祁瑞麗 郭學(xué)濤
摘要:天線機械下傾角決定了移動網(wǎng)絡(luò)的接入范圍和覆蓋質(zhì)量,為了快速、準(zhǔn)確地測量天線機械下傾角,提出了一種基于圖像識別技術(shù)的測量方法。首先處理抱桿和天線的特征圖像,得到邊緣特征直線,從而得到天線機械下傾角,然后以天線掛高和采集距離作為修正參數(shù)得到修正值,最終得到測量結(jié)果。通過對比不同圖像采集條件下的測量角度與實際角度,兩者偏差小于1度,可以滿足網(wǎng)絡(luò)優(yōu)化對機械下傾角測量的精度要求。
關(guān)鍵詞:移動網(wǎng)絡(luò);平板天線;機械下傾角;邊緣檢測;圖像識別
中圖分類號:TG399? ? ? ? ?文獻(xiàn)標(biāo)識碼:A
文章編號:1009-3044(2020)30-0019-04
Abstract: The mechanical dip angle of the antenna determines the access range and coverage quality of the mobile network. To measure the mechanical dip angle of antenna quickly and accurately, a measurement method based on image recognition technology is proposed. Firstly, the characteristic image of the derrick and the antenna is processed to get the edge characteristic straight line, to get the antenna mechanical dip angle, then the antenna hanging height and the acquisition distance are used as the modified parameters to get the correct value, and finally, the measurement results are obtained. By comparing the measurement angle with the actual angle under different image acquisition conditions, the deviation between the two is less than one degree, which can meet the accuracy requirements of the network optimization for the measurement of the mechanical dip angle.
Key words: mobile network; planar antenna; mechanical dip angle; edge detection; image recognition
1引言
天饋系統(tǒng)是移動通信的重要組成部分,主要包括天線系統(tǒng)和饋線系統(tǒng),機械下傾角作為天饋系統(tǒng)重要參數(shù)之一,決定了基站的覆蓋范圍、接入性能。在4G通信中,20M帶寬要求下行速率100Mb/s、上行速率50Mb/s,這就要充分利用MIMO多天線技術(shù)、發(fā)射分集技術(shù)、空間復(fù)用技術(shù)、波束賦形技術(shù)以及其他關(guān)鍵技術(shù)滿足上述要求[1-6]。然而天線機械下傾角受到工程施工質(zhì)量和環(huán)境變化影響,例如:暴風(fēng)、雷雨等環(huán)境因素產(chǎn)生的天線移位,造成電磁傳播方向不沿預(yù)期的方向傳播,因此對4G多天線系統(tǒng)機械下傾角實時測量和監(jiān)控極為重要。
天線系統(tǒng)一般安裝在鐵塔的外伸抱桿上或者3米~9米高的樓頂抱桿上,采用傳統(tǒng)坡度測量儀調(diào)整測量和讀取結(jié)果時必須貼近天線,不利于測量者進(jìn)行安全測量,進(jìn)而影響測量的準(zhǔn)確性,極易造成工程參數(shù)表與實際下傾角偏差過大,如何便捷、精準(zhǔn)地測量機械下傾角度就成為亟待解決的問題。有學(xué)者提出用移動終端遠(yuǎn)程控制智能天線的機械下傾角進(jìn)行測量的方法,該方案使用光電傳感器測量電子下傾角、二維傾角傳感器測量機械下傾角,可以實時監(jiān)測天線的角度同時達(dá)到改善網(wǎng)絡(luò)質(zhì)量的目的[7-11],但是加裝傳感器會增加設(shè)備成本,而且早期天線并不支持。
