CN104904287B - 用于定位无线设备的系统和方法 - Google Patents

Abstract

提供用于定位无线设备的方法和装置。在一种该装置中，指纹识别方法包括第一网元接收来自第二网元的多个数据并确定第一段。所述多个数据中的第一路测数据可以分配给所述第一段，并且可以确定第二段，其中所述第一段的第一区域不等于所述第二段的第二区域。所述多个数据中的第二路测数据可以分配给所述第二段。

Description

用于定位无线设备的系统和方法

本申请要求2014年2月14日递交的发明名称为“用于定位无线设备的系统和方法”的申请号为14/180,992的美国非临时专利申请案的优先权，该美国非临时专利申请案要求2013年3月13日递交的发明名称为“用于定位无线设备的系统和方法”的申请号为61/780,328的美国临时专利申请案的优先权，这两个申请的内容均以引入的方式并入本文本中。

技术领域

本发明大体涉及一种用于无线技术的系统和方法，且在具体实施例中，涉及一种用于定位无线设备的系统和方法。

背景技术

在无线业务提供商(WSP)业务区域内定位(即，确定位置)无线设备的能力能够实现各种业务，例如，该能力包括WSP在收到无线紧急业务呼叫(例如，美国的“911”)之后将紧急救援人员引导至正确位置的能力。此外，定位无线设备的能力能够实现基于位置的业务(LBS)，针对此类业务的用户位置信息可以增强递送给用户的数据的价值和相关性，例如天气、附近餐馆或商店，以及导航信息。另外，高分辨率专用话务密度的信息允许了优化的网络工程，包括直接将新小区安置在具有定位话务需求的区域中，以协助定位和处理网络问题以及优化网络。

对无线设备有关的定位和密度信息进行估计可使用基于全球定位卫星(GPS)的方法和基于指纹识别的方法来实现。基于GPS的方法依赖于在无线设备内使用GPS接收器。在卫星星座的可视度良好的情况下，GPS接收器可以收集允许用来计算无线设备位置的数据，这些数据可报告给网络。可以从许多设备收集单独的定位信息，并随着时间的推移而聚合到空间话务密度中。

在指纹识别方法中，构建了整个业务区域的无线地图。该无线地图随后用于基于设备向网络传输的常规无线信道信息来定位无线设备。该常规无线信息不包括GPS信息。通过将报告的信息映射到无线地图上的特定位置来实现定位。

发明内容

一种定位无线设备的实施例的方法包括第一网元接收来自第二网元的多个数据并确定第一段。此外，所述方法包括将所述多个数据中的第一路测数据分配给所述第一段并确定第二段，其中所述第一段的第一区域不等于所述第二段的第二区域。另外，所述方法包括将所述多个数据中的第二路测数据分配给所述第二段。

一种构建无线设备密度的密度地图的实施例的方法包括网元接收多个测量报告并获取多个指纹。此外，所述方法包括计算所述多个测量报告中的第一测量报告和所述多个指纹之间的多个距离，其中所述多个距离中的最小距离是所述第一测量报告和所述多个指纹中的第一指纹之间的第一距离，并且所述多个距离中的第二最小距离是所述第一测量报告和所述多个指纹中的第二指纹之间的第二距离。另外，所述方法包括将所述第一测量报告的第一部分分配给所述第一指纹对应的第一段，以及将所述第一测量报告的第二部分分配给所述第二指纹对应的第二段。

一种选择用于无线设备定位的数据的实施例的方法包括网元接收多个数据并确定所述多个数据中的第一路测数据是否是信息丰富的。此外，所述方法包括当所述第一路测数据不是信息丰富的时，调整所述多个数据中的所述第一路测数据。

