基于用户数据实现天线方位角纠偏的方法

准确的工参是网络优化的基础,本文提出了一种多数据源的工参清洗的机器学习方法,文中利用五种算法对用户数据进行分析,得出小区的预测方位角,可以快速发现天线覆盖异常的问题,为网络智能化运维平台自动更新工参提供强有力的技术支撑。经过国内某地市的试验,结果表明该方法有较高的准确性,能够快速准确地预测天线方位角。

基于终端采样数据AOA的方位角预测方法研究

方位角作为最重要的天线参数,目前主要通过人工勘测获得,耗时耗力,还存在一定安全隐患,无法满足网络优化工作的高效进行。本文提出一种基于网络终端采样数据AOA(信号到达角度)的方位角自动化预测方法,在福建省宁德市随机抽取256个样本小区,利用MDT(最小化路测)数据、资管工参,建立终端上报的AOA、用户经纬度和基站经纬度之间的数学关系模型,实现天线方位角的自动化实时预测,并利用AOA偏差指标实现高精度预测小区筛选。将预测结果与人工勘测方位角进行比较发现:(1)此方法可以高效实现天线方位角的准确预测,10°、20°和30°内预测精度分别为65.23%、85.55%和92.97%;(2)高精度筛选效果较好,筛选精度较高,筛选数量也很可观。