CN100364355C - 利用实测数据平铺获得小区覆盖的方法 - Google Patents

Abstract

本发明涉及一种利用实测数据平铺获得小区覆盖的方法，可以减小对小区中未知点场强的预测偏差。包括：将天线覆盖区域分割成m×n个网格；将在小区地理位置上实测的场强数据映射到相应网格作为网格的网格场强；统计m个扇区中每一扇区内存在上述网格场强的网格个数，将个数超过预设值的扇区定为径向可预测扇区，将个数低于预设值的扇区定为径向不可预测扇区；利用Okumura/Hata模型和最小二乘法的插值方法，用实测的场强数据平铺，预测径向可预测扇区内每个没有映射到实测场强数据的网格的网格场强；利用与径向不可预测扇区相邻扇区中相邻网格的网格场强及本扇区相邻网格的网格场强，预测径向不可预测扇区内不存在网格场强的网格的网格场强。

Description

利用实测数据平铺获得小区覆盖的方法

技术领域

本发明涉及移动通信小区覆盖技术，更确切地说是涉及用小区实测数据平铺法获得小区覆盖的方法。

背景技术

近二十年来，陆地无线移动通信取得了迅猛的发展。

手机用户与基站之间通信是以电磁波传播的方式进行信息联系的。为了保证用户能在任何地方都能用手机进行通信，必须保证手机用户与基站之间的每一点的场强都大于一个下限值。

在实际网络优化过程中，路测是不可或缺的，通过路测将实测的场强数据平铺为有效的小区覆盖，从而替代传统的预测来反映网络的覆盖情况。但由于地面、地形以及成本等因素，路测系统不可能得到小区中每一点的场强数据，相反，只能得到部分离散值。为了描述小区的场强覆盖，必须根据实测数据对未知点进行场强预测。于是，移动通信网无线信号场强预测成了国内外研究的热点。

移动通信网络规划优化工作需要反映实际网络的小区覆盖情况，即需要利用无线信号传播模型预测出移动通信网络中小区无线信号场强的覆盖情况。但由于无线信号传播模型不准确，从而导致预测出的场强不能很好反映实际的覆盖情况，或由于无法获取有效的地理数据而导致预测过程中各参数因子的无效。

目前国内外对移动通信网无线信号场强预测的研究，即针对小区覆盖的研究主要有以下两类方法：一是依赖于三维或准三维数字化地图的传播模型预测小区覆盖；二是利用实测数据并通过对实测数据平铺获得小区覆盖。

传统的传播模型预测方法需要的条件比较苛刻，不但要求传播模型符合当前网络情况，而且由于在预测过程中需要详细的地理数据，包括地形、地貌、建筑物位置等，还需要具体的地形走势信息、建筑物高度信息等，甚至各阻挡物的材质信息，特别是由于实际地理环境每时每刻都在发生变化，故很难获得非常符合实际的预测结果。目前比较常用的是传播模型加校正的方法，其缺点是由于要求对大量的实测数据进行分析、拟和、统计，因而需要的数据量大、计算量大、需要配套地理数据、有效时段小。

目前也有一些利用实测数据进行平铺的小区覆盖方法，一般做法是直接利用已知点的场强值来估算出临近已知点的未知点的场强值。具体包括：首先将实测数据存入到数据库中，作为已知点的场强；然后在数据库中查找出离场强未知点最近的若干个已知点的场强值；再按照一定的方法求出该未知点的场强。该一定的方法通常是对已知点的场强进行相应衰减，再求其平均值，并按照这种方法进行迭代，即再利用该预测的未知点的数据来预测其附近未知点的场强，如此反复执行，最后得到小区的场强覆盖。此类方法的缺点是比较主观，没有考虑电磁波传播的特点，所以对未知点场强的预测偏差较大。当实测数据分布不均匀时，则小区中存在不可预测地带，即预测值极不准确。同时因为这种方法采用了简单迭代法，即直接利用未知点的预测数据再次预测附近未知点场强，而导致偏差越来越大。

