CN101283616A - 适应性增强的小区标识定位 - Google Patents

Abstract

本发明提供了用于提供辅助位置确定的数据的方法和装置以及用于根据该数据执行位置确定的方法、装置和系统。辅助位置确定的数据包括区域限定，其中每个区域限定都至少与相应的小区关系配置(41)有关。在被接收时，小区关系配置至少由满足特定无线电条件准则的小区的小区ID来确定。优选地，小区关系配置还依赖于不同小区和/或传输模式之间的相对无线电条件。在特定的实施例中，区域限定是多边形，优选地，对其进行连续、自动和在线地重新计算。所述重新计算基于机会的高精度位置测量，至少相对于针对执行高精度位置测量的用户设备的占优势的小区关系配置进行聚类(42)。优选地，以预定义的置信水平来计算这些区域限定。

Description

适应性增强的小区标识定位

技术领域

本发明大体上涉及用于对蜂窝通信网络中的移动终端进行位置确定的方法和系统，并且尤其涉及这样的涉及小区面积(cell area)的位置确定。

背景

所有蜂窝通信系统都被划分成小区，其中用户设备(UE)由一个基站服务，或者当在(更)软切换中时由若干个基站服务。每个基站都可以服务一个以上小区中的UE。从定位和导航的观点看，重点在于特定UE所在的小区在蜂窝系统中是已知的。因此，在确定了特定小区所覆盖的地理区域之后，只要该UE是连接的并且该服务小区的被报告的小区标识(identity)等同于与所述特定地理区域相对应的小区标识，那么可以说该UE位于所述地理区域中的某处。

假设定位是通过无线电(radio)接入网络应用部分(RANAP)接口来操作的，在宽带码分多址(WCDMA)蜂窝系统内定位的一个例子简要地操作如下。然而，这些过程对于例如全球移动通信系统(GSM)以及码分多址2000(CDMA 2000)都是相似的。

请求位置估计的消息通过RANAP接口而在服务无线电网络控制器(SRNC)中接收。假定该消息的服务质量参数使得无线电网络控制器(RNC)选择小区标识定位方法。SRNC确定待定位的UE的服务小区标识，并且获取表示该服务小区的扩展(extension)的预存储的多边形(polygon)。SRNC使用位置报告消息中的小区多边形格式通过RANAP接口把得到的小区多边形发送回核心网络。

然而应当注意到，由于无线电传播的复杂性的缘故，所述小区多边形格式只是真实小区的扩展的近似。多边形格式的选择是由对具有适当灵活的地理表示格式的需要来支配的，并且考虑了例如计算复杂性和报告带宽。

由于多边形格式近似小区扩展，所以通常在小区规划工具中预先确定多边形以便以一定的置信度来表示小区扩展。置信度旨在表示UE位于该多边形内的概率，其条件是UE被连接到该小区多边形所表示的小区。小区多边形的基本离线(off-line)计算例如能够基于不同复杂化水平的覆盖仿真。然而，当考虑到所计算的小区扩展的置信度时，最终的结果通常不是很可靠。

小区标识定位方法的准确度(accuracy)主要受限于小区的大小，其有时阻止该方法被用于更复杂的导航应用中。它的主要优点包括非常低的响应时间以及以下事实：它被广泛分布于存在蜂窝覆盖的地方并且在所述地方总是可用的。而且，小区标识方法的实现很直接，并且没有UE影响。这些优点引起对开发增强的(enhanced)小区标识(E-小区ID)定位方法的关注，该增强的方法旨在：在保持基本小区标识方法的优点的同时增强该基本小区标识方法的准确度。

E-小区ID定位的一个原理旨在将小区扩展模型与距离度量(measure)相结合。实现该目的的两个可能性是往返时间(RTT)测量和路径损耗测量。这两种可替换技术方案中最准确的是RTT测量。路径损耗测量受到阴影衰落效应的影响，这导致准确度的量级为与UE距离的一半。在RTT测量原理中，无线电波从无线电基站(RBS)到UE以及返回的传播时间被测量。RTT方法仅仅限定了环绕RBS的圆。通过将该信息与小区多边形相结合，能够计算出该圆的左右角度。

增强的小区标识定位的另一个思想是使用区域的预先计算的地图(map)，在所述区域UE处于与一个或若干小区的(更)软切换中。这样的区域明显小于整个小区，展现了确定位置的更好的准确度。通常，正如原始的小区多边形一样，这些地图也是在所述规划工具中预先计算的。

在一些情况下，要求高精度的定位。在本公开中，“高精度定位方法”被定义为表示能够满足北美E-911应急定位要求的定位方法。满足这些要求的方法能够获得的定位准确度是：

(基于终端的)50米(67％)和150米(95％)，

或者(基于网络的)100米(67％)和300米(95％)。

辅助全球定位系统(A-GPS)定位是对全球定位系统(GPS)的增强。被附于例如蜂窝通信系统的GPS参考接收机收集辅助性数据，这些辅助性数据在被发送到与该蜂窝通信系统相连接的终端中的GPS接收机时，增强GPS终端接收机的性能。典型地，A-GPS的准确度能够高达10米。附加的辅助性数据是直接从蜂窝通信系统收集的，常常用于获得所述终端的位置的粗略初始估计以及与该初始估计相对应的不确定度。该位置通常通过小区标识定位步骤来给出。

上行链路到达时间差(UTDOA)定位方法基于在若干RBS中执行的对来自UE的传输的到达时间测量。信号强度高于A-GPS中的情形，有时这会增强了执行室内定位的能力。但是，UTDOA的准确度预计要比A-GPS的准确度稍差，这主要是因为沿地球表面的无线电传播条件比当从高仰角处的卫星接收GPS无线电信号时要差。

发明内容

基于小区ID的现有定位方法的一般问题是，所确定位置的准确度低。置信度值(confidence value)通常不是以相对于所计算的小区面积而言可能的最佳准确度来确定的。

因此，本发明的总的目的是提供用于给出改进的位置确定准确度的可能性的方法、装置和系统。另一个目的是提供用于提供考虑到更高准确度的位置确定的辅助定位的数据的方法和装置。本发明的再一个目的是提供用于以更小的可区分区域进行操作的方法、装置和系统。本发明的又一个目的是提供用于提供具有很好地建立的置信度值的限定区域的方法、装置和系统。

上述目的是通过依照所附专利权利要求的方法、装置和系统来实现的。大体上，本发明提供了一种用于提供辅助位置确定的数据的方法。所述辅助位置确定的数据包括区域限定(area definition)，每个区域限定都与相应的小区关系配置有关。所述小区关系配置至少是根据小区的小区ID来确定的，其中去往/来自待定位用户设备的信号满足特定的无线电条件准则。优选地，小区关系配置还依赖于不同小区和/或传输模式之间的相对无线电条件。在特定的实施例中，所述区域限定是多边形，优选地，对其进行连续、自动和在线地重新计算。这些重新计算优选地基于机会的高精度位置测量，相对于针对执行高精度位置测量的用户设备的占优势的(prevailing)小区关系配置进行聚类(cluster)。优选地，区域限定是以预定义的置信水平来计算的。在一个特定的实施例中，所述特定的无线电条件对应于限定有效(active)小区集合的无线电条件，所述有效小区集合即与用户设备(更)软切换的小区。在另一特定的实施例中，所述特定的无线电条件对应于考虑到对信号进行测量的无线电条件，例如限定被检(detected)小区集合的无线电条件。

辅助位置确定的数据优选地被用于确定用户设备的位置。针对待定位的用户设备的小区关系配置被确定，并且相关的区域限定能够被用作对用户设备位置的近似。以此方式获得的区域限定还能够被用作例如A-GPS或UTDOA定位的细化(refine)的现有位置信息，并且用来细化RTT定位。

本发明还提供了用于执行上述方法的装置和系统。在一个典型的实施例中，本发明的所有功能位于诸如RNC、SAS(独立SMLC(服务移动位置中心))节点之类的定位节点、用于配置和监视系统的支持节点或者完全独立的节点。然而，也可以在彼此通信的不同节点中实现不同的部分。

在本发明的许多优点中，能够被提及的有：用于小区关系配置的区域限定的数据库是适应性地且自动地建立起来的。在优选的实施例中，对于特定的置信度值，所述区域限定(通常为小区多边形)的面积被最小化。这使得小区标识定位方法的准确度最大化。所述置信度很容易被准确地确定。通过由本发明获得的初始定位数据能够改进UTDOA和A-GPS定位方法的性能。所述区域限定信息被自动地细化的，这个事实例如在重新规划无线电网络(RAN)的部分时是有用的。

