CN104735714B - 无线通信网络 - Google Patents

Abstract

本发明涉及一种无线通信网络。本发明涉及一种无线移动通信系统(400)，例如移动电话网络。网络配置数据可能包含误差，例如基站(432，434)位置的误差。这些误差可导致估计移动通信单元(410)的位置的误差。本发明基于与移动通信网络(430)的通信建立移动通信单元位置的概率密度函数。计算每个概率密度函数的置信度评分。然后从各个置信度评分得到联合函数。联合函数的最大化可导致一个网络配置数据的网络参数的校正值。校正的网络配置数据导致移动通信单元位置的更精确测量。另外，对于天线和基站的升级可规划得更有效。

Description

无线通信网络

本申请是申请日为2010年1月9日，申请号为201080011874.7，发明名称为“无线通信网络”的申请的分案申请。

技术领域

本发明的方面涉及无线移动通信系统中的网络配置数据。本发明适用于移动电话网络，但是并不限于这些网络。

背景技术

无线通信单元通常构成无线通信系统的一部分。无线通信单元通过无线通信网络通信，其也构成了无线通信系统的一部分。

无线通信网络通常包括基站网络。每个基站在称作小区站点的范围内进行通信。每个小区站点可包括多个扇区。通常一个小区站点内有三个扇区。每个扇区由专门的天线进行服务，与基站联合定位。

在一些国家，无线通信系统可以提供关于无线通信单元位置的精确信息是一种合法的需求。该信息可服务于，例如，加快对在美国使用911号码呼叫紧急服务的无线通信单元的用户的救援到达。

关于无线通信单元位置的信息可由很多方法获得。在任何特殊时间，测量信息的不同形式可利用来自：

(i)无线通信单元；

(ii)无线通信网络，特别是来自无线通信单元正在与其进行通信的一个或多个基站；或

(iii)(i)和(ii)两者。

该测量信息可用被处理以提供无线移动通信单元的位置的估计。

更详细地考虑该测量信息，该信息可来自以下任一方式：

(i)直接地。这意味着信息包含在进行的测量中。该测量可通过无线通信单元进行，或通过无线通信系统的其他部分，例如无线网络进行。

(ii)间接地。这意味着该信息来自进行的测量。一个例子是无线通信单元和无线通信系统的基站之间的距离估计。这样的估计可通过用信号的发送和接收之间测量的时间差乘以信号传输的速度计算出。

所以下列的一些或全部移动测量信息是可用的：

(i)从无线通信单元到一个或多个网络扇区的绝对距离。

(ii)无线通信单元和一个或多个网络扇区对间的微分距离。

(iii)由无线通信单元记录的从一个或多个网络扇区接收的信号功率。

(iv)由无线通信单元记录的从一个或多个网络扇区接收的信噪比测量。

另外，下列的网络配置数据是可用的：

(i)每个扇区的天线位置。该信息可以用纬度和经度提供，或象‘朝东’和‘朝北’的方向，或等效表述。

(ii)天线特性。该信息可包括地面上的高度，方位角，倾斜，水平和垂直波束方向图，用于控制和传输信道的发射功率水平。

所以现有技术中地面定位方法以不同形式的直接以及间接得到的测量信息作为它们的输入。该测量信息可来自无线通信单元，无线通信系统，或二者。移动测量信息和网络配置数据的结合经常用于提供移动装置位置的几何解释。

但是，网络配置数据经常是有误差的。例如，在小区站点位置的数据可偏离几百米或更远。天线的方位角度可偏离几十度。这些误差可妨碍地面定位网络中的无线通信单元的能力。另外，不准确的网络配置数据使有效地进行网络规划和优化变困难。

图1示出了一个无线通信系统100的简单例子。无线通信单元110与基站120通信。基站120位于坐标(x_B，y_B)。基站120是一起组成无线通信系统100的多个基站之一。基站120是离无线通信单元110最近的基站，并位于离无线通信单元110距离为‘R’的位置。

图1示出了现有技术中地面定位方法的一个问题。如果基站120具有一全向天线，且没有其他测量信息可用，则任何提供无线通信单元110的位置的单独估计的尝试都是非常困难的。来自无线通信单元110和/或来自基站120的可用信息允许现有技术中的地面定位方法仅计算距离R的绝对值。该距离相对于已知的基站120的位置(在(x_B，y_B))测量。然而，可知的是无线通信单元110位于半径为R，圆心在(x_B，y_B)的圆上，即图1中的圆130。

位置的单独估计不得不是一在圆130上随机选取的一点。这种估计的差错可达到2R，因为无线通信单元可能实际上位于与估计位置直径相反的圆130上的一点。

概括地，现有技术中的地面定位技术通常给出空间中的单独一点作为它们对无线装置位置的估计。这一点可以，例如，通过如图1中的x坐标和y坐标来描述。但是，这样的方法没有给出关于位置估计的可靠性的用户信息。可靠性，在这个例子中，意味‘准确’和‘精确’。

‘准确’涉及估计的位置是否是正确的一个。在图1的例子中，这可解释为移动通信单元110的位置测量存在多至2R的误差。

‘精确’是测量的精确。图1假设距离R被确定得非常精确，即，可得到一个精确的R值。但是，事实上误差范围与R的测量值本身相关联。R的测量值是，事实上，不精确。这将在下面结合图2进一步解释。

准确和精确依赖测量估计基于的数据的种类和质量。如果用网络配置数据得出测量估计，则数据的任何误差将可能导致不准确或不精确。

图2图解了测量R的不精确。图2通常对应图1的布置。位于点(x_B，y_B)的基站220可测量到通信单元210的距离为R。圆230示出了距离为R的所有点的轨迹，R为离基站220的距离，这里移动最有可能被定位。但是，由于测量采集过程，用户210可能实际上在离基站220在(R-e1)和(R+e2)之间的距离。所以甚至不可能确定地说用户210位于圆230上。

