阅读说明：本技术 一种NB-IoT覆盖预测方法及装置 (A kind of NB-IoT coverage prediction method and device ) 是由 刘毅 张阳 郭宝 刘珂 李言兵 刘立洋 吴德胜 刘亚 公维伟 于 2018-05-21 设计创作，主要内容包括：本发明实施例提供一种NB-IoT覆盖预测方法及装置。所述方法包括获取GSM900网络下的第一覆盖状态,所述第一覆盖状态至少包括每个栅格的第一电平；通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型,所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差；根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平,得到NB-IoT网络下的第二覆盖状态,所述第二覆盖状态包括每个栅格的第二电平,本发明实施例通过建立NB-IoT网络与GSM900网络间的覆盖映射模型,根据GSM900网络的栅格覆盖状态,从而快速、简单、准确得预测出NB-IoT网络中的栅格覆盖状态。(The embodiment of the present invention provides a kind of NB-IoT coverage prediction method and device.The method includes obtaining the first covering state under GSM900 network, the first covering state includes at least the first level of each grid；Transmission characteristic by comparing NB-IoT network and GSM900 network obtains covering mappings model, and the covering mappings model includes at least NB-IoT network and GSM900 network in the level difference of each grid；According to the first level under the level difference of the covering mappings model and the first covering state, obtain the second covering state under NB-IoT network, the second covering state includes the second electrical level of each grid, the embodiment of the present invention is by establishing NB-IoT network and the internetwork covering mappings model of GSM900, cover state according to the grid of GSM900 network, thus quickly, simply, accurate the grid covering state predicted in NB-IoT network.)

一种NB-IoT覆盖预测方法及装置

技术领域

本发明实施例涉及无线通讯技术领域，尤其涉及一种NB-IoT覆盖预测方法及装置。

背景技术

随着物联网业务的飞速发展，***、联通均大规模开启窄带网(Narrow BandInternet of Things，NB-IoT)网络建设。当前移动NB-IoT网络建设主要通过与现网全球移动通讯系统(GlobalSystemforMobileCommunications，GSM900)共站方式部署，网络建设成本低，速度快。

传统LTE网络覆盖预测主要有以下手段：1、通过道路遍历测试，采集各现网各位置的网络覆盖情况；2、利用现网用户上报MR报告，通过地理化等手段预测网络各位置的覆盖情况；NB-IoT面向静态物联网用户，用户不具备移动性，协议不支持切换，仅支持重选，重选相对切换时延较大，开展道路遍历测试易产生因未能及时重选到最强小区导致覆盖预测不准的问题，且NB-IoT业务多为智能抄表、智能停车等，其覆盖场景与道路差异较大，道路遍历测试适用性较差。NB-IoT协议不支持MR消息，用户无法上报MR报告，因此无法支持通过NB-IoT终端上报MR来预测网络覆盖。

对NB-IoT系统采用道路遍历测试的方式预测网络覆盖状态过于复杂，需要大量的人力，且得到的覆盖预测不确准确。

发明内容

本发明实施例提供一种NB-IoT覆盖预测方法及装置，用以解决现有技术过于复杂，需要大量的人力，且得到的覆盖预测不确准确。

第一方面，本发明实施例提供了一种NB-IoT覆盖预测方法，包括：

获取GSM900网络下的第一覆盖状态，所述第一覆盖状态至少包括每个栅格的第一电平；

通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差；

根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平，得到NB-IoT网络下的第二覆盖状态，所述第二覆盖状态包括每个栅格的第二电平。

第二方面，本发明实施例提供了一种用于NB-IoT覆盖预测方法的装置，包括：

获取模块，用于获取GSM900网络下的第一覆盖状态，所述第一覆盖状态至少包括每个栅格的第一电平；

计算模块，用于通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差；

映射模块，用于根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平，得到NB-IoT网络下的第二覆盖状态，所述第二覆盖状态包括每个栅格的第二电平。

第三方面，本发明实施例还提供了一种电子设备，包括：

处理器、存储器、通信接口和总线；其中，

所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述通信接口用于该电子设备的通信设备之间的信息传输；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：

获取GSM900网络下的第一覆盖状态，所述第一覆盖状态至少包括每个栅格的第一电平；

通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差；

根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平，得到NB-IoT网络下的第二覆盖状态，所述第二覆盖状态包括每个栅格的第二电平。

