专利名称：一种充分利用实测数据的无线信号场强预测及网络覆盖地图绘制的方法
技术领域：
本发明涉及无线技术领域。尤其涉及一种无线网络信号强度预测，以及无线网络覆盖分 布地图绘制的方法。
背景技术：
无线网络覆盖地图，是通过在地图上用不同的颜色，表示无线网络中不同小区(cell)的 覆盖情况，包括覆盖哪些区域，以及覆盖区域的信号强度。高精度的覆盖地图是无线网络优 化的重要依据，它可以直观、清晰地呈现出小区覆盖情况和许多可能存在的问题，是为改善 无线网络覆盖的利用率，保证网络质量的有力的科学化工具。
覆盖地图的绘制是从点到面的过程。在没有覆盖地图时，只有各个孤立的、位于不同地 点的实测数据(即路测扫频数据)，通过的预测技术，来预测其他没有路测数据地点处的信号 强度，从而获取整个城巿区域的"面"上的覆盖分布情况。最后，通过地理信息系统(GIS) 技术，将结果直观地呈现在地图上。
目前，国内外预测无线传播场强和绘制覆盖地图的方法主要分为三种经验性方法(如 0kumura-Hata模型)、半确定方法(如Ikegami-Walf isch模型)和确定性方法(如射线追踪法)。 经验性方法主要用实测数据来估计模型参数，不考虑绕射和反射，实现相对简单，预测快速， 可以在宏蜂窝尺度上大规模使用，但精度较低。确定性方法如射线追踪法则通过根据3D地图 上的建筑物特征和分布情况，追踪每条无线电波的传播路径和损耗，从而达到更好的预测精 度。半确定方法对特定的楼群(由尺寸、形状、高度、间隔、方向基本相同的楼组成)处的 射线传播进行了简化。
场强预测技术是覆盖地图绘制的技术核心，预测精度直接决定了覆盖地图的精度和质量。 上面提到的三类预测方法各有其缺点
传统的经验性方法主要用实测数据来估计模型参数，没有考虑绕射与反射，也未充分考 虑地貌影响，虽然计算快速，但精确度无法达到较高水平。半确定性方法主要针对间隔、方 向和高度基本相同的楼群进行分析研究，而这种楼群特征并不符合各城巿楼群的实际特征。 确定性方法的计算成本高昂，无法大规模采用。同时，它还需要非常丰富精准的各类参数， 包括不同建筑材料的楼群和不同地貌的绕射反射参数，甚至包括不同天气状况下的大气折射 率，对城巿建设日新月异、天气变化比较频繁的城巿来说，这些数据很难取得和保持及时有 效的更新，因此，射线追踪方法的预测精度将受到很大影响
发明内容
针对现有技术的不足，本发明立足于经验性方法，通过补充手段来提高预测精度。 对传统的经验性方法的进一步分析表明
1) 传统的经验型方法不考虑地形地貌影响。这是经验型方法预测精度不高的根本原因。
2) 传统经验性方法对实测数据的利用是平等的，即与路测密度无关。当某一片区域路测 点很密时，传统经验型方法难以有效减小在此区域的预测误差。
3) —些传统的经验型方法虽然利用地形校正因子描述地形地貌效应，但由于校正因子是 无方向的，对所有小区(天线)相同的，在覆盖图绘制上，小区的地形校正因子会互相抵消， 结果，虽然场强预测精度提高了，但是对覆盖图的校正作用却很小。(本文档中称其为同向同 性问题)
针对此，本发明使用模式识别技术，有差别地、更充分地使用实测数据。通过对每个小 区(即天线)各自不同的片区划分方法，能够反映出小区周围不同地形地貌的不同影响，并 消除同向同性问题；对于路测密度越高的地域，片区划分密度越大，进一步提高预测精度； 同时，对饶射和反射效果进行简化的预测，进一步考虑地形地貌影响和消除同向同性问题。
本发明提供一种充分利用实测数据的无线信号场强预测和网络覆盖地图的绘制方法，其 包括以下步骤
A) 读入扫频数据和基站/小区参数(技参表数据)；
B) 对扫频数据进行预处理；
