本發(fā)明涉及用于確定移動通信網(wǎng)絡(luò)的區(qū)域中移動實(shí)體的調(diào)整的位置的方法，且涉及對應(yīng)的位置調(diào)整單元。此外，提供了計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)：

移動通信網(wǎng)絡(luò)中的業(yè)務(wù)在之后的幾年期間被預(yù)期指數(shù)地增長。然而，如圖2示出的，這種數(shù)據(jù)推進(jìn)（boost）并不是均等分布的。存在低密度區(qū)域21，其中主要的目標(biāo)是要通過射頻（RF）優(yōu)化來改善覆蓋，而在高密度區(qū)域22中，對覆蓋空隙的可靠檢測是必要的，以放置改善容量的低功率節(jié)點(diǎn)，這通常被稱為小小區(qū)設(shè)計(jì)。不僅如此，而且特別是在該后一個情景中，高精確度是被要求的。

傳統(tǒng)地通過主要依靠路徑損耗模型的工具（有時被網(wǎng)絡(luò)計(jì)數(shù)器調(diào)整）的手段，運(yùn)營商已執(zhí)行了這些規(guī)劃和優(yōu)化任務(wù)。然而，由于捕獲實(shí)際傳播模式（即使使用光線追蹤）的復(fù)雜性，結(jié)果已被發(fā)現(xiàn)是不足夠精確的。備選方案是使用如在US 2009/0157342 A1中公開的路測（drive-test），來對實(shí)際用戶體驗(yàn)進(jìn)行取樣。不幸的是，該選項(xiàng)除了耗時且成本高外，特別是在密集的市區(qū)區(qū)域中的室內(nèi)環(huán)境（其中存在業(yè)務(wù)的大部分）中也非常受限制。

為了克服這些限制，當(dāng)前技術(shù)基于被定位的RF數(shù)據(jù)，其或在全球定位系統(tǒng)（GPS）或任何其它類似的技術(shù)（即，基于移動裝置的定位）的幫助下由用戶提供或從由網(wǎng)絡(luò)收集的蹤跡（即，基于網(wǎng)絡(luò)的定位）來取得。然而，并非所有移動裝置支持GPS和基于網(wǎng)絡(luò)的定位不要求用戶的允諾?；诰W(wǎng)絡(luò)的定位是已知的，且已提出了多種技術(shù)，它們主要基于報告信號強(qiáng)度或時間延遲測量來估計(jì)移動裝置位點(diǎn)（location）。

傳統(tǒng)途徑是基于接收的信號強(qiáng)度（RSS）的三邊測量，其中移動裝置和被測量基站（BS）之間的距離通過采用某一傳播模型來被估計(jì)。移動裝置位置由來自不同地點(diǎn)的至少3個BS的被估計(jì)距離的交叉來給定。

另一可能途徑是基于觀察到達(dá)時間差（OTDOA）的多邊測量，其通過使用時間延遲測量來估計(jì)移動裝置和兩個被測量BS之間在距離上的差異。這在數(shù)學(xué)上通過雙曲線被表示。移動裝置的位置由至少兩個雙曲線的交叉來給定，因此要求來自不同地點(diǎn)的至少3個BS的測量。

另一可能途徑是對提供到服務(wù)小區(qū)的距離的提前定時（TA）或傳播延遲（PD）的使用，其組合基于比如比較RSS差異與天線模式來估計(jì)到達(dá)角度（AoA）的其它技術(shù)。

與試圖解析地發(fā)現(xiàn)移動裝置位置的先前方法相反，指紋法由基于或根據(jù)GPS或通過路測活動得到的研究區(qū)域的被收集測量來建立信號強(qiáng)度圖組成。移動裝置位置通過發(fā)現(xiàn)對預(yù)演算的圖的最佳匹配被給定。此類擬合能夠通過確定的或可能的途徑被執(zhí)行。

術(shù)語“精確度”廣泛地被同意作為評估定位算法的關(guān)鍵性能指標(biāo)（KPI），但不存在對于它的獨(dú)特解釋，因此它的定義在這里發(fā)揮必要的作用。初看起來，將其考慮為點(diǎn)對點(diǎn)（例如在追蹤某一用戶時的誤差分布（在米范圍上））似乎是合理的。然而，從小小區(qū)設(shè)計(jì)的觀點(diǎn)來看，真正重要的并不是守時用戶的位置，而是信號強(qiáng)度以及業(yè)務(wù)的精確的全景，以便于識別比如具有差覆蓋或熱點(diǎn)的區(qū)域。顯然的是，非常準(zhǔn)確的點(diǎn)對點(diǎn)定位（例如，幾米）將導(dǎo)致非?？煽康母采w和業(yè)務(wù)圖，但也被證明的是，比如由于粒度帶來的小的隨機(jī)誤差（即，即使低于80 m）導(dǎo)致對于小小區(qū)設(shè)計(jì)完全無意義的圖。

不幸的是，由于RF測量的特性，除非考慮GPS，否則以合理成本的此類高準(zhǔn)確度變得非常不一樣（unlike）。

基于RSS的三邊測量傾向于衰減、多路徑、建立損耗以及其它的傳播失真。精確的結(jié)果將要求能夠捕獲所有這些特征的非常復(fù)雜的傳播模型，這已被證明是除了非常耗時且成本高外，對于密集的市區(qū)情景也是不現(xiàn)實(shí)的。

