波束赋形方法、装置、电子设备及可读存储介质与流程

1.本发明涉及通讯技术领域，特别是涉及一种波束赋形方法、一种波束赋形装置、一种电子设备以及一种计算机可读存储介质。


背景技术：

2.massive mimo(大规模天线技术)是5g(5th generation mobile communication technology，第五代移动通信)中提高系统容量和频谱利用率的关键技术，其显著特征是可以调整天线权值与波束赋形技术来调整广播波束的水平波宽、垂直波宽、方位角和下倾角，从而得到较理想的覆盖效果。但在实际现网中，高楼、商场、广场等各种覆盖场景多种多样，仅依靠固定的波束配置进行波束赋形无法保障楼宇建筑等有效覆盖，因此，需要对波束赋形进行优化，以满足不同覆盖场景的需求。
3.当前，波束赋形的优化主要通过人为预设固定距离为半径的扇区图形或基于大量mr(measurment report，测量报告)数据分析确定每个小区(5g蜂窝小区)的覆盖范围，进而单独计算每个小区的波束配置进行波束赋形；然而上述方式难以准确覆盖待优化区域，会存在小区覆盖范围重叠或遗漏的问题，且需要收集和分析大量的mr数据，不适合全网性大规模评估规划和优化。


技术实现要素：

4.本发明实施例是提供一种波束赋形方法、装置、电子设备以及计算机可读存储介质，以解决现有技术小区覆盖范围不准确，数据收集和计算量大，优化效率低的问题。
5.本发明实施例公开了一种波束赋形方法，所述方法包括：
6.获取待优化区域的地图数据；所述地图数据包括所述待优化区域内的建筑物的建筑物数据和基站的基站位置；
7.根据所述基站位置对所述待优化区域进行划分，得到各个所述基站的小区覆盖范围；
8.对所述小区覆盖范围内的所述建筑物的建筑物数据进行统计，得到特征数据；所述特征数据用于反映所述小区覆盖范围内的建筑物分布情况；
9.根据所述特征数据从预置的波束配置中选择目标波束配置；
10.根据所述目标波束配置对所述基站的波束进行波束赋形。
11.可选地，所述根据所述基站位置对所述待优化区域进行划分，得到各个所述基站的小区覆盖范围，包括：
12.根据所述基站位置，采用泰森多边形算法对所述待优化区域进行划分，得到所述基站的小区覆盖范围。
13.可选地，所述根据所述基站位置，采用泰森多边形算法对所述待优化区域进行划分，得到所述基站的小区覆盖范围，包括：
14.根据所述基站位置确定所述待优化区域中相邻的所述基站；
15.将所述待优化区域中相邻的所述基站连接为三角形区域；
16.在所述三角形区域的各边上作垂直平分线；
17.将所述垂直平分线围成的多边形区域作为所述基站的多边形覆盖区域。
18.可选地，所述基站的小区覆盖范围为一个或者多个。
19.可选地，所述基站具有对应的小区数据，所述小区覆盖范围的目标小区位置由以下方式确定：
20.当所述小区数据中存在所述小区覆盖范围的初始小区位置时，将所述初始小区位置作为所述小区覆盖范围的目标小区位置；
21.当所述小区数据中不存在所述小区覆盖范围的初始小区位置时，将所述基站位置向所述小区覆盖范围的小区方位角的法线方向偏移预设距离，得到偏移位置，将所述偏移位置作为所述小区覆盖范围的目标小区位置；其中，所述小区方位角为以所述基站位置的正北方向为起始方向，沿顺时针方向与所述小区覆盖范围之间的水平夹角。
22.可选地，所述建筑物数据至少包括建筑物的建筑物数量、建筑物面积、建筑物高度和建筑物类型，所述建筑物类型具有对应的权重值；所述对所述小区覆盖范围内的所述建筑物的建筑物数据进行统计，得到特征数据，包括：
23.统计所述小区覆盖范围内的所有所述建筑物的所述建筑物数量、所述建筑物面积、所述建筑物高度和所述权重值，计算得到所述小区覆盖范围内的所述建筑物的建筑物总数、建筑物加权总面积、建筑物加权总高度；
24.根据所述建筑物总数和所述建筑物加权总面积，计算得到所述小区覆盖范围内的所述建筑物的加权平均面积；
25.根据所述建筑物总数所述建筑物加权总高度，计算得到所述小区覆盖范围内的所述建筑物的加权平均高度；
26.将所述加权平均面积和所述加权平均高度作为特征数据。
27.可选地，所述波束配置包括水平波宽角度和垂直波宽角度，所述波束配置具有对应的预设特征数据；所述建筑物类型为根据所述建筑物的用途划分。
28.本发明实施例还公开了一种波束赋形装置，所述装置包括：
29.地图数据获取模块，用于获取待优化区域的地图数据；所述地图数据包括所述待优化区域内的建筑物的建筑物数据和基站的基站位置；
30.区域划分模块，用于根据所述基站位置对所述待优化区域进行划分，得到各个所述基站的小区覆盖范围；