C) 对每个小区的周边区域，进行片区的自适应划分；
D) 对每个片区，建立其场强预测模型；
E) 读入地图数据；
F) 将目标城巿地图进行网格化； —
G) 根据扫频数据和地图数据中的地形地貌，估计饶射和反射的参数，并计算各网格中绕 射和反射的损耗值；
H) 根据地图数据，自动判断地理类型，并计算所有网格的地形校正因子；
I) 根据步骤D、 G、 H的结果，预测所有网格中，各个小区的场强值，从而得到每个网格 的主覆盖小区。
其中，所述扫频数据包括每个数据的测量地点(经纬度)，BSIC, BCCH，测量值，测量时 间等，所述技参表数据包括每个小区的Cell —ID,经纬度，BCCH, BSIC，天线高度、发射功 率，天线增益、天线类型，水平方位角，下倾角，是否微蜂窝天线等。
其中，对扫频数据进行预处理包括剔除明显不合理的路测数据，为每个扫测数据按 BCCH(频点)和BSIC (色码)寻找其归属小区，以及绕射和反射效应的预矫正等。
其中，所述预矫正是一个消除和参数估计的反复迭带过程。
5其中，在步骤C中，所述划分可以有按角度划分、按角度+径向划分、按地形走向划分等, 尽可能让片区内的地形地貌都相同或相近。
其中，在无路扫频测点或测点稀疏处，片区的尺寸较大，划分比较稀疏；在扫频测点密 集处，片区的尺寸较小，划分比较密集。
其中，在步骤D中，根据矩阵形式的最小二乘法，估计每个片区的模型参数，对于没有
扫频数据的片区，其参数由周边片区的参数拟合得到。
其中，所述地图数据包括每栋楼的形状、高度，马路的形状、朝向、宽度，江河湖泊的 形状，山地的等高线等，均为矢量地图数据。
附图1是本发明的技术方案的流程附图2是天河体育中心一带绕射损耗和反射示意附图3是天河体育中心一带楼群密度的地理分布；
附图4是实现本发明方法的具体系统的详细流程附图5是绕射衰减的简化公式中6和db的关系示意附图6是反射效应示意附图7是自适应片区分划的模型建立和场强预测示意附图8是经验性简化绕射模型的训练和应用流程附图9是基于实测数据的无线电波反射效应的建模和应用流程图;
附图io是地理类型自动识别流程图。
具体实施例方式
如附图1所示，本发明提供了一种充分利用实测数据的无线信号场强预测和网络覆盖地 图的绘制方法，其包括如下步骤
步骤l:读入扫频数据和技参表。扫频数据包括每个数据的测量地点(经绛度)，BSIC， BCCH，测量值，测量时间等。技参表数据包括每个小区的Cell-ID，经炜度，BCCH, BSIC， 天线高度、发射功率，天线增益、天线类型，水平方位角，下倾角，是否微蜂窝天线等。
步骤二包括剔除明显不合理的路测数据，为每个扫测数据按BCCH(频点)和BSIC (色 码)寻找其归属小区，以及绕射和反射效应的预矫正等。进行预矫正的理由是，扫频数据已 经包含了可能的绕射和反射的效果，所以要把这些效果先消除，才能对绕射和反射的简化方 法进行正确的参数估计。由于需要消除的绕射和反射效果有赖于正确的参数估计，所以实际
的预矫正是一个消除和参数估计的反复迭带过程。步骤三对每个小区的周边区域，进行片区的自适应划分。将每个小区的周边区域(360 度范围)划分为多个片区。划分方法可以有按角度划分、按角度+径向划分、按地形走向划分 等。划分的原则是尽可能让片区内的地形地貌都相同或相近。这样，小区周边不同位置的地 形地貌因素，就被吸收进该位置的片区中。从而，整个预测相当于考虑了地形地貌因素，大 大提髙了预测精度。
此外，片区划分的密度是按照扫频数据的密度自适应变化的。在无路扫频测点或测点稀 疏处，片区的尺寸较大，划分比较稀疏，以减少无扫频测点的空白片区，增加预测结果的可 靠性；在扫频测点密集处，片区的尺寸较小，划分比较密集，以提高预测精度。
