CN102195690A - 估算/优化蜂窝无线网络中多天线配置产生的容量增益以及覆盖范围的方法 - Google Patents

Abstract

本发明涉及一种规划并优化无线接入网络的配置的方法，无线接入网络包括基站和接收机并采用允许和/或强制在所述基站及接收机使用多天线类型的移动无线技术。通过使用3D地物高度矩阵在发射机位置和所述接收机位置之间执行的光线跟踪算法，确定每个接收机位置的标量度量，用以直接反映在所述发射机及接收机位置上应用多天线类型而不是单天线所产生的容量增益。这个标量度量容许以算法上有益的方法来分析潜在应用区域中不同MIMO天线类型的相对性能，并且为某个特别的覆盖扇区选择最优的MIMO天线类型。

Description

估算/优化蜂窝无线网络中多天线配置产生的容量增益以及覆盖范围的方法

技术领域

本发明涉及规划并优化无线接入网络的配置的方法，无线接入网络包括基站及接收机，并使用在所述基站及接收机处允许和/或强制使用多天线类型的移动无线技术。特别的，本发明涉及估计在无线接入网络中多天线部署所能够获得的优势的方法。

背景技术

在不久的将来，将可以部署多输入多输出(MIMO)技术。包括交叉极化天线、均匀线性阵列及远端射频头(Remote Radio Head)的多种MIMO天线类型即将可用。尽管理论上的MIMO性能增益已被充分研究，但是网络运营商的主要任务之一迄今为止还很少被论述，即，规划并优化工作流的蜂窝网络中的每个扇区的最优MIMO天线类型的选择处理。

MIMO技术由3GPP在用于HSPA+的版本7中定义，并在用于LTE的版本8中增加更多选项。目前，网络运营商强烈寻求将MIMO技术嵌入到蜂窝网络部署的规划和优化处理中的解决方案。

蜂窝无线网络的无线接入网络的规划和优化包括，以在覆盖区域内基站的数量、每个基站中扇区的数量、基站的位置、每个基站扇区的天线类型、天线的倾斜及方位角方向、基站/扇区的发射功率来定义无线接入网络的配置。通常的，通过估量‘覆盖范围’及‘容量’的物理量度来完成。

此外，非物理度量可用于无线接入网络的部署或优化，例如每个扇区内闲散通信量的平衡、每个扇区内的预计通信量、最大可预计成本和/或收益等等。

尽管无线接入网络的规划提供了第一功能配置，但是优化无线接入网络定义了最优配置。无线接入网络的配置的优化致力于在关注区域和/或特别是高通信量密度区域中，增强如上所述的度量。典型的优化任务也是从一组候选位置中为基站选择最佳位置，被称为选址，或者将基站集成到已存在的基站网络中，被称为现场集成。这里的无线接入网络，应被理解为蜂窝无线网络的无线网络相关部分。

物理度量‘覆盖范围’，通常表示为即将规划或优化的相关移动无线技术的参考信号或者导频信号的接收场强度的对数值。根据发射机的发射功率以及发射机与接收机位置之间无线信道的衰减以及发射与接收天线的增益来计算接收场强度，该衰减被称作“路径衰减”，以及可选的进一步根据发射机和接收机硬件中的增益或损耗来计算。

不采用多天线类型的蜂窝无线技术的物理度量‘容量’，通常表示为即将规划或优化的相关移动无线技术的参考信号或者导频信号的信号干扰噪声比(SINR)，或者等效的度量。这是基于具有单输入单数出的信道的理论信道容量，并且表现为Claude Elwood Shannon在1948年7月和10月的《Bell System Technical Journal》卷27，379-423及623-656页“A Mathematical Theory of Communication”中所描述的加性高斯白噪声，并被称作香农(Shannon)容量：C_shannon＝1d(1+SINR)。

在规划并优化无线接入网络的配置中，已知要忽略由所谓高速衰落引起的效应。因此，通常采用“路径损耗”的标量来描述在发射机和/或接收机处不支持多天线安装的蜂窝无线技术的信道。因此，迄今为止，采用由信道模型的平均值决定的路径损耗来计算理论“覆盖范围”和“容量”。存在例如经验的、统计的以及确定性的信道模型。

对信道模型的最低要求是提供给出发射机及接收机位置之间的路径损耗的信道描述。基于这样的无线信道模型，传统的无线接入网络规划/优化算法通常为每个发射机-接收机组确定：

-用于天线配置的每接收机像素的接收场强度，也就是，每接收机像素以及每发射机的一个结果值；以及

-每接收像素的SINR，也就是，每接收像素以及每发射机的一个结果值。

输入到无线信道模型用于规划/优化的必要信息是：

-具有多基站的无线接入网络的配置，包括基站在三维(3D)空间内的位置。目前可在无线接入网络中禁用这些基站，以形成候选基站。这样的配置可以直接从网络运营商的(运行的)数据库中输入。

-每个基站的发射功率；

-在发射机及接收机所使用的天线的方向特征的模型；

-载波频率；以及

-接收机的位置，通常以具有固定分辨率(例如，10米×10米，或者25米×25米)的每像素一个接收机的网格矩阵来提供。

非排他地，用于规划并优化无线接入网络的有益额外输入信息是：

-具有固定分辨率(例如，10米×10米，或者25米×25米)的(典型的)网格矩阵，该网格矩阵包括：每个像素，关于环境及建筑物类型的分类信息，包括物理特征值(例如，表示为对数值的额外衰减，以米表示的建筑物的平均建筑高度，优选的其他数值)(地物矩阵，高度地物矩阵)。通常，每个像素特征并不单独地归属，而是被分类到有限数量的所谓地物类型中；

-DEM(数字高程矩阵)，DTM(数字地面矩阵)，表示区域的地理轮廓；

-建筑物的三维(3D)向量数据模型；

-通信量矩阵，也就是，用户分布，以具有固定分辨率(例如，10米×10米，或者25米×25米)的网格矩阵的形式，以及每像素的用户数或用户密度；

-由无线网络运营商为规划并优化无线接入网络而定义的经济及技术目标以及规则，诸如通过多天线技术获得的最小接收场强度、最小SINR、最小增益等。

诸如WiMAX、HSPA+或者LTE等移动无线新技术本来就支持在发射机及接收机使用多天线类型，或者需要这样的多天线类型作为配置的必要单元。

在发射机及接收机都使用多天线的情形通常被称作多天线信道，或者MIMO(多输入多输出)。

这些近来的移动无线技术的无线信道通常被建模为多天线无线信道。为了支持在规划并优化无线接入网络时，支持多天线在发射机及接收机的安装，以及为了在估算信道容量时正确地说明多天线信道矩阵的特征及本征值，无线信道模型必须是多天线兼容的。

显示出加性高斯白噪声并且在发射机不具有信道知识的MIMO信道的信道容量既是信噪比的函数，也是信道矩阵的特征值的函数，参见G.J.Foschini及M.J.Gans在1998年3月的《Wireless PersonalCommunications》第6卷3号311-335页的“On Limits of WirelessCommunications in a Fading Environment When Using MultipleAntennas”。根据Foschini所述，可将MIMO信道的容量表示为：

