專利名稱：一種室內(nèi)天線的布放方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及室內(nèi)環(huán)境下的無線網(wǎng)絡(luò)規(guī)劃的優(yōu)化領(lǐng)域，具體涉及一種室內(nèi)天線的布放方法及布放系統(tǒng)。
背景技術(shù)：
室內(nèi)無線信號覆蓋中核心的問題是室內(nèi)天線位置的定位和優(yōu)化問題，現(xiàn)有技術(shù)中常用的有以下兩種解決方案:
(I)通過人工調(diào)整不同天線位置，然后測試結(jié)果并選擇最合適的天線位置。這種方案主要是設(shè)計人員通過實地勘察并根據(jù)個人經(jīng)驗和直覺選擇天線的安裝位置和配置。
(2)利用專用室內(nèi)覆蓋預(yù)測軟件進行半自動化選擇最優(yōu)位置。這種方案主要是利用軟件輔助設(shè)計人員驗證已布放的天線位置是否能達到所要求的指標(biāo)，減輕現(xiàn)場勘察、測試的工作量?，F(xiàn)有的室內(nèi)覆蓋軟件有:摩托羅拉(Motorola)公司的室內(nèi)規(guī)劃軟件EnterprisePlanner、廣州天越電子有限公司室內(nèi)覆蓋設(shè)計軟件Visio版和得賽易室內(nèi)覆蓋設(shè)計系統(tǒng)等。
以上提到的室內(nèi)覆蓋軟件都是支持手動設(shè)計各種網(wǎng)絡(luò)的鋪設(shè)及仿真，而室內(nèi)天線的布放方案還是需要工程師根據(jù)經(jīng)驗進行設(shè)計。其缺點在于:
(I)天線布放數(shù)量與布放點位密切相關(guān)，人工經(jīng)驗設(shè)計無法遍歷所有的布放方案，進而很難選擇出覆蓋效果與經(jīng)濟成本兼顧的最優(yōu)方案。
(2)通過現(xiàn)有技術(shù)可以檢驗設(shè)計方案是否能夠滿足覆蓋要求，但如果不滿足覆蓋要求則需要重新設(shè)計，耗費人力物力。
(3)通過現(xiàn)有技術(shù)檢驗，即便能滿足覆蓋要求，也無法保證所用的天線面數(shù)最少、最節(jié)約成本。發(fā)明內(nèi)容
有鑒于此，本發(fā)明的目的是提供一種室內(nèi)天線的布放方法及系統(tǒng)，用以降低室內(nèi)天線布放的實現(xiàn)復(fù)雜度、改善覆蓋效果并降低設(shè)備成本。
為解決上述技術(shù)問題，本發(fā)明提供方案如下:
一種室內(nèi)天線的布放方法，包括:
確定天線數(shù)量的初始值；
利用多目標(biāo)進化算法，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；
調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，進而尋找出具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，得到室內(nèi)天線的最終布放方案。
優(yōu)選地，上述方法中，所述確定天線數(shù)量的初始值包括:
根據(jù)預(yù)先確定的無線信號室內(nèi)傳播模型，確定一面天線的有效覆蓋面積；
根據(jù)室內(nèi)面積和所述有效覆蓋面積，確定所述初始值。
優(yōu)選地，上述方法中，所述無線信號室內(nèi)傳播模型為Keenan-Motley模型,所述有效覆蓋面積是根據(jù)所述Keenan-Motley模型，在沒有空間障礙阻擋無線信號傳輸?shù)那闆r下求解得到的。
優(yōu)選地，上述方法中，
所述有效覆蓋面積為一圓形區(qū)域，所述確定所述初始值包括:
獲得所述圓形區(qū)域的內(nèi)切正方形的第一面積；
將所述室內(nèi)面積除以所述第一面積，得到一商值，對所述商值向上取整，得到所述天線數(shù)量的初始值。
優(yōu)選地，上述方法中，所述利用多目標(biāo)進化算法，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，包括:
將室內(nèi)面積進行柵格化，得到多個柵格，其中每個柵格作為一個位置點，每個位置點具有對應(yīng)的坐標(biāo)；
利用多目標(biāo)進化算法對預(yù)先設(shè)置的兩個以上的目標(biāo)函數(shù)進行求解，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，其中所述目標(biāo)函數(shù)是根據(jù)對室內(nèi)天線布放指標(biāo)的需求預(yù)先設(shè)置的，所述最優(yōu)布放位置點方案包括布放天線的數(shù)量及各個天線布放的位置點的坐標(biāo)。
優(yōu)選地，上述方法中，
所述利用多目標(biāo)進化算法對預(yù)先設(shè)置的兩個以上的目標(biāo)函數(shù)進行求解，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，包括:
步驟A，按照預(yù)定比例，將所述當(dāng)前天線數(shù)量的天線在所述室內(nèi)均勻分布的個體和在所述室內(nèi)隨機分布的個體混合，產(chǎn)生初始種群，其中每個個體是將室內(nèi)所有天線布放的位置點的坐標(biāo)轉(zhuǎn)換為二進制編碼后，再按照預(yù)定規(guī)則排列得到的二進制數(shù)；
步驟B，執(zhí)行一次迭代操作，包括:基于預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算初始種群中個體的適應(yīng)度，以及基于適應(yīng)度進行遺傳算法的交叉和變異操作產(chǎn)生新的種群；
步驟C，判斷是否達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度是否已不能再得到提高:若已達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度已不能再得到提高，則選取當(dāng)前種群中適應(yīng)度最高的個體，作為當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；否則，將新的種群作為當(dāng)前種群，返回步驟B。
優(yōu)選地，上述方法中，
所述基于預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算初始種群中個體的適應(yīng)度，以及基于適應(yīng)度進行遺傳算法的交叉和變異操作產(chǎn)生新的種群，包括:
從當(dāng)前種群中刪除不滿足預(yù)設(shè)約束條件的個體；
針對當(dāng)前種群中的每個剩余個體，利用預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算得到所述剩余個體的適應(yīng)度；
基于Pareto占優(yōu)以及小生境技術(shù)，對所述剩余個體進行分類，并按照適應(yīng)度的高低順序，從每個類中選擇出預(yù)定數(shù)量的個體作為該類的群，再在所有類的群內(nèi)部以及群之間進行遺傳算法的交叉和變異操作產(chǎn)生新的個體群，得到新的種群。
優(yōu)選地，上述方法中，所述至少兩個目標(biāo)函數(shù)包括:
用于表征所述室內(nèi)所有位置點處的天線功率的第一目標(biāo)函數(shù)，和
用于使所述室內(nèi)所有位置點處的信噪比最大化的第二目標(biāo)函數(shù)。
優(yōu)選地，上述方法中，所述預(yù)設(shè)約束條件包括:
所述室內(nèi)的天線信號的覆蓋率大于或等于預(yù)設(shè)的第一下限值；和/或
