专利名称：一种移动通信网信号场强预测的方法
技术领域：
本发明属于无线通信技术领域。涉及一种移动通信网信号场强预测的方法。
移动电话从二十世纪八十年代中期开始发展至今，短短十五年，已从零发展到两亿部。在我国，移动电话的发展也极为迅猛。仅广东一省，移动用户已达到1100万之多，无线基站数5600座，载波52260个。随着用户数不断增加，话务量激增，每期系统扩容都要增加载频和缩小基站间距离，其结果可能导致一系列影响通信质量的问题，如干扰、杂音、掉话、断话、单通等，不能令人满意的现象时有发生。通过密集架设基站和使用1800MHz频段等可以扩大网络容量。但是频率资源有限，随着网络容量的进一步扩大，只有实现合理有效的覆盖才能从根本上保证网络质量，而有效的覆盖控制又有赖于较高精度的无线信号场强或频率覆盖预测。因此，发展一种适用于我国移动通信环境且满足移动网络优化实际需要的、具有较高预测精度的无线信号场强预测方法极其必要。
移动通信网无线信号场强预测方法研究，国内外都一直在进行。其趋势从奥村模型等适用于大区制的经典经验模型，到目前适用于微蜂窝移动网络结构而流行的射线追踪法，在移动通信应用需求的推动之下不断发展变化。从预测算法的特征看，早期，基于实测的统计预测模型的预测方法占主导地位，近期，依赖于三维或准三维数字化地图的精确预测模型成为广泛应用的预测方法。从原理上看，统计预测模型方法通过预设的公式结构与参数(结构和参数都是经验的)来隐式地包含对地形地物影响的考虑；精确预测模型方法则通过理论公式和三维数字模型，用数值方法直接计算地形地物和建筑物的影响。前者计算迅捷，成本低，但模型相对粗糙，应用于传播环境差异很大的不同小区时预测误差较大；后者能适应于具有不同传播环境条件的小区并且预测精度较高，但成本高，计算速度慢，且不容易考虑周全电波传播的复杂的影响因素。
本发明的任务是提供一种移动通信网信号场强预测的方法，它既可以避免对三维数字地图的直接依赖，无需直接计算地形地物和建筑物的影响，达到计算迅捷，成本低的目的，又可以适用于具有不同传播环境条件的服务小区且具有满足移动网络优化实际需要的较高预测精度。
一种移动通信网信号场强预测的方法，其特征在于包括如下步骤(1)首先取得和输入扫频测量数据及基站/小区数据；(2)然后对取得和输入的扫频测量数据进行预处理；(3)建立移动通信无线电CT模型和模型的离散化，包括对预测区域进行离散化和建立离散化模型；(4)利用经过预处理的扫频测量数据、基站/小区数据和离散化模型，进行自适应无线电CT重建，包括损耗分布的迭代计算、计算场强分布、统计分析误差分布和参数自适应修正；(5)自适应无线电CT重建结果以二维预测场强分布形式输出。
由于本发明所提供的移动通信网信号场强预测方法采取从移动的扫频测量数据中提取出地形地物对电波传播的影响的无线信号场强二维覆盖预测技术方案。把经过预处理消除多径衰落后得到的信号中值场强转化为从基站天线到测量地点的整个传播路径上中值衰减的一个积分，从而把移动网信号场强预测问题转化为一个自适应无线电CT问题，形成一种无线信号场强二维覆盖精确预测的算法。
由于采取了有效的数据预处理方法消除多径衰落，可以把信号中值场强转化为从基站天线到测量地点的整个传播路径上各类衰减的一个积分，从而可以摆脱对三维数字地图或地形地物数据库的直接依赖，同时也可以得到满足移动网络优化实际需要的较高预测精度。很显然，本方法天然地具备以往统计预测模型便捷易行、成本低廉，以及精确预测模型适用性强预测精度较高的优点，同时又避免了它们固有的不足。本方法场强预测精度达到，场强绝对误差平均值小于5dBm，标准差在6dBm以内。这一预测精度优于国内外已有的各类移动网信号场强算法所得到的预测精度。
图1是本发明的技术方案流程图。
下面结合附图对本发明技术方案的基本步骤作进一步详细的说明。
如图1所示，一种移动通信网信号场强预测的方法，其特征在于包括如下步骤(1)首先取得和输入扫频测量数据及基站/小区数据；(2)然后对取得和输入的扫频测量数据进行预处理；(3)建立移动通信无线电CT模型和模型的离散化，包括对预测区域进行离散化和建立离散化模型；(4)利用经过预处理的扫频测量数据、基站/小区数据和离散化模型，进行自适应无线电CT重建，包括损耗分布的迭代计算、计算场强分布、统计分析误差分布和参数自适应修正；(5)自适应无线电CT重建结果以二维预测场强分布形式输出。