附图说明

通过参照结合附图所给出的下列描述，可以最好地理解本发明及其进一步的目的和优点，其中：

图1是一种蜂窝通信系统的图示；

图2A-E是根据相邻小区信号的覆盖(coverage)而将小区划分成更小区域的例子的图示；

图3A-C是小区关系(relation)配置的例子的图示；

图4A是根据本发明方法的一个实施例的主要步骤的流程图；

图4B是根据本发明方法的另一个实施例的主要步骤的流程图；

图4C是根据本发明方法的又一个实施例的主要步骤的流程图；

图4D是图4A-D中步骤212的一个实施例的步骤的流程图；

图5是小区多边形的例子；

图6是3GPP多边形消息信息元素的图示；

图7是收缩多边形方法的初始几何结构的图示；

图8是用于确定最大多边形角(corner)移动的几何结构的图示；

图9是用于计算面积缩减(area reduction)的几何结构的图示；

图10A是多边形计算的数值例的初始的图示；

图10B是被应用在图10A上的多边形收缩算法的结果的图示；

图11是根据本发明节点的实施例的主要部分的框图；

图12是RTT测量的图示；以及

图13是A-GPS测量的图示。

详细描述

在本公开中，“辅助位置确定的数据(assisting data)”用于限定在蜂窝通信系统中的小区相关活动中使用的数据，所述活动例如是基于小区ID的无线电网络规划或定位。特别地，它可以指在本公开中使用的小区关系配置和相关区域限定。这不应当被误解成在本公开中只在A-GPS讨论中使用的“辅助性数据”。

在本公开中，WCDMA系统被用作模型系统。然而，本领域技术人员应当认识到，本发明的基本原理可以适用于任何蜂窝通信系统。因此，本发明并不限于这里给出的示例性实施例。

图1图示出一般的WCDMA系统100。无线电基站30(RBS)在该系统的覆盖区域上分布并且提供天线20，这些天线20在该实施例中是扇形天线(sectorized antenna)。小区15与天线20的每个扇区相关联，作为这样的区域，在所述区域中与通信系统的连接优选地通过该特定扇区来实现。RBS 30被连接到无线电网络控制器(RNC)节点40，该无线电网络控制器节点40在典型情况下包括定位节点45。UE 10和RNC40通过所谓RRC(无线电资源控制)接口37进行通信，所述接口对RBS30是透明的。RBS 30和RNC 40是包含在UTRAN(通用移动电信系统无线电接入网络)35中的节点。RNC 40还经由RANAP(无线电接入网络应用部分)接口47连接到通信系统100的核心网络(CN)50。

用户设备(UE)10位于由蜂窝通信系统100覆盖的区域。该用户设备通过信号25与自己的无线电基站30通信。然而，也可能检测到来自和去往相邻RBS 30的信号26。如果相邻信号26强到足以支持实际的通信，那么相应的小区可以被包括在参与(更)软切换的所谓有效小区集合中。软切换指的是其中使用了两个不同的非共定位(non-colocated)的RBS的情况，而更软切换指的是具有若干扇区的一个RBS。一种特殊的情况是当UE被连接到同一RBS的两个扇区(即更软切换)的时候。然而，对于本发明目的而言，软切换和更软切换之间并没有实质的区别，并且两种情况都能够以类似方式处理。在一些情况下，信号26可能太弱而不能被包含在所述有效集合中，但是强到足以考虑发射RBS的识别。这样的信号可以例如用于定位用途。最后，相邻信号26也可能太弱而根本不能实现任何效用。

当UE 10经由某些无线电链路连接到某一RBS时，UE 10很可能位于相关联的小区内。在WCDMA中由描述小区扩展(extension)的多边形所限定的小区面积，通常不是以相对于小区的真实扩展而言可能的最佳准确度来确定的。该近似的小区面积通常是结合小区规划来确定的，可能并不完全对应于真实的情况。一般来说，小区面积扩展的实际置信水平没有被指定。此外，无线电条件在小区规划被执行之后也可能发生改变。因此，使用现场数据为每个小区调节置信度和预先计算的小区多边形将是有利的。但是这通常是不能被满足，尤其是因为所述无线电条件可能随时间而改变。本发明公开揭示了自动实现这样的调节的方式。

图2A图示出小区15，该小区与UE 10连接。在接下来的解释中，为了简单起见，在这种情况下假定RBS被置于小区的中心，即所谓的全向小区(omni-cell)配置。当UE 10被连接到RBS时，能够以一定概率确定它位于小区15内。

然而，如前面简要提到的，该UE也可能位于来自其他RBS的无线电范围内。在图2B中，指示出其中去往/来自相邻RBS的信号强到足以考虑(更)软切换的区域的边界12。在这个过于简单的模型中，边界12被绘成圆，且中心在相邻的RBS。容易看出，边界12将小区15划分成更小的区域11、11A、11B、11Z。在区域11Z中，只有来自自己的RBS 30的信号是有用的。然而，在例如区域11A中，去往/来自一个相邻RBS的信号也可用于(更)软切换目的，并因此被包括在所谓的有效小区集合中。在区域11B中，去往/来自两个相邻小区的信号足够强，从而所述有效集合包括两个相邻的小区。现在能够很容易理解，所述有效集合的内容能够被用于定位目的。通过参考有效集合列表，能够确定UE 10很可能位于部分区域11、11A、11B、11Z中的哪个之中。

但是最常见的是，(更)软切换信息并不用于定位目的，这可能是因为很可能难以在足够的准确度的情况下进行计算。根据本发明，描述任何(更)软切换区域的区域限定是有用的。在WCDMA中，这样的区域限定能够很方便地采用多边形限定。不过，使用现有技术小区规划原理通常不会提供以相对于任何(更)软切换区域的真实扩展而言可能的最佳准确度来确定的区域限定。此外，使用现有技术方法，通常不会以相对于任何计算的(更)软切换区域而言可能的最佳准确度来确定任何(更)软切换区域的置信度值。因此，使用现场数据为每个小区调节置信度和预先计算的小区多边形将是有利的。但是这通常是不能被满足，特别是因为无线电条件可能会随时间而改变，对于基本小区而言，情况更是如此。不过，本发明揭示了一种自动实现这样的调节的方式。

来自相邻RBS的信号能够被进一步加以利用。如上所述，即使去往和来自相邻RBS的信号没有强到足以允许(更)软切换，它们也可能强到足以实现对发射RBS/UE的标识的确定。相应的小区集合常常被称为被检小区集合。而且，该信息可用于定位目的。在图2C中，再次示出小区15。现在，不仅示出了用于(更)软切换的边界12(这些边界中只有一个用附图标记表示出来)，而且也示出了其中能够沿下行链路或上行链路分别获取例如对应于被检小区集合的发射RBS或UE的标识的区域的边界13。小区15因而被进一步划分成甚至更小的部分区域11、11C-G、11Z。例如，在区域11E中，除了来自自身的RBS的信号之外，来自一个相邻RBS的信号也用于(更)软切换，而来自另一个相邻RBS的信号则仅用于识别发射的RBS。

如果不仅考虑一定强度的信号的存在，而且也考虑了相比于其他信号的相对强度，那么就能够实现对原始小区更精细(fine)的划分。在图2D中，涉及来自超过一个相邻RBS的信号的部分区域是根据哪个信号最强来划分的。从而，就可以限定区域11H-K。

然而如上所述，实际的情况并不像图2A-D的例子可能指示的那样理想。相反，边界12、13并不容易被确定并且常常是非圆形的。图2E图示出可能与实际情况相符的情况。本领域技术人员于是可以意识到，任何在理论上对区域11、11A-K、11Z的预先确定在实践中都是不可能的。

根据本发明，两种类型的信息被彼此连接以便实现本发明的优点；小区关系配置和高精度定位数据。

第一种类型的信息是小区关系配置。该小区关系配置对应于前面图2A-E例子中的划分。在一个基本的实施例中，小区关系配置包括代表“自己的”小区以及任何相邻小区的数据，其中与其相对应的RBS向所讨论的用户设备发射满足某一准则(criterion)的可检测信号并从其接收这样的信号。按照通常的观点，小区关系配置能够被认为是与满足针对某一UE的特定无线电条件准则的信号相对应的小区标识列表。图3A图示出这种列表的一个实施例。第一行对应于自己的小区。小区ID为“ID1”。在本例中，UE还能够与小区“ID2”、“ID3”、“ID4”、“ID5”通信。在该实施例中，每种小区组合都将限定特定的小区关系配置。

图3B图示出小区关系配置的另一个实施例。这里，考虑了相对信号强度，从而按照强度顺序对这些小区进行排序(sort)。因此，去往/来自小区“ID3”的信号比去往/来自例如小区“ID5”的信号强。这意味着，该实施例中的小区关系配置不仅依赖于哪些小区被包含列表中，而且依赖于采用哪种顺序。在上行链路和下行链路之间甚至也存在着强度顺序的差异，这也能够在对区域进行限定过程中加以利用。

其他与信号强度有关的量也能够被用来限定小区关系配置，例如路径损耗和信号干扰比。

图3C图示出小区关系配置的另一个实施例。这里，还对信号强度进行分类。能够看出，小区“ID1”被分类成“自己的小区”，小区“ID3”和“ID5”被分类成被包含在有效小区集合中，即它们被用于(更)软切换的目的。这意味着，该实施例中的小区关系配置不仅依赖于哪些小区被包含在列表中以及采用哪种顺序，还依赖于这些小区的分类。