第四方面，本发明实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如下方法：

获取GSM900网络下的第一覆盖状态，所述第一覆盖状态至少包括每个栅格的第一电平；

通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差；

根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平，得到NB-IoT网络下的第二覆盖状态，所述第二覆盖状态包括每个栅格的第二电平。

本发明实施例提供的NB-IoT覆盖预测方法及装置，通通过建立NB-IoT网络与GSM900网络间的覆盖映射模型，根据GSM900网络的栅格覆盖状态，从而快速、简单、准确得预测出NB-IoT网络中的栅格覆盖状态。

附图说明

图1为本发明实施例的NB-IoT覆盖预测方法流程图；

图2为本发明实施例的另一NB-IoT覆盖预测方法流程图；

图3为本发明实施例的NB-IoT发射天线、GSM900发射天线与终端位置的结构示意图；

图4为本发明实施例的用于NB-IoT覆盖预测方法的装置结构示意图；

图5为本发明实施例的另一用于NB-IoT覆盖预测方法的装置结构示意图；

图6为本发明实施例的电子设备结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例的NB-IoT覆盖预测方法流程图，如图1所示，所述方法包括：

步骤S01、获取GSM900网络下的第一覆盖状态，所述栅格覆盖状态至少包括每个栅格的第一电平。

由于NB-IoT网络使用900M频段，传播模型特征与GSM900网络基本相同，且NB-IoT网络主要采用与GSM900共站的方式部署，其路损特征也与GSM900相近；GSM900的测量报告(Measurement Report)数据多来自室内用户。因此本发明实施例通过建立两种网络间的覆盖映射模型，从而基于GSM900的来得到所述NB-IoT网络下的栅格覆盖状态，即第一覆盖状态。

首先，根据GSM900网络MR文件、站点工参、基站配置文件等数据，依托主设备厂家或者第三方工具，通过MR定位算法，得到所述第一覆盖状态，用以实现GSM900网络的覆盖栅格级地理化呈现。GSM900网络栅格地理化后，所述GSM网络由多个栅格组成，得到的所述第一覆盖状态中至少包括每个栅格下各GSM900小区的覆盖电平值，即第一电平。

步骤S02、通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差。

由于NB-IoT网络与GSM900网络中各个设备的性能和传输环境的差异，导致两个网络的传输特性各不相同，通过对所述传输特性的比对，可以得到覆盖映射模型，例如，基站间的发射性能差异导致小区的覆盖能力不同，而根据传输环境的差异会导致产生不同的传输损耗，而根据基站发射天线设计的方向的差异得到各个方向上不同的增益衰减值等。通过对两个网络的分析，得到两个网络间在每个栅格的电平差，将所有栅格的电平差分布情况合并后得到两个网络间的覆盖映射模型。

步骤S03、根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平，得到NB-IoT网络下的第二覆盖状态，所述第二覆盖状态包括每个栅格的第二电平。

将所述第一覆盖状态中的第一电平与所述覆盖映射模型中的电平差相叠加，就可以得到在NB-IoT网络下每个栅格的第二电平。最终得到NB-IoT网络下覆盖栅格级地理化呈现的栅格覆盖状态，即第二覆盖状态。

本发明实施例通过建立NB-IoT网络与GSM900网络间的覆盖映射模型，根据GSM900网络的栅格覆盖状态，从而快速、简单、准确得预测出NB-IoT网络中的栅格覆盖状态。

图2为本发明实施例的另一NB-IoT覆盖预测方法流程图，图3为本发明实施例的NB-IoT发射天线、GSM900发射天线与终端位置的结构示意图，如图2所示，所述步骤S02具体为：

步骤S021、通过比对所述NB-IoT网络与GSM900网络间基站的发射性能，得到NB-IoT与GSM900网络间的覆盖能力差值。

由于NB-IoT网络与GSM900网络所处理的业务类型不同，导致两个网络的基站虽然是共站建设，但发射性能在也会根据不同业务类型的要求而有所区别，从而影响了两者的覆盖能力。NB-IoT业务一般对时延不敏感，可以通过引入重复发送的编码方式来提升信道条件恶劣时的传输可靠性，给NB-IoT带来覆盖能力的提升。但在功率谱密度上NB-IoT网络相比GSM900网络并无优势：GSM900网络无导频信道，所有功率均转换为电平；而NB-IoT网络的参考信号接收功率(Reference Signal Receiving Power，RSRP)来自参考信号(Reference Signal，RS)功率在全带宽的平均。NB-IoT协议规定了一个端口1Port和两个端口2Port下的资源单元(Resource Element，RE)与RS的功率关系如下表1所示：

