基于机器学习和波束配置的5G天线方位角智能优化算法及实践
摘要
随着5G的大规模建设,网络结构和工程参数管理更加复杂,获取现网真实的工程参数往往需要花费大量成本。5G中引入了Massive MIMO技术,提出利用5G波束空间分布的特征,使用大数据机器学习算法,结合基站网管系统的波束配置数据,对现场安装的天线方位角进行测算,获得准确的天线方位数据,通过现场测试验证,算法输出结果准确率高,可大幅度提升了5G网络的运维智能化水平和网络运行效率,有助于网络处于最佳运行状态,是人工智能辅助5G网络优化的一次很好工程尝试。
出处
《广东通信技术》
2024年第4期37-40,49,共5页
Guangdong Communication Technology
二级参考文献25
-
1..http://www.ics.uci.edu/mleam/MLSununary.html,.
-
2MacQueen J.Some methods for classification and analysis of multivariate observations[C]//LeCam L,Neyman J,eds.Proceedings of the Fifth Berkeley Symposium on Mathematics,Statistics and Probability.Berkeley:University of California Press,1967:281-297.
-
3Leonard Kaufman,Peter J Rousseenw.Finding groups in data:An introduction to cluster analysis[M].New York:Wiley Press,2005.
-
4Tan P N,Steinbach M,Kumar V 著,范明,范宏建,等译,数据挖掘导论(Introduction to DataMining).北京:人民邮电出版社,2006.
-
5Ester M,Kriegel H P,Sander J.A density-based algorithm for discovering clusters in large spatial databases with noise[C]//Simoudis E,Hart JW,Fayyad UM,eds.Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining.Portland:AAAI Press,1996:226-231.
-
6Ankerst M,Breunig M M,Kriegcl H P.OPTICS:ordering points to identify the clustering structure[C]//Alex Dells,Christns Faloutscs,Shahram Ghandeharizadeh eds.Proceedings of the ACM SIGMOD'99 lnt Conf on Management of Data.Philadelphia Pennsylvania:ACM Press,1999:49-60.
-
7Hinneburg A,Keim D A.An efficient approach to clustering in large multimedia databases with noise[C]//Rakesh Agrawal,Paul Stolorz,eds.Proceedings of the 4th lnt Conf on Knowledge Discovery and Data Mining.New York:AAAI Press,1998:58-65.
-
8Feng P J,C,e L D.Adaptive DBSCAN-bused algorithm for constellation reconstruction and modulation identification[C]//Keyun Tang,Dayong Lio,eds.Proceedings of Radio Science Conference 2004.Beijing:Pub House of Electronics Industry,2004:177-180.
-
9Halkidi M,Vazirgiannis M.Clustering validity assessment:finding the optimal partitioning of a data set[C]//Nick Cerenne,Tsau Young Lin,Xindeng Wu eds.Prueecdings of the 2001 IEEE International Conference on Data Mining.California:IEEE Computer Society,2001:187-194.
-
10Yue S H,Li P,Guo J D,et al.A statistical information-based clustering approach in distance space[J].Journal of Zhejiang University Science,2005,6A(1):71-78.
共引文献87
-
1蔡岳,袁津生.基于改进DBSCAN算法的文本聚类[J].计算机工程,2011,37(12):50-52. 被引量：20
-
2石崇林,张茂军,吴琳,唐宇波,景民.基于密度的计算机兵棋推演数据快速聚类算法[J].系统工程与电子技术,2011,33(11):2428-2433. 被引量：4
-
3周红芳,王鹏.DBSCAN算法中参数自适应确定方法的研究[J].西安理工大学学报,2012,28(3):289-292. 被引量：42
-
4金保华,林青,赵家明.基于可调整邻域阈值的DBSCAN算法在应急预案分类管理中的应用[J].郑州轻工业学院学报（自然科学版）,2012,27(6):9-13.
-
5陈刚,刘秉权,吴岩.一种基于高斯分布的自适应DBSCAN算法[J].微电子学与计算机,2013,30(3):27-30. 被引量：24
-
6赵文,夏桂书,苟智坚,闫振兴.一种改进的DBSCAN算法[J].四川师范大学学报（自然科学版）,2013,36(2):312-316. 被引量：17
-
7柯尔挺,厉力华,刘伟,徐伟栋,张娟,张凌男,ZHENG Bin.基于视觉感知信息的乳腺钼靶肿块检测分析与自动提取[J].中国生物医学工程学报,2014,31(1):28-36. 被引量：1
-
8伏家云,靖常峰,杜明义.空间密度聚类模式挖掘方法DBSCAN研究回顾与进展[J].测绘科学,2018,43(12):50-57. 被引量：7
-
9鲁飞,王任,翁维波,陈明,涂志龙.DBSCAN算法在无线网络优化中的应用[J].移动通信,2018,42(12):74-79.
-
10郑思源,韩跃峻,辛洁晴.不同代际关系家庭的家电配置偏好度研究[J].现代电力,2018,35(6):47-54. 被引量：1
-
1庞宇,汪洋.一种基于家庭宽带与MR数据的室内无线测量方法[J].无线互联科技,2023,20(20):7-10.
-
2文帅川,古强.5G天线方位角智能纠偏的方法研究与应用[J].长江信息通信,2024,37(1):190-194.
-
3张立新,程行军,周玉,余皓东,胡业芳.6G智慧内生技术——高精度基站天线感知系统技术探讨[J].中国新通信,2024,26(5):31-33.
-
4郭晓光,李晓勇,哈达,赵志强,王雪莲.一种基于大数据的4/5G邻区规划优化方法[J].长江信息通信,2023,36(11):199-203.
-
5刘姗姗,张志鹏,国金莲.超临界二氧化碳发电循环回热器及预冷器方案论证[J].锅炉制造,2024(3):36-37.
-
6沈蕾,梁挺标.长三角城市群物流网络运行效率研究[J].改革与开放,2023(23):1-8.
-
7刘夕源.基于有限体积法的废弃井地热开采数值模拟研究[J].科学技术创新,2024(9):225-228.
-
8窦炳珺,冯国辉,毛馨悦,郑茗旺,丁士龙,徐长节.邻近堆载引起下卧隧道受力变形解析解[J].科技通报,2024,40(4):90-95.
