CN102576065B - 用于改进定位的方法和设备 - Google Patents

Abstract

在一种能够实现蜂窝通信系统中高清度位置确定数据的改进报告的方法中，执行以下步骤：响应定位请求，检测(S10)两个不同的小区多边形，每个多边形表示高精度位置确定的相应簇的地理地点。随后，通过选择性联接每个所述多边形的相应外部周边以便最小化结果的合并的小区多边形区域并保持合并的小区多边形的角的数量低于预定阈值来联接(S20)所述两个不同的小区多边形以形成所述合并的小区多边形。最后，向网络节点报告(S30)所述合并的小区多边形，由此将源于两个不同小区多边形的位置确定数据提供为单个合并的小区多边形。

Description

用于改进定位的方法和设备

技术领域

本发明一般涉及电信系统中的定位，并且具体地说，涉及响应此类系统中的定位请求的改进报告。

背景技术

所有蜂窝系统被划分成由一个特定基站服务的小区。每个基站可服务于不止一个小区。从定位和导航角度而言，重要的点是特定UE(用户设备＝终端＝蜂窝电话)所处的小区在蜂窝系统中已知。因此，在确定特定小区覆盖的地理区域后，只要UE已连接并且服务小区的报告的小区身份相当于特定地理区域的小区身份，便能够说它位于所述地理区域内某处。

在其中包括WCDMA(宽带码分多址)系统的几个系统中，小区的地理延伸的优选表示由所谓的小区多边形格式[1]提供。小区的地理延伸和位置通过本身不相交的闭合多边形的3-15个角描述。格式是二维的，并且角被确定为在WGS84地理参考系统中的经度和纬度对，有关详细信息，请参阅[1]。

小区身份定位方法操作如下(在假设定位在RANAP接口[2]上操作的条件下，为WCDMA蜂窝系统进行描述)。对于GSM和控制平面LTE，过程是类似的。

1)在SRNC(服务无线电网络控制器)中通过RANAP接口[2]接收消息：地点报告控制(LOCATION REPORTING CONTROL)。

2)地点报告控制消息的服务质量参数(最重要的是准确度和响应时间)使得RNC选择小区身份定位方法。

3)SRNC确定已定位UE的服务小区身份[在UE与多个基站进行(更)软切换的情况下，可应用特殊过程]，并且检索表示服务小区的延伸的预存储多边形。

4)SRNC在地点报告(LOCATION REPORT)消息中使用小区多边形格式，通过RANAP接口[2]将结果小区多边形发送回核心网络。

如上所述，小区的地理延伸的优选表示由小区多边形格式[1]提供。图1表示带有角A-E的小区多边形的一示例。NodeB(RBS，无线电基站)通常位置靠近所述NodeB服务的小区多边形的角之一。图2中的3GPP多边形消息IE(信息元素)存在于地点报告消息中，该消息在成功的小区身份定位操作后通过RANAP接口返回核心网络。

应注意，由于无线电传播的复杂性，小区多边形格式只是真正小区的延伸的近似。将例如计算复杂性和报告带宽考虑在内，多边形格式的选择由具有相当灵活的地理表示格式的需要来指示。

由于多边形格式近似小区延伸，因此，多边形通常在小区规划工具中被预定以表示带有一定置信度的小区延伸。置信度是终端实际位于报告区域内的概率，在此情况下，以小区多边形为界。

所谓的辅助GPS(A-GPS)定位是全球定位系统(GPS)的增强。图3中示出A-GPS定位系统的一示例。图中附连到蜂窝通信系统的GPS参考接收器收集辅助数据，辅助数据在传送到连接到蜂窝通信系统中的终端中的GPS接收器时，增强GPS终端接收器的性能。一般情况下，A-GPS准确度也能够变得精确到10米而无需差分操作。准确度 在灵敏度经常不够高到足以检测来自GPS卫星的极弱信号的密集城区和室内变得更差。

另一定位方案由所谓的指纹识别定位[3]来提供，指纹识别定位通过为覆盖无线电接入网络(RAN)的精细坐标格的每个点创建无线电指纹来操作。指纹例如由以下组成：

i)每个格点中终端检测到的小区ID。

ii)每个格点相对于多个eNodeB由终端执行的量化的路径损耗或信号强度测量。注意，也可能需要NodeB的关联ID。

iii)每个格点中量化的往返程时间(RTT)。注意，也可能需要NodeB的关联ID。

iv)无线电连接信息，如无线电接入承载(RAB)。

无论何时位置请求到达定位方法，先测量无线电指纹，之后，查找并报告对应的格点。当然，这要求该点是独特的。加指纹的位置的数据库(无线电图)能够以几种方式生成。第一备选将是执行广泛勘测操作，该操作为RAN的所有坐标格点反复执行指纹识别无线电测量。此方案的缺点包括：