表1

Port数	发射通道数	NB功率(W)	RS功率(W)
				1	1T	NB单通道功率	NB单通道功率/12
2	2T	2*NB单通道功率	NB单通道功率/6
				2	4T	4*NB单通道功率	NB单通道功率/6

通过对上述NB-IoT网络基站发射性能的分析可以得到其与GSM900网络间的覆盖能力差值。

进一步地，所述步骤S021具体为：

通过以下公式得到所述覆盖能力差值ΔPower，

ΔPower＝10×log₁₀(GSM_功率)-10×log₁₀(NB_功率/12)，

其中所述GSM_功率为GSM900网络基站的发射功率，所述NB_功率为NB-IoT网络基站的发射功率。

后台通过预存的建设工程数据可以得到GSM900网络基站的发射功率GSM_功率和NB-IoT网络基站的发射功率NB_功率，然后通过上述公式就可以得到两个网络间的覆盖能力差值ΔPower。

步骤S022、通过比对所述NB-IoT网络与GSM900网络间基站与终端的传输损耗，得到NB-IoT与GSM900网络间的传输损耗差值。

由于NB-IoT网络多应用于例如智慧医疗、智能家居等物联网业务，其对应的终端具有低功耗、低成本、低移动性等特性，其应用环境与GSM网络中的终端有较大的差别，所以需要优先考虑两个网络中基站与终端间的传输损耗的差异，从而得到两个网络间的传输损耗差值。

进一步地，所述传输损耗差值至少包括穿透损耗差值ΔPL和空中下载技术损耗差值ΔOTA。

能够影响传输损耗的因素有很多，其中影响较大的因素为电磁波在建筑物间传播时发生的穿透损耗，以及终端的周边环境导致的空中下载技术(Over The Air，OTA)损耗。

具体的穿透损耗与具体的建筑物类型、电波入射角度等因素有关。隔墙阻挡的穿透损耗一般为5～20dB，而地下室的损耗可能会达到30dB以上。特别是在城市场景，高楼带来的穿透损耗会明显影响覆盖。

通过对GSM900网络终端进行测试，选取多栋高层、独栋高层、中层、低层等各种场景楼宇进行室内扫楼测试，遍布楼道、走廊、楼梯，穿透损耗结果在18dB左右。与GSM900网络相比，NB-IoT网络的终端处于更加深度覆盖的场景，如地下室、车库、弱电井、电梯等区域，选择相同楼宇，遍历地下室、车库、弱电井、电梯、消防楼梯等区域，楼宇穿透损耗平均值约为28.7dB。

因此与GSM900网络相比，NB-IoT网络穿透损耗要多大约10dB，从而得到两个网络间的穿透损耗差值ΔPL取10dB。当然，也可以根据不同栅格的应用场景不同，选取对应的穿透损耗差值。

所述空中下载技术损耗指终端在使用中相比理想辐射源产生的损耗差异，一般通过标准OTA测试获得，在特定微波暗室内，测试手机的辐射功率和接收灵敏度。终端不同的工艺和天线设计以及用户的使用习惯都会对OTA损耗有影响。

传统GSM终端，主要关注终端与人体手部头部的位置等影响，在人体损耗，例如3dB，的基础上再增加4-6dB的OTA损耗。

而NB-IoT终端所处环境更复杂，可能在电表盒，水表盒等更复杂环境，OTA损耗更大，通过多场景OTA标准测试，建议OTA损耗在12dB左右。

相比与GSM900网络，所述NB-IoT网络的空中下载技术穿透损耗差值ΔOTA在6dB左右。

步骤S023、通过比对所述NB-IoT网络与GSM900网络间发射天线的方位角和下倾角，得到NB-IoT与GSM900网络间的天线差值。

由于天线在水平和垂直两个方向有固定的覆盖波束，各方向有固定的增益，从而形成天线的波束图。而NB-IoT网络基站虽然采用与现网GSM900网络共站部署方式建设，但根据不同的覆盖需求，NB-IoT网络基站的发射天线方位角和下倾角，即分别在水平和垂直方向，与GSM900网络基站的发射天线并不一定一致，在进行NB-IoT覆盖预测中需考虑这些差异，以得到NB-IoT与GSM900网络间的天线差值。