发明内容

本发明的目的是设计一种利用实测数据平铺获得小区覆盖的方法，以克服现有的利用实测数据进行平铺的小区覆盖方法对未知点场强的预测偏差较大的缺点。

为了实现上述发明目的，本发明采用如下技术方案。

一种利用实测数据平铺获得小区覆盖的方法，其特征在于包括：

A.在天线覆盖区域内以天线所在位置为圆心、将实测的地理精度l作为步长并以该步长l为半径增量画出n个平面同心圆，从该圆心引出的m条半径与n个平面同心圆相交，而分割出m×n个网格；

B.将在小区地理位置上实测的场强数据映射到所述网格作为网格的网格场强；

C.步骤A中两条相邻半径切割n个平面同心圆形成m个扇区，统计每一扇区内存在上述网格场强的网格个数，将个数超过预设值的扇区定为径向可预测扇区并按步骤D1至步骤D2执行，将个数低于预设值的扇区定为径向不可预测扇区并按步骤E1至步骤E5执行；

D1.将任一网格记为Arcgrid_(i，j)，0≤i＜n，0≤j＜m，以网格Arcgrid_(i，j)中心到所述圆心的距离i×l+1/2为自变量，该网格Arcgrid_(i，j)的网格场强E^A _(i，j)为应变量，根据地形特征利用Okumura/Hata模型构建函数曲线；

D2.将构建的函数曲线与所映射的网格的场强数据及该网格中心到所述圆心的距离拟合，通过最小二乘法进行插值，预测得到所述的径向可预测扇区内每个没有映射到实测的场强数据的网格的网格场强；

E1.找到与待预测径向不可预测扇区相邻且与待预测网格相邻的存在所述网格场强的两个扇区；

E2.将上述两个相邻扇区中与待预测网格相邻的两网格的网格场强分别作为该待预预测网格的网格场强之一与之二；

E3.找到与待预测径向不可预测扇区同扇区、与待预测网格相邻且存在网格场强的两个网格；

E4.将上述两个相邻网格的网格场强分别乘衰减因子后作为待预测网格的网格场强之三与之四；

E5.对上述网格场强之一、之二、之三、之四求平均，将平均值作为待预测径向不可预测扇区中待预测网格的网格场强。

所述步骤B中，所述的将在小区地理位置上实测的场强数据映射到网格作为网格的网格场强，包括：

B1.在与网格对应的地理位置中仅有一个实测场强时，将该实测场强映射到该网格作为该网格的网格场强；

B2.在与网格对应的地理位置中没有实测场强时，将该网格的网格场强记为负无穷大；

B3.在与网格对应的地理位置中有一个以上的实测场强时，对这些实测场强求平均值，并将该平均值映射到该网格作为该网格的网格场强；

B4.将天线附近的一个实测场强映射到天线附近的网格，作为这些网格相等的网格场强。

在执行所述的步骤E1前，先确定各径向不可预测扇区中，是否有存在网格场强的网格个数最大且唯一的扇区，是则直接执行步骤E1；否则对存在相等最大个数的径向不可预测扇区，进一步分别确定这些径向不可预测扇区的直接相邻扇区中存在网格场强的网格个数之和，对和数最大且唯一的径向不可预测扇区执行步骤E1；否则从存在相等最大和数的径向不可预测扇区中任选一个扇区，执行步骤E1。

所述步骤E1中，当与待预测径向不可预测扇区最相邻且与待预测网格相邻的网格存在网格场强时，将该最相邻扇区作为所述的两个扇区；当与待预测径向不可预测扇区最相邻的扇区中与待预测网格相邻的网格不存在网格场强时，依序查询该最相邻扇区的邻扇区，直至找到与待预测网格相邻的网格存在网格场强的扇区，作为所述的两个扇区。