一种构建估计的用户密度的实施例的方法包括网元获取多个估计的用户位置并映射所述多个估计的用户位置以产生所述估计的用户密度。

一种用于定位无线设备的实施例的系统包括处理器和存储由所述处理器执行的程序的计算机可读存储介质。所述程序包括接收来自节点的多个数据并确定第一段的指令。此外，所述程序包括将所述多个数据中的第一路测数据分配给所述第一段并确定第二段的指令，其中所述第一段的第一区域不等于所述第二段的第二区域。另外，所述程序包括将所述多个数据中的第二路测数据分配给所述第二段的指令。

上文已相当广泛地概述了本发明实施例的特征，以有助于更好地理解下文对本发明的详细说明。下文将描述本发明各项实施例的附加特征和优点，其构成本发明的权利要求书的主题。本领域技术人员应理解，可轻易地基于所揭示的概念和具体实施例，修改或设计用于实现本发明的相同目的的其它结构或过程。本领域技术人员还应意识到，此类等效结构并不脱离所附权利要求书中提出的本发明的精神和范围。

附图说明

为了更完整地理解本发明及其优点，现在参考下文结合附图进行的描述，其中：

图1示出了用于指纹识别的一个实施例的系统；

图2示出了用于指纹识别的另一个实施例的系统；

图3示出了无线热点；

图4示出了用于定位和话务密度估计的一个实施例的方法；

图5A和5B示出了上下文滤波的一个实施例的方法；

图6A和6B示出了路测数据；

图7示出了路测数据；

图8示出了移除重复小区ID的路测数据；

图9示出了向量变换之前的路测数据；

图10示出了向量变换之后的路测数据；

图11示出了按位置分组的路测数据；

图12示出了用于指纹识别的段；

图13示出了用于指纹识别的另一段；

图14示出了段的一个实施例的地图；

图15示出了确定段的一个实施例的方法；

图16示出了确定无线地图的一个实施例的方法；

图17示出了将测量报告分配给段的一个实施例的方法；

图18示出了用于进行软决策的概念映射；

图19示出了进行软决策的一个实施例的实施方式；

图20示出了实际的无线设备密度的地图；

图21示出了实际的无线设备密度和估计的无线设备密度的一个实施例的地图；以及

图22示出了通用计算机系统的一个实施例的框图。

除非另有说明，否则不同图中的对应标号和符号通常指代对应的部分。绘制各图是为了清楚地说明实施例的相关方面，因此未必是按比例绘制的。

具体实施方式

首先应理解，尽管下文提供一个或多个实施例的示例性实施方案，但所公开的系统和/或方法可使用任何数目的技术来实施，无论该技术是当前已知还是现有的。本发明不应以任何方式限于下文所说明的示例性实施方案、附图和技术，包括本文所说明并描述的示例性设计和实施方案，而是可在所附权利要求书的范围以及其等效物的全部范围内修改。

在指纹识别中，无线地图包括与业务区域中的小区域(块或段)相关联的现场测量数据库，其中块或段的无线指纹被计算并用于指示其无线信道条件。在一个示例中，该指纹包括来自无线接收器所见的周围小区的无线控制信道的身份和强度(IS)以及其它数据，例如设备和其服务小区之间的往返时延(RTT)。在定位之前执行数据库的构建，称为“训练”。

