摘要
在3GPP的R9版本协议中引入了移动终端上报MDT测量报告的功能,开启MDT功能的移动终端会以一定周期上报包含无线传播环境参数、地理位置和时间等相关信息的数据,有助于网络工程师获取更准确的网络覆盖信息。由于其具有成本低效率高的特点,MDT已经成为网络规划和网络优化的重要辅助工具。但是MDT功能的完成度依赖于移动终端版本、移动终端硬件性能、用户意愿以及周边环境等因素,导致出现MDT的地理位置信息数据缺失的问题,影响网络工程师获取网络弱覆盖区的精准位置。本文提出一种运用机器学习工具,利用MDT测量报告中的数据字段构建模型找出接收信号质量与地理位置之间的关系,从而获取5G网络信号弱覆盖区的算法,为提高5G网络覆盖预测的完整度提供思路。
基金
广东省科技创新战略专项资金立项项目“基于机器学习的4/5G网络优化MDT精确定位算法研究”,项目编号:pdjh2022b0919。
