专利名称：：一种无线传播模型的校正方法
技术领域：
：本发明涉及蜂窝无线通信技术，尤其涉及一种对无线通信系统的无线传播模型进行校正的方法。
背景技术：
：目前，无线传播模型是无线通信网络规划中预测路径损耗的重要依据，传播模型的准确性对于网络规划的质量有很大的影响。在无线网络建设已经达到相当规模的今天，很多区域已经不再需要通过架设发射机来获取校正无线传播模型的测试数据了，因为这种校正方法不仅耗时而且费力。为了替代上述的校正方法，在中国专利申请号200310112566.5、公开曰为2004年11月17日、专利申请名称为《一种CDMA系统的无线网络优化方法》的专利申请文献中，提出了一种利用采集开通后站点的导频信号强度对无线传播模型进行校正的方法。这种方法利用已有的路测数据进行无线传播模型的校正，可以节省人力物力；同时由于每个扇区都可以校正得到不同的无线传播模型，因此最大限度的提高了预测精度。但是，上述专利申请中的技术方案的重点在于分离出不同扇区的导频信号强度并利用其校正无线传播模型，虽然该技术方案最大程度地考虑了不同测试区域传播环境间的差异性，但是没有考虑其共同点，每个测试区域所采集的测试数据只能校正一个无线传播模型，例如一个网络如果有30个三扇区的站点，那么需要根据每个扇区的测试数据(共90组测试数据)校正得到90个测试区域的无线传播模型，工作量非常大，即使通过优化数据进行校正，其工作量也不小。因此，这种现有技术方案的校正效率非常低。并且，由于每个测试区域所采集的测试数据只能校正一个无线传播模型，因此导致校正得到的无线传播模型移植性很差。
发明内容有鉴于此，本发明所要解决的技术问题在于提供一种无线传播模型的校正方法，以提高校正效率，增强无线传播模型的可移植性。为了实现上述发明目的，本发明的主要技术方案为一种无线传播模型的校正方法，该方法包括A、采集一个以上测试区域内的测试数据，每一测试区域的测试数据组成一组，确定所述每一测试数据组的传播环境特征参数；B、对所述测试数据组进行分类，将具备相似传播环境特性的测试数据纟且归入同一类；C、用归入同一类的测试数据组校正同一个无线传播模型。优选的，步骤A所迷确定某一测试区域对应测试数据组的传播环境特征参数的方法具体包括al、获取所有测试区域的三维电子地图，获取所有测试区域的地物类型总数M;a2、统计本测试区域的总测试点数Ni,下标i表示该测试区域的序列标识；a3、确定本测试区域内的每一测试点在本测试区域三维电子地图中对应的地物类型；a4、统计本测试区域中每一地物类型上的测试点数Nic，下标中的c表示第c种地物类型；a5、确定本测试数据组的传播环境特征参数Sector;为Sector,=(Cluu,Clui2，...CluiM)其中，Clu为某一地物类型的测试点数Nic与总测试点数Ni的百分比，Clu的下标表示该地物类型的序列标识，M表示所有测试区域中的地物类型总数。优选的，所述步骤B具体为bl、将所述每一测试数据组的传播环境特征参数Sector分别作为一个样本；b2、利用最邻近规则试探法从所迷样本中确定分类的个数L、以及每个分类的聚类中心Zk,其中k大于等于l、小于等于L;b3、将步骤b2确定的L个聚类中心Zk作为初始聚类中心，采用K-均值法对所述样本进行聚类，得到L个分类；将每一样本对应的测试数据组归入该样本所属的分类中。优选的，步骤b2具体包括b21、选择样本Secto^作为一聚类中心Zp并设定一个非负门限值T;b22、初始化聚类中心Zk的下标k=l、样本的下标i=2，总的分类个数L=l;b23、确定Sectori与聚类中心Zk之间的距离Dik,如果Dik小于等于T,则将Sector,分配到以Zk为中心的分类中，并执行步骤b25;否则执行步骤b24;b24、判断是否所有已知的聚类中心都计算完毕，如果是，将Sectori设为新的聚类中心，赋值I^L+1，执行步骤b25;否则，赋值l^k+l，并返回步骤b23;b25、判断是否所有的样品都已计算完毕，如果计算完毕，则结束本步骤b2，否则，赋值i^+l、赋值kd,返回步骤b23。优选的，步骤b23中，所述Sectori与Zk之间的距离Dik为优选的，所述步骤b3具体包括b31、对于所述每个样本，从所述L个分类的聚类中心中找到距离该样本最近的聚类中心，将该样本分配到以该最近聚类中心为中心的分类中；b32、在所述的每个分类中，确定该分类内所有样本的均值，以该均值作为该分类的新的聚类中心；b33、判断每个分类的新的聚类中心和原有的聚类中心是否相同，如果相同，则聚类完成，将每一样本对应的测试数据组归入该样本所属的分类中；否则，用每个分类的新的聚类中心替换该分类原有的聚类中心，返回步骤b31。