图3图解了网络配置数据包括关于基站位置的不正确的数据的情况，其导致进一步的不准确。图3的元素对应图2中类似编号的元素。但是，(x_B，y_B)是基站位置的不正确坐标。点(x_R，y_R)示出了基站320的正确位置。点(x_R，y_R)离点(x_B，y_B)的距离为d。

在图3的布置中，无线通信网络可计算通信单元310的位置为离基站320的距离为R。同在图2中的情况类似，误差由于测量采集过程而产生。距离d加上这些误差。结果，包括所有误差来源，用户可能实际上在离基站320距离在(R-e1-d)和(R+e2+d)的位置上。

一个误差函数描述了通信单元210或310位于离基站220或320为每个特殊距离的可能性。该误差函数通常是复杂的。但是，该误差函数的细节可通过不同方法确定。一种选择，其在现有技术中是公知的，是从少量已知位置发起呼叫，并将测量数据和已知位置相比较。将需要大量测试呼叫来提供结合图2和3描述的误差大小的显著减小。这样的测试将因此很昂贵，并且可能不得不频繁地重复。

总结图1-3的讨论，在现有技术中的无线蜂窝移动通信系统中的移动通信单元的位置测量具有不准确和不精确。这些问题在很多情况下会很显著，例如：(i)当接收的来自全向天线的信号强度是唯一的测量数据，基于其可产生移动通信单元的位置估计时；以及(ii)当网络配置数据有误差时。

在前述的讨论和下述的讨论中，术语‘通信’包括多种形式的通信。这些形式包括但不限于，在传输信道上的语音或数据通信会话，以及在控制信道上的通信。所以，例如，通信不需要移动电话的用户实际上发起或接收呼叫。通信可包括，例如，仅由移动电话接收的断续的数据，例如在无线通信系统的控制信道上。

现有技术中对于网络配置数据的校正的布置典型地包括向要考虑的小区站点派遣技术员。技术员可以使用全球定位系统接收机来确定基站的纬度和经度。他们也可以使用检查材料，象指南针和地图，以便确定天线的方位角和倾斜。这些质量控制检查是本领域技术人员公知的。为了检查整个无线通信网络，有必要将技术人员派遣到无线服务提供商所拥有的好几万个小区站点。包含在这样调查的主要项目中的时间和工作量导致这些站点的调查变得经常无法完成的情况。虽然小区站点的设备包括成为部分网络配置数据的信息的记录，该信息可能是有误差的。这样的误差典型地由于手动输入的数据导致。进一步的误差源于随时间而对网络所做的改变导致，其不可被记录。这样的改变由网络优化和其他重要的目的所导致。

现有技术中美国专利US-A-5293642(Lo)描述了估计移动通信单元位置的多种方法。该方法包括计算移动通信单元位置的概率密度函数。移动台可能与两个或更多个基站通信。既然这样，可以求得多个概率密度函数，每个基于从基站之一接收到的测量来描述移动台的位置。这些概率密度函数可以合并，来提供联合概率密度函数。

现有技术中美国专利申请US2008080429描述了一种在无线网络中最小方差位置估计的过程。算出概率密度函数，并从概率密度函数求出‘概率面’。从概率面求出无线节点的平均位置。

