CN104618046A

CN104618046A - 基于无线传播模型校正的信号强度预测方法和系统

Info

Publication number: CN104618046A
Application number: CN201510072668.1A
Authority: CN
Inventors: 肖恒辉; 丁胜培; 李炯城; 陈运动; 管学锋
Original assignee: Guangdong Planning and Designing Institute of Telecommunications Co Ltd
Current assignee: Guangdong Planning and Designing Institute of Telecommunications Co Ltd
Priority date: 2015-02-10
Filing date: 2015-02-10
Publication date: 2015-05-13
Anticipated expiration: 2035-02-10
Also published as: CN104618046B

Abstract

本发明提供一种基于无线传播模型校正的信号强度预测方法和系统，该方法包括如下步骤：将预设的基站数据输入至预设的无线传播模型中，建立最小二乘模型；利用坐标下降法对所述最小二乘模型进行求解，获得最优校正系数；根据所述最优校正系数调整所述无线传播模型的参数，根据调整参数后的所述无线传播模型进行无线信号强度预测。本发明可快速实现无线模型系数校正，能精确地预测无线信号强度。

Description

基于无线传播模型校正的信号强度预测方法和系统

技术领域

本发明涉及无线通信领域，特别是涉及一种基于无线传播模型校正的信号强度预测方法，以及一种基于无线传播模型校正的信号强度预测系统。

背景技术

移动无线通信系统依靠无线电在基站和用户之间进行信号传输达到通信目的，而移动无线通信系统中的无线电一般是在不规则的地形情况下进行传播。因此,无线电在基站与用户之间(或者说发射机与接收机之间)的传播将遭遇到各种复杂的地形物，如高楼密集的城市核心区、植物密布的郊区、群山峻岭的山区等，哪怕树叶、路灯等。这些因素使得移动无线和有线信道相比具有不可预见性、极度的随机性。如何针对具体的移动无线通信系统的场景，分析无线传播环境以及无线信道的传播特性，对其进行数学抽象，建立适合的、准确的无线信道传播模型，是能否正确的构建移动无线通信系统的基础。而只有在获得适合、准确的无线信道传播模型的情况下，才有可能进行合理的、满足需求的移动无线通信系统的规划和优化。同时，针对具体的实际移动通信系统开发某些业务时，也需要使用到移动无线信道传输模型，例如，无线定位业务的开展，无线信道的传输模型将影响到定位的精度。因此，对无线信道传播模型的研究具有越来越重要的意义。

移动无线通信的传输模型大多是根据国外专家、学者总结得出的经典传播模型进行修正。这些经典传输模型具有很强的普遍适用性，商用的经验模型来自对Okumura模型进行了改造，并加入了修正因子，但基本原理都是一致的。

无线通信环境的复杂多变，在实际的通信工程中，现有的参数取值往往无法满足需求。因此，需要对标准的传播模型进行修正。传统模型校正方法首先设置各参数值，然后以该模型进行无线传播预测，并将预测值与路测数据作比较，得到一个差值，再根据所有差值的统计结果反过来修改模型参数，经过不断的迭代修改直到预测值与路测数据的均方差达到最小，则此时得到的模型各参数值就是我们所需的校正值。

随着无线通信的发展需求，目前的无线传播模型已无法满足通信网络的规划设计要求。在传统无线传播模型系数校正中，需要设计规划人员不断地人为干预，校正精度等过分依赖于个人工程经验，从而对人员专业素质要求高；传统的校正方法割裂了各个系数之间的联系，根据在具体工程规划中的重要性依次确定，从而很难获取符合工程要求的系数，更无法取得最优的系数校正；因此，目前的无线传播模型无法精确地预测无线信号强度，因此无法预测精确的信号衰减程度，无法为通信工程的规划设计提供高可靠性的数据。

