基于异构图神经网络的频谱覆盖地图构建方法及装置与流程

本技术涉及通信，尤其涉及基于异构图神经网络的频谱覆盖地图构建方法及装置。

背景技术：

1、智能网络优化是指同时对大规模基站天线进行调整与优化，以确保优化后的网络具备较高的性能。智能网络优化的核心在于对大规模基站进行智能调参，并对参数调整后的网络覆盖进行预测，其中网络覆盖预测是对参数调整性能的重要反馈。

2、在相关技术中，网络覆盖预测的过程首先涉及对部分目标区域的栅格进行路测，以获得波束空间的参考信号接收功率（reference signal receiving power, rsrp）对应的测量数据，从而根据测量数据得到频谱覆盖情况。然后，使用本地化统计信道建模技术在三维空间中构建每个传输路径的角度功率谱（angular power spectrum, aps）的统计参数。当基站天线的下倾角、方位角等工程参数发生变化时，可以通过推测的aps和修改后的天线系数矩阵相乘，来预测天线参数调整后的rsrp。然而，这种方法一方面预测结果精度有限，另一方面无法预测未经路测区域的网络覆盖情况。

技术实现思路

1、本技术实施例的主要目的在于提出基于异构图神经网络的频谱覆盖地图构建方法及装置，提升网络覆盖预测的计算准确性，以及提高网络覆盖预测的作用范围。

2、为实现上述目的，本技术实施例的第一方面提出了一种基于异构图神经网络的频谱覆盖地图构建方法，包括：获取目标基站的基站通信参数和多个目标栅格的栅格位置数据；

3、连接所述目标基站和所述目标栅格，基于所述栅格位置数据，连接位于预设距离内的不同的所述目标栅格，根据连接关系生成邻接矩阵；

4、根据所述基站通信参数得到基站节点特征，根据所述栅格位置数据得到栅格节点特征，并根据所述基站节点特征和所述栅格节点特征得到通信节点特征；

5、将所述通信节点特征和所述邻接矩阵输入预先训练好的图神经网络模型进行数值预测，得到所述目标基站的波束空间在每个所述目标栅格上的参考信号预测接收功率，基于所述参考信号预测接收功率构建频谱覆盖地图。

6、在一些实施例，所述根据所述栅格位置数据得到栅格节点特征，包括：

7、如果获取到所述目标栅格的角度功率谱，根据所述栅格位置数据和所述角度功率谱得到所述栅格节点特征；

8、否则根据所述栅格位置数据得到栅格节点特征。

9、在一些实施例，所述图神经网络模型的训练过程包括以下步骤：

10、获取测试区域内每个测试栅格的测试数据、栅格位置参数以及测试基站的基站通信样本数据，从所述测试数据中获取所述测试栅格的主服务基站对应的最大波束参考信号接收功率作为样本标签；

11、根据所述基站通信样本数据中基站编号和所述测试数据中基站标识符确定每个所述测试基站的相关栅格，根据所述栅格位置参数确定所述相关栅格的邻近栅格，生成所述测试基站、所述相关栅格和所述邻近栅格的连接关系图；

