天线权值配置方法、装置、电子设备以及存储介质与流程

1.本技术涉及通信技术领域，尤其涉及一种天线权值配置方法、装置、电子设备以及存储介质。


背景技术：

2.随着通信技术的发展，5g(5th generation mobile communication technology，第五代移动通信技术)技术的应用越来越普及。在5g通信架构中，可以采用massive mimo天线技术，即大规模天线技术来接收以及发送信号。
3.现有技术中，针对不同的应用场景，各个无线设备厂家可以配置不同的天线权值，来达到天线覆盖最优的目的。
4.然而，在进行天线权值配置时，一般需要人工进行大量的路测以及现场勘查环境情况，进而尝试找到最优的5g基站单个扇区的天线权值，既费时费力，又过于依赖人工的工作经验，主观性强，进而影响了天线的传输效果。


技术实现要素：

5.本技术提供一种天线权值配置方法、装置、电子设备以及存储介质，以提高天线的传输效果。
6.第一方面，本技术提供一种天线权值配置方法，包括：
7.获取采集设备采集的场景图像，其中，所述场景图像为待配置天线在预设区域内对应的图像；
8.将所述场景图像输入至预训练的场景识别模型中进行识别，得到第一场景识别结果；
9.根据预存的场景与天线权值对应表确定所述第一场景识别结果对应的第一天线权值信息；
10.根据所述第一天线权值信息对所述待配置天线进行配置。
11.可选的，在所述根据所述第一天线权值信息对所述待配置天线进行配置之后，还包括：
12.每隔预设时长重新获取所述采集设备采集的新的场景图像；
13.将所述新的场景图像输入至所述场景识别模型中进行识别，得到第二场景识别结果；
14.判断所述第二场景识别结果与所述第一场景识别结果是否一致；
15.若一致，则生成并发送识别结果一致提示至运维人员对应的终端设备。
16.可选的，所述方法还包括：
17.若不一致，则根据预存的场景与天线权值对应表确定所述第二场景识别结果对应的第二天线权值信息；
18.根据所述第二天线权值信息对所述待配置天线重新进行配置。
19.可选的，在所述获取采集设备采集的场景图像之前，还包括：
20.获取场景训练图像集，其中，所述场景训练图像集中包含多组场景训练图像以及对应的场景名称；
21.将所述多组场景训练图像以及对应的场景名称输入至神经网络中进行训练，得到场景识别模型。
22.可选的，所述将所述多组场景训练图像以及对应的场景名称输入至神经网络中进行训练，得到场景识别模型，包括：
23.将所述多组训练场景图像进行归一化处理，得到预设规格的训练场景图像；
24.将所述预设规格的训练场景图像以及对应的场景名称输入至神经网络中进行训练，得到场景识别模型，其中，所述神经网络模型中包含三层卷积层以及三层全连接层。
25.可选的，所述获取采集设备采集的场景图像，包括：
26.获取天线姿态监控设备采集的每个扇区正前方的场景图像。
27.可选的，在所述获取采集设备采集的场景图像之前，还包括：
28.获取不同的场景，以及各个场景对应的天线权值信息；
29.将各个不同的场景对应的天线权值信息与场景对应进行存储，得到场景与天线权值对应表。
30.第二方面，本技术提供一种天线权值配置装置，包括：
31.获取模块，用于获取采集设备采集的场景图像，其中，所述场景图像为待配置天线在预设区域内对应的图像；
32.处理模块，用于将所述场景图像输入至预训练的场景识别模型中进行识别，得到第一场景识别结果；
33.所述处理模块，还用于根据预存的场景与天线权值对应表确定所述第一场景识别结果对应的第一天线权值信息；
34.所述处理模块，还用于根据所述第一天线权值信息对所述待配置天线进行配置。
35.第三方面，本技术提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
36.所述存储器存储计算机执行指令；
37.所述处理器执行所述存储器存储的计算机执行指令，实现如上第一方面以及第一方面各种可能的设计所述的天线权值配置方法。
38.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的天线权值配置方法。
39.第五方面，本技术提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上第一方面以及第一方面各种可能的设计所述的天线权值配置方法。
40.本技术提供了一种天线权值配置方法、装置、电子设备以及存储介质，采用上述方案后，可以先获取采集设备采集的场景图像，然后将该场景图像输入至预训练的场景识别模型中进行识别，得到第一场景识别结果，再根据预存的场景与天线权值对应表确定第一场景识别结果对应的第一天线权值信息，并根据第一天线权值信息对待配置天线进行配
置，通过依靠场景识别模型来对采集的场景图像自动进行识别，进而确定待配置天线对应的天线权值信息的方式，既节省了人力物力，也提高了对天线权值配置的客观性与准确性，进而提高了天线的传输效果。
附图说明
41.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