所述室內(nèi)的天線信號的平均信號強度大于或等于預(yù)設(shè)的第二下限值。
優(yōu)選地，上述方法中，所述調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，進而尋找出具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，包括:
步驟1，判斷當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案是否滿足預(yù)設(shè)約束條件:若滿足，則進入步驟2 ;若不滿足，則進入步驟4 ；
步驟2，將天線數(shù)量更新為int(N/2)，其中int (N/2)表示對N/2向上取整，N表示天線數(shù)量的當(dāng)前值，進入步驟3 ；
步驟3，利用多目標(biāo)進化算法，得到在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，返回步驟I ;
步驟4，判斷上一次求解得到的最優(yōu)布放位置點方案是否滿足所述約束條件:若滿足，則進入步驟5 ;若不滿足，則進入步驟6 ；
步驟5，將上一次求解得到的最優(yōu)布放位置點方案，作為所述在滿足預(yù)設(shè)約束條件且具有最少天線數(shù)量的所述最優(yōu)布放位置點方案；
步驟6,將天線數(shù)量更新為N+1后,返回步驟3。
本發(fā)明還提供了一種室內(nèi)天線的布放系統(tǒng)，包括:
確定單元，用于確定天線數(shù)量的初始值；
算法處理單元，用于利用多目標(biāo)進化算法，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；
最優(yōu)解獲得單元，用于調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，進而尋找出具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，得到室內(nèi)天線的最終布放方案。
優(yōu)選地，上述系統(tǒng)中，所述確定單元包括:
面積計算單元，用于根據(jù)預(yù)先確定的無線信號室內(nèi)傳播模型，確定一面天線的有效覆蓋面積；
初始值確定單元，用于根據(jù)室內(nèi)面積和所述有效覆蓋面積，確定天線數(shù)量的初始值。
優(yōu)選地，上述系統(tǒng)中，
所述有效覆蓋面積為一圓形區(qū)域，所述初始值確定單元，具體用于:
獲得所述圓形區(qū)域的內(nèi)切正方形的第一面積；
將所述室內(nèi)面積除以所述第一面積，得到一商值，對所述商值向上取整，得到所述天線數(shù)量的初始值。
優(yōu)選地，上述系統(tǒng)中，所述算法處理單元包括:
柵格化單元，用于將所述室內(nèi)面積進行柵格化，得到多個柵格，其中每個柵格作為一個位置點，每個位置點具有對應(yīng)的坐標(biāo)；
求解單元，用于利用多目標(biāo)進化算法對預(yù)先設(shè)置的兩個以上的目標(biāo)函數(shù)進行求解，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，其中所述目標(biāo)函數(shù)是根據(jù)對室內(nèi)天線布放指標(biāo)的需求預(yù)先設(shè)置的，所述最優(yōu)布放位置點方案包括布放天線的數(shù)量及各個天線布放的位置點的坐標(biāo)。
優(yōu)選地,上述系統(tǒng)中，所述求解單元包括:
初始種群產(chǎn)生單元，用于按照預(yù)定比例，將所述當(dāng)前天線數(shù)量的天線在所述室內(nèi)均勻分布的個體和在所述室內(nèi)隨機分布的個體混合，產(chǎn)生初始種群，其中每個個體是將室內(nèi)所有天線布放的位置點的坐標(biāo)轉(zhuǎn)換為二進制編碼后，再按照預(yù)定規(guī)則排列得到的二進制數(shù)；
迭代單元，用于執(zhí)行一次迭代操作，包括:基于預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算初始種群中個體的適應(yīng)度，以及基于適應(yīng)度進行遺傳算法的交叉和變異操作產(chǎn)生新的種群;
第一判斷單元，用于判斷是否達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度是否已不能再得到提高:若已達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度已不能再得到提高，則選取當(dāng)前種群中適應(yīng)度最高的個體，作為當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；否貝U，將新的種群作為當(dāng)前種群并觸發(fā)所述迭代單元。
優(yōu)選地,上述系統(tǒng)中，所述迭代單元包括:
刪除單元，用于從當(dāng)前種群中刪除不滿足預(yù)設(shè)約束條件的個體；
適應(yīng)度計算單元，用于針對當(dāng)前種群中的每個剩余個體，利用預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算得到所述剩余個體的適應(yīng)度；
進化單元，用于基于Pareto占優(yōu)以及小生境技術(shù)，對所述剩余個體進行分類，并按照適應(yīng)度的高低順序，從每個類中選擇出預(yù)定數(shù)量的個體作為該類的群，再在所有類的群內(nèi)部以及群之間進行遺傳算法的交叉和變異操作產(chǎn)生新的個體群，得到新的種群。
優(yōu)選地，上述系統(tǒng)中，所述至少兩個目標(biāo)函數(shù)包括:
用于表征所述室內(nèi)所有位置點處的天線功率的第一目標(biāo)函數(shù)，和
用于使所述室內(nèi)所有位置點處的信噪比最大化的第二目標(biāo)函數(shù)。
優(yōu)選地，上述系統(tǒng)中，所述預(yù)設(shè)約束條件包括:
所述室內(nèi)的天線信號的覆蓋率大于或等于預(yù)設(shè)的第一下限值；和/或
所述室內(nèi)的天線信號的平均信號強度大于或等于預(yù)設(shè)的第二下限值。
優(yōu)選地，上述系統(tǒng)中，所述最優(yōu)解獲得單元，具體用于執(zhí)行以下步驟:
步驟1，判斷當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案是否滿足預(yù)設(shè)約束條件:若滿足，則進入步驟2 ;若不滿足，則進入步驟4 ；
步驟2，將天線數(shù)量更新為int(N/2)，其中int (N/2)表示對N/2向上取整，N表示天線數(shù)量的當(dāng)前值，進入步驟3 ；
步驟3，利用多目標(biāo)進化算法，得到在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，返回步驟I ;
步驟4，判斷上一次求解得到的最優(yōu)布放位置點方案是否滿足所述約束條件:若滿足，則進入步驟5 ;若不滿足，則進入步驟6 ；
步驟5，將上一次求解得到的最優(yōu)布放位置點方案，作為所述在滿足預(yù)設(shè)約束條件且具有最少天線數(shù)量的所述最優(yōu)布放位置點方案；
步驟6,將天線數(shù)量更新為N+1后,返回步驟3。