考虑到上述例子，本领域技术人员将认识到，对于任何位于蜂窝通信网络的覆盖区域内的UE，都能够很容易地获得小区关系配置。

第二种类型的必要数据是如上面进一步提到的高精度定位数据。这能够以任何可能的方式得出。在之前背景中提及UTDOA和A-GPS，不过其他方法也能够是有用的。其创造性思想在于，在定位时刻为相应的UE收集高精度定位数据和小区关系配置之间的关系。这优选地通过使用机会(opportunity)测量来实现，所述机会测量即无论如何都会出于其他原因而被执行的高精度测量。可替换地，可以特地安排这些测量。例如，为了改进的无线电网络规划，可以以规划的方式在某一区域上分布高精度位置测量装置。位置以及小区关系配置都被确定。另一种可替换方案可以是定期地命令能够进行高精度定位的用户设备提供这样的测量。于是对于每种可能的小区关系配置(简单地说即有序的小区标识的集合)，都建立测量结果列表。然后，与特定小区关系配置有关的所有高精度测量结果都被集中在一个高精度测量结果的特定列表中。换言之，根据占优势的小区关系配置对高精度定位数据进行聚类。因此，一个这样的列表的测量结果形成能够预计位于特定地理区域的测量结果的群组。高精度位置确定的聚类从而给出多个分离的聚类结果。当适当数目的高精度定位数据点被聚类在所述分离的聚类结果中的一个结果之中时，可以限定包含高精度定位数据点的预先确定部分的区域。于是就能够以与所述预先确定部分相对应的置信水平推断出，具有某一小区关系配置的UE位于该限定区域内。

换言之，本身不具有任何高精度定位能力的UE可以利用先前的其他UE的高精度定位来实现改进的位置确定准确度。

能够注意到的是，所实现的区域限定会与实际的无线电覆盖范围截然不同。其原因在于，具有良好的无线电条件但是从不宿主(host)任何用户设备的区域将倾向于被排除在确定的区域之外。相反，相关联的区域将是基于无线电覆盖特性以及用户设备出现概率的组合的区域。

本发明的思想还能够通过根据本发明方法的实施例的主要步骤的流程图来说明，如图4A所示。该过程开始于步骤200。该过程首先到达用于提供辅助位置确定的数据的部分202。该部分开始于步骤204，其中确定针对特定UE的小区关系配置。信号通常根据标准的蜂窝通信系统过程被注册和报告，并且编译(compile)成小区关系配置。在步骤206中，使用任何合适的高精度定位方法来进行对UE的高精度定位。在步骤208中，根据确定的小区关系配置对所述高精度定位数据进行聚类。如箭头210所示，步骤204到208被重复若干次。

当适当数目的测量点对某一小区关系配置而言可用时，该过程可继续到步骤212，其中区域被确定，所述区域与高精度定位数据的空间分布类似。优选地，计算尽可能小的、仍然包含高精度定位数据的预先确定部分的区域。在其他实施例中，即使相当小的区域不是数学上的绝对最小，人们也可能对该区域感到满意。这样就得到了某一小区关系配置和区域限定之间的关系。如果通过步骤204-208添加了另外的数据，那么也可能必须如箭头214所示的那样重复步骤212。特别地，如果所述无线电条件正永久地改变或改变持续较长时段，那么必须重新计算这些区域限定并且使其适应新的情况。于是优选地还对每个高精度位置测量结果进行时间标记以便使得丢弃太旧的高精度位置测量结果成为可能，并且连续地进行新的区域优化。

时间标记还能够在其中用户设备的分布很可能在不同时间之间截然不同的系统中使用。例如，如果所包括的办公建筑群和住宅区彼此接近，那么例如在夜间更可能发现用户设备位于住宅区中。这种变化能够通过丢弃那些具有与当前时间截然不同的天、周或年的记录时间的高精度定位数据来处理。换言之，可以通过仅仅选择满足某一附加准则的测量结果来执行聚类。这样，可以使所述区域限定依赖于时间。

用于聚类的选择准则还能够与其他参数上相关。无线电接入承载(RAB)可以例如是一个选择参数。针对不同RAB的覆盖范围会大不相同，因而不同部分区域之间的边界会相当大地改变它们的位置。例如，通过64kbp链路传送的业务(traffic)可能具有与通过384kbp链路传送的业务完全不同的覆盖区域。同样通过例如关于所使用的RAB对测量结果进行聚类，将实现改进的定位，这是因为待确定的区域对于所使用的实际RAB是唯一的。

有关RAB的信息是一种与使所述选择准则更加具有区域选择性的信令的情况(circumstance)有关的辅助信息。在一般的方法中，也能够以类似的方式使用其他的辅助信息。类似地，也存在着能够被执行并且用作选择准则一部分的信令特性的辅助测量。一个例子是例如辅助RTT测量，这将在下面被进一步讨论。所述选择准则可以认为是小区关系配置的扩充。

步骤212能够针对一个特定的小区关系配置、一组小区关系配置或者所有小区关系配置以及针对不同的聚类选择准则来执行。

优选地对测量结果列表进行分层组织，以使得在较低(更详细)层的测量数不足以对小区多边形进行可靠计算的情况下，能够根据较低层来构造位于较高层的列表。

当UE将要被定位时，该过程进入用于位置确定的部分216。该部分开始于步骤218，其中确定针对待定位的UE的小区关系配置。这通常是以类似于步骤204中的方式来实现的。在步骤220中，某一小区关系配置和区域限定之间的关系被用来以一定置信度提供待定位的UE所位于其中的区域。该置信水平对应于区域优化期间所使用的预先确定部分。该过程结束于步骤299。在最好的情况下，定位的准确度对于例如北美E-911应急定位要求来说是可能足够的。然而，以此方式得到的位置不应当被用来根据部分202改进所述区域限定。

这些不同步骤的时间选择在一定程度上可以不同。在图4B中，图示出根据本发明的方法的另一个实施例的流程图。这里，两个部分202和216彼此交织在一起。优化区域的步骤212在这里由确定小区关系配置的步骤218来触发。然后优选地仅针对在步骤218中确定的小区关系配置来执行优化步骤212，以便节省时间。如果事先即在实际定位请求出现之前确定了这些关系，如图4A所示，那么就能够以更短的延迟执行定位。而图4B的实施例确保了总是利用最近的可用数据。

在步骤220中确定的位置能够构成最终的定位，或者它能够构成用于细化定位的辅助性数据。这在图4C中示出。这里，包含了额外的步骤222，其中从步骤220的关系中得到的位置被用于另外的定位方法中，以便进一步细化定位。这样的另外的定位方法能够例如是RTT定位或者A-GPS定位，这将在下面被进一步讨论。

优化区域的步骤212能够被认为是本发明的较重要部分之一。在图4D中，更详细地描述了该步骤的当前优选的实施例。在步骤230中，针对当前讨论的小区关系配置的所有高精度测量点n_TOT都由区域边界所包围。随后，n_TOT在后续步骤的第一次迭代中被用作高精度测量点的输入数。在步骤232中，检查比值(n_k-n)/n_TOT是否大于或等于预先确定的部分R，其中n为将要在该例程(routine)的下一次迭代期间去除的高精度测量点的数目。如果该比值足够大，那么面积缩减能够再前进至少一个步骤，并且该过程继续到步骤234。在步骤234中，根据某一预先确定的行动计划缩减面积，以便排除所输入的高精度测量点中的n个，留下n_k-n个剩余点，其被设为用于下一次迭代的高精度测量点的新输入数。优选地，以最小化或者至少缩减面积的方式执行步骤234。该过程再次返回至步骤232，这由箭头236示出。如果步骤232中的比值变得小于R，那么由于再一次的迭代将使得比值落到R之下的缘故而中断该过程，并且所述区域其后被用作与当前讨论的小区关系配置相关联的区域。

在包括WCDMA(宽带码分多址)系统的若干系统中，小区地理扩展的优选表示由小区多边形格式给出。小区的扩展由不与自身相交的封闭多边形的3-15个角来描述。所述格式是二维的，并且所述角是作为WGS84地理参考系统中的成对的经度和纬度来确定的。图5中图示出一个例子。在那里，示出了具有角90的小区多边形89的例子。RBS(无线电基站)通常靠近所述RBS服务的小区多边形89中的一个角90。3GPP系统提供了用于小区多边形的消息格式。图6图示出所使用的3GPP多边形消息IE(信息元素)。该IE存在于位置报告(LOCATION REPORT)消息中，所述位置报告消息在成功的小区标识定位之后通过RANAP接口返回到核心网络。

当本发明被用作小区ID定位方法时，通过RANAP或Iupc(UTRAN内RNC和SAS之间的逻辑接口)来报告与小区的特定标识对应的重新计算的多边形而不是预先计算的多边形。应当注意到，由于重新计算的多边形与报告格式一致，所以本发明直接与现有的定位接口相适应。

如果本发明被用作使用(更)软切换有效集合或者可检测的小区集合的增强的小区标识定位，则会出现类似的报告。如果存在着为确定的小区关系配置而存储的预先计算的多边形，那么选择该重新计算的多边形并且通过RANAP或Iupc来报告该重新计算的多边形。同样，本发明直接与现有的定位接口相适应。

区域限定数据应该被组织成使得能够使用小区关系配置信息对其进行高效的寻址。以此方式，无论何时没有计算出针对某些区域的面积，都能够找到覆盖替换区的隐蔽区(fallback area)。应当注意到，这种情况可能是例如由于不充分的测量统计的缘故而出现。