42.图1为本技术实施例提供的天线权值配置方法的应用系统的架构示意图；
43.图2为本技术实施例提供的天线权值配置方法的流程示意图；
44.图3为本技术另一实施例提供的天线权值配置方法的流程示意图；
45.图4为本技术实施例提供的天线权值配置装置的结构示意图；
46.图5为本技术实施例提供的电子设备的硬件结构示意图。
具体实施方式
47.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
48.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例还能够包括除了图示或描述的那些实例以外的其他顺序实例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
49.现有技术中，天线可能应用在不同的场景中，且针对不同的场景，各个无线设备厂家可以配置不同的天线权值，例如，水平波宽、垂直波宽等，来达到天线覆盖最优的目的。然而，在进行天线权值配置时，一般需要人工进行大量的路测以及现场勘查环境情况，进而尝试找到最优的5g基站单个扇区的天线权值，既费时费力，又过于依赖人工的工作经验，主观性强，此外，在环境产生变化时，例如建筑物拆迁，新盖建筑物等情况时，也无法及时的对天线权值进行优化调整，进而降低了天线权值配置的准确性。
50.基于上述技术问题，本技术通过依靠场景识别模型来对采集的场景图像自动进行识别，进而确定待配置天线对应的天线权值信息的方式，达到了既节省了人力物力，又提高了对天线权值配置的客观性与准确性，进而提高了天线的传输效果的技术效果。
51.图1为本技术实施例提供的天线权值配置方法的应用系统的架构示意图，如图1所示，所述应用系统包括：服务器101、采集设备102以及天线103，采集设备102用于采集天线103预设区域内的图像，即场景图像。示例性的，采集设备102可以采集天线103正前方的图
像。采集设备102采集到场景图像之后，可以将场景图像发送至服务器101，服务器101中部署有预先训练好的场景识别模型，可以对场景图像进行识别，得到场景识别结果，然后服务器可以根据该场景识别结果进一步进行处理，最终实现对天线权值的配置。
52.另外，待配置天线可以为一个或多个。
53.其中，采集设备102可以为天线姿态监控设备，示例性的，可以为天线姿态测试仪。
54.下面以具体地实施例对本技术的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
55.图2为本技术实施例提供的天线权值配置方法的流程示意图，本实施例的方法可以由服务器101执行。如图2所示，本实施例的方法，可以包括：
56.s201：获取采集设备采集的场景图像，其中，场景图像为待配置天线在预设区域内对应的图像。
57.在本实施例中，为了提高天线的传输效果，对于不同的应用场景可以为天线配置不同的权值，因此，在为天线配置权值之前，可以先确定天线对应的应用场景。具体的，可以通过识别图像的方式来确定天线对应的应用场景。即可以先获取采集设备采集的待配置天线在预设区域内对应的场景图像，然后根据该场景图像确定待配置天线对应的场景。
58.进一步的，获取采集设备采集的场景图像，具体可以包括：
59.获取天线姿态监控设备采集的每个扇区正前方的场景图像。
60.具体的，采集设备可以为天线姿态监控设备，预设区域可以为待配置天线所在的扇区正前方的区域，示例性的，可以为正前方5-10米中的任意范围，通过采集待配置天线正前方区域的场景图像，提高了图像的清晰度，进而提高了后续场景识别的准确性。
61.s202：将场景图像输入至预训练的场景识别模型中进行识别，得到第一场景识别结果。
62.在本实施例中，在得到场景图像之后，可以直接将场景图像输入至预先训练好的场景识别模型中进行识别，得到该场景图像对应的第一场景识别结果。
63.其中，第一场景识别结果中包含该场景图像对应的场景。示例性的，表1为场景分类表，在表1中记载有不同的场景分类情况。
64.表1 场景分类表
[0065][0066][0067]
s203：根据预存的场景与天线权值对应表确定第一场景识别结果对应的第一天线权值信息。
[0068]
在本实施例中，服务器中预先存储有场景与天线权值对应表，在得到第一场景识别结果之后，即可根据预存的场景与天线权值对应表确定该第一场景识别结果对应的第一天线权值信息。
[0069]
示例性的，表2为场景与天线权值信息对应表，在表2中具体记载了不同的场景对应的天线权值信息。其中，天线权值可以为水平3db波宽、水平波束数量以及垂直3db波宽。
[0070]
表2 场景与天线权值信息对应表
[0071][0072][0073]
此外，在获取采集设备采集的场景图像之前，所述方法还可以包括：
[0074]
获取不同的场景，以及各个场景对应的天线权值信息。
[0075]
将各个不同的场景对应的天线权值信息与场景对应进行存储，得到场景与天线权值对应表。
[0076]
具体的，场景与天线权值对应表可以存储在本地数据库中，也可以存储于远端服务器中。