对于小的蜂窝网络，要求的勘测也变得相当大。

无线电指纹在某些时刻中(例如信号强度和路径损耗)对终端的定向敏感，这实际上对手持式终端特别麻烦。对于精细格，加指纹的位置的准确度因此变得高度不确定，不过，这很少反映在报告的地理结果的准确度中。

另一个方案是将精细格替代为时机的高精度位置测量，并且提供所述点的指纹识别无线电测量。这避免了上述缺陷，然而

必须定义用于时机的高精度位置测量的簇集(clustering)的算法。

必须定义用于簇(cluster)的地理描述的计算的算法。

上述两个问题通过与AECID定位方法有关的现有技术而得以解决，参阅[3]。

指纹识别的一种特定形式是所谓的AECID指纹识别定位方法，其前面步骤之一是在所有高精度测量具有相同标记的簇中收集例如通过A-GPS测量获得并标记有测量的无线电条件的加标记的高精度参考测量。这形成了标记的高精度测量的簇，像图4中所示的一个簇一样。该图示出高精度参考位置的模拟簇。每个点表示一个高精度(A-GPS)测量。所有高精度测量具有相同的标记。

以前的专利申请和[3]描述能够如何计算多边形以描述图4所示的高精度测量的簇的边界。

发明内容

本发明涉及电信系统中的改进定位。

具体而言，本发明公开了定位数据的改进报告的一种方法。

基本上，本发明公开了通过响应定位请求，检查(S10)两个不同小区多边形(每个小区多边形表示高精度位置确定的相应簇的地理地点)，从而能够实现蜂窝通信系统中高精度位置确定数据的改进报告。随后，通过选择性联接每个所述多边形的相应外部周边以便最小化结果的合并的小区多边形区域并保持合并的小区多边形的角的数量低于预定阈值来联接(S20)两个不同的小区多边形以形成所述合并的小区多边形。最后，向网络节点报告(S30)合并的小区多边形，由此在单个合并的小区多边形中提供源于两个不同小区多边形的位置确定数据。

优点：

改进的定位

定位数据的改进报告

附图说明

通过连同附图进行对以下描述的参照，可最好地理解本发明及其另外的它目的和优点，其中：

图1是小区多边形的示意图，

图2是多边形报告格式的图示，

图3是A-GPS的示例，

图4是高精度测量的簇的图示，

图5是来自图5的子簇的图示，

图6是与现有技术有关的问题的示意图；

图7是根据本发明的方法的一实施例的流程图；

图8是根据本发明的方法的又一实施例的流程图；

图9是根据本发明的方法的另一实施例的流程图；

图10是根据本发明的方法的另一实施例的流程图；

图11是根据本发明的方法的另一实施例的流程图；

图12是根据本发明的方法的另一实施例的流程图；

图13a-f是根据本发明的多边形合并的图示，

图14是根据本发明的设备的一实施例的图示。

缩略词

具体实施方式

本发明将在例如WCDMA系统中A-GPS等指纹定位的上下文中描述，但同样适用于利用此类定位的类似系统。

图4中簇的进一步研究显示，它可能由两个子簇组成，两个子簇之间有重叠区域。由于最多只有15个角分布用于[3]的收缩多边形算法，因此，得出的结论是如果进行以下操作，该算法将更容易获得图4的簇的准确描述：

●图4的簇先分离(split)成子簇。如下所示，在图5中，每个子簇的几何形状随后变得更圆，一个为[3]的算法而简化的事实，这由此能够获得用于每个子簇的多边形，这些多边形提供的总体簇的描述比如果所述簇将通过所述收缩多边形算法在一步中处理更准确。

●向最终用户报告子簇。

在国际专利申请[4]中公开了用于将簇分离在子簇中的自动算法。应用这些算法到图4的簇的效果在图5中示出。结果簇由两个椭圆指示。

图6中进一步示出利用上述簇分离的一个特定示例。用于AECID处理的簇将从分离受益的情况经常在实践中发生。例如，沿城市区域中的街道收集所述簇的参考A-GPS测量是常见的。这导致如图6所示的簇被划分在不相交部分中的情况。除非在计算多边形以描述边界前分离这些簇，否则，多边形将覆盖不必要的大区域，由此大大降低AECID定位方法的准确度。

目前，没有部件或方法可用于响应单个定位请求而报告两个此类子簇，因此严重限制了簇分离的用处，并导致在一些情况更不准确的定位。

本发明将相对于上面提及的簇分离情形的问题进行描述。然而，存在其中需要合并多个簇(如其相应计算的多边形所表示的)以便能够实现报告以及其中本发明将提供有益增强的另外情形。一个此类在情形是请求更粗略的经度信息的情形。另一示例是多边形为不必要地精细的情形。又一情形是运营商或机构想合并几个多边形以便在例如搜索和营救任务期间形成限界的情形。