步骤一取得和输入扫频测量数据以及基站/小区数据。取得扫频测量数据至少需要在包围预测区域的至少4个服务小区锁定四个频点进行移动的扫频测量，每个服务小区的发射天线位置必须分布在0°至360°四个象限的不同象限；测量车速为60km/h，扫频测量采样频率应不低于10/s；对每个服务小区测量的条件必须相同。输入扫频测量数据通过扫频测量设备和计算机之间的串口连接实现。基站/小区数据是指自适应CT场强预测所必需的基站/小区参数，而不是指通常意义上的完备的基站/小区数据。必须包含的参数和信息如下a)基站名称，基站代号，基站色码(BSIC)，基站地理经纬度(精确到米)；b)小区名称，小区代号，小区频率代码(BCCH)，小区天线的高度，天线的方位角和下倾角，天线的发射功率，天线是否微蜂窝天线；c)基站所包含的小区天线数目及对应的小区代号列表；d)小区天线所属的基站代号；e)小区的邻频小区定义，即相邻小区数目及对应的小区代号列表。
步骤二扫频测量数据预处理。扫频测量数据预处理步骤又包括如下步骤1、对扫频数据进行格式编辑转换、分组与合并操作，使得逻辑无关的数据相分离，而逻辑相关的数据相融合，并剔除无效数据(如GPS失锁数据)。这里数据格式编辑转换依所使用的硬件设备(比如扫频测量设备和计算机)而定；扫频数据分成预测用数据和检验用数据两组，各占总数据量的一定比例。前者作为无线电CT重建的直接输入数据，后者作为误差分析和自适应修正的输入数据。
2、GPS定位误差的校正，采用线性回归结合跳变自动校正方法；3、消除多径衰落或快衰落采用中值滤波方法并综合考虑测量车速、数据采样频率、信号频率、环境条件四种因素确定滤波窗口尺度，滤去空间尺度小于滤波窗口尺度的快衰落或时间尺度小于1秒的快衰落；4、系统误差修正采用动态和静态测试结合进行统计分析的方法，达到对不同类型测量设备做出标定的目的。
本步骤的1，2，4中所述的方法是现有技术，在此不作详细说明。
步骤三建立移动通信无线电CT模型和模型的离散化。建立移动通信无线电CT模型和离散化包括以下步骤1、对经过预处理消除多径衰落后的测量数据进行物理分析，把经过数据预处理消除多径衰落后得到的信号中值场强转化为从基站天线到测量地点的整个传播路径上中值衰减的一个积分，推导出如下数学模型，ln(Pr/Pt)=∫Lα(l,t)dl+ϵ]]>式中Pr和Pt分别为测量地点接收信号功率和基站天线发射信号功率，α是单位距离上反映不规则空间传播损耗和慢衰落的损耗系数，L为等效传播路径长度，ε代表测量误差。
2、对预测区域进行离散化，即分解为微小的矩形象素单元，矩形象素单元尺度5m至100m可选，在一个象素单元内的场强损耗系数分布被认为遵循由基函数所确定的规律(当第i条路径穿过第j个象素单元时，基函数取值为1，当第i条路径不穿过第j个象素单元时，基函数取值为零)，即场强损耗系数在一个象素单元内均匀分布。
3、建立离散化模型，即对上述积分离散化，得到一个线性代数方程组，Y^=M=·X^]]>式中 是一个I维列矢量，由经过步骤一和步骤二处理的扫频测量数据给出，I是测量数据点个数， 是预测区域的几何构型决定的I×J维系数矩阵，系数矩阵 的第j行第i列元素mij定义为当第i条路径穿过第j个象素单元时，mij取值为第i条路径穿过第j个象素单元的那一段的长度Δlij，当第i条路径不穿过第j个象素单元时，mij取值为零，以3×3系数矩阵为例，mij的计算方法，如图2所示。 是一个J维列矢量，它的第j个元素代表第j个网格的损耗因子估计，通过步骤四计算得到，J表示象素单元个数。步骤四自适应无线电CT重建。自适应无线电CT重建包括以下步骤1、损耗分布的迭代计算即求解方程 中的 采用代数重建技术(ART)，迭代计算的公式为， 式中xj(k)表示第k轮迭代的结果，Mi表示矩阵的第i行，尖括号<*，*>表示标积，λ为松弛因子，取值在0和1之间。首次进入本流程单元时，从 的初始分布 开始进行迭代计算；非首次进入本流程单元时，从 的上一次迭代分布 开始进行迭代计算；然后直至计算出理论损耗分布 2、计算场强分布。由损耗分布 计算从小区天线到预测区内任一象素单元中心点(设为第j个象素)的路径在预测区内的总损耗值用Lossi，Lossi=Σj=1n≤NMijxj]]>式中j的取值由等效路径与预测区的几何构形所共同决定。于是该象素上的中值场强预测值Ei为，Ei=Ei′-Lossi]]>式中Ei′为该象素的等效路径与预测区边界交点处的场强测量值。求出所有象素的场强预测值，得到场强的预测分布 E(k)＝(e1，e2，...，eN)(k)