[0077]
s204：根据第一天线权值信息对待配置天线进行配置。
[0078]
在本实施例中，在得到第一天线权值信息之后，即可以根据第一天线权值信息对天线进行权值配置，进而通过配置好的天线来发送或者接收信号，以实现相关业务。
[0079]
采用上述方案后，可以先获取采集设备采集的场景图像，然后将该场景图像输入至预训练的场景识别模型中进行识别，得到第一场景识别结果，再根据预存的场景与天线权值对应表确定第一场景识别结果对应的第一天线权值信息，并根据第一天线权值信息对待配置天线进行配置，通过依靠场景识别模型来对采集的场景图像自动进行识别，进而确定待配置天线对应的天线权值信息的方式，既节省了人力物力，也提高了对天线权值配置的客观性与准确性，进而提高了天线的传输效果。
[0080]
基于图2的方法，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。
[0081]
图3为本技术另一实施例提供的天线权值配置方法的流程示意图，如图3所示，在根据所述第一天线权值信息对所述待配置天线进行配置之后，所述方法还包括：
[0082]
s301：每隔预设时长重新获取采集设备采集的新的场景图像。
[0083]
s302：将新的场景图像输入至场景识别模型中进行识别，得到第二场景识别结果。
[0084]
s303：判断第二场景识别结果与第一场景识别结果是否一致。
[0085]
s304：若一致，则生成并发送识别结果一致提示至运维人员对应的终端设备。
[0086]
在本实施例中，为了提高天线权值配置的准确性，可以每隔预设时长重新获取一次待配置天线对应的场景图像，确定该待配置天线对应的场景是否发生变化，若没有发生变化，则可以生成并发送识别结果一致提示至运维人员对应的终端设备，以提醒运维人员待配置天线对应的场景没有发生变化，可维持当前天线权值信息。
[0087]
其中，预设时长可以为每天、每周或其他时长，可以根据实际应用场景自定义进行设置，在此不再详细进行限定。
[0088]
另外，所述方法还可以包括：
[0089]
若不一致，则根据预存的场景与天线权值对应表确定所述第二场景识别结果对应的第二天线权值信息。
[0090]
根据所述第二天线权值信息对所述待配置天线重新进行配置。
[0091]
在本实施例中，若重新确定的待配置天线对应的场景与先前确定的不一致，则可以根据新确定的场景确定新的第二天线权值信息，并根据第二天线权值信息对待配置天线重新进行配置，以实现天线权值的自动优化。
[0092]
此外，在另一实施例中，在获取采集设备采集的场景图像之前，所述方法还可以包括：
[0093]
获取场景训练图像集，其中，所述场景训练图像集中包含多组场景训练图像以及对应的场景名称。
[0094]
将所述多组场景训练图像以及对应的场景名称输入至神经网络中进行训练，得到场景识别模型。
[0095]
在本实施例中，在对场景识别模型进行训练的过程中，可以先获取场景训练图像集，然后根据获取的场景训练图像集对神经网络进行训练，得到场景识别模型，示例性的，神经网络可以为卷积神经网络。
[0096]
其中，在获取场景训练图像集时可以利用天线姿态监控设备采集5g基站每个扇区正前方的图片，然后再随机挑选预设数量张图片，人工打上场景标签。其中，预设数量可以根据实际应用场景进行设置，示例性的，可以为1-2万张。
[0097]
进一步的，将所述多组场景训练图像以及对应的场景名称输入至神经网络中进行训练，得到场景识别模型，具体可以包括：
[0098]
将所述多组训练场景图像进行归一化处理，得到预设规格的训练场景图像。
[0099]
将所述预设规格的训练场景图像以及对应的场景名称输入至神经网络中进行训练，得到场景识别模型，其中，所述神经网络模型中包含三层卷积层以及三层全连接层。
[0100]
在本实施例中，归一化处理可以将图像处理为规格均为100*100，3个通道的图像。
[0101]
此外，场景识别模型停止训练的准确率可以设置为85％-90％中的任意值。
[0102]
基于同样的思路，本说明书实施例还提供了上述方法对应的装置，图4为本技术实施例提供的天线权值配置装置的结构示意图，如图4所示，本实施例提供的装置，可以包括：
[0103]
获取模块401，用于获取采集设备采集的场景图像，其中，所述场景图像为待配置天线在预设区域内对应的图像。
[0104]
在本实施例中，所述获取模块401，还用于：
[0105]
获取天线姿态监控设备采集的每个扇区正前方的场景图像。
[0106]
处理模块402，用于将所述场景图像输入至预训练的场景识别模型中进行识别，得到第一场景识别结果。
[0107]
所述处理模块402，还用于根据预存的场景与天线权值对应表确定所述第一场景识别结果对应的第一天线权值信息。
[0108]
所述处理模块402，还用于根据所述第一天线权值信息对所述待配置天线进行配置。
[0109]