这两篇文献的现有技术的布置提供了一种在网络中发起测试呼叫的选择。但是，它们提供的位置信息的准确度仍然会被它们可利用的网络配置数据中的任何误差所损害。

发明内容

依照本发明的第一方面，提供了一种校正网络配置数据的方法，所述网络配置数据描述无线通信系统中的无线通信网络，所述无线通信系统包括无线通信单元并包括至少两个扇区；

所述网络配置数据包括至少一个网络参数；

所述方法包括：

a)一个或多个无线通信单元通过无线通信链路与所述无线通信网络的至少两个扇区通信；

b)从以下的组中的至少一个，得到在步骤a)中通信的每个无线通信单元的位置的概率密度函数：

(i)来自所述无线通信单元的测量信息；

(ii)所述网络配置数据；

c)联合来自多个通信的概率密度函数来提供联合函数；

d)分析所述联合函数，以得到网络参数的最可能值，从而产生校正的网络参数；

e)通过并入所述校正的网络参数来校正所述网络配置数据。

步骤c)可包括计算并入到所述联合函数中的每个概率密度函数的置信度评分，并且可根据所述置信度评分计算所述联合函数的值；以及

步骤d)可包括改变所述网络参数，直到达到所述联合函数的最大值，并且可选择使所述联合函数取最大值的网络参数的值作为所述网络参数的最可能值。

所述联合函数可以是所述置信度评分的中值、平均值或预先确定的百分比。

步骤d)可包括分析所述联合函数，以得到两个或更多个网络参数的最可能值，从而产生两个或更多个校正的网络参数；以及

步骤e)可包括通过并入所述校正的网络参数来校正所述网络配置数据。

所述改变所述两个或更多个网络参数的步骤可包括依次选择每个所关心的网络参数，并且分析所述参数的改变会如何影响所述联合函数。

所述改变所述两个或更多个网络参数的步骤可包括同时改变所关心的网络参数中的两个或更多个，并且分析所述参数的改变会如何影响所述联合函数。

可生成最受改变每个参数的影响的扇区的校正网络参数。

所述方法可进一步包括：

识别在所关心的区域上的置信度评分不寻常地低的小区簇；以及

改变这些小区的网络参数。

所述方法可进一步包括：

识别所述无线通信网络中的掉话率高于阈值率或网络上的平均掉话率的地理区域；以及

改变能够从所述地理区域向其进行通信的小区或扇区的网络参数。

所述一个或更多个网络参数可选自以下的组：

天线或基站位置信息；

天线特性；

扇区天线的方位角和倾斜指向角度；

发射功率水平。

可通过改变一个或更多个网络参数来找到所述联合函数的最大值；以及

可以通过最速下降方法、牛顿方法、模拟退火、蒙特卡罗搜索或遗传算法而选择的方向和/或步长来改变所述一个或更多个网络参数。

步骤b)的所述概率密度函数可以是从至少两个单独的概率密度函数得到的，每个单独的概率密度函数可基于以下中的任一个或两者：

来自所述无线通信单元的测量信息；或

所述网络配置数据。

所述单独的概率密度函数可以是利用随机变量分布的一个或更多个矩通过参数建模而建立的。

来自所述无线通信单元的测量信息可包括以下的组中的至少一个：

从所述无线通信单元到所述无线通信网络的一个或更多个网络扇区的一个或更多个绝对距离；

所述无线通信单元和所述无线通信网络的一个或更多个网络扇区对之间的一个或更多个微分距离；

所述无线通信单元记录的来自所述无线通信网络的一个或更多个网络扇区的一个或更多个接收信号功率；以及

所述无线通信单元记录的来自所述无线通信网络的一个或更多个网络扇区的接收的信噪比的一个或更多个测量值。

根据本发明的第二方面，提供了一种适于执行任一前述方法的无线通信系统。

依照本发明的第三方面，提供了一种适于执行任一前述方法的无线智能手机。

依照本发明的第四方面，提供了一种包含用于任一前述方法的可执行程序代码的计算机程序产品。

本发明提供了增加准确性的网络配置数据。通过校正网络配置数据，本发明提供了许多优点。特别是本发明可：

(i)使得能计算出无线通信单元的位置的更加准确的值。在搜索请求紧急援助的无线通信单元的用户时可能具有特殊价值。

(ii)在无线通信网络中导致低的掉话率。

(iii)允许对无线通信网络进行更有效的规划和设备的升级。采用本发明，新的基站或升级的天线更有可能在需要它们的时间和地点加入无线通信网络中。

附图说明

本发明典型的实施例将参照附图进行说明。

图1-3示出了无线通信系统，并图示了现有技术中地面定位方法的局限性。

图4示出了依照本发明的无线通信系统的典型实施例。

图5示出了依照本发明的方法的典型实施例。

图6示出了具有天线错误位置数据的移动通信网络。

图7示出了图6的移动通信网络，对所有天线具有正确位置数据。

图8是天线的位置坐标的置信度图。

图9图示了依照本发明的实施例改变和潜在校正网络参数的方法。

图10图示了依照本发明的实施例一种改变和潜在校正多个网络参数的方法。

具体实施方式

图4示出了依照本发明的无线通信系统400的典型实施例。无线通信单元410可与无线通信系统400的无线通信网络430通过无线通信链路420连接。基站432和434，以及控制单元436均组成无线通信网络430的一部分。通信链路420可包含语音通信信道，或数据链路。

每个基站432，434为无线通信网络430的小区站点提供信号覆盖。每个基站可包括三个天线，每个天线定向地以覆盖小区的一个扇区。

在一个典型的大的无线通信系统400中，可以有几千个基站432，434。可以有几百万个无线通信单元410。在一个典型的24小时周期内在网络中可能发生几百万次通信。

当无线通信单元410发起一通信，它可能从多达六个基站432，434接收信号。在这种情况下，无线通信单元将典型地选取提供最强信号的基站432，434，并通过该基站发起通信。该基站是为该通信‘服务’的基站。无线通信单元因此可以记录并提供关于，例如，多达六个基站的信号强度的可用信息。

如果无线通信装置是正在进行语音呼叫的移动电话，该呼叫可典型地持续几分钟。移动电话在呼叫期间将典型地监视来自多达六个基站432，434的信号强度。如果服务基站的信号强度变得不能接受的低，移动电话将能通过其他基站继续该呼叫。这是呼叫切换。如果没有具有足够的信号强度的可用的其他基站，呼叫切换是不可能，并且该呼叫将过早地终止，这被称为‘掉’话。

本发明潜在地可以使用网络中所有无线通信单元410在发起通信和在通信中的可用信号强度的信息。本发明可使用网络中产生的所有通信的数据，或仅一个子集。例如，本发明可关注于呼叫的一个特殊子集上，例如那些以‘掉话’为结果的呼叫。本发明也可关注于无线通信网络430的仅一部分的性能，或所有基站432，434的性能。

依照本发明，得到无线通信单元410位置的概率密度函数。概率密度函数使用来自无线通信单元和无线通信网络430的至少两个扇区之间通信的数据。这些扇区通常是两个不同基站432，434的一部分。概率密度函数由如下的组中的至少一个得到：

(i)来自无线通信单元410的测量信息；

(ii)关于无线通信网络430的网络配置数据。

概率密度函数可由无线通信系统400的多个部件之一得到。例如，位于控制单元436的处理器438可得到概率密度函数。

概率密度函数可被采样来提供输出信息。该输出信息包括关于无线通信单元410可能位置的空间信息和概率信息。概率密度函数的采样也可发生在处理器438。

在一可选的布置中，概率密度函数可由分离的系统得到，这在图4中没有示出。这样的分离系统特别可能在当概率密度函数作为‘后处理’的一部分而得到时使用，其不实时发生。该后处理可在无线通信系统400之外的专门的系统中使用一个或多个通信链路或呼叫的记录来执行。使用一个或多个通信链路或呼叫的记录。在一些应用中，后处理将仅被应用于选择的通信的记录。但是，后处理可应用于无线通信网络430中的所有通信的记录，其可以是大量的。这里‘大量’可包括几千或几百万个通话记录。

一种实现本发明的方法是简单地布置移动电话系统的一个移动组中的每一个来提供作为‘输入’的数据。移动电话将将它们的测量结果提供给移动电话系统的无线接入网络(RAN)，该无线接入网络又将移动测量结果提供给移动电话系统的操作支持系统(OSS)。实施本发明的必要计算在操作支持系统(OSS)中执行。移动电话系统的操作支持系统通常与无线接入网络(RAN)直接连接，所以可容易地从无线接入网络接收测量结果。