關(guān)于OTDOA，時間延遲測量采用1個碼片（即，~78 m）的粒度被報告。在異步網(wǎng)絡(luò)如UMTS中，BS之間相對時間差異必須提前被恢復(fù)。這是非常具有挑戰(zhàn)性的任務(wù)（其添加不確定性）。此外，多路徑（特別是在密集的市區(qū)情景中有關(guān)的）能夠嚴(yán)重地使這些時間延遲值失真。最終，三邊測量算法的數(shù)學(xué)限制（由于幾何和其它因素）能夠使得該解決方案落入局部極小。

在UMTS中使用PD的技術(shù)受到可用性（因?yàn)槠渲辉诤艚写_立時被發(fā)送）和粒度（因?yàn)槠湟?個碼片（即，~274 m）的步長被報告）的限制。在LTE（長期演進(jìn)）的情況中，頻率和精確度更高，但仍然是不足夠的，因?yàn)門A采用78 m的粒度被報告。此外，采用足夠的準(zhǔn)確度來估計(jì)AoA并不是微不足道的（trivial），因此預(yù)期有某一額外的不確定性。

因此，依靠信號和/或時間延遲測量來估計(jì)用戶位置的解析模型即使是在理想的情形下不能夠提供對于在密集的市區(qū)情景中小小區(qū)設(shè)計(jì)的足夠的精確度。作為備選方案，經(jīng)典的指紋法能夠改善精確度，但要求大量的觀測活動以收集數(shù)據(jù)，這使得其非常耗時且成本高。

因此，存在在不使用基于衛(wèi)星的定位方法的情況下，精確地確定移動通信網(wǎng)絡(luò)中移動實(shí)體的位置，以便于能夠識別具有差覆蓋或熱點(diǎn)的區(qū)域的需要。

技術(shù)實(shí)現(xiàn)要素：

該需要通過獨(dú)立權(quán)利要求的特征被滿足。進(jìn)一步的方面在從屬權(quán)利要求中被描述。

依據(jù)第一方面，提供了一種用于確定移動通信網(wǎng)絡(luò)的區(qū)域中移動實(shí)體的調(diào)整的位置（基于所述區(qū)域中該移動實(shí)體的參考位置）的方法，其中所述區(qū)域被分成不同像元。依據(jù)所述方法的一個步驟，該移動實(shí)體的所述參考位置在所述區(qū)域中被確定，且對于所述區(qū)域的每個像元，用于該移動實(shí)體的所述移動通信網(wǎng)絡(luò)的射頻場的預(yù)測信號級別被確定。此外，對于所述區(qū)域的每個像元，移動業(yè)務(wù)密度被確定，所述移動業(yè)務(wù)密度指示所述區(qū)域中所述移動通信網(wǎng)絡(luò)的移動業(yè)務(wù)的預(yù)期密度。此外，所述區(qū)域的概率矩陣基于所述參考位置、所述預(yù)測信號級別以及移動裝置密度被確定，其中所述概率矩陣指示該移動實(shí)體位于所述區(qū)域的對應(yīng)像元中的可能性。然后基于所述概率矩陣對于該移動實(shí)體來選擇所述像元之一，且所選擇的像元對應(yīng)于所述區(qū)域中該移動實(shí)體的調(diào)整的位置。

通過組合參考位置的移動業(yè)務(wù)密度和所述預(yù)測信號級別的統(tǒng)計(jì)使用（例如解析定位方法），移動實(shí)體的更加準(zhǔn)確的位置能夠被確定。本發(fā)明聰明地使用了信號強(qiáng)度和用戶密度信息在不要求點(diǎn)對點(diǎn)精確度上的推進(jìn)的情況下，極大地增大了對于小小區(qū)設(shè)計(jì)的業(yè)務(wù)圖和覆蓋的可靠性。這是本發(fā)明在其上進(jìn)行聚焦的概念，以便于提供能夠容易與當(dāng)前定位方法組合且被應(yīng)用到任何技術(shù)和廠商的穩(wěn)健的解決方案。當(dāng)該移動實(shí)體的位置更加準(zhǔn)確地被知道時，有意義的覆蓋或業(yè)務(wù)圖能夠被確定。當(dāng)使用所述預(yù)測信號級別、所述參考位置以及移動用戶密度時，極大地增大了定位方法的可靠性。本發(fā)明允許按照與指紋法類似的細(xì)節(jié)級別但按照低的多的成本來確定位置，因?yàn)橛脕硎占瘮?shù)據(jù)的觀測活動或復(fù)雜傳播模型是不必要的。所述概率矩陣基于所預(yù)期的用戶密度、參考位置以及其它因素（諸如報告的和估計(jì)的信號級別之間的類似度）被生成。采用本發(fā)明，發(fā)現(xiàn)在不確定性區(qū)域（其是由于用于確定所述參考位置的方法的固有精確度）中的移動用戶實(shí)體的最可能位點(diǎn)是可能的。