3、统计分析误差分布。依据场强的预测分布 和来自检验用实测数据进行误差分布的统计分析，其中基本的分析量为象素误差分布 e^(k)=(er1,er2,···,erp)(k)---p<J]]>如果误差分析表明预测精度已经符合预设要求，或过程已收敛，则结束迭代过程，输出预测结果 ；否则，进入下一轮迭代过程。
4、参数自适应修正。根据误差分布重新调整预测过程中的各种参数，包括射线权重、象素权重和反演迭代参数。如果误差分析表明预测精度不符合预设要求，就进入下一轮迭代计算；如果误差分析表明预测精度已经符合预设要求，则结束自适应修正，输出预测结果。
步骤五预测场强输出。计算结果以二维网格数据方式输出，包括每一格点的地理经纬度(精确到米)和中值场强(dBm)。
依据以上步骤，本专业技术人员可以通过计算机编写程序实现本项发明。
权利要求
1.一种移动通信网信号场强预测的方法，其特征在于包括如下步骤(1)首先取得和输入扫频测量数据及基站/小区数据；(2)然后对取得和输入的扫频测量数据进行预处理；(3)建立移动通信无线电CT模型和模型的离散化，包括对预测区域进行离散化和建立离散化模型；(4)利用经过预处理的扫频测量数据、基站/小区数据和离散化模型，进行自适应无线电CT重建，包括损耗分布的迭代计算、计算场强分布、统计分析误差分布和参数自适应修正；(5)自适应无线电CT重建结果以二维预测场强分布形式输出。
2.根据权利要求1所述的移动通信网信号场强预测的方法，其特征在于取得扫频测量数据至少需要在包围预测区域的至少4个服务小区锁定四个频点进行移动的扫频测量，每个服务小区的发射天线位置必须分布在0°至360°四个象限的不同象限；测量车速为60km/h，扫频测量采样频率应不低于10/s；对每个服务小区测量的条件必须相同。
3.根据权利要求1所述的移动通信网信号场强预测的方法，其特征在于扫频测量数据预处理包括如下步骤(1)对原始扫频数据进行格式编辑和转换、分组和合并操作，使得逻辑无关的数据相分离，而逻辑相关的数据相融合，并剔除无效数据；(2)GPS定位误差校正；(3)消除多径衰落或快衰落；(4)系统误差修正。
4.根据权利要求3所述的移动通信网信号场强预测的方法，其特征在于消除多径衰落或快衰落采用中值滤波方法并综合考虑测量车速、数据采样频率、信号频率、环境条件四种因素来确定滤波窗口尺度。
5.根据权利要求1所述的移动通信网信号场强预测的方法，其特征在于步骤(3)中建立移动通信无线电CT模型，首先把经过数据预处理消除多径衰落后得到的信号中值场强转化为从基站天线到测量地点的整个传播路径上中值衰减的一个积分，ln(Pr/Pt)＝∫Lα(l，t)dl+ε。
6.根据权利要求1所述的移动通信网信号场强预测的方法，其特征在于步骤(3)中模型的离散化包括以5m至100m尺度的矩形把预测区域离散化和把积分离散化，所构筑的离散化模型为线性方程组
7.根据权利要求1所述的移动通信网信号场强预测的方法，其特征在于步骤(4)中参数自适应修正是根据误差分布重新调整射线权重、象素权重和反演迭代参数来实现。
全文摘要
本发明属无线通信技术领域,是一种移动通信网信号场强预测的方法,其特征在于包括如下步骤:首先取得和输入扫频测量数据及基站/小区数据;然后对取得和输入的扫频测量数据进行预处理;建立移动通信无线电CT模型和模型的离散化;利用经过预处理的扫频测量数据、基站/小区数据和离散化模型,进行自适应无线电CT重建;自适应无线电CT重建结果以二维预测场强分布形式输出。本方法便捷易行、成本低廉、适用性强和预测精度较高。
文档编号H04W24/00GK1377207SQ01107659
公开日2002年10月30日 申请日期2001年3月23日 优先权日2001年3月23日
发明者徐继生, 王道恒, 俞胜兵, 李如新, 戴美泰 申请人:广东移动通信有限责任公司珠海分公司, 徐继生