所述步骤E2中，所述的与待预测网格相邻的两网格，其网格中心与所述圆心间的距离，与所述的待预测网格与所述圆心间的距离相等。

所述步骤E3中，当与待预测网格最相邻且其网格存在网格场强时，将两最相邻网格的网格场强分别作为所述的网格场强之一与之二；当与待预测网格最相邻的网格不存在网格场强时，依序查询该最相邻网格的邻网格，直至找到存在网格场强的网格，将其网格场强作为步骤E4中参与计算的网格场强。

所述步骤E4中，两个相邻网格依据它们距离所述圆心的距离调整所述的衰减因子。

本发明的关键技术包括：小区覆盖区域内网格的划分方法，以及将实测场强数据映射到网格中的规则；径向可预测扇区内网格场强的预测方法；和径向不可预测扇区内网格场强的预测方法。

本发明的方法，利用小区覆盖的区域半径和同心圆将小区划分成若干个网格，将实测场强数据按照四种规则映射到网格中；在径向可预测扇区中，利用Okumura/Hata模型和最小二乘法的插值方法预测扇区内网格的网格场强；在径向不可预测扇区中，利用邻扇区中相邻的、存在实测数据或预测数据的网格的网格场强，和同一扇区中相邻的、存在实测数据或预测数据的网格的网格场强对未知网格的网格场强进行预测。

由于本发明在实测数据平铺的过程中多方面考虑了电磁波传播的特点和避免迭代法带来的偏差积累，主要表现在弧形网格的划分、实测数据映射到网格、径向可预测扇区中实测数据的平铺以及径向不可预测扇区中实测数据与预测数据的平铺，克服了现有实测数据平铺方法预测数据不准确的问题。同时由于利用实测数据平铺获得小区覆盖，避免了因为地理数据不准确或传播模型不准确而导致的小区覆盖偏差大的问题。

本发明所描述的方法，在海量数据情况下将十分接近实际网络的小区覆盖情况。

附图说明

图1是本发明的弧形网格划分示意图；

图2是本发明对径向不可预测扇区集合中场强平铺次序的选择流程框图；

图3是图2中步骤204的流程框图，通过径向可预测扇区预测径向不可预测扇区的网格场强。

具体实施方式

移动通信系统的工作频率一般都比较高，因而电磁波传播波长与大多数障碍物的尺寸相比较就小多了，此时电磁波的传播可以用几何光学来描述，即认为电磁波沿直线传播，远场区的电磁波可视为局部平面波。

于是本发明根据电磁波传播的这一特征，以现有的Okumura/Hata预测模型为基础，并根据郊区、开阔区、天线高度和地形等给出一系列修正，计算出传播曲线，从而对小区内某些未知点的场强进行预测。

天线以一定角度向外发射电磁波，如全向天线以360度角向外发射电磁波，而定向天线则以一定角度向外发射电磁波，例如90度角，120度角等等。其径向传播路径对覆盖区域内的场强贡献最大，在实际地理环境中，由于地形，建筑物的影响，而导致实测数据发生偏移。于是，我们在径向方向上对场强进行预测，实现径向场强数据的平铺，然后再利用临近点的场强实现覆盖区域的场强数据平铺。

参见图1，是弧形网格的划分示意图。定向天线以120度角向外发射电磁波。

以天线所在位置(如天线塔或相应建筑物)为圆心O，以其最大覆盖距离为半径r可以构建一平面圆。天线射出的电磁波路径则是该圆的所有半径。

同时设定实测的地理精度为l(单位为米)。则以O为圆心、以步长l为半径增量，画出若干同心圆，同心圆的数目可标注为n，n＝rmodl+1，用i表示其中任一个同心圆。并根据实测数据量的大小，从圆心O引出m条半径r，与n个同心圆相交，将天线覆盖区域内n个同心圆分成m个方向角不同的扇区Sect_j(0≤j＜m)，用j表示其中任一个扇区，这些扇区和同心圆构成了m×n个弧形网格，我们用符号Arcgrid_(i，j)(0≤i＜n，0≤j＜m)表示其中任一个弧形网格，如图1所示。