$C_{\mathrm{MIMO},\mathrm{Foschini}}=\mathrm{ld}\left(\det (\underset{\‾}{I}+\frac{\mathrm{SINR}}{n_t}\underset{\‾}{{\mathrm{HH}}^{*}})\right)$

其中，H为MIMO信道的信道脉冲响应矩阵。

因此，在MIMO情况下，使用SINR来估计MIMO信道的容量不再足够满足需求。相反地，MIMO信道的容量是SINR及信道脉冲响应矩阵的特征值的函数。

根据多天线信道矩阵特征值的特征，例如关联特征、线性依赖关系，可在三个方面实现MIMO容量的增加：通过波束赋形提高信干噪比(SINR)、分集增益、或者空间复用/交叉极化复用。作为未来的挑战，多种MIMO天线类型是可用的，包括交叉极化天线、具有均匀线性阵列特征的波束赋形以及远端射频头。在MIMO网络容量方面，这些天线类型得益于不同的甚至冲突的无线电波传播效应。

因此，为了为每个扇区选择最优MIMO天线类型，除了在蜂窝MIMO网络规划及优化中对物理度量覆盖范围及容量做典型检查外，还应该分析在扇区位置的空间环境中，不同天线类型的MIMO性能。

在现有技术的算法中，由分集、波束赋形及复用带来的优势，独立于实际的规划及优化算法，通过确定能够间接表示特征值特征的对数度量(例如，SINR偏移、复用的存在等)来建模。然后配置这些间接的度量，作为实际规划及优化算法中每个地物类型的输入值。这样做的缺点是：间接度量独立于实际的规划及优化算法来估计，并且不是使用算法本身来计算；并且规划/优化算法的用户必须完成配置，这样易于出错，并且必须为每个地物类型(不是每个像素)选择一个优势。这与物理现实有显著冲突，在物理现实中，‘分集’和‘复用’优势的存在和程度，尤其是在发射机及接收机具有多天线，是发射机和接收机环境中实际建筑物密度的函数，而不是地物类型的函数。

在用于估计间接度量的统计的或经验的信道模型的情况下，尤其在没有发射机及接收机环境中建筑物密度的精确模型情况下使用无线接入网络中的通过多天线部署获得的复用，通常，由于物理原因，它的用于规划并优化无线接入网络的配置的信息输出是不可靠的。

现有技术所缺少的是，对由在发射机和/或接收机处代替传统的单天线的多天线部署产生覆盖范围和容量方面的优势进行直接建模的方法。

因此，本发明的目的是提供采用独立并且在算法上有益的方法，对在无线接入网络中多天线部署获得的覆盖范围及容量方面的优势的估计。本发明更具体的目的是，提供分析在潜在部署区域中不同MIMO天线类型的相对性能以及为特定的覆盖扇区选择最优MIMO天线类型的方法。

发明内容

本发明提供了根据权利要求1的方法，用于规划并优化无线接入网络的配置。无线接入网络包括基站及接收机，并且使用允许和/或强制在所述基站及接收机使用多天线类型的移动无线技术，其中每一个所述多天线类型包括多个单天线单元。该方法包括如下步骤：定义规划/优化区域、获得用于所述区域三维环境模型、获得在三维(3D)空间中的一组发射机位置、在3D空间中定义接收机位置。根据本发明，确定每个接收机位置的标量度量，该标量度量表示在所述发射机及接收机位置，应用多天线类型或者多天线类型配置而不是单天线而得到的容量增益。通过在所述发射机位置及接收机位置之间使用所述区域环境的三维模型执行的光线跟踪算法来确定标量度量。这里，通过多天线类型和其机械倾角、电子倾角和/或方位角来定义多天线类型配置。

与本发明相结合，多天线表示包括多个用于发射或接收不同信号(复用)或相同信号(分集)的单天线单元的天线。多天线基本上区别为，包括空间上彼此分离的单个的天线单元的多天线类型，以及包括在不同极化方向上分离的单个天线单元的多天线类型。

举例来说，具有空间上分离的单个天线单元的多天线类型是单天线单元的同等分布线性或圆形阵列，被称作均匀线性阵列(ULA)或均匀圆形阵列(UCA)，其中，单个的相同天线单元之间等距离排列，并且其之间的距离从发射或接收载波频率波长的几分之一至波长的几倍不等。

此外，与本发明相结合，多天线应被视为具有单个的天线单元的多天线类型，这些单个的天线单元之间以发射或接收载波频率波长的几倍的距离排列，并作为多天线来操作，被称作远端射频头(RRH)。

包括按照不同极化方向分离的单个单元的多天线类型，也被称为交叉极化天线，它包括一对极化方向，即电场的方向，有90度的偏移的协同定位的单天线单元。

此外，多天线类型的组合是已知的，举例来说，一对交叉极化单天线单元的线性阵列的组合。

根据第一实施例，在精确的3D环境模型内执行光线跟踪算法，跟踪光线直到光线的场强度降至根据几何光学(Geometrical Optics)算法设定的阈值之下，并且可选地根据如下扩展，诸如一致性绕射理论(Uniform Theory of Diffraction)和/或用于获得多天线信道脉冲矩阵的地物模型，从该模型，标量度量可计算为Foschini MIMO容量对SISO信道的香农容量的比值。

根据第二实施例，潜在的多天线类型通过空间面元(spatial bin)分解在空间域中，空间面元表示从多天线类型的方向图中得到的各个多天线类型的单天线单元的有效活动扇区。

对于空间上分离的单天线单元，诸如均匀线性阵列(ULA)、均匀圆形阵列(UCA)或者远端射频头(RHH)，光线跟踪算法限于，寻找每个路径包括例如一两个的少量路径反射的传播路径，并且在发射及接收多天线空间面元之间确定主要的并且在空间上可分解的(resolved)传播路径。通过估算传播路径矩阵，确定每个接收机位置的标量度量，其中，以及该传播路径矩阵的行对应于发射多天线的单天线单元数目，以及该传播路径矩阵的列对应于接收机位置上接收多天线的单天线单元数目，以找到的主要的并且空间上可分解的传播路径的数目来填充矩阵。如果该传播路径矩阵的至少一行或一列被填充了表示空间差异程度的至少两个元素，那么已经为标量度量赋了第一值，并且如果该传播路径矩阵的至少两行或两列被填充了表示空间复用程度的至少两个元素，那么已经为标量度量赋了第二值。

对于由不同极化方向分离的单天线单元，诸如交叉极化天线(XPoI)来说，光线跟踪算法限于在发射多天线的空间面元及接收多天线之间是否存在直视关系的方向，并且如果在发射多天线的空间面元及接收多天线的空间面元之间存在直视关系，那么为标量度量赋了第三值，并且如果在发射多天线的空间面元及接收多天线的空间面元之间存在非直视关系，那么为标量度量赋了第四值。