此外，提供了對應(yīng)的位置調(diào)整單元，其配置成確定所述調(diào)整的位置，所述位置調(diào)整單元包括配置成接收所述區(qū)域中該移動實(shí)體的所述參考位置的接收器。此外，處理單元被提供，其配置成確定對于所述區(qū)域的每個像元的所述預(yù)測信號級別以及所述移動業(yè)務(wù)密度。所述處理單元然后配置成如以上所討論的基于所述參考位置、所述預(yù)測信號級別和所述移動業(yè)務(wù)密度來確定所述區(qū)域的概率矩陣。

此外，提供了一種計(jì)算機(jī)程序，其包括要被所述位置調(diào)整單元的至少一個處理單元執(zhí)行的程序代碼，其中所述程序的執(zhí)行引起所述至少一個處理單元除其它以外還實(shí)行以上所提及的步驟。另外，提供了一種包括所述程序代碼的計(jì)算機(jī)程序產(chǎn)品。

本發(fā)明將在下面參考附圖來進(jìn)一步詳細(xì)地被描述。

附圖說明

圖1是在其中位置調(diào)整單元調(diào)整由參考位置單元提供的移動實(shí)體的位置的系統(tǒng)的示意圖。

圖2示出基于不同地理區(qū)的區(qū)域業(yè)務(wù)密度。

圖3示出概率矩陣基于不同輸入數(shù)據(jù)如何被確定，以便于確定移動實(shí)體的調(diào)整的位置的示意圖。

圖4示出概率矩陣以及被用來確定調(diào)整的位置的其的組分的更加詳細(xì)的視圖。

圖5是包括由位置調(diào)整單元實(shí)行的以便于確定調(diào)整的位置的步驟的流程圖的示意圖。

圖6是被調(diào)整到移動通信網(wǎng)絡(luò)的區(qū)域中的調(diào)整的位置的移動實(shí)體的參考位置的示意示例。

圖7是被分成不同子區(qū)域的圖6的區(qū)域的示意圖，其中所述不同的子區(qū)域具有不同的移動業(yè)務(wù)密度。

圖8是被分成不同像元的區(qū)域的示意圖，對于該區(qū)域，覆蓋圖和業(yè)務(wù)圖能夠被生成。

圖9是指示對于圖7中所示的不同子區(qū)域的不同移動業(yè)務(wù)密度的表。

圖10示出對通過現(xiàn)有技術(shù)的方法和本發(fā)明的方法獲得的精確度的比較。

圖11是確定移動實(shí)體的調(diào)整的位置的位置調(diào)整單元的示意圖。

圖12是在信號權(quán)重（信號權(quán)重被用于確定概率矩陣）被確定時，報告信號級別如何被校準(zhǔn)到預(yù)測信號級別的示意圖。

具體實(shí)施方式

本發(fā)明的示范實(shí)施例將參考附圖被描述。

圖1示出在其上下文中本發(fā)明被使用的示意圖。操作支持系統(tǒng)（OSS）10收集移動通信網(wǎng)絡(luò)中的蹤跡，所述蹤跡除其它之外含有無線電資源控制（RRC）測量報告，所述RRC測量報告包括被測量小區(qū)的集合以及在某一時刻用于給定的移動實(shí)體的所述被測量小區(qū)的對應(yīng)信號級別。RRC測量報告是由3GPP組織進(jìn)行的標(biāo)準(zhǔn)化信息，其或以事件觸發(fā)的方式（例如，出于軟移交的目的）或以周期性的方式（如果被移動通信網(wǎng)絡(luò)的運(yùn)營商所要求）來被移動實(shí)體（UE）以3G的形式進(jìn)行報告。另一方面，OSS還含有具有通常被要求用于定位算法的與小區(qū)相關(guān)的信息（例如，載波、緯度、經(jīng)度、RNC（無線電網(wǎng)絡(luò)控制器）、方位角）的配置管理（CM）數(shù)據(jù)庫。這些測量報告被傳送到數(shù)據(jù)網(wǎng)關(guān)20，信息在數(shù)據(jù)網(wǎng)關(guān)20被解碼和處理，使得其能夠被位點(diǎn)引擎15所使用，位點(diǎn)引擎15包括使用諸如OTDOA算法以便于確定移動實(shí)體的參考位置的參考位置單元30。位置調(diào)整單元100然后調(diào)整被確定的參考位置，參考位置的確定帶有一定的不確定性，正如在下面將更加詳細(xì)地被解釋的。調(diào)整的位置然后能夠被傳送到網(wǎng)絡(luò)設(shè)計(jì)和優(yōu)化（NDO）工具40，其中被收集的RRC測量報告（其被放置在它們的調(diào)整的位置）的集合被用來生成業(yè)務(wù)圖和/或區(qū)域的覆蓋圖。作為示例，當(dāng)在覆蓋圖中被確定移動網(wǎng)絡(luò)的某一區(qū)域具有低的覆蓋而業(yè)務(wù)圖示出在該區(qū)域中存在高的業(yè)務(wù)時，可通過添加低功率節(jié)點(diǎn)來在該區(qū)域中改善容量。

本發(fā)明包括基于預(yù)期的用戶密度、基于報告的和估計(jì)的信號級別之間的類似度來生成概率矩陣。只要位點(diǎn)距離給定的起始位置（比如通過解析方法），即參考位置，變得更遠(yuǎn)，則概率衰減。本發(fā)明幫助發(fā)現(xiàn)在不確定性區(qū)域（其是由于被用于確定該參考位置的固有不精確度帶來的）上的最可能的位點(diǎn)。