31.特征数据统计模块，用于对所述小区覆盖范围内的所述建筑物的建筑物数据进行统计，得到特征数据；所述特征数据用于反映所述小区覆盖范围内的建筑物分布情况；
32.目标波束配置选择模块，用于根据所述特征数据从预置的波束配置中选择目标波束配置；
33.波束赋形模块，用于根据所述目标波束配置对所述基站的波束进行波束赋形。
34.可选地，所述区域划分模块，用于根据所述基站位置，采用泰森多边形算法对所述待优化区域进行划分，得到所述基站的小区覆盖范围。
35.可选地，所述区域划分模块，包括：
36.相邻基站确定子模块，用于根据所述基站位置确定所述待优化区域中相邻的所述
基站；
37.区域连接子模块，用于将所述待优化区域中相邻的所述基站连接为三角形区域；
38.区域处理子模块，用于在所述三角形区域的各边上作垂直平分线；
39.多边形覆盖区域确定模块，用于将所述垂直平分线围成的多边形区域作为所述基站的多边形覆盖区域。
40.可选地，所述基站的小区覆盖范围为一个或者多个。
41.可选地，所述基站具有对应的小区数据，所述小区覆盖范围的小区位置由采用以下模块确定：
42.第一小区位置确定子模块，用于当所述小区数据中存在所述小区覆盖范围的初始小区位置时，将所述初始小区位置作为所述小区覆盖范围的目标小区位置；
43.第二小区位置确定子模块，用于当所述小区数据中不存在所述小区覆盖范围的初始小区位置时，将所述基站位置向所述小区覆盖范围的小区方位角的法线方向偏移预设距离，得到偏移位置，将所述偏移位置作为所述小区覆盖范围的目标小区位置；其中，所述小区方位角为以所述基站位置的正北方向为起始方向，沿顺时针方向与所述小区覆盖范围之间的水平夹角。
44.可选地，所述建筑物数据至少包括建筑物的建筑物数量、建筑物面积、建筑物高度和建筑物类型，所述建筑物类型具有对应的权重值；所述特征数据统计模块，用于统计所述小区覆盖范围内的所有所述建筑物的所述建筑物数量、所述建筑物面积、所述建筑物高度和所述权重值，计算得到所述小区覆盖范围内的所述建筑物的建筑物总数、建筑物加权总面积、建筑物加权总高度；根据所述建筑物总数和所述建筑物加权总面积，计算得到所述小区覆盖范围内的所述建筑物的加权平均面积；根据所述建筑物总数所述建筑物加权总高度，计算得到所述小区覆盖范围内的所述建筑物的加权平均高度；将所述加权平均面积和所述加权平均高度作为特征数据。
45.可选地，所述波束配置包括水平波宽角度和垂直波宽角度，所述波束配置具有对应的预设特征数据；所述建筑物类型为根据所述建筑物的用途划分。
46.本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
47.所述存储器，用于存放计算机程序；
48.所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。
49.本发明实施例还公开了一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。
50.本发明实施例包括以下优点：
51.在本发明实施例中，通过获取待优化区域的地图数据，该地图数据包括待优化区域内的建筑物的建筑物数据和基站的基站位置；然后根据基站位置对待优化区域进行划分，得到各个基站的小区覆盖范围，并对小区覆盖范围内的建筑物的建筑物数据进行统计，得到特征数据，其中，特征数据用于反映小区覆盖范围内的建筑物分布情况；进而根据特征数据从预置的波束配置中选择目标波束配置，最终根据目标波束配置对基站的波束进行波
束赋形。本发明实施例通过地图数据可以准确划分出待优化区域中基站的小区覆盖范围，避免出现小区覆盖范围重叠或遗漏，且可以通过统计小区覆盖范围的特征数据，选择合适的目标波束配置进行波束赋形，无需收集和分析大量的测量报告数据，适合大规模的评估规划和优化，提升了评估和优化的效率。
附图说明
52.图1是本发明实施例中提供的一种波束赋形方法的步骤流程图；
53.图2是本发明实施例中提供的一种地图数据补充建筑物数据示意图；
54.图3是现有技术中的预设扇区图形绘制的小区覆盖范围示意图；
55.图4是本发明实施例中提供的一种基于泰森多边形算法划分待优化区域的示意图；
56.图5是本发明实施例中提供的一种波束赋形装置的结构框图；
57.图6是本发明实施例提供的网络设备的结构框图。
具体实施方式
58.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