例如，如果没有为特定小区关系配置计算出多边形，那么以某种方式利用所存储的小区关系和区域限定的分层结构。一种可替换方案是不考虑小区关系配置的最后的小区标识，并且为如此缩减的小区关系配置寻找重新计算的多边形。如果存在着用于该缩减的小区关系配置的重新计算的多边形，那么就通过RANAP或Iupc报告该多边形。如果仍然没有计算的多边形，那么就去除小区关系配置的倒数第二个小区标识并且重复该过程。这个过程可以继续到顶层，其中小区关系配置与服务小区相对应。如果仍然没有重新计算的多边形，那么就能够使用预先计算的多边形。应当注意到，这里存在着许多可能的可替换策略。

附录A详细地给出了用于优化多边形的当前优选的实施例。简要地说，一个实施例仅仅集中于最小化围绕聚类结果的总的小区面积，同时保持置信度值的约束。对于这个过程，能够用公式表示并解决非线性优化问题。

另一实施例针对的是一种用于连续收缩小区面积的简单方法。该方法通过用多边形包围与所讨论的小区关系配置(一个或多个)相关联的聚类结果而开始。之后，所述收缩过程基于：根据预先确定的例程或规则沿第一预先确定的路径改变多边形的一个角的位置一次。典型地，这些规则考虑到从收缩多边形的内部排除预先确定数目的高精度位置确定。优选地，在每个步骤中选择移动这样的角，所述角能够根据预先确定的准则给出最佳改进。所述预先确定的准则能够例如是尽可能大的面积缩减。可替换地，预先确定的准则能够是区域内所有高精度位置确定的重心(centre of gravity)和多边形角之间尽可能大的距离缩减。特别地，角选择能够通过对每个角做出试探性(tentative)改变并且检查它们就所述预先确定的准则而言将引起什么改进来决定。然后重复该角改变步骤，直到只有群组的预先确定百分比的高精度位置确定仍然位于多边形内为止。所述第一预先确定的路径一般是通过原始角位置和聚类的高精度位置的重心的曲线。采用最简单的形式，该曲线是通过原始角位置和重心的直线。

在本发明的特定的实施例中，多边形角的改变允许高精度位置确定中的一个被置于多边形之外，但不允许高精度位置确定中的两个被置于多边形之外。这通常使得聚类的高精度位置确定中的一个被置于被改变的角和相邻的角之间的连线上或其附近。在一个更加精巧复杂的实施例中，所述改变能够包括可替换的预先确定的路径，并且沿这些可替换路径能够选择出这些试探性改变中的最佳选项。

图11是根据本发明的相关功能和定位节点45的实施例的框图。在假定被包含在WCDMA系统中的当前实施例中，这样的功能优选地被包含在RNC 40中。另一种可能性是在Iupc接口47的另一侧上的SAS节点(例如Ericsson SMLC)中实现本发明。还有一种可能性是在OSS-RC或者甚至在完全外部的节点中记录测量结果并且执行算法。于是，考虑到交换被检小区集合和所测量的高精度位置确定结果的现有接口中的信息元素和/或新接口就可能是必需的。

在外部节点中产生辅助位置确定的数据(即小区关系配置和相关联的区域之间的关系)的情况下，必须向定位节点提供信息以便辅助位置确定过程。然后，优选地可将辅助位置确定的数据存储于计算机可读介质，并且以合适的方式提供给定位节点，所述方式例如通过经由通信链路下载内容或者仅仅通过提供其中存储了所述数据的数据存储器装置。

RNC 40使用RRC接口37透明地经由RBS与UE通信。在本文中，至少两种信息类型受到关注；定位测量结果38，尤其是高精度定位测量结果，以及相邻小区信号测量结果39，例如切换测量结果。相邻小区信号测量结果39被提供给小区关系配置确定部分41，从而确定小区关系配置。在特定的实施例中，小区关系配置确定部分41能够基于现有技术的有效集合功能。特定用户设备的已确定的小区关系配置被提供给聚类部分42。

定位测量结果38被提供给定位节点45。高精度定位测量结果被提供给高精度定位部分46，其例如能够包括基于UTDOA或A-GPS的定位。在当前实施例中，诸如小区ID或RTT定位测量结果之类的其他定位测量结果被提供给中等精度定位部分48。高精度定位测量结果的分析结果(即高精度位置)被提供给聚类部分42，其中高精度位置与相应的小区关系配置相关联。所述测量结果根据小区关系配置来进行聚类，并且在特定的实施例中还根据例如辅助信息和/或辅助测量结果，尤其是记录时间、利用的RAB和/或RTT测量结果的其他选择准则来进行聚类。然后，例如可以通过中等精度定位部分48来提供RTT测量结果，如虚箭头53所示。可以通过辅助信息部分54来提供诸如时间或利用的RAB之类的辅助信息以及其他辅助测量结果。该辅助信息部分54能够被安排成在所述节点内部提供信息和/或被安排成从外部获得信息。

用于某一小区关系配置的位置的群组以及在一些实施例中在特定时间间隔内或使用特定RAB而选择的位置的群组被提供给算法框43。在算法框43中，计算区域限定。本发明的一个重要的目的是在算法框43中实现的，即以指定的置信水平计算描述每个测量结果群组的面积。在WCDMA的情况下，优选的区域限定是由3-15个角坐标限定的多边形。在特定的实施例中，算法框43提供多边形，以使得群组的高精度测量结果的给定部分位于多边形内部的概率。该算法框43优选地针对具有足够数目的足够新近的高精度测量结果的所有测量结果群组执行多边形的反复重新计算。区域限定被提供给区域存储器44，其中存储着代表小区关系配置的分层组织的集合的多边形。然后，该系统的定位算法使用所存储的多边形。所存储发多边形的数据结构优选地包含覆盖每个相关小区关系配置的指针的列表。每个这样的指针都指向如上所述反复计算的相应的3-15个角的多边形。该数据结构优选地还包括用于每个多边形的时间标记，其限定了计算该多边形的时间。

当请求根据本发明原理的位置确定时，在小区关系配置确定部分41中像通常那样确定小区关系配置。所得结果被传送到定位节点45中的控制部分49。当通过RANAP接口47接收到诸如所谓的位置报告控制消息之类的定位请求51时，控制部分49可以根据服务质量参数和UE性能，通过从区域存储器44获取(retrieve)区域限定来请求位置确定，所述区域限定对应于UE的当前小区关系配置。所获得的区域限定，优选地为多边形限定被包含在定位报告消息52中，其通常通过使用例如所谓的位置报告消息通过RANAP接口47而被发回。如在创建辅助位置确定的数据的阶段中一样，诸如时间或利用的RAB之类的辅助信息以及其他辅助测量结果也能够被用来细化区域限定的选择。这样的数据是通过辅助信息部分54来获得的。

如果将要把区域限定与任何附加的定位方法一起使用，那么把来自区域存储器44的获取的区域提供给高精度定位部分46或中等精度定位部分48，这取决于待使用的方法。然后，最终确定的位置被提供给控制部分49以供进一步报告。

小区关系配置确定部分41、高精度定位部分46、中等精度定位部分48和控制部分49的大多数功能通常在现有技术系统中都是能够获得的。然而，在一侧的小区关系配置确定部分41与另一侧的高精度定位部分46、中等精度定位部分48和控制部分49之间建立关系的连接先前是未知的。此外，聚类部分42、算法框43、区域存储器44以及与它们的连接都是全新的。而且，与这些新颖功能进行通信所需的小区关系配置确定部分41、高精度定位部分46、中等精度定位部分48和控制部分49中的功能也是新颖的。

用于增强的小区标识定位的一个原理旨在将小区扩展模型(区域限定)与距离测量相结合。为了实现该目的的两种可能性是往返时间测量和/或路径损耗测量。这两种可替换方案中更准确的是往返时间测量。路径损耗测量受到阴影衰落效应的影响，这导致准确度的量级为与UE距离的一半。图12中绘出了往返时间测量原理。简要地说，从RBS天线20到UE 10以及返回来的无线电波传播时间被测量。然后，根据下列公式得到从RBS天线20到UE 10的距离r：

$r=c\frac{T_{\mathrm{RTT}}}{2}$

其中T_RTT为往返时间，并且其中c为光速。

往返时间测量仅仅限定了一个圆，或者如果考虑了不准确度，则限定了环绕RBS天线20的环形带70。通过将该信息与小区15多边形相结合，能够计算出环形带70的左右角度。当根据本发明基本原理的区域限定11可用时，UE能够位于其上的环形带70的部分71能够被进一步减小，根据图12这是显然的。

本发明的基本原理与RTT测量之间的组合能够以可替换的方式获得。在这种实施例中，RTT测量结果能够被量化并且被用作用于根据本发明的聚类的选择准则的附加参数。其后，所述使用与基于不同RAB的选择类似。之后，根据本发明的过程被用于建立与不同RTT测量结果相对应的区域。实际上，尽管其看起来复杂，但是这甚至可能是有利的，这是因为实际的无线电信号传播通常会与理论估计截然不同，从而使得图12的圆形描述仅仅是一种粗略近似。在GSM应用中，可以利用对应于粗RTT测量的TA测量。

