CN101895812A - 一种在蜂窝网络中的最匹配信号强度的定位方法 - Google Patents

Abstract

本发明揭露了一种在蜂窝网络中的最匹配信号强度的定位方法，包含如下步骤：从数据库中取出所有至少有一个基站CGI信息和实测位置基站信息匹配的记录；计算每个实测位置的权值W_i；计算记录数M；计算定位信息，

，其中，位置P_i，i＝1，...，n，为数据库中查询到的多个位置，W_i，i＝1，...，n，为每个实测位置的权值；将定位信息发送至手机终端。

Description

一种在蜂窝网络中的最匹配信号强度的定位方法

技术领域

本发明涉及无线通信领域，尤其涉及一种蜂窝网络中的定位方法。

背景技术

蜂窝网络中的定位是指在网络中定位到终端所处的位置，即经纬度。现有的几种定位方法有：CELL_ID技术、TDOA、EOTD、OTDOA和E-FLT技术、FingerPrint(FPT)技术、到达角交汇定位(AOA)技术。以下详细说明一下这些定位技术。

CELL_ID定位系统根据用户在网络内所处的小区或基站，标识终端位置。终端有可能在小区内的任何位置，因此定位精度完全取决于小区的大小。CELL_ID及其改进技术是实现蜂窝网终端定位最简单的方法，所需投入的财力、人力和物力资源少，占用网络资源少，实施方便，响应时间短，可用于所有蜂窝网络，并适用于GSM/GPRS/WCDMA/cdma2000等。但CELL_ID的定位方法定位精度较低，随地理位置的不同定位精度有很大差异，一般将其作为辅助定位手段，为精确定位提供辅助信息，实现初始定位。

TDOA、EOTD、OTDOA和E-FLT技术四种定位技术都利用时间差参数确定位置，数字模型相同，定位精度都受系统定时精度的影响。无论基于终端还是基于网络，基站之间都必须严格同步，确保系统本身的定时误差不会给定位结果造成明显影响。IS-95CDMA和cdma2000属于同步系统，通过GPS实现全网同步，能保证基站的定时精度。GSM/GPRS和WCDMA属于异步网络，必须在每个基站增加高精度和高稳定性的定时单元(原子种或GPS时钟)，或在基站之间增加定时单元LMU实现时钟统一。另外，在CDMA系统中，通过时差实现定位的系统都受″可测性″的影响，其中反向功率控制会严重影响TDOA的定位，前向功率控制对OTDOA的影响也较大。

FingerPrint技术又称射频信号模式匹配，是美国无线公司(US Wireless)开发的专利技术，已成功用于RadioCamera系统中。由于多径干扰的模式完全取决于反射环境，所以特定地区的干扰模式具有自己的特征。终端发射的无线电波经建筑物和其它障碍物的反射和折射，产生与周围环境密切相关的特定模式多径信号。基站天线阵列检测信号的幅度和相位特性，提取多径干扰特征参数，将该参数与预先存储在数据库中的模式进行匹配，找出最相似的结果，然后结合地理信息系统，找出与该模式相匹配的地区范围，以街道和城区的图形化形式输出定位结果。FPT技术基本不受非视距传输效应(NLOS)影响，系统独立性强，结构简单。但FPT技术实施的高度复杂性是推广应用的最大障碍，因为在FPT定位系统投入实际使用前，必须建立庞大完整的位置指纹数据库，详细记录城市每个可分辨最小区域的特征，并保持与城市建设同步更新，以保证指纹样本的有效性、可靠性和准确性，所以该项技术尚处于试运行阶段，难以大规模应用。

到达角交汇定位(AOA)技术在两个以上的位置点设置方向性天线或阵列天线，获取终端发射的无线电波信号角度信息，然后通过交汇法估计终端的位置。它只需利用两个天线阵列就能完成目标的初始定位，与TDOA等技术的定位体制相比，系统结构简单，但要求天线阵具有高度灵敏度和高空间分辨率。建筑物分别密集、高度和地形地貌对AOA的定位精度影响较大，在室内、城区及乡村地区，AOA的典型值分别为360度、20度和1度。随着基站与终端之间的距离增加，AOA的定位精度逐渐降低。AOA定位误差主要由城市的多径传播及系统误差造成，可通过预先校正来抵消系统误差的影响，而建筑物密集地区的多径效应一直是困扰无线通信的难题，智能天线可在一定程度上减小多径干扰的影响，但由于实现复杂和设备成本的问题，尚未广泛应用。因此，AOA技术虽然结构简单，但是在城市蜂窝定位系统中并未得到应用。

