)算法从方位角和下倾角两方面，预测重叠环境下lte基站较优的天线角度，提升了计算效率，并能有效降低弱覆盖、重叠覆盖、越区覆盖等网络结构问题的影响。

2、为达到上述目的，一方面，本申请提供了一种lte基站天线角度优化方法，包括：

3、采用xgboost算法，分别训练得到方位角预测模型和下倾角预测模型；

4、获取目标基站的第一特征组数据和第二特征组数据；

5、将第一特征组数据输入方位角预测模型预测方位角；

6、将第二特征组数据和预测出的方位角，输入下倾角预测模型预测下倾角；

7、输出包含预测出的方位角和下倾角的目标基站天线角度优化清单。

8、在一个可能的实现中，所述训练得到预测模型前还包括：

9、获取各基站的历史数据，包含方位角、下倾角、经纬度，以及待筛选特征数据；

10、依据获取的经纬度，利用pandas批量计算各基站的补充特征历史数据。

11、在另一个可能的实现中，所述待筛选特征包括：坐标、覆盖半径、小区可用率、下行小区平均吞叶率、上行干扰平均值、平均ta、ta<312m比例、ta>624m比例、站高、天线挂高、覆盖率、cpu占用率超门限85％的比例、掉线率、lte站间x2同频切换准备成功率、平均看盖距离、平均qci、cpu平均占用率、最大用户数、enodeb寻呼拥塞率、下行弱覆盖比例、e-rab建立成功率、e-rab掉线率、qci＝1无线接通率、上行prb利用率。

12、在另一个可能的实现中，任一基站的所述补充特征包括：补充特征一、补充特征二和补充特征三；其中，

13、距该基站最近的六个基站作为邻站，补充特征一为各邻站与该基站的站间距；补充特征二为各邻站的覆盖半径；补充特征三为各邻站与该基站的连线以该基站为中心沿顺时针方向与正北方向的夹角。

14、在另一个可能的实现中，所述训练得到方位角预测模型包括：

15、分析各待筛选特征与方位角的相关系数，将相关系数绝对值大于预设第一阈值的待筛选特征，作为方位角相关特征；

16、将方位角相关特征、补充特征一、补充特征二和补充特征三划归第一特征组；

17、取历史数据、补充特征历史数据中第一特征组中各特征的数据，作为样本集；

18、基于样本集，训练xgboost算法模型得到方位角预测模型。

19、在另一个可能的实现中，所述第一阈值的取值范围为0.3～1。

20、在另一个可能的实现中，所述训练得到下倾角预测模型包括：

21、分析各待筛选特征与下倾角的相关系数，将相关系数绝对值大于预设第二阈值的待筛选特征，作为下倾角相关特征；

22、将下倾角相关特征、补充特征一和补充特征二划归第二特征组；

23、取历史数据、补充特征历史数据中第二特征组中各特征的数据和方位角，作为样本集；

24、基于样本集，训练xgboost算法模型得到下倾角预测模型。

25、在另一个可能的实现中，所述第二阈值的取值范围为0.3～1。

26、一方面，本申请提供了一种lte基站天线角度优化装置，包括：训练单元、获取单元、第一预测单元、第二预测单元和输出单元；其中，

27、训练单元，用于采用xgboost算法，分别训练得到方位角预测模型和下倾角预测模型；

28、获取单元，用于获取目标基站的第一特征组数据和第二特征组数据；

29、第一预测单元，用于将第一特征组数据输入方位角预测模型预测方位角；

30、第二预测单元，用于将第二特征组数据和预测出的方位角，输入下倾角预测模型预测下倾角；

31、输出单元，用于输出包含预测出的方位角和下倾角的目标基站天线角度优化清单。

技术特征：

1.一种lte基站天线角度优化方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述训练得到预测模型前还包括：

3.根据权利要求2所述的方法，其特征在于，所述待筛选特征包括：坐标、覆盖半径、小区可用率、下行小区平均吞叶率、上行干扰平均值、平均ta、ta<312m比例、ta>624m比例、站高、天线挂高、覆盖率、cpu占用率超门限85％的比例、掉线率、lte站间x2同频切换准备成功率、平均看盖距离、平均qci、cpu平均占用率、最大用户数、enodeb寻呼拥塞率、下行弱覆盖比例、e-rab建立成功率、e-rab掉线率、qci＝1无线接通率、上行prb利用率。

4.根据权利要求3所述的方法，其特征在于，任一基站的所述补充特征包括：补充特征一、补充特征二和补充特征三；其中，

5.根据权利要求4所述的方法，其特征在于，所述训练得到方位角预测模型包括：

6.根据权利要求5所述的方法，其特征在于，所述第一阈值的取值范围为0.3～1。

7.根据权利要求4所述的方法，其特征在于，所述训练得到下倾角预测模型包括：

8.根据权利要求7所述的方法，其特征在于，所述第二阈值的取值范围为0.3～1。

9.一种lte基站天线角度优化装置，其特征在于，包括：训练单元、获取单元、第一预测单元、第二预测单元和输出单元；其中，

技术总结
本发明涉及一种LTE基站天线角度优化方法，所述方法包括：采用极端梯度提升XGBoost算法，分别训练得到方位角预测模型和下倾角预测模型；获取目标基站的第一特征组数据和第二特征组数据；将第一特征组数据输入方位角预测模型预测方位角；将第二特征组数据和预测出的方位角，输入下倾角预测模型预测下倾角；输出包含预测出的方位角和下倾角的目标基站天线角度优化清单。本发明还涉及一种LTE基站天线角度优化装置，该装置包括训练单元、获取单元、第一预测单元、第二预测单元和输出单元。本发明的方法及装置，提升了计算效率，并能有效降低弱覆盖、重叠覆盖、越区覆盖等网络结构问题的影响。

技术研发人员：李永恒,苏展
受保护的技术使用者：杭州东方通信软件技术有限公司
技术研发日：
技术公布日：2024/1/13