一种家庭网络质量热力图生成方法、系统、设备及介质与流程

本发明涉及数据处理，尤其涉及一种家庭网络质量热力图生成方法、系统、设备及介质。

背景技术：

1、随着无线网络的普及，家庭网络环境的优化变得日益重要。然而，传统的网络质量测试方法通常依赖于人工手持设备在每个房间进行测量，这种方法不仅耗时耗力，而且容易因为测量者的主观因素导致数据不准确。此外，家庭房型多样，信号源位置各异，如何针对特定房型和信号源配置快速准确地预测家庭内各位置的网络质量，成为亟待解决的问题。

技术实现思路

1、本发明提出一种家庭网络质量热力图生成方法、系统、设备及介质，旨在至少在一定程度上解决相关技术中的技术问题之一，本发明实施例能够便捷安全实现家庭网络质量热力图生成。

2、一方面，本发明实施例提供了一种家庭网络质量热力图生成方法，包括：

3、获取目标家庭的房型图信息；房型图信息中标注有信号源的信号源位置；

4、基于房型图信息，在目标家庭中预设路径的每个移动位置执行预设的网络性能测试任务；

5、根据网络性能测试任务的测试结果整理得到每个移动位置的网络性能测试数据；

6、基于信号源的信号参数和每个移动位置及其对应的网络性能测试数据，对预构建的神经网络模型进行分析训练，得到目标预测模型；利用目标预测模型对目标家庭的待预测位置进行网络质量预测，得到待预测位置的网络质量数据；待预测位置表征目标家庭中除预设路径之外的所有位置；

7、根据目标家庭中所有位置对应的网络性能测试数据或网络质量数据转化得到网络质量热力图；

8、对目标家庭的网络质量热力图进行可视化处理。

9、可选地，在目标家庭中预设路径的每个移动位置执行预设的网络性能测试任务的步骤之前，方法还包括以下步骤：

10、对房型图信息进行数据预处理，将房型图信息转换为预设数据格式，生成家庭二维占用地图；

11、其中，数据预处理包括障碍物标注，预设数据格式包括栅格地图。

12、可选地，在目标家庭中预设路径的每个移动位置执行预设的网络性能测试任务，包括以下步骤：

13、利用可移动机器人在目标家庭中预设路径进行位置移动，进而在每个移动位置执行预设的网络性能测试任务。

14、可选地，信号源的信号参数包括信号源位置、连接模式、信道、发射信号强度以及距离信号源位置预设步进范围的基准位置的路径损耗值和基准网络质量数据；基于信号源的信号参数和每个移动位置及其对应的网络性能测试数据，对预构建的神经网络模型进行分析训练，得到目标预测模型，包括以下步骤：

15、基于基准位置的路径损耗值分析得到每个移动位置的路径损耗值；

16、将信号源位置、连接模式、信道、发射信号强度、基准网络质量数据、每个移动位置及其对应的路径损耗值作为入参，将每个移动位置及其对应的网络性能测试数据作为出参，对预构建的神经网络模型进行分析训练，建立映射函数得到目标预测模型；

17、其中，神经网络模型包括输入层、第一隐藏层、第二隐藏层和输出层；输入层的神经元个数与入参的数据维度一致，输出层的神经元个数与出参的数据维度一致。

18、可选地，基于基准位置的路径损耗值分析得到每个移动位置的路径损耗值，包括以下步骤：

19、基于基准位置的路径损耗值结合每个移动位置与信号源位置的移动距离，利用路径损耗公式计算得到每个移动位置的路径损耗值；

20、其中，路径损耗公式的表达式为：

21、pl(db)＝pl(d0)+10nlog(d/d0)+xσ；

22、式中，d表示移动位置与信号源位置的移动距离；pl(db)表示移动距离d处的路径损耗值；d0表示基准位置与信号源位置的基准距离；pl(d0)表示基准位置的路径损耗值；n表示损耗指数；xσ表示标准偏差的正态随机变量。

23、可选地，信号源的信号参数包括信号源位置、连接模式、信道、发射信号强度以及距离信号源位置预设步进范围的基准位置的路径损耗值和基准网络质量数据；利用目标预测模型对目标家庭的待预测位置进行网络质量预测，得到待预测位置的网络质量数据，包括以下步骤：

24、基于基准位置的路径损耗值分析得到待预测位置的路径损耗值；

25、将信号源位置、连接模式、信道、发射信号强度、基准网络质量数据、待预测位置及其对应的路径损耗值输入目标预测模型进行网络质量预测，得到待预测位置的网络质量数据。