59.massive mimo(大规模天线技术)是第五代移动通信(5g)中提高系统容量和频谱利用率的关键技术。具体地，当小区的基站天线数目趋于无穷大时，加性高斯白噪声和瑞利衰落等负面影响都可以忽略不计，数据传输速率能得到极大提高。除了增加天线数目之外，massive mimo在信号覆盖维度还支持垂直维度的空域覆盖，其显著特征是可以调整天线权值与波束赋形技术来调整广播波束的水平波宽、垂直波宽、方位角和下倾角，从而得到较理想的覆盖效果。但在实际现网中，高楼、商场、广场等各种覆盖场景多种多样，仅依靠初始波束配置对覆盖场景进行波束赋形，无法保障楼宇建筑等有效覆盖，因此，需要对波束配置进行优化，以满足不同覆盖场景的需求。
60.当前波束配置优化主要有以下方法：
61.1、基于预设半径的扇区图形作为小区覆盖范围，根据各小区覆盖范围的特征数据规划波束配置的方法；
62.2、mr栅格化包络下小区覆盖范围的特征数据匹配方法，具体地，根据预先获取到的mr数据，以预设的栅格大小对ue(user equipment，用户设备)上报的5g信息进行栅格化处理，得到每个5g小区的覆盖栅格，并结合3d电子地图，获取每个5g小区覆盖的建筑物的形态特征信息，再根据该形态特征信息，确定5g小区的覆盖场景，基于该覆盖场景以及该覆盖场景与波束配置模式之间的映射关系，确定出每个5g小区对应的目标波束配置模式，根据每个5g小区对应的目标波束配置模式对5g小区进行波束配置；
63.3、基于mr大数据的波束立体优化方法：通过基于多小区的波束级mr测量构建ue在三维立体空间中的相对位置，识别弱覆盖和重叠覆盖用户分布，并基于波束级路损矩阵和覆盖预测算法预测pattern(模型)参数调整后的覆盖变化，然后对pattern参数进行迭代寻优。
64.然而，上述方法存在以下问题：
65.1、通过预设半径的扇区图形作为小区覆盖范围，会在密集城区存在大量覆盖重叠，但在站间距较大的郊区存在覆盖不全的问题，使收集到的小区覆盖范围的特征数据失真；
66.2、通过mr栅格包络确定小区覆盖范围，需要采集解析和定位大量mr数据，计算量较大，且目前5g缺少mdt(minimization of drive tests，最小化路测)数据，定位准确性不高，得到的小区覆盖范围存在较大差异；
67.3、基于mr大数据的波束立体优化方法需要大量波束级mr数据，对输入要求极高，计算工作量巨大，优化反馈周期长，对分析软硬件要求较高，投入成本高，单次分析的小区数量较少，适合区域性的精细优化，不适合规模性、全网性的规划优化。
68.针对上述问题，本技术的核心发明构思之一在于，通过地图数据准确划分出待优化区域中基站的小区覆盖范围，并根据统计小区覆盖范围的特征数据，选择合适的目标波束配置进行波束赋形，避免出现小区覆盖范围重叠或遗漏，且无需收集和分析大量的测量报告数据，适合大规模的评估规划和优化，提升了评估和优化的效率。
69.参照图1，示出了本发明实施例中提供的一种波束赋形方法的步骤流程图，具体可以包括如下步骤：
70.步骤101、获取待优化区域的地图数据；所述地图数据包括所述待优化区域内的建筑物的建筑物数据和基站的基站位置；
71.其中，待优化区域可以为任意大小和位置的预设区域，待优化区域内至少具有一栋建筑物和一个基站。地图数据可以为高精度电子地图数据，在具体应用中，电子地图数据的精度可以在5米级或5米级以上，电子地图数据可以包括待优化区域内的建筑物数据和基站的基站位置；具体地，建筑物数据可以包括建筑物的数量、面积、高度和类型，其中，建筑物的类型可以根据建筑物的用途进行划分；基站的基站位置可以是该基站的经纬度数据。
72.在一种可能的情况中，当待优化区域中的建筑物发生了改变，包括新建或拆除的建筑物，而地图数据未能及时更新时，会出现待优化区域中的建筑物数据与地图数据中的建筑物数据不匹配的情况，此时，可以在地图数据中补充发生改变的建筑物的建筑物数据，以使待优化区域中的建筑物数据与地图数据中的建筑物数据匹配。如图2为待优化区域的地图数据，图中各种填充形状的方块为地图数据当前的建筑物；若在现实中该待优化区域新建了建筑物1，而地图数据中未更新，则可以根据建筑物1与地图数据的位置关系，在地图数据中补充建筑物1，如图2中，虚线方块为补充的建筑物1；使得补充后的待优化区域中的建筑物数据与地图数据中的建筑物数据为匹配的。
73.步骤102、根据所述基站位置对所述待优化区域进行划分，得到各个所述基站的小区覆盖范围；
74.在具体实现中，待优化区域中可以包括多个基站，各个基站在待优化区域中离散分布，根据各个基站对应的基站位置，可以对待优化区域进行划分，得到各个基站的小区覆盖范围，其中，小区覆盖范围为基站的小区的波束能够覆盖的范围。