如果多天线类型包括空间上分离的单天线单元和由不同极化方向分离的单天线单元的组合，那么可通过为每个多天线类型确定的部分标量度量组合来确定标量度量。

通过确定主要的并且空间上可分解的传播路径的上述过程，可显著加快对由多天线类型所产生的优势的估计，例如，在计算几分钟而不是计算几小时之内给出结果。这是因为，既不需要直接确定多天线信道矩阵，也不需要确定接收功率，以及输出和输入光线的角度。进一步讲，利用3D地物高度矩阵代替建筑物的精确3D向量数据模型作为3D环境模型是足够的，这通常可以更加容易并以较低成本获得。在另一个实施例中，可以定义高度阈值，并且可以在地物高度矩阵位于所述高度阈值的上下的两个部分中分别执行光线跟踪。网络运营商会对此感兴趣，以决定是否利用单独的天线、以及天线类型及方向，以确保在例如城市的摩天大厦中的网络接入。

通常，通过网络运营商获得发射机的位置，该位置为覆盖规划/优化区域并已经被部署的一组基站或者基站扇区的位置，但是，同样可能使用为了站点选择目的可选站点的一组候选位置来规划，或者为了补缺站点计划，使用一组已存在的基站位置和一些候选位置。

通常，在具有固定分辨率并且每个像素中有一个接收机的接收机网格矩阵中，并且在距离地面有可配置高度上，定义接收机的位置。在一个具体实施例中，可通过仅仅考虑3D环境模型中的建筑物周围一定距离的接收机位置，来估计室内的MIMO性能。

标量度量不仅可以为不同类型的多天线，还可以为多天线类型的不同的机械倾角、电子倾角和/或方位角确定。本发明的方法可进一步包括评定标量度量，该标量度量被确定用来选择每个接收机像素以及每个覆盖扇区的最优的多天线类型、以及可选地用于确定天线校准(antenna alignment)的步骤，可选地包括与通信量密度和/或者通信量容量矩阵或者其他经济指标一致地对某个接收机像素进行赋权。

本发明提供了用于估计并优化由在蜂窝无线网络的无线接入网络中多天线部署所产生的覆盖范围及容量增益的算法上有益的方法。

发明的方法不需要对通过诸如分集、复用及波束赋形等多天线安装获得潜在优势的额外配置，而仅仅在算法内部确定所有必要的度量。

此外，发明的方法对于在未来移动无线技术的覆盖范围及容量方面估计采用MIMO带来的优势也是有益的，未来移动无线技术例如网络-MIMO，也就是，类似协作调度/协作波束赋形以及自/到相同基站(基站内部)或不同基站的扇区(基站之间)的联合发射/联合接收的协作多点技术(CoMP)。

发明的方法可进一步与WO2005/069666 A1“Method and device forAdapting a Radio network model to the conditions of a real radio network”中描述的方法一起使用，以改善在每接收机像素内它们的存在及多样性方面反映诸如分集、复用和/或波束赋形等多天线所带来优势的标量度量Gain_MIMO。这可通过使用来自3D环境模型中详细的光线发射/跟踪模拟得到的逐像素现有测量数据或逐像素或者逐网格现有数据来实现，以用于随后对多天线信道矩阵的精确计算。

附图说明

根据具体实施例的下述详细描述，本发明的其它特征及优势将变得十分明显，具体实施例仅仅作为实例并且参考附图而给出，其中：

图1示出了根据本发明实施例的简化的光线跟踪/路径寻找算法；

图2示出了定义规划/优化区域的地物高度矩阵；

图3示出了规划/优化区域的3D模型；

图4a和图4b示出了包括2个单天线单元的ULA方向图，每个天线是Hertain偶极子，间距为λ/2，以及由此导出的空间面元模型；

图5a和图5b示出了包括4个单天线单元的ULA方向图，每个天线是Hertain偶极子，间距为λ/2，以及由此导出的空间面元模型；

图6a和图6b示出了具有65°的3dB角的扇形天线的方向图，以及由此导出的空间面元；

图7a和图7b示出了包括2个单天线单元的ULA方向图，每个天线是具有65°的3dB角的扇形天线，间距为λ/2，以及由此导出的空间面元模型；

图8a和图8b示出了包括4个单天线单元的ULA方向图，每个天线是具有65°的3dB角的扇形天线，间距为λ/2，以及由此导出的空间面元模型；(在极坐标中的空间单元，和由此导出的在平面内的正交单元，N＝4并且Δ＝0.5λ的ULA天线)；

图9a和图9b示意性示出了限于在图5a和5b中所示的两个多天线之间路径寻找的光线跟踪，以及由此导出的传播路径矩阵；

图10示意性示出了限于分别在图7和图8中所示的两个多天线之间路径寻找的光线跟踪；

图11示意性示出了限于分别在图6和图8中所示的两个多天线之间路径寻找的光线跟踪；

图12a和图12b示出了天线类型选择的第一实例的流程图，以及由此标绘的示例性接收机像素；

图13a和图13b示出了天线类型选择的第二实例的流程图，以及由此标绘的示例性接收机像素；

图14a和图14b示出了天线类型选择的第三实例的流程图，以及由此标绘的示例性接收机像素；以及

图15是用于估量图12和图14的最佳服务者图的示意性图释。

具体实施方式

本发明提出了在3D确定性环境模型中使用光线跟踪算法，该算法包括几何光学算法，以及可选的，诸如一致性绕射理论和/或漫散射模型等扩展，以为每个接收机像素得到标量度量，该度量反映了在使用多天线代替单天线时在覆盖面积和容量方面所获得的优势。

根据第一实施例，预期使用MIMO互信息与SISO信道的香农容量的比率作为标量度量，来估计在使用多天线代替单天线时在覆盖面积和容量方面所产生的优势。标量度量表示为：

${\mathrm{GAIN}}_{\mathrm{MIMO}}=\frac{C_{\mathrm{MIMO},\mathrm{Foschini}}}{C_{\mathrm{SISO},\mathrm{Shannon}}}=\frac{\mathrm{ld}\left(\det ({\underset{\‾}{I}}_{M_{r}x{M}_r}+\frac{\mathrm{SINR}}{M_t}\·{\underset{\‾}{H}}_{\mathrm{norm}}\·{{\underset{\‾}{H}}_{\mathrm{norm}}}^{*})\right)}{\mathrm{ld}(1+\mathrm{SINR})}---\left(1\right),$

其中，H _norm是可如下导出的各个多天线类型的标准化信道脉冲响应矩阵。

单输入单输出(SISO)无线信道的时间无关(一个采样点)并且平坦衰落(信号持续时间＞＞均方根延迟扩展)的复杂脉冲响应可描述如下：

${\underset{\‾}{h}}^{\mathrm{SISO}}=\underset{k}{\mathrm{\Σ}}{\underset{\‾}{a}}_k\·\exp \left(\frac{-j2\mathrm{\π}{d}_k}{\mathrm{\λ}}\right)---\left(2\right),$