概率密度函数可从至少两个单独的概率密度函数得到，每个单独的概率密度函数基于以下任一：

(i)来自无线通信单元410的测量信息；或

(ii)关于无线通信网络430的网络信息。

多种技术可用于计算概率密度函数。但是，依照本发明，概率密度函数，或两个或多个单独的概率密度函数可使用随机变量分布的一个或多个矩(moment)通过参数建模来建立。因此建立的概率密度函数使得所有可能位置的概率总和等于一。

关于无线通信单元的可能位置的空间信息和概率信息可有利地包括：

(i)每个可能位置的x坐标和y坐标；以及

(ii)无线通信单元410位于x坐标和y坐标的概率，该概率由概率密度函数得到。

为了更用户友好地从本发明获得输出信息，概率低于一阈值的通信单元410的可能位置将被排除。这可以采用，例如，重要性采样完成。输出信息包括所有概率大于或等于阈值的无线通信单元410可能位置的列表。无线通信单元410的用户可以选择多少个无线通信单元的可能位置包含在输出信息中。

一旦计算出概率密度函数，便可计算该函数的最大值。其提供移动通信单元410在进行通信时的‘最可能’位置。移动通信单元410在该位置的概率也提供该移动通信单元410有多么可能实际上在该位置的信息，该信息在本发明中被用作‘置信度’评分。

来自多个通信的概率密度函数可联合导出一联合函数。例如该联合函数可包括统计计算，其对从每个概率密度函数得到的置信度评分进行计算。该统计计算可以例如是中值计算。另一个例子，该计算可以是平均值计算，或固定的分布百分比(象百分之80)。

联合函数的分析允许导出网络参数的最可能值，因此产生‘校正的’网络参数。该分析的一种方法包括一次或多次改变网络参数，直到达到联合函数的最大值。使联合函数取最大值的网络参数值可选择为网络参数的最可能值。该分析的形式实际上包括将网络参数改为一个或多个‘试验’值，来看是否任何实验值在组成联合函数的通信的概率分布函数中得到更高的总的置信度水平。

在最后的步骤，网络配置数据可通过并入校正的网络参数来校正。

虽然上述讨论说明了导出一个网络参数的最可能值，本发明的方法可用于同时导出两个或多个网络参数的最可能值。一个或多个网络参数可选自以下的组中：

(i)天线或基站的位置信息；

(ii)天线特性；

(iii)扇区天线的方位角和倾斜指向角度；

(iv)发射功率水平。

以不同的方式，本发明可应用于校正网络配置数据的一个或多个网络参数的任务。典型的应用包括下述：

应用(i)：小区簇可在感兴趣的地理区域的置信度评分通常较低的地方被识别。在这种情况下，仅这些小区的网络参数可以改变。为了识别置信度评分低的区域，可检验概率密度函数的最大值。无线通信网络覆盖的区域可划分为地理区域，例如100米×100米的柜(bins)。连续的总数(running total)可由在每个置信度水平低于阈值的柜中的所有通信或呼叫得到。在一个柜(bin)或附近柜(bin)的组中，通信总数特别高的事实可被用于识别感兴趣的地理区域。靠近该区域的小区可挑选出来用于研究，通过改变它们的参数来检测为它们所保持的网络配置数据中的不正确的网络参数。

应用(ii)：一种方法(i)的变形，详细检查通过网络发生的呼叫列表来仅显示那些以掉话结束的呼叫。标记这些呼叫的位置，例如通过在象上面的(i)里说明的柜(bin)那样的地理区域中记录它们。典型地网络中少于1％的呼叫会掉话。但是，网络配置数据包含误差时，其可导致有关扇区附近的掉话率提高的结果。在这种情况下，在或邻近有关扇区的某些柜(bin)中可观察到大概1-5％的掉话率。有关扇区的一个或多个网络参数可以改变。这也可发生在从掉话率最高的扇区沿任意方向的下两个扇区中。该方法可总结为在无线通信网络430中识别掉话率高于网络阈值率或平均率的地理区域，并改变可能从这些地理区域向其进行通信的小区或扇区的网络参数。

应用(iii)：通过随机选择网络参数，无线通信网络可经常被监控。通过改变每个选择的网络参数从而查看是否其它值更合适，每个选择的网络参数可被检查。

应用(iv)：选择地考虑在一个或多个小区附近产生但不使用所述小区的呼叫是可能的。通过考虑这些的小区的一个或多个网络参数，以这样的方式改变参数来找到使移动台选择不通过这些小区来路由以更合适该组呼叫是可能的。所以，代替考虑与所进行的呼叫有关的数据，该方法考虑倾向于其他基站或扇区的呼叫选项。

当应用本发明的方法来寻找联合函数的最大值时，需要改变一个或多个网络参数。为了有效地实现这点，需要确定关于每次改变的方向和/或步长。每次改变的方向和/或步长可通过最速下降方法，牛顿方法，模拟退火，蒙特卡罗搜索，或遗传算法，或其他类似的数学方法来选择。

本发明的输出信息可服务于应用的各种改变。本发明提供提高准确性的网络配置数据。通过校正网络配置数据，本发明可提供大量优点。特别是本发明可：

(i)使对无线通信单元的位置能计算出更加准确的值。

(ii)在无线通信网络中导致更低的掉话率。

(iii)允许对无线通信网络进行更有效的规划和设备升级。

本发明可通过在无线网络中的操作支持系统(OSS)实现。这是因为本发明可服务于帮助管理网络。该行为通常被认为与单独的呼叫过程(即发起和结束呼叫，计费等)中包含的任务不同。本发明可在一个或多个计算机工作站执行。这些工作站可致力于该任务，这是通常的方法。可选择地，这些工作站可实现除本发明之外的其他任务，例如故障管理或编译转换统计和维护报告。这些工作站可由通常用途的计算机组成。但是，他们也可由常规硬件，特殊构造的印刷线路板和常规芯片构成，来加速必要的计算。这里繁忙网络中的所有呼叫均被分析，且所有网络配置参数均被改变，这种常规类型的布置可以更快速实现本方法。