优选的，所述步骤b31中，某一样本与聚类中心的距离为优选的，所述测试区域的观'J试数据至少包括测试区域的导频信号强度。由于本发明根据传播环境特性的相似性对测试数据进行分组归类，利用同一类的测试数据组校正同一个无线传播模型，因此相对于现有技术，本发明降低了校正无线传播模型的工作量，提高了校正效率。同时，由于充分考虑了测试数据的传播环境特征的相似性，因此本发明所校验出的无线传播模型的可移植性较强，一个无线传播模型可以适用于多个环境相似的测试区域中。另外，本发明还采用了科学的聚类方法，通过迭代使得同组内的测试数据特性尽可能的相似，而不同组之间的测试数据特性尽可能的分开，并实现自动化的归类操作，因此相比人工归类的方法，既提高了归类分组的准确性，又提高了测试数据分组的效率。图1为本发明所述方法的流程图；图2为本发明所述提取各测试区域的测试数据组对应的传播环境特征参数的流程图；图3为本发明所述按照传播环境参数将不同测试区域的测试数据组进行自动分类的流程图；图4为本发明所述利用最邻近规则试探法从所述测试数据组中确定分类的个数以及每个分类的聚类中心的流程图。具体实施方式下面通过具体实施例和附图对本发明做进一步详细说明。图1为本发明所述方法的流程图。参见图1，本发明所述的方法包括步骤11、采集一个以上测试区域的测试数据，每一测试区域的测试数才居组成一组。所述的测试区域例如可以是测试区域，也可以是扇区。所述测试数据可以是优化测试数据，其中至少包括导频信号强度(RxPilotPower),可以通过计算分离出不同测试区域的导频信号强度。具体方法包括如下步骤111至步骤113:步骤lll、至少采集测试区域的前向移动台接收总功率(RxPower)和接收到的来自于不同测试区域的导频信噪比强度(Ec/Io)。步骤112、对于每一测试点的测试位置，4矣收到的不同测试区域的导频信号强度RxPilotPower(dBm)可由如下公式(1)计算得到公式(1)中，i表示不同的测试区域的标号。步骤113、将来自不同测试区域的导频信号强度分别保存为不同的文件，每个文件用于保存一个测试区域的测试数据，也就是说一个测试区域的测试数据组成一个测试数据组，一个测试数据组中至少可包括一个测试数据即导频信号强度，所述标号i也可对应表示第i测试区域的测试数据组。确定测试数据文件总数为G。步骤12、从接收到的各测试区域的测试数据组中提取各自的传播环境特征参数。步骤13、按照传播环境特征参数将不同测试区域的测试数据组进行自动分类，将具备相似传播环境特性的测试数据组归入同一类。步骤14、依据分类后的测试数据组完成模型校正，即用归入同一类的测试数据组校正同一个无线传播模型。例如，具体可以为将分类后的测试数据组导入有自动校正无线传播模型功能的规划仿真软件中，软件会根据测试数据自动校正得到合适的模型参数。所述的规划仿真软件可以利用现有的多个测试数据校正一个无线传播模型的技术进行校正，此处不再赘述。图2为本发明步骤12所述提取各测试区域的测试数据组对应的传播环境特征参数的流程图。参见图2,所述提取传播环境特征参数的具体流程包括步骤21、获取所有测试区域的三维电子地图。该三维电子地图应当包含地形和地物信息；并获取所有测试区域内的地物类型总数M。步骤22、获取来自第i个测试区域的测试数据组包含的传播环境特征参数，具体包括以下步骤221至步骤224:步骤221、统计本测试区域内的总测试点数Ni。步骤222、遍历所有的测试点数，根据经纟韦度确定每个测试点在三维电子地图上对应的地物类型。步骤223、统计不同地物类型上的测试点总数Nic，计算不同地物类型上测试点总数占本测试区域的总测试点数的百分比ClUic;具体参见公式(2)Cluic=^xl00%(2)公式(2)中，所述Nic是第i个测试数据组(即第i个测试区域的测试数据)在第c种地物类型上测试点总数；Ni是第i个测试区域的总测试点数。步骤224、确定第i个测试区域的测试数据组的传播环境特征参数，计算公式如下公式(3):<formula>formulaseeoriginaldocumentpage10</formula>(3)上述公式(3)中，所述M为所有测试区域内的地物类型总数。步骤23、判断所有的测试数据组是否都巳计算完毕，如果没有，则赋值i=i+1，继续利用上述步骤221至步骤224计算下一个测试数据组的传播环境特征参数，否则结束本流程。