本文將天線機械下傾角物理測量轉(zhuǎn)換為抱桿和平板天線之間夾角的圖像識別,通過采集抱桿和平板天線之間的特征圖像,采用二值化進(jìn)行圖像處理,進(jìn)而計算抱桿和天線之間夾角,綜合研究天線掛高和采集距離與圖像識別機械下傾角的關(guān)系,進(jìn)而對比分析和得到圖像處理方法在機械下傾角測量的特點和適用性。
2抱桿和平板天線特征圖像的獲取
2.1正面特征圖像獲取
正面特征圖像,即采集角度在抱桿和天線所組成平面的正前方,采集距離與天線小于3米,采集高度與天線掛高相差不大,正面特征圖像不使用天線掛高和采集距離修正計算結(jié)果,此類場景一般在樓頂抱桿或者巡檢人員在鐵塔高空作業(yè),且采集高度與天線掛高相差不大的情形。正面特征圖像分辨率比較高,二值化灰度閾值選取比較容易,圖像識別成功率比較高,如圖1所示。
2.2 仰面特征圖像獲取
仰面特征圖像,即采集角度在抱桿和天線所組成平面的正前方,采集距離與天線一般大于3米,采集高度與天線掛高差值一般在15米至100米之間,仰面特征圖像使用天線掛高和采集距離修正計算結(jié)果,4G和5G宏基站巡檢時采集的原始圖像一般是仰面特征圖像。
實驗中發(fā)現(xiàn)天線掛高和采集距離會影響測量結(jié)果,天線掛高越高也就是仰面角度越大,與實際角度相比測量值偏差越大。在一定采集距離內(nèi),距離越遠(yuǎn)也就是仰面角度越小,與實際角度相比測量值偏差越小,因此以天線掛高和采集距離作為修正參數(shù)可以得到更精確的測量結(jié)果,仰面特征圖像如圖2所示。
天線掛高一般在20米到50米之間,過高或者過低不利于無線電磁傳播,可能會造成重疊覆蓋或者過覆蓋[12-14],選取通信運營商某本地網(wǎng)4G(包括5G共享基站)天線掛高原始數(shù)據(jù),其數(shù)量和占比,如表1所示。
二值化法是利用閾值分割方法,將特征圖像轉(zhuǎn)化為只有黑白兩種顏色的位圖,這種方法最簡單,使用也最廣泛。在采用該方法處理時,需選擇一個適當(dāng)?shù)幕叶乳撝?,將原始特征圖像中各像素點的灰度值與這個閾值作比較,將大于閾值的像素點轉(zhuǎn)換為黑色,將小于閾值的像素點轉(zhuǎn)換為白色。通常,以黑色區(qū)域表示特征圖像中的天線和抱桿,白色區(qū)域表示特征圖像的背景[15-21]。
本文對抱桿和天線特征圖像進(jìn)行處理時,采用如下方法確定二值化法的灰度閾值:首先,根據(jù)特征圖像的灰度分布頻率直方圖初步擬定一個灰度閾值范圍,在該范圍內(nèi)選擇一個灰度閾值,抽取50張正面特征圖像作二值化處理,對于得到的黑白圖像,分別得到抱桿邊緣特征曲線M和天線邊緣特征曲線N;其次,對抱桿和天線的邊緣特征曲線取直處理,分別得到斜率為Mi和Ni的直線,計算抱桿和天線的機械下傾角Ac,并使用坡度測量儀得到機械下傾角A0;最后,調(diào)整閾值,使得采樣平均機械下傾角計算值與實際測量值間差異﹠=|Ac-A0|達(dá)到最小,由此所得灰度閾值即為所求值。
以某宏基站正面特征圖像為例,簡要說明上述過程:首先得到抱桿和天線的灰度圖,如圖3(a)所示,選擇灰度閾值進(jìn)行二值化處理得到黑白圖像,然后得到抱桿邊緣特征曲線和天線邊緣特征曲線,最后對邊緣特征曲線取直處理,如圖3(b)所示,得到斜率為Mi和Ni的直線,進(jìn)一步得到機械下傾角。采用相同的灰度閾值對該采樣的50張?zhí)卣鲌D像進(jìn)行二值化處理,對處理后的黑白圖像進(jìn)行統(tǒng)計,經(jīng)過反復(fù)試算,最終確定灰度閾值。此時平均機械下傾角與坡度測量儀得到的結(jié)果相差最小,并且差值小于1度。
4數(shù)值分析
4.1 正面特征圖像分析
實驗發(fā)現(xiàn),部分正面特征圖像的抱桿或者天線存在著多條邊緣特征直線,本文采用抱桿分別與天線特征直線求夾角,然后計算出平均值作為最終機械下傾角。結(jié)果證明,該方法與實際角度的偏差最小。通過處理大量的正面特征圖像,將圖像處理得到的機械下傾角測量值與實際角度值對比,超過96%正面采集圖像偏差在±0.5度之內(nèi),在工程允許的偏差范圍[22-23],滿足網(wǎng)絡(luò)優(yōu)化對機械下傾角精度要求。
5結(jié)束語
(1)提出了一種基于圖像識別的天線機械下傾角測量方法,首先得到抱桿和天線特征圖像,使用二值化法得到抱桿和天線的邊緣特征直線,機械下傾角由計算抱桿和天線邊緣特征直線夾角得到,并以天線掛高和采集距離作為修正參數(shù)得到測量修正值,可以得到偏差小于1度的測量結(jié)果,基本上可以滿足網(wǎng)絡(luò)優(yōu)化對下傾角測量的精度要求。
(2)采集圖像受外界因素干擾,會對圖像識別成功率和測量精度產(chǎn)生影響,是今后本應(yīng)用重點研究方向。
參考文獻(xiàn):
[1] 張訸.基于空時頻發(fā)射分集技術(shù)分析與設(shè)計[J].信息通信,2020,33(2):122-124.