圖6中示出此類情景中的基本設(shè)置。兩個移動實(shí)體位于一區(qū)域中，在該區(qū)域中它們從三個不同無線電基站/收發(fā)器或小區(qū)70、71和72接收射頻信號?；谠诮榻B性部分中描述的位置確定方法（例如使用由網(wǎng)絡(luò)提供的信號級別報告），參考位置單元30能夠確定對于所述兩個實(shí)體的兩個參考位置，這里為參考位置61和參考位置62。由于由所應(yīng)用的方法產(chǎn)生的精確度，不確定性區(qū)域74被提供，其指示其中移動實(shí)體能夠?qū)嶋H位于的區(qū)域，即使方法確定了參考位置61和62?；诟怕示仃?、所確定的參考位置、移動業(yè)務(wù)密度、以及預(yù)測信號級別，能夠演算出對于所述移動實(shí)體中的每個的調(diào)整的位置，所述調(diào)整的位置對應(yīng)于圖6的位置63和64。這意味著基于概率矩陣，對于所述兩個移動實(shí)體的在不確定性區(qū)域74中最可能的位點(diǎn)被確定。在所示出的示例中，最可能的位點(diǎn)是所述調(diào)整的位置63和64。移動實(shí)體位于其中的區(qū)域90被分成不同像元91。在本上下文中，由于區(qū)域被分成有限數(shù)量的單位（這里為像元91），術(shù)語“像元”指代量化的位點(diǎn)，使得矩陣能夠被建立。換言之，區(qū)域被分成不同的量化的位點(diǎn)或面元或分立的單位。

如圖3中所指示的，概率矩陣200被生成在參考位置諸如參考位置61和62的頂部。參考位置被用作為用來得到對于每個移動實(shí)體的最可能的位置的起始點(diǎn)。概率矩陣能夠被視作為接收不同輸入（例如，RF預(yù)測、地物干擾數(shù)據(jù)、社交媒體數(shù)據(jù)等）來依據(jù)報告的信息確定每個位點(diǎn)的可能性的黑箱。

概率矩陣200對于區(qū)域的所有像元91包括像元權(quán)重。概率矩陣使用不同像元中的移動業(yè)務(wù)密度或用戶密度以及RF預(yù)測來作為主要的指標(biāo)，但也可使用其它的輸入，諸如呼入知曉、移動實(shí)體在其中其正在移動的速度、或從社交媒體數(shù)據(jù)獲得的位置信息等。如圖4中更加詳細(xì)地示出的，概率矩陣200被建立為不同權(quán)重的聯(lián)合。一個權(quán)重是距離權(quán)重210，其基于參考位置提供了對于每個像元91的權(quán)重，該權(quán)重描述可能的位點(diǎn)的附近對參考位點(diǎn)的效應(yīng)。除了距離權(quán)重210，信號權(quán)重220被演算，該權(quán)重表示由OSS 10或網(wǎng)關(guān)20提供的射頻信號的報告信號級別與預(yù)測信號級別之間的類似度。此外，概率矩陣基于業(yè)務(wù)權(quán)重230，業(yè)務(wù)權(quán)重230描述區(qū)域的不同像元中的移動業(yè)務(wù)密度的效應(yīng)。因而，概率矩陣含有包括對于每個像元的權(quán)重的陣列，其被定義為對給定位點(diǎn)的可能性產(chǎn)生影響的不同因素的聯(lián)合函數(shù)。在圖4的實(shí)施例中，指示了距離權(quán)重210、信號權(quán)重220以及業(yè)務(wù)權(quán)重230。然而，應(yīng)當(dāng)被理解的是，除了示出的權(quán)重外，其它權(quán)重也可被使用，或?qū)Σ煌瑱?quán)重210到230的輸入可包括沒有示出的另外參數(shù)?；趫D4中示出的實(shí)施例，以下的權(quán)重可被使用：

其中，W（i）是在對應(yīng)像元i的權(quán)重，W_D是距離權(quán)重，W_S是信號權(quán)重，且W_T是業(yè)務(wù)權(quán)重。

距離權(quán)重追求對離開參考位點(diǎn)61或62的影響進(jìn)行建模。權(quán)重應(yīng)當(dāng)隨距離參考位置的距離而減小。作為示例，其能夠被定義為高斯（Gaussian）函數(shù)：

其中d（i）是像元i與參考位置之間的距離[km]，是距離標(biāo)準(zhǔn)偏差[km]，其控制權(quán)重隨距離減小得有多快。這些參數(shù)取決于諸如地點(diǎn)間的距離以及參考算法的置信區(qū)間的因素。距離權(quán)重隨距離衰減，意味著像元越靠近參考位點(diǎn)，則對應(yīng)像元的權(quán)重就越高。

信號權(quán)重W_S基于RF預(yù)測，RF預(yù)測被用于參考位置來辨別隨距離的信號衰減以及區(qū)分室內(nèi)和室外?？梢允褂梅浅＞_的傳播模型諸如光線追蹤；然而，本發(fā)明也對基礎(chǔ)的傳播模型（例如，Okumura-Hata模型、斜率截距傳播模型，其類似于方程（7））起作用。此外，一定的數(shù)據(jù)損耗可被考慮，以考慮室內(nèi)行為。信號權(quán)重應(yīng)當(dāng)捕獲由網(wǎng)絡(luò)報告的報告信號級別與預(yù)測信號級別之間的類似度。其也能夠被定義為高斯函數(shù)：