75.步骤103、对所述小区覆盖范围内的所述建筑物的建筑物数据进行统计，得到特征数据；所述特征数据用于反映所述小区覆盖范围内的建筑物分布情况；
76.具体地，小区覆盖范围可以是一个多边形覆盖区域，该多边形覆盖区域内具有多个建筑物，通过统计建筑物的建筑物数据，如统计建筑物的数量、面积、高度和类型等，可以
得到该多边形覆盖区域内建筑物的特征数据，其中，特征数据可以是平均面积、平均高度或主要建筑类型等数据，具体可以用于反映该小区覆盖范围内的建筑物分布情况。
77.步骤104、根据所述特征数据从预置的波束配置中选择目标波束配置；
78.其中，波束配置可以是massive mimo的广播波束配置，massive mimo广播波束包括水平波束和垂直波束，水平波束的半功率角定义为水平波宽α，垂直波束的半功率角定义为垂直波宽β。
79.在具体实现中，水平波宽可以设置为6种不同的角度，即15
°
、25
°
、45
°
、65
°
、90
°
以及110
°
；垂直波宽可以设置为3种不同的角度，即6
°
、12
°
以及25
°
。相互组合后可以得到如下表1中的预置波束配置：
[0080][0081]
表1
[0082]
在具体实现中，可以根据特征数据从预置的波束配置中选择目标波束配置，举例而言，若一小区覆盖范围的特征数据反映该小区覆盖范围内以面积较大但高度较低的建筑物为主，则可以选择水平波宽较大，垂直波宽较小的波束配置作为目标波束配置，如上表中sc_1(110
°
,6
°
)，假设选择上表1中sc_1的波束配置，则将sc_1作为目标波束配置。需要注意的是，对于特征数据与波束配置的对应关系可以根据实际需求进行设置，具体地，可以在一小区覆盖范围内，分别采用如上表中的多种波束配置，通过轮询的方式发出波束，ue测量这些波束，并获取最优波束，根据最优波束对应的波束设置，确定特征数据与波束配置的对应关系。
[0083]
当然，上述水平波宽和垂直波宽的角度设置和组合仅作为示例，具体可以根据实际情况自行设置和选择，以满足各种不同特征数据下的小区覆盖范围的波束配置需求，本发明实施例对此不作限制。
[0084]
步骤105、根据所述目标波束配置对所述基站的波束进行波束赋形。
[0085]
在具体实现中，本发明实施例中的波束赋形可以采用静态波束，静态波束在波束赋形时采用预定义的波束配置，即在小区覆盖范围会形成固定的波束，比如波束的数目、宽度、方向都是确定的，具体可以是静态波束中的广播波束，其中，广播波束是基站通过轮询的方式发射波束。具体地，可以在确定目标波束配置后，基站采用静态波束中的广播波束通过轮询的方式发射波束，完成波束赋形，其中，静态波束采用的波束配置为目标波束配置。
[0086]
在具体实现中，还可以根据实际需求进行白名单设置，将待优化区域内的指定小区覆盖范围设置为白名单小区，当指定小区覆盖范围被设置为白名单后，将不对该指定小区覆盖范围进行优化评估，因此可以提升评估效率。具体地，以下情况可以进行白名单设置：1、已经完成波束赋形优化的小区，或明确无需进行调整的小区；2、部分使用2/4/8tr的rru(radio resource control,无线资源控制协议层)小区，或不支持波束赋形的小区；3、室内分布系统小区覆盖范围为室内，覆盖区域明确，无需匹配复杂的波束配置，采用默认即可；4、已经过现场测试并精准优化的小区。当然，白名单可以根据实际需求进行设置，上述情况仅作为示例，本发明实施例对此不作限制。
[0087]
在本发明实施例中，通过获取待优化区域的地图数据，该地图数据包括待优化区域内的建筑物的建筑物数据和基站的基站位置；然后根据基站位置对待优化区域进行划分，得到各个基站的小区覆盖范围，并对小区覆盖范围内的建筑物的建筑物数据进行统计，得到特征数据，其中，特征数据用于反映小区覆盖范围内的建筑物分布情况；进而根据特征数据从预置的波束配置中选择目标波束配置，最终根据目标波束配置对基站的波束进行波束赋形。本发明实施例通过地图数据可以准确划分出待优化区域中基站的小区覆盖范围，避免出现小区覆盖范围重叠或遗漏，且可以通过统计小区覆盖范围的特征数据，选择合适的目标波束配置进行波束赋形，无需收集和分析大量的mr数据，适合大规模的评估规划和优化，提升了评估和优化的效率。
[0088]
在一示例性实施例中，所述步骤102、所述根据所述基站位置对所述待优化区域进行划分，得到各个所述基站的小区覆盖范围，包括：
[0089]
根据所述基站位置，采用泰森多边形算法对所述待优化区域进行划分，得到所述基站的小区覆盖范围。
[0090]