发明内容

基于此，本发明提供一种基于无线传播模型校正的信号强度预测方法和系统，能精确地预测无线信号强度。

一种基于无线传播模型校正的信号强度预测方法，包括如下步骤：

将预设的基站数据输入至预设的无线传播模型中，建立最小二乘模型；

利用坐标下降法对所述最小二乘模型进行求解，获得最优校正系数；

根据所述最优校正系数调整所述无线传播模型的参数，根据调整参数后的所述无线传播模型进行无线信号强度预测。

一种基于无线传播模型校正的信号强度预测系统，包括：

输入模块，用于将预设的基站数据输入至预设的无线传播模型中，建立最小二乘模型；

求解模块，用于利用坐标下降法对所述最小二乘模型进行求解，获得最优校正系数；

预测模块，用于根据所述最优校正系数调整所述无线传播模型的参数，根据调整参数后的所述无线传播模型进行无线信号强度预测。

上述基于无线传播模型校正的信号强度预测方法和系统，基于筛选的工程路测数据，建立无线传播模型系数校正的最小二乘模型，基于坐标下降法，将无线传播系数校正最小二乘问题化为一系列的优化子问题，可快速实现无线模型系数校正；不同于传统的无线传播模型校正方法，本发明不依赖于规划设计人员的个人工程经验，避免了手动反复调整；建立相关的科学的数学模型进行指导，充分考虑了系数间相互联系，不同的规划设计的方案均可达到最优，本发明可在无线通信工程中得到重要应用。

附图说明

图1为本发明基于无线传播模型校正的信号强度预测方法在一实施例中的流程示意图。

图2为本发明基于无线传播模型校正的信号强度预测系统在一实施例中的结构示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。

如图1所示，是本发明一种基于无线传播模型校正的信号强度预测方法，包括如下步骤：

S11、将预设的基站数据输入至预设的无线传播模型中，建立最小二乘模型；

首先获取基站数据，包括天线配置、基站位置，可进行路测连续波测试，收集测试数据；

在基站位置选取的时候，一般可选择非常具有代表性的地方进行传播模型校正的实验场地；例如，可选择大学城作为学生区域、商务圈作为市区等。同时，进行路测数据的采集。测试的过程中可尽量使路测的面积最大和尽可能使测量值覆盖多种地形，这样才能测量出这个扇区的信号可以随着距离的增加而逐渐衰落，从而提高模型的准确性。

其中，路测数据的变化是平滑的，与数据变化差距过大的数据可以首先删除，例如，距离标准可选用[50,3000]，功率强度标准选用[-105dBm,-50dBm]，因此删掉一些明显错误的数据，测试数据的质量好与坏直接决定了传播模型的优劣。

标准的无线传播模型为：

L_mode＝K₁+K₂ log(d)+K₃ log(H_Txeff)+K₄ Diffractionloss

+K₅ log(d)log(H_Txeff)+K₆(H_Rxeff)+K_clutter f(clutter)

其中：

d——接收机与发射机之间的距离(m)；

H_Txeff——发射天线的有效高度(m)；

Diffraction loss——经过有障碍路径引起的衍射损耗(dB)；

H_Rxeff——接收天线的有效高度(m)；

f(clutter)——因地物所引起的评价加权损耗；

K₁——常数(dB)；

K₂——log(d)的乘数因子；

K₃——log(H_Txeff)的乘数因子；

K₄——衍射损耗的乘数因子，该因子必须为正数；

K₅——log(H_Txeff)log(d)的乘数因子；

K₆——H_Rxeff的乘数因子；

K_clutter——f(clutter)的乘数因子；

SPM模型建立在COST231-Hata经验模型的基础上，用于150Hz-2000MHz频段的无线电波传播损耗预测。结合无线通信传播实际情况，同时减少不必要的计算量，可设置K₃＝5.83，K₄＝0,K₅＝-6.55，K₆＝0，f(clutter)为地貌相关因子，因缺少相关区域真实地貌数据，无法估计地物引起的平均加权损耗。故在参数校正中，将K_clutterf(clutter)，整体设为某一固定参数K_clutter，从而可获得简化的具体模型如下：

L_model＝K₁+K₂ lg d+5.83 lg H_Txeff-6.55K₅ lg d lg H_Txeff+K_clutter

因此，需要校正的参数为K₁,K₂,K_clutter。

在一较佳实施例中，所述将预设的基站数据输入至预设的无线传播模型，建立最小二乘模型的步骤包括：

将基站数据C＝{(c_i,s_i):c_i＝(d_i,H_Txeff-i),s_i＝L_mode-i,1≤i≤M}输入到无线传播模型L_model＝K₁+K₂ lg d+5.83lg H_Txeff-6.55 lg d lg H_Txeff+K_clutter中，获得如下的最小二乘模型：

\min = {| | Ax - b | |}_{2}^{2};

其中，

d为接收机与发射机之间的距离；H_Txeff为发射天线的有效高度；H_Rxeff为接收天线的有效高度；f(clutter)为因地物所引起的评价加权损耗；K₁为常数；K₂为log(d)的常数因子；K_clutter为f(clutter)的常数因子；d_i为第i份基站数据中接收机与发射机之间的距离；H_Txeff-i为第i份基站数据中接收天线的有效高度；M为基站数据的总数；L_model-i为第i份基站数据中的传播路径损耗。