其中，是來自最強(qiáng)的小區(qū)或基站的調(diào)整的報告信號[dBm]，S（i）是對于被測量小區(qū)的在像元i的預(yù)測信號級別[dBm]，且是信號標(biāo)準(zhǔn)偏差[dBm]，其控制在報告的信號不同于預(yù)測的值時權(quán)重減小得有多快。被用來確定預(yù)測信號級別的傳播模型能夠與現(xiàn)實(shí)強(qiáng)烈地不同，且預(yù)測信號和報告信號之間的直接映射能夠引起相關(guān)的誤差。因而，將報告信號校準(zhǔn)到預(yù)測被提出，使得：

其中是調(diào)整的報告信號[dBm]。一種可能的實(shí)現(xiàn)是要從報告小區(qū)為最佳服務(wù)小區(qū)的所有移動實(shí)體來演算累積密度函數(shù)（CDF），以及從在其中小區(qū)是最佳服務(wù)小區(qū)的所有像元來演算CDF，使得報告信號級別通過其對應(yīng)的百分位（percentile）被調(diào)整到預(yù)測。所述預(yù)測是用來在高和低信號級別區(qū)域（即，室內(nèi)或室外）之間進(jìn)行辨別的指導(dǎo)原則。然而，該估計(jì)可能不非常精確，使得在預(yù)測中直接搜索報告值將引起高的誤差。為了最小化該誤差，報告信號級別通過報告的對比預(yù)測的CDF來被校準(zhǔn)，正如將聯(lián)系圖12被解釋的。

在圖12的左曲線圖中，存在對于給定區(qū)域的報告信號級別的分布，以及對于相同區(qū)域的預(yù)測信號級別的分布（圖12的右側(cè)）。在以下示例中，假定移動實(shí)體報告-70 dBm的信號。如能夠從圖12所看到的，這對應(yīng)于第50百分位（pct）。在預(yù)測的分布中，對應(yīng)于第80 pct。不同地被聲明的是，依據(jù)報告的信息，測量只是中間值，而依據(jù)預(yù)測的信息，其將是相當(dāng)高的值。當(dāng)演算信號權(quán)重時，這將引起的效果是，提供了更高的可能性來將測量放置于具有非常高的預(yù)測信號的像元之中。然而，這將與現(xiàn)實(shí)不對應(yīng)，因?yàn)閷?shí)際的報告信號級別值指示該測量僅僅是中間值。為了克服該難題，實(shí)行了校準(zhǔn)，這意味著第50 pct從報告的分布被轉(zhuǎn)變成預(yù)測的分布，使得被校準(zhǔn)的值是-90 dBm而不是-70 dBm。該-90 dBm將是被用來演算信號權(quán)重的值。

業(yè)務(wù)權(quán)重W_T描述用戶密度或移動業(yè)務(wù)密度，其被用來在業(yè)務(wù)被預(yù)期的地方對業(yè)務(wù)進(jìn)行分布。該權(quán)重能夠用試探的（heuristic）地物干擾權(quán)重來填充，該試探的地物干擾權(quán)重例如在建筑中具有較高的權(quán)重以及在沒有移動實(shí)體能夠被期待的區(qū)域中（例如，水中）不具有權(quán)重。此外，更加精確的數(shù)據(jù)可被使用，諸如社交媒體數(shù)據(jù)（例如，Twitter或Instagram），根據(jù)其能夠推斷出移動實(shí)體可位于的地方。在一非常簡單的實(shí)現(xiàn)中，在像元的業(yè)務(wù)權(quán)重W_T（i）可被設(shè)計(jì)為試探的地物干擾權(quán)重。這聯(lián)系圖6、7和9來更加詳細(xì)地被解釋。如能夠從圖6和7推斷出的，區(qū)域90能夠被分成不同類型的子區(qū)域81到85，且業(yè)務(wù)權(quán)重對于不同的子區(qū)域被指派，其中業(yè)務(wù)權(quán)重與對應(yīng)子區(qū)域中所預(yù)期的移動實(shí)體的密度成比例。參考圖7中示出的示例，子區(qū)域81可以是具有高業(yè)務(wù)密度的核心市區(qū)子區(qū)域，子區(qū)域82可以是具有稍微較低的預(yù)期業(yè)務(wù)密度的郊區(qū)區(qū)域，區(qū)域84可以是其中也能夠預(yù)期一些業(yè)務(wù)的工業(yè)區(qū)域。然而，區(qū)域83可以是河流，即水區(qū)域，其中沒有或非常低的業(yè)務(wù)密度被預(yù)期，而區(qū)域85可以是同樣具有同等低的業(yè)務(wù)密度的森林區(qū)域。不同的地物干擾權(quán)重以及在對應(yīng)子區(qū)中信號的可能損耗也被總結(jié)在圖9中示出的表中。

同樣對圖6進(jìn)行參考，不同的子區(qū)域也被用符號表示在圖6中，其中所述像元中的一些被指派給子區(qū)域81，而其它像元被指派給子區(qū)域82，等等。