而且，本发明还能够进一步增强A-GPS性能。图13图示出典型的A-GPS系统。UE 10接收来自多个空间飞行器80的GPS测距信号81。参考(reference)GPS接收机86了解例如空间飞行器80的同步，并且通过参考接收器接口84向RNC 40的GPS接口83提供辅助性数据85。对位置测量结果和辅助性数据82的定制(order)是通过RRC接口37而被提供给UE 10的。通过测量不同GPS测距信号81的到达时间，UE能够同样根据所述辅助性数据确定高精度位置。已确定的位置的报告被发回RNC 40。除了其他数据之外，用于进行该位置确定的辅助性数据还包含UE 10的近似初始位置。该初始位置越准确，就能够使得GPS测距信号的检测越灵敏。这又可以引起更准确的最终位置，或者引起在更短时间内或借助于不那么苛求的处理而提供的具有相同准确度的最终位置。

如果高精度位置还包括高度数据，即所述位置限定了横向位置(lateral position)以及高度；“区域限定”能够被计算成具有三维扩展的表面。于是，基于这种辅助位置确定的数据的定位将产生这样的位置，所述位置还限定了某种高度估计。从而可以例如通过RANAP将扩充了高度的小区多边形中心点作为3D点来报告。多边形角的高度也能够被估计，例如作为所讨论的角附近的一些高精度测量结果的平均值。

上述实施例应当被理解为本发明的一些说明性的例子。本领域技术人员将会理解，可以在不偏离本发明的范围的情况下对这些实施例进行各种修改、组合和改变。特别地，在技术上可行的情况下，不同实施例中的不同部分解决方案都能够被结合到其他配置中。但是，本发明的范围是由所附权利要求来限定的。

附录A

在该附录中详细描述了本发明的当前优选实施例的主要部分。

聚类

在该特定实施例中，假定小区关系配置基于有效小区列表，即在软切换中有效的小区。相应的建模对于其他聚类选择规则而言也是可行的。

所获得的高精度位置测量结果通常以WGS 84地理坐标参考系表示。在时间t可获得的测量结果被表示为

(lat_j(t_j)long_j(t_j))^T，j＝1，…，N(t)，              (1)

此处，lat_j(t_j)和long_j(t_j)分别表示在时间t_i测得的纬度和经度。N(t)表示时间t处可获得的测量结果的总数。()^T表示矩阵/矢量转置。

在同一时间t_j(在某一合理的时间准确度内)，小区关系配置被采样以用于小区标识。所得结果为行矢量(或指针)

$\mathrm{Configuration}\left(t_j\right)=({\mathrm{cID}}_1\left(t_j\right){\mathrm{cID}}_2\left(t_j\right)...{\mathrm{cID}}_{N\left(t_j\right)}\left(t_j\right)),---\left(2\right)$

此处，“Configuration”指的是“配置”，cID_i(t_j)是在时间t_j例如更软切换中对UE而言第l个最强小区的小区标识，其中高精度定位是针对该UE而执行的。N(t_j)是在时间t_j的小区关系配置中小区的数目。

现在，把根据(2)而限定的用于聚类测量结果的任意可能指针表示为

Pointer_k＝(Index₁(k)…Index_N(k)(k))，k＝1，…，K    (3)

此处，“Pointer”指的是“指针”，Index_l(k)是(固定)指针k的第l个分量，N(k)是指针k的维数，K为计数器的数目。高精度位置测量结果的相应列表用List_k来表示。在时间t：

${\mathrm{List}}_k\left(t\right)=\left(\begin{array}{cccc}{\mathrm{lat}}_{k,1}\left(t_{k,1}\right)& {\mathrm{lat}}_{k,2}\left(t_{k,2}\right)& \·\·\·& {\mathrm{lat}}_{k,M(k,t)}\left(t_{k,M(k,t)}\right)\\ {\mathrm{long}}_{k,1}\left(t_{k,1}\right)& {\mathrm{long}}_{k,2}\left(t_{k,2}\right)& \·\·\·& {\mathrm{long}}_{k,M(k,t)}\left(t_{k,M(k,t)}\right)\\ t_{k,1}& t_{k,2}& \·\·\·& t_{k,M(k,t)}\end{array}\right),---\left(4\right)$

此处，M(k，t)表示在时间t时列表k的高精度测量结果的数目。如上所述，从每个列表中丢弃比预先指定的阈值更旧的测量结果。列表的最大大小也能够被预先指定，在这种情况下，当新测量结果到来时，不管最旧的测量结果存在多长时间，都丢弃该最旧的测量结果。

当在时间t_N(l)+1获得新的高精度测量结果和相应的小区关系配置时，聚类算法按照如下方式进行：

对于k＝1到K

    如果Pointer_k＝Configuration(t_N(k)+1)

${\mathrm{List}}_k\left(t_{N\left(k\right)+1}\right)=\left({\mathrm{List}}_k\left(t\right)\left(\begin{array}{c}{\mathrm{lat}}_{N\left(t\right)+1}\left(t_{N\left(t\right)+1}\right)\\ {\mathrm{long}}_{N\left(t\right)+1}\left(t_{N\left(t\right)+1}\right)\\ t_{N\left(t\right)+1}\end{array}\right)\right)$

    结束

    否则

        什么也不做

    结束

结束

多边形计算

记号(notation)

为了方便有效的算法描述，需要下列记号：

p＝(p₁…p_N)-与特定小区关系配置相对应的一个特定指针。

$r_{i,\mathrm{ll}}^p={\left(\begin{array}{cc}{x}_{i,\mathrm{ll}}^p& y_{i,\mathrm{ll}}^p\end{array}\right)}^T,i=1,...,N_p-$ 与WGS 84经纬度记号中的小区关系配置p相对应的多边形角。

$r_i^p={\left(\begin{array}{cc}{x}_i^p& y_i^p\end{array}\right)}^T,i=1,...,N_p-$ 与本地地球切向笛卡尔(Cartesian)坐标系中的小区关系配置p相对应的多边形角，其中原点(origin)位于蜂窝系统的覆盖区域中的某处。在不考虑高度的情况下，坐标轴通常为朝东和朝北。

$r_{j,\mathrm{ll}}^{m,p}=\left(\begin{array}{cc}{x}_{j,\mathrm{ll}}^{m,p}& y_{j,\mathrm{ll}}^{m,p}\end{array}\right),j=1,...,N_p^m-$ 高精度测量结果，用于确定与小区关系配置p相对应的多边形的角。应当注意到，该测量结果对应于与p相对应的List_k中的条目中的一个。

$r_j^{m,p}=\left(\begin{array}{cc}{x}_j^{m,p}& y_j^{m,p}\end{array}\right),j=1,...,N_p^m-$ 高精度测量结果，用于确定与小区关系配置p相对应的多边形的角。这些高精度测量结果被变换到相同的本地地球切向笛卡尔坐标系，原点位于蜂窝系统的覆盖区域中的某处，其在上面被使用。

C^p-与p相对应的多边形的指定置信度。当小区关系配置对应于p时，该值相当于UE位于所述多边形内的概率。

A^p-与p相对应的多边形的面积。

P^p-由多边形限定的区域。

坐标变换

该过程开始于把与p相对应的所有高精度测量结果变换到本地地球切向笛卡尔坐标系，在所述坐标系统中执行所有的计算。只有那些尚未进行变换的新的测量结果需要被处理。

约束小区面积最小化问题

多边形计算的原理受以下三种思想支配。

多边形的面积应当尽可能小，从而最大化准确度。

对于可获得的高精度测量结果，应当保持置信度值约束(constraint)。

应当保持对多边形的基本几何约束，尤其是不允许多边形与自身相交以及最后编号的角点(corner point)被连接到最先编号的角点(封闭性(closeness))的要求。

于是，能够为多边形角的计算建立起如下最小化问题：

$\{{\hat{r}}_1^p,...,{\hat{r}}_{N_p}^p\}=\underset{r_1^p,...,r_{N_p}^p}{\arg \min }{A}^p(r_1^p,...,r_{N_p}^p)---\left(5a\right)$

其服从多边形几何约束以及                           (5b)

$\underset{r_j^{m,p}\∈P^p}{\overset{N_p^m}{\underset{j=1}{\mathrm{\Σ}}}}1\≥C^p{N}_p^m.---\left(5c\right)$

这是非线性优化问题。这些年来已经开发出许多可以适用于求解(5a-c)的方法。

下面公开了一种新算法，不同的是其基于适合上述问题的直接方法。但是应当注意到，该方法不能精确求解(5a-c)，它基于与(5a-c)相同的思想但是采用步进的方式。

收缩多边形算法

该算法的主要思想是开始于初始多边形，所述初始多边形包含针对特定小区关系配置而收集的所有高精度测量结果。该初始多边形例如能够根据高精度测量结果的重心，继之以计算所有高精度测量结果与该重心的最大距离来计算。这限定了包含所有高精度测量点的圆。然后，初始多边形被选择成包含该圆。

在该初始步骤之后，通过将多边形的一个选定角点向内朝瞬时(momentary)重心移动来逐步缩减多边形的面积，以使得对于每个步骤，都从多边形的内部去除一个高精度测量点。面积缩减被执行，以使得在每个步骤都在所有角点上最大化面积缩减，并同时保持对所述约束的满足。

重心

高精度测量结果被作为点(非随机的)来处理，所以重心为算术平均，即

$r_{\mathrm{CG}}=\left(\begin{array}{cc}{x}_{\mathrm{CG}}& y_{\mathrm{CG}}\end{array}\right)=\frac{1}{N_p^{m,\mathrm{rem}}}\underset{q=1}{\overset{N_p^{m,\mathrm{rem}}}{\mathrm{\Σ}}}{\left(\begin{array}{cc}{x}_q^{m,p,\mathrm{rem}}& y_q^{m,p,\mathrm{rem}}\end{array}\right)}^T,---\left(6\right)$

