基于大数据精准定位干扰源的策略及应用

在长期演进(Long Term Evolution,LTE)网络中,解决干扰问题的关键在于定位干扰源。通过大数据平台中用户上报的上行干扰底噪和位置信息,利用测量报告统计数据(Measurement Report Statistical Data,MRS)分析出干扰原因,并利用测量报告原值(Measurement Report Original,MRO)数据制定出栅格粒度的干扰电平分布图,依据已有的三维地图实现了干扰源精准定位功能。

基于AR技术的天线姿态采集方案研究

随着移动通信技术的快速发展,对于天线方位角、下倾角和挂高等姿态数据的采集需求越来越大。传统人工采集的方法存在工作量大、费时费力且难以保证准确性等问题。提出了一种基于增强现实(Augmented Reality,AR)技术的天线姿态采集方案,通过使用AR技术进行天线姿态的实时显示,实现了对天线姿态数据的高效、准确采集。使用基于特征点提取和匹配姿态估计算法,实现了对天线方位角、下倾角和挂高等姿态数据的自动采集,在保证准确性的同时,减少了人工调整的工作量。实验结果表明,方案能够满足天线姿态自动采集的需求,且具有实时性和高精度等优点。

浅谈基于AI目标识别算法的5G基站安装工艺检测方案

5G基站的安装工艺影响着5G网络运行质量,安装工艺验收是网络建设的重要环节,如何准确、快速地对5G基站进行验收已成为重要课题。提出了一种基于人工智能神经网络目标识别算法的5G基站安装工艺检测方案,方案基于一种单阶段目标检测算法的网络模型,并对该模型的激活函数、损失函数进行优化,提升了整个模型的鲁棒性和检测精度。通过训练后该模型的精度均值达到90%以上,满足实际验收要求。该模型算法在5G基站安装工艺验收有着广阔的应用前景。