校准或训练的一个实施例的方法涉及第一网元接收来自其它(单个到多个)网元的多个数据来表征感兴趣区域，如以通过直接测量，或，直接和外推测量的组合来表征感兴趣区域。

图1示出了用于训练的实施例的系统100。系统100包括用户设备108和基站102、104和106。在图1中，用户设备108包括GPS接收器，并且可以通过基站102、104和106向网络内的处理器传输其测得的IS以及估计的位置。在该示例中，用户设备108可以是测试车辆中的设备或步行测试团队所携带的设备，该用户设备定期报告它所接触的信息(例如，IS)以及地理位置。测试车辆和/或测试团队全面检查感兴趣区域，包括建筑物内部。或者，用户设备108是具有包括GPS功能的手机的用户组中的成员，该手机可参与训练周期。用户设备108运行程序，或被连接至合适的其它设备来收集并归档合适的数据，在合适的(例如，低负载)时间向网络传输这些数据，以避免在商业话务量大的时间内对网络施加额外的信令负载。如果用户设备108对GPS卫星星座具有足够的可视度，则报告其位置。如果没有足够的可视度，例如当用户设备108在室内深处时，将报告它无法获取准确的地理位置。在后一种情况下，感兴趣区域内的建筑物内模型将被用于处理与不准确的地理位置相关联的IS，并估计包括UE 108的建筑物或建筑物群。因此，训练数据从建筑物内部以及户外收集。相比于使用路测或步行团队的数据收集，收集训练数据的用户组或用户携带方法花费更少，更为可行，并且更为全面。最后，用户设备108可以是测试车辆或测试团队所携带的设备和参与训练过程的商业用户所携带的设备的任意组合。

图2示出了另一用于训练的系统350。控制器352被连接至多个接入点，并从中收集数据。控制器352接收来自接入点102、接入点104和接入点106的信息。接入点被连接至范围内的用户设备，并从中收集数据。接入点102接收来自用户设备354和用户设备108的信息。此外，接入点104接收来自用户设备108和用户设备356的信息。另外，接入点106接收来自用户设备108、用户设备356、用户设备358和用户设备360的信息。在图2中，用户设备108、356、358和360可以是提供训练数据的测试车辆、测试团队，或用户携带的设备的任意组合。

在训练完成之后，网络使用无线设备提供的IS报告进行控制以定位无线设备。报告的IS可映射到数据库中信道条件与IS值最佳对齐的段。该过程的准确性可通过使用例如RTT等其它数据得到增强。然而，只有RTT不足以定位无线设备，因为延迟只给出距离而不给出方位。此外，RTT不是常规设备报告的一部分，因此并非总是可用的。一旦确定定位信息，可以利用定位信息来构建话务密度。图3示出了城市区域中的某些无线热点110。

可在无线网络，例如通用移动通信系统(UMTS)网络中执行无线设备定位和话务密度估计。例如，UMTS网络通过手机测量报告(MR)定期获取UMTS手机的导频信息。MR包括用户设备(UE)激活和监控的小区ID、对应的接收信号码功率(RSCP)和信号能量干扰(Ec/Io)测量。此外，MR包括无线网络控制器(RNC)标识(ID)、国际移动用户标识(IMSI)和与UE相关联的时间戳。通过网络可配置参数为该区域中的所有UE定期或按需收集MR。或者，可使用另一无线网络，例如全球移动通信系统(GSM)、通用分组无线业务(GPRS)、码分多址接入(CDMA)、长期演进(LTE)、演进数据优化(EV-DO)、增强型数据速率GSM演进技术(EDGE)、数字增强无绳通信(DECT)、数字高级移动电话业务(AMPS)，以及集成数字增强型网络(iDEN)。

图4示出了描绘一种用于定位和话务密度估计的方法的流程图120。首先，在步骤121中，网络收集路测(DT)数据。路测数据可包括UE的标识(IMSI)、数据记录的数据和时间戳、激活和监控的小区ID，以及对应的RSCP和Ec/Io测量。此外，记录收集数据时UE的经度和纬度。或者，这些数据可由使用测试设备的步行团队或由具有参与训练过程的开启GPS的手机的用户的子集来收集。在任意方法中收集的数据称为“DT数据”或“路测数据”。

接着，在步骤122中，对路测数据进行上下文滤波。上下文滤波判断路测数据中的哪些数据是信息丰富的。提供更多信息而不是错误的数据是信息丰富的。例如，不包括任何RSCP测量的数据不是信息丰富的。此外，包括重复数据的数据可能不是信息丰富的。在上下文滤波期间丢弃或忽略信息不丰富的数据，这样剩余的数据都是信息丰富的。