接着，需要将实测数据导入弧形网格中，即将实测数据映射到所划分的弧形网格中。实测数据的地理位置一般用其经度、纬度(L，M)表示，所以可将实测场强数据标记为E^P _(L，M)，并将弧形网格Arcgrid_(i，j)中的网格场强标注为E^A _(i，j)。在将实测场强E^P _(L，M)映射到网格场强E^A _(i，j)时，受实测精度的影响，会出现以下四种映射情况：

1.在弧形网格Arcgrid_(i，j)的地理位置中，有且仅有一个实测场强E^P _(L，M)，则可将实测场强数据放入到该网格中作为该网格的网格场强，即 $E_{(i,j)}^A={E^P}_{(L,M)};$

2.在弧形网格Arcgrid(i，j)的地理位置中没有实测场强，则其网格场强为负无穷大，E^A _(i，j)＝-∞；

3.在弧形网格Arcgrid(i，j)的地理位置中有k个实测场强数据(一般出现在离天线较远的弧形网格中)，则将k个实测场强数据的平均值作为该网格场强， $E_{(i,j)}^A=({E^P}_{(L_1,M_1)}+{E^P}_{(L_2,M_2)}+\·\·\·+{E^P}_{(L_k,M_k)})/k;$

4.在离天线较近的网格中，如果实测的精度不高，则一个实测场强可能会在多个弧形网格如y个弧形网格的地理位置中出现，即在离天线较近的y个弧形网格的网格场强相等为一个实测场强E^P _(L，M)， ${E^A}_{(i_1,j_1)}={E^A}_{(i_2,j_2)}=\·\·\·{{=E}^A}_{(i_y,j_y)}=E_{(L,M)}^P.$

然后确定径向可预测扇区与径向不可预测扇区，再分别进行场强预测。

在扇区Sect_j(0≤j＜m)形成的n个网格Arcgrid_(0，j)，Arcgrid_(1，j)…Arcgrid_(n-1，j)中，将n个网格中网格场强E^A _(i，j)≠-∞的弧形网格数目标注为x_j，如果x_j≥W(W是根据实测数据量的大小而设定的一个下限值)，则扇区Sect_j为一径向可预测扇区；如果x_j＜W，则扇区Sect_j为一径向不可预测扇区。

对于径向可预测扇区，以弧形网格Arcgrid(i，j)到圆心O的距离为自变量，该Arcgrid(i，j)的网格场强E^A _(i，j)为应变量，构建函数曲线y＝f(x)，将径向实测数据的平铺转变为曲线函数的插值或者称之为曲线函数的逼近，从而将二维平面的插值问题转化成了一维函数的插值，从而极大的增加了插值的准确性。

在构建的函数曲线y＝f(x)中，x的取值和函数f(x)的确定显得尤为关键。网格Arcgrid(i，j)到圆心O的距离可认为是该网格Arcgrid(i，j)中心到圆心O的距离，即Arcgrid(i，j)弧形网格的半径为i×l+1/2，对于网格Arcgrid(n-1，j)，网格中心到圆心O的距离可近似等于圆的半径r。

对于函数f(x)，采用经典的用于场强预测的Okumura/Hata模型。Okumura/Hata模型在作场强预测时，模型根据小区覆盖区域内的地形变化而调整，将地形分为准平滑地形和不规则地形两大类。模型在使用时需要进行以下假设：作为两个全向天线之间的传播损耗处理；作为准平滑地形而不是不规则地形处理；以城市市区的传播损耗公式作为标准，其他地区采用校正公式对其进行修正。

当以城市市区的传播损耗公式作为标准，其他地区采用校正公式进行修正时，则其传播损耗经验公式为：

L_P＝A+Blog RdB                 (1)