步骤四对每个片区，建立其场强预测模型。根据矩阵形式的最小二乘法，估计每个片 区的模型参数。对于没有扫频数据的片区，其参数由周边片区的参数拟合得到。
步骤五读入地图数据。地图数据包括每栋楼的形状、高度，马路的形状、朝向、宽度， 江河湖泊的形状，山地的等高线等，均为矢量地图数据。
步骤六对目标城巿地图进行网格化。如对于广州来说，全区域约7300平方公里，网格 大小为12.5*12. 5米，则共约4.7千万个有效网格。
步骤七根据扫频数据和地图数据中的地形地貌，估计饶射和反射的参数，并计算各网 格中绕射和反射的损耗。
根据电磁波的一致性饶射理论(UTD)给出的绕射仿真结果，可以看到饶射阴影区的损耗对 角度的关系近似为直线。由此可以建立提出绕射衰减的简化计算公式。通过扫频数据和地图 数据，用最小二乘法估计出公式参数值。然后对每个网格，计算出每栋建筑物在该网格上饶 射损耗值，该网格的总饶射损耗值，为每栋建筑物产生的饶射损耗的最大值。这是一次饶射 的计算方法，反复迭带可得多次饶射的总损耗值。
图附2中不同灰度的点也表示了显著的反射特征。浅色的点表示误差(实测值-未计入反 射时预测值)较小，黑点表示误差较大。可以看到距离较远处，误差较大。这可以清晰地表示 出，误差由反射增益带来，该马路对目标小区来说是一个反射效应显著的区域。
通过加入饶射和反射的效应计算，预测精度可以进一步提高，'同时同向同性问题得到进 一步缓解。
步骤八根据地图数据，自动判断地理类型，并计算所有网格的地形校正因子。本发明 通过楼群的空间分析，得到楼群密度地理分布图，从而自动对每个地图的网格，判断属于城 巿密集区、亚密集区、开阔区还是城中村，而无需如其他同类产品一样，使用特制的地形图。 通过对不同地理类型给与不同的场强校正因子，预测精度得到进一步提高。
图3给出了广州天河体育中心一带的楼群密度的分布。绿色区域显现了楼群密度的空间 分析的结果，结果显现出清晰的开阔地与闹巿区的显著不同。
本发明的特征是提出了以下五点创新的改进技术
l.片区划分技术。对每个小区的周围区域进行片区划分，对不同的片区独立进行模型参数估计。从而，小 区周围不同的地形地貌影响可以被片区所区分，显著提高了预测精度。同时，因为不同的小 区的片区划分是不同的，同向同性问题得以在很大程度上消除。
2. 片区划分的自适应技术。
考虑到实际的路测点疏密程度在不同的地域上是不同的，本发明在路测点密集的地带，
片区比较小，划分比较密集，从而能进一步提高预测精度；在路测点稀疏的地带，片区比较
大，划分比较稀疏，从而能保证整个场强预测系统的可靠性。
3. 实施无线电波的绕射效果的简化计算。
传统的经验性方法不考虑电磁波饶射，这是其精度较低的原因之一。本发明提出并实施 了一种对饶射的简化计算方法，来进一步提髙预测精度。另外，与确定性方法中复杂而缓慢 的绕射计算不同的是，本发明中的饶射计算方法非常简单，计算相对快速，其参数可以根据 实测数据进行修正，从而可以基本适用于目标城巿中大部分楼群和地貌。
4. 实施无线电波的反射效果的简化计算。
传统的经验性方法不考虑电磁波在建筑物之间的反射，这是其精度较低的原因之一。本 发明提出并实施了一种对反射效果的简化计算方法，来进一步提高预测精度。与确定性方法 中复杂和缓慢的反射计算不同的是，本发明的反射效果计算简单，其参数可以根据实测数据 进行修正，从而可以基本适用于目标城巿中大部分楼群和地貌。
5. 自动判断地形技术。