虽然本发明可在无线通信网络430中使用，但是输出信息也可在无线通信单元410的显示屏上显示。智能手机也可被编程来执行本发明的方法，而不仅是无线通信网络430的功能。然后该智能手机可通过网络，并且当其通过以及邻近扇区时进行测量。

本发明可布置成使用由无线通信单元410获得的包含以下中一个或多个的测量信息来进行操作：

(i)从无线通信单元410到无线通信网络430的一个或多个网络扇区的一个或多个绝对距离；

(ii)无线通信单元410与无线通信网络430的一个或多个网络扇区对之间的一个或多个微分距离；

(iii)无线通信单元410记录的来自无线通信网络430的一个或多个网络扇区的一个或多个接收信号功率；以及

(iv)无线通信单元410记录的来自无线通信网络430的一个或多个网络扇区的一个或多个接收信噪比的测量结果。

图5示出了依照本发明的方法的典型实施例。

图5示出了第一和第二天线532，534，它们是两个基站例如图4中的基站432和434的一部分。第一天线532服务无线通信网络的一个小区。第二天线534服务无线通信网络例如网络430的另一个小区。无线通信网络430的单独的小区在图4和5中没有示出，因为本发明的方法无须知道它们的确切边界。第一和第二天线532，534是扇区天线。第一天线532位于位置(X1,Y1)，覆盖第一扇区。第二天线534位于位置(X2,Y2)，覆盖第二扇区。

第一和第二天线532和534中的每个集中它的发射能量。该集中使得绝大部分能量落在方位角的波束宽度的特定角度范围内。该范围可以是，典型地，45到90度，集中于方位角的指向角度左右。图5中每个箭头532，534的方向示出了该天线的方位角的指向角度。

现在假设无线通信单元，例如图4示出的单元410，在图5的无线通信网络的某处，并执行第一测量。第一测量是到第一天线532的距离。第一测量可为直接或间接测量。图5图示了来自位置不确定的无线通信单元的可用的概率信息，所以实际上没有无线通信单元示出在图5上。

第一测量得到第一概率密度函数。实线的两个圆540图示了概率信息，其由第一概率密度函数得到。第一天线532位于两个圆540的中心。两个圆540对应于找到无线通信单元的两个等概率的等值线。该测量通常类似于结合图3的描述。

移动通信单元也可执行第二测量，其为图5中到第二天线534的距离。但是，第二测量得到相对于包含第一天线532的第一扇区的微分距离测量。微分距离测量可由通信信号的到达时间差，‘TDOA’，得到。第二测量提供第二概率密度函数。

图5中通过标记550通常表示的四条点划线图示从第二概率分布函数得到的概率信息。四条点划线是等概率的等值线，并且每条都表现双曲线的形态。双曲线的几何参数取决于第一和第二扇区的位置，以及微分距离量。

两个圆540和四条双曲线550事实上是来自它们各自概率密度函数的密集采样点。

为了定位无线通信单元，有必要联合第一和第二概率密度函数。这是因为无线通信单元位于某一特定位置的概率是独立事件的联合，即：

(i)移动通信单元距天线532的距离对应大约其中一个圆540的半径；

(ii)给定值的到达时间差；以及

(iii)第一和第二扇区的移动能见度。

第一和第二概率密度函数在进行联合时需要适当地改变比例。

在图5的例子中，最精确的信息可通过将第一和第二概率密度函数与有关天线532，534的概率密度函数联合而导出。这是因为用户更可能在每个天线的主瓣，而不是天线的后瓣或旁瓣被服务。如果第一和第二天线均是同样的全向天线，在联合中则不必包含它们的概率密度函数。

无线通信单元的可能位置在第一和第二椭圆560和570上。这些示出了联合概率密度函数得到最大概率值的位置。无线通信单元的位置的最可能值是指向第一个椭圆560中心的单个点，因为天线的指向角度。

如上述解释，网络配置数据经常存在误差。小区站点的位置可不正确达几百米甚至更多。天线的方位角可脱离几十度。

图6和7图示了一种当天线的x坐标不正确时出现的情况。

在图6中，天线632，634，两个圆640，双曲线650以及椭圆660，670对应于图5中的类似编号的元素。

在图6中，天线636也在无线通信单元的通信范围内。天线636的网络配置数据以(X3,Y3)列出天线636的位置。

无线通信单元能够执行来自天线632和636信号间的到达时间差测量。所得到的概率密度函数提供双曲线652，其示出了等概率的等值线。

双曲线652没有通过椭圆660，并且没有与圆640在任何点相交。如果双曲线652表示的信息结合双曲线650和圆640表示的信息，那么相对于在图5中导出的概率，无线通信单元位于椭圆660的总计算概率会降低。

图6示出的情况由于天线636拥有的作为网络配置数据的一部分的位置数据(X3,Y3)中的误差而产生。

图6示出的信息可以已经从由一个无线通信单元接收的信号导出，其与天线632，634和636中的每个通信一次。在这种情况下，没有足够的信息来确定误差如何产生。可能是该呼叫的测量数据存在误差的情况，或者是网络配置数据存在误差的情况。网络配置数据中的误差可关系到圆640的中心的位置和/或双曲线650或652的焦点的位置。当可用的数据仅来自，例如，单个的呼叫时，移动测量的噪声特性使确定这些情况中哪个是这个情况变得不可能。

但是，考虑总共不止一次呼叫允许确定网络误差。该确定是可能的，因为单独呼叫中观察到的波动将在多个呼叫中趋于平均化。所以，如果误差是由于测量数据中的噪声，其将被统计平均。但是，如果误差是由于不正确的网络配置数据，该误差将更一致地呈现在包括误差数据的所有估计位置中。例如，对于涉及天线的所有位置测量，不正确的天线指向角度或位置将导致扩散概率密度函数，而不是陡峭(sharp)概率密度函数。

可用的呼叫集可包括在有限的时间段，和/或一部分有限的地理区域的无线网络中发起的呼叫。该时间段和地理区域部分取决于网络中使用的无线通信单元的多少。通常，在本发明的方法中使用越多的呼叫，从这些呼叫中获得的信息就越准确。