本发明特别适用于WCDMA、LTE和GSM，具体而言适用于与簇分离组合，增强AECID指纹识别算法。

在现有技术中，簇分离不能为AECID算法所利用，原因只是WCDMA和LTE的定位节点的报告接口只支持为每个定位请求报告一个多边形。因此，为进一步利用簇分析算法，本发明者认识到需要找到有关如何响应一个定位请求、避免报告多个多边形的解决方案。

本公开旨在提供将两个此类多边形(或表示高精度位置确定的任何两个多边形)合并到单个多边形中、并响应单个定位请求而报告单个多边形的部件和方法。

作为一最基本的实施例，参照图7，本发明包括检测两个不同的多边形S10。每个此类多边形表示用于用户终端的高精度位置确定的簇的地理地点。多边形能够是簇分离算法的结果，或者只表示具有或没有共同特性的任何两个多边形。术语检测以其最广义的含意使用，因此，包括实际检测两个多边形，接收两个多边形，计算两个多边形或诸如此类。

随后，为了使得能够将两个多边形报告为一个多边形，联接S20、组合、合并或融合两个多边形为单个合并的小区多边形。基本上，选择性地联接或组合每个多边形的边界和另一多边形的边界。最后，向网络节点报告S30合并的小区多边形。在本公开中，术语联接以相当广义的方式使用，因此包括实际组合两个多边形的边界及选择多边形之一以表示两个多边形。这将相对于特定实施例进一步描述。

因此，能够使用仅单个多边形来报告源于两个不同簇的高精度位置测量，例如，源于簇分离算法，或表示用户终端的地理地点的任何两个多边形。

由于两个多边形能够以多种不同方式相对于彼此来布置，因此，重要的是适当地定义其对于彼此的关系以便判定要使用的联接或合并的方法。两个多边形能够根据两个主要类别之一来布置，多边形是完全不相交或它们在一定程度上是重叠的。

通常，如果多边形不重叠，例如，完全不相交，则其相应边界需要被连接以形成单个合并的小区多边形的联合边界。同时，如果多边形源于簇分离算法，则必需最小化可能添加到组合的区域。换而言之，相应边界需要以提议的合并过程不会不必要地添加面积的此类方式被选择性地联接。

对于重叠多边形的情况，情形稍微更复杂。术语重叠以其最广义的含意使用，因此包括两个多边形在彼此之上布置、可能将一个多边形完全置于另一多边形内的情况，以及多边形只部分重叠、并且只是彼此相交或带有实际位于彼此的内部内的角的情况。可能部分重叠的多边形的情况也能够根据具有来自相应多边形的线段彼此相交的多边形来定义。

参照图8，将描述根据本发明的方法的又一实施例。如前面相对于图7所述，在步骤S10中检测到两个不同的小区多边形。随后，执行确定多边形是否重叠的步骤S11。如果多边形不相交，则方法继续在步骤S20中联接两个多边形以形成合并的多边形的步骤，并随后报告合并的多边形S30。

根据一特定实施例，参照图11，如果确定多边形不相交，即，彼此既不相交，也不重叠，则联接步骤S20配置如下。基本上，对于两个多边形的每个角，确定哪些角在一起最靠近。换而言之，比较每个多边形的每个角和另一多边形的每个角，并且一般查找在地理上一起最靠近的每个多边形的两对角。在那些角已识别时，将它们彼此连接以形成单个联合边界，例如，合并的小区多边形的非相交边界。优选是选择角以最小化联接操作添加的区域。在合并的小区多边形形成后，参照图12，执行检查以确定合并的小区多边形的角的数量是否超过预定的阈值，例如，15个角。如果情况是如此，则在步骤S30中报告角数量减少的合并的多边形前，执行减少角的数量的操作，直至满足阈值。

如果步骤S11识别多边形为是重叠的，则方法继续到确定多边形之一是否包含在另一多边形的内部内的步骤S12，例如，是否多边形之一完全包围另一多边形。如果情况是如此，则如图9所示，通过将外围的(enclosing)多边形指派为合并的多边形，并向网络节点报告S30外围或外部的多边形，继续联接S20两个多边形的步骤。在定位测量包括纬度参数时，外围的多边形的情况最可能出现。随后，极可能簇能够被划分成表示山峰的一个子簇和表示环绕山脉的山谷的一个子簇。