以上所討論的使用不同權(quán)重的概率矩陣然后被用來確定像元權(quán)重，像元權(quán)重指示移動實(shí)體位于不同像元中的可能性。對于移動實(shí)體的每個報告信號級別存在不同的概率來選擇最適合的像元。一個選項(xiàng)是要單獨(dú)地定點(diǎn)每個報告信號級別，并試圖保持由被概率矩陣所表示的權(quán)重圖給定的統(tǒng)計(jì)分布。另一個更加復(fù)雜的備選方案將是要按照類似度對樣本進(jìn)行分組，且要構(gòu)造聯(lián)合函數(shù)以同時對它們進(jìn)行定點(diǎn)來使可能性最大化。如果第一途徑進(jìn)一步被貫徹（prosecute），則像元i的概率由以下方程給定：

其中，N是像元的數(shù)量。此外，均勻分布的隨機(jī)數(shù)Q（其允許與像元權(quán)重概率成比例地指派樣本）被選取。P（i）i=1,…,N是在研究的區(qū)域中每個像元的概率。由于每個測量是單獨(dú)地被定點(diǎn)的且為了保持跨整個區(qū)域的統(tǒng)計(jì)分布，對于每個測量，像元依據(jù)P（i）隨機(jī)地被選擇。為了這樣做，在[0，1]之間均勻分布的數(shù)字Q被選取，且然后像元k如下面所描述地被選擇：

其中P（0）=0。

圖5總結(jié)了被實(shí)行來將移動實(shí)體的參考位置調(diào)整到調(diào)整的位置的步驟。在步驟S51中，報告（例如，RRC測量報告）被選擇，報告含有被測量小區(qū)的集合以及它們對應(yīng)的RF信號級別。在隨后，解釋了距離權(quán)重的確定。報告被傳送到位點(diǎn)引擎（例如，圖1的參考位置單元30）（步驟S52），在那里參考位置被確定。在步驟S53中，產(chǎn)生對于移動實(shí)體的參考位置（x₀，y₀）。參考位置單元可使用諸如OTDOA的定位算法，以便于確定參考位置（諸如圖6的位置61和62），其中確定算法具有如由圖6中區(qū)域74所示的不確定性。在步驟S54中，演算了區(qū)域的每個像元到參考位置的距離且估計(jì)了距離權(quán)重（例如，使用以上所提及的方程（2））（步驟S55）。

在隨后，更加詳細(xì)地解釋了信號權(quán)重的確定?；诓襟ES51中所選擇的測量報告，在步驟S56中，最強(qiáng)小區(qū)和對應(yīng)的RF信號級別從該報告中被選擇。使用外部預(yù)測數(shù)據(jù)庫，對報告信號進(jìn)行校準(zhǔn)是可能的，且得到對于每個像元的預(yù)測信號級別也是可能的。外部預(yù)測數(shù)據(jù)庫能夠被稱作為每個小區(qū)和像元的預(yù)期的信號級別的收集。作為示例，這能夠使用簡單的傳播模型例如Okumura-Hata或更加高級的技術(shù)諸如光線追蹤被獲得。報告信號的校準(zhǔn)在上面聯(lián)系圖12被討論（步驟S57）。在步驟S58中，所校準(zhǔn)的報告信號與預(yù)測信號進(jìn)行比較，使得信號權(quán)重能夠被估計(jì)（例如，如由方程（3）在以上所提及的）。在圖5中，對外部預(yù)測數(shù)據(jù)庫的訪問以及在數(shù)據(jù)庫中對于每個像元的預(yù)測信號級別的確定由步驟S59和S60用符號表示。

此外，業(yè)務(wù)權(quán)重被使用。如由步驟S61用符號表示的，用戶密度數(shù)據(jù)庫被訪問，其中該數(shù)據(jù)庫可包括簡單的地物干擾圖，該地物干擾圖具有諸如圖9中所示的其的對應(yīng)權(quán)重。另外，使用更加精確的信息，諸如由社交媒體提供的信息是可能的?；谟脩裘芏葦?shù)據(jù)庫中的信息，業(yè)務(wù)權(quán)重W_T（i）在步驟S62中被確定。

使用業(yè)務(wù)權(quán)重、信號權(quán)重和距離權(quán)重，按照由方程（1）所指示的來演算信號權(quán)重W（i）（步驟S63）然后是可能的。如由方程（5）所描述的，確定對于每個像元的像元概率（步驟S64）然后是可能的，并使用隨機(jī)數(shù)Q基于像元概率來選擇所述像元之一（步驟S65和S66）。以上步驟能夠然后對于所有測量報告被重復(fù)，且不同的移動實(shí)體能夠然后被定點(diǎn)在調(diào)整的位置。

在下面，討論了一種對于預(yù)測數(shù)據(jù)庫的可能實(shí)現(xiàn)：RF模型包括標(biāo)準(zhǔn)的斜率截距傳播模型，其中從小區(qū)j的在像元i的路徑損耗[dB]被演算如下：

其中，和分別是小區(qū)j的截距和斜率，D_i,j是從像元i到小區(qū)j的距離[km]，是在像元i的地物干擾損耗[dB]，且A_i,j是從小區(qū)j的在像元i的天線增益[dB]，其被定義為：