在现有技术中，通常是根据预设距离扇区图形为小区覆盖范围，如图3所示，图为待优化区域，图中有多个以三扇区基站为中心，以预设距离为半径的扇区图形作为小区覆盖范围，其中，三扇区基站为有三个小区覆盖范围的基站；如图3中，每个基站存在三个扇区图形的小区覆盖范围，但待优化区域会存在部分区域大量重叠，部分区域没有覆盖的情况。
[0091]
而在本示例性实施例中，可以根据基站位置，采用泰森多边形算法对待优化区域进行划分，其中，泰森多边形是一组由连接两邻点线段的垂直平分线组成的连续多边形，是对空间平面的一种剖分，其特点是多边形内的任何位置离该多边形的样点的距离最近，离相邻多边形内样点的距离远，且每个多边形内含且仅包含一个样点。具体地，在采用泰森多边形算法对待优化区域进行划分后，可以得到多个多边形区域，每个基站对应一个多边形区域。
[0092]
在具体实现中，所述根据所述基站位置，采用泰森多边形算法对所述待优化区域进行划分，得到所述基站的小区覆盖范围，包括：
[0093]
根据所述基站位置确定所述待优化区域中相邻的所述基站；
[0094]
将所述待优化区域中相邻的所述基站连接为三角形区域；
[0095]
在所述三角形区域的各边上作垂直平分线；
[0096]
将所述垂直平分线围成的多边形区域作为所述基站的多边形覆盖区域。
[0097]
具体地，参照图4，示出了本发明的一种波束赋形方法实施例的基于泰森多边形算法对待优化区域的划分示意图，图中所示区域为待优化区域，图中的圆点为基站。根据离散
分布的基站的基站位置，将待优化区域中所有相邻的基站连成三角形，然后在这些三角形各边上作垂直平分线，于是每个基站周围的若干垂直平分线便围成一个多边形区域，该多边形区域则为基站的多边形覆盖区域。在进行划分之后，每个多边形区域内仅有一个基站，多边形区域内的任意位置到对应基站的距离最近，位于多边形区域边上的位置到其相邻的基站的距离相等。
[0098]
在上述示例性实施例中，通过采用泰森多边形算法对待优化区域进行划分，可以避免基站的小区覆盖范围出现遗漏或重叠，准确地划分出待优化区域中基站的小区覆盖范围，实现对待优化区域的全范围覆盖。
[0099]
在一示例性实施例中，基站的小区覆盖范围可以是一个或多个，由于每个小区覆盖的方向不一，因此需要收集每个小区覆盖范围的小区位置，其中，小区位置可以是小区覆盖范围对应的小区天线的经纬度，进而在进行泰森多边形划分的时候，可以区分开一个基站的不同小区的小区覆盖范围。具体地，可以根据基站的小区覆盖范围的小区位置，采用泰森多边形算法对待优化区域进行划分。
[0100]
在具体实现中，所述基站具有对应的小区数据，所述小区覆盖范围的目标小区位置由以下方式确定：
[0101]
当所述小区数据中存在所述小区覆盖范围的初始小区位置时，将所述初始小区位置作为所述小区覆盖范围的目标小区位置；
[0102]
当所述小区数据中不存在所述小区覆盖范围的初始小区位置时，将所述基站位置向所述小区覆盖范围的小区方位角的法线方向偏移预设距离，得到偏移位置，将所述偏移位置作为所述小区覆盖范围的目标小区位置；其中，所述小区方位角为以所述基站位置的正北方向为起始方向，沿顺时针方向与所述小区覆盖范围之间的水平夹角。
[0103]
具体地，基站具有对应的小区数据，小区数据可以包括基站位置、天线高度、天线方位角、俯仰角、经纬度等数据，其中，部分基站的小区数据具有该基站的小区覆盖范围的初始小区位置。
[0104]
在具体实现中，对于具有初始小区位置的小区覆盖范围，可以将初始小区位置作为该小区覆盖范围的目标小区位置，对于不具有初始小区位置的小区覆盖范围，可以先获取该小区覆盖范围对应的基站的基站位置，其中，基站位置可以是基站的经纬度，然后将该基站位置向该小区覆盖范围的小区方位角的法线方向偏移一定的距离，得到偏移位置，该偏移位置则为该小区覆盖范围的目标小区位置。其中小区方位角为从基站位置的正北方向开始，沿顺时针方向与该小区覆盖范围的水平夹角。
[0105]
在上述示例性实施例中，可以获取或计算得到基站的小区覆盖范围的小区位置，并基于小区位置，采用泰森多边形算法实现按照小区覆盖范围对待优化区域进行划分，使划分的精度更高。
[0106]
在一示例性实施例中，所述建筑物数据至少包括建筑物的建筑物数量、建筑物面积、建筑物高度和建筑物类型，所述建筑物类型具有对应的权重值；所述步骤103、所述对所述小区覆盖范围内的所述建筑物的建筑物数据进行统计，得到特征数据，包括：
[0107]
统计所述小区覆盖范围内的所有所述建筑物的所述建筑物数量、所述建筑物面积、所述建筑物高度和所述权重值，计算得到所述小区覆盖范围内的所述建筑物的建筑物总数、建筑物加权总面积、建筑物加权总高度；
[0108]