可见，业界存在着一种技术需求：提供一种应用于蜂窝网络中的、便于实施、不依赖移动终端和移动网络的硬件设备的、具有较高定位精度的定位方法。

发明内容

本发明的目的是提供一种在蜂窝网络中的最匹配信号强度的定位方法，本发明的技术方案如下：

一种在蜂窝网络中的最匹配信号强度的定位方法，包含如下步骤：

从数据库中取出所有至少有一个基站的CGI(全球小区识别码Cell Global Identity)和当前实测位置检测到的基站CGI匹配的位置记录；

计算每个位置的权值W_i；

计算记录数M；

计算定位信息；

将定位信息发送至手机终端。

本发明的另外一个实施例提供了一种在蜂窝网络中的最匹配信号强度的定位方法，计算定位信息的方法为：

$P=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i{P}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i},$ 其中，

位置P_i，i＝1，...，n，为数据库中查询到的多个位置；

W_i，i＝1，...，n，为每个位置的权值。

计算权值W_i的方法为：

k为实测位置和数据库中位置检测到的基站中，基站CGI相同的基站数。其中，

R为最大信号强度的开平方，

A(A＞＝1)为手机串号所占的权值，

W(A)＝{A，当手机串号相等时；1，当手机串号不等时。}。

rss_j表示数据库中记录检测到的每个基站的信号强度，rss’_j表示实测位置检测到的每个基站的信号强度。

本发明的优点是：

1)信号信息的测量是在终端，不是在基站。因此本发明的实施不需要网络运营商的支持，仅需要修改终端的软件，并提供一个服务器和终端进行通信，负责数据的存储和定位的计算。

2)信号信息仅使用了终端检测到基站的个数和对应基站的信号强度，因此不需要终端具有复杂的硬件，几乎所有的移动终端都可以提供这些信息。

3)原始数据的采集比较方便。众所周知，所有这种收集经验数据，并使用当前数据与经验数据进行比较的定位算法，最为复杂的部分就是经验数据的收集。本发明的数据收集只需要一个同时支持GPS功能和蜂窝网络的移动终端，下载特定的手机软件后，放在车辆中，随着车辆的行驶就可以进行数据的收集。更重要的是，如果待定位的终端本身就具有GPS功能，那么终端本身也可以被当作一个收集器。这样并不需要经验数据覆盖整个区域，本发明就可以推广使用，因为经验数据会随着用户的使用而渐渐完整。比如用户居住地点并没有经验数据，但是如果用户在居住地点附近使用过GPS定位，那么数据会自动丰富到基站定位的经验数据中，以后，用户就可以使用这些经验数据进行定位。

附图说明

下面结合附图，通过对本发明的具体实施方式的详细描述，将使本发明的技术方案及其他有益效果显而易见。

图1为本发明的方法中各组成部分的功能示意图；

图2为数据收集过程的示意图；

图3为数据收集过程中数据整理计算步骤的示意图；

图4为位置计算步骤的示意图。

具体实施方式

为了更进一步了解本发明的特征，请参阅以下有关本发明的详细说明与附图，然而所附图式仅提供参考与说明之用，并非用来对本发明的保护范围加以限制。

如图1所示，为本发明的方法中各组成部分的功能示意图。本发明方法在服务器101上执行。在数据收集阶段，本方法将经验数据手机终端102收集到的基站信息和信号强度信息105发送至服务器101，并保存在服务器10上的数据库中。数据库具有两个表：原始数据表和目的数据表。经验数据手机终端102收集到的信息首先保存在原始数据表中，以用于本发明方法的后续处理。在定位阶段，本发明将待定位移动终端104在当前位置检测到的基站103的基站信息和信号强度信息106发送至服务器，由本方法计算出定位结果107，并发送给待定位移动终端104。

图2为数据收集过程的方法流程图，分为原始数据采集201和数据整理202两个步骤。在201步骤，采集基站信息和信号强度到原始数据表；在202步骤，将原始数据通过数据整理合并到目的表。具体的数据整理方法见图3。

在原始数据采集阶段，首先采集基站103的基站信息和信号强度信息106。由经验数据手机终端102采集基站信息和信号强度信息106，发送至服务器101，存储在位于服务器101上的数据库中。这些数据作为原始数据表存储在数据库中，记录了每个测试位置的经纬度和该位置检测到的多个基站信息，其中每个基站信息包括以下信息：基站基本信息(MCC，MNC，LAC ID，CELL ID(CI)，这些信息标志了一个唯一的基站，称为全球小区识别码(CGI)信息)，以及检测到的每一个基站103的信号强度。但是这个原始数据表并不直接用于定位算法的计算，需要经过数据整理过程合并到一个目的数据表中，而这个目的数据表才是真正用于定位计算的数据表。

本发明的数据整理就是及时整理保存在数据库中的基站信息及基站的信号强度信息106。数据量在服务的过程中会变得越来越庞大，基站103的调整也会使一些数据变得无效。因此数据要不断的进行调整，获得最新的有用信息，并去掉过期的无用数据，这样才使得本发明方法准确。数据整理是合并同一位置的类似数据。由于数据整理的计算量比较大，在用户数量庞大，数据量较多的情况下最好定期执行。