從以上所述可以看出，本發(fā)明提供的室內(nèi)天線的布放方法及系統(tǒng)，能夠根據(jù)預(yù)先設(shè)定的多個目標(biāo)值(包括網(wǎng)絡(luò)制式、覆蓋率要求、個性化場所優(yōu)先要求、成本要求等)，通過遺傳算法運算海量天線布放方案，并從中“進化”出滿足上述多目標(biāo)值的最優(yōu)方案，從而使得設(shè)計人員可以根據(jù)本發(fā)明計算的天線最優(yōu)數(shù)量和位置對比實際情況進行調(diào)整，為降低天線布放設(shè)計難度、節(jié)省覆蓋成本、提高覆蓋效率提供科學(xué)高效的支撐手段。


圖1為本發(fā)明實施例提供的一種室內(nèi)天線的布放方法的流程示意圖2為本發(fā)明實施例提供的一種室內(nèi)天線的布放系統(tǒng)的結(jié)構(gòu)示意圖3為本發(fā)明實施例提供的室內(nèi)天線的一種布放方法的總體流程圖4為本發(fā)明實施例多目標(biāo)進化算法中生成編碼的流程示意圖5為本發(fā)明實施例多目標(biāo)進化算法中計算適應(yīng)度的流程示意圖6為本發(fā)明實施例多目標(biāo)進化算法中進化算法操作的流程示意圖7為本發(fā)明實施例利用二分法尋找滿足覆蓋約束條件的最少天線數(shù)的布放方案的流程示意圖。
具體實施方式
為幫助更好地理解本發(fā)明，首先對本發(fā)明實施例中涉及到的多目標(biāo)進化算法進行介紹說明。
多目標(biāo)進化算法是遺傳算法的一個分支，這個算法與單目標(biāo)優(yōu)化算法最大的區(qū)別是，它有多個目標(biāo)需要同時實現(xiàn)最優(yōu)化。從內(nèi)在機制來看，多目標(biāo)進化算法采用了改進的選擇機制，以便反映基于Pareto最優(yōu)的選擇特征，并且采用小生境技術(shù)來爭取使得Pareto前端上解點呈現(xiàn)均勻分布。
多目標(biāo)進化算法是從代表問題可能潛在的解集的一個種群(population)開始的，而一個種群則由經(jīng)過基因(gene)編碼的一定數(shù)目的個體(individual)組成。每個個體實際上是染色體(chromosome)帶有特征的實體。染色體作為遺傳物質(zhì)的主要載體，即多個基因的集合，其內(nèi)部表現(xiàn)(即基因型)是某種基因組合，它決定了個體的形狀的外部表現(xiàn)，如黑頭發(fā)的特征是由染色體中控制這一特征的某種基因組合決定的。因此，在一開始需要實現(xiàn)從表現(xiàn)型到基因型的映射，即編碼工作。由于仿照基因編碼的工作很復(fù)雜，可以進行簡化，如二進制編碼。初代種群產(chǎn)生之后，按照適者生存和優(yōu)勝劣汰的原理，逐代(generation)演化 產(chǎn)生出越來越好的近似解,在每一代,根據(jù)問題域中個體的適應(yīng)度(fitness)大小選擇(selection)個體，并借助于自然遺傳學(xué)的遺傳算子(geneticoperators)進行組合交叉(crossover)和變異(mutation),產(chǎn)生出代表新的解集的種群。這個過程將導(dǎo)致種群像自然進化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個體經(jīng)過解碼(decoding)，可以作為問題近似最優(yōu)解。
小生境是在特定環(huán)境中的一種組織功能，在進化算法中，為了保持進化群體的多樣性，模擬自然界生物的“物以類聚”現(xiàn)象，即是小生境技術(shù)。小生境技術(shù)將每一代個體劃分為若干類，每個類中選出若干適應(yīng)度較大的個體作為一個類的優(yōu)秀代表組成一個群，再在群中，以及不同群中之間，雜交，變異產(chǎn)生新一代個體群，即新一代的種群。
如果個體χω和x(2)滿足對于所有i = 1，2，…，N^fi(Xw)不劣于A (x(2))，且至少存在一個ie {1,2,…，NI^fi(Xd))優(yōu)于fiU )，那么個體χω占優(yōu)于χ(2)。在一組解P中，非劣解組(Non-dominated set)是指所有那些不被P中的任何個體占優(yōu)的個體組成的一組解，當(dāng)P是整個搜索空間時，所得的非劣組即為Pareto占優(yōu)解。這里，A表示目標(biāo)函數(shù)i，N表示目標(biāo)函數(shù)的總個數(shù)，P表示解空間。
小生境遺傳算法中的NPGA (Niche Pareto Genetic Algorithm)和 SGA (SimpleGenetic Algorithm)主要區(qū)別在于選擇機制和適應(yīng)度賦值方式不同。NPGA采用Pareto優(yōu)勝關(guān)系進行錦標(biāo)賽選擇，并使用適應(yīng)度共享機制。其中，適應(yīng)度共享機制是指，通過反映個體之間的相似程度的共享函數(shù)來調(diào)節(jié)群體中各個個體的適應(yīng)度，從而在這以后的群體進化過程中，算法能夠依據(jù)這個調(diào)整后的新適應(yīng)度來進行選擇運算，以維持群體的多樣性，創(chuàng)造出小生境的進化環(huán)境。適應(yīng)度共享:若個體a，b e P (i)，且點a和點b之間的基因型距離D (a, b) ( osh_，則對個體解點a和b的適應(yīng)度進行修正，使得Φ := CDi (a)-X⑶，Oi(b):= 03)4(0)，其中父是由點3和13的個體之間的距離0來確定，03一是小生境半徑。小生境數(shù)目Iii是指在基因型空間或表現(xiàn)型空間中位于第i個小生境部分內(nèi)的個體數(shù)目?；谛∩车倪x擇算子:如果對于兩個非劣個體a和b實施選擇，設(shè)Iii (a)、ni (b)分別為個體a和b在第i個小生境部分內(nèi)的個體數(shù)目，則從min Oii (a), Iii (b))中選擇相應(yīng)的個體為選中的具有最小小生境數(shù)目的個體。
多目標(biāo)算法需要考慮幾個關(guān)鍵:多目標(biāo)的處理、多約束的處理、高維整數(shù)規(guī)劃問題。對于多目標(biāo)而言，需要借助多目標(biāo)Pareto最優(yōu)算法來求解；對于多約束而言，可以結(jié)合上面的基本遺傳算法作為求解的啟發(fā)式信息來改進多目標(biāo)進化算法；對于高維整數(shù)規(guī)劃問題而言，需要利用遺傳算法來求解。因此本發(fā)明實施例采用多目標(biāo)算法中的小生境Pareto遺傳算法(Niche Pareto Genetic Algorithm)。和傳統(tǒng)的單目標(biāo)優(yōu)化不同，多目標(biāo)進化需要同時優(yōu)化多個目標(biāo)，必須同時處理多個適應(yīng)度函數(shù)，上面的算法框架中的初始化來自之前獲得的初始解集，然后采用Pareto占優(yōu)以及采用小生境方式來獲得Pareto前端上均勻分布的解點，一種偽碼表示的流程如下:
t:= O
初始化P(O):= {a,(O),".，αμ(O)} gI"(0)
計算個體的適應(yīng)度Fi (O)，i e N
根據(jù)個體的適應(yīng)度進行基于Pareto非劣解降序排列，并記憶前m個，m < N
While ( Δ ({P (O),..., P (t)}) ^ true) DO
交叉P'(O:= (P(t))
變異P"⑴:=OW))
選擇If Π
Then 尸O+ 1):= ) % (P "⑴)
Else Pit +1):= ,φ)(P"(OUΡ( )
End If
小生境處理:將上一步得到的N個個體和前面記憶的m個個體合并，計算N+m個個 f — \...N + τη — ^體間的海明距離:λΣ%-4)2，..’1/ I
當(dāng)個體間的海明距離小于小生境距離時，適應(yīng)度較低的個體將被懲罰，
多約束的處理:個體都滿足約束，則目標(biāo)占優(yōu)者為優(yōu)；
個體超出約束范圍，則超出量小者占優(yōu)，
處理完畢后再進行基于Pareto非劣解降序排列，并記憶前m個，