对选取的基站位置进行路测，并筛选获取的数据集合记为：

C＝{(c_i,s_i):c_i＝(d_i,H_Txeff-i),s_i＝L_mode-i,1≤i≤M}；

将以上筛选数据代入无线传播模型，可得到如下方程组Ax＝b；

因为此为超定方程组，所以仅能保证拥有最小二乘解，从而可获得最小二乘优化模型为

S12、利用坐标下降法对所述最小二乘模型进行求解，获得最优校正系数；

坐标下降法将原始关于向量或矩阵的优化问题分解为若干标量优化子问题。当每一个标量优化子问题能够得到高效求解，并且坐标可以按照某种模式进行更新时，坐标下降法具有较高效率。因此，坐标下降法简单，对于大数据量的优化问题，如果其能够分解为标量优化子问题，坐标下降法能够快速求解，且优于梯度下降等传统优化方法。此处，引入求解最小二乘问题，可快速获取最优模型校正系数。

在一较佳实施例中，所述利用坐标下降法对所述最小二乘模型进行求解，获得最优校正系数的步骤包括：

将所述最小二乘模型转换为坐标下降法中的标量优化子问题：minF(K₁,K₂,K_clutter)，代入预设的初始化解

其中，

F (x) = {| | AX - b | |}_{2}^{2}, x_{i} = [\begin{matrix} {K_{1}}^{i} \\ {K_{2}}^{i} \\ {K^{i}}_{clutter} \end{matrix}],

i＝1,2，…n；

对于3个维度坐标

x_{i} = [\begin{matrix} {K_{1}}^{i} \\ {K_{2}}^{i} \\ {K^{i}}_{clutter} \end{matrix}],

从1到n开始进行迭代，根据下式分别求解3个子问题，并更新所述维度坐标：

\begin{matrix} K_{1}^{t + 1} = \frac{Σ b_{i} - K_{2}^{t} Σlg d_{i} - {MK}_{clutter}^{t}}{M} \\ K_{2}^{t + 1} = \frac{< b, lg d > - K_{1}^{t + 1} Σlg d_{i} - K_{clutter}^{t} Σlg d_{i}}{{| | lg d | |}^{3}} \\ K_{clutter}^{t + 1} = \frac{Σ b_{i} - M * K_{1}^{t + 1} - K_{2}^{t + 1} Σlg d_{i}}{{| | lg d | |}^{2}} \end{matrix}

其中，t为迭代次数；lg d＝(lg d₁,…,lg d_M)^T；

在每次坐标更新后，根据预设的多变量校正终止条件，判断是否终止迭代；其中，所述多变量校正终止条件包括预设的最大迭代次数、预设的中值误差或预设的标准方差；

例如，多变量校正终止条件可为：

条件1:t_max＝1000

条件2:ME≤0.2dB以及SD≤8dB

其中，t_max为预设的最大迭代次数；ME为中值误差；SD为标准方差；

也即是多变量校正终止条件可为：当判断当前的迭代次数t达到预设的最大迭代次数，则停止迭代；

或者是：根据当前获得的各个以及若有至的中值误差小于等于该预设中值误差，或者标准方差小于等于该预设的标准方差，则停止迭代；

或者是若有至的中值误差小于等于该预设的中值误差，或者标准方差小于等于该预设的标准方差，则停止迭代；

在其他实施方式中，还可以是本领域技术人员惯用的其他迭代终止条件。

在迭代结束时，输出最优校正系数：以及

S13、根据所述最优校正系数调整所述无线传播模型的参数，根据调整参数后的所述无线传播模型进行无线信号强度预测；

在一较佳实施例中，所述根据所述最优校正系数调整所述无线传播模型的参数，根据调整参数后的所述无线传播模型进行无线信号强度预测的步骤包括：

将所述校正系数以及输入至所述无线传播模型中的参数K₁、K₂以及K_clutter，获得调整参数后的无线传播模型；

将待测区域的接收机与发射机之间的距离，以及发射天线的有效高度输入至所述调整参数后的无线传播模型中，输出无线信号强度预测结果。

本实施例中，基于坐标下降法，将无线传播系数校正最小二乘问题化为一系列的优化子问题，可快速实现无线模型系数校正。

如图2所示，本发明还提供一种基于无线传播模型校正的信号强度预测系统的结构示意图，包括：

输入模块21，用于将预设的基站数据输入至预设的无线传播模型中，建立最小二乘模型；

标准的无线传播模型为：

L_mode＝K₁+K₂ log(d)+K₃ log(H_Txeff)+K₄ Diffractionloss

+K₅ log(d)log(H_Txeff)+K₆(H_Rxeff)+K_clutter f(clutter)