图7示出了对于第三天线，即图7中的天线738的正确位置。该正确位置是(X3’,Y3)。为了便于比较，不正确的位置数据(X3,Y3)也在图7中示出。不正确的位置数据以天线736的点图在图7中示出，其对应于图6中的天线636。

在图7中，天线732，734，两个圆740，双曲线750以及椭圆760，770均对应图5和6中的类似编号元素。

双曲线752由移动通信单元从天线732和738接收的信号间的到达时间差测量得到。但是，图7中的布置计算的概率密度函数合并了天线738的正确位置信息，其为位置(X3’,Y3)。因而，双曲线752通过椭圆760。

当位置估计可从与三个天线732，734和738的通信获得，而不是图5中的两个天线532，534时，图7示出的情况对应可预期的情况。本质上，图7中由第三天线的效用提供的额外位置信息的效用使增加位置估计的准确性成为可能。双曲线752增加了移动通信单元在椭圆760中的联合概率，并相对于由图5所知的概率降低了其在椭圆770中的概率。

总结图7，置换第三天线738的网络配置数据为新的x坐标X3’导致双曲线752更多地与双曲线750和圆740相交。这导致结果，对于来自移动通信单元的单个通信，概率密度函数相较于图6中的情况将具有更大的最大值。概率密度函数的最大值可用作‘置信度’测度，因为该值越大，不同测量和网络配置值间越总体一致。

通过研究的全部呼叫，单独位置测量的置信度评分可经受合适的测度。合适测度的例子是中值的，或平均值或百分之75的值。这些测度提供了关于网络参数例如X3的变化如何可以影响总体的置信度评分的理解。来自可用呼叫的全部测量可用于构建相关统计测度，且没有测量需要被丢弃。例如，如果有五个测量等于0.1，0.2，0.3，0.4以及0.5，中值为0.3。在其最广泛的形式中，本发明使用置信度测度的最大化来允许对网络误差的校正，如图7中证明的。网络配置数据的校正又可得到对无线通信单元的改进的地面定位估计和其他益处。

图8图示了一种找到X3’值的方法。通过大量呼叫，可计算X的测量的置信度。图8示出了所得到的分布。x轴表示天线738位置的坐标X的值。分布的y轴表示每个测量的置信度。分布的峰值在点X3’。因此天线738最可能的位置在位置(X3’,Y3)，如图8所示。

考虑图7中的情况，只有X3需要被校正。移动通信单元410产生的每个通信可贡献一置信度评分，并且这些置信度评分可用于实现将X3校正为X3’。可改变X3的值，直到置信度评分的联合函数达到它的最大值，在此处X3将具有值X3’。选择的函数可以是例如，中值，平均值，或百分之75的值。本领域有各种公知技术来实现这个最大化。例子是最速下降方法，牛顿方法，模拟退火法。所以，本发明的方法包括在所有观察到的呼叫上最大化所选择的置信度评分的函数。

需要一些位于某位置的无线通信单元的通信片断来见证(witness)多于一个扇区，以使得该方法能够有效。但是，用于现代无线网络的移动/切换目标会满足该要求。通过考虑移动通信单元永远不能见证多于一个扇区的情况，可以知道为什么是这样的。在这种情况下，当移动台移动到距它可见的唯一的扇区“很远”时，呼叫总是会掉话。由于无线网络典型的具有小于1％的掉话率，实际上在现代网络中在扇区间重叠的量是很大的。

图9是本发明一个具体实施例的流程图。图9的步骤图示了详细实施例，其中：

(i)仅改变一个网络参数；

(ii)所有置信度评分的中值被用作联合函数。

本发明的最常用形式并不限于这些具体方面。

第一步，参见标记910，确定哪个网络参数是所关心的。该网络参数可以是，例如，一特定扇区中天线的位置。

在第二步，参见标记920，天线的位置从网络配置数据中所保持的位置而改变。该改变为天线的位置建立一个新的‘试验’值。

在第三步，参见标记930，使用天线位置的试验值，在某一特定时段进行的所有通信的概率密度函数被重新计算。在图9的实施例中，通信是在移动电话上产生的呼叫。这样就找到了每个呼叫的概率密度函数的最大值，并用作该呼叫的置信度评分。仅需要针对在进行呼叫时能够与特定天线通信的移动电话的子集来进行概率密度函数的重新计算。该移动电话的子集可以包括可记录来自天线的信号强度测量的移动电话，所述移动电话无需实际通过其发起了呼叫，所以不限于那些实际上通过该天线进行了呼叫的移动电话。

在第四步，参见标记940，重新计算联合函数。在图9的实施例中，中值被用作联合函数。所有置信度评分的中值提供一简单的数字。

在第五步，参见标记950，确定联合函数是否达到最大值。如果答案是否，则该方法返回步骤2，参见标记920。对天线位置进行进一步的改变，该第二试验位置将被用于步骤三，四和五。

如果联合函数达到最大值，则方法进行到第六步，参见标记960。第二步中选择的试验天线位置可用作校正的网络参数。可以用校正的网络参数来更新网络配置数据。

利用图9中的方法，存储于网络配置数据中的不正确的天线位置值被校正。这可以仅使用在网络正常使用时通过无线通信网络产生的呼叫的细节来完成。本发明因此可避免工程师或技术员到达无线通信网络中的每个基站的需求。

图9的流程图图示了仅改变一个网络参数。在无线通信网络中，通常期望检查多个网络参数。这将更可能揭示并校正网络配置数据中的误差。

图10图示了依照本发明的一个实施例的一种改变并潜在地校正多个网络参数的方法。

在第一步，参加标记1010，选择所关心的网络参数。这可以是天线的位置。

在第二步，参见标记1020，尽可能经常地改变天线位置，来确定是否能从可用呼叫数据中得到更好的位置值。图10方法的第二步因此对应图9方法的第二到第六步，参见标记920-960。