t: = t+1
End Do
以上流程中的算子及其符號:
1、I為個體空間中的一個非空集合；
2、{μω}, i e N為父代群體大小，l>gen(i)}，i e N為子代群體大小，N為個體數(shù)量；
3、P為父代群體之解，P'為交叉后的解，P"為變異后的解；
4、Φ:1 — Rk為k個適應(yīng)度函數(shù)的映射，個體的適應(yīng)度為Fi, i e N；
5、Δ: U:=1 (/勹(0 — {ture, /α/從}為進化終止判斷準(zhǔn)則；
6,Tie {ture，false}為布爾邏輯判斷符；
7、r為交叉操作算子、m為變異操作算子和s為選擇操作算子；
8、Θ eJTf為交叉參數(shù)、Θ= 為變異參數(shù)和舊eJTf)為選擇參數(shù)。
本發(fā)明將多目標(biāo)進化算法應(yīng)用于室內(nèi)天線布放領(lǐng)域，通過首先確定天線數(shù)量的初始值；然后，利用多目標(biāo)進化算法，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；繼而，調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，最終尋找出具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，得到室內(nèi)天線的最終布放方案。
為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖及具體實施例對本發(fā)明進行詳細描述。
請參照圖1，本發(fā)明實施例提供了一種室內(nèi)天線的布放方法，可以實現(xiàn)多制式室內(nèi)分布系統(tǒng)智能布放。如圖1所示，該方法包括以下步驟:
步驟11，根據(jù)預(yù)先確定的無線信號室內(nèi)傳播模型，計算一面天線的有效覆蓋面積。
這里，無線信 號室內(nèi)傳播模型可以采用Keenan-Motley模型,所述有效覆蓋面積可以根據(jù)對不同制式天線信號強度的要求以及無線信號在空間傳輸過程中的衰減計算獲得，通?？梢栽跊]有空間障礙阻擋無線信號傳輸?shù)那闆r下計算得到。
步驟12，根據(jù)室內(nèi)面積和所述有效覆蓋面積，確定天線數(shù)量的初始值。
這里，預(yù)先求解出一個可能會滿足基本覆蓋要求的天線數(shù)量的初始值。具體的初始值的求解方法可以有多種，在獲得初始值之后，本發(fā)明實施例進一步判斷在該初始值下天線是否滿足預(yù)定要求，進而對天線數(shù)量進行相應(yīng)增減，以尋找到最為合適的天線數(shù)量。因此本發(fā)明實施例的實施并不受限于初始值的求解方式，在天線的有效覆蓋面積為一圓形區(qū)域，可以采用的一種求解方式為:獲得所述圓形區(qū)域的內(nèi)切正方形的第一面積；將所述室內(nèi)面積除以所述第一面積，得到一商值，對所述商值向上取整，得到所述天線數(shù)量的初始值。
步驟13，將所述室內(nèi)面積進行柵格化，得到多個柵格，其中每個柵格作為一個位置點，每個位置點具有經(jīng)緯度坐標(biāo)。
這里，由于連續(xù)的室內(nèi)空間平面上包括無數(shù)個點，本發(fā)明實施例為了簡化處理，通過柵格化處理，將平面轉(zhuǎn)換為多個柵格，每個柵格具有預(yù)定的形狀和面積，從而將每個柵格作為一個位置點，該位置點的具體坐標(biāo)可以采用柵格中心點的位置坐標(biāo)。天線布放的位置點(經(jīng)緯度坐標(biāo))是多目標(biāo)進化算法要求的解。
以上步驟11和步驟12獲得了天線數(shù)量的初始值，步驟13則是將室內(nèi)面積轉(zhuǎn)換為便于算法求解的柵格，步驟11、12與步驟13之間并無必然的先后順序關(guān)系，可以先執(zhí)行步驟11、12，后執(zhí)行步驟13 ;也可以先執(zhí)行步驟13，后執(zhí)行步驟11、12。
步驟14，利用多目標(biāo)進化算法對預(yù)先設(shè)置的兩個以上的目標(biāo)函數(shù)進行求解，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，其中所述目標(biāo)函數(shù)是根據(jù)對室內(nèi)天線布放指標(biāo)的需求預(yù)先設(shè)置的，所述最優(yōu)布放位置點方案包括布放天線的數(shù)量及各個天線布放的位置點的坐標(biāo)。
這里，布放指標(biāo)具有可以包括無線信號的覆蓋率、無線信號的覆蓋強度、信噪比等指標(biāo)。在工程應(yīng)用中，通常會給出具體的指標(biāo)需求，本發(fā)明實施例可以依據(jù)這些指標(biāo)需要，設(shè)計出對應(yīng)的目標(biāo)函數(shù)，來考察這些指標(biāo)。例如，設(shè)置用于表征所述室內(nèi)所有位置點處的天線功率的第一目標(biāo)函數(shù)，和用于使所述室內(nèi)所有位置點處的信噪比最大化的第二目標(biāo)函數(shù)。
本發(fā)明實施例根據(jù)對室內(nèi)天線布放指標(biāo)的需求，設(shè)置兩個以上的目標(biāo)函數(shù)，然后，利用多目標(biāo)進化算法，可以從天線數(shù)量的初始值開始，計算在當(dāng)前天線數(shù)量的天線情況下，滿足預(yù)定約束條件的天線最優(yōu)布放位置點方案。
步驟15，調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，進而尋找出滿足預(yù)設(shè)約束條件且具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，得到室內(nèi)天線的最終布放方案。
這里，通過調(diào)整天線數(shù)量，并求解得到在不同天線數(shù)量的情況下天線的最優(yōu)布放位置點方案，進而選擇出滿足預(yù)設(shè)約束條件且具有最少天線數(shù)量的所述最優(yōu)布放位置點方案。具體的約束條件可以是無線信號覆蓋率大于或等于某個預(yù)設(shè)第一下限值、無線信號的平均信號強度大于或等于某個預(yù)設(shè)第二下限值等等。對于某個天線數(shù)量下天線的最優(yōu)布放位置點方案的計算，可以采用步驟14中相同的計算方式。
通過以上步驟，本發(fā)明實施例能夠根據(jù)預(yù)先設(shè)定的目標(biāo)函數(shù)，通過遺傳算法運算海量天線布放方案，并從中“進化”出滿足上述多目標(biāo)值(如網(wǎng)絡(luò)制式、覆蓋率要求、個性化場所優(yōu)先要求、成本要求等)的最優(yōu)方案，從而使得設(shè)計人員可以根據(jù)計算的天線最優(yōu)數(shù)量和布放位置點進行天線布放或?qū)嶋H天線布放情況進行調(diào)整，從而為降低天線布放設(shè)計難度、節(jié)省覆蓋成本、提高覆蓋效率提供了科學(xué)高效的支撐手段。
本發(fā)明實施例在上述步驟14中，計算當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，可以包括以下步驟:
步驟A，按照預(yù)定比例，將所述當(dāng)前天線數(shù)量的天線在所述室內(nèi)均勻分布的個體和在所述室內(nèi)隨機分布的個體混合，產(chǎn)生初始種群，其中每個個體是將室內(nèi)所有天線布放的位置點的坐標(biāo)轉(zhuǎn)換為二進制編碼后，再按照預(yù)定規(guī)則排列得到的二進制數(shù)。
