一种快速精确定位移动终端的方法
[技术领域]
本发明涉及无线通信领域,具体地说是一种快速精确定位移动终端的方法。
[背景技术]
现在的GSM定位实现有的是单纯的一TA值处理为TOA或TDOA值进行定位,TOA、TDOA都是基于电波传播时间的定位方法,同时也都是三基站定位方法,二者的定位都需要同时有三个位置已知的基站合作才能进行。缺点在于定位精度不高,误差一般在200米左右。
有些也实现了指纹定位方法LF,指纹定位可以应对NLOS和多径传输状况,但是建立特征库的时候,完全依赖实际测试数据,过程比较复杂,成本较高,需要采集网络中所有地理位置的特征信息。同时在依据特征库进行定位的时候,需要搜索所有的特征库,比较繁琐,速度较慢。
虽然有些用小区的TA值进行过滤,但是GSM网络中的TA值是不准确的,需要进一步处理才可以。
重要的是上述定位方法的定位精度都不是很高,用来进行无线网络优化,还有一定的差距。
[发明内容]
本发明的目的是通针对上述不足,设计一种高精度的定位方法。
为了实现上述目的,本发明设计一种快速精确定位移动终端的方法,其特征在于该方法包括以下步骤:
a、首先依据无线网络中小区的工程参数数据以及地理信息数据,并结合自动下载的网络配置数据和网络中的性能统计数据,分析网络中各个小区的地理场景和无线场景;
b、根据小区的地理场景和无线场景对小区进行聚类处理,每种聚类分配不同的指纹特征判别值,依此建立每个小区的覆盖筛选特征库,同时,依据小区的地理场景和无线场景为小区设置相应的TA值修正比例;
c、用预先设计好的串口数据自动采集设备,获取网络中正在通话终端的上报信息,针对信息中的各个相关小区的TA值,根据相关小区的地理特征和无线特征对TA值进行修正,然后转换为相应的TDOA值。这样就可以依据TDOA值用的CHAN定位方法对上报数据进行初步的定位,获得初步的定位结果;
d、根据初步定为的结果,得到一组新的TDOA的值,然后利用线性修正思想,新的TDOA的值进行修正,用新的修正后的值用CHAN方法再进行定位。如此往复,直到满足迭代次数条件。获得用TA值定位的结果;
e、依据TA值定位结果和定位结果所在位置的地理信息,以初步定位点方圆M米为筛选范围,M的取值由TA值定位结果所在位置的地理信息确定;
f、用信号采集设备收集某个区域内各种位置的信号数据,并用GPS设备记录下信号采集点的位置,根据信号数据,修正网络传播模型,然后用修正后的传播模型进行系统仿真,获取需要进行定位的区域内的预测数据,依据预测数据获取每个栅格点的相关小区信息以及小区对应的电平信息,根据这些信息建立所有栅格点的电平特征库;
g、从终端上报信息中的获取每一条上报数据的相关小区信息和小区对应的电平信息,获取每个相关小区的指纹判别特征值,求和,得到该条上报信息的特征判别值;
h、然后对于每一条上报数据,循环筛选范围内每个地理位置涉及的指纹特征库,和该条上报数据中的相关小区的电平进行比较。如果在一个地理位置指纹特征库中找到了相关小区,则记录对应的电平差,如果没有找到相关小区,就记录一个较大的值,然后把每个记录值求和,获得一个地理位置的匹配值;
i、用每个地理位置的匹配值,和该条上报信息的特征判别值进行比较,如果在设定的范围之内,则记录为可参考指纹特征;
j、对获得可参考指纹特征,按照匹配值的大小进行排序,然后从小到大进行加权,然后进行加权平均,获取最终的定位结果。
k、用采集的信号数据同样可以产生定位结果,用信号数据中的位置信息和定位结果比对,可以得到相应的精度信息;
l、定位结果的应用包括:固化到信号采集设备中,替代信号采集过程中额外增加的GPS设备;固化到手机终端中,替代手机定位功能中的GPS设备。
本发明与现有技术相比,其优点在于:
根据无线网络中的配置数据和性能统计数据,对小区进行地理场景和无线场景分析。根据分析的结果进行聚类且进行分类处理。同时根据地理场景和无线场景修正上报数据中各个小区的TA值,用改进的CHAN方法对上报点进行初步定位,缩小指纹特征库的匹配范围。
然后根据上报数据中相关小区的相关小区所属分类以及指纹特征库进行快速匹配,最终得到匹配的地理位置。即实现了快速定位,且定位成本较低。
根据路测数据进行无线网络传播模型修正,用修正后的模型进行系统仿真,快速的建立特征库。这样建立的特征库比较全面和精确。而且可以根据不同的路测对特征库进行及时的更新。
根据指纹特征库进行定位的过程中,根据相关小区的不同地理特征和无线特征,进行不同的匹配方式。同时保留多个符合匹配条件的特征值。然后对特征值进行加权平均之后,获取最终的定位结果,保证了定位结果有较高的定位精度。
[附图说明]
图1为本发明的示意图;
图2为本发明的系统流程图。
[具体实施方式]
以下结合附图,对本发明做进一步说明。
首先依据无线网络中小区的工程参数数据以及地理信息数据,并结合自动下载的网络配置数据和网络中的性能统计数据,分析网络中各个小区的地理场景和无线场景。地理特征包括:一般室内、高层室内、密集室外、一般室外、高校、商业区、广场、城市内湖(河);无线特征包括:上行干扰场景、下行干扰场景、下行弱覆盖场景、上行弱覆盖场景、越区覆盖场景、覆盖空洞场景、导频污染场景、快衰落场景、极快衰落场景、拐角效应、系统内邻区丢失、GPS失步;
根据小区的地理场景和无线场景对小区进行聚类处理,每种聚类分配不同的指纹特征判别值,依此建立每个小区的覆盖筛选特征库。同时,依据小区的地理场景和无线场景为小区设置相应的TA值修正比例。
采用设计好的串口数据自动读取设备,从无线服务商那里获取网络中正在通话终端的上报信息,针对信息中的各个相关小区的TA值,根据相关小区的地理特征和无线特征对TA值进行修正,然后转换为相应的TDOA值。这样就可以依据TDOA值用的CHAN定位方法对上报数据进行初步的定位,获得初步的定位结果。
根据初步定为的结果,得到一组新的TDOA的值,然后利用线性修正思想,新的TDOA的值进行修正,用新的修正后的值用CHAN方法再进行定位。如此往复,直到满足迭代次数条件。获得用TA值定位的结果。
依据TA值定位结果和定位结果所在位置的地理信息,以初步定位点方圆M米为筛选范围,M的取值由TA值定位结果所在位置的地理信息确定。
用信号采集设备收集某个区域内各种位置的信号数据,并用GPS设备记录下信号采集点的位置,根据信号数据,修正网络传播模型,然后用修正后的传播模型进行系统仿真,获取需要进行定位的区域内的预测数据,依据预测数据获取每个栅格点的相关小区信息以及小区对应的电平信息,根据这些信息建立所有栅格点的电平特征库。
从终端上报信息中的获取每一条上报数据的相关小区信息和小区对应的电平信息,获取每个相关小区的指纹判别特征值,求和,得到该条上报信息的特征判别值。
然后对于每一条上报数据,循环筛选范围内每个地理位置涉及的指纹特征库,和该条上报数据中的相关小区的电平进行比较。如果在一个地理位置指纹特征库中找到了相关小区,则记录对应的电平差,如果没有找到相关小区,就记录一个较大的值,然后把每个记录值求和,获得一个地理位置的匹配值。
用每个地理位置的匹配值,和该条上报信息的特征判别值进行比较,如果在设定的范围之内,则记录为可参考指纹特征。
对获得可参考指纹特征,按照匹配值的大小进行排序,然后从小到大进行加权,然后进行加权平均,获取最终的定位结果。
用采集的信号数据同样可以产生定位结果,用信号数据中的位置信息和定位结果比对,可以得到相应的精度信息。
定位结果的应用可包括并不仅包括:固化到信号采集设备中,替代信号采集过程中额外增加的GPS设备;固化到手机终端中,替代手机定位功能中的GPS设备等等。