买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利基于GIS的复杂环境因素进行基站定位工作方法、系统及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119629651B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411694040.0，技术领域涉及：H04L41/16；该发明授权基于GIS的复杂环境因素进行基站定位工作方法、系统及介质是由许汀汀;马浩然;王朗;许诺;刘俊设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本基于GIS的复杂环境因素进行基站定位工作方法、系统及介质在说明书摘要公布了：本发明提出了一种基于GIS的复杂环境因素进行基站定位工作系统和方法。该系统通过对多源数据的整合与深度学习模型的应用，提出了一种智能化、自动化的基站选址和网络优化方案。首先，采集包括地理信息、环境特征和信号传播特征在内的多源数据，构建特征矩阵。通过数据预处理，将特征矩阵归一化。然后，利用卷积神经网络构建深度学习模型，自动提取空间特征，预测基站选址的适合性和信号覆盖范围。之后结合GIS工具对基站选址和信号覆盖进行可视化分析。通过该方法，可以实现基站位置的智能选址、信号覆盖范围的有效预测和优化，以及网络资源的合理调度，特别适用于复杂地形和环境因素影响较大的区域的网络规划和基站部署。

本发明授权基于GIS的复杂环境因素进行基站定位工作方法、系统及介质在权利要求书中公布了：1.一种基于GIS的复杂环境因素进行基站定位工作系统，其特征在于，包括： 信息采集与处理模块：获取MR数据和CQT数据，以及对数据的处理； 信号传播建模：将射线追踪模型与WINNERII模型结合起来，利用两种模型的优点建立综合模型； 特征工程模块：引入信号特征和环境特征，组合为总特征矩阵；在特征工程模块中包括： 引入信号强度和位置信息的联合特征：将信号强度与地理位置信息结合，创建出更多空间特征： Flocation＝[Pr,x,y]； Flocation是联合位置特征，用于表示信号强度和位置的组合，Pr是接收信号功率，x和y是信号测量点的地理坐标； 引入时间变化特征：引入时间维度，每隔一定时间段计算一个窗口内的信号强度变化趋势，以表示在不同时间段的网络性能； 其中，Δt是时间间隔，表示信号强度在时间上的变化速率，Prt是t时刻的接收信号功率，Prt+1是t+1时刻接收信号功率； 引入信号覆盖区域的空间聚类：对不同测量点进行聚类，找出信号强度类似的区域，这些区域代表相似的信号覆盖情况； C＝kmeans[x,y,Pr]； C是聚类结果，表示相似的信号覆盖区域，kmeans*是聚类算法，用于将数据点分为若干个簇； 引入环境上下文信息：引入更多环境信息作为特征，包括道路类型、建筑物密度以及用户密度，通过GIS数据集或者实地调研获取； Fenvironment＝[Pr,Bd,user]； Fenvironment是环境特征，表示信号强度及其受周围环境的影响，Bd是建筑物密度，user是用户密度， 信号稳定性和波动特征：计算测量点中信号强度的标准差，以表示信号的波动性和稳定性； 是信号强度波动性，n表示测量点的数量，表示第i个测量点的接收信号功率，是测量点的信号功率均值； 信号的频域特征：将信号的时间序列数据进行傅里叶变换，提取频域特征，这些特征用来描述信号的变化频率，以及的周期性波动； Ffrequency＝FFTPr′t； Ffrequency是信号的频率特征，用于描述信号在频域上的特性，Pr′t是时间序列信号，表示接收信号功率的时域特征，FFT*是快速傅里叶变换算法，用于将信号从时域转换到频域； 将信号特征融合为总特征矩阵： 矩阵X为总特征矩阵； 模型训练模块：将总特征矩阵输入卷积神经网络，进行深度学习训练； 基站优化模块：利用卷积神经网络的训练结果，对基站工作进行优化；在基站优化模块中包括： CNN模型输出：基站位置适合性得分Sj和信号强度覆盖预测Prx,y； 基站选址优化，利用CNN卷积神经网络训练好的数据，优化得出最优的基站位置： S＝[S1,S2,.....,Sj,.....,SJ]； Sj＝fmodelXj； 其中，S是给定区域内基站位置的集合，J是给定区域内基站总数量，fmodelXj是CNN模型计算出的基站位置适合性得分，Xj是候选基站位置处的特征矩阵； 用户资源调度： 使用CNN模型分析用户的移动模式和需求，输出用户密度热点分布； Um＝fmodelXuser； Um是第m个位置的用户密度，Xuser是用户数据特征； 可视化工具结合： 将CNN模型的预测结果结合GIS工具，在地图上展示预测的基站选址和信号覆盖范围； 使用信号强度分布预测Pc，生成覆盖范围的等高线图，以可视化每个基站的覆盖范围： Pc＝fmodelXcoverage； 其中，Xcoverage是区域中不同位置的特征； 在GIS中查看每个基站的位置是否受到地形、建筑物的影响，通过三维可视化工具分析基站信号在复杂地形中的传播效果； 利用信号强度覆盖预测Px,y生成等三维图形： ContourPx,y＝Pthreshold； ContourPx,y＝Pthreshold表示基于信号强度生成三维图形，Pthreshold为信号强度的阈值，用于区分有效覆盖和不可用覆盖区域。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。