基于射线跟踪模型的样本生成方法、装置及计算设备与流程

本发明实施例通信，具体涉及一种基于射线跟踪模型的样本生成方法、装置、计算设备及计算机存储介质。

背景技术：

1、传播模型用于估算收发两点之间的路径损耗，是网络规划和优化的基础，一个精确的传播模型能够最大限度匹配当地的无线环境，传统的方式是采用spm(标准传播)模型和三维射线跟踪模型等传播模型对场强进行预测，利用cw(连续波)路测数据对传播模型进行矫正。但是这种方式无法精确描述电磁波在城区场景下的复杂情况。

2、而使用ai(人工智能)技术预测场强进行规划仿真是未来传播模型发展的重点方向，cw路测数据成点状形式，测量数据有一定的方向性：随着接收机与发射机距离增加，接收功率呈下降趋势，因此cw路测数据可以直接作为训练数据集。但是cw(连续波)路测数据为全向天线对应的路测结果，天线方向图为全向且对称，天线的方向性为恒定值，因此能够展示距离损耗，但是不能训练得到天线的增益特性，且cw路测数据量小因此训练完成的传播模型预测结果不够准确。

技术实现思路

1、鉴于上述问题，本发明实施例提供了一种基于射线跟踪模型的样本生成方法、装置、计算设备及计算机存储介质，克服了不能得到准确及合理的传播模型的问题。

2、根据本发明实施例的一个方面，提供了一种基于射线跟踪模型的样本生成方法，所述方法包括：

3、获取各个信号接收端接收到的信号发射端的射线跟踪模型的全向天线仿真数据及定向天线仿真数据；所述全向天线仿真数据及所述定向天线仿真数据均包括地理位置坐标；

4、根据所述地理位置坐标，将所有所述全向天线仿真数据按照发射射线进行分组，得到多组距离特性数据集；每组所述距离特性数据集为同一条所述发射射线上的全向天线仿真数据按照所述信号接收端距离信号发射端的远近进行排列；所述发射射线为以信号发射端为起点向不同方向发射信号形成的多条射线；

5、根据所述地理位置坐标，将距离所述信号发射端的距离相同的信号接收端的所述定向天线仿真数据作为一组增益特性数据集，以得到多组增益特性数据集；每组所述增益特性数据集中的定向天线仿真数据按照天线增益特征进行排序；所述距离特性数据集及所述增益特性数据集分别用于训练接收功率预测模型。

6、在一种可选的方式中，所述根据所述地理位置坐标，将所述全向天线仿真数据按照发射射线进行分组，得到多组距离特性数据集，包括：

7、将所述信号发射端的发射角度按预设步长划分成多个等份；

8、以所述信号发射端为起点，根据每一所述等份与水平线的夹角确定每条所述发射射线的斜率；

9、根据所述发射射线的斜率和所述信号发射端的地理位置坐标确定经过每条所述发射射线的信号接收端的全向天线仿真数据，得到所述多组距离特性数据集；其中，位于同一条所述发射射线上的所有信号发射端的全向天线仿真数据按照所述信号接收端与所述信号发射端的距离远近进行排列。

10、在一种可选的方式中，所述根据所述发射射线的斜率和所述信号发射端的地理位置坐标确定经过每条发射射线的所有信号接收端的全向天线仿真数据中的地理位置坐标的计算公式为：

11、xij＝x0+t*δxij，yij＝y0+ki*δxij；

12、其中，(xij，yij)表示第i条射线上第j个信号接收端的地理位置坐标；(x0，y0)表示信号发射端的地理位置坐标，t为xij相对于x0的变化方向，i为表示第i条发射射线，δxij表示第i条发射射线上第j个信号发射端的地理位置坐标的横坐标的变化步长，ki表示第i条发射射线的斜率；或

13、所述根据所述发射射线的斜率和所述信号发射端的地理位置坐标确定经过每条发射射线的所有信号接收端的全向天线仿真数据中的地理位置坐标的计算公式为：

14、xij＝x0+(1/ki)*δyij，yij＝y0+u*δyij；

15、其中，i为表示第i条发射射线，j表示第j个信号接收端；(xij，yij)表示第i条发射射线上第j个信号接收端的地理位置坐标；(x0，y0)为所述信号发射端的地理坐标，u为yij相对于y0的变化方向，δyij表示所述第i个发射射线上第j个信号接收端的地理位置坐标的纵坐标的变化步长，ki为第i条发射射线的斜率。

16、在一种可选的方式中，所述根据所述地理位置坐标，将距离所述信号发射端的距离相同的信号接收端的所述定向天线仿真数据作为一组增益特性数据集，以得到多组增益特性数据集包括：

17、以所述信号发射端为圆心，以预设半径递增的方式确定多个不同半径的圆形；

18、根据所述信号发射端的地理位置坐标和所述圆形的半径，确定经过每个圆形的信号接收端的所述定向天线仿真数据，得到多组天线增益特性数据集；其中，每个圆形上的定向天线仿真数据是按天线增益变化进行排列的。

19、在一种可选的方式中，所述根据所述信号发射端的地理位置坐标和所述圆形的半径，确定经过每个圆形的信号接收端的所述定向天线仿真数据中的地理位置坐标的计算公式为：

20、xmn＝x0+rmcosθmn，ymn＝y0+rmsinθmn

21、其中，(x0，y0)为所述信号发射端的地理位置坐标，(xmn，ymn)表示第m个圆形上第n个所述信号接收端的地理位置坐标，θmn表示第m个圆形上第n个所述信号接收端的角度。