26、可选地，网络性能测试数据和网络质量数据均包括信号接收强度、网络传输速度、时延、抖动和丢包率；根据目标家庭中所有位置对应的网络性能测试数据或网络质量数据转化得到网络质量热力图，包括以下步骤：

27、基于预设的权重参数对目标家庭的目标位置对应的信号接收强度、网络传输速度、时延、抖动和丢包率进行加权求和，得到目标位置对应的网络质量得分；

28、根据目标家庭中所有位置对应的网络质量得分映射转化得到网络质量热力图；

29、其中，网络质量得分基于预设的映射规则映射转化为相应位置的热力值。

30、另一方面，本发明实施例提供了一种家庭网络质量热力图生成系统，包括：

31、房型结构导入模块，用于获取目标家庭的房型图信息；房型图信息中标注有信号源的信号源位置；

32、可移动机器人，用于基于房型图信息，在目标家庭中预设路径的每个移动位置执行预设的网络性能测试任务；

33、网络性能测试模块，用于根据网络性能测试任务的测试结果整理得到每个移动位置的网络性能测试数据；

34、数据处理与神经网络分析模块，用于基于信号源的信号参数和每个移动位置及其对应的网络性能测试数据，对预构建的神经网络模型进行分析训练，得到目标预测模型；利用目标预测模型对目标家庭的待预测位置进行网络质量预测，得到待预测位置的网络质量数据；待预测位置表征目标家庭中除预设路径之外的所有位置；

35、热力图生成与展示模块，用于根据目标家庭中所有位置对应的网络性能测试数据或网络质量数据转化得到网络质量热力图；

36、用户交互界面，用于对目标家庭的网络质量热力图进行可视化处理。

37、可选地，可移动机器人在执行在目标家庭中预设路径的每个移动位置执行预设的网络性能测试任务的步骤之前，具体还用于以下操作：

38、对房型图信息进行数据预处理，将房型图信息转换为预设数据格式，生成家庭二维占用地图；

39、其中，数据预处理包括障碍物标注，预设数据格式包括栅格地图。

40、另一方面，本发明实施例提供了一种电子设备，包括：处理器以及存储器；存储器用于存储程序；处理器执行程序实现上述家庭网络质量热力图生成方法。

41、另一方面，本发明实施例提供了一种计算机存储介质，其中存储有处理器可执行的程序，处理器可执行的程序在由处理器执行时用于实现上述家庭网络质量热力图生成方法。

42、本发明实施例通过获取目标家庭的房型图信息；房型图信息中标注有信号源的信号源位置；基于房型图信息，在目标家庭中预设路径的每个移动位置执行预设的网络性能测试任务；根据网络性能测试任务的测试结果整理得到每个移动位置的网络性能测试数据；基于信号源的信号参数和每个移动位置及其对应的网络性能测试数据，对预构建的神经网络模型进行分析训练，得到目标预测模型；利用目标预测模型对目标家庭的待预测位置进行网络质量预测，得到待预测位置的网络质量数据；待预测位置表征目标家庭中除预设路径之外的所有位置；根据目标家庭中所有位置对应的网络性能测试数据或网络质量数据转化得到网络质量热力图；对目标家庭的网络质量热力图进行可视化处理。本发明包括如下有益效果：

43、通过获取目标家庭的房型图信息并标注信号源的信号源位置，能够充分利用房型结构和信号源配置的先验知识。接着，在预设路径的每个移动位置执行预设的网络性能测试任务，收集网络性能测试数据，这些数据为后续的模型训练提供了坚实的基础。

44、基于信号源的信号参数和每个移动位置及其对应的网络性能测试数据，对预构建的神经网络模型进行分析训练，得到目标预测模型。这一步骤充分利用了神经网络在处理复杂非线性关系方面的优势，使得模型能够学习到房型结构、信号源位置与网络质量之间的内在联系。

45、利用目标预测模型对目标家庭的待预测位置进行网络质量预测，得到待预测位置的网络质量数据。这一步骤实现了对家庭内任意位置网络质量的快速、准确预测，极大地提高了网络质量评估的效率和准确性。

46、此外，将目标家庭中所有位置对应的网络性能测试数据或网络质量数据转化得到网络质量热力图，并进行可视化处理，使得用户能够直观地了解家庭内网络质量的分布情况，为网络优化提供了有力的支持。

47、综上所述，本发明方法具有预测准确、效率高、可视化效果好等优点，能够广泛应用于家庭网络环境的优化和评估中。