其中

其中，A_j是在小區(qū)j的最大天線增益[dB]，R_j是在小區(qū)j的天線前端對后端比[dB]，H_j是在小區(qū)j的天線半功率波束[deg]，是像元i和小區(qū)j之間的角度[deg]，且是小區(qū)j的方位角[deg]。對于不同參數(shù)的確切值將取決于情景。一些默認(rèn)值可以是。

實(shí)際的RF情形使用此類傳播模型的隨機(jī)化版本（version）被生成，以模擬現(xiàn)實(shí)情景，使得：

·每個區(qū)段具有被演算為高斯變量的不同的傳播斜率[dB/dec]，使得：

·每個像元具有被演算為高斯變量的不同的地物干擾損耗[dB]，使得：

其中，X_i是在像元i的參考地物干擾損耗（如圖9指示的）。

每像元地物干擾損耗被定義為矩陣，其中每個元素的值取決于在對應(yīng)位點(diǎn)的地物干擾類型。在一個示例中，地物干擾損耗在圖9中被指示在中間列中。

類似地，通過與被定義為下面的高斯變量的地物干擾權(quán)重成比例地在跨感興趣的區(qū)域上投下百萬個樣本（即，模擬在蹤跡中收集的測量報告）來生成業(yè)務(wù)分布，所述地物干擾權(quán)重被定義為下面的高斯變量：

其中，C_i是在像元i的如圖9中所指示的參考地物干擾權(quán)重。小區(qū)以及每個樣本所包括的所述小區(qū)所關(guān)聯(lián)的信號強(qiáng)度測量由10 dB值以內(nèi)的小區(qū)的最強(qiáng)集合來定義。其它配置參數(shù)是和。

本發(fā)明的位置調(diào)整使用參考位置以及一些RF預(yù)測和地物干擾屬性作為輸入，以將每個測量的信號級別調(diào)整到最可能的位點(diǎn)。參考位置如以上所討論地被演算且RF預(yù)測和地物干擾權(quán)重同樣如以上所討論地被生成，但是是在沒有隨機(jī)組分的情況下進(jìn)行的，即，僅僅是標(biāo)準(zhǔn)模型，以突出實(shí)際傳播和輸入預(yù)測之間存在差異的事實(shí)。本發(fā)明提供了可靠的多的位置，使得更好的對于信號強(qiáng)度的圖或?qū)τ跇I(yè)務(wù)的圖能夠被生成。圖8示出地圖的區(qū)域。采用本發(fā)明，在該圖中更加準(zhǔn)確地定點(diǎn)移動實(shí)體是可能的，使得能夠生成帶有經(jīng)度和緯度值的信號強(qiáng)度圖，其指示在區(qū)域90中在哪里能夠預(yù)期高信號級別或低信號級別。此外，對于相同區(qū)域90，業(yè)務(wù)圖能夠基于調(diào)整的用戶位置被生成。業(yè)務(wù)圖能夠然后與信號強(qiáng)度圖進(jìn)行比較，且如果能夠在信號強(qiáng)度圖中識別出其中信號強(qiáng)度低，但其中高的業(yè)務(wù)正發(fā)生的區(qū)域，則該對應(yīng)區(qū)域能夠被識別為其中運(yùn)營商必須改善網(wǎng)絡(luò)的區(qū)域。這通過圖10來確認(rèn)，圖10示出依賴于累積密度函數(shù)CDF的信號強(qiáng)度差異和業(yè)務(wù)差異。圖10示出在被研究區(qū)域中的業(yè)務(wù)圖中對于信號強(qiáng)度的中值中的32%和60%的改善，其中曲線51和61是解析曲線，且曲線52和62是調(diào)整的曲線。

從以上的討論能夠引出一些一般的結(jié)論。作為示例，對于確定調(diào)整的位置，概率矩陣的確定包括對于區(qū)域的每個像元確定距離權(quán)重的步驟，其中距離權(quán)重考慮了每個像元到參考位置的距離，其中距離權(quán)重隨對應(yīng)像元到參考位置的距離增大而衰減。

此外，對于確定概率矩陣，考慮報告的射頻信號級別（由移動通信網(wǎng)絡(luò)報告）和預(yù)測信號級別之間的信號差異，來對于每個像元確定信號權(quán)重。這里，當(dāng)信號差異在對應(yīng)的像元中減小時，信號權(quán)重對于像元增大。

此外，業(yè)務(wù)權(quán)重對于每個像元被確定以用于概率矩陣，業(yè)務(wù)權(quán)重考慮了不同像元中的移動業(yè)務(wù)密度。當(dāng)移動業(yè)務(wù)密度在對應(yīng)的像元中增大時，業(yè)務(wù)權(quán)重在像元中增大?；诟怕示仃?，像元權(quán)重能夠?qū)τ趨^(qū)域的每個像元被確定，其中像元權(quán)重指示在所述像元的每個中移動實(shí)體的位點(diǎn)的可能性。

像元權(quán)重然后基于距離權(quán)重、信號權(quán)重和業(yè)務(wù)權(quán)重中的至少一個被確定。優(yōu)選地，像元權(quán)重基于距離權(quán)重、信號權(quán)重和業(yè)務(wù)權(quán)重被確定。