随后，在步骤124中，执行分割，并基于路测数据确定段或块。分割之后，在步骤126中开发无线地图，在该步骤中开发段对应的指纹。步骤121(“收集路测数据”)、122(“上下文滤波”)、124(“分割”)和126(“无线地图绘制”)都在训练期内执行。

一旦数据库被完全开发，并且训练完成，在步骤127中，收集测量报告(MR)。随后，在步骤128中基于测量报告、段和已经开发的无线地图进行定位。随后，在步骤130中可构建估计的密度。最后，在步骤132中，可准备估计的密度和实际的密度之间的密度相关性。在系统开发期间执行密度相关性以指示估计的用户密度的准确性。

在上下文滤波中，检查数据集的完整性，并移除可能破坏无线地图的离群值。丢弃没有用的数据，是因为这些数据将增加更多的错误而不是信息。图5A和5B示出了用于执行上下文滤波的方法的流程图140。首先，路测数据可包括多个数据，其中每个数据包括时间戳、相关位置、IMSI、RNC ID、激活集小区ID、监控集小区ID、RSCP，以及Ec/Io信息。首先，在步骤142中，网络判断该数据的激活集是否包括任何RSCP测量。如果该激活集不包括任何RSCP测量，则在步骤144中丢弃该数据，并且网络前进至步骤156，其中网络判断是否存在更多数据。如果存在更多数据，则系统返回步骤142，如果不存在更多数据，网络转到步骤157。图6A和6B示出了包括具有激活集导频和监控集导频的路测数据的表170。此外，图7示出了包括具有激活集小区ID和监控集小区ID的路测数据的表172。DT数据中激活集和监控集的划分是可行的。该区分通常由UE与网络合作定期做出。如果激活集中不存在RSCP测量，即使小区ID和对应RSCP的监控集存在报告的测量，也丢弃整个数据。然而，如果该数据的激活集包括任意激活集测量，则网络前进至步骤148，并判断该数据中是否存在任何重复的数据。图8示出了表174，其中重复的小区ID已被移除。如果该数据中没有重复的数据，则网络前进至步骤152。然而，如果数据记录中存在重复的数据，则在步骤150中移除重复的数据。数据本身并不丢弃，只是丢弃与重复的小区ID和对应RSCP测量相关联的数据。

随后，该方法前进至步骤152。在步骤152中，网络计算测量点和服务小区之间的距离。之后，在步骤154中，网络判断测量是否在预定限度内。基于测量报告和服务小区之间的距离丢弃数据。计算UE和服务小区之间的距离。可以建立并应用最小和最大距离准则。例如，最大距离可以是1000m，而最小距离可以是50m。该距离与最小距离和最大距离进行比较。如果该距离小于最小距离或大于最大距离，则在步骤144中丢弃该数据，并且网络转到步骤156以判断是否存在更多数据。如果该距离在最小距离和最大距离之间，则网络直接转到步骤156。各种考虑因素(拓扑、城市发展的程度和性质等)可以影响为最小和最大距离值所设定的值。

在确定这些数据是信息丰富的或者将这些数据改变为信息丰富的之后，在步骤157中对这些数据执行向量变换。在向量变换之前，数据头包括日期-时间、经度、纬度、监控集RSCP，以及激活集RSCP。在向量变换之后，新的数据头包括日期-时间、经度、纬度，以及所有RSCP。图9示出了包括向量变换之前的路测数据的表176，图10示出了包括向量变换之后的路测数据的表178。在新格式中，将日期-时间、经度和纬度列复制到相同列中。对于每个数据，非空的RSCP值被映射到对应的列，并且所有其它小区ID取非数(NaN)值。新数据的每一行可称作一个向量。之后，在步骤160中，将相同位置的向量分组在一起。在步骤162中，对于每个位置，判断是否有一半以上的分组的数据的RSCP值为NaN。如果一半以上的分组的数据的RSCP值为NaN，随后，在步骤164中，将该位置的RSCP值设为NaN。如果该位置一半以上的RSCP值不是NaN值，则在步骤166中将RSCP设为该位置处非NaN值的平均值。图11示出了包括按位置分组在一起并进行平均的路测数据的表180。之后，在步骤167中，判断数据中是否存在更多位置。如果存在更多位置，该方法转到步骤162以分析下一位置。然而，如果不存在更多位置，则网络转到步骤168完成上下文滤波。