根据所述建筑物总数和所述建筑物加权总面积，计算得到所述小区覆盖范围内的所述建筑物的加权平均面积；
[0109]
根据所述建筑物总数所述建筑物加权总高度，计算得到所述小区覆盖范围内的所述建筑物的加权平均高度；
[0110]
将所述加权平均面积和所述加权平均高度作为特征数据。
[0111]
其中，建筑物数据包括建筑物数量，建筑物数量是指在电子地图中所显示的建筑物个数。建筑物面积是指建筑物在电子地图中所显示的占地面积，在一定程度上反映建筑物的水平分布情况。建筑物高度是指建筑物的从地面到最高点的建设高度，在一定程度上反映建筑物的垂直分布情况。建筑物类型是根据建筑物的用途进行划分的，在一定程度上反映了建筑物内用户的数量和对无线通信的使用程度，因此可以把建筑物类型量化为建筑物的权重值。根据电子地图中的建筑物信息，可以把建筑物类型分为以下几类：cbd(central business district，中央商务区)、大型高层住宅区、综合商圈、学校、交通枢纽、医院、酒店、写字楼、城中村居民楼等。通常而言，可将cbd、学校、交通枢纽、医院、大型高层住宅小区设置为高权重值，综合商圈、中型住宅小区等设置为中等权重值，城中村居民楼、广场等设置为低权重值。当然，权重值可以根据实际需求进行设置，本发明实施例对此不作限制。
[0112]
在具体实现中，可以根据小区覆盖范围内的所有建筑物的建筑物数量、建筑物面积、建筑物高度和建筑物权重值，统计得到该小区覆盖范围内建筑物的建筑物总数、建筑物加权总面积、建筑物加权总高度。具体地，可以根据建筑物总数和建筑物加权总面积，计算得到该小区覆盖范围内的建筑物的加权平均面积，一种计算的方式可以如下所示：
[0113][0114]
其中，加权平均面积用η表示；ncgi(nr cell global identifier，小区全球标识，用于唯一标识小区)，id为某一建筑物的标识，可以表示对应的建筑物；s
buiding
为某个建筑物的建筑面积，t为建筑物的权重值，n
ncgi
为小区覆盖范围下的建筑物总数。
[0115]
可以根据小区覆盖范围内的建筑物的建筑物总数和建筑物加权总高度，计算得到该小区覆盖范围内的建筑物的加权平均高度，一种计算的方式可以如下所示：
[0116][0117]
其中，加权平均高度用θ表示；h
buiding
为某个建筑物的建筑高度；id、t和n
ncgi
指代的含义同上。
[0118]
在上述示例性实施例中，通过统计小区覆盖范围内的建筑物数据，可以计算得到特征数据，特征数据可以反映小区覆盖范围内的建筑物分布情况，通过特征数据，可以准确地选择对应的波束配置，提高波束赋形的准确性。
[0119]
为了使本领域技术人员更好地理解本发明实施例的技术方案，下面通过一个示例对本发明实施例进行说明。
[0120]
1、首先，获取待优化区域的地图数据，其中，地图数据可以包括该待优化区域内的建筑物的建筑物数据和基站的基站位置，此外，还可以包括该优化区域内的基站的其他数
据，具体可以包括基站标识、天线总挂高、天线方位角度和小区标识等。具体地，地图数据中的建筑物数据可以如下表2所示：
[0121][0122]
表2
[0123]
其中，id为建筑物的标识；type为建筑物的类型，建筑物的类型根据建筑物的用途进行划分；floor、height和structure分别为建筑物的楼层数、高度和结构；shape_leng和shape_area分别为建筑物的形状长度和形状面积，具体地，形状长度和形状棉结分别是指建筑物在电子地图中的形状所对应的长度和面积。
[0124]
具体地，基站的基站数据可以如下表3所示：
[0125][0126]
表3
[0127]
如上表3中，为名称sa_h_杭州波束赋形xbbu1的三扇区基站，即该基站具有3个小区覆盖范围，而每个小区覆盖范围都具有对应的小区天线；其中，天线总挂高为实际中小区天线与地面的垂直距离；天线数字倾角为在控制系统中设置的天线倾角；机械倾角为小区天线在安装时固定的天线倾角。
[0128]
2、根据基站位置对待优化区域进行划分，得到各基站的小区覆盖范围，具体地，可以采用泰森多边形算法对待优化区域进行划分，进而，可以得到小区覆盖范围内的建筑物数据，具体可以如下表4所示：
[0129][0130]
表4
[0131]
其中，上表4中“关键字段”下的各字段指代的含义与上述的相同，type(即建筑物类型)具体可以划分为学校、医院、住宅区、商圈、城中村等；由于采用泰森多边形算法进行划分，因此，每个小区覆盖范围即是一个泰森多边形，泰森多边形标识则是小区覆盖范围所对应的泰森多边形的标识。
[0132]