进一步地，所述步骤S023具体为：

通过比对所述NB-IoT网络与GSM900网络间发射天线的方位角和下倾角，根据预设的补偿算法，得到所述NB-IoT与GSM900网络间的天线差值ΔAn。

通过预存的建设工程数据可以得到各个发射天线水平和垂直两个方向上各角度相对天线法线方向各度数的增益衰减值。因此，通过对比现网GSM900与NB-IoT网络发射天线的方位角和下倾角的差异，根据预设的补偿算法来查询对应的增益衰减值，从而定量计算方位角与下倾角差异导致的天线差值ΔAn。

例如，如图3所示，NB-IoT天线、GSM900天线，终端位置，其中所述终端位置为通过MR定位算法处理后，每个栅格内等效终端的位置，从而根据补偿算法的公式：

ΔAn＝F(a-e,b-f)-F(c-e,d-f)，

其中a、c、e分别为NB-IoT发射天线、GSM900发射天线和终端位置在垂直方向上与天线法线相差的度数，b、d、f分别为NB-IoT发射天线、GSM900发射天线和终端位置在水平方向上与天线法线相差的度数，F()为根据其中度数的差值查询对应的增益衰减值。

步骤S024、根据所述覆盖能力差值、传输损耗差值和天线差值得到所述覆盖映射模型。

根据得到的NB-IoT网络与GSM900网络间的覆盖能力差值ΔPower、传输损耗差值中穿透损耗差值ΔPL和空中下载技术损耗差值ΔOTA、以及天线差值ΔAn，可以得到两个网络在每个栅格的电平差，从而得到所述覆盖映射模型。

本发明实施例通过建立NB-IoT网络与GSM900网络间的覆盖映射模型，其中覆盖映射模型至少包括覆盖能力差值、传输损耗差值和天线差值，再根据GSM900网络的栅格覆盖状态，从而快速、简单、准确地预测出NB-IoT网络中的栅格覆盖状态。

基于上述实施例，进一步地，所述步骤S03具体为：

通过以下公式得到所述NB-IoT网络下的第二覆盖状态中每个栅格的第二电平：

第二电平＝第一电平-ΔPower-ΔPL-ΔOTA-ΔAn。

基于上述实施例得到的覆盖映射模块中覆盖能力差值ΔPower、传输损耗差值中穿透损耗差值ΔPL和空中下载技术损耗差值ΔOTA和天线差值ΔAn，再结合第一覆盖状态中每个栅格的第一电平，可以通过上式得到每个栅格的第二电平。再通过汇总，可以得到所述NB-IoT网线下的第二覆盖状态。

本发明实施例通过建立NB-IoT网络与GSM900网络间的覆盖映射模型，根据GSM900网络的栅格覆盖状态，从而快速、简单、准确得预测出NB-IoT网络中的栅格覆盖状态。

图4为本发明实施例的用于NB-IoT覆盖预测方法的装置结构示意图，如图4所示，所述装置包括：获取模块10、计算模块11和映射模块12，其中，

所述获取模块10用于获取GSM900网络下的第一覆盖状态，所述第一覆盖状态至少包括每个栅格的第一电平；所述计算模块11用于通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差；所述映射模块12用于根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平，得到NB-IoT网络下的第二覆盖状态，所述第二覆盖状态包括每个栅格的第二电平。具体地：

获取模块10根据GSM900网络MR文件、站点工参、基站配置文件等数据，依托主设备厂家或者第三方工具，通过MR定位算法，得到第一覆盖状态，用以实现GSM900网络的覆盖栅格级地理化呈现。GSM900网络栅格地理化后，所述GSM网络由多个栅格组成，得到的所述第一覆盖状态中至少包括每个栅格下各GSM900小区的覆盖电平值，即第一电平。所述获取模块10将得到第一覆盖状态发送给映射模块12。

计算模块11通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述传输特性的差异由两个网络中各个设备的性能和传输环境的不同而导致，例如，基站间的发射性能差异导致小区的覆盖能力不同，而根据传输环境的差异会导致产生不同的传输损耗，而根据基站发射天线设计的方向的差异得到各个方向上不同的增益衰减值等。所述计算模块11通过对两个网络的分析，得到两个网络间在每个栅格的电平差，将所有栅格的电平差分布情况合并后得到两个网络间的覆盖映射模型。所述计算模块11将所述覆盖映射模型发送给映射模块12。