這里，將若干數(shù)量的天線均勻分布在室內(nèi)，可能只有一種均勻分布的個體；而將若干數(shù)量的天線隨機分布在室內(nèi)，則可能有很多種布放的個體。因此，在按比例混合時，例如按3: 5的比例混合，此時需要將均勻分布的個體復(fù)制3份，然后與5份隨機布放的個體混合，得到包括有8份個體的初始種群。
步驟B，執(zhí)行一次迭代操作，包括:基于預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算初始種群中個體的適應(yīng)度，以及基于適應(yīng)度進行遺傳算法的交叉和變異操作產(chǎn)生新的種群。
步驟C，判斷是否達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度是否已不能再得到提高:若已達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度已不能再得到提高，則選取當(dāng)前種群中適應(yīng)度最高的個體，作為當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；否則，將新的種群作為當(dāng)前種群，返回步驟B。
其中，上述步驟B中的一次迭代操作又具體可以包括以下步驟:
步驟BI，從當(dāng)前種群中刪除不滿足預(yù)設(shè)約束條件的個體。
步驟B2，針對當(dāng)前種群中的每個剩余個體，利用預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算得到所述剩余個體的適應(yīng)度。
步驟B3，基于Pareto占優(yōu)以及小生境技術(shù)，對所述剩余個體進行分類，并按照適應(yīng)度的高低順序，從每個類中選擇出預(yù)定數(shù)量的個體作為該類的群，再在所有類的群內(nèi)部以及群之間進行遺傳算法的交叉和變異操作產(chǎn)生新的個體群，得到新的種群。
本發(fā)明實施例在上述步驟15中，可以有多種方式調(diào)整天線數(shù)量，進而求解在不同天線數(shù)量下天線的最優(yōu)布放位置點方案。例如，如果當(dāng)前數(shù)量的天線滿足預(yù)設(shè)約束條件，則可以減小天線數(shù)量(例如天線數(shù)量減I)后，再次求解該天線數(shù)量下天線的最優(yōu)布放位置點方案，直至找到在某個數(shù)量的天線下的最優(yōu)布放位置點方案不能滿足預(yù)設(shè)約束條件，則最少天線數(shù)量為當(dāng)前天線數(shù)量加1，且最少天線數(shù)量的所述最優(yōu)布放位置點方案為上一次的布放方案。
為了加快算法的收斂過程，本發(fā)明實施例在上述步驟15中，采用二分法的方式尋找最少天線數(shù)量。此時，上述步驟15具體可以包括:
步驟151，判斷當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案是否滿足預(yù)設(shè)約束條件:若滿足，則進入步驟152 ;若不滿足，則進入步驟154 ；
步驟152,將天線數(shù)量更新為int (N/2),其中int表示向上取整，N表示天線數(shù)量的當(dāng)前值，進入步驟153 ；
步驟153，利用多目標(biāo)進化算法，得到在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，返回步驟151 ；
步驟154，判斷上一次求解得到的最優(yōu)布放位置點方案是否滿足所述約束條件:若滿足，則進入步驟155 ;若不滿足，則進入步驟156 ；
步驟155，將上一次求解得到的最優(yōu)布放位置點方案，作為所述在滿足預(yù)設(shè)約束條件且具有最少天線數(shù)量的所述最優(yōu)布放位置點方案；
步驟156，將天線數(shù)量更新為N+1后，返回步驟153。
以上結(jié)合圖1說明了本發(fā)明實施例的天線布放方法。從以上所述可以看出，本發(fā)明實施例的天線布放方法，可以概括為以下步驟:
I)根據(jù)室內(nèi)覆蓋傳播模型，得到一面天線的覆蓋面積；
2)根據(jù)室內(nèi)面積和一面天線的覆蓋面積，得到初始天線數(shù)量；
3)根據(jù)初始天線數(shù)量，利用多目標(biāo)優(yōu)化算法，得到初始天線數(shù)量下的最優(yōu)布放位置點方案；
4)用二分法尋找最少的所需天線數(shù)量:如果初始天線數(shù)量下的最優(yōu)布放位置點方案滿足指定的約束條件(例如覆蓋率大于或等于某個下限值、平均信號強度大于或等于某個下限值)，則將初始天線數(shù)量折半，否則，將初始天線數(shù)量加I ;
5)將步驟3)和步驟4)中的初始天線數(shù)量替換為折半后的天線數(shù)量或增加后的天線數(shù)量，重復(fù)執(zhí)行步驟3)和步驟4)，直至得到能夠滿足多目標(biāo)要求的最少天線數(shù)量時的最優(yōu)布放位置點方案為止。
其中，上述步驟3)又可以概述為如下所示:
3.1.將室內(nèi)面積柵格化為位置點，每個位置點有其經(jīng)緯度坐標(biāo)等屬性，天線布放的位置點(經(jīng)緯度坐標(biāo))是多目標(biāo)進化算法要求的解；
3.2.編碼:將天線布放的位置點轉(zhuǎn)化為二進制編碼，便于進行多目標(biāo)進化算法的遺傳、交叉、變異等操作；
3.3.產(chǎn)生初始種群:產(chǎn)生指定數(shù)量的初始天線均勻布放及隨機布放位置點方案，每個方案是一個初始個體，按指定比例混合這些個體，即產(chǎn)生初始種群；
3.4.計算適應(yīng)度:根據(jù)天線覆蓋區(qū)域最大化、信號強度平均化、整個區(qū)域的平均信號強度最大化等準(zhǔn)則，設(shè)計多目標(biāo)進化算法的目標(biāo)函數(shù)及約束條件，并計算步驟3.3初始種群中的每個個體方案的適應(yīng)度；
3.5.多目標(biāo)進化操作:采用Pareto占優(yōu)以及小生境技術(shù)選取適應(yīng)度較高的個體方案，并進行遺傳算法的交叉和變異操作產(chǎn)生新的個體，這些個體混合在一起產(chǎn)生新一代種群；
3.6.將步驟3.4,3.5中的初始種群替換為新一代種群，并重復(fù)執(zhí)行步驟3.4,3.5，隨著迭代次數(shù)的增多，新一代種群中個體的適應(yīng)度將不斷提高，直到達到指定的迭代次數(shù)，或適應(yīng)度已無改善空間為止；
3.7.選取最后一次迭代的種群中，適應(yīng)度最高的個體作為最優(yōu)解，即一定天線數(shù)量(第一次計算時是指初始天線數(shù)量)下的最優(yōu)布放位置點方案。
本發(fā)明實施例還提供了一種室內(nèi)天線的布放系統(tǒng)，如圖2所示，包括:
確定單元，用于確定天線數(shù)量的初始值；
算法處理單元，用于利用多目標(biāo)進化算法，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；
最優(yōu)解獲得單元，用于調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，進而尋找出具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，得到室內(nèi)天線的最終布放方案。
其中，所述確定單元包括:
面積計算單元，用于根據(jù)預(yù)先確定的無線信號室內(nèi)傳播模型，確定一面天線的有效覆蓋面積；
初始值確定單元，用于根據(jù)室內(nèi)面積和所述有效覆蓋面積，確定天線數(shù)量的初始值。
這里，所述有效覆蓋面積可以為一圓形區(qū)域，此時所述初始值確定單元，具體用于:獲得所述圓形區(qū)域的內(nèi)切正方形的第一面積；將所述室內(nèi)面積除以所述第一面積，得到一商值，對所述商值向上取整，得到所述天線數(shù)量的初始值。