图3为本发明所述按照传播环境参数将不同测试区域的测试数据组进行自动分类的流程图。参见图3，该流程包括步骤31、将所述G个测试数据组的传播环境特征参数Sector、Sector2.....Sectorc作为样本，利用最邻近规则试:探法从所述样本中确定分类的个数L、以及每个分类的聚类中心Zk，其中k大于等于l、小于等于L。本步骤31所用到最邻近规则试探法的原理如下设有n个样品XI，X2,…，Xn，不妨令任一样品作为聚类中心Zl，并选取任一非负的阈值T,为方便起见，我们选X1:Z1，然后计算X2到Zl的距离D21，若D21〉T,则建立一新的聚类中心Z2，且X2-Z2,若D21〈T,则认为X2在以Zl为中心的域中，即XI，X2同属一类。然后分别计算X3到Zl,Z2的距离，得到D31,D32，若D31〉T,D32〉T,则建立一新的聚类中心Z3，IX3=Z3，否则将X3划分到最近的聚类中心的域中。用类似的方法对所有的样品计算距离，比较阈值，决定归属。当算法结束时，就能得到C个类，C个聚类中心，以及每一类中的样品数。图4为本发明所述利用最邻近规则试探法从所述测试数据组中确定分类的个数以及每个分类的聚类中心的流程图。参见图4，该流程包括以下步骤311至步骤315:步骤311、选择Sector作为聚类中心Z!，并设定一个非负门限值T。步骤312、初始化聚类中心下标k4、测试数据组下标！=2，总的分类个数L:1。步骤313、获取聚类中心Zk，计算Sectori与聚类中心Zk之间的距离Dik。Sectori与Zk之间的距离Dik的计算^〉式如下/^式(4):二lSector「Zj公式(4)中，所述i表示不同的测试数据组；k表示不同的聚类中心；j表示不同的地物类型；SectorZk分别是第i个测试数据组以及第k个聚类中心的传播环境特征参数。步骤314步骤315、判断Dik是否小于等于T，如果是，那么将Sector分配到以Zk为中心的分类中，并转步骤318;否则，执行下一步。步骤316步骤317、判断是否所有已知的聚类中心都计算完毕，如果是，将Sectori设为新的聚类中心，赋值总的分类个数L=L+1，执行下一步骤；否则，赋值k-k+l，返回步骤313。步骤318~步骤319、判断是否所有的样品都已计算完毕，如果是，则得到初始分类个数L和每个分类的聚类中心Zk(l$l^L),流程结束，否则，赋值i-i+l、k=l,返回步骤313。在以下步骤32至步骤35中，将步骤31确定的L个聚类中心Zk作为初始聚类中心，采用K-均值法对所述样本进行聚类，得到L个分类；将每一样本对应的测试数据组归入该样本所属的分类中。所述K-均值法的原理为首先从n个数据对象任意选择k个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度(在本发明中为传播环境特征之间的距离)，分别将它们分配给与其最相似的聚类，即聚类中心所代表的聚类；然后再计算该聚类中所有对象的均值，以该均值作为该聚类的新的聚类中心；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数。所述k个聚类具有以下特点各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。在本发明中，采样K-均值法对所述样本进行聚类的详细过程参见如下步骤32至步骤35。步骤32、遍历Sector!、Sector2.....SectorG，对于每个样本找到距离样本点最近的聚类中心Zk,将样本Sectori分配到以Zk为中心的分类中。本步骤具体包括以下步骤321至步骤324:步骤321、初始化样本下标i二l。步骤322、计算Sectors与所有聚类中心Zk(15k5L)之间的距离Dik，并找到最小距离D體in对应的k值，具体参见公式(5).D腿"她ISector广Zkl公式(5)中，i表示不同的测试数据组；k表示不同的聚类中心；j表示不同的地物类型，Sector—Zk分别是第i个测试数据组以及第k个聚类中心的传播环境特征参数。步骤323、将Sector;分配到以Zk为中心的分类中。步骤324、判断是否所有样本都计算完毕，如果是，执行步骤33;否则赋值i=i+l，返回步骤322。步骤33、重新计算所述L个分类的新的聚类中心Zk;具体包括以下步骤331至步骤333:步骤331、初始化k二l。步骤332、获取以Zk为中心的类中样本的个数Q，并重新计算该类的中心；新的聚类中心Zk是以Zk为中心的类中所有样本的均值，计算公式如下公式(6):公式(6)中，所述Clupj是以Zk为中心的类中样本的传播环境特征参数分量。