其中：

d——接收机与发射机之间的距离(m)；

H_Txeff——发射天线的有效高度(m)；

Diffraction loss——经过有障碍路径引起的衍射损耗(dB)；

H_Rxeff——接收天线的有效高度(m)；

f(clutter)——因地物所引起的评价加权损耗；

K₁——常数(dB)；

K₂——log(d)的乘数因子；

K₃——log(H_Txeff)的乘数因子；

K₄——衍射损耗的乘数因子，该因子必须为正数；

K₅——log(H_Txeff)log(d)的乘数因子；

K₆——H_Rxeff的乘数因子；

K_clutter——f(clutter)的乘数因子；

L_model＝K₁+K₂ lg d+5.83 lg H_Txeff-6.55K₅ lg d lg H_Txeff+K_clutter

因此，需要校正的参数为K₁,K₂,K_clutter。

在一较佳实施例中，所述输入模块21还用于：

将基站数据C＝{(c_i,s_i):c_i＝(d_i,H_Txeff-i),s_i＝L_mode-i,1≤i≤M}输入到无线传播模型L_model＝K₁+K₂ lg d+5.83 lg H_Txeff-6.55 lg d lg H_Txeff+K_clutter中，获得如下的最小二乘模型：

\min = {| | Ax - b | |}_{2}^{2};

其中，

对选取的基站位置进行路测，并筛选获取的数据集合记为：

C＝{(c_i,s_i):c_i＝(d_i,H_Txeff-i),s_i＝L_mode-i,1≤i≤M}；

求解模块22，用于利用坐标下降法对所述最小二乘模型进行求解，获得最优校正系数；

在一较佳实施例中，所述求解模块22还用于：

其中，

F (x) = {| | AX - b | |}_{2}^{2}, x_{i} = [\begin{matrix} {K_{1}}^{i} \\ {K_{2}}^{i} \\ {K^{i}}_{clutter} \end{matrix}],

i＝1,2，…n；

对于3个维度坐标，从1到n开始进行迭代，根据下式分别求解3个子问题，并更新所述维度坐标：

\begin{matrix} K_{1}^{t + 1} = \frac{Σ b_{i} - K_{2}^{t} Σlg d_{i} - {MK}_{clutter}^{t}}{M} \\ K_{2}^{t + 1} = \frac{< b, lg d > - K_{1}^{t + 1} Σlg d_{i} - K_{clutter}^{t} Σlg d_{i}}{{| | lg d | |}^{3}} \\ K_{clutter}^{t + 1} = \frac{Σ b_{i} - M * K_{1}^{t + 1} - K_{2}^{t + 1} Σlg d_{i}}{{| | lg d | |}^{2}} \end{matrix}

其中，t为迭代次数；lg d＝(lg d₁,…,lg d_M)^T；

例如，多变量校正终止条件可为：

条件1:t_max＝1000

条件2:ME≤0.2dB以及SD≤8dB

在迭代结束时，输出最优校正系数：以及

预测模块23，用于根据所述最优校正系数调整所述无线传播模型的参数，根据调整参数后的所述无线传播模型进行无线信号强度预测；

在一较佳实施例中，所述预测模块23还用于：

将待测区域的接收机与发射机之间的距离，以及发射天线的有效高度输入至所述调整参数后的无线传播模型中，输出无线信号强度预测结果；

本发明的基于无线传播模型校正的信号强度预测方法和系统，基于筛选的工程路测数据，建立无线传播模型系数校正的最小二乘模型，基于坐标下降法，将无线传播系数校正最小二乘问题化为一系列的优化子问题，可快速实现无线模型系数校正；不同于传统的无线传播模型校正方法，本实施例不依赖于规划设计人员的个人工程经验，避免了手动反复调整；建立相关的科学的数学模型进行指导，充分考虑了系数间相互联系，不同的规划设计的方案均可达到最优，本发明可在无线通信工程中得到重要应用。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种基于无线传播模型校正的信号强度预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于无线传播模型校正的信号强度预测方法，其特征在于，所述将预设的基站数据输入至预设的无线传播模型，建立最小二乘模型的步骤包括：

将基站数据C＝{(c_i,s_i):c_i＝(d_i,H_Txeff-i),s_i＝L_mode-i,1≤i≤M}输入到无线传播模型L_model＝K₁+K₂lgd+5.83lgH_Txeff-6.55lgdlgH_Txeff+K_clutter中，获得如下的最小二乘模型：