设定R：表示当两个位置距离为多少米以内时，可合并为同一个位置。

整理方法包含如下步骤，请见图3：

步骤301：取原始数据表中所有未处理的记录，从第一条开始处理；

步骤302：将该记录与目的数据表中的记录依次进行比较，如果与某条记录距离小于R，则将两条记录合并为一条记录，保存在目的数据表中；如未找到符合条件的记录，则添加一条新的记录。

步骤303：将该条记录置为已处理，然后重复步骤301。

步骤302中的记录合并的方法为：

1.目的数据表中新的经纬度信息为原始信息和新信息的平均值。

2.将原始数据表中所有基站信息添加到目的数据表中，如同样的基站已存在，则新的信号强度为两者信号强度的平均值。

3.将合并后的目的数据表中记录的合并次数加1。

4.计算经纬度和信号强度平均值的时候，记录每条原始记录的合并次数，表示该原始记录是由几条更原始的记录合并而来。

如图4所示，为本发明方法位置计算步骤的详细流程图。

步骤401，从数据库中取出所有至少有一个基站103的CGI信息和当前实测位置检测到的基站CGI信息匹配的位置记录。

步骤402，计算每个位置的权值W_i，此权值表示数据库中基站位置和实际位置的接近程度，W_i越大，表示数据库中基站位置距离实测位置更近。

在服务器收到手机终端发送的当前位置基站信息后，将数据库的每个位置的基站信息和当前实测位置基站信息进行比较，来判断数据库中记录的位置和当前位置的远近关系。一方面，当数据库中某个位置检测到的基站CGI有较多和当前位置检测到基站的CGI匹配，并且信号强度更为接近时，我们可以认为数据库中该记录的位置距离实际位置更为接近。另一方面，如果有两条记录权值相同，但是其中一条的手机串号和当前记录一致，也就是说该用户以前曾经到过数据库中记录的地方，我们也可以认为用户更有可能位于他曾去过的地方而不是一个位于一个新的地点。

设定：

R表示最大信号强度的开平方，

A(A＞＝1)表示手机串号所占的权值，

W(A)＝{A，当手机串号相等时；1，当手机串号不等时。}。

rss_j表示数据库中记录检测到的每个基站的信号强度，rss’_j表示实测位置检测到的每个基站的信号强度。

当A＝1时，表示手机串号不作为影响权值的一部分。

计算权值W_i的方法如下：

k为实测位置和数据库中位置检测到的基站中，基站CGI信息相同的基站数。

步骤403，计算记录数M。设定D_W为最大允许的权值差值，用于选取最终参与计算的位置点。将记录按照权值由大到小排序，如果权值与其中具有最大权值的记录权值差值大于D_W，则抛弃后续记录。由此得到记录数M。

步骤404，计算定位信息。

上面是我们对于数据库中一条位置记录进行计算的到的权值，同理我们可以对所有数据库中其他数据都可以计算出一个权值来，然后选择权值最大的几条记录，也就是我们认为距离实测位置最接近的几个位置，然后综合这几个位置得到当前终端的位置。具体方法为：我们定义位置信息P表示用户的当前经纬度，也是我们要计算的最终结果。位置P_i，i＝1，...，n，表示数据库中查询到的多个位置，W_i，i＝1，...，n，表示每个位置的权值，权值越大，表示位置越接近实际位置。所以最终的结果为：

$P=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i{P}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{W}_i},$ 计算时可近似认为经度、纬度是线性比例。

步骤405，将本发明方法步骤404计算出来的定位信息发送至手机终端104。手机终端104的使用者可看到自己所处的位置。

由上所述，本发明方法与FPT算法有很大的差别：

1)信号信息的测量是在终端，不是在基站。因此本发明的实施不需要网络运营商的支持，仅需要修改终端的软件，并提供一个服务器和终端进行通信，负责数据的存储和定位的计算。

2)信号信息仅使用了终端检测到基站的个数和对应基站的信号强度，因此不需要终端具有复杂的硬件，几乎所有的移动终端都可以提供这些信息。

3)原始数据的采集比较方便。众所周知，所有这种收集经验数据，并使用当前数据与经验数据进行比较的定位算法，最为复杂的部分就是经验数据的收集。本发明的数据收集只需要一个同时支持GPS功能和蜂窝网络的移动终端，下载特定的手机软件后，放在车辆中，随着车辆的行驶就可以进行数据的收集。更重要的是，如果待定位的终端本身就具有GPS功能，那么终端本身也可以被当作一个收集器。这样并不需要经验数据覆盖整个区域，本发明就可以推广使用，因为经验数据会随着用户的使用而渐渐完整。比如用户居住地点并没有经验数据，但是如果用户在居住地点附近使用过GPS定位，那么数据会自动丰富到基站定位的经验数据中，以后，用户就可以使用这些经验数据进行定位。