在国外主流覆盖地图商业软件中，往往需要根据地形进行校正，而地形(如城巿密集区、 亚密集区、开阔区等)数据的读入需要特制的地图。本发明使用地理分析方法，对现有的楼 高地图进行分析，可以自动判断城巿密集区、亚密集区、开阔区等区域，从而不需要特制的 地图，显著减小了地图方面的成本。
实现本发明的具体系统的详细流程图如图4所示。在执行上述技术方案的步骤一 (读入 实测数据和技参表)和步骤二 (数据预处理)后，按照指定的聚类算法，将所有实测数据分 为多类。系统支持多种聚类方法，推荐的聚类法为自适应聚类(即上述技术方案中所述的"自 适应的片区分划"技术)。在每一聚类中，用实测数据估计模型参数。从而完成模型训练过程。 绘制覆盖图时，对于每个计网格，判断其所属的聚类，通过此聚类的参数计算出场强值。每 个网格的场强最大的小区，为此网格的主覆盖小区。从而可以绘制出覆盖地图。虽然计算快 速，但由于网格非常多，所以计算引擎中引入了并行计算。计算结果保存在数据库中，在自 行开发的webgis系统中展现，并可转换为合适的数据格式，在Maplnfo和Google Earth呈 现，也可通过通用的WMS Service数据交换协议,提供给其他gis软件或系统访问和展现。
关键技术详细描述
1.基于对路测数据分布密度的自适应片区分划技术。
A.把每个小区的360度范围分为若千片区，每个片区作为一个聚类，估计一组模型参数。 这样，不同角度的地物特征将被吸收进相应聚类的模型参数中，从而提高模型的准确度。B.为提高对实测数据的利用率，聚类张角随路测密度自适应变化在无路测数据或路测 数据稀疏处，片区尺寸较大，片区较稀疏，且大尺寸片区计算得到的场强占较高的权重，以 保证整个场强预测结果的可靠性；在路测点分布密集处，片区的尺寸较小，片区较密，且小 尺寸片区计算得到的场强值占较高的权重，从而提髙在路测点密集处的场强预测精度。
自适应片区分划的模型建立和场强预测如附图7所示。
测试表明，本发明中，此技术对提高覆盖地图精度起主要的作用。
2.基于实测数据的简化的无线电波绕射的经验公式
理论上的电磁波绕射公式非常复杂，计算效率缓慢且要求正确测量建筑物的绕射参数。 本发明根据电磁波一致性绕射(UTD)理论的仿真结果，提出简化的绕射衰减的简化公式。其中 LD为绕射损耗，e和db的含义如附图5所示，Krl、 Kr3为待定参数。
Ln =Krl*<9 + Kr2*dk+Kr3
其中Krl、 Kr2与楼和绕射劈尖无关，Kr3与楼和绕射劈尖的电波通量有关。本公式只是 一次绕射的经验性公式，如能通过LD而计算电波通量，JiJ公式可以叠代使用，从而能仿真现 实中电波多次绕射的叠加结果。
经验性简化绕射模型的训练和应用流程如附图8所示。
3. 基于实测数据的无线电波反射效应的建模
本发明在分析实测数据时，发现孤楼的反射影响并不显著。如图7所示反射效应比较明 显的地方主要出现在当小区与街道/马路在同一直线上时，由于叠加的反射，信号强度比无 发射时有明显增强，增强量与距离成正比。从而可以对此种情形提出如下的模型公式
LR=Kr4*lg(d) + Kr5
其中d是计算点到天线的水平距离。Kr4和Kr5是待定参数，通过路测数据来进行估计。 基于实测数据的无线电波反射效应的建模和应用流程如附图9所示。
4. 多种地理类型的自动判别
通过楼群的空间分析，通过对楼的空间分析，自动判断城巿密集区、亚密集区、开阔区 和城中村，从而不需要特别的地形图。对每个网格判断地理类型，并按照地理类型给予不同 的地形校正校正因子，可以提高场强预测的精度。
地理类擎自动识别流程如附图10所示。
(1) 本发明与现有技术相比，用片区分划、计算绕射和反射效应等方法，来处理不同地 域的地形地物因素的影响，提髙了预测的精度。