如果步骤S12显示两个多边形仅部分重叠，则下一步骤S13确定一个多边形的任何角是否包含在另一多边形的边界内，例如，一个多边形的角是否形成另一多边形的内部点。如果情况是如此，则根据一特定实施例，需要从相应多边形删除S14这个(或这些)内部点以形成两个不相交的多边形。随后，如参照图11和图12所述，执行用于不相交的多边形的过程。备选的是，不形成两个多边形的并集，而是选择现在组合的联合边界作为合并的小区多边形。由此删除任何内部线段和内部点，在两个多边形相交的点添加新角。随后，执行检查以查看角的数量是否超过设置的阈值，例如15个角。在该情况下，减少角的数量，直至满足所述阈值。

如果在重叠多边形中不存在内部点，则将两个多边形联接成合并的多边形的过程遵循图10中概述的流程。基本上，形成两个多边形的并集，并且将并集的外部周边指派为在每个相交处添加角的合并的多边形的联合边界。具体而言，通过遍历一个多边形的周边，将相交和角添加为新角，遍历另一多边形，添加相交和角，以及重复进行，直至达到初始角以形成合并的多边形。最后，执行根据图12的检查以确保合并的多边形符合对于可允许的多边形角的数量的阈值的要求。

以概要的方式，本公开/发明包括

a)使得能够通过适用于报告一个多边形的通信接口从定位节点向另一节点报告多边形信息，所述报告的多边形从至少两个多边形获得，所述至少两个多边形从高精度参考点的多个独立簇来计算。

b)高精度参考点的至少两个子簇的融合(合并)，所述子簇为AECID定位[3]被创建，通过根据[4]的簇分离以及通过分别应用收缩多边形算法[3]到每个所述子簇来获得，所述融合算法

c)将子簇的地理上不重叠的多边形合并(1)到一个多边形，表示所述子簇的所有或子集

d)将子簇的重叠多边形合并(2)到一个多边形，表示所述子簇的所有或子集，所述合并(2)算法

e)处理子簇的至少一个多边形的至少一个角在所述子簇的至少另一多边形的内部的情形，所述子簇源于表示AECID算法的标记的所述一个簇。

f)处理子簇的一多边形的角均不在所述子簇的多边形内部的情形，所述子簇源于表示AECID算法的标记的所述一个簇。

g)在所述融合的角的角的数量将超过预指定的最大数量(15)的情况下，减少表示原簇的结果融合的多边形的角的数量，所述减少算法计及所述融合的多边形的形状和最小化与角的数量的所述减少相关联的准确度损害。

为了进一步解释本发明，下面将参照图13a-13f并通过一些详细的计算，描述本发明的一些特定实施例和示例。

考虑图13a中所示的带有两个重叠小区多边形的情况。为描述本发明的细节，假设所有计算在二维笛卡尔地球切线坐标系统中执行。在此坐标系统中，要融合(合并)的两个多边形的角表示为：

$r_i^1={\left(\begin{array}{cc}{x}_i^1& y_i^1\end{array}\right)}^T,i=1,...,N^1---\left(1\right)$

$r_i^2={\left(\begin{array}{cc}{x}_i^2& y_i^2\end{array}\right)}^T,i=1,...,N^2.---\left(2\right)$

多边形是否重叠的确定

需要区分三种情况：

1)在两个多边形的线段之间不存在相交，并且一个多边形完全在另一多边形的内部。

2)在两个多边形的线段之间存在相交，并且两个多边形的任一多边形的角均不在另一多边形的内部。多边形不相交。

3)在两个多边形的线段之间存在相交。这是重叠多边形的一种情况。有两种子情况，其中多边形之一的至少一个角在另一多边形的内部，以及其中不存在此类角。

这只是指出多边形能够重叠(包括被包围和相交的多边形)或不相交的另一方式。

搜索内部点

此搜索通过从现有技术已知的算法来执行。但从现有技术可能不知道算法到多边形角的应用。测试利用平行于坐标系统的东轴，从被测试多边形角到无限的测试射线。测试是基于以下事实：对于另一多边形的内部中的被测试多边形角，在测试射线上的点从被测试角移到无限时，另一多边形必须被相交奇数次。形式上，还需要多边形是紧凑的(有限的)的假设。通过检查测试射线之间的相交和两个相邻的其它多边形角点之间的线段，容易确定与另一多边形边界的交叉。

在下面的算法(4)中，测试多边形1的角点是否在多边形2的内部。相对于多边形1测试多边形2的角的逆问题的过程是相同的，因此此处不重复。(附件中的代码包含这两种情况。)下述算法假设第一和最后的另一多边形角点相同(重复)。为此原因，通过和增大(1)和(2)。为了解释算法，在水平射线 x≥x₀，i＝1，...，N¹与在带有另一小区多边形的索引j和j+1的角之间的线段之间的相交由以下等式的解(如果存在)给出