其中：

k-发射机与接收机之间的一条路径，

d_k-发射机与接收机之间在路径k上的距离，

a_k-路径k上的复衰减，以及

λ-载波波长。

SISO信道脉冲响应是标量值，在多天线情况下变为矩阵，即信道脉冲响应矩阵。信道矩阵的行数及列数分别由发射端及接收端的天线单元的数目决定。矩阵中第i行第j列的元素被称为矩阵的(i，j)元素。尽管在这样的信道脉冲响应矩阵中的(1，1)矩阵元素总是可由表达式(1)确定，但是所有其他矩阵元素的计算依赖于所使用的天线类型。

图1示出了光线发射的情形。一束光线从发射机源射出。使用环境的3D模型来确定在当前光线传播方向上的最近障碍。跟踪光线经过几次反射，或者直到它们的场强度降低至限定的阈值以下。一旦光线遇到障碍，光线发射算法包括射频波传播效应反射、衍射以及漫散射，漫散射包括在基于几何光学算法、一致性绕射理论以及可能的有效不平顺方法上进行计算的k、d_k和a_k(参见公式(2))中的去极化。

对于示例性多天线类型，可将信道脉冲响应扩展到多天线信道脉冲响应矩阵，其通过融合这些天线类型的基础传播效应能够导出。

(a)对于多天线类型‘在发射机及接收机的均匀线性阵列(ULA)’：

ULA类型的天线包括沿着线性阵列等间距的多个同样的天线单元。典型的单元间距离δ＝Δλ具有标准化(对载波波长)的天线间隔Δ＝0.5或者Δ＝1。由于发射和接收天线阵列之间的距离d_k通常远远大于天线单元的单元间距离，那么我们可以应用平面波形模型。在这个模型中，MIMO信道脉冲矩阵的元素与元素(1，1)的差异仅仅为单天线单元之间的相位差，也就是，

其中，m是具有M_r和M_t的天线单元个数，M_r是接收机天线单元的个数，M_t是发射机天线单元的个数，Δ是相对于λ标准化的天线单元间的距离，以及

是输出或输入平面波形与阵列方向之间的角度。

结合公式(1)和上述分析，ULA的多天线信道脉冲响应矩阵可计算如下：

${\underset{\‾}{H}}^{\mathrm{ULA}}=\underset{k}{\mathrm{\Σ}}{\underset{\‾}{a}}_k\·e^{\left(\frac{-j2\mathrm{\π}{d}_k}{\mathrm{\λ}}\right)}\·\left[\begin{array}{c}1\\ e^{(-j2\mathrm{\π\Δ}\cos \left({\mathrm{\φ}}_{r_k}\right))}\\ .\\ .\\ .\\ e^{(-j2\mathrm{\π\Δ}(M_r-1)\cos \left({\mathrm{\φ}}_{r_k}\right))}\end{array}\right]\·{\left[\begin{array}{c}1\\ e^{(-j2\mathrm{\π\Δ}\cos (\left({\mathrm{\φ}}_{t_k}\right))}\\ .\\ .\\ .\\ e^{(-j2\mathrm{\π\Δ}(M_t-1)\cos \left({\mathrm{\φ}}_{t_k}\right))}\end{array}\right]}^{*}---\left(3\right),$

其中上标*表示复矩阵的厄密共轭(Hermitian)转置。

(b)对于多天线类型‘在发射机及接收机的交叉极化天线’：

具有纯XPoI天线的多天线信道限于2×2多天线系统。因此众所周知，它的信道脉冲响应矩阵是2乘2矩阵，参见例如由J.P.Kermoal，L.Schumacher，F.Frederiksen和P.E.Mogensen于2001年10月在美国新泽西亚特兰大的IEEE VTC Fall上发表的“Polarization Diversity inMIMO Radio Channels：Experimental Validation of a Stochastic Modeland Performance Assessment”：

${\underset{\‾}{H}}^{\mathrm{XPol}}=\left[\begin{array}{cc}{\underset{\‾}{h}}^{\mathrm{CoCo}}& {\underset{\‾}{h}}^{\mathrm{CoCross}}\\ {\underset{\‾}{h}}^{\mathrm{CrossCo}}& {\underset{\‾}{h}}^{\mathrm{CrossCross}}\end{array}\right]---\left(4\right).$

在公式(4)中，每个矩阵元素反映由公式(2)计算得到的信道脉冲响应，但是，是对于发射和接收天线单元的极化的不同组合。在完全测定偏振的光线跟踪/光线发射算法中，可直接获得这个MIMO信道脉冲响应作为结果。

(c)对于多天线类型‘RRH(发射天线)和ULA(接收天线)组合’：

本发明中，RRH类型的天线本意是定位在不同位置的单单元天线，例如在天花板的两个角落。当将MIMO信道限制为2×2系统时，也就是，在发射机(RRH)的两个不同位置具有两个单天线单元，以及在接收机的两个单元的ULA，那么，可再次使用如上所述的平面波形模型，用于接收天线单元。因为我们假设RRH天线单元在两个完全不同的位置上，因此期待两个不相关的信道脉冲响应，所以我们需要利用公式(1)为每个单RRH天线单元计算信道脉冲响应。在这种情况下，可使用如下公式计算MIMO信道脉冲响应矩阵：

${\underset{\‾}{H}}^{\mathrm{RRH}}=\left[\begin{array}{c}1\\ e^{(-j2\mathrm{\π\Δ}\cos \left({\mathrm{\φ}}_{r_{k^{\mathrm{1,2}}}^{\mathrm{1,2}}}\right))}\end{array}\right]\·{\left[\begin{array}{c}\underset{k^1}{\mathrm{\Σ}}{\underset{\‾}{a}}_{k^1}^1\·e^{\left(\frac{-j2\mathrm{\π}{d_{k^1}^1}^{}}{\mathrm{\λ}}\right)}\\ \underset{k^2}{\mathrm{\Σ}}{\underset{\‾}{a}}_{k^2}^2\·e^{\left(\frac{-j2\mathrm{\π}{d}_{k^2}^2}{\mathrm{\λ}}\right)}\end{array}\right]}^T---\left(5\right),$

其中，上标1和2表示RRH天线单元的序号，因为对于在相同接收机位置的每个单发射天线单元，期望不相关的k、a_k、d_k和

值。

根据信道脉冲矩阵(3)、(4)和(5)，可通过线性代数直接计算矩阵的特征值。

回到我们的标量度量(1)，包括了通过全部三个效应(波束赋形、分集、或者空间复用)的MIMO获得的容量增益。然而在公式(1)中，造成Gain_MIMO的实际影响被隐藏。

Gain_MIMO的下限是值1：与SISO信道相比，MIMO信道不具有容量上的优势。不使用波束赋形，在空间复用的情况下，Gain_MIMO的上限是信道脉冲响应矩阵(min(M_r，M_t))的最大秩，在较低SINR值的分集的情况下，Gain_MIMO的上限是M_r。