(1)中A的表示式为：

A＝69.55+26.16logf_c-13.82logh_b-α(h_m)+μ

上式中，f_c为计算频率(单位MHz)；h_b为基站天线的有效高度(单位米)；α(h_m)为移动台天线高度校正因子，其中h_m为移动台天线高度(单位米)；μ为校正因子。

(1)中B值的计算公式为：

B＝44.9-6.55logh_b+λ

式中h_b为基站天线的有效高度(单位米)，λ为校正因子。

(1)中R为传播距离(公里)。

郊区的校正传播损耗为：L_ps＝L_p-KmrdB         (2)

其中L_P为(1)式的计算结果；Kmr＝2{log(f_c/28)}²+5.4。

开阔区校正传播损耗为：L_PQ＝L_P-Q₀dB          (3)

其中L_P为(1)式的计算结果；Q₀＝4.78(logf_c)²-18.33logf_c+40.94dB。

本发明采用最小二乘法的插值方法，即将函数E＝S(x)与所映射的网格场强数据及网格中心到圆心o的距离{(l_(i，j)，E_(i，j))，i＝0，1，…m；j＝0，1，…n}拟合，通过求误差平方和的最小值，可得到预测的未知点场强。这里S(x)为0kumura/Hata模型的传播损耗经验公式；l_(i，j)为网格Arcgrid(i，j)到圆心o的距离，E_(i，j)为网格Arcgrid(i，j)的网格场强。上述描述说明了在径向可预测扇区中，利用0kumura/Hata模型和最小二乘法的插值方法预测扇区内每个弧形网格的网格场强，实现径向可预测扇区场强实测数据的平铺。

对于径向不可预测扇区场强实测数据的平铺，即需要先从多个径向不可预测扇区中按选择的顺序先后对各径向不可预测扇区作场强实测数据平铺。选择顺序的过程及对所选择的径向不可预测扇区作场强实测数据平铺的过程分别示意在附图2与附图3中。

参见图2，选择进行场强实测数据平铺的径向不可预测扇区的次序，根据径向不可预测扇区中所包含的弧形网格的网格场强不等于无穷大的个数进行(即存在网格场强的网格个数)。

步骤201，在径向不可预测扇区中，n个网格中网格场强E^A _(i，j)≠-∞的弧形网格数目x_j均小于W，x_j＜W，但不同的径向不可预测扇区其x_j可能相同也可能不同，不同时还存在大小差异，本步骤则要先找出xj最大且唯一的径向不可预测扇区，具体执行H₁＝max(x_c，…，x_d)，x_c，x_d的值为1，...，w-1，将该扇区记为Secth，转步骤204执行，如果虽然找到最大x_j但并不唯一，即存在相等的最大值，如x_c＝x_d＝H₁，则执平于步骤202；

步骤202，如x_c＝x_d，根据该两扇区各自的相邻扇区中E^A _(i，j)≠-∞网格的数目判断(如果相邻扇区为径向可预测扇区或已经经过实测数据平铺的径向不可预测扇区，则E^A _(i，j)≠-∞的数目为最大值n)，本步骤则要先求出这两个扇区各自相邻扇区的x_j之和，从中选取最大值，即执行H₂＝max(x_c-1+x_c+1，x_d-1+x_d+1)，如果有最大值且唯一则将该扇区记为Sect_h转步骤204执行，如果虽然有最大值但不是唯一的，即存在相等的最大值，x_c-1+x_c+1＝x_d-1+x_d+1＝H₂，则转为执行步骤203；

步骤203，从该两个扇区中任选一个扇区，将该扇区记为Sect_h；

步骤204，对上述步骤中选取的径向不可预测扇区Sect_h进行网格场强预测，具体预测流程如图3中所示。

上述步骤连续执行直至对所有的径向不可预测扇区都进行了网格场强预测。

参见图3，预测扇区Sect_h所包含的n个网格Arcgrid_(0，h)，Arcgrid_(1，h)…Arcgrid_(n-1，h)中E^A _(j，j)＝-∞的网格场强(即不存在网格场强的网格)。