采用上述方案后，可以先获取采集设备采集的场景图像，然后将该场景图像输入至预训练的场景识别模型中进行识别，得到第一场景识别结果，再根据预存的场景与天线权值对应表确定第一场景识别结果对应的第一天线权值信息，并根据第一天线权值信息对待配置天线进行配置，通过依靠场景识别模型来对采集的场景图像自动进行识别，进而确定待配置天线对应的天线权值信息的方式，既节省了人力物力，也提高了对天线权值配置的客观性与准确性，进而提高了天线的传输效果。
[0110]
在另一实施例中，所述处理模块402，还用于：
[0111]
每隔预设时长重新获取所述采集设备采集的新的场景图像。
[0112]
将所述新的场景图像输入至所述场景识别模型中进行识别，得到第二场景识别结果。
[0113]
判断所述第二场景识别结果与所述第一场景识别结果是否一致。
[0114]
若一致，则生成并发送识别结果一致提示至运维人员对应的终端设备。
[0115]
此外，所述处理模块402，还用于：
[0116]
若不一致，则根据预存的场景与天线权值对应表确定所述第二场景识别结果对应的第二天线权值信息。
[0117]
根据所述第二天线权值信息对所述待配置天线重新进行配置。
[0118]
在另一实施例中，所述处理模块402，还用于：
[0119]
获取场景训练图像集，其中，所述场景训练图像集中包含多组场景训练图像以及对应的场景名称。
[0120]
将所述多组场景训练图像以及对应的场景名称输入至神经网络中进行训练，得到场景识别模型。
[0121]
在另一实施例中，所述处理模块402，还用于：
[0122]
将所述多组训练场景图像进行归一化处理，得到预设规格的训练场景图像。
[0123]
将所述预设规格的训练场景图像以及对应的场景名称输入至神经网络中进行训练，得到场景识别模型，其中，所述神经网络模型中包含三层卷积层以及三层全连接层。
[0124]
在另一实施例中，所述处理模块402，还用于：
[0125]
获取不同的场景，以及各个场景对应的天线权值信息。
[0126]
将各个不同的场景对应的天线权值信息与场景对应进行存储，得到场景与天线权值对应表。
[0127]
本技术实施例提供的装置，可以实现上述如图2所示的实施例的方法，其实现原理和技术效果类似，此处不再赘述。
[0128]
图5为本技术实施例提供的电子设备的硬件结构示意图，如图5所示，本实施例提供的设备500包括：处理器501，以及与所述处理器通信连接的存储器。其中，处理器501、存储器502通过总线503连接。
[0129]
在具体实现过程中，处理器501执行所述存储器502存储的计算机执行指令，使得处理器501执行上述方法实施例中的天线权值配置方法。
[0130]
处理器501的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
[0131]
在上述的图5所示的实施例中，应理解，处理器可以是中央处理单元(英文：central processing unit，简称：cpu)，还可以是其他通用处理器、数字信号处理器(英文：digital signal processor，简称：dsp)、专用集成电路(英文：application specific integrated circuit，简称：asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0132]
存储器可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器。
[0133]
总线可以是工业标准体系结构(industry standard architecture，isa)总线、外部设备互连(peripheral component interconnect，pci)总线或扩展工业标准体系结构(extended industry standard architecture，eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本技术附图中的总线并不限定仅有一根总线或一种类型的总线。
[0134]
本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例的天线权值配置方法。
[0135]
本技术实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上所述的天线权值配置方法。
[0136]
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0137]
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(application specific integrated circuits，简称：asic)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
[0138]
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0139]
最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。