圖像識別技術在5G網絡覆蓋率評估中的應用探討

周著榮 劉佳 陳濤

摘 要 隨著信息技術的快速發展，我國現在已逐漸向5G網絡時代靠近，文章首先對覆蓋率的評估方法進行了分析，然后對圖像識別技術做了分析研究，最后基于地貌識別修正對覆蓋率的應用做了探討。

關鍵詞 圖像識別技術;5G網絡;覆蓋率評估

引言

在我國的無線網絡通信領域中，網絡規劃和建設等工作中最基本的一個指標就是覆蓋率，同時，在用戶感知中影響最為直接的也是覆蓋率。所以，在目前的無線網絡通信領域中，運營商最關注的一個問題就是覆蓋率的評估是否精準。在眾多的用戶中，大部分的用戶對覆蓋率的理解都比較的直接，通常認為有信號的區域都是有網絡信號覆蓋的。并且很多的運營商也都對無線網絡的部署不太了解，也希望能夠通過覆蓋率的指標，來了解和發現覆蓋問題的一些區域。但是，在實際中，對于覆蓋率的指標其實并沒有一個標準的定義。比如說在工信部相關的報告中有數據表明，在一八年的時候我國的4G網絡覆蓋率都已經超過了百分之九十八，但是，這個覆蓋率它是指的人口覆蓋率，而并不是網絡覆蓋率，因此，還不能證明現在的網絡覆蓋率已經得到了有效的完善[1]。而通常情況下，只有在進行規劃建設的時候才會使用覆蓋率指標，所以，在網絡進行運行和維護中也起不到指導的作用。而運營商給覆蓋率的定義是，將信號達到一定的覆蓋強度時，然后在和信號全部采樣進行比例計算，并且按照數據采集的具體方法，一般有MR小區的覆蓋率以及路測覆蓋率兩種。而MR小區覆蓋率有一定的缺點，一個是它無法對空洞進行覆蓋，另一個是它沒有覆蓋的位置信息;路測覆蓋率的缺點是它的成本稍微比較高，而且它具備歷性，但是它有一個優點是可以對對覆蓋問題的地理位置進行定位，但是這兩種覆蓋率的評估都會有局限性。目前，由于無線網絡不斷地演化和進步，而且手機定位技術也越來越成熟，因此，引入MDT技術不但可以使運營商利用網絡對精確地理位置的MR信息進行測采并集中到全網終端進行上報。

1基于圖像識別的覆蓋率評估方法

在網絡技術中，對于蜂窩無線技術而言，網絡也并不是百分之百的進行覆蓋，其實對網絡覆蓋的定義應該是，對所有用戶所到達的網絡區域進行覆蓋。而運營商在對網絡進行優化和建設的時候，要進行重點并且分階段來對覆蓋的范圍進行逐漸擴大，同時對于覆蓋評估的目標要是百分之百來對規劃的范圍進行覆蓋。比如說在5G的初期，對5G覆蓋進行評估的時候，應該是對5G的一些重點場景建設，以及目標區域等來進行區域化的評估。由于地域覆蓋率的理解還不夠透徹，因此為了解決覆蓋率評估因無數據位置而產生的影響，文章對一種圖像識別技術在覆蓋率評估中的應用做了分析研究，通過對地貌信息進行識別，然后對運營商認為不需要進行覆蓋的區域或者用戶不會到達的區域來進行剔除，進而來對覆蓋率的指標進行修正。

2圖像識別技術分析研究

圖像識別技術是利用電子圖來對一些地貌信息進行識別，并且在一些采樣點比較少以及沒有采樣的區域中，要和場景的類別相互結合起來，然后還要對其進行分析判斷，進而來對區域的覆蓋率進行糾正。比如說把景區的山川或者市中心的湖泊等一些區域來進行剔除。

2.1 計算機視覺方法

計算機視覺法是基于RGB信息下，然后對地圖中一些特殊的地貌來進行檢測，比如說一些林地或者水域等一些特殊地貌，然后在對檢測的目標進行閉運算以及開運算的非全集修正，同時還要在二值化，并且還要利用Canny算子來對邊緣進行檢測，最后在進一步的得到目標的輪廓邊界[2]。所以計算機數據視覺方法可以對目標的模式進行快速并且準確的檢測。但這種方法由于它的擴展性比較弱，所以，如果對改變輸入地圖的形式，則會導致檢測的結果準確率會很大程度的下降。因此，還需要對地圖的來源進行固定，同時對于不同城市的還要進行分別的建模。

2.2 深度學習模型

深度學習模型它可以利用語義分割算法，來對一些不規則的邊界圖像進行識別。我們對分割模型U-Net以及SegNet進行了主流的開源語義試驗，但是它使解碼器迭代學習編碼器池化的時候將有關的特征給丟失了，并且，U-Net在每個階段解碼器上采樣特征圖中將編碼器的特征圖進行了拼接，從而促使模型在進行訓練的時候內存占用比較大，所以，導致在有限的環境中無法進行快速地訓練。但是，對SegNet來說，它的表現比較好，因此，從整體上來說，語義分割模型雖然它的檢測率比較高，但是它對一些硬件的資源消耗也是非常高的。

3基于地貌識別修正覆蓋率的應用

以某5A級的景區覆蓋率評估為例，在這個景區內，水域的面積占百分之七十四，而在景區的西北部水域中，其水域是封閉的，并且水上沒有采樣，而西北部水域的面積占到百分之十五。而在景區的東北部屬于中，其采樣量比較少，但是有游船，而且還有一部分沒有數據柵格。但是在實際中，就會認為無用戶的水域面積是由無覆蓋而造成的。在進行覆蓋率的計算的時候，如果用覆蓋達標柵格的面積除以有采樣柵格的面積，而這個時候景區的覆蓋率就會是百分之九十五點四，但是，由于覆蓋率過于良好，也會導致無覆蓋以及弱覆蓋等問題沒有辦法暴露出來。同時，由于景區的水面所占的比例過大，其開闊信號也比較容易受到傳播，所以，覆蓋率也比較好。但另一方面，由于景區的水域并不是游人容易聚集的區域，因此，這個區域也不應該作為網絡建設和優化的重點區域。

通過分析發現，在覆蓋評估的范圍中，景區的水域不應該納入到覆蓋范圍中。而利用計算機視覺模型來對該水域進行電子地圖識別，同時對景區內的水域邊界進行提取。

4結束語

在目前的無線網絡通信領域中，運營商最關注的一個問題就是覆蓋率的評估是否精準，因此文章首先分析了對基于圖像識別的覆蓋率評估方法，然后對圖像識別技術做了分析研究，最后對地貌識別修正覆蓋率的應用做了探討。

參考文獻

[1] 喬俊峰，牛玉俊，馬戈.資源優化中無線傳感網絡覆蓋率檢測仿真研究[J].計算機仿真，2018，35（10）：419-423.

[2] 王麗霞，劉春華.宏微異構組網提升城區LTE網絡深度覆蓋率[J].通信管理與技術，2020（2）：43-46，55.