如图1中所示，与网格Arcgrid_(i，j)相邻的八个网格分别是：同一扇区的邻网格Arcgrid_(i-1，j)和Arcgrid_(i+1，j)，相邻扇区的邻网格Arcgrid_(i-1，j-1)，Arcgrid_(i，j-1)，Arcgrid_(i+1，j-1)，Arcgrid_(i-1，j+1)，Arcgrid_(i，j+1)，Arcgrid_(i+1，j+1)。

相邻扇区存在两大类情况：

A.相邻扇区为径向可预测扇区，则扇区内所有网格的网格场强都已存在，或为实测的场强数据，或为经过径向平铺后的预测数据；

B.相邻扇区也为径向不可预测扇区，则相邻扇区中的网格场强(指Arcgrid_(i-1，j-1)，Arcgrid_(i，j-1)，Arcgrid_(i+1，j-1)，Arcgrid_(i-1，j+1)，Arcgrid_(i，j+1)，Arcgrid_(i+1，j+1))和与待预测网格处于同一扇区的相邻网格的网格场强(指Arcgrid_(i-1，j)，Arcgrid_(i+1，j))又可能存在三种情况。以网格Arcgrid_(i-1，j)为例：其网格场强E^A _(i-1，j)为实测数据；E^A _(i-1，j)为一预测场强；E^A _(i-1，j)＝-∞，即不存在实测数据，且未预测。

于是，我们采用图中流程预测Arcgrid_(i，j)的场强。

步骤301，假设需预测网格Arcgrid_(i，j)的场强，首先需确定其所在扇区的两个直接邻扇区(最相邻扇区)中的与待测网格相邻的网格是否存在实测场强或预测场强(网格中放入了网格场强)，是则执行步骤303，否则执行步骤302；

步骤302，如果网格Arcgrid_(i，j)所在扇区的直接邻扇区(最相邻扇区)中与待测网格相邻的网格不存在实测场强或预测场强时，则再查询该扇区的直接邻扇区的邻扇区(网格Arcgrid_(i，j)所在扇区的邻扇区的邻扇区)，依次查询直至查询到扇区中的相邻网格存在实测场强或预测场强时，执行步骤303；

步骤303，通过邻扇区邻网格预测径向不可预测扇区中的网格场强。

如待预测网格Arcgrid_(i，j)所在扇区的直接(或者称最相邻扇区)邻扇区Sect_j-1中与待测网格相邻的网格Arcgrid_(i，j-1)存在实测场强或预测场强，则取其网格Arcgrid_(i，j-1)的网格场强E^A _(i，j-1)为网格Arcgrid_(i，j)的预测场强之一E^A(i，j-1) _(i，j)。同理，如果扇区Sect_j+1中与待预测网格Arcgrid_(i，j)相邻的网格Arcgrid_(i，j+1)存在实测场强或预测场强时，则取其网格Arcgrid_(i，j+1)的网格场强E^A _(i，j+1)为网格Arcgrid_(i，j)的预测场强之二E^A(i，j+1) _(i，j)(如果邻扇区中与待预测网格相邻的网格不存在实测场强或预测场强时，则取邻扇区的邻扇区，直至扇区中的相邻网格存在实测场强或预测场强时，再以相应网格的网格场强作为网格Arcgrid_(i，j)的预测场强，即E^A(i，j-1) _(i，j)＝E^A(i，j-s) _(i，j)，或E^A(i，j+1) _(i，j)＝E^A(i，j+s) _(i，j)，式中s表示该相应网格，取值为1至m)。这些获得预测场强之一、之二的网格Arcgrid_(i，j-1)、Arcgrid_(i，j+1)与预测网格Arcgrid_(i，j)之间的关系是网格至圆心o间的距离相等且存在实测数据或预测数据的相邻网格。