在第三步，参见1030，确定是否所有关心的网络参数均被检查过。如果答案是‘否’，则方法返回第一步。然后将选择另一网络参数，例如在不同扇区中的天线方位角的指向角度或天线位置。

在步骤1030，如果所有关心的网络参数均被检查过并且，潜在地，被校正，则答案是‘是’。在这种情况下，该方法进行至步骤1040。在步骤1040，任何校正的网络参数用于校正网络配置数据。

本发明也包含一种包含如上所述本发明方法的可执行程序代码的计算机程序产品。

最后，下面提供一种极大简化的用数字例子。该例子被设计用于帮助理解本发明，但是本发明不限于该例子的任何细节。该例子考虑简单的，并且假想的，仅3个呼叫的情况。在这种情况下联合函数的一个例子是获取每个呼叫的置信度评分的中值。如果这3个呼叫的置信度评分为0.01，0.02和0.03，则中值为0.02。这些置信度评分应用于一些网络参数的初始收集，该初始收集可被称为‘配置A’。假设配置B代表不同的一组网络参数。如果配置B改变三个呼叫的置信度评分为0.02，0.03和0.04，则新的中值为0.03。配置B将被认为比配置A“更有可能”。在所有可能的网络配置A-X中，假设我们找到一组网络参数，‘配置C’，其将中值评分最大化到0.04。如果对于所有三个呼叫的置信度评分为0.03，0.04和0.05，这将可达到。则我们认为网络配置C是所有网络配置中最有可能的。通过该原则的延伸，如果在配置C中，一些天线的方位角是‘theta(c)’，则初始网络(其为配置A)的误差被认为是差‘(theta(c)-theta(a))’。

考虑许多呼叫(N远大于3)的更通常的情况，其中每个呼叫有置信度评分，c_i(i＝1,2,3,…,N)。使f值，平均置信度评分，以通常的方式被定义为f＝1/N sum(c-i)。由于单独呼叫的置信度评分是网络配置的函数，平均置信度评分也是网络配置的函数，或f＝f(a)，其中a是被考虑的一些网络配置。最大化f值的网络配置a_max被称为最有可能的网络配置。为了量化该例子，用两个允许在0和1之间改变的参数x1和x2来定义网络配置。那么网络配置变量a是向量(x1,x2)。进一步，通过f(a)＝f(x1,x2)＝x1*x2来完全模拟平均置信度评分。

函数f(x1,x2)当x1＝x2＝1时取最大值。因此，最有可能网络配置是a_max＝(1,1)。

上述例子示出了一次改变多个参数是可能的。实际上作为网络配置数据的一部分而保持的任何网络参数都可被改变。本发明还可通过如下方式来应用：

(i)仅改变一个参数。该方法结合图9的流程图进行了说明。

(ii)改变多个网络参数，但是每次仅分析改变一个网络参数对联合函数的影响。该方法结合图10的流程图进行了说明。

(iii)同时改变多个网络参数。在这个方法中，联合函数仅在两个或多个网络参数改变的步骤后才被分析。

在大的网络中，更通常使用方法(ii)或(iii)，即不限于对单一参数的选择。但是，存在用户指定关注于在一个参数或所有参数的一些相对小的子集的情况，如果期望的话。本发明适于考虑对研究的参数的相对大的集合进行修改。

在本发明可实现的系列示例中，本发明被用于挑选每个参数，每次一个，如图9所图示。这使得能够估计该参数的变化对置信度测度的影响的程度，如图8所示的那样。那些最受影响的扇区可以被一起改变，特别是对于在一个基站处的扇区。类似的例子可通过挑选小区簇来构造，其中感兴趣的区域上的置信度评分通常很低。这通常是在所研究的区域附近的某处的网络信息存在误差的证据。

值得注意的是，为了清楚的目的，上述说明结合不同的功能单元描述了本发明的实施例。因此，特定功能单元的标记仅被视作提供功能性描述的合适方式的标记，而不是指示严格的逻辑或物理结构或组织。

本发明的方面可在任何适合的形式包括硬件，软件，固件或它们的任意组合中实现。本发明的方面可随意地，至少部分地，作为运行在一个或多个数据处理和/或数字信号处理器中实施。因此，本发明实施例中的元件和对象可物理地，功能地或逻辑地以任何适合地方式实施。实际上，功能可在单独的单元中实现，在多个单元实现，或作为其它功能单元的一部分来实施。

虽然本发明结合一些实施例进行了说明，但这里并不意在限定于所阐明的特定形式。相反，本发明的范围仅由权利要求限定。另外，虽然一个特征可能通过结合特定的实施例进行说明来呈现，本领域技术人员认为说明的实施例中的不同特征可依照本发明的实施例进行结合。

另外，虽然单独的特征可包含在不同的权利要求中，这些也可有利地结合，不同权利要求中的包含并不意味特征的结合是不可行的和/或不利的。并且，在一个权利要求的范畴中的特征的包含并不意味着对该范畴的限定，而是该特征当适当时可同样地适用于其它权利要求范畴。

方法权利要求中各个步骤的顺序并不意味这这些步骤必须按照该顺序执行。相反，这些步骤可按照任何适当的步骤执行。另外，单数的描述并不排除复数。因此，‘一个’，‘一个’，‘第一’，‘第二’等不排除复数。

Claims (20)

1.一种校正网络配置数据的方法，所述方法包括：

得到关于无线通信单元(410)的潜在位置的第一范围的第一概率密度函数，所述第一概率密度函数基于以下中的至少一个：

来自所述无线通信单元(410)的测量信息，或

包括至少一个网络参数的网络配置数据；

得到与所述无线通信单元(410)的潜在位置的第二范围相关的第二概率密度函数；

联合所述第一概率密度函数和所述第二概率密度函数来产生输出信息，所述输出信息包括关于从所述无线通信单元(410)的潜在位置的所述第一范围和所述第二范围中选择的可能位置的空间信息和概率信息；以及