$\left(\begin{array}{c}x\\ y_i^1\end{array}\right)=\mathrm{\&alpha;}\left(\begin{array}{c}{x}_{j+1}^2\\ y_{j+1}^2\end{array}\right)+(1-\mathrm{\&alpha;})\left(\begin{array}{c}{x}_j^2\\ y_j^2\end{array}\right),x\&GreaterEqual;x_i^1,0\&le;\mathrm{\&alpha;}<1.---\left(3\right)$

考虑到两个约束，对此等式的解呈现相交(如果它存在)。此过程对另一多边形的角之间所有线段的重复因此允许统计用于一个特定被测试多边形角点的相交的数量。完整的过程通过以下算法概述，其中，表示用于被测试多边形角点i_k的相交的数量，以及其中是布尔变量，如果带有索引i_k的被测试多边形角点在另一多边形的内部，则该布尔变量为真。下标指示多边形1的角，下标2表示多边形2的角。

同样地，变量指示多边形1的多边形角是否在多边形2的内部。逆问题的解类似，并且能够通过交换多边形1和2而获得。

图13b中示出为示例多边形执行(4)的效果。正如能够看到的，存在多边形2的内部的多边形1的一个角。还存在多边形1的内部的多边形2的一个角。

搜索相交

朝向应用哪种主要情况的确定的下一步是检查两个多边形的所有线段之间的相交。同样地，假设多边形被延伸，使得第一和最后角重合。现在注意到，两个多边形的线段上的任意点能够参数化为

$r=r_i^1+{\mathrm{\&gamma;}}_i(r_{i+1}^1-r_i^1),0\&le;{\mathrm{\&gamma;}}_i<1---\left(5\right)$

$r=r_j^2+{\mathrm{\&kappa;}}_j(r_{j+1}^2-r_j^2),0\&le;{\mathrm{\&kappa;}}_j<1.---\left(6\right)$

等式(5)和(6)及结合项产生方程组

$\left(\begin{array}{cc}{x}_{i+1}^1-x_i^1& -(x_{j+1}^2-x_j^2)\\ y_{i+1}^1-y_i^1& -(y_{j+1}^2-y_j^2)\end{array}\right)\left(\begin{array}{c}{\mathrm{\&gamma;}}_{i,j}\\ {\mathrm{\&kappa;}}_{i,j}\end{array}\right)=\left(\begin{array}{c}{x}_j^2-x_i^1\\ y_j^2-y_i^1\end{array}\right),0\&le;{\mathrm{\&gamma;}}_i<\mathrm{1,0}\&le;{\mathrm{\&kappa;}}_j<1---\left(7\right)$

$r_{i,j}^{\mathrm{Inter}\sec \mathrm{tion}}=r_i^1+{\mathrm{\&gamma;}}_{i,j}(r_{i+1}^1-r_i^1).---\left(8\right)$

下面的循环随后检查在多边形之间是否存在任何相交

主要情况的确定

该情况现在能够确定如下，

重叠的多边形

内部点的确定和删除

第一步是运行算法(4)两次以生成变量和j＝1，...，N²，这可在确定上面的主要情况时已经完成。然而，在考虑备选实施例的情况下，这不一定正确。随后，下一步是根据上述变量删除内部的点。这生成处理的多边形

$r_i^{1,\mathrm{Step}1}={\left(\begin{array}{cc}{x}_i^{1,\mathrm{Step}1}& y_i^{1,\mathrm{Step}1}\end{array}\right)}^T,i=1,...,N^{1,\mathrm{Step}1}---\left(11\right)$

$r_i^{2,\mathrm{Step}1}={\left(\begin{array}{cc}{x}_i^{2,\mathrm{Step}1}& y_i^{2,\mathrm{Step}1}\end{array}\right)}^T,i=1,...,N^{2,\mathrm{Step}1},---\left(12\right)$

其中，上标()^Step1指示多边形已经通过第一处理步骤修改。在删除过程中，要求特别注意多边形1的角1和N¹及多边形2的角1和N²。如果在多边形之一中删除了任何这些角，则也需要删除那个多边形的相同角。此外，在此情况下，还需要将结果第一新角添加为最后角，因为要求多边形具有与第一角重合的最后角以便所有算法工作，参阅上面有关多边形增大的讨论。图13c示出结果不相交多边形的效果。

多边形之间相交的确定和多边形的合并

随后，通过算法(9)计算多边形之间的相交。在没有相交的情况下，算法通过不相交多边形的合并继续。否则，应用以下算法。

首先，通过多边形之一的第一角来初始化动态变量polygonFinal，此处选择多边形1(MATLAB记法)

在此操作后，逆时针遍历第一多边形，并且添加多边形1的角polygonFinal，直至遇到相交。通过检查以下不等式是否成立来查找相交(参见(9))

intersectionPoints(i，j)≠(0).            (14)

