基于图像识别的天线机械下倾角测量研究

祁瑞丽 郭学涛

摘要：天线机械下倾角决定了移动网络的接入范围和覆盖质量，为了快速、准确地测量天线机械下倾角，提出了一种基于图像识别技术的测量方法。首先处理抱杆和天线的特征图像，得到边缘特征直线，从而得到天线机械下倾角，然后以天线挂高和采集距离作为修正参数得到修正值，最终得到测量结果。通过对比不同图像采集条件下的测量角度与实际角度，两者偏差小于1度，可以满足网络优化对机械下倾角测量的精度要求。

关键词：移动网络;平板天线;机械下倾角;边缘检测;图像识别

中图分类号：TG399         文献标识码：A

文章编号：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

天饋系统是移动通信的重要组成部分，主要包括天线系统和馈线系统，机械下倾角作为天馈系统重要参数之一，决定了基站的覆盖范围、接入性能。在4G通信中，20M带宽要求下行速率100Mb/s、上行速率50Mb/s，这就要充分利用MIMO多天线技术、发射分集技术、空间复用技术、波束赋形技术以及其他关键技术满足上述要求[1-6]。然而天线机械下倾角受到工程施工质量和环境变化影响，例如：暴风、雷雨等环境因素产生的天线移位，造成电磁传播方向不沿预期的方向传播，因此对4G多天线系统机械下倾角实时测量和监控极为重要。

天线系统一般安装在铁塔的外伸抱杆上或者3米～9米高的楼顶抱杆上，采用传统坡度测量仪调整测量和读取结果时必须贴近天线，不利于测量者进行安全测量，进而影响测量的准确性，极易造成工程参数表与实际下倾角偏差过大，如何便捷、精准地测量机械下倾角度就成为亟待解决的问题。有学者提出用移动终端远程控制智能天线的机械下倾角进行测量的方法，该方案使用光电传感器测量电子下倾角、二维倾角传感器测量机械下倾角，可以实时监测天线的角度同时达到改善网络质量的目的[7-11]，但是加装传感器会增加设备成本，而且早期天线并不支持。

本文将天线机械下倾角物理测量转换为抱杆和平板天线之间夹角的图像识别，通过采集抱杆和平板天线之间的特征图像，采用二值化进行图像处理，进而计算抱杆和天线之间夹角，综合研究天线挂高和采集距离与图像识别机械下倾角的关系，进而对比分析和得到图像处理方法在机械下倾角测量的特点和适用性。

2抱杆和平板天线特征图像的获取

2.1正面特征图像获取

正面特征图像，即采集角度在抱杆和天线所组成平面的正前方，采集距离与天线小于3米，采集高度与天线挂高相差不大，正面特征图像不使用天线挂高和采集距离修正计算结果，此类场景一般在楼顶抱杆或者巡检人员在铁塔高空作业，且采集高度与天线挂高相差不大的情形。正面特征图像分辨率比较高，二值化灰度阈值选取比较容易，图像识别成功率比较高，如图1所示。

2.2 仰面特征图像获取

仰面特征图像，即采集角度在抱杆和天线所组成平面的正前方，采集距离与天线一般大于3米，采集高度与天线挂高差值一般在15米至100米之间，仰面特征图像使用天线挂高和采集距离修正计算结果，4G和5G宏基站巡检时采集的原始图像一般是仰面特征图像。

实验中发现天线挂高和采集距离会影响测量结果，天线挂高越高也就是仰面角度越大，与实际角度相比测量值偏差越大。在一定采集距离内，距离越远也就是仰面角度越小，与实际角度相比测量值偏差越小，因此以天线挂高和采集距离作为修正参数可以得到更精确的测量结果，仰面特征图像如图2所示。

天线挂高一般在20米到50米之间，过高或者过低不利于无线电磁传播，可能会造成重叠覆盖或者过覆盖[12-14]，选取通信运营商某本地网4G（包括5G共享基站）天线挂高原始数据，其数量和占比，如表1所示。

二值化法是利用阈值分割方法，将特征图像转化为只有黑白两种颜色的位图，这种方法最简单，使用也最广泛。在采用该方法处理时，需选择一个适当的灰度阈值，将原始特征图像中各像素点的灰度值与这个阈值作比较，将大于阈值的像素点转换为黑色，将小于阈值的像素点转换为白色。通常，以黑色区域表示特征图像中的天线和抱杆，白色区域表示特征图像的背景[15-21]。

本文对抱杆和天线特征图像进行处理时，采用如下方法确定二值化法的灰度阈值：首先，根据特征图像的灰度分布频率直方图初步拟定一个灰度阈值范围，在该范围内选择一个灰度阈值，抽取50张正面特征图像作二值化处理，对于得到的黑白图像，分别得到抱杆边缘特征曲线M和天线边缘特征曲线N;其次，对抱杆和天线的边缘特征曲线取直处理，分别得到斜率为Mi和Ni的直线，计算抱杆和天线的机械下倾角Ac，并使用坡度测量仪得到机械下倾角A0;最后，调整阈值，使得采样平均机械下倾角计算值与实际测量值间差异﹠=|Ac-A0|达到最小，由此所得灰度阈值即为所求值。