3、对小区覆盖范围内的建筑物的建筑物数据进行统计，得到特征数据；具体地，可以统计小区覆盖范围内的建筑物的数量、面积、高度和类型，得到所述小区覆盖范围内的所述建筑物的建筑物总数、建筑物总面积、建筑物总高度和权重值；进而根据总数、总面积和权重值，计算得到小区覆盖范围内的建筑物的加权平均面积，根据总高度和权重值，计算得到小区覆盖范围内的建筑物的加权平均高度。
[0133]
4、根据特征数据从预置的波束配置中选择目标波束配置，根据目标波束配置对基站的波束进行波束赋形。
[0134]
在上述对一待优化区域内的基站进行波束赋形的优化示例中，提升了建筑物的覆盖率和驻留比，网络设备资源利用率得到提升。其中，驻留比指5g及5g以上网络驻留时长与5g及5g以下网络驻留时长的比值。
[0135]
具体地，以本发明的波束赋形方法进行优化前后的建筑物覆盖率对比如下表5所示：
[0136][0137]
表5
[0138]
优化前后的驻留比对比如下表6所示：
[0139][0140]
表6
[0141]
其中，站间距为基站之间的距离。
[0142]
此外，本发明的波束赋形方法与现有技术中的波束优化方法在投入产出比(return on investment)上也具有较大提升，具体地，以基于mr大数据的波束立体优化方法为基准值，即以该方法的投入成本为100％为参考，本发明的波束赋形方法与现有技术中的波束优化方法的投入产出比如下表7所示：
[0143][0144]
表7
[0145]
其中，同等规模评估周期为各方案在同等应用规模的情况下，对优化前后效果评估的周期；场景特征提取准确度为对于基站的小区覆盖范围内的特征数据的提取准确度。
[0146]
在上述示例中，通过地图数据准确划分出待优化区域中基站的小区覆盖范围，并根据统计小区覆盖范围的特征数据，选择合适的目标波束配置进行波束赋形，避免出现小区覆盖范围重叠或遗漏，且无需收集和分析大量的mr数据，适合大规模的评估规划和优化，提升了评估和优化的效率。
[0147]
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组
合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
[0148]
参照图5，示出了本发明实施例中提供的一种波束赋形装置的结构框图，具体可以包括如下模块：
[0149]
地图数据获取模块501，用于获取待优化区域的地图数据；所述地图数据包括所述待优化区域内的建筑物的建筑物数据和基站的基站位置；
[0150]
区域划分模块502，用于根据所述基站位置对所述待优化区域进行划分，得到各个所述基站的小区覆盖范围；
[0151]
特征数据统计模块503，用于对所述小区覆盖范围内的所述建筑物的建筑物数据进行统计，得到特征数据；所述特征数据用于反映所述小区覆盖范围内的建筑物分布情况；
[0152]
目标波束配置选择模块504，用于根据所述特征数据从预置的波束配置中选择目标波束配置；
[0153]
波束赋形模块505，用于根据所述目标波束配置对所述基站的波束进行波束赋形。
[0154]
在一示例性实施例中，所述区域划分模块502，用于根据所述基站位置，采用泰森多边形算法对所述待优化区域进行划分，得到所述基站的小区覆盖范围。
[0155]
在一示例性实施例中，所述区域划分模块502，包括：
[0156]
相邻基站确定子模块，用于根据所述基站位置确定所述待优化区域中相邻的所述基站；
[0157]
区域连接子模块，用于将所述待优化区域中相邻的所述基站连接为三角形区域；
[0158]
区域处理子模块，用于在所述三角形区域的各边上作垂直平分线；
[0159]
多边形覆盖区域确定模块，用于将所述垂直平分线围成的多边形区域作为所述基站的多边形覆盖区域。
[0160]
在一示例性实施例中，所述基站的小区覆盖范围为一个或者多个。
[0161]
在一示例性实施例中，所述基站具有对应的小区数据，所述小区覆盖范围的小区位置由采用以下模块确定：
[0162]
第一小区位置确定子模块，用于当所述小区数据中存在所述小区覆盖范围的初始小区位置时，将所述初始小区位置作为所述小区覆盖范围的目标小区位置；
[0163]
第二小区位置确定子模块，用于当所述小区数据中不存在所述小区覆盖范围的初始小区位置时，将所述基站位置向所述小区覆盖范围的小区方位角的法线方向偏移预设距离，得到偏移位置，将所述偏移位置作为所述小区覆盖范围的目标小区位置；其中，所述小区方位角为以所述基站位置的正北方向为起始方向，沿顺时针方向与所述小区覆盖范围之间的水平夹角。
[0164]