如果(14)成立，则将存储的相交点添加到polygonFinal，并且切换点的添加以接着处理多边形2。由于无内部点，因此，这确保沿两个多边形的联合边界添加多边形角。此操作继续，直至出现新相交，在该相交处，添加相交点到polygonFinal，并且将新角的搜索切换回多边形1。在的添加后，即，在过程返回到它开始处的角时，过程结束。

最后结果的多边形角的准确度保持删除

有时，结果polygonFinal包含不止15个角点。角的数量因而需要被减少。为了做到此，在最小化准确度损害的同时，计算每个角到其两个近邻的相加距离。随后，删除相加距离最小的角。如果角的数量仍太大，则为剩余的角重复该过程，直至polygonFinal的角的数量足够小。

一备选实施例

上述技术可在备选实施例中以不同方式组合。在带有重叠多边形的情况中一个特别有吸引力的可能性将是

1.确定对另一多边形是内部点的多边形1和多边形2的角点。

2.选择不是内部点的一角点作为添加到polygonFinal的第一角。

3.如上所述添加角点到polygonFinal。

随后，某一考虑显示，由于角点的添加始终将沿着两个多边形的外部，因此，任何内部点将自动从polygonFinal被排除。因此，这避免了在polygonFinal的累积开始前删除任何内部点的需要。

不相交的多边形

最靠近角的确定

由于多边形不相交，因此，它们需要以更好地最小化到polygonFinal的添加区域的方式来连接。进行此操作的一种方式是连接“靠近的”两个多边形的角。此处所述实施例因此通过搜索最靠近的多边形1和多边形2的角开始，即，解

$i_{\min },j_{\min }=\underset{i,j}{\arg \min }\left|\right|r_i^{1,\mathrm{Step}1}-r_j^{2,\mathrm{Step}1}\left|\right|.---\left(15\right)$

由于角的数量在每个多边形中最多为15，因此，此问题通过所有角上的琐细搜索而得以解决，有关详情，请参阅附件。

要连接的另一最佳角的确定

上述等式(15)确定第一线段，第一线段在添加时提供合并多边形1和多边形2需要的两个新线段的第一线段。需要确定两个另外的点，在每个多边形上一个点，以完成合并过程。为确定此类点对，执行在两个多边形上点的搜索，从(15)的最小化点向外进行。搜索确定满足以下条件的点对：

1.定义与(15)所定义的线段不相交的线段。

2.彼此最靠近。

在执行搜索时，需要特别注意在带有编号1、N^1，Step1和1、N^2，Step1的多边形角回绕(wrap around)的可能性。图13d示出为示例的多边形1和2获得的结果。

polygonFinal的内弧的删除

如从图13d明白的，需要删除polygonFinal内部的线段。由于对于在以前的分区中添加到polygonFinal的线段的每个角点，角索引已知，因此，这是直接的。算法因此能够直接删除对应于在之间的角点号的角点。同样地，了解在多边形角编号中的任何回绕是重要的。图13e示出为示例的多边形1和2获得的结果。

最后结果的多边形角的准确度保持删除

有时，结果polygonFinal包含不止15个角点。角的数量因而需要被减少。为了做到此，在最小化准确度损害的同时，计算每个角到其两个近邻的相加距离。随后，删除相加距离最小的角。如果角的数量仍太大，则为剩余的角重复该过程，直至polygonFinal的角的数量足够小。

参照图14，将描述根据本发明的设备的一实施例。该图示出根据本发明与无线电基站通信且交换定位请求和定位数据的设备。

如下所述，配置了用于能够实现蜂窝通信系统中高精度位置确定数据的改进报告的设备1的一实施例。该设备一般位于用户终端中，但可能能够位于某一其它节点中或分布在通信系统中的多个节点之间。设备1包括用于根据已知方法接收和传送数据的常规输入/输出单元I/O和其它功能性(未示出)。另外，设备1包括多边形检测单元10，该单元适用于响应定位请求和检测两个不同的小区多边形，每个多边形表示高精度位置确定的相应簇的地理地点。虽然描述针对两个多边形，但同样可能使该设备进一步适用于处理多个多边形。另外，设备1包括配置用于联接两个小区多边形以形成合并的小区多边形的合并或联接单元20。联接单元1配置成通过选择性地联接每个多边形的相应外部周边以便最小化结果的合并的小区多边形区域并保持所述合并的小区多边形的角的数量低于预定的阈值来联接多边形。最后，该设备包括用于向网络节点报告合并的小区多边形的报告部件30，由此将源于两个不同小区多边形的位置确定数据提供为单个合并的小区多边形。