步骤333、判断L个聚类中心是否都重新计算完毕，如果计算完毕，执行步骤34;否则，赋值k二k+l，返回步骤332。步骤34~步骤35、判断新得到的L个聚类中心Zk是否与上一次迭代得到的聚类中心Zk相同，如果相同，则停止迭代，聚类完成，得到L个分类，将每一样本对应的测试数据组归入该样本所属的分类，流程结束；否则，赋值ZfZk,返回步骤32。下面结合具体的参数，以对A区域进行测试数据校正无线传播模型为例，进一步说明上述的方法。步骤51、假设A区域内有40个站点，共计120个测试区域。首先在A区域内采集优化测试数据。步骤52、分离得到来自这120个测试区域的导频信号强度RxPilotPower，并分别保存为不同的文件。步骤53、获取A区域的三维电子地图，得到该电子地图的地物类型，它们分别是开阔地(open)、城区中的开阔地(openinurban)、绿地(greenland)、森4木(forest)、^f主宅区(residential)、一^殳^成区(meanurban)、密集城区(denseurban)禾口工业区(industrial)共i十8类。步骤54、计算所述120个测试数据包含的传播环境特征参数，如表1所示为不同测试数据的传播环境特征参数<table>tableseeoriginaldocumentpage14</column></row><table>表1下面以表1中的测试数据Sector为例，说明计算方法，其余测试数据的计算方法与此相同；541)、Sector^在8种地物open、openinurban、greenland、forest、residential、meanurban、denseurban、industrial上的观'H式凄i:净居总凄t分另l1为0、766、133、0、0、776、861、0。"J殳定C1uh、C1u12.....Clu"依次表示这8种地物上测试点总数占测试数据1中数据点总数的百分比，则Clu12=[766/(766+133+776+861)]xl00%=30.2%Clu13=[133/(766+133+776+861)]xl00%=5.25%Clu16=[776/(766+133+776+861)]xl00%=30.6%Clu17=[861/(766+133+776+861)]xl00%=33.95%Clun=Clu14=Clu15=Clu18=0%542)、得到Sector,的传播环境特征参数为Sector=(0%，30.2%，5.25%,0%，0%，30线33.95%,0%)步骤55、以所述120个测试数据的传播环境特征参数作为样本，设定门限值T=10%,根据最邻近规则试探法计算得到5个初始测试数据分类，如表2所示为5个初始的测试#1据分类<table>tableseeoriginaldocumentpage15</column></row><table>得到上述5个初始测试数据分类的具体步骤如下551)选择Sector!作为聚类中心Z。计算Sector2与Zi之间的距离D:￡>21=(^(30.20—29.60)+(5.25—0)+(0-5.43)+(30.6-26.5)+(33.95-29.15)+(0-9.32).)%-13.6%552)因为021〉10%，所以将Sector2设定为新的聚类中心Z2。553)按照相同的方法计算Sector3与Zi、Z2之间的距离，如果与某个聚类中心的距离小于10%,则将Sector3归属于该聚类中心所在的类中；如果距离都大于门限值10%，则将Sector3设定为新的聚类中心。554)依此类推，直至所有的测试数据计算完毕，最后得到5个初始测试数据分类。步骤56、遍历120个样本，对每个样本找到距离样本点最近的聚类中心Zk，将样本Sectori分配到以Zk为中心的聚类中。步骤57、重新计算新的聚类中心Zk'，下面以类Zonel为例说明计算方法，其它聚类中心的计算方法与此相同；其中，Sector;是Zonel中包含的所有的13个样本，13是Zonel中样本的总数。步骤58、判断所有新得到的聚类中心Zk'是否与之前的聚类中心Zk相同，如果不同，则将计算得到Zk'作为新的聚类中心代替原Zk，重复步骤56、57、58直至新得到的聚类中心不再改变；如果都相同，则转步骤510。