步骤304，如果与预测网格同一扇区的直接相邻网格存在实测数据或预测数据，则直接执行步骤306，否则执行步骤305。

步骤305，如果网格Arcgrid_(i，j)所在扇区的直接邻网格(最相邻网格)不存在实测数据或预测数据(两个直接邻网格都不存在或者其中一个网格不存在)，则再查询该不存在实测数据或预测数据的直接邻网格的邻网格(网格Arcgrid_(i，j)所在扇区的邻网格的邻网格)，依次查询直至查询到存在实测数据或预测数据的邻网格时，执行步骤306；

步骤306，通过同扇区邻网格的网格场强预测待预测网格的网格场强。例如网格Arcgrid_(i-1，j)，取其场强E^A _(i-1，j)乘以衰减因子α_(i-1，j)(衰减因子α_(i-1，j)为经验值，可根据电磁波传播频率、测量精度、地形等选取)为网格Arcgrid_(i，j)预测场强之三E^A(i-1j) _(i，j)。同理可取网格Arcgrid_(i+1，j)的场强E^A _(i+1，j)乘以衰减因子α_(i+1，j)后为网格Arcgrid_(i，j)预测场强之四E^A(i+1，j) _(i，j)(如果直接邻网格的场强值为-∞，如邻网格Arcgrid_(i-1，j)或Arcgrid_(i+1，j)的场强值为-∞，则取邻网格的邻网格，直至邻网格存在实测数据或预测数据，再以该邻网格的场强对网格Arcgrid_(i，j)进行预测，即E^A(i-1，j) _(i，j)＝α_(i-q，j)×E^A(i-q，j) _(i，j)，或E^A(i+1，j) _(i，j)＝α_(i+q，j)×E^A(i+q，j) _(i，j)，式中q表示该邻网格，取值为1至n)。这些获得预测场强之三、之四的网格Arcgrid_(i-1，j)、Arcgrid_(i+1，j)与预测网格Arcgrid_(i，j)之间的关系是位于同一个扇区内、且存在实测数据或预测数据的邻网格。

步骤307，对上述获得的所有对网格Arcgrid_(i，j)的预测场强(之一至之四)求平均，并以该平均值作为该预测网格Arcgrid_(i，j)的网格场强，即：

E^A _(i，j)＝(E^A(i，j-1) _(i，j)+E^A(i，j+1) _(i，j)+E^A(i-1，j) _(i，j)+E^A(i+1，j) _(i，j))/4。

图2与图3流程交替并连续执行，将对图1所示的全部网格按实测数据与预测数据进行平铺，实现了利用实测数据平铺获得小区覆盖。本发明方法在利用实测数据进行平铺的过程中，从多方面充分考虑了电磁波传播的特点，主要表现在网格的划分、实测数据映射到网格、径向可预测扇区中实测数据的平铺以及径向不可预测扇区中实测数据与预测数据的平铺，避免了数据不准确的问题，同时也避免了因地理数据不准确或传播模型不准确而导致的小区覆盖错误问题。

Claims (9)

1.一种利用实测数据平铺获得小区覆盖的方法，其特征在于包括：

A.在天线覆盖区域内以天线所在位置为圆心、将实测的地理精度l作为步长并以该步长l为半径增量画出n个平面同心圆，从该圆心引出的m条半径与n个平面同心圆相交，而分割出m×n个网格；

B.将在小区地理位置上实测的场强数据映射到所述网格作为网格的网格场强；

C.步骤A中两条相邻半径切割n个平面同心圆形成m个扇区，统计每一扇区内存在上述网格场强的网格个数，将个数超过预设值的扇区定为径向可预测扇区并按步骤D1至步骤D2执行，将个数低于预设值的扇区定为径向不可预测扇区并按步骤E1至步骤E5执行；

