图像识别技术在5G网络覆盖率评估中的应用探讨

周著荣 刘佳 陈涛

摘 要 随着信息技术的快速发展，我国现在已逐渐向5G网络时代靠近，文章首先对覆盖率的评估方法进行了分析，然后对图像识别技术做了分析研究，最后基于地貌识别修正对覆盖率的应用做了探讨。

关键词 图像识别技术;5G网络;覆盖率评估

引言

在我国的无线网络通信领域中，网络规划和建设等工作中最基本的一个指标就是覆盖率，同时，在用户感知中影响最为直接的也是覆盖率。所以，在目前的无线网络通信领域中，运营商最关注的一个问题就是覆盖率的评估是否精准。在众多的用户中，大部分的用户对覆盖率的理解都比较的直接，通常认为有信号的区域都是有网络信号覆盖的。并且很多的运营商也都对无线网络的部署不太了解，也希望能够通过覆盖率的指标，来了解和发现覆盖问题的一些区域。但是，在实际中，对于覆盖率的指标其实并没有一个标准的定义。比如说在工信部相关的报告中有数据表明，在一八年的时候我国的4G网络覆盖率都已经超过了百分之九十八，但是，这个覆盖率它是指的人口覆盖率，而并不是网络覆盖率，因此，还不能证明现在的网络覆盖率已经得到了有效的完善[1]。而通常情况下，只有在进行规划建设的时候才会使用覆盖率指标，所以，在网络进行运行和维护中也起不到指导的作用。而运营商给覆盖率的定义是，将信号达到一定的覆盖强度时，然后在和信号全部采样进行比例计算，并且按照数据采集的具体方法，一般有MR小区的覆盖率以及路测覆盖率两种。而MR小区覆盖率有一定的缺点，一个是它无法对空洞进行覆盖，另一个是它没有覆盖的位置信息;路测覆盖率的缺点是它的成本稍微比较高，而且它具备历性，但是它有一个优点是可以对对覆盖问题的地理位置进行定位，但是这两种覆盖率的评估都会有局限性。目前，由于无线网络不断地演化和进步，而且手机定位技术也越来越成熟，因此，引入MDT技术不但可以使运营商利用网络对精确地理位置的MR信息进行测采并集中到全网终端进行上报。

1基于图像识别的覆盖率评估方法

在网络技术中，对于蜂窝无线技术而言，网络也并不是百分之百的进行覆盖，其实对网络覆盖的定义应该是，对所有用户所到达的网络区域进行覆盖。而运营商在对网络进行优化和建设的时候，要进行重点并且分阶段来对覆盖的范围进行逐渐扩大，同时对于覆盖评估的目标要是百分之百来对规划的范围进行覆盖。比如说在5G的初期，对5G覆盖进行评估的时候，应该是对5G的一些重点场景建设，以及目标区域等来进行区域化的评估。由于地域覆盖率的理解还不够透彻，因此为了解决覆盖率评估因无数据位置而产生的影响，文章对一种图像识别技术在覆盖率评估中的应用做了分析研究，通过对地貌信息进行识别，然后对运营商认为不需要进行覆盖的区域或者用户不会到达的区域来进行剔除，进而来对覆盖率的指标进行修正。

2图像识别技术分析研究

图像识别技术是利用电子图来对一些地貌信息进行识别，并且在一些采样点比较少以及没有采样的区域中，要和场景的类别相互结合起来，然后还要对其进行分析判断，进而来对区域的覆盖率进行纠正。比如说把景区的山川或者市中心的湖泊等一些区域来进行剔除。

2.1 计算机视觉方法

计算机视觉法是基于RGB信息下，然后对地图中一些特殊的地貌来进行检测，比如说一些林地或者水域等一些特殊地貌，然后在对检测的目标进行闭运算以及开运算的非全集修正，同时还要在二值化，并且还要利用Canny算子来对边缘进行检测，最后在进一步的得到目标的轮廓边界[2]。所以计算机数据视觉方法可以对目标的模式进行快速并且准确的检测。但这种方法由于它的扩展性比较弱，所以，如果对改变输入地图的形式，则会导致检测的结果准确率会很大程度的下降。因此，还需要对地图的来源进行固定，同时对于不同城市的还要进行分别的建模。

2.2 深度学习模型

深度学习模型它可以利用语义分割算法，来对一些不规则的边界图像进行识别。我们对分割模型U-Net以及SegNet进行了主流的开源语义试验，但是它使解码器迭代学习编码器池化的时候将有关的特征给丢失了，并且，U-Net在每个阶段解码器上采样特征图中将编码器的特征图进行了拼接，从而促使模型在进行训练的时候内存占用比较大，所以，导致在有限的环境中无法进行快速地训练。但是，对SegNet来说，它的表现比较好，因此，从整体上来说，语义分割模型虽然它的检测率比较高，但是它对一些硬件的资源消耗也是非常高的。

3基于地貌识别修正覆盖率的应用

以某5A级的景区覆盖率评估为例，在这个景区内，水域的面积占百分之七十四，而在景区的西北部水域中，其水域是封闭的，并且水上没有采样，而西北部水域的面积占到百分之十五。而在景区的东北部属于中，其采样量比较少，但是有游船，而且还有一部分没有数据栅格。但是在实际中，就会认为无用户的水域面积是由无覆盖而造成的。在进行覆盖率的计算的时候，如果用覆盖达标栅格的面积除以有采样栅格的面积，而这个时候景区的覆盖率就会是百分之九十五点四，但是，由于覆盖率过于良好，也会导致无覆盖以及弱覆盖等问题没有办法暴露出来。同时，由于景区的水面所占的比例过大，其开阔信号也比较容易受到传播，所以，覆盖率也比较好。但另一方面，由于景区的水域并不是游人容易聚集的区域，因此，这个区域也不应该作为网络建设和優化的重点区域。

通过分析发现，在覆盖评估的范围中，景区的水域不应该纳入到覆盖范围中。而利用计算机视觉模型来对该水域进行电子地图识别，同时对景区内的水域边界进行提取。

4结束语

在目前的无线网络通信领域中，运营商最关注的一个问题就是覆盖率的评估是否精准，因此文章首先分析了对基于图像识别的覆盖率评估方法，然后对图像识别技术做了分析研究，最后对地貌识别修正覆盖率的应用做了探讨。

参考文献

[1] 乔俊峰，牛玉俊，马戈.资源优化中无线传感网络覆盖率检测仿真研究[J].计算机仿真，2018，35（10）：419-423.

[2] 王丽霞，刘春华.宏微异构组网提升城区LTE网络深度覆盖率[J].通信管理与技术，2020（2）：43-46，55.