根据本发明的方法和设备能够通过硬件或软件部件来实现。

本发明的优点能够实现在以不相交部分来组织参考位置的基础簇的情况下，增强AECID指纹识别定位算法的性能。在此类情况下，能够应用前面公开的簇分离算法以自动将所述簇分离于子簇中。随后，通过前面公开的收缩多边形算法[3]，能够为每个子簇分别计算多边形。本发明的另一主要优点是没有本发明，不可能从定位节点向最终用户报告定位的结果-这是因为在WCDMA和LTE蜂窝系统中为每个定位请求报告一个多边形。

上述实施例要理解为本发明的少数几个说明性示例。本领域的技术人员将理解，在不脱离本发明范围的情况下，可对实施例进行不同的修改、组合和更改。具体地说，不同实施例中的不同部分解决方案可在技术上可能的情况下在其它配置中被组合。然而，本发明的范围由随附权利要求来定义。

参考文献

[1]3GPP，TS 23.032，“Universal Geographical Area Description(GAD)，”available at http://www.3gpp.org.

[2]3GPP，TS25.413，“UTRAN Iu interface RANAP signalling”，available athttp://www.3gpp.org.

[3]T.Wigren，“Adaptive enhanced cell-ID fingerprinting positioning byclustering of precise position measurements”，IEEE Trans.Vehicular Tech.，vol.56，no.5，2007.

[4]T.Wigren，P22287(PCT)，Extended clustering，International patentapplication.

附件

％

％多边形合并

％

％

％设置多边形

％

polygon1＝[

-2000 -2000；

-1500 -200；

-1000 0；

-1100 1000；

-100 1200；

0 1000；

1300 900；

1400 300；

500 300；

-200 -1000；

-1200 -2100；

-2000 -2000]；

N1＝size(polygon1，1)；

polygon2＝[

1000 -1000；

1100 -100；

2100 0；

2700 -900；

2600 -1400；

2200 -1300；

1900 -2200；

1000 -1300；

1000 -1000；

]；

N2＝size(polygon2，1)；

％

％转换多边形

％

polygon2(:，1)＝polygon2(:，1)+0.001-499；

polygon2(:，2)＝polygon2(:，2)+0.001+499；

％

％绘制重叠的多边形

％

figure；

hold on

plot(polygon1(:，1)，polygon1(:，2)，′g′)；

plot(polygon1(:，1)，polygon1(:，2)，′og′)；

plot(polygon2(:，1)，polygon2(:，2)，′b′)；

plot(polygon2(:，1)，polygon2(:，2)，′ob′)；

％

％查找第一多边形的内部的第二多边形的

％角。由于不能允许在内部点开始相交迭代，因此，

％这是必需的。

％

％

％现在已通过测试射线测试了所有线段是否

％相交。如果交叉的数量是奇数，则测试点必须是多边形

％的内部点-多边形有界，

％因此，如果测试射线将从外部和内部通过，则它

％必须也离开多边形，因此，对于外部点，

％交叉的数量必须始终为偶数

％

％

％查找第二多边形的内部的第一多边形的

％角。由于不能允许在内部点开始相交迭代，因此，

％这是必需的

％

％用于相交计算的参数

％

％现在已通过测试射线测试了所有线段是否

％相交。如果交叉的数量是奇数，则测试点必须是多边形

％的内部点-多边形有界，

％因此，如果测试射线将从外部和内部通过，则它

％必须也离开多边形，因此，对于外部点，

％交叉的数量必须始终为偶数

％

％

％绘制

％

％

％结束绘制

％

％

％随后，计算内部点已删除的多边形。变量退出

％跟踪了解一多边形的所有角在另一多边形的内部

％的情况。

％

％

％内部点已删除的绘制

％

％

％随后确定在多边形之间是否有重叠。存在三种情况，其中之一已涉及：

％i)存在相交。

％ii)一个多边形完全在另一多边形的内部。因而不存在

％相交，并且所有角在内部。这是一个退出

％条件，这是因为polygonXStep1为空…

％iii)不存在相交-不相交多边形

％

％

％通过解方程组来搜索相交

％

％

％随后，确定这是情况i)还是ii)