D1.将任一网格记为Arcgrid_(i，j)，0≤i＜n，0≤j＜m，以网格Arcgrid_(i，j)中心到所述圆心的距离i×l+¹/₂为自变量，该网格Arcgrid_(i，j)的网格场强E^A _(i，j)为应变量，根据地形特征利用Okumura/Hata模型构建函数曲线；

D2.将构建的函数曲线与所映射的网格的场强数据及该网格中心到所述圆心的距离拟合，通过最小二乘法进行插值，预测得到所述的径向可预测扇区内每个没有映射到实测的场强数据的网格的网格场强；

E1.找到与待预测径向不可预测扇区相邻且与待预测网格相邻的存在所述网格场强的两个扇区；

E2.将上述两个相邻扇区中与待预测网格相邻的两网格的网格场强分别作为该待预预测网格的网格场强之一与之二；

E3.找到与待预测径向不可预测扇区同扇区、与待预测网格相邻且存在网格场强的两个网格；

E4.将上述两个相邻网格的网格场强分别乘衰减因子后作为待预测网格的网格场强之三与之四；

E5.对上述网格场强之一、之二、之三、之四求平均，将平均值作为待预测径向不可预测扇区中待预测网格的网格场强。

2.根据权利要求1所述的方法，其特征在于：所述步骤B中，所述的将在小区地理位置上实测的场强数据映射到网格作为网格的网格场强，包括：

B1.在与网格对应的地理位置中仅有一个实测场强时，将该实测场强映射到该网格作为该网格的网格场强；

B2.在与网格对应的地理位置中没有实测场强时，将该网格的网格场强记为负无穷大；

B3.在与网格对应的地理位置中有一个以上的实测场强时，对这些实测场强求平均值，并将该平均值映射到该网格作为该网格的网格场强。

3.根据权利要求2所述的方法，其特征在于还包括：

B4.将天线附近的一个实测场强映射到天线附近的网格，作为这些网格相等的网格场强。

4.根据权利要求1所述的方法，其特征在于：所述步骤C中的预设值，是根据实测场强数据量的大小而设定的一个下限值。

5.根据权利要求1所述的方法，其特征在于：在执行所述的步骤E1前，先确定各径向不可预测扇区中，是否有存在网格场强的网格个数最大且唯一的扇区，是则直接执行步骤E1；否则对存在相等最大个数的径向不可预测扇区，进一步分别确定这些径向不可预测扇区的直接相邻扇区中存在网格场强的网格个数之和，对和数最大且唯一的径向不可预测扇区执行步骤E1；否则从存在相等最大和数的径向不可预测扇区中任选一个扇区，执行步骤E1。

6.根据权利要求1所述的方法，其特征在于：所述步骤E1中，当与待预测径向不可预测扇区最相邻且与待预测网格相邻的网格存在网格场强时，将该最相邻扇区作为所述的两个扇区；当与待预测径向不可预测扇区最相邻的扇区中与待预测网格相邻的网格不存在网格场强时，依序查询该最相邻扇区的邻扇区，直至找到与待预测网格相邻的网格存在网格场强的扇区，作为所述的两个扇区。

7.根据权利要求1所述的方法，其特征在于：所述步骤E2中，所述的与待预测网格相邻的两网格，其网格中心与所述圆心间的距离，与所述的待预测网格与所述圆心间的距离相等。

8.根据权利要求1所述的方法，其特征在于：所述步骤E3中，当与待预测网格最相邻且其网格存在网格场强时，将两最相邻网格的网格场强分别作为所述的网格场强之一与之二；当与待预测网格最相邻的网格不存在网格场强时，依序查询该最相邻网格的邻网格，直至找到存在网格场强的网格，将其网格场强作为步骤E4中参与计算的网格场强。

9.根据权利要求1所述的方法，其特征在于：所述步骤E4中，两个相邻网格依据它们距离所述圆心的距离调整所述的衰减因子。

Images