22、根据本发明实施例的另一方面，提供了一种接收功率预测模型的训练方法，通过上面所述的距离特特性数据集和增益特性数据集对接收功率预测模型进行训练，所述方法包括：

23、获取距离特性数据集和增益特性数据集；

24、将所述距离特性数据集输入待训练的接收功率预测模型中进行训练得到第一训练模型；

25、将所述增益特性数据集输入到所述第一训练模型进行训练得到第二训练模型；

26、获取距离特性数据集和增益特性数据集，对所述距离特性数据集和增益特性数据集进行随机处理，得到随机化序列，并将所述随机化序列输入到第二训练模型中训练，得到训练好的接收功率预测模型。

27、根据本发明实施例的另一方面，提供了一种接收功率的预测方法，包括：

28、获取信号发射端和信号接收端的实际地理位置的相关信息；

29、将所述实际地理位置相关信息转换为相应的特征信息后，输入到接收功率预测模型中进行处理得到预测接收功率；所述接收功率预测模型根据上面所述的接收功率预测模型的训练方法训练得到；

30、对所述预测接收功率进行修正得到目标预测接收功率。

31、根据本发明实施例的另一个方面，还提供了一种基于射线跟踪模型的样本生成装置，包括：

32、获取单元，用于获取各个信号接收端接收到的信号发射端的射线跟踪模型的全向天线仿真数据及定向天线仿真数据；所述全向天线仿真数据及所述定向天线仿真数据均包括地理位置坐标；

33、第一生成单元，用于根据所述地理位置坐标，将所有所述全向天线仿真数据按照发射射线进行分组，得到多组距离特性数据集；每组所述距离特征数据集为同一条所述发射射线上的全向天线仿真数据按照所述信号接收端距离信号发射端的远近进行排列；所述发射射线为以信号发射端为起点向不同方向发射信号形成的多条射线；

34、第二生成单元，用于根据所述地理位置坐标，将距离所述信号发射端的距离相同的信号接收端的定向天线仿真数据作为一组增益特性数据集，以得到多组增益特征数据集；每组所述增益特征数据集中的定向天线仿真数据按照天线增益特征进行排序；所述距离特征数据集及所述增益特征数据集分别用于训练接收功率预测模型。

35、根据本发明实施例的另一个方面，还提供了一种接收功率预测模型的训练装置，通过上面所述的距离特特性数据集和增益特性数据集对接收功率预测模型进行训练，所述方法包括：

36、第二获取单元，用于获取距离特性数据集和增益特性数据集；

37、第一训练单元，用于将所述距离特性数据集输入待训练的接收功率预测模型中进行训练得到第一训练模型；

38、第二训练单元，用于将所述增益特性数据集输入到所述第一训练模型进行训练得到第二训练模型；

39、第三训练单元，用于获取距离特性数据集和增益特性数据集，对所述距离特性数据集和增益特性数据集进行随机处理，得到随机化序列，并将所述随机化序列输入到第二训练模型中训练，得到训练好的接收功率预测模型。

40、根据本发明实施例的另一个方面，还提供了一种接收功率的预测装置，包括：

41、第三获取单元，用于获取信号发射端和信号接收端的实际地理位置的相关信息；

42、预测单元，用于将所述实际地理位置相关信息转换为相应的特征信息后，输入到接收功率预测模型中进行处理得到预测接收功率；所述接收功率预测模型根据如上面所述的接收功率预测模型的训练方法训练得到；

43、修正单元，用于对所述预测接收功率进行修正，得到目标预测接收功率。

44、根据本发明实施例的另一个方面，还提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

45、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行根据上面所述基于射线跟踪模型的样本生成方法或上面所述的接收功率预测模型的训练方法或上面所述的接收功率的预测方法的步骤。

46、根据本发明实施例的另一个方面，还提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行上面所述基于射线跟踪模型的样本生成方法或上面所述的接收功率预测模型的训练方法或上面所述的接收功率的预测方法的步骤。

47、本发明实施例通过将获取到的射线跟踪模型的全向天线仿真数据及定向天线仿真数据，以信号发射端为起点向不同方向发射信号形成的多条发射射线，并根据地理位置坐标，将位于同一条所述发射射线上的全向天线仿真数据按照信号接收端距离信号发射端的远近进行排列形成一组距离特性数据集，以此得到多组距离特性数据集，和根据所述地理位置坐标，将距离所述信号发射端的距离相同的信号接收端的所述定向天线仿真数据作为一组增益特性数据集，每组所述增益特性数据集中的定向天线仿真数据按照天线增益特征进行排序，以得到多组增益特性数据集。通过以上方式对射线跟踪模型得到的全向天线仿真数据及定向天线仿真数据分别进行分组，生成具有距离特征的多组距离特性数据集和具有天线增益特征的多组增益特性数据集，使得射线跟踪模型的仿真数据可以用于训练接收功率预测模型，为接收功率预测模型的训练提供了良好的数据源。同时通过这两种数据集可以确定接收功率预测模型的训练顺序和训练方向，且训练完成的接收功率预测模型充分体现了距离特征和天线增益特征对接收功率的影响，实现快速高效的获取合理的接收功率预测模型，训练完成后的接收功率预测模型准确率高且复杂度好。

48、上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。