为了以其特征值将MIMO信道的特征与SINR的变化分开，我们需要在公式(1)的分母中应用标准化的信道矩阵。需要为所应用的天线类型如下不同地计算这个标准化：

1)ULA及RRH天线类型

对于这些天线类型，需要将信道矩阵对所有矩阵元素的平均值进行标准化，参见J.P.Kermoal，L.Schumacher，F.Frederiksen以及P.E.Mogensen于2001年10月在美国新泽西亚特兰大IEEE VTC Fall上发表的“Polarization Diversity in MIMO Radio Channels：ExperimentalValidation of a Stochastic Model and Performance Assessment”：

${\underset{\‾}{H}}_{\mathrm{norm}}=\frac{\underset{\‾}{H}}{\sqrt{\frac{1}{M_r\·M_t}\·{\left|\right|\underset{\‾}{H}\left|\right|}_F}}\⇔\mathrm{\Σeig}(\underset{\‾}{H}\·{\underset{\‾}{H}}^{*})=M_r\·M_t---\left(6\right),$

可将公式(6)应用到H ^ULA和H ^RRH。在公式(6)中，||H||_F表示Frebenius范数以及eig表示特征值。

2)XPoI天线类型

在将公式(6)应用到XPoI天线的情况下，我们无法计算在交叉极化子信道上的典型高功率损失，导致对Gain_MIMO的过度估计，参见V.R.Anreddy和M.A.Ingram于2006年4月在美国拉斯维加斯IEEEWCNC发表的“Capacity of Measured Ricean and Rayleigh Indoor MIMOChannel at 2.5 GHz with Polarization and Spatial Diversity”。因此，我们依照最强子信道的SINR对H ^XPoI的特征值进行标准化：

max(eig(H ^XPoI·H ^XPoI*))。然后，公式(1)中交叉极化MIMO信道的容量可计算如下：

$C_{\mathrm{MIMO}}=\mathrm{\Σld}(1+\frac{\mathrm{SINR}}{M_t^{\mathrm{Co}}}\·\frac{\mathrm{eig}({\underset{\‾}{H}}^{\mathrm{XPol}}\·{\underset{\‾}{H}}^{\mathrm{XPol}*})}{\max \left(\mathrm{eig}({\underset{\‾}{H}}^{\mathrm{XPol}}\·{\underset{\‾}{H}}^{\mathrm{XPol}*})\right)})---\left(7\right).$

然而，在任何情况下，我们的用于某个扇区的服务范围的基准值越高，也就是Gain_MIMO值越高，所应用的天线类型就更适合产生由MIMO带来的容量增益。

图2示出了可在规划/优化区域的3D环境模型中方便地使用的地物高度矩阵的定义。从3D拓扑数据库中提取建筑物高度，并且使用固定的分辨率计算每单位面积的平均高度。对于平坦的区域，这样是足够的。但是，在丘陵和山区环境下，则希望使用表示区域高度的数字高程矩阵(DEM)来修正建筑物高度矩阵。图3中示出了由此得到的3D地物高度矩阵。

尽管包括对MIMO信道矩阵特征值的确定性计算的第一实施例暗示了某种程度的计算复杂性，并且需要精确的3D环境模型，但是本发明的第二实施例提出将光线发射算法局限于最多三个反射上，并且通过图3中示出的地物高度矩阵所表示的环境来寻找优势路径。

图4至图8示出了将不同的多天线类型空间分解到用于各个多天线类型的每个单天线类型的有效活动扇区(effective activity sector)中的实例。

在例如A.M.Sayseed在2002年10月的IEEE Transactions on SignalProcessing第5卷第10期2563-2579页的“Deconstructing Multi-AntennaFading Channels”中描述了天线阵列到空间上正交单元中的空间分解。在此所述的天线阵列，应被理解为放置在平面内或可选地放置在3D笛卡尔坐标系统中两个垂直平面内的单天线单元的排列。单天线单元分别由任何内部配置和分别到信号输入/输出的单外部连接所定义。在这样两个平面的每一个中，正交单元的数目由在各个平面内天线阵列的各自单元的数目N来定义。每个平面内的空间分解自然地由阵列的有限尺寸L＝NΔ产生。这里，Δ是依照载波频率的波长λ进行标准化的天线单元间距。对于两个平面的每一个来说，对于布置在平面内的角度以及

可通过如下公式确定极坐标上的图形，以确定平面内的空间面元：

$(\mathrm{\φ},|\frac{R\left(\mathrm{\φ}\right)\·\sin (\mathrm{\π}\·L\·(\cos \mathrm{\φ}-\mathrm{\Ω}))}{N\·\sin \left(\frac{\mathrm{\π}\·L\·(\cos \mathrm{\φ}-\mathrm{\Ω})}{N}\right)}\left|\right)---\left(8\right),$

其中，

是该平面内的天线的电定向图(electric directionaldiagram)。

通过将天线阵列周围的空间划分为空间面元，可获得对将要发射出或接收到可由天线阵列解析的多路径单元中的信号的所有路径的简单分解。

图4a和4b示出了包括两个单天线单元的ULA的方向图，每个单元为Hertzian偶极子，间距为λ/2，以及由此导出的空间面元；图5a和5b示出了包括四个单天线单元的ULA的方向图，每个单元为Hertzian偶极子，间距为λ/2，以及由此导出的空间面元；图6a和图6b示出了具有65°的3dB角的扇形天线的方向图，以及由此导出的空间面元；图7a和图7b示出了包括2个单天线单元的ULA方向图，每个天线是具有65°的3dB角的扇形天线，间距为λ/2，以及由此导出的空间面元模型；以及图8a和图8b示出了包括4个单天线单元的ULA方向图，每个天线是具有65°的3dB角的扇形天线，间距为λ/2，以及由此导出的空间面元模型。

我们对空间面元的边界提出如下定义：

对于多天线类型，其包括多个单天线单元，该多个单天线单元在平面内或者在不同坐标的3D笛卡尔坐标系统中一对相互垂直的平面内，以发射或接收载波(也就是ULA或者UCA)频率波长的几分之一到几倍的距离隔开，空间面元被定义为锐角的并且可选地为倾斜的锥体，锥体的顶部被布置在多天线的3D中心，锥体的侧面被如下的局限在距离多天线的3D中心位置特定距离内：在互相垂直的平面对的每一个中生成极坐标上的图(8)，在其中排列几个单独的天线元件，并且使用在极坐标中的这些单独空间单元图的交叉点作为空间面元在这个平面内的边界。在将所有天线单元排列在平面内的相同坐标上时，在这个平面内生成极坐标方向上的图(8)，在其中排列几个单独的天线单元，并且使用在极坐标中的这些单独空间单元图的交叉点作为空间面元在这个平面内的边界，但是在垂直平面内，锥体的顶角受限于衰减量，该衰减量由这个平面内的天线图相对于在这个平面内各个天线单元的主光束方向来限定。此处，空间面元的数量等于单天线单元的数量。