步骤510、得到最终的测试数据分类，如表3所示:<table>tableseeoriginaldocumentpage16</column></row><table>表3步骤511、将所述5类测试数据依次导入规划仿真软件中，利用软件自动模型校正功能即可得到5组传播模型。以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。权利要求1、一种无线传播模型的校正方法，其特征在于，该方法包括A、釆集一个以上测试区域内的测试数据，每一测试区域的测试数据组成一组，确定所述每一测试数据组的传播环境特征参数；B、对所述测试数据组进行分类，将具备相似传播环境特性的测试数据组归入同一类；C、用归入同一类的测试数据组校正同一个无线传播模型。2、根据权利要求1所述的无线传播模型的校正方法，其特征在于，步骤A所述确定某一测试区域对应测试数据组的传播环境特征参数的方法具体包括al、获取所有测试区域的三维电子地图，获取所有测试区域的地物类型总数M;a2、统计本测试区域的总测试点数Ni,下标i表示该测试区域的序列标识；a3、确定本测试区域内的每一测试点在本测试区域三维电子地图中对应的地物类型；a4、统计本测试区域中每一地物类型上的测试点ltNic,下标中的c表示第c种地物类型；a5、确定本测试数据组的传播环境特征参数Sector;为Sector^(ClUn，ClUi2，…CluM)其中，Clu为某一地物类型的测试点数Nic与总测试点数Ni的百分比，Clu的下标表示该地物类型的序列标识，M表示所有测试区域中的地物类型总数。3、根据权利要求1所述的无线传播模型的校正方法，其特征在于，所述步骤B具体为bl、将所述每一测试数据组的传播环境特征参数Sector分别作为一个样b2、利用最邻近规则试探法从所述样本中确定分类的个数L、以及每个分类的聚类中心Zk，其中k大于等于l、小于等于L;b3、将步骤b2确定的L个聚类中心Zk作为初始聚类中心，采用K-均值法对所述样本进行聚类，得到L个分类；将每一样本对应的测试数据组归入该样本所属的分类中。4、根据权利要求3所述的无线传播模型的校正方法，其特征在于，步骤b2具体包括b21、选择样本Sectort作为一聚类中心Z,，并设定一个非负门限值T;b22、初始化聚类中心Zk的下标k=l、样本的下标i=2，总的分类个数L=l;b23、确定Sectori与聚类中心Zk之间的距离Dlk,如果Dik小于等于T,则将Sector;分配到以Zk为中心的分类中，并执行步骤b25;否则执行步骤b24;b24、判断是否所有已知的聚类中心都计算完毕，如果是，将Sector,设为新的聚类中心，赋值L二L+1，执行步骤b25;否则，赋值k二k+l，并返回步骤b23;b25、判断是否所有的样品都已计算完毕，如果计算完毕，则结束本步骤b2，否则，赋值bi+l、赋值kd，返回步骤b23。5、根据权利要求4所述的无线传播模型的校正方法，其特征在于，步骤b23中，所述Sectori与Zk之间的距离Dik为6、根据权利要求3所述的无线传播模型的校正方法，其特征在于，所述步骤b3具体包括b31、对于所述每个样本，从所述L个分类的聚类中心中找到距离该样本最近的聚类中心，将该样本分配到以该最近聚类中心为中心的分类中；b32、在所述的每个分类中，确定该分类内所有样本的均值，以该均值作为该分类的新的聚类中心；b33、判断每个分类的新的聚类中心和原有的聚类中心是否相同，如果相同，则聚类完成，将每一样本对应的测试数据组归入该样本所属的分类中；否则，用每个分类的新的聚类中心替换该分类原有的聚类中心，返回步骤b31。7、根据权利要求6所述的无线传播模型的校正方法，其特征在于，所<formula>formulaseeoriginaldocumentpage4</formula>8、根据权利要求1至6任一项所述的无线传播模型的校正方法，其特征在于，所述测试区域的测试数据至少包括测试区域的导频信号强度。全文摘要本发明公开了一种无线传播模型的校正方法，该方法包括A.采集一个以上测试区域内的测试数据，每一测试区域的测试数据组成一组，确定所述每一测试数据组的传播环境特征参数；B.对所述测试数据组进行分类，将具备相似传播环境特性的测试数据组归入同一类；C.用归入同一类的测试数据组校正同一个无线传播模型。利用本发明，可以以提高对无线传播模型的校正效率，增强无线传播模型的可移植性。文档编号H04W24/06GK101146313SQ200710176020公开日2008年3月19日申请日期2007年10月17日优先权日2007年10月17日发明者峰吴,晟李,欧阳俊,傲薛申请人:中兴通讯股份有限公司