本實施例中，所述算法處理單元可以包括:
柵格化單元，用于將所述室內(nèi)面積進行柵格化，得到多個柵格，其中每個柵格作為一個位置點，每個位置點具有對應(yīng)的坐標(biāo)；
求解單元，用于利用多目標(biāo)進化算法對預(yù)先設(shè)置的兩個以上的目標(biāo)函數(shù)進行求解，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，其中所述目標(biāo)函數(shù)是根據(jù)對室內(nèi)天線布放指標(biāo)的需求預(yù)先設(shè)置的，所述最優(yōu)布放位置點方案包括布放天線的數(shù)量及各個天線布放的位置點的坐標(biāo)。
其中，所述求解單元又可以包括:
初始種群產(chǎn)生單元，用于按照預(yù)定比例，將所述當(dāng)前天線數(shù)量的天線在所述室內(nèi)均勻分布的個體和在所述室內(nèi)隨機分布的個體混合，產(chǎn)生初始種群，其中每個個體是將室內(nèi)所有天線布放的位置點的坐標(biāo)轉(zhuǎn)換為二進制編碼后，再按照預(yù)定規(guī)則排列得到的二進制數(shù)；
迭代單元，用于執(zhí)行一次迭代操作，包括:基于預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算初始種群中個體的適應(yīng)度，以及基于適應(yīng)度進行遺傳算法的交叉和變異操作產(chǎn)生新的種群;
第一判斷單元，用于判斷是否達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度是否已不能再得到提高:若已達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度已不能再得到提高，則選取當(dāng)前種群中適應(yīng)度最高的個體，作為當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；否貝U，將新的種群作為當(dāng)前種群并觸發(fā)所述迭代單元。
其中，上述迭代單元又可以包括:
刪除單元，用于從當(dāng)前種群中刪除不滿足預(yù)設(shè)約束條件的個體；
適應(yīng)度計算單元，用于針對當(dāng)前種群中的每個剩余個體，利用預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算得到所述剩余個體的適應(yīng)度；
進化單元，用于基于Pareto占優(yōu)以及小生境技術(shù)，對所述剩余個體進行分類，并按照適應(yīng)度的高低順序，從每個類中選擇出預(yù)定數(shù)量的個體作為該類的群，再在所有類的群內(nèi)部以及群之間進行遺傳算法的交叉和變異操作產(chǎn)生新的個體群，得到新的種群。
本實施例中，所述至少兩個目標(biāo)函數(shù)包括:
用于表征所述室內(nèi)所有位置點處的天線功率的第一目標(biāo)函數(shù)，和
用于使所述室內(nèi)所有位置點處的信噪比最大化的第二目標(biāo)函數(shù)。
所述預(yù)設(shè)約束條件包括:
所述室內(nèi)的天線信號的覆蓋率大于或等于預(yù)設(shè)的第一下限值；和/或
所述室內(nèi)的天線信號的平均信號強度大于或等于預(yù)設(shè)的第二下限值。
本實施例中，所述最優(yōu)解獲得單元可以通過二分法快速地尋找到最優(yōu)解，此時，所述最優(yōu)解獲得單元，具體用于執(zhí)行以下步驟:
步驟1，判斷當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案是否滿足預(yù)設(shè)約束條件:若滿足，則進入步驟2 ;若不滿足，則進入步驟4 ；
步驟2，將天線數(shù)量更新為int(N/2)，其中int (N/2)表示對N/2向上取整，N表示天線數(shù)量的當(dāng)前值，進入步驟3 ;
步驟3，利用多目標(biāo)進化算法，得到在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，返回步驟I ;
步驟4，判斷上一次求解得到的最優(yōu)布放位置點方案是否滿足所述約束條件:若滿足，則進入步驟5 ;若不滿足，則進入步驟6 ；
步驟5，將上一次求解得到的最優(yōu)布放位置點方案，作為所述在滿足預(yù)設(shè)約束條件且具有最少天線數(shù)量的所述最優(yōu)布放位置點方案；
步驟6,將天線數(shù)量更新為N+1后,返回步驟3。
為了更好地理解本發(fā)明上述實施例，以下通過更為細致的描述，對本發(fā)明實施例作進一步的說明。
本發(fā)明實施例通過建立解決室內(nèi)分布系統(tǒng)布放最優(yōu)化問題的數(shù)學(xué)模型，對該模型進行求解，獲得最少天線數(shù)量下的天線最有布放位置點方案。
其中，室內(nèi)覆蓋系統(tǒng)數(shù)學(xué)模型包含三個基本因素:變量、約束和目標(biāo)函數(shù):
(I)變量是優(yōu)化求解過程中所選定的基本參數(shù)，在室內(nèi)覆蓋系統(tǒng)中就是天線的位置。由于空間是連續(xù)的，天線的位置具有無限的可能性，這將使得該數(shù)學(xué)模型是一個NP-Hard問題。因此本算法對其進行了簡化，將空間劃分成離散化的網(wǎng)格，以網(wǎng)格為單位用作天線的布點位置，這樣就使得該模型具有有限的變量，每個變量的取值只能是O或I (O代表對應(yīng)網(wǎng)格不布置天線，I表示對應(yīng)網(wǎng)格布置天線)。
(2)約束是指在優(yōu)化過程中對變量取值所給予的限制條件。本模型最主要的約束是天線的布放方案必須滿足覆蓋的需求。本模型的約束條件例如可以包括以下兩者之一或全部:
約束條件一:無線信號的有效覆蓋率大于或等于預(yù)設(shè)的第一下限值(例如90%)，有效覆蓋是指覆蓋信號強度大于某個預(yù)設(shè)門限；
約束條件二:室內(nèi)無線信號的平均信號強度大于或等于預(yù)設(shè)的第二下限值(例如-70dBm)。
約束條件一是使室內(nèi)各空間中，平均信號強度大于或等于某個下限值的空間占總室內(nèi)空間的比例不應(yīng)低于特定的下限；
在一般的室內(nèi)條件下，噪聲信號的強度通常服從固定的高斯分布，其平均強度可以認(rèn)為不變，因此約束條件二中的平均信號強度可以轉(zhuǎn)化為信噪比。
這兩個約束條件是現(xiàn)實工程中的硬性指標(biāo)，本發(fā)明實施例希望在工程的基礎(chǔ)上更進一步的找到最優(yōu)解，所以設(shè)定了兩個新的目標(biāo)函數(shù)。信號強度約束條件為提供的是一個變量的下限值，而信噪比最大化目標(biāo)函數(shù)指明了一個優(yōu)化的方向，因此兩者并不沖突。
(3)目標(biāo)函數(shù)是對滿足約束的可行解的一個衡量標(biāo)準(zhǔn)函數(shù)。根據(jù)工程實踐，本模型的主要目標(biāo)是
A、天線有效覆蓋的區(qū)域最大化；
B、覆蓋范圍內(nèi)的信號強度平均化；
C、使整個區(qū)域的平均信號覆蓋強度最大化。
其數(shù)學(xué)表達將在后續(xù)的算法流程步驟中詳述。
同時，對網(wǎng)絡(luò)運營商來說，在滿足覆蓋約束條件的前提下，希望網(wǎng)絡(luò)建設(shè)投資最少，即天線面數(shù)最少，因此，當(dāng)計算出當(dāng)前天線面數(shù)的條件下符合目標(biāo)函數(shù)的最優(yōu)解后，本發(fā)明實施例還進一步引入二分法，搜索更優(yōu)的天線面數(shù)，直到找到滿足覆蓋約束的最少天線數(shù)的布放方案為止。