对于包括被大于发射或传输载波频率波长几倍的距离隔开的并作为多天线来操作的多个单天线单元的多天线类型，以及对于包括作为单独的天线并且在基站的不同扇区、3D环境中不同位置的不同基站、和/或在它们的组合，并且在协作多点(CoMP)(扇区和/或网络MIMO)意义上作为多单元来操作的多个单天线单元的多天线，空间面元可定义为锐角的并且可选地为倾斜的锥体，锥体的顶部布置在多天线的3D中心，并且锥体的侧面被如下的局限在距离多天线的3D中心位置特定距离内：在水平方向上，由定义在水平天线图中，相对于水平方向上各个天线单元的主光束方向的衰落量定义；以及在垂直方向上，由定义在垂直天线图R(θ)中，相对于向上的各个天线单元的主光束方向的衰落量，以及定义在垂直天线图中，相对于向下的各个天线单元的主光束方向的衰落量来定义。因此，单天线单元中的每一个可由一个空间面元精确表示。

对于包括由不同极化方向(例如，XPoI)隔开的多个单天线单元的多天线类型，空间面元由锐角的且可选地为倾斜的锥体定义，锥体的顶部布置在多天线的3D中心内，并且锥体的侧面被如下的局限在距离多天线的3D中心位置特定距离内：在水平方向上，由定义在水平天线图

中，相对于水平方向上发射多天线的主光束方向的衰落量来限定；以及在垂直方向上，由定义在垂直天线图R(θ)中，相对于向上的发射多天线的主光束方向的衰落量，以及相对于向下的发射多天线的主光束方向的衰落量来限定。

在具体实施例中，空间面元锥体可在内部被分成光线管，光线管的尺寸在水平方向和垂直方向上相同设置：在这种情况下，光线发射/跟踪算法包括通过每个光线管发射各自的光线到3D环境模型中。

图9a示意性示出了通过执行有限光线跟踪算法找到的路径实例，该算法限于，只用来寻找在图5a和5b中示出类型的两个多天线的各个空间面元之间包括少量反射(图中只包括一个反射)的路径，并且图9b示出了由图9a导出的矩阵填充。

正交单元，从其向环境发射出可配置的最小数目的路径或路径从环境到达该正交单元，这样的正交单元被称作是“被填充的”。目前，可简单的从发射和接收天线阵列的空间面元的填充状态来确定在多天线系统中有利的‘空间复用’和‘分集’的存在及多样性。对此，将发射和接收天线阵列的空间面元排列为矩阵的形式，其中，发射天线阵列的空间面元形成矩阵的列，并且接收天线阵列的空间面元形成矩阵的行。采用在表示发射和接收天线阵列的各个天线单元的任意空间面元之间找到的路径来填充矩阵。特别的，在图9a中，已经找到五条主要的路径，从发射机空间面元4到接收机空间面元3和4，从发射机空间面元2到接收机空间面元3和1，以及从发射机空间面元1到接收机空间面元3，如在图9b的矩阵中所示。

可通过如下描述从矩阵中直接推导出通过MIMO得到的优势：

-接收/发射分集：从具有多于一个元素的行/列填充可以看出实际发射/接收分集的存在；分集的程度对应于每行中填充元素的数目；

-空间复用：空间复用的程度对应于由多于一个元素填充的行和列的最小数目；如果程度大于1，那么确定存在空间复用。

图10示意性示出了限于在图7和图8中示出的两个多天线类型之间找到的路径的光线跟踪实例(也就是，发射天线：单天线单元作为扇形天线的4xULA；接收天线：单天线单元作为扇形天线的2xULA)，并且图11示意性示出了限于在图6和图8中示出的两个多天线类型之间找到的路径的光线跟踪实例(也就是，发射天线：两个单天线单元作为扇形天线(远端射频头天线类型)；接收天线：单天线单元作为扇形天线的2xULA)，ULA天线为N＝2以及Δ＝0.5λ。对于图10和图11中的情形，可导出与图9b中示出的相似矩阵。

根据本发明，对于具有空间上分离的单天线单元的多天线类型，如果采用表示空间分解程度的至少两个元素来填充所述传播路径矩阵的至少一行或一列，那么标量度量Gain_MIMO已经赋了第一值，并且如果采用表示空间复用程度的至少两个元素填充所述传播路径矩阵的至少两行和至少两列，那么标量度量Gain_MIMO已经赋了第二值。此外，根据本发明，对于包括由不同极化方向分离的单天线单元的多天线类型，如果在发射多天线的空间面元和接收多天线的空间面元之间存在直视(light-of-sight)关系，那么标量度量Gain_MIMO已经赋了第三值，并且如果在发射多天线的空间面元和接收多天线的空间面元之间不存在直视关系，那么标量度量Gain_MIMO已经赋了第四值。如果需要，可对第一、第二、第三和/或第四值加权，以在由网络运营商定义的经济特征等方面反映对具体天线类型的优选。

图12至图14示出了为规划/优化区域的覆盖扇区内每个接收机像素确定最优天线类型步骤的三个示例性实施例。通常，可由图15示出的机制导出规划/优化区域的覆盖扇区，并被称作“最佳服务者图”。可从网络运营商处获得这样的最佳服务者图，该图示出了在部署区域内，在物理度量‘覆盖范围’方面，基站位置15A、15B、15C中，哪个扇区得到最好的服务。图12a、13a和14a每个示出了使用上述的传播路径矩阵从两个不同的多天线类型中选择较好天线的决策步骤流程图。图12b、13b和14b每个示出了分别作为图12a、13a和14a中的估算过程结果导出的各自的简化示意图。规划/优化区域被划分为图15中示出的三个覆盖扇区。只为一个覆盖扇区示出了每个像素最佳多天线类型的决策，使用相同模式标记其中各自的天线类型表现最优的接收机像素，作为通信天线类型。

图12a和12b示出了在包括两个单天线单元的ULA和包括四个单天线单元的ULA之间，简单来说：2-ULA对4-ULA，做出决策。如果至少一个天线类型显示出“复用”的优势，也就是标量度量Gain_MIMO已经赋了第二值，那么选择具有最高空间复用程度的天线类型作为这个接收机像素的最优多天线类型。如果没有天线类型显示出“复用”的优势，但是至少一个天线类型显示出“分集”的优势，也就是，标量度量Gain_MIMO已经赋了第一值，那么选择具有最高空间分集程度的天线类型作为这个接收机像素的最优多天线类型。如果没有天线类型显示出“复用”或“分集”的优势，那么部署多天线类型不会产生任何空间分集或复用方面的优势。

