Usando la calibración se puede realizar un ajuste del modelo Synapse. El objetivo es reducir los efectos de las imperfecciones y permitir que el modelo Synapse sea lo más cercano posible a las medidas reales de propagación.

Descripción

El modelo Synapse integra un módulo rápido y automatizado para la calibración que tiene en cuenta los datos tomados en capañas de medidas (drive tests) y, como resultado, mejora los datos de las predicciones y genera resultados que son más próximos al mundo real.

El proceso de calibración se basa en la generación de dos análisis que son utilizados para ajustar los coeficientes del modelo. En el último paso del proceso de calibración, el modelo Synapse genera nuevas predicciones utilizando los puntos de los drive tests con el modelo ya ajustado.

El algoritmo de calibración implementado en el modelo Synapse está basado en un método de regresión multi-lineal. El modelo reconoce que la cantidad de pérdidas totales depende parcialmente de las pérdidas estimadas estadísticamente. Esta parte ajustable es una suma de variables multiplicadas por coeficientes. El algoritmo de calibración determina el valor de estos coeficientes con el mejor ajuste de las medidas de prueba. Puesto que el ajuste estadístico no tiene un significado físico, el modelo Synapse combina teorías físicas elementales antes de ajustar estadísticamente los resultados. Como las estadísticas no son la base de los resultados de predicción, si las medidas son escasas o de baja calidad el modelo ajustado será poco fiable.

Proceso de calibración

Durante el proceso de calibración, la herramienta de calibración optimiza los coeficientes para cada tipo de morfología. Nótese que si la opción de morfología no está seleccionada, el modelo solo utilizará la morfología por defecto, lo que significa que habrá una única optimización para todos los entornos. Antes de comenzar el proceso de calibración, la herramienta de calibración separará los puntos de medida en diferentes categorías (cajas) de acuerdo con la morfología a la que pertenezcan y de acuerdo a otros criterios (la tipología depende de los datos geográficos disponibles en el área considerada, línea de vista, frecuencia, contexto micro-celular, etc.).

Se debe tener en cuenta que hay una comprobación inicial basada en el número mínimo de puntos: se requiere un mínimo de 1000 puntos de medida por caja para comenzar la optimización; de lo contrario, el modelo utiliza los parámetros por defecto.

El proceso de calibración permite generar dos calibraciones diferentes, es decir, dos conjuntos distintos de coeficientes:

•El primero, que será aplicado cuando los polígonos estén disponibles en el área de cálculo.

•El segundo, que será aplicado cuando los polígonos no estén disponibles en el área de cálculo.

Los coeficientes, que son calculados por el método de mínimos cuadrados, se pasan como parámetros de entrada al nuevo modelo Synapse calibrado.

La herramienta de calibración realiza una calibración específica para cada caja, pero primero comprueba la distribución de cada variable calculada a lo largo del perfil; esto significa que la herramienta de calibración asociará las variables calculadas a lo largo del perfil con los mejores coeficientes para reducir la media y la desviación estándar, pero solo con las variables consideradas como representativas del mundo real. El resto de variables se asociarán con un coeficiente por defecto ("representativo de la realidad" significa que es adecuado con lo que el modelo aprendió durante todos los pasos de su desarrollo).

Nota: La herramienta de calibración optimiza ciertos parámetros (suponiendo que haya suficientes puntos disponibles), lo cual significa que el modelo puede mostrar muy buenas estadísticas, dependiendo de las medidas utilizadas. Los resultados pueden ser algo menos favorables que los de la otra opción, pero serán más robustos cuando se use el mismo modelo en otro tipo de entorno.

Aviso: Los transmisores y receptores ubicados dentro de un edificio no son tenidos en cuenta durante el proceso de calibración del método.

Cómo calibrar el modelo Synapse en Xirio

Para lanzar el proceso de calibración es necesario vincular previamente las medidas al estudio de cobertura multitransmisor. Estas medidas deben ser subidas en un fichero (con el formato de medidas adecuado) utilizando la opción "Cálculo y visualización de ruta" de la sección "Calcular estudio".

Después, también en la sección "Calcular estudio", pulse "Cálculo de ajuste de medidas":

En la sección "Método a calibrar" existen diferentes opciones para calibrar el modelo Synapse:

•Cuando se selecciona la casilla "Usar filtrado automático", el motor de calibración descarta los drive tests en los que encuentra valores inconsistentes, es decir, aquellos para los cuales el error medio antes del calibrado está fuera del intervalo [-10;10] (estos drive tests puede generar inconsistencias en los coeficientes de la calibración). Nota: Cuando se marca esta opción, el proceso calcula y muestra el porcentaje de ficheros de medida para los cuales el error medio está dentro del intervalo [-7;7] antes de la calibración (por ejemplo, si hay 10 ficheros de medidas disponibles y para uno de ellos el error medio esta fuera del intervalor [-7;7], la calidad será 90%). Un valor cercano a 100 indica que los ficheros de los drive tests son de buena calidad. Esta información recibe el nombre de Indicador de calidad de medidas y se muestra en el log de calibración del modelo.

•Cuando se selecciona la casilla "No considerar píxeles indoor para áreas raster", el motor de calibración descarta los drive tests que están ubicados dentro de clases de tipo "Edificio" según el clutter. Cuando no está marcada, los drive tests que están ubicados dentro de clases de tipo "Edificio" según el clutter no son considerados indoor, lo que significa que el motor de calibración automáticamente establece que las clases del clutter de tipo "Edificios" son de tipo "Otro".