此处，上标rem表示尚未通过收缩多边形算法从收缩多边形的内部去除的高精度测量结果。

启动

由于该算法的启动只影响该算法的前N_p个步骤，因此这里采用保守的方法。第一步是计算离重心的最大距离，即

$j_{\max }^p=\underset{j}{\max }\sqrt{{(x_j^{m,p}-x_{\mathrm{CG}})}^2+{(y_j^{m,p}-y_{\mathrm{CG}})}^2}---\left(7\right)$

$r^p=\sqrt{{(x_j^{m,p}-x_{\mathrm{CG}})}^2+{(y_j^{m,p}-y_{\mathrm{CG}})}^2}.---\left(8\right)$

因此，现在所有的高精度测量结果都位于重心的距离r^p内。应当注意到，如果有限数目的多边形角点环绕着该圆分布，那么不能保证多边形包含所有的高精度测量点。

由于环绕圆对称分布的初始点是吸引的(attractive)，因而附加的外圆被确定，以使其包含具有三个角的最简单多边形，所述三个角包含半径为r^p的圆，参见图7。于是，初始多边形角点能够环绕半径为R^p的该外圆分布。在几何上很显然的是，最大的外圆是针对由最小数量的(即3个)角限定的多边形来获得的。

现在，通过考虑图7能够将外半径与所计算的内半径联系起来。几何对称性表明

$R^p=\frac{r^p}{\sin \left(30\right)}={2r}^p.---\left(9\right)$

然后，初始多边形角点 ${\left\{r_i^{p,0}\right\}}_{i=1}^{N_p}$ 能够根据下式而被环绕外圆分布

$x_i^{p,0}=x_{\mathrm{CG}}+R^p\cos \left(360\frac{(i-1)}{N_p}\right)---\left(10\right)$

$y_i^{p,0}=y_{\mathrm{CG}}+R^p\sin \left(360\frac{(i-1)}{N_p}\right).---\left(11\right)$

当然，其他策略也是可能的。

最大角移动

应当注意到，在这个小节里描述的计算考虑了在每个迭代步骤中保留在收缩的多边形的内部的高精度测量点。参见下文，这对于(12)-(21)以及对于(24)-(26)都是成立的。

相对于高精度测量点的移动

为了评估在给定的迭代步骤中哪个多边形角向内移动最有利，首先有必要确定最大移动是什么。这需要考虑两个约束。

在特定角点沿指定方向向内朝重心移动时离开多边形的第二个高精度点限制了向内的移动。这要求在算法的特定迭代步骤中在留在多边形内的所有高精度测量点上进行搜索。

在特定角点沿指定方向向内朝重心移动时相交的第一多边形线段限制了向内的移动。这要求在多边形的(多边形角点之间的)所有线段上进行搜索。

这两个约束都需要被检查。它们一起确定了向内的最大移动。

参照图8，相对于特定高精度测量点的最大多边形角移动能够根据如下来确定。该图示出了具有三个相邻多边形角r_k ^p、r_i ^p、r_l ^p的情况。任意的编号是因为需要涵盖(cover up)这样的事实：多边形角点的最后一个和第一个是连接在一起的。

然后，中间点r_i ^p向内朝重心移动，即移动到多边形的内部93。结果，连接r_k ^p和r_i ^p以及连接r_i ^p和r_l ^p的线段92也发生移动。在移动的某一点处，所考虑的高精度测量点可能与这两条线段相交——这二者都需要被检查。

为了确定相交的试探点，r_i ^p的移动被计算为

$r_i^p\left({\mathrm{\α}}^p\right)=r_i^p+{\mathrm{\α}}^p(r_{\mathrm{CG}}-r_i^p)---\left(12\right)$

这里，α^p是当r_i ^p(α)在r_i ^p和r_CG之间移动时在0和1之间变化的标量参数。应当注意到，这是在数学上描述线段的标准方式。还应当注意到，在这种情况下移动可能延伸超出重心。

多边形的移动边界与所考虑的高精度测量点相交的必要(但不充分)条件是，r_i ^p(α^p)-r_k ^p和r_j ^m，p-r_k ^p变得平行，或者r_i ^p(α^p)-r_l ^p和r_j ^m，p-r_l ^p变得平行。利用平行矢量之间的叉积为零这一事实，兼顾α^p的计算。直接的代数运算给出结果：

${\mathrm{\α}}_{\mathrm{ik}}^{j,p}=\frac{-(x_i^p-x_k^p)(y_j^{m,p}-y_k^p)+(x_j^{m,p}-x_k^p)(y_i^p-y_k^p)}{(x_{\mathrm{CG}}-x_i^p)(y_j^{m,p}-y_k^p)-(x_j^{m,p}-x_k^p)(y_{\mathrm{CG}}-y_i^p)}---\left(13\right)$

${\mathrm{\α}}_{\mathrm{il}}^{j,p}=\frac{-(x_i^p-x_i^p)(y_j^{m,p}-y_i^p)+(x_j^{m,p}-x_i^p)(y_i^p-y_i^p)}{(x_{\mathrm{CG}}-x_i^p)(y_j^{m,p}-y_i^p)-(x_j^{m,p}-x_i^p)(y_{\mathrm{CG}}-y_i^p)}.---\left(14\right)$

下标表示用于限定被评估(under evaluation)的线段的多边形角点。上标表示高精度测量点的标号。(13)和(14)这二者都是有效约束的候选。然而应当注意，这是有条件的，即

${\mathrm{\α}}_{\mathrm{ik}}^{j,p}>0---\left(15\right)$

${\mathrm{\α}}_{\mathrm{il}}^{j,p}>0---\left(16\right)$

如果(15)和(16)不成立，那么需要丢弃相应的相交策略。

假设(15)和(16)成立，那么仍然要检查交点是否落在限制多边形的线段的点之间。这意味着，对于某些 ${\mathrm{\β}}_{\mathrm{ik}}^{j,p}\∈\left[\mathrm{0,1}\right]$ 或者 ${\mathrm{\β}}_{\mathrm{il}}^{j,p}\∈\left[\mathrm{0,1}\right],$ 应当满足下列等式：

$r_j^{m,p}=r_i^p\left({\mathrm{\α}}_{\mathrm{ik}}^{j,p}\right)+{\mathrm{\β}}_{\mathrm{ik}}^{j,p}(r_k^p-r_i^p)---\left(17\right)$

$r_j^{m,p}=r_i^p\left({\mathrm{\α}}_{\mathrm{il}}^{j,p}\right)+{\mathrm{\β}}_{\mathrm{il}}^{j,p}(r_l^p-r_i^p).---\left(18\right)$

由于产生(13)和(14)的矢量是平行的，因此在求解β^p时考虑坐标(17)和(18)的其中一个就足够了。结果为：

${\mathrm{\β}}_{\mathrm{ik}}^{j,p}=\frac{x_j^{m,p}-x_i^p\left({\mathrm{\α}}_{\mathrm{ik}}^{j,p}\right)}{x_k^p-x_i^p\left({\mathrm{\α}}_{\mathrm{ik}}^{j,p}\right)}---\left(19\right)$

${\mathrm{\β}}_{\mathrm{il}}^{j,p}=\frac{x_j^{m,p}-x_i^p\left({\mathrm{\α}}_{\mathrm{il}}^{j,p}\right)}{x_i^p-x_i^p\left({\mathrm{\α}}_{\mathrm{il}}^{j,p}\right)}.---\left(20\right)$

相对于r_i ^p的移动，在对点r_j ^m，p的评估中所需的最后的逻辑能够被简要概述如下。假如：

${\mathrm{\&alpha;}}_{\mathrm{ik}}^{j,p}>0$ 且 $0<{\mathrm{\&beta;}}_{\mathrm{ik}}^{j,p}<1,$ 那么α_ik ^j，p代表r_i ^p和r_k ^p之间的线段的可行的最大移动。

${\mathrm{\&alpha;}}_{\mathrm{ik}}^{j,p}>0$ 且那么α_ik ^j，p代表向内的点，但是可行最大的移动是不相关的，这是因为相交发生在r_i ^p和r_k ^p之间的线段之外。在这种情况下，向内移动不应当限制允许的最小向内移动。这是通过设 ${\mathrm{\&alpha;}}_{\mathrm{ik}}^{j,p}={\mathrm{\&alpha;}}_{\max }$ 来实现的，其中α_max是大的向内移动，比如10。

${\mathrm{\&alpha;}}_{\mathrm{ik}}^{j,p}<0$ 且 $0<{\mathrm{\&beta;}}_{\mathrm{ik}}^{j,p}<1,$ 那么α_ik ^j，p代表r_i ^p和r_k ^p之间的线段的可行的最大移动。然而，由于它是向外的移动，所以它应该被设置为零，这是因为本算法是针对向内移动而设计的。

${\mathrm{\&alpha;}}_{\mathrm{il}}^{j,p}>0$ 且 $0<{\mathrm{\&beta;}}_{\mathrm{il}}^{j,p}<1,$ 那么α_il ^j，p代表r_i ^p和r_l ^p之间的线段的可行的最大移动。