需要說明的是，本發(fā)明實施例涉及基于多制式技術(shù)的室內(nèi)覆蓋技術(shù)，對于例如GSM+TD-SCDMA+WLAN三種制式下的室內(nèi)分布系統(tǒng)，本發(fā)明實施例可以綜合考慮三種制式的網(wǎng)絡(luò)協(xié)同覆蓋需要(例如通過不同制式網(wǎng)絡(luò)的發(fā)射功率來決定傳播模型的參數(shù)選擇，從而獲取相應(yīng)的覆蓋范圍)，通過計算室內(nèi)傳播模型下各制式信號強度衰減情況，確定室內(nèi)覆蓋系統(tǒng)中所需放置的天線數(shù)量及其位置。
為實現(xiàn)上述的技術(shù)方案，本發(fā)明實施例提出了如下的具體算法流程:
步驟一、確定覆蓋天線數(shù)量的初始值。
室內(nèi)無線信道有兩個方面不同于傳統(tǒng)的移動無線信道一覆蓋距離更小，環(huán)境的變動更大。建筑物內(nèi)傳播會受到諸如建筑物的布置、材料結(jié)構(gòu)和建筑物類型等因素的強烈影響。
在室內(nèi)的傳播模型中被廣泛采用的是Keenan-Motley模型，Keenan-Motley模型的計算公式為:
權(quán)利要求
1.一種室內(nèi)天線的布放方法，其特征在于，包括: 確定天線數(shù)量的初始值； 利用多目標(biāo)進化算法，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案； 調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，進而尋找出具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，得到室內(nèi)天線的最終布放方案。
2.如權(quán)利要求1所述的方法，其特征在于，所述確定天線數(shù)量的初始值包括: 根據(jù)預(yù)先確定的無線信號室內(nèi)傳播模型，確定一面天線的有效覆蓋面積； 根據(jù)室內(nèi)面積和所述有效覆蓋面積，確定所述初始值。
3.如權(quán)利要求2所述的方法，其特征在于，所述無線信號室內(nèi)傳播模型為Keenan-Motley模型,所述有效覆蓋面積是根據(jù)所述Keenan-Motley模型,在沒有空間障礙阻擋無線信號傳輸?shù)那闆r下求解得到的。
4.如權(quán)利要求2所述的方法，其特征在于， 所述有效覆蓋面積為一圓形區(qū)域，所述確定所述初始值包括: 獲得所述圓形區(qū)域的內(nèi)切正方形的第一面積； 將所述室內(nèi)面積除以所述第一面積，得到一商值，對所述商值向上取整，得到所述天線數(shù)量的初始值。
5.如權(quán)利要求1所述的方法，其特征在于，所述利用多目標(biāo)進化算法，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，包括: 將室內(nèi)面積進行柵格化，得到多個柵格，其中每個柵格作為一個位置點，每個位置點具有對應(yīng)的坐標(biāo)； 利用多目標(biāo)進化算法對預(yù)先設(shè)置的兩個以上的目標(biāo)函數(shù)進行求解，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，其中所述目標(biāo)函數(shù)是根據(jù)對室內(nèi)天線布放指標(biāo)的需求預(yù)先設(shè)置的，所述最優(yōu)布放位置點方案包括布放天線的數(shù)量及各個天線布放的位置點的坐標(biāo)。
6.如權(quán)利要求5所述的方法，其特征在于， 所述利用多目標(biāo)進化算法對預(yù)先設(shè)置的兩個以上的目標(biāo)函數(shù)進行求解，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，包括: 步驟A，按照預(yù)定比例，將所述當(dāng)前天線數(shù)量的天線在所述室內(nèi)均勻分布的個體和在所述室內(nèi)隨機分布的個體混合，產(chǎn)生初始種群，其中每個個體是將室內(nèi)所有天線布放的位置點的坐標(biāo)轉(zhuǎn)換為二進制編碼后，再按照預(yù)定規(guī)則排列得到的二進制數(shù)； 步驟B，執(zhí)行一次迭代操作，包括:基于預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算初始種群中個體的適應(yīng)度，以及基于適應(yīng)度進行遺傳算法的交叉和變異操作產(chǎn)生新的種群； 步驟C，判斷是否達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度是否已不能再得到提高:若已達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度已不能再得到提高，則選取當(dāng)前種群中適應(yīng)度最高的個體， 作為當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；否則，將新的種群作為當(dāng)前種群，返回步驟B。
7.如權(quán)利要求6所述的方法，其特征在于， 所述基于預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算初始種群中個體的適應(yīng)度，以及基于適應(yīng)度進行遺傳算法的交叉和變異操作產(chǎn)生新的種群，包括:從當(dāng)前種群中刪除不滿足預(yù)設(shè)約束條件的個體； 針對當(dāng)前種群中的每個剩余個體，利用預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算得到所述剩余個體的適應(yīng)度； 基于Pareto占優(yōu)以及小生境技術(shù)，對所述剩余個體進行分類，并按照適應(yīng)度的高低順序，從每個類中選擇出預(yù)定數(shù)量的個體作為該類的群，再在所有類的群內(nèi)部以及群之間進行遺傳算法的交叉和變異操作產(chǎn)生新的個體群，得到新的種群。
8.如權(quán)利要求7所述的方法，其特征在于，所述至少兩個目標(biāo)函數(shù)包括: 用于表征所述室內(nèi)所有位置點處的天線功率的第一目標(biāo)函數(shù)，和 用于使所述室內(nèi)所有位置點處的信噪比最大化的第二目標(biāo)函數(shù)。
9.如權(quán)利要求7所述的方法，其特征在于，所述預(yù)設(shè)約束條件包括: 所述室內(nèi)的無線信號的有效覆蓋率大于或等于預(yù)設(shè)的第一下限值；和/或 所述室內(nèi)的無線信號的平均信號強度大于或等于預(yù)設(shè)的第二下限值。
10.如權(quán)利要求1所述的方法，其特征在于，所述調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，進而尋找出具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，包括: 步驟1，判斷當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案是否滿足預(yù)設(shè)約束條件:若滿足，則進入步驟2 ;若不滿足，則進入步驟4 ； 步驟2，將天線數(shù)量更新為int(N/2)，其中int(N/2)表示對N/2向上取整，N表示天線數(shù)量的當(dāng)前值，進入步驟3; 步驟3，利用多目標(biāo)進化算法，得到在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，返回步驟I ; 步驟4，判斷上一次求解得到的最優(yōu)布放位置點方案是否滿足所述約束條件:若滿足，則進入步驟5 ;若不滿足，則進入步驟6 ； 步驟5，將上一次求解得到的最優(yōu)布放位置點方案，作為所述在滿足預(yù)設(shè)約束條件且具有最少天線數(shù)量的所述最優(yōu)布放位置點方案； 步驟6，將天線數(shù)量更新為N+1后，返回步驟3。