％

％

％沿多边形1移动，并且添加角到polygonFinal。在出现相交时，添加相交

％点到多边形，并且继续沿多边形2移动，并且在遇到下一个

％相交时，添加相交点并继续

％沿多边形1移动，添加角。由于不存在内部点，因此，这确保

％移动始终沿着两个多边形的并集。

％

％

％radfhis，这些角已连接，之后

％连接相邻角。

％

％

％由于簇不相交，因此，可能是在连接

％相邻角时，应为一个簇顺时针步进，并且

％为另一簇逆时针步进。但这不确定，

％因此，执行搜索并检查相交。

％

％

％检查相交

％

％

％绘制组合

％

％

％绘制结束

％

％

％现在，closestPolygon1Corner将连接到closestPolygon2Corner，

％并且bestAdditionalPolygon1CornerToConnect

％将连接到bestAdditionalPolygon2CornerToConnect。在

％之间的角应从polygonfinal删除。

％

％

％如果结果最终多边形具有太多角，则删除

％角。为最小化整体效果，从删除具有到其近邻

％的最小距离的那些点开始，迭代删除

％点。

％

％删除选定的角

％

％绘制

％

figure

hold on

plot(polygonFinal(:，1)，polygonFinal(:，2)，′k′)

plot(polygon1(:，1)，polygon1(:，2)，′og′)；

plot(polygon1(:，1)，polygon1(:，2)，′g′)；

plot(polygon2(:，1)，polygon2(:，2)，′ob′)；

plot(polygon2(:，1)，polygon2(:，2)，′b′)；

plot(polygonFinal(:，1)，polygonFinal(:，2)，′ok′)

Claims (13)

1. 一种能够实现蜂窝通信系统中高精度位置确定数据的改进报告的方法，特征在于以下步骤： 

响应定位请求，检测(S10)两个不同小区多边形，每个小区多边形表示高精度位置确定的相应簇的地理地点， 

通过选择性联接每个所述多边形的相应外部周边以便最小化结果的合并的小区多边形区域并保持合并的小区多边形的角的数量低于预定阈值来联接(S20)所述两个不同的小区多边形以形成所述合并的小区多边形； 

向网络节点报告(S30)所述合并的小区多边形，由此将源于的两个不同小区多边形的位置确定数据提供为单个合并的小区多边形。

2. 如权利要求1所述的方法，特征在于从簇分离算法所获得的簇来计算所述多边形。

3. 如权利要求1所述的方法，特征在于从转发器的使用来获得从簇计算所述多边形，所述转发器生成带有相同标记的不相交区域。

4. 如权利要求1所述的方法，特征在于确定(S11)所述两个不同小区多边形在地理上是否重叠的步骤。

5. 如权利要求4所述的方法，特征在于以下步骤： 

如果所述两个不同小区多边形在地理上重叠，则：

i)确定(S12)所述两个不同小区多边形之一是否包围另一多边形， 

ii)确定(S13)是否所述小区多边形的任一多边形包含另一多边形的任何内部点。

6. 如权利要求5所述的方法，特征在于如果所述两个小区多边形之一包围另一多边形，则所述联接(S20)所述两个不同的小区多边形以形成所述合并的小区多边形的步骤包括选择所述两个小区多边形中外围的小区多边形以形成所述合并的小区多边形。

7. 如权利要求5所述的方法，特征在于删除任何内部点以形成两个不相交小区多边形的步骤，并且所述联接(S20)所述两个不同的小区多边形以形成所述合并的小区多边形的步骤包括联接所述两个不相交的小区多边形以形成所述合并的小区多边形。

8. 如权利要求5或权利要求7所述的方法，特征在于如果所述两个小区多边形不相交，则识别相应多边形之间两对最靠近的角，并且联接每对中的最靠近角，使得所述合并的多边形的添加区域被最小化。

9. 如权利要求5所述的方法，特征在于识别所述两个小区多边形之间任何相交点的步骤，并且所述联接(S20)所述两个不同的小区多边形以形成所述合并的小区多边形的步骤包括将所述相交点添加为新角，并形成所述两个小区多边形的联合周边以借助于两个所述多边形的联合边界来形成所述合并的多边形。

10. 如前面权利要求任一项所述的方法，特征在于确定(S21)所述合并的多边形的角的数量是否超过预定阈值的步骤。

11. 如权利要求10所述的方法，特征在于从所述合并的多边形删除角(S22)直至达到所述阈值的步骤。

12. 如权利要求11所述的方法，特征在于对于每个角，将到其两个近邻的距离相加，并且删除带有最小相加距离的角，以及重复所述步骤，直至至少达到所述阈值。

13. 一种能够实现蜂窝通信系统中高精度位置确定数据的改进报告的设备（1），特征在于

检测部件(10)，适用于响应定位请求，检测两个不同小区多边形，每个小区多边形表示高精度位置确定的相应簇的地理地点， 

合并部件(20)，适用于通过选择性联接每个所述多边形的相应外部周边以便最小化结果的合并的小区多边形区域并保持合并的小区多边形的角的数量低于预定阈值来联接所述两个不同的小区多边形以形成所述合并的小区多边形；

报告部件(30)，适用于向网络节点报告所述合并的小区多边形，由此将源于两个不同小区多边形的位置确定数据提供为单个合并的小区多边形。