图13a和13b示出了在ULA类型和交叉极化天线类型之间，简单来说：ULA对XPoI，做出决策。如果ULA类型的标量度量Gain_MIMO已经赋了表示空间复用程度大于2的第二值，那么选择具有最高空间复用程度的空间天线类型作为这个接收机像素的最优多天线类型。如果ULA类型的标量度量Gain_MIMO已经赋了表示空间复用程度等于2的第二值，并且XPoI类型的标量度量Gain_MIMO已经赋了表示具有直视(LOS)关系的第三值，那么选择XPoI类型作为这个接收机像素的最优多天线类型。如果ULA类型的标量度量Gain_MIMO已经赋了表示空间复用程度等于2的第二值，并且XPoI类型的标量度量Gain_MIMO已经赋了表示具有非直视(NLOS)关系的第四值，那么选择空间天线类型作为这个接收机像素的最优多天线类型。如果上述条件全不为真，那么选择XPoI类型作为这个接收机像素的最优多天线类型。

图14a和14b示出了在ULA类型和ULA与包括两个交叉极化天线的交叉极化天线组合之间，简单来说：ULA对2-(ULA+XPoI)，做出决策。如果ULA类型的标量度量Gain_MIMO已经赋了表示空间复用程度大于4的第二值，那么选择具有最高空间复用程度的空间天线类型作为这个接收机像素的最优多天线类型。如果ULA类型的标量度量Gain_MIMO已经赋了表示空间复用程度大于等于2的第二值，并且XPoI组合类型的标量度量Gain_MIMO已经赋了表示具有直视(LOS)关系的第三值，那么选择XPoI组合类型作为这个接收机像素的最优多天线类型。如果ULA类型的标量度量Gain_MIMO已经赋了表示空间复用程度大于等于2的第二值，并且XPoI组合类型的标量度量Gain_MIMO已经赋了表示具有非直视(NLOS)关系的第四值，那么两个天线类型产生相同的优势，并且在随后对每扇区最佳天线类型的估算中，对两个天线类型同量加权。如果上述条件全不为真，那么选择XPoI类型作为这个接收机像素的最优多天线类型。

从哪个类型的天线最适合于作为具体基站的多天线类型来服务整个覆盖扇区的角度来看，可以容易地评定这样的绘图。第一种可能性是简单地对优选各个天线类型的接收机像素进行计数，并且选择在覆盖扇区内大多数接收机网格点上被确定为最佳多天线类型的多天线类型作为每覆盖扇区的最佳覆盖发射机位置的最优多天线类型。

如果需要，可对接收机像素加权，例如，使用表示可预期通信量密度和/或通信量容量的值，并且可选择具有最高接收机网格点的标量度量加权和的多天线类型作为每个覆盖区域的最佳覆盖发射机位置的最优多天线类型。

在欧洲某城市的密集城区的蜂窝网络内，进行了示例性模拟。网络的大小约为2平方英里(3.5平方公里)并且包括三个站点，每个站点包括三个扇区。扇形天线指向60度、180度和300度，并且位于建筑物平均高度(约15米)以上(约50米)。我们对环境的拓扑数据库使用三维向量表示法。通过如上所述的光线发射信道来模拟射频波的传播。接收机位置放置于10米×10米的网格中(选项1)。在一种变化中，为了检测室内MIMO性能，我们将我们的接收机只放置在建筑物周围10米的距离内(选项2)。这个粗略的模型假设在10米的网格内所有建筑物有窗户。既然在光线发射工具中没有对穿透性进行建模，我们可以另外调查射频波仅能从建筑物安装有窗户的侧面到达接收机的情形下的MIMO性能。由总共九个扇区中的四个来服务接收机。接收机网格矩阵的高度定义为Z_Rx＝1.5米(配置C1)以及Z_Rx＝15米(配置C2)，位于DEM之上。

在发射端，对于所有讨论的天线类型，作为单天线单元的模型是典型的商用天线，具有65度的3dB波束宽度，6度的电倾角以及16.57dBi的增益。在接收端，使用具有0dBi的各向同性源的仿真模型作为单天线单元的模型。

光线发射模拟的结果是如在公式(2)中表示的每个接收机位置的信道脉冲响应。除了公式(2)，光线发射工具还输出计算公式(3)所需要的，所有输出(发射端)和输入(接收端)光线的角度。因为我们的光线发射模拟器是完全测定偏振的，所以公式(4)中表示的XPoI信道矩阵也是直接的信道模拟结果。

在示范实例中，我们比较ΔTx/Rx＝0.5的ULA和倾斜±45度的XPoI天线的性能，并且与结果一致，我们提出四个服务扇区的最佳服务区域，以获得在图13中示意性示出的绘图。

这个分析的结果表示在如下的表格中。表格示出了四个主要的列，每个列表示服务接收机的四个扇区中的每一个。根据在图14中示意性示出的最佳服务者图进行哪个扇区服务哪个接收机的选择。此外，对于这两个配置，表格示出了被各自扇区服务的接收机像素的总数目的百分比[％]，以及对于两个被研究的多天线类型中具有较高度量Gain_MIMO的接收机像素的总数目的百分比[％]。

表：每扇区/每天线类型的覆盖区域[％]

对于C1中的实例，扇区2具有整个区域42.0％的覆盖范围。在扇区2具有XPoI天线的情况下，与该扇区具有ULA天线的情况下41.9％的接收机具有较高Gain_MIMO相比，其覆盖区域的58.1％具有较高的Gain_MIMO。因此，应该为区域2配置XPoI天线。这也同样适用于扇区3和4，但是不适用于扇区1。另一方面，对于Z_Rx＝15m的选项2(配置2-C2)的结果表示扇区1选择相反的天线类型，这证明了Gain_MIMO依赖于接收机的高度和接收机的分布。

Claims (16)

1.一种用于规划并优化无线接入网络的配置的方法，该无线接入网络包括基站和接收机并采用允许或者强制在所述基站及接收机处使用多天线类型的移动无线技术，其中，每个所述多天线类型包括多个单天线单元，所述方法包括：

定义规划/优化区域；

获得用于所述区域的三维环境模型；

获得三维(3D)空间中的一组发射机位置；

在3D空间中定义接收机位置；

在所述发射机位置和所述接收机位置之间通过使用所述区域的三维环境模型执行光线跟踪算法，确定每个接收机位置的标量度量，该标量度量表示在所述发射机和接收机位置上应用多天线类型或多天线类型配置而不是单天线所得到的容量增益。

2.如权利要求1中所述的方法，其中，所述多天线类型配置通过所述多天线类型和其机械倾角、电子倾角和/或方位角来定义。

3.如权利要求1中所述的方法，其中，通过由所述光线跟踪算法找到的多天线信道脉冲响应矩阵来确定每个接收机位置的所述标量度量，该标量度量为Foschini MIMO容量与SISO信道的香农容量的比。