所述映射模块12将得到的所述第一覆盖状态中的第一电平与所述覆盖映射模型中的电平差相叠加，就可以得到在NB-IoT网络下每个栅格的第二电平。最终得到NB-IoT网络下覆盖栅格级地理化呈现的栅格覆盖状态，即第二覆盖状态。

本发明实施例提供的装置用于执行上述方法，其功能具体参考上述方法实施例，其具体方法流程在此处不再赘述。

本发明实施例通过建立NB-IoT网络与GSM900网络间的覆盖映射模型，根据GSM900网络的栅格覆盖状态，从而快速、简单、准确得预测出NB-IoT网络中的栅格覆盖状态。

图5为本发明实施例的另一用于NB-IoT覆盖预测方法的装置结构示意图，如图5所示，所述装置包括：所述获取模块10、所述计算模块11、所述映射模块12，第一计算单元111、第二计算单元112、第三计算单元113和聚合单元114，其中，

所述第一计算单元111用于通过比对所述NB-IoT网络与GSM900网络间基站的发射性能，得到NB-IoT与GSM900网络间的覆盖能力差值；所述第二计算单元112用于通过比对所述NB-IoT网络与GSM900网络间基站与终端的传输损耗，得到NB-IoT与GSM900网络间的传输损耗差值；所述第三计算单元113用于通过比对所述NB-IoT网络与GSM900网络间发射天线的方位角和下倾角，得到NB-IoT与GSM900网络间的天线差值；所述聚合单元114用于根据所述覆盖能力差值、传输损耗差值和天线差值得到所述覆盖映射模型。具体地：

第一计算单元111通过对所述NB-IoT网络和GSM900网络的基站发射性能的分析可以得到两个网络间的覆盖能力差值。

进一步地，所述第一计算单元111具体用于，通过以下公式得到所述覆盖能力差值ΔPower，

ΔPower＝10×log₁₀(GSM_功率)-10×log₁₀(NB_功率/12)，

其中所述GSM_功率为GSM900网络基站的发射功率，所述NB_功率为NB-IoT网络基站的发射功率。

第一计算单元111通过预存的建设工程数据可以得到GSM900网络基站的发射功率GSM_功率和NB-IoT网络基站的发射功率NB_功率，然后通过上述公式就可以得到两个网络间的覆盖能力差值ΔPower，并发送给聚合单元114。

第二计算单元112通过比对两个网络中基站与终端间的传输损耗的差异，从而得到两个网络间的传输损耗差值。

进一步地，所述传输损耗差值至少包括穿透损耗差值ΔPL和空中下载技术损耗差值ΔOTA。

能够影响传输损耗的因素有很多，其中影响较大的因素为电磁波在建筑物间传播时发生的穿透损耗，以及终端的周边环境导致的空中下载技术(Over The Air，OTA)损耗。

具体的穿透损耗与具体的建筑物类型、电波入射角度等因素有关。隔墙阻挡的穿透损耗一般为5～20dB，而地下室的损耗可能会达到30dB以上。特别是在城市场景，高楼带来的穿透损耗会明显影响覆盖。

通过对GSM900网络终端进行测试，选取多栋高层、独栋高层、中层、低层等各种场景楼宇进行室内扫楼测试，遍布楼道、走廊、楼梯，穿透损耗结果在18dB左右。与GSM900网络相比，NB-IoT网络的终端处于更加深度覆盖的场景，如地下室、车库、弱电井、电梯等区域，选择相同楼宇，遍历地下室、车库、弱电井、电梯、消防楼梯等区域，楼宇穿透损耗平均值约为28.7dB。

因此与GSM900网络相比，所述NB-IoT网络穿透损耗要多大约10dB，从而第二计算单元112得到两个网络间的穿透损耗差值ΔPL取10dB，并发送给聚合单元114。当然，所述第二计算单元112也可以根据不同栅格的应用场景不同，选取对应的穿透损耗差值。

所述空中下载技术损耗指终端在使用中相比理想辐射源产生的损耗差异，一般通过标准OTA测试获得，在特定微波暗室内，测试手机的辐射功率和接收灵敏度。终端不同的工艺和天线设计以及用户的使用习惯都会对OTA损耗有影响。