11.一種室內(nèi)天線的布放系統(tǒng)，其特征在于，包括: 確定單元，用于確定天線數(shù)量的初始值； 算法處理單元，用于利用多目標(biāo)進化算法，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案； 最優(yōu)解獲得單元，用于調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，進而尋找出具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，得到室內(nèi)天線的最終布放方案。
12.如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述確定單元包括: 面積計算單元，用于根據(jù)預(yù)先確定的無線信號室內(nèi)傳播模型，確定一面天線的有效覆蓋面積； 初始值確定單元，用于根據(jù)室內(nèi)面積和所述有效覆蓋面積，確定天線數(shù)量的初始值。
13.如權(quán)利要求12所述的系統(tǒng)，其特征在于， 所述有效覆蓋面積為一圓形區(qū)域，所 述初始值確定單元，具體用于:獲得所述圓形區(qū)域的內(nèi)切正方形的第一面積； 將所述室內(nèi)面積除以所述第一面積，得到一商值，對所述商值向上取整，得到所述天線數(shù)量的初始值。
14.如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述算法處理單元包括: 柵格化單元，用于將所述室內(nèi)面積進行柵格化，得到多個柵格，其中每個柵格作為一個位置點，每個位置點具有對應(yīng)的坐標(biāo)； 求解單元，用于利用多目標(biāo)進化算法對預(yù)先設(shè)置的兩個以上的目標(biāo)函數(shù)進行求解，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，其中所述目標(biāo)函數(shù)是根據(jù)對室內(nèi)天線布放指標(biāo)的需求預(yù)先設(shè)置的，所述最優(yōu)布放位置點方案包括布放天線的數(shù)量及各個天線布放的位置點的坐標(biāo)。
15.如權(quán)利要求14所述的系統(tǒng)，其特征在于，所述求解單元包括: 初始種群產(chǎn)生單元，用于按照預(yù)定比例，將所述當(dāng)前天線數(shù)量的天線在所述室內(nèi)均勻分布的個體和在所述室內(nèi)隨機分布的個體混合，產(chǎn)生初始種群，其中每個個體是將室內(nèi)所有天線布放的位置點的坐標(biāo)轉(zhuǎn)換為二進制編碼后，再按照預(yù)定規(guī)則排列得到的二進制數(shù)；迭代單元，用于執(zhí)行一次迭代操作，包括:基于預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算初始種群中個體的適應(yīng)度，以及基于適應(yīng)度進行遺傳算法的交叉和變異操作產(chǎn)生新的種群；第一判斷單元，用于判斷是否達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度是否已不能再得到提高:若已達到預(yù)定迭代次數(shù)或新的種群中個體適應(yīng)度已不能再得到提高，則選取當(dāng)前種群中適應(yīng)度最高的個體， 作為當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；否則，將新的種群作為當(dāng)前種群并觸發(fā)所述迭代單元。
16.如權(quán)利要求15所述的系統(tǒng)，其特征在于，所述迭代單元包括: 刪除單元，用于從當(dāng)前種群中刪除不滿足預(yù)設(shè)約束條件的個體； 適應(yīng)度計算單元，用于針對當(dāng)前種群中的每個剩余個體，利用預(yù)先設(shè)置的至少兩個目標(biāo)函數(shù)，計算得到所述剩余個體的適應(yīng)度； 進化單元，用于基于Pareto占優(yōu)以及小生境技術(shù)，對所述剩余個體進行分類，并按照適應(yīng)度的高低順序，從每個類中選擇出預(yù)定數(shù)量的個體作為該類的群，再在所有類的群內(nèi)部以及群之間進行遺傳算法的交叉和變異操作產(chǎn)生新的個體群，得到新的種群。
17.如權(quán)利要求16所述的系統(tǒng)，其特征在于，所述至少兩個目標(biāo)函數(shù)包括: 用于表征所述室內(nèi)所有位置點處的天線功率的第一目標(biāo)函數(shù)，和 用于使所述室內(nèi)所有位置點處的信噪比最大化的第二目標(biāo)函數(shù)。
18.如權(quán)利要求16所述的系統(tǒng)，其特征在于，所述預(yù)設(shè)約束條件包括: 所述室內(nèi)的無線信號的有效覆蓋率大于或等于預(yù)設(shè)的第一下限值；和/或 所述室內(nèi)的無線信號的平均信號強度大于或等于預(yù)設(shè)的第二下限值。
19.如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述最優(yōu)解獲得單元，具體用于執(zhí)行以下步驟: 步驟1，判斷當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案是否滿足預(yù)設(shè)約束條件:若滿足，則進入步驟2 ;若不滿足，則進入步驟4 ； 步驟2，將天線數(shù)量更新為int(N/2)，其中int(N/2)表示對N/2向上取整，N表示天線數(shù)量的當(dāng)前值，進入步驟3;步驟3，利用多目標(biāo)進化算法，得到在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案，返回步驟I ; 步驟4，判斷上一次求解得到的最優(yōu)布放位置點方案是否滿足所述約束條件:若滿足，則進入步驟5 ;若不滿足，則進入步驟6 ； 步驟5，將上一次求解得到的最優(yōu)布放位置點方案，作為所述在滿足預(yù)設(shè)約束條件且具有最少天線數(shù)量的所述最優(yōu)布放位置點方案； 步驟6，將天線數(shù) 量更新為N+1后，返回步驟3。
全文摘要
本發(fā)明提供了一種室內(nèi)天線的布放方法及系統(tǒng)。其中，所述方法包括確定天線數(shù)量的初始值；利用多目標(biāo)進化算法，獲得在當(dāng)前天線數(shù)量下天線的最優(yōu)布放位置點方案；調(diào)整天線數(shù)量，獲得在不同天線數(shù)量下天線的最優(yōu)布放位置點方案，進而尋找出具有最少天線數(shù)量的所述最優(yōu)布放位置點方案，得到室內(nèi)天線的最終布放方案。本發(fā)明能夠降低室內(nèi)天線布放的實現(xiàn)復(fù)雜度、改善覆蓋效果并降低設(shè)備成本。
文檔編號H04W16/20GK103188695SQ20111045995
公開日2013年7月3日 申請日期2011年12月30日 優(yōu)先權(quán)日2011年12月30日
發(fā)明者楊建輝, 程文兵, 秦潔 申請人:中國移動通信集團廣東有限公司