4.如权利要求1中所述的方法，其中，假设多天线类型为包括空间上分离的单天线单元的类型，例如均匀线性阵列(ULA)、均匀圆形阵列(UCA)、或者远端射频头(RRH)，并且其中，通过评定传播路径矩阵确定每个接收机位置的所述标量度量，该传播路径矩阵的行对应于发射多天线类型的单天线单元数目，以及该传播路径矩阵的列对应于接收机位置上接收多天线类型的单天线单元的数目，通过限制所述光线跟踪算法，在发射多天线的空间面元和接收多天线的空间面元之间找出每路径包括少量反射的传输路径，以由此找到的主要的并且空间可分解的传播路径的数目来填充矩阵，每个空间面元表示由多天线类型的方向图导出的各个多天线类型的单天线单元的空间上分解的有效活动扇区，其中，如果采用表示空间分集程度的至少两个元素来填充所述传播路径矩阵的至少一行或一列，那么所述标量度量已经赋了第一值，并且如果采用表示空间复用的程度的至少两个元素填充所述传播路径矩阵的至少两行和至少两列，那么所述标量度量已经赋了第二值。

5.如权利要求1中所述的方法，其中，假设多天线类型为包括由不同极化方向分离的单天线单元的类型，例如交叉极化天线(XPoI)，并且其中，如果在发射多天线的空间面元和位于接收机位置的接收多天线的空间面元之间存在直视关系，那么通过在光线跟踪算法中检测来确定每个接收机位置的所述标量度量，每个空间面元表示由多天线类型的方向图导出的各个多天线类型的单天线单元的空间上分解的有效活动扇区，其中，如果在发射多天线的空间面元和接收多天线的空间面元之间存在直视关系，那么所述标量度量已经赋了第三值，并且如果在发射多天线的空间面元和接收多天线的空间面元之间存在非直视关系，那么所述标量度量已经赋了第四值。

6.如权利要求1中所述的方法，其中：

对于包括空间上分离的单天线单元的多天线类型，例如均匀线性阵列(ULA)、均匀圆形阵列(UCA)或者远端射频头(RRH)，通过评定传播路径矩阵来确定每个接收机位置的所述标量度量，该传播路径矩阵的行对应于发射多天线类型的单天线单元的数目，以及该传播路径矩阵的列对应于位于接收机位置的接收多天线的单天线单元的数目，通过限制所述光线跟踪算法，在发射多天线的空间面元和接收多天线的空间面元之间找出每路径包括少量反射的传输路径，以由此找到的主要的并且空间可分解的传播路径的数目来填充矩阵，每个空间面元表示由多天线类型的方向图导出的各个多天线类型的单天线单元的空间上可分解的有效活动扇区，其中，如果采用表示空间分集程度的至少两个元素来填充所述传播路径矩阵的至少一行或一列，那么所述标量度量已经赋了第一值，并且如果采用表示空间复用的程度的至少两个元素填充所述传播路径矩阵的至少两行和至少两列，那么所述标量度量已经赋了第二值；以及

对于包括由不同极化方向分离的单天线单元的多天线类型，例如交叉极化天线(XPoI)，如果在发射多天线的空间面元和位于接收机位置的接收多天线的空间面元之间存在直视关系，那么通过在光线跟踪算法中检测来确定每个接收机位置的所述标量度量，每个空间面元表示由多天线类型的方向图导出的各自个天线类型的单天线单元的空间上分解的有效活动扇区，其中，如果在发射多天线的空间面元和接收多天线的空间面元之间存在直视关系，那么所述标量度量已经赋了第三值，并且如果在发射多天线的空间面元和接收多天线的空间面元之间存在非直视关系，那么所述标量度量已经赋了第四值，以及

其中，如果多天线类型包括空间上分离的多天线单元和由不同极化方向分离的单天线单元的组合，那么通过为每个多天线类型确定的部分标量度量的组合来确定多天线类型的标量度量。

7.如权利要求1中所述的方法，其中，获得3D环境模型的步骤包括：通过定义具有固定分辨率的网格矩阵来获得地物高度矩阵，从数据库中检索表示所述区域内建筑物高度的数据，以及确定每个网格像素的平均建筑物高度，并且可选地，采用数字高程矩阵(DEM)修正每个网格像素的所述建筑物平均高度值，或者进一步包括定义高度阈值以及对于位于所述高度阈值之上和之下的所有接收机像素单独地执行所述方法。

8.如权利要求1中所述的方法，其中，获得一组发射机位置的步骤包括：从网络运营商处获得覆盖规划/优化区域并已部署的一组基站或基站扇区的位置，以通过优化所述位置上的天线配置来优化网络配置，或者包括为了站点选择目的定义一组可选站点的候选位置，以规划无线接入网络，或者它们的组合，以补缺站点规划。

9.如权利要求8中所述的方法，其中，所述优化的步骤包括：确定每个发射机位置的天线配置，在保持剩余度量最低需求的同时，最大化覆盖范围、容量或MIMO容量增益之中的至少一个度量。

10.如权利要求1中所述的方法，其中，定义接收机位置的步骤包括：定义具有每个像素内一个接收机的固定分辨率的接收机网格矩阵，以及可配置的接收机距离地面的高度，以估量整个区域的MIMO性能，或者包括仅在所述地物高度矩阵的建筑物周围某个距离上定义接收站点，以估算室内的MIMO性能。

11.如权利要求1中所述的方法，进一步包括：将规划/优化区域划分为具有相关联的最佳覆盖发射机位置的多个覆盖扇区，以及通过比较为不同可用的多天线类型及天线配置确定的标量度量值，为每个覆盖扇区内的每个接收机像素确定用于所述最佳覆盖发射机位置的最优的多天线类型和/或天线配置。

12.如权利要求11中所述的方法，进一步包括：选择被确定为覆盖扇区的大多数接收机元素上的最佳多天线类型的多天线类型，作为每个覆盖扇区的最佳覆盖发射机位置的最优多天线类型。

13.如权利要求11中所述的方法，进一步包括：以表示预期通信量密度和/或通信量容量或诸如最大可预期成本或收益经济数据的值为每个接收机像素的标量度量加权，并且选择具有最高接收机像素标量度量的加权和的多天线类型作为每个覆盖区域的最佳覆盖发射机位置的最优天线类型。

14.如权利要求6中所述的方法，进一步包括：将规划/优化区域划分为具有相关联的最佳覆盖发射机位置的多个覆盖扇区，以及通过比较为不同可用的多天线类型及天线配置确定的标量度量值，为每个覆盖扇区内的每个接收机像素确定用于所述最佳覆盖发射机位置的最优的多天线类型和/或天线配置。

15.如权利要求14中所述的方法，进一步包括：选择被确定为覆盖扇区的大多数接收机元素上的最佳多天线类型的多天线类型作为每个覆盖扇区的最佳覆盖发射机位置的最优多天线类型。

16.如权利要求14中所述的方法，进一步包括：以表示预期通信量密度和/或通信量容量或诸如最大可预期成本或收益经济数据的值为每个接收机像素的标量度量加权，并且选择具有最高接收机像素标量度量的加权和的多天线类型作为每个覆盖区域的最佳覆盖发射机位置的最优天线类型。

Images