[2] 張博文,林君.6G移動通信的技術(shù)應(yīng)用及發(fā)展前景[J].河南科技,2019(29):37-38.
[3] 李夢婉,景小榮,莫林琳.多小區(qū)大規(guī)模MIMO系統(tǒng)中基于部分導(dǎo)頻交替復(fù)用的導(dǎo)頻污染減輕方法[J].信號處理,2017,33(8):1104-1114.
[4] 許國平,王勇.5G MassiveMIMO的優(yōu)化思路探討[J].郵電設(shè)計技術(shù),2020(1):1-5.
[5] 史光明.TD-LTE多天線技術(shù)應(yīng)用[J].電子技術(shù)與軟件工程,2019(13):28.
[6] 袁苑,丁俊雄,王良.5G Massive MIMO下的3D波束賦形預(yù)編碼技術(shù)研究[J].移動通信,2019,43(12):21-26,31.
[7] 尹詩,郭偉.用于探地雷達(dá)的超寬帶天線設(shè)計與仿真[J].電子設(shè)計工程,2018,26(3):98-102.
[8] 李云,張加波,韓建超,等.大型天線裝配測量與實時反饋調(diào)整技術(shù)[J].南京航空航天大學(xué)學(xué)報,2019,51(S1):88-93.
[9] 李校林,袁波,張祖凡.LTE中電調(diào)天線角度遠(yuǎn)程測量研究[J].電子技術(shù)應(yīng)用,2012,38(1):63-65.
[10] 花愛兵.基站天線自動調(diào)整系統(tǒng)研究[J].信息通信,2016,29(11):219-220.
[11] 李基,邵瓊玲,王盛軍.STM32的通信天線方位角實時快速測量系統(tǒng)設(shè)計[J].單片機與嵌入式系統(tǒng)應(yīng)用,2017,17(10):42-45.
[12] 譚鈺山,何延,周志強,等.城市復(fù)雜場景的優(yōu)化思路和方法——南寧市金湖廣場區(qū)域[J].通訊世界,2020(1):27-28.
[13] 陳旭.基于TD-LTE的高鐵無線網(wǎng)絡(luò)覆蓋及優(yōu)化[J].電信快報,2017(7):11-15.
[14] 張建奎,錢勐韜,錢傳根.中小型城市無線網(wǎng)絡(luò)結(jié)構(gòu)分析與優(yōu)化[J].江蘇通信,2011,27(3):58-60.
[15] 劉磊,周天愿,俞傳濤,等.基于圖像識別的閱卷平臺設(shè)計[J].科學(xué)技術(shù)創(chuàng)新,2020(3):75-77.
[16] 魯江坤,萬聿楓,曹龍漢.一種基于圖像識別的燃?xì)獗磉h(yuǎn)程直讀系統(tǒng)研究[J].重慶郵電大學(xué)學(xué)報(自然科學(xué)版),2018,30(5):627-632.
[17] 韋為,謝聲揚,陸俊帆,等.無人機空間定位的圖像識別研究[J].裝備制造技術(shù),2018(6):63-66.
[18] 裴頌文,楊保國,顧春華.網(wǎng)中網(wǎng)殘差網(wǎng)絡(luò)模型的表情圖像識別研究[J].小型微型計算機系統(tǒng),2018,39(12):2681-2686.
[19] 王劉濤,廖夢怡,王建璽,等.基于關(guān)鍵幀輪廓特征提取的人體動作識別方法[J].重慶郵電大學(xué)學(xué)報(自然科學(xué)版),2017,29(1):98-105.
[20] 袁俊平,盧毅,韓翔宇,等.巖土體孔隙結(jié)構(gòu)研究中的CT圖像處理方法比較[J].河北工程大學(xué)學(xué)報(自然科學(xué)版),2019,36(4):51-57.
[21] 鄧智浩,郭雨婷,丘權(quán)威,等.基于圖像處理技術(shù)的車輛識別系統(tǒng)[J].電子世界,2020(2):196-197.
[22] 尹輝,唐勇.使用地磁傳感器檢測天線方位角的研究及實現(xiàn)[J].通訊世界,2017(18):15-16.
[23] 沈曉衛(wèi),姚敏立,李琳琳,等.寬帶移動衛(wèi)星通信低成本組合姿態(tài)確定算法[J].西安交通大學(xué)學(xué)報,2011,45(6):64-68.
【通聯(lián)編輯:梁書】