12、根据所述基站通信样本数据和所述栅格位置参数得到节点特征数据；

13、将所述节点特征数据和所述连接关系图输入图神经网络模型进行数值预测，得到每个所述测试栅格对应的样本预测数据；

14、根据所述样本预测数据和所述样本标签计算损失值，基于所述损失值调整所述图神经网络模型，直至达到迭代终止条件，得到训练好的所述图神经网络模型。

15、在一些实施例，所述从所述测试数据中获取所述测试栅格的主服务基站对应的最大波束参考信号接收功率作为样本标签，包括：

16、从所述测试数据中获取至少一个解调参考信号的信号强度，选取所述信号强度最大的基站作为所述主服务基站；

17、从所述测试数据中选取所述主服务基站的所有波束参考信号接收功率，选取所述波束参考信号接收功率的最大值作为所述最大波束参考信号接收功率。

18、在一些实施例，所述根据所述基站通信样本数据和所述栅格位置参数得到节点特征数据，包括：

19、根据所述基站通信样本数据得到基站样本特征；

20、根据所述测试数据和对应的所述主服务基站的所述基站通信样本数据计算所述测试栅格的角度功率谱估计值；

21、如果所述角度功率谱估计值有效，根据所述角度功率谱估计值和所述栅格位置参数得到栅格样本特征，否则根据所述栅格位置参数得到所述栅格样本特征；

22、根据所述基站样本特征和所述栅格样本特征得到所述节点特征数据。

23、在一些实施例，所述根据所述测试数据和对应的所述主服务基站的所述基站通信样本数据计算所述测试栅格的角度功率谱估计值，包括：

24、根据所述基站通信样本数据得到所述主服务基站的天线系数矩阵；

25、从所述测试数据中获取所述主服务基站的所有波束参考信号接收功率；

26、根据所述波束参考信号接收功率和所述天线系数矩阵进行压缩感知计算，得到所述角度功率谱估计值。

27、在一些实施例，所述将所述节点特征数据和所述连接关系图输入图神经网络模型进行数值预测，得到每个所述测试栅格对应的样本预测数据，包括：

28、基于所述连接关系图获取每个节点存在连接关系的相邻节点；

29、利用图注意力层计算每个节点的所述节点特征数据相对于所述相邻节点的所述节点特征数据的特征权重；

30、基于所述特征权重对所述相邻节点的所述节点特征数据进行加权，得到每个节点对应的聚合特征数据，并利用全连接层计算所述聚合特征数据对应的样本预测数据。

31、为实现上述目的，本技术实施例的第二方面提出了一种基于异构图神经网络的频谱覆盖地图构建装置，包括：

32、数据获取模块：用于获取目标基站的基站通信参数和多个目标栅格的栅格位置数据；

33、连接关系生成模块：用于连接所述目标基站和所述目标栅格，基于所述栅格位置数据，连接位于预设距离内的不同的所述目标栅格，根据连接关系生成邻接矩阵；

34、特征提取模块：用于根据所述基站通信参数得到基站节点特征，根据所述栅格位置数据得到栅格节点特征，并根据所述基站节点特征和所述栅格节点特征得到通信节点特征；

35、预测模块：用于将所述通信节点特征和所述邻接矩阵输入预先训练好的图神经网络模型进行数值预测，得到所述目标基站的波束空间在每个所述目标栅格上的参考信号预测接收功率，基于所述参考信号预测接收功率构建频谱覆盖地图。

36、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

37、为实现上述目的，本技术实施例的第四方面提出了一种存储介质，所述存储介质为存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

38、本技术实施例提出的基于异构图神经网络的频谱覆盖地图构建方法及装置，获取目标基站的基站通信参数和多个目标栅格的栅格位置数据，连接目标基站和目标栅格，基于栅格位置数据连接位于预设距离内的不同的目标栅格，根据连接关系生成邻接矩阵，根据基站通信参数得到基站节点特征，根据栅格位置数据得到栅格节点特征，并根据基站节点特征和栅格节点特征得到通信节点特征，最后将通信节点特征和邻接矩阵输入预先训练好的图神经网络模型进行数值预测，得到目标基站的波束空间在每个目标栅格上的参考信号预测接收功率，基于参考信号预测接收功率构建频谱覆盖地图。本技术实施例训练图神经网络模型来进行数据预测，结合基站的通信参数和栅格的位置数据来获取相应的节点特征。然后基于基站与栅格之间的连接关系，使用邻接矩阵来表示节点之间的相关性。在预测过程中会同时考虑节点特征和相关性。与相关技术中通过路测过程中计算得到的aps和改变后的天线系数矩阵直接相乘的方法相比，这种方法提高了计算准确度。此外在应用过程中，无需依赖路测数据，仅需要根据目标栅格的位置数据即可进行预测，从而扩大了网络覆盖预测的应用范围。

技术特征：

1.一种基于异构图神经网络的频谱覆盖地图构建方法，其特征在于，包括：

2.根据权利要求1所述的基于异构图神经网络的频谱覆盖地图构建方法，其特征在于，所述根据所述栅格位置数据得到栅格节点特征，包括：

3.根据权利要求1所述的基于异构图神经网络的频谱覆盖地图构建方法，其特征在于，所述图神经网络模型的训练过程包括以下步骤：

4.根据权利要求3所述的基于异构图神经网络的频谱覆盖地图构建方法，其特征在于，所述从所述测试数据中获取所述测试栅格的主服务基站对应的最大波束参考信号接收功率作为样本标签，包括：

5.根据权利要求3所述的基于异构图神经网络的频谱覆盖地图构建方法，其特征在于，所述根据所述基站通信样本数据和所述栅格位置参数得到节点特征数据，包括：

6.根据权利要求5所述的基于异构图神经网络的频谱覆盖地图构建方法，其特征在于，所述根据所述测试数据和对应的所述主服务基站的所述基站通信样本数据计算所述测试栅格的角度功率谱估计值，包括：

7.根据权利要求3所述的基于异构图神经网络的频谱覆盖地图构建方法，其特征在于，所述将所述节点特征数据和所述连接关系图输入图神经网络模型进行数值预测，得到每个所述测试栅格对应的样本预测数据，包括：

8.一种基于异构图神经网络的频谱覆盖地图构建装置，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于异构图神经网络的频谱覆盖地图构建方法。

10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于异构图神经网络的频谱覆盖地图构建方法。

技术总结
本申请实施例提供基于异构图神经网络的频谱覆盖地图构建方法及装置，涉及通信技术领域。获取基站通信参数和栅格位置数据，生成目标基站、目标栅格和相邻栅格之间的邻接矩阵，根据基站节点特征和栅格节点特征得到通信节点特征，将通信节点特征和邻接矩阵输入图神经网络模型进行数值预测，得到目标基站的波束空间在每个目标栅格上的参考信号预测接收功率，得到频谱覆盖情况。结合基站的通信参数和栅格的位置数据获取相应的节点特征，使用邻接矩阵表示节点的相关性，在预测过程中同时考虑节点特征和相关性，提高计算准确度。无需依赖路测数据，仅需要根据目标栅格的位置数据即可进行预测，从而扩大网络覆盖预测的应用范围。

技术研发人员：李宵杰,李昕昊,朱光旭,韩凯峰,戚楠,史清江
受保护的技术使用者：深圳市大数据研究院
技术研发日：
技术公布日：2024/9/23