${\mathrm{\&alpha;}}_{\mathrm{il}}^{j,p}>0$ 且

那么α_il ^j，p代表向内的点，但是可行的最大移动是不相关的，这是因为相交发生在r_i ^p和r_k ^p之间的线段之外。在这种情况下，向内移动不应当限制允许的最小向内移动。这是通过设 ${\mathrm{\&alpha;}}_{\mathrm{il}}^{j,p}={\mathrm{\&alpha;}}_{\max }$ 来实现的，其中α_max是大的向内移动，比如10。

${\mathrm{\&alpha;}}_{\mathrm{il}}^{j,p}<0$ 且 $0<{\mathrm{\&beta;}}_{\mathrm{il}}^{j,p}<1,$ 那么α_il ^j，p代表r_i ^p和r_k ^p之间的线段的可行的最大移动。然而，由于它是向外的移动，所以它应该被设置为零，这是因为本算法是针对向内移动而设计的。

如果α_ik ^j，p和α_il ^j，p这二者都是可行的最大移动，那么就选择最小的那个。所考虑的情况能够被总结如下：

应当注意到，所列出的情况中有些可能从不出现。在遵循本文档给出的顺序以连续的方式执行这些计算的情况下，这是没有太大关系的。

相对于多边形线段的移动

(12)所给出的移动直线与r_m ^p和r_n ^p之间的线段的交点由下列方程组的解给出，所述方程组关于参数α_i，mn ^p和γ_mn ^p进行求解，其中下标指的是在计算中所涉及的点

$r_i^p+{\mathrm{\&alpha;}}_{i,\mathrm{mn}}^p(r_{\mathrm{CG}}-r_i^p)=r_m^p+{\mathrm{\&gamma;}}_{\mathrm{mn}}^p(r_n^p-r_m^p)$

$\&DoubleLeftRightArrow;((r_{\mathrm{CG}}-r_i^p)-(r_n^p-r_m^p))\left(\begin{array}{c}{\mathrm{\&alpha;}}_{i,\mathrm{mn}}^p\\ {\mathrm{\&gamma;}}_{\mathrm{mn}}^p\end{array}\right)=r_m^p-r_i^p.---\left(22\right)$

不应当针对邻近于r_i ^p的点来计算所述解。此外，如果 ${\mathrm{\&gamma;}}_{\mathrm{mn}}^p\&NotElement;\left[\mathrm{0,1}\right],$ 那么这两条直线之间的交点落在r_m ^p和r_n ^p之间的相关线段之外。如果是这种情况，那么在评估角r_i ^p的过程中应当忽略该交点。仍然保留条件 ${\mathrm{\&alpha;}}_{i,\mathrm{mn}}^p>0.$ 还应当注意到，对于每个角点和本算法的每个迭代步骤，仅需对(22)求解一次。

为了获得完整的描述，首先针对不包括邻近于r_i ^p的线段的所有线段来对(22)求解。具有满足 ${\mathrm{\&alpha;}}_{i,\mathrm{mn}}^p>0$ 且 ${\mathrm{\&gamma;}}_{\mathrm{mn}}^p\&Element;\left[\mathrm{0,1}\right]$ 的最小α_i，mn ^p值的解被表示为(应当注意到，由于移动是向内的，因此这样的解总是存在的)

${\mathrm{\&alpha;}}_{i,m_o{n}_o}^p,{\mathrm{\&gamma;}}_{m_o{n}_o}^p---\left(23\right)$

组合

由于只要考虑了约束，所有高精度测量点都是沿相同方向来评估的，因此它们能够被直接组合。还应当注意到，由于对于每个迭代步骤都从多边形内部去除一个点，所以限制性(limiting)高精度测量点被选择作为变为有效的第二个点。从而变为有效约束的高精度测量点由(24)给出，其中(24)能够根据如下来计算

$j_{\mathrm{first}}=\underset{t_j^{m,p}\&Element;P^p}{\underset{j}{\arg \min }}{\mathrm{\&alpha;}}_i^{j,p}$

$j_{\mathrm{activeConstraint}}=\underset{r_j^{m,p}\&Element;P^n}{\underset{j\&NotElement;j_{\mathrm{firts}}}{\arg \min }}{\mathrm{\&alpha;}}_i^{j,p},---\left(24\right)$

此处“first”指的是“第一”，“activeConstraint”指的是“有效约束”。

相应的移动变成

${\mathrm{\&alpha;}}_i^{p,\mathrm{measurementConstraints}}={\mathrm{\&alpha;}}_i^{j_{\mathrm{activeConstraint}},p}.---\left(25\right)$

此处“measurementConstraints”指的是“测量约束”

最后，将该结果(25)与自相交的可能性施加的约束组合起来

${\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}=\min ({\mathrm{\&alpha;}}_i^{p,\mathrm{measurementConstraints}},{\mathrm{\&alpha;}}_{i,m_0{n}_0}^p)-\mathrm{\&epsiv;},---\left(26\right)$

此处，“allConstraints”指的是“全部约束”，ε是防止约束变得刚好有效的小数值，以使在下一个迭代步骤中搜索开始于约束点之外。

所获得的多边形面积缩减

所获得的面积缩减之后是对图9中示出的多边形部分的面积进行积分，或者等效地说进行计算。

考虑到这样的事实：曲线下的面积能够作为矩形和三角形的面积之和来计算以及只有与移动和邻近的点有关的面积才受到移动的影响，可以推断，移动之前和之后的面积能够被表示为：

$A_{i,\mathrm{before}}^p=A_0+\frac{1}{2}(x_i^p-x_k^p)(y_k^p+y_i^p)+\frac{1}{2}(x_l^p-x_i^p)(y_i^p+y_l^p)---\left(27\right)$

$A_{i,\mathrm{after}}^p=A_0+\frac{1}{2}(x_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)-x_k^p)(y_k^p+y_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right))$

$+\frac{1}{2}(x_i^p-x_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right))(y_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)+y_i^p)---\left(28\right)$

因此，获得的面积缩减由如下给出

$\mathrm{\&Delta;}{A}_i^{p,\mathrm{allConstraints}}=|\frac{1}{2}(x_i^p-x_k^p)(y_k^p+y_i^p)+\frac{1}{2}(x_l^p-x_i^p)(y_i^p+y_l^p)$

$-\frac{1}{2}(x_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)-x_k^p)(y_k^p+y_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right))---\left(29\right)$

$-\frac{1}{2}(x_l^p-x_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right))(y_l^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)+y_l^p)$

该面积缩减度量的最大值确定在特定的迭代中移动N_p个角中的哪些，而(12)和(26)确定所述移动。

算法

在下面的算法中，N_p ^m，rem表示每个角移动迭代步骤中保留在多边形内的高精度测量点的数目。于是，针对一个特定的小区关系配置p的多边形计算的算法为：

初始化：

·计算群组的所有高精度测量结果的重心(6)。

·计算离重心的最大距离r(7)、(8)。

·计算环绕圆R分布的初始多边形(9)、(10)、(11)。

面积最小化：

重复  直到 $N_p^{m,\mathrm{rem}}<C^p{N}_p^m$ 或 ${\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\&le;0$ (测量结果去除循环)。

计算保留在多边形内的点的重心(6)。

    对于i＝1到N_p(角移动评估循环)。

        对于j＝1到N_p ^m，rem(测量点约束评估循环)。

            计算并且存储允许的、逐点约束的角移动(21)。

        结束(测量点约束评估循环)。

        计算并且存储允许的、组合的、测量结果约束的移动(24)、(25)。

        计算并且存储允许的、自相交约束的移动(23)。

        计算并且存储组合的、允许的、测量结果和自相交约束的移动(26)。

        计算并且存储与(26)相对应的面积缩减(29)。

    结束(角移动评估循环)

    找出具有与最大面积缩减相对应的标号i₀的角。

    以移动

来更新(12)角i₀。

    从任何内部点列表中去除不再位于多边形内部的高精度测量点

$N_p^{m.\mathrm{rem}}:=N_p^{m,\mathrm{rem}}-1.$

结束(测量结果去除循环)。

将多边形的最终角点变换成WGS 84c经度和纬度。

数值例子

由于所述聚类算法相对简单，因此在图10A-B中示出显示该多边形收缩算法的操作的例子。在该例子中，根据该图，产生3000个高精度测量点。能够看出，在v状构形中存在三个重叠的“热点(hot spot)”，测量结果都聚集在其周围。根据图10A开始的15个角的多边形通过使用指定的置信度95％来优化。所得结果非常好，参见图10B。

Claims (50)