此外，調(diào)整的位置對于區(qū)域中的多個移動實(shí)體被確定，且在保持對于移動實(shí)體中的每個移動實(shí)體所確定的像元權(quán)重所給定的移動實(shí)體的統(tǒng)計(jì)分布的情況下對于移動實(shí)體中的每個來確定調(diào)整的位置。這意味著當(dāng)100個移動實(shí)體必須跨不同像元被分布時，移動實(shí)體可遵循對于對應(yīng)像元的像元權(quán)重來跨像元分布，意味著如果像元權(quán)重是0.5，則大約50%或50個移動實(shí)體位于一個像元中，而如果另一個像元中的像元權(quán)重是0.1，則來自100個移動實(shí)體中的大約10個移動實(shí)體位于該對應(yīng)的像元中。

此外，區(qū)域能夠被分成不同類型的地理子區(qū)域。業(yè)務(wù)權(quán)重然后以某種方式被指派給每個子區(qū)域，該方式使得業(yè)務(wù)權(quán)重與對應(yīng)子區(qū)域中預(yù)期的移動實(shí)體的密度成比例。

此外，報告的射頻信號級別由網(wǎng)絡(luò)的不同小區(qū)提供，且最高信號級別被用作為用于確定信號權(quán)重的報告的射頻信號級別。此外，如以上聯(lián)系圖12所討論的，報告信號級別在信號差異被確定之前被校準(zhǔn)到預(yù)測信號級別是可能的。

圖11示出位置調(diào)整單元100的示意圖。調(diào)整單元100包括具有傳送器111和接收器112的輸入/輸出模塊110。輸入/輸出模塊用符號表示位置調(diào)整單元與網(wǎng)絡(luò)的其它節(jié)點(diǎn)或?qū)嶓w通信的概率，傳送器111提供傳送控制消息或用戶數(shù)據(jù)到其它實(shí)體的概率，接收器112用符號表示從其它實(shí)體接收控制消息或用戶數(shù)據(jù)的概率。處理單元120被提供，其包括負(fù)責(zé)位置調(diào)整單元100的操作的一個或更多處理器。處理單元120能夠生成被需要用來實(shí)行以上所討論的過程（在其中包含有位置調(diào)整單元）的命令。存儲器113（諸如只讀存儲器、閃速存儲器、隨機(jī)存取存儲器、大容量存儲裝置或諸如此類）能夠存儲要被處理單元120執(zhí)行的適合的程序代碼，以至于實(shí)現(xiàn)位置調(diào)整單元的以上所描述的功能性。

應(yīng)當(dāng)被理解的是，圖11中所示的功能模塊僅僅是示意性的，且位置調(diào)整單元可包括為了清楚而沒有被指示的另外組件。作為示例，用于用戶輸入的輸入單位或顯示器可被提供，運(yùn)營商能夠采用其來控制位置調(diào)整單元。圖11中所示的功能實(shí)體可被結(jié)合到單個實(shí)體中或所述功能實(shí)體的分隔可不同于所示的實(shí)施例。此外，所述實(shí)體可通過硬件、軟件或硬件和軟件的組合被結(jié)合。

與解析定位方法組合的用戶密度和RF預(yù)測的統(tǒng)計(jì)使用是本發(fā)明的一個方面，以便于提供在對于小小區(qū)設(shè)計(jì)的業(yè)務(wù)圖中的更有意義的覆蓋。本發(fā)明使用例如隨距離的信號強(qiáng)度衰減（考慮在不太可能的位點(diǎn)諸如河流或湖泊中不存在業(yè)務(wù)），允許室內(nèi)/室外的區(qū)別、更好的小區(qū)覆蓋指紋。用于確定調(diào)整的位置的方法包括，基于參考位置，預(yù)期的用戶密度以及被適應(yīng)到RF預(yù)測空間的報告的測量的經(jīng)校準(zhǔn)版本和估計(jì)的信號級別之間的類似度，以便于得到對于每個移動實(shí)體的最可能的位點(diǎn)。本發(fā)明允許取得與指紋法類似的分辨率，但是是以低得多的成本來進(jìn)行的，因?yàn)槠洳灰髲?fù)雜的傳播模型或觀測活動。

采用改善的業(yè)務(wù)或覆蓋圖，區(qū)別室內(nèi)和室外區(qū)域是可能的。經(jīng)典的指紋法方法只依靠信號強(qiáng)度，而本發(fā)明還考慮業(yè)務(wù)密度估計(jì)作為輸入，這幫助更加精確地捕獲實(shí)際的業(yè)務(wù)模式。此外，已被示出的是，采用基礎(chǔ)的RF預(yù)測加上地物干擾數(shù)據(jù)，在不需要復(fù)雜的傳播模型或耗時且成本高的路測活動的情況下，來提供對于小小區(qū)設(shè)計(jì)的有用的圖是可能的。此外，本發(fā)明能夠適應(yīng)于任何當(dāng)前的實(shí)現(xiàn)且與任何技術(shù)兼容，從而最小化其部署的成本。

此外，所述方法確立了獨(dú)立的塊，使得其能夠順利地適應(yīng)于新的參數(shù)，諸如社交媒體，且權(quán)重定義能夠被定制，以改善概率矩陣的可靠性。