\min {| | Ax - b | |}_{2}^{2};

其中，

b = (\begin{matrix} L_{mode l - 1} - 5.83 \lg H_{Txeff - 1} + 6.55 lgdlg H_{Txeff - 1} \\ L_{mode l - 2} - 5.83 \lg H_{Txeff - 2} + 6.55 lgdlg H_{Txeff - 2} \\ \cdot \\ \cdot \\ \cdot \\ L_{mode l - i} - 5.83 \lg H_{Txeff - i} + 6.55 lgdlg H_{Txeff - i} \\ \cdot \\ \cdot \\ \cdot \\ L_{mode l - M} - 5.83 \lg H_{Txeff - M} + 6.55 lgdlg H_{Txeff - M} \end{matrix})

3.根据权利要求2所述的基于无线传播模型校正的信号强度预测方法，其特征在于，所述利用坐标下降法对所述最小二乘模型进行求解，获得最优校正系数的步骤包括：

其中，

F (x) = {| | AX - b | |}_{2}^{2},

x_{i} = [\begin{matrix} {K_{1}}^{i} \\ {K_{2}}^{i} \\ {K^{i}}_{clutter} \end{matrix}],

i＝1,2，…n；

对于3个维度坐标K₁ ⁱ、K₂ ⁱ、Kⁱ _clutter，从1到n开始进行迭代，根据下式分别求解3个子问题，并更新所述维度坐标：

K_{1}^{t + 1} = \frac{Σ b_{i} - K_{2}^{t} Σlg d_{i} - {MK}_{clutter}^{t}}{M}

K_{2}^{t + 1} = \frac{< b, lgd > - K_{1}^{t + 1} Σlg d_{i} - K_{clutter}^{t} Σlg d_{i}}{{| | lgd | |}^{2}}

K_{clutter}^{t + 1} = \frac{Σ b_{i} - M * K_{1}^{t + 1} - K_{2}^{t + 1} Σlg d_{i}}{{| | lgd | |}^{2}}

其中，t为迭代次数；lgd＝(lgd₁,…,lgd_M)^T；

在迭代结束时，输出最优校正系数：以及

4.根据权利要求3所述的基于无线传播模型校正的信号强度预测方法，其特征在于，所述根据所述最优校正系数调整所述无线传播模型的参数，根据调整参数后的所述无线传播模型进行无线信号强度预测的步骤包括：

5.一种基于无线传播模型校正的信号强度预测系统，其特征在于，包括：

6.根据权利要求5所述的基于无线传播模型校正的信号强度预测系统，其特征在于，所述输入模块还用于：

\min {| | Ax - b | |}_{2}^{2};

其中，

b = (\begin{matrix} L_{mode l - 1} - 5.83 \lg H_{Txeff - 1} + 6.55 lgdlg H_{Txeff - 1} \\ L_{mode l - 2} - 5.83 \lg H_{Txeff - 2} + 6.55 lgdlg H_{Txeff - 2} \\ \cdot \\ \cdot \\ \cdot \\ L_{mode l - i} - 5.83 \lg H_{Txeff - i} + 6.55 lgdlg H_{Txeff - i} \\ \cdot \\ \cdot \\ \cdot \\ L_{mode l - M} - 5.83 \lg H_{Txeff - M} + 6.55 lgdlg H_{Txeff - M} \end{matrix})

7.根据权利要求6所述的基于无线传播模型校正的信号强度预测系统，其特征在于，所述求解模块还用于：

其中，

F (x) = {| | AX - b | |}_{2}^{2},

x_{i} = [\begin{matrix} {K_{1}}^{i} \\ {K_{2}}^{i} \\ {K^{i}}_{clutter} \end{matrix}],

i＝1,2，…n；

K_{1}^{t + 1} = \frac{Σ b_{i} - K_{2}^{t} Σlg d_{i} - {MK}_{clutter}^{t}}{M}

K_{2}^{t + 1} = \frac{< b, lgd > - K_{1}^{t + 1} Σlg d_{i} - K_{clutter}^{t} Σlg d_{i}}{{| | lgd | |}^{2}}

K_{clutter}^{t + 1} = \frac{Σ b_{i} - M * K_{1}^{t + 1} - K_{2}^{t + 1} Σlg d_{i}}{{| | lgd | |}^{2}}

其中，t为迭代次数；lgd＝(lgd₁,…,lgd_M)^T；

在迭代结束时，输出最优校正系数：以及

8.根据权利要求7所述的基于无线传播模型校正的信号强度预测系统，其特征在于，所述预测模块还用于：