1.一种用于在蜂窝通信网络(100)中提供辅助位置确定的数据的方法，包括步骤：

针对用户设备(10)建立(204)小区关系配置；

所述小区关系配置至少包括小区(15)的小区标识，其中去往/来自所述用户设备(10)的信号在被接收时满足至少一个特定的无线电条件准则；

为所述用户设备(10)执行(206)高精度位置确定；

重复(210)所述建立(204)和执行(206)步骤多次；

把属于相同小区关系配置的所述高精度位置确定的结果聚类(208)在分离的聚类结果中；

将区域限定(11、11A-K、11Z)与所述聚类结果中的至少一个关联(212)；

创建(212)辅助位置确定的数据，所述辅助位置确定的数据包括所述小区关系配置和所述相关联的区域限定(11、11A-K、11Z)之间的关系。

2.根据权利要求1所述的方法，其中所述特定的无线电条件准则是：在软切换和更软切换的至少一个之中使用连接。

3.根据权利要求1所述的方法，其中所述特定的无线电条件准则是：信号能够实现对发射/接收节点的小区的识别。

4.根据权利要求1-3中任何一项所述的方法，其中所述小区关系配置还包括对所包含的小区标识的排序。

5.根据权利要求4所述的方法，其中所述排序与信号强度相关量相关联。

6.根据权利要求5所述的方法，其中所述信号强度相关量选自含以下项的列表：

信号强度；

路径损耗；以及

信号干扰比。

7.根据权利要求1-6中任何一项所述的方法，其中所述相关联的区域包含所述聚类结果的预先确定的百分比。

8.根据权利要求7所述的方法，其中所述相关联的区域限定(11、11A-K、11Z)的面积度量被最小化。

9.根据权利要求8所述的方法，其中所述相关联的区域限定(11、11A-K、11Z)是多边形(89)。

10.根据权利要求1-7中任何一项所述的方法，其中所述相关联的区域限定(11、11A-K、11Z)是多边形(89)。

11.根据权利要求10所述的方法，其中所述关联步骤又包括步骤：

用多边形(89)包围属于一个小区关系配置的所述高精度位置确定的所述聚类结果中的至少一个；

沿预先确定的路径改变所述多边形(89)的角(90)位置以改进预先确定的准则，且同时保持群组的所述高精度位置确定的至少预先确定的百分比位于多边形(89)内。

12.根据权利要求11所述的方法，其中所述改进是对当前改变步骤的优化。

13.根据权利要求11或12所述的方法，其中所述改变步骤被重复，直到另一改变步骤使多边形(89)内聚类结果的高精度位置确定的所述预先确定的百分比无效。

14.根据权利要求11、12或13所述的方法，其中所述预先确定的准则是：所述多边形(89)的面积缩减尽可能大。

15.根据权利要求11、12或13所述的方法，其中所述预先确定的准则是：区域内所有高精度位置确定的重心与所述改变的角之间的距离缩减尽可能大。

16.根据权利要求11-15中任何一项所述的方法，其中所述预先确定的路径是通过原始角位置和多边形(89)内聚类结果的所述高精度位置确定的重心的曲线。

17.根据权利要求16所述的方法，其中所述曲线是通过原始角位置和多边形(89)内聚类结果的所述高精度位置确定的重心的直线。

18.根据权利要求11-17中任何一项所述的方法，其中所述改变步骤包括一次改变一个角位置(90)，从而允许所述聚类结果的所述高精度位置确定中的一个而不是所述高精度位置确定中的两个被置于所述多边形(89)之外。

19.根据权利要求11-17中任何一项所述的方法，其中在所述改变步骤的至少一个中允许所述聚类结果的所述高精度位置确定中的一个以上被置于所述多边形(89)之外。

20.根据权利要求18所述的方法，其中所述改变一次改变一个角(90)位置，并且使得所述聚类结果的所述高精度测量中的一个被置于被改变的角和相邻角之间的线段(92)上。

21.根据权利要求11-20中任何一项所述的方法，其中在所述改变步骤中，沿一个以上预先确定的路径试探性地改变所述多边形(89)的所述角(90)的位置，并且所述预先确定的路径是根据所述预先确定的准则而被选择作为给出最佳结果的路径。

22.根据权利要求1-21中任何一项所述的方法，其中在所述聚类步骤(208)中，根据另外的准则来选择待聚类的所述高精度位置确定的所述结果。

23.根据权利要求22所述的方法，其中所述另外的准则基于有关信令情况的辅助信息和信令特性的辅助测量结果中的至少一个。

24.根据权利要求23所述的方法，进一步包括步骤：记录所述高精度位置确定的测量时刻，由此所述另外的准则至少基于所述测量时刻。

25.根据权利要求24所述的方法，其中仅仅对比预先确定的时期更早的所述高精度位置确定的结果进行聚类。

26.根据权利要求24所述的方法，其中仅仅对在一个或若干预先确定的天、周或年时段期间测量的所述高精度位置确定进行聚类。

27.根据权利要求23所述的方法，进一步包括步骤：记录在所述高精度位置确定期间使用的无线电接入承载的类型，由此所述另外的准则至少基于所述类型的无线电接入承载。

28.根据权利要求23所述的方法，进一步包括步骤：记录无线电信号相对于特定基站的往返时间，由此所述另外的准则至少基于所述往返时间。

29.根据权利要求1-28中任何一项所述的方法，其中所述聚类(208)、关联和创建步骤(212)被连续地或间断地执行。

30.根据权利要求29所述的方法，其中所述聚类(208)、关联和创建步骤(212)是针对可能的小区关系配置中的至少一个来执行的。

31.根据权利要求30所述的方法，进一步包括步骤：在计算机可读介质存储最后得到的辅助位置确定的数据。

32.根据权利要求1-28中任何一项所述的方法，其中所述聚类(208)、关联和创建步骤(212)是在位置确定被请求时被执行的。

33.一种用于无线电网络规划的方法，包括步骤：

获得根据权利要求1-32中任何一项而提供的辅助位置确定的数据；

在要求时执行所述执行(206)高精度位置确定的步骤；以及

评估与实际无线电传播有关的所述辅助位置确定的数据。

34.一种用于确定用户设备(10)在蜂窝通信网络(100)中的位置的方法，包括步骤：

获得根据权利要求1-32中任何一项而提供的辅助位置确定的数据；

针对所述用户设备(10)建立(218)小区关系配置；

所述小区关系配置至少包括小区的小区标识，其中去往/来自所述用户设备(10)的信号在被接收时满足至少一个特定的无线电条件准则；以及

通过所述辅助位置确定的数据来确定(220)与所述小区关系配置有关的区域限定(11、11A-K、11Z)，所述区域限定(11、11A-K、11Z)限定了所述用户设备(10)位于其中的区域。

35.根据权利要求34所述的方法，进一步包括步骤：

提供有关信令情况的辅助信息和信令特性的辅助测量中的至少一个；

由此所述确定区域限定的步骤还基于所述有关信令情况的辅助信息和信令特性的辅助测量结果中的至少一个。

36.根据权利要求34或35所述的方法，其中所述区域限定(11、11A-K、11Z)是多边形(89)。

37.一种用于确定用户设备(10)在蜂窝通信网络(100)中的位置的方法，包括步骤：

根据权利要求34-36中任何一项确定所述用户设备的初始位置；以及

通过细化的定位方法来细化(222)所述初始位置。

38.根据权利要求37所述的方法，其中所述细化的定位方法基于UTDOA测量。

39.根据权利要求37所述的方法，其中所述细化的定位方法基于RTT测量。

40.根据权利要求37所述的方法，其中所述细化的定位方法基于辅助GPS。

41.一种用于在蜂窝通信网络(100)中提供辅助位置确定的数据的装置，包括：

用于针对用户设备(10)建立小区关系配置的装置(41)；

所述小区关系配置至少包括小区的小区标识，其中去往/来自所述用户设备(10)的信号在被接收时满足至少一个特定的无线电条件准则；

用于为所述用户设备(10)执行高精度位置确定的装置(46)；

用于把属于相同小区关系配置的所述高精度位置确定的结果聚类在分离的聚类结果中的装置(42)；

用于将区域限定(11、11A-K、11Z)与所述聚类结果中的至少一个关联并且创建辅助位置确定的数据的装置(43)，所述辅助位置确定的数据包括所述小区关系配置和所述相关联的区域限定(11、11A-K、11Z)之间的关系。

42.一种用于确定用户设备(10)在蜂窝通信网络(100)中的位置的装置，包括：

用于根据权利要求41来获得辅助位置确定的数据的装置；

用于针对所述用户设备建立小区关系配置的装置(41)；

所述小区关系配置至少包括小区的小区标识，其中去往/来自所述用户设备(10)的信号在被接收时满足至少一个特定的无线电条件准则；以及

用于通过所述辅助位置确定的数据来确定与所述小区关系配置有关的区域限定(11、11A-K、11Z)的装置(49)，所述区域限定(11、11A-K、11Z)限定了所述用户设备(10)位于其中的区域。

43.根据权利要求42所述的装置，还包括：

用于细化所述区域的装置(48)，所述用户设备通过细化的定位方法而被定位在所述区域中。

44.根据权利要求43所述的装置，其中所述用于细化的装置包括用于执行UTDOA定位的装置。

45.根据权利要求43所述的装置，其中所述用于细化的装置包括用于执行RTT定位的装置。

46.根据权利要求43所述的装置，其中所述用于细化的装置包括辅助GPS装置。

47.一种蜂窝通信网络(100)的节点(40)，包括根据权利要求42-46中任何一项所述的装置。

48.根据权利要求47所述的节点，是选自含以下项的列表的节点：

基站(30)；

基站控制器；

无线电网络控制器(40)；

服务移动位置中心；以及

独立的服务移动位置中心。

49.一种蜂窝通信网络(100)，包括根据权利要求42-46中任何一项所述的装置。

50.一种计算机可读介质，包括根据权利要求1-32中任何一项而提供的辅助位置确定的数据。

Images