4)本发明方法还提供了一个有效的数据整理方法，把经验数据进行优化和合并，再应用于定位，可以很大程度上减小经验数据占用的存储空间，加快定位计算速度。

使用本发明方法，在经验数据较完整的情况下，定位平均误差可达100米之内。

以本发明对于儿童开发的一款定位手机为例，这款手机应用了本发明中的基站定位算法。由于这款手机本身也具备GPS模块，因此这款手机同时也可以作为经验数据收集机。进入工程模式后，选择“切换至数据收集模式”后，手机会自动关机，再次开启后，该手机自动切换至数据收集模式。即使不切换到数据收集模式，如果手机使用GPS定位，并且把定位结果和基站信息上传到服务器，那么这些数据也可以自动应用于定位。

服务器使用SQL server 2000存储经验数据，通过http协议和终端进行通信。服务器收到终端发来的数据后进行判断，如果数据中既包含GPS定位结果，也包含基站数据信息，则把该数据当作经验数据，经过数据整理后用于定位。如果数据是一个基站定位请求，那么数据中仅包含基站信息，需要服务器使用基站定位算法计算出定位结果并发送至终端。

该款手机使用的本发明算法具体的参数设置如下：

1，在数据整理时，采用一分钟整理一次的方法。这样可以给客户最佳的用户体验。因为即使客户居住地点附近没有经验数据信息，只要用户在室外使用GPS定位，那么定位结果会立刻上传至服务器，并在一分钟后经过数据整理合并到用于定位的数据表中。那么一分钟后，用户即可以在室内使用基站定位算法进行定位。数据整理中的参数R设置为50米，也就是所有50米内的经验数据都会被合并为一条用于定位的记录。这样一方面保证了定位精度，一方面减少了定位计算需要计算的记录数，也节省了存储空间。

2.定位算法采用的参数是R＝12，A＝1，D_W＝5。A＝1表示计算定位结果的时候，没有把手机串号考虑在内。

使用以上参数，在经验数据比较完整的情况下，定位平均误差在100米以内。

Claims (5)

1.一种在蜂窝网络中的最匹配信号强度的定位方法，其特征在于，包含如下步骤：

从数据库中取出所有至少有一个基站CGI信息和实测位置基站信息匹配的记录；

计算每个该实测位置的权值W_i；

计算记录数M；

计算定位信息，

其中，

位置P_i，i＝1，...，n，为数据库中查询到的多个位置，

W_i，i＝1，...，n，为每个实测位置的权值；

将定位信息发送至手机终端。

2.根据权利要求1所述的在蜂窝网络中的最匹配信号强度的定位方法，其特征在于，该数据库中的数据经过如下处理：

数据收集，采集基站信息和信号强度，并发送到原始数据表作为原始数据；

数据整理，将该原始数据通过数据整理，合并到目的数据表；该数据整理的步骤包含：

(1)取该原始数据表中所有未处理的记录，从第一条开始处理；

(2)将该记录与该目的数据表中的记录依次进行比较，如果与某条记录距离小于R，则将两条记录合并为一条记录，保存在该目的数据表中；如未找到符合条件的记录，则添加一条新的记录；

(3)将该条记录置为已处理，然后重复步骤(1)。

3.根据权利要求2的在蜂窝网络中的最匹配信号强度的定位方法，其特征在于，该将两条记录合并为一条记录的方法包含：

该目的数据表中新的经纬度信息为原始信息和新信息的平均值；

将该原始数据表中所有基站信息添加到目的数据表中，如同样的基站已存在，则新的信号强度为两者信号强度的平均值；

将合并后的该目的数据表中记录的合并次数加1；

计算经纬度和信号强度平均值时，记录每条原始记录的合并次数，表示该原始记录是由几条更原始的记录合并而来。

4.根据权利要求1或3的在蜂窝网络中的最匹配信号强度的定位方法，其特征在于，该计算权值W_i的方法为：

k为实测位置和数据库中位置检测到的基站中，基站的全球小区识别码相同的基站数。其中，

R为最大信号强度的开平方，

A(A＞＝1)为手机串号所占的权值，

W(A)＝{A，当手机串号相等时；1，当手机串号不等时。}。

rss_j表示数据库中记录检测到的每个基站的信号强度，rss’_j表示实测位置检测到的每个基站的信号强度。

5.根据权利要求4的在蜂窝网络中的最匹配信号强度的定位方法，其特征在于，该计算记录数M的方法为：将该记录按照权值W_i由大到小排序，如果权值W_i与其中具有最大权值的记录权值差值大最大允许的权值差值，则抛弃后续记录。

Images