发射所产生的输出信息以用于校正所述网络配置数据。

2.根据权利要求1所述的方法，还包括：

计算关于所述第一概率密度函数和所述第二概率密度函数的各自置信度评分；

使用关于所述第一概率密度函数和所述第二概率密度函数的所述各自置信度评分计算联合函数的值，所述联合函数基于将与所述第一概率密度函数相关的信息和与所述第二概率密度函数相关的信息联合；

改变所述网络参数，直到满足所述联合函数的最大值；并且

选择所述最大值作为所述网络参数的最可能值。

3.根据权利要求2所述的方法，其中：

所述联合函数是关于所述第一概率密度函数和所述第二概率密度函数的所述各自置信度评分的中值、关于所述第一概率密度函数和所述第二概率密度函数的所述各自置信度评分的平均值或关于所述第一概率密度函数和所述第二概率密度函数的所述各自置信度评分的预先确定的百分比。

4.根据权利要求2或权利要求3所述的方法，还包括：

分析所述联合函数，以得到两个或更多个网络参数的最可能值；

产生两个或更多个校正的网络参数；以及

通过并入所述两个或更多个校正的网络参数来校正所述网络配置数据。

5.根据权利要求4所述的方法，还包括：

通过选择所述两个或更多个校正的网络参数中的每个网络参数来改变所述两个或更多个校正的网络参数；并且

分析改变所述两个或更多个校正的网络参数对所述联合函数的影响。

6.根据权利要求1所述的方法，其中所述第一概率密度函数和所述第二概率密度函数还基于关于与所述无线通信单元(410)相关的无线通信网络的网络信息。

7.根据权利要求1所述的方法，其中所述空间信息和所述概率信息包括：

所述可能位置中的每一个可能位置的x坐标值和y坐标值；以及

所述无线通信单元位于所述x坐标值和所述y坐标值的概率信息。

8.根据权利要求1所述的方法，还包括：

识别不能满足阈值的一些可能位置；以及

使用采样程序来排除作为所述无线通信单元的可能位置的被识别出的一些可能位置。

9.根据权利要求1所述的方法，其中，所述第一概率密度函数或所述第二概率密度函数中的至少一个基于与所述无线通信单元(410)相关的无线通信网络的网络信息，

所述网络信息包括以下中的至少一个：

天线位置信息；

基站位置信息；

天线特性信息；

与扇区天线的方位角和倾斜指向角度相关的信息；

或

发射功率水平信息。

10.根据权利要求1所述的方法，其中所述第一概率密度函数或所述第二概率密度函数中的至少一个是使用随机变量分布的一个或多个矩通过参数建模来建立的。

11.一种用于校正网络配置数据的系统，所述系统包括：

用于得到关于无线通信单元(410)的潜在位置的第一范围的第一概率密度函数的装置，所述第一概率密度函数基于以下中的至少一个：

来自所述无线通信单元(410)的测量信息，或

包括至少一个网络参数的网络配置数据；

用于得到与所述无线通信单元(410)的潜在位置的第二范围相关的第二概率密度函数的装置；

用于联合所述第一概率密度函数和所述第二概率密度函数来产生输出信息的装置，所述输出信息包括关于从所述无线通信单元(410)的潜在位置的所述第一范围和所述第二范围中选择的可能位置的空间信息和概率信息；以及

用于发射所产生的输出信息以校正所述网络配置数据的装置。

12.根据权利要求11所述的系统，还包括：

用于计算关于所述第一概率密度函数和所述第二概率密度函数的各自置信度评分的装置；

用于使用关于所述第一概率密度函数和所述第二概率密度函数的所述各自置信度评分来计算联合函数的值的装置，所述联合函数基于将与所述第一概率密度函数相关的信息和与所述第二概率密度函数相关的信息联合；

用于改变所述网络参数直到满足所述联合函数的最大值的装置；以及

用于选择所述最大值作为所述网络参数的最可能值的装置。

13.根据权利要求12所述的系统，其中，所述联合函数是关于所述第一概率密度函数和所述第二概率密度函数的所述各自置信度评分的中值、关于所述第一概率密度函数和所述第二概率密度函数的所述各自置信度评分的平均值或关于所述第一概率密度函数和所述第二概率密度函数的所述各自置信度评分的预先确定的百分比。

14.根据权利要求12或13所述的系统，还包括：

用于分析所述联合函数以得到两个或更多个网络参数的最可能值的装置；

用于产生两个或更多个校正的网络参数的装置；以及

用于通过并入所述两个或更多个校正的网络参数来校正所述网络配置数据的装置。

15.根据权利要求14所述的系统，还包括：

用于通过选择所述两个或更多个校正的网络参数中的每个网络参数来改变所述两个或更多个校正的网络参数的装置；以及

用于分析改变所述两个或更多个校正的网络参数对所述联合函数的影响的装置。

16.根据权利要求11所述的系统，其中所述第一概率密度函数和所述第二概率密度函数还基于关于与所述无线通信单元(410)相关的无线通信网络的网络信息。

17.根据权利要求11所述的系统，其中所述空间信息和所述概率信息包括：

所述可能位置中的每一个可能位置的x坐标值和y坐标值；以及

所述无线通信单元位于所述x坐标值和所述y坐标值的概率信息。

18.根据权利要求11所述的系统，还包括：

用于识别不能满足阈值的一些可能位置的装置；以及

用于使用采样程序来排除作为所述无线通信单元的可能位置的被识别出的一些可能位置的装置。

19.根据权利要求11所述的系统，其中，所述第一概率密度函数或所述第二概率密度函数中的至少一个基于与所述无线通信单元(410)相关的无线通信网络的网络信息，

所述网络信息包括以下中的至少一个：

天线位置信息；

基站位置信息；

天线特性信息；

与扇区天线的方位角和倾斜指向角度相关的信息；

或

发射功率水平信息。

20.根据权利要求11所述的系统，其中所述第一概率密度函数或所述第二概率密度函数中的至少一个是使用随机变量分布的一个或多个矩通过参数建模来建立的。