传统GSM终端，主要关注终端与人体手部头部的位置等影响，在人体损耗，例如3dB，的基础上再增加4-6dB的OTA损耗。

而NB-IoT终端所处环境更复杂，可能在电表盒，水表盒等更复杂环境，OTA损耗更大，通过多场景OTA标准测试，建议OTA损耗在12dB左右。

相比与GSM900网络，所述第二计算单元112得到NB-IoT网络的空中下载技术穿透损耗差值ΔOTA在6dB左右，并发送给所述聚合单元114。

由于天线在水平和垂直两个方向有固定的覆盖波束，各方向有固定的增益，从而形成天线的波束图。而NB-IoT网络基站虽然采用与现网GSM900网络共站部署方式建设，但根据不同的覆盖需求，NB-IoT网络基站的发射天线方位角和下倾角，即分别在水平和垂直方向，与GSM900网络基站的发射天线并不一定一致，第三计算单元113在进行NB-IoT覆盖预测中需考虑这些差异，以得到NB-IoT与GSM900网络间的天线差值，并发送给聚合单元114。

进一步地，所述第三计算单元113具体用于，根据所述NB-IoT网络与GSM900网络间发射天线的方位角和下倾角的差异，以及预设的补偿算法，得到所述NB-IoT与GSM900网络间的天线差值ΔAn。

第三计算单元113通过预存的建设工程数据可以得到各个发射天线水平和垂直两个方向上各角度相对天线法线方向各度数的增益衰减值。因此，所述第三计算单元113通过对比现网GSM900与NB-IoT网络发射天线的方位角和下倾角的差异，根据预设的补偿算法来查询对应的增益衰减值，从而定量计算方位角与下倾角差异导致的天线差值ΔAn，并发送给聚合单元114。

例如，如图3所示，NB-IoT天线、GSM900天线，终端位置，其中所述终端位置为通过MR定位算法处理后，每个栅格内等效终端的位置，从而根据补偿算法的公式：

ΔAn＝F(a-e,b-f)-F(c-e,d-f)，

其中a、c、e分别为NB-IoT发射天线、GSM900发射天线和终端位置在垂直方向上与天线法线相差的度数，b、d、f分别为NB-IoT发射天线、GSM900发射天线和终端位置在水平方向上与天线法线相差的度数，F()为根据其中度数的差值查询对应的增益衰减值。

所述聚合单元114根据得到的NB-IoT网络与GSM900网络间的覆盖能力差值ΔPower、传输损耗差值中穿透损耗差值ΔPL和空中下载技术损耗差值ΔOTA、以及天线差值ΔAn，可以得到两个网络在每个栅格的电平差，从而得到所述覆盖映射模型。

本发明实施例提供的装置用于执行上述方法，其功能具体参考上述方法实施例，其具体方法流程在此处不再赘述。

本发明实施例通过建立NB-IoT网络与GSM900网络间的覆盖映射模型，根据GSM900网络的栅格覆盖状态，从而快速、简单、准确得预测出NB-IoT网络中的栅格覆盖状态。

图6为本发明实施例的电子设备结构示意图。如图6所示，所述电子设备，包括：处理器(processor)601、存储器(memory)602和总线603；

其中，所述处理器601和所述存储器602通过所述总线603完成相互间的通信；

所述处理器601用于调用所述存储器602中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：获取GSM900网络下的第一覆盖状态，所述第一覆盖状态至少包括每个栅格的第一电平；通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差；根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平，得到NB-IoT网络下的第二覆盖状态，所述第二覆盖状态包括每个栅格的第二电平。

进一步地，本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取GSM900网络下的第一覆盖状态，所述第一覆盖状态至少包括每个栅格的第一电平；通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差；根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平，得到NB-IoT网络下的第二覆盖状态，所述第二覆盖状态包括每个栅格的第二电平。

进一步地，本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取GSM900网络下的第一覆盖状态，所述第一覆盖状态至少包括每个栅格的第一电平；通过比对NB-IoT网络与GSM900网络的传输特性得到覆盖映射模型，所述覆盖映射模型至少包括NB-IoT网络与GSM900网络在每个栅格的电平差；根据所述覆盖映射模型的电平差和第一覆盖状态下的第一电平，得到NB-IoT网络下的第二覆盖状态，所述第二覆盖状态包括每个栅格的第二电平。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的电子设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。