以某宏基站正面特征图像为例，简要说明上述过程：首先得到抱杆和天线的灰度图，如图3（a）所示，选择灰度阈值进行二值化处理得到黑白图像，然后得到抱杆边缘特征曲线和天线边缘特征曲线，最后对边缘特征曲线取直处理，如图3（b）所示，得到斜率为Mi和Ni的直线，进一步得到机械下倾角。采用相同的灰度阈值对该采样的50张特征图像进行二值化处理，对处理后的黑白图像进行统计，经过反复试算，最终确定灰度阈值。此时平均机械下倾角与坡度测量仪得到的结果相差最小，并且差值小于1度。

4数值分析

4.1 正面特征图像分析

实验发现，部分正面特征图像的抱杆或者天线存在着多条边缘特征直线，本文采用抱杆分别与天线特征直线求夹角，然后计算出平均值作为最终机械下倾角。结果证明，该方法与实际角度的偏差最小。通过处理大量的正面特征图像，将图像处理得到的机械下倾角测量值与实际角度值对比，超过96%正面采集图像偏差在±0.5度之内，在工程允许的偏差范围[22-23]，满足网络优化对机械下倾角精度要求。

5结束语

（1）提出了一种基于图像识别的天线机械下倾角测量方法，首先得到抱杆和天线特征图像，使用二值化法得到抱杆和天线的边缘特征直线，机械下倾角由计算抱杆和天线边缘特征直线夹角得到，并以天线挂高和采集距离作为修正参数得到测量修正值，可以得到偏差小于1度的测量结果，基本上可以满足网络优化对下倾角测量的精度要求。

（2）采集图像受外界因素干扰，会对图像识别成功率和测量精度产生影响，是今后本应用重点研究方向。

参考文献：

[1] 张訸.基于空时频发射分集技术分析与设计[J].信息通信，2020，33（2）：122-124.

[2] 张博文，林君.6G移动通信的技术应用及发展前景[J].河南科技，2019（29）：37-38.

[3] 李梦婉，景小荣，莫林琳.多小区大规模MIMO系统中基于部分导频交替复用的導频污染减轻方法[J].信号处理，2017，33（8）：1104-1114.

[4] 许国平，王勇.5G MassiveMIMO的优化思路探讨[J].邮电设计技术，2020（1）：1-5.

[5] 史光明.TD-LTE多天线技术应用[J].电子技术与软件工程，2019（13）：28.

[6] 袁苑，丁俊雄，王良.5G Massive MIMO下的3D波束赋形预编码技术研究[J].移动通信，2019，43（12）：21-26，31.

[7] 尹诗，郭伟.用于探地雷达的超宽带天线设计与仿真[J].电子设计工程，2018，26（3）：98-102.

[8] 李云，张加波，韩建超，等.大型天线装配测量与实时反馈调整技术[J].南京航空航天大学学报，2019，51（S1）：88-93.

[9] 李校林，袁波，张祖凡.LTE中电调天线角度远程测量研究[J].电子技术应用，2012，38（1）：63-65.

[10] 花爱兵.基站天线自动调整系统研究[J].信息通信，2016，29（11）：219-220.

[11] 李基，邵琼玲，王盛军.STM32的通信天线方位角实时快速测量系统设计[J].单片机与嵌入式系统应用，2017，17（10）：42-45.

[12] 谭钰山，何延，周志强，等.城市复杂场景的优化思路和方法——南宁市金湖广场区域[J].通讯世界，2020（1）：27-28.

[13] 陈旭.基于TD-LTE的高铁无线网络覆盖及优化[J].电信快报，2017（7）：11-15.

[14] 张建奎，钱勐韬，钱传根.中小型城市无线网络结构分析与优化[J].江苏通信，2011，27（3）：58-60.

[15] 刘磊，周天愿，俞传涛，等.基于图像识别的阅卷平台设计[J].科学技术创新，2020（3）：75-77.

[16] 鲁江坤，万聿枫，曹龙汉.一种基于图像识别的燃气表远程直读系统研究[J].重庆邮电大学学报（自然科学版），2018，30（5）：627-632.

[17] 韦为，谢声扬，陆俊帆，等.无人机空间定位的图像识别研究[J].装备制造技术，2018（6）：63-66.

[18] 裴颂文，杨保国，顾春华.网中网残差网络模型的表情图像识别研究[J].小型微型计算机系统，2018，39（12）：2681-2686.

[19] 王刘涛，廖梦怡，王建玺，等.基于关键帧轮廓特征提取的人体动作识别方法[J].重庆邮电大学学报（自然科学版），2017，29（1）：98-105.

[20] 袁俊平，卢毅，韩翔宇，等.岩土体孔隙结构研究中的CT图像处理方法比较[J].河北工程大学学报（自然科学版），2019，36（4）：51-57.

[21] 邓智浩，郭雨婷，丘权威，等.基于图像处理技术的车辆识别系统[J].电子世界，2020（2）：196-197.

[22] 尹辉，唐勇.使用地磁传感器检测天线方位角的研究及实现[J].通讯世界，2017（18）：15-16.

[23] 沈晓卫，姚敏立，李琳琳，等.宽带移动卫星通信低成本组合姿态确定算法[J].西安交通大学学报，2011，45（6）：64-68.

【通联编辑：梁书】