欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018105661494
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于数据挖掘的低功耗广域网网络规划方法,其特征在于:获取低功耗广域网网络的实测数据,以覆盖目标出发,综合考虑网络产生弱覆盖的影响因素,利用提升回归树方法建立了信号质量预测模型,用于提取网络的覆盖分布空间模式;然后,把基站位置的选择当作基于覆盖分布空间模式的加权问题进行处理,运用加权K‑centroids分簇方法得到适应当前模式的最优基站部署;最后,根据总目标函数判定得到最终的基站拓扑;包括以下步骤:

步骤1,根据网络规划的覆盖目标,采集各个LPWAN网络基站的实测数据,实测数据包括基站基本信息数据、终端测试点数据以及相应的地理位置数据;

步骤2,对步骤1采集的实测数据进行预处理,从预处理好的数据提取出影响信号覆盖质量的特征信息,该特征信息包括选定基站位置B_loc、基站高度B_alt、基站功率B_power、天线挂高A_height和终端位置P_loc;

xk=B_lock,B_altk,B_powerk,A_heightk,P_lock;

其中,xk表示特征信息;

步骤3,利用提升回归树模型对处理后的网络数据进行训练,以最小化损失函数为目标,得到信号质量预测模型,用于预测当前基站部署下的网络覆盖情况;

提升回归树模型用M棵决策树的加法模型表示:其中,每棵树T(x;γ)表示为:

式中,fM(x)表示提升回归树模型,参数γ={(R1,c1),(R2,c2),...,(RJ,cJ)}代表每棵树在输入变量集上的区域划分R1,R2,...,RJ和在相应区域上的常数c1,c2,...,cJ,J是决策树的叶子节点树,I为指示函数,I(x∈Rj)表示当x∈Rj时I为1,否则为0;

提升回归树模型采用前向分步方法,通过优化如下损失函数学习每棵树的参数:式中的损失函数采用平方误差,即样本的预测值和实际值差的平方和:2

L(yi,fm‑1(xi)+T(xi;γm))=(yi‑fm‑1(xi)‑T(xi;γm))其中,表示每棵树的参数,N表示样本的总数,yi表示样本的实际值,fm‑1(xi)表示当前的提升回归树模型,T(xi;γm)表示下一棵决策树模型,em=yi‑fm‑1(xi)是利用当前模型fm‑1(xi)拟合数据时导致的残差,所以利用提升回归树模型方法解决回归问题时,就只需要对每次模型拟合的残差进行拟合即可;

步骤4,根据步骤3所得的网络覆盖情况,把基站位置的选择当作基于覆盖分布空间模式的加权问题进行处理,采用加权K‑centroids分簇方法得到适应当前覆盖情况的最优基站部署;

加权K‑centroids分簇方法的输入包括n个终端数据点位置集合P={p1,p2,...,pn}和初始的基站位置集合B={b1,b2,...,bk};把当前的基站位置和数量作为聚类的初始化参数,即簇的初始化中心和聚簇数目,以归一化距离作为判定数据点归属于哪一个簇中,定义从属函数f(bj|pi):

根据从属函数f(bj|pi)将数据点pi分配进离其最近的基站位置bj所在的簇中;

分配好数据点以后,对站址的位置进行迭代调节,用从属函数f(bj|pi)来表示距离影响度,对于覆盖权重来说,根据上一阶段中得到的覆盖分布空间模式,对于每个数据点产生相应的覆盖权重值w(pi),结合从属函数f(bj|pi)和覆盖权重值w(pi),得到簇中心位置的迭代公式:

当基站位置bj不再发生变化时候,结束迭代,得到最佳的簇中心位置即基站站址;

步骤5,利用总目标函数判定步骤4所获取的是否为最优的基站拓扑;如果是,则得到了最终的基站拓扑;如果不是,继续利用所述步骤3中的信号质量预测模型对所述步骤4得到的基站部署进行信号覆盖质量预测,再应用加权K‑centroids分簇方法进行基站位置调节,直到总目标函数值达到最小值;

整个规划过程的总目标函数:

上式中yi代表在某点利用提升回归树模型方法预测出的覆盖强弱值RSSI, 是理论上满足覆盖要求所要达到的信号良好覆盖阈值, 表示区域中信号质量值低于阈值的测试点。

2.根据权利要求1 所述基于数据挖掘的低功耗广域网网络规划方法,其特征在于:步骤1中采集M个LPWAN网络基站的实测数据,M取非0整数。

3.根据权利要求2所述基于数据挖掘的低功耗广域网网络规划方法,其特征在于:所述步骤5中当总目标函数值达到最小值时,将处理结果存入知识库中,完善知识数据库。