在一示例性实施例中，所述建筑物数据至少包括建筑物的建筑物数量、建筑物面积、建筑物高度和建筑物类型，所述建筑物类型具有对应的权重值；所述特征数据统计模块503，用于统计所述小区覆盖范围内的所有所述建筑物的所述建筑物数量、所述建筑物面积、所述建筑物高度和所述权重值，计算得到所述小区覆盖范围内的所述建筑物的建筑物总数、建筑物加权总面积、建筑物加权总高度；根据所述建筑物总数和所述建筑物加权总面
积，计算得到所述小区覆盖范围内的所述建筑物的加权平均面积；根据所述建筑物总数所述建筑物加权总高度，计算得到所述小区覆盖范围内的所述建筑物的加权平均高度；将所述加权平均面积和所述加权平均高度作为特征数据。
[0165]
在一示例性实施例中，所述波束配置包括水平波宽角度和垂直波宽角度，所述波束配置具有对应的预设特征数据；所述建筑物类型为根据所述建筑物的用途划分。
[0166]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0167]
另外，本发明实施例还提供了一种电子设备，包括：处理器，存储器，存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述波束赋形方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0168]
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述波束赋形方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等。
[0169]
在此需要说明的是，本发明实施例提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0170]
本发明的实施例还提供了一种网络设备，如图6所示，该网络设备包括存储器620、收发机610、处理器600；
[0171]
存储器620，用于存储计算机程序；
[0172]
收发机610，用于在处理器600的控制下接收和发送数据；
[0173]
处理器600，用于读取所述存储器620中的计算机程序并执行前述的波束赋形方法。
[0174]
其中，在图6中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器600x10代表的一个或多个处理器和存储器620x20代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机610可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器600负责管理总线架构和通常的处理，存储器620可以存储处理器600在执行操作时所使用的数据。
[0175]
处理器600可以是中央处埋器(cpu)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或复杂可编程逻辑器件(complex programmable logic device，cpld)，处理器600也可以采用多核架构。
[0176]
在此需要说明的是，本发明实施例提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0177]
本发明的实施例还提供了一种处理器可读存储介质，其特征在于，所述处理器可
读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行上述所述的业务切换方法。
[0178]
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd))等。
[0179]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0180]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0181]
这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中，使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0182]
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0183]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。