(2) 经验性的场强预测方法不考虑扫频数据的地理分布疏密程度，而本发明则根据路测 的疏密程度，自适应地调整片区分划的密度，在保证预测可靠性的同时，提髙了实测数据密
9集区域的预测精度。
(3) 准确的场强预测到准确的覆盖地图之间还存在同向同性问题。本发明采用片区分划、 计算绕射和反射效应等方法，在提高预测精度的同时，也可以大大消除同向同性问题。
(4) 与场强预测的半确定方法和确定性方法相比，本发明因充分利用了实测数据，具有 计算快速，更符合目标城巿实际情况等的优点。
(5) 可以自动判断网格所在的地理区域类型，省去特制地图。
权利要求
1.一种充分利用实测数据的无线信号场强预测和网络覆盖地图的绘制方法，其包括以下步骤A)读入扫频数据和基站/小区参数(技参表数据)；B)对扫频数据进行预处理；C)对每个小区的周边区域，进行片区的自适应划分；D)对每个片区，建立其场强预测模型；E)读入地图数据；F)将目标城市地图进行网格化；G)根据扫频数据和地图数据中的地形地貌，估计绕射和反射的参数，并计算各网格中绕射和反射的损耗值；H)根据地图数据，自动判断地理类型，并计算所有网格的地形校正因子；I)根据步骤D、G、H的结果，预测所有网格中，各个小区的场强值，从而得到每个网格的主覆盖小区。
2. 如权利要求1所述的方法，其中，所述扫频数据包括每个数据的测量地点(经纬度)，BSIC， BCCH，测量值，测量时间等，所述技参表数据包括每个小区的Cell-ID,经炜度，BCCH， BSIC, 天线高度、发射功率，天线增益、天线类型，水平方位角，下倾角，是否微蜂窝天线等。
3. 如权利要求2所述的方法，其中，对扫频数据进行预处理包括剔除明显不合理的路测数据；为每个扫测数据按BCCH(频点)和BSIC (色码)寻找其归属小区； 以及绕射和反射效应的预矫正等。
4. 如权利要求3所述的方法，其中，所述预矫正是一个消除和参数估计的反复迭带过程。
5. 如权利要求4所述的方法，其中，在步骤C中，所述划分可以有按角度划分、按角度+径向 划分、按地形走向划分等，尽可能让片区内的地形地貌都相同或相近。
6. 如权利要求5所述的方法，其中，在无路扫频测点或测点稀疏处，片区的尺寸较大，划分 比较稀疏；在扫频测点密集处，片区的尺寸较小，划分比较密集。
7. 如权利要求6所述的方法，其中，在步骤D中，根据矩阵形式的最小二乘法，估计每个片 区的模型参数，对于没有扫频数据的片区，其参数由周边片区的参数拟合得到。
8. 如权利要求7所述的方法，其中，所述地图数据包括每栋楼的形状、髙度，马路的形状、 朝向、宽度，江河湖泊的形状，山地的等高线等，均为矢量地图数据。
9. 如权利要求8所述的方法，其中，在步骤G中，利用绕射损耗与绕射角的近似线性关系直 接计算饶射损耗。
10. 如权利要求9所述的方法，其中，在步骤G中，利用反射效应显著区域内，反射损耗与距离的对数的近似线性关系计算反射损耗，建筑物的反射系数根据扫频数据修正。
全文摘要
本发明使用模式识别技术，有差别地、更充分地使用实测数据。通过对每个小区(即天线)各自不同的片区划分方法，能够反映出小区周围不同地形地貌的不同影响，并消除同向同性问题；对于路测密度越高的地域，片区划分密度越大，进一步提高预测精度；同时，对饶射和反射效果进行简化的预测，进一步考虑地形地貌影响和消除同向同性问题。
文档编号H04W24/00GK101621825SQ20081021928
公开日2010年1月6日 申请日期2008年11月21日 优先权日2008年11月21日
发明者劲 卢, 张建辉, 李少斌, 李志坚, 许汝鹏, 海 黄 申请人:中国移动通信集团广东有限公司