[发明专利]天线方位角偏转核查方法、装置、设备及介质

权利要求书

1.一种天线方位角偏转核查方法，其特征在于，所述方法包括：

获取小区接收电平的地理位置分布数据；

将所述地理位置分布数据输入到神经网络模型中，并识别出小区天线方位角偏转角度；

获取小区接收电平的地理位置分布数据包括：

接收蜂窝网络终端的测量报告和OTT终端的经纬度信息；

根据所述测量报告和所述经纬度信息得到所述小区接收电平的地理位置分布数据；

在将所述地理位置分布数据输入到神经网络模型中之前，所述方法还包括：

使用小区信号强度和天线方位角的偏转角度作为样本数据训练所述神经网络模型；

所述神经网络模型包括：支持向量机SVM神经网络模型，和/或，学习向量量化LVQ神经网络模型；

使用小区信号强度和天线方位角的偏转角度作为样本数据训练所述SVM神经网络模型包括：

针对M个偏转角度分别生成角度偏转的样本矩阵与无法识别的偏转矩阵，组成M对二分训练样本，其中，M为大于1的正整数；

使用所述M对二分训练样本训练所述SVM神经网络模型；

使用小区信号强度和天线方位角的偏转角度作为样本数据训练所述LVQ神经网络模型包括：

针对K个偏转角度分别生成角度偏转的样本矩阵与无法识别的偏转矩阵，组成K对二分训练样本，其中，K为大于1的正整数；

使用所述K对二分训练样本训练所述LVQ神经网络模型；

生成无法识别的偏转矩阵，包括：

利用随机函数生成无法识别的偏转矩阵，作为无法识别的样本数据。

2.根据权利要求1所述的方法，其特征在于，将所述地理位置分布数据输入到神经网络模型中包括：

将所述地理位置分布数据栅格化后生成识别矩阵；

对所述识别矩阵进行列归一化生成一个包含N维的待预测数据，其中，N为正整数；

将所述N维的待预测数据输入到神经网络模型中。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

将所述地理位置分布数据栅格化后生成小区覆盖等值线图和主覆盖区域图。

4.根据权利要求1所述的方法，其特征在于，在使用所述M对二分训练样本训练所述SVM神经网络模型之前，所述方法还包括：

对所述M对二分训练样本中的每对进行随机加噪处理，生成多个识别矩阵；

对所述识别矩阵进行归一化处理生成包含多维的训练数据。

5.根据权利要求1所述的方法，其特征在于，在使用所述K对二分训练样本训练所述LVQ神经网络模型之前，所述方法还包括：

对所述K对二分训练样本中的每对进行随机加噪处理，生成多个识别矩阵；

对所述识别矩阵进行归一化处理生成包含多维的训练数据。

6.根据权利要求1所述的方法，其特征在于，将所述地理位置分布数据输入到神经网络模型中，并识别出小区天线方位角偏转角度，包括：

将所述地理位置分布数据输入所述SVM神经网络模型和所述LVQ神经网络模型中，分别识别出第一小区天线方位角偏转角度和第二小区天线方位角偏转角度。

7.根据权利要求6所述的方法，其特征在于，在分别识别出第一小区天线方位角偏转角度和第二小区天线方位角偏转角度之后，所述方法还包括：

在所述第一小区天线方位角偏转角度和所述第二小区天线方位角偏转角度一致时，输出所述第一小区天线方位角偏转角度或所述第二小区天线方位角偏转角度，作为识别出的小区天线方位角偏转角度。