处理后的路测数据用于产生无线地图的数据库，该无线地图的数据库包括每个按区域或段定义的位置的最大限度不同的RF特征或指纹。指纹的独特性与定位相关。例如，图12示出了理想配置192和实际配置198。两种配置的轴示出了来自两个小区站点的接收信号强度，如不同的块或不同的段A、B和C中所见的那样。在理想配置192中，接收信号可以清楚地分组到块中。在这种情况下，块指纹是独特的并且不重叠。来自三个块中的一个块内的设备的两个信号强度x1和x2的额外观测可能很容易与特定块关联。然而，在更为实际的配置198中，接收的信号是分散的，并且没有清楚地分组，即块指纹重叠。来自三个块中的一个块内的设备的两个信号强度x1和x2的额外观测可能不容易与特定块关联。段的指定和它们对应的指纹的处理影响段的RF属性的独特性。例如，图12的实际图表中的块的大小和形状的不同指定可能导致一种排列，在该排列中块显示重叠较少，并且与块关联的指纹更为独特。

图13通过曲线图212和218示出了该概念的又一方面。假设正在检查导频的接收信号强度，该导频的接收信号强度来自划分为两个块的区域内的单个无线电塔或节点B。每个块将显示其区域内接收到的信号强度的分布或指纹。曲线图212显示块214和块216内接收到的信号强度的集合，其中这些分布的高度表示被观测到的信号强度的给定值的频率。在曲线图212中，将该区域划分为两个块的划分效果较差。这些块的大小、形状和方向很差，因为两个块中的值分布重叠。实际上，在块214中观测到的值也在块216中观测到。很难确定落入块216内的信号强度值来自块214还是来自块216。可通过选择块的大小、形状和方向来消除这种模糊性以确保分布或指纹更为不同。

曲线图218中示出了更好的划分结果。此处，几乎任何观测到的信号强度值可以轻而易举地与块220或块222关联。唯一的模糊性在于在两种分布的中间很小的重叠部分中观测到的值。通过合理设计段和指纹表征，可以减小重叠区域，并且提高做出正确定位决策的概率。在一个例子中，通过创建统一段来获取不同段，其中感兴趣区域被划分为相等的方格。统一分块与测量数据的位置无关。在另一个例子中，基于路测数据确定段。段的大小可能不同并且形状不规则。可基于统计分割或空间分割形成段。在统计分割中，所有具有相干统计特征并且这些样本的不同源之间的距离不超过规定阈值的测量样本被分组在相同段中，其中，相干统计特征包括均值、相关性、方差、计数等。另外，可以基于相干度为每个段分配置信水平。在空间分割中，基于测量样本的源之间的最大距离对这些测量样本进行分组。最大距离可由用户选择。置信水平也可以基于每个段内的测量点的计数和方差分配给每个段。

图14示出了任意路测路线的空间分割的示例，其中每个段的边界是路测数据的函数。图14包括路测路线236、段边界232、段长238，以及路测起始点234。段的大小和形状均不规则。图15示出了用于基于路测数据定义段的流程图240。首先，在步骤242中，为第一段分配起始点。此外，选择最大的段长。在一个例子中，第一段的起始点是路测路线的起始点，最大的段长由用户确定。多个段可以全部具有相同的段长，或者它们可以具有不同的段长。然而，每段绝不超过最大的段长。第一段是半径为段长且圆心为起始点的圆。

随后，在步骤245中，将路测数据分配给第一段。计算路测数据和第一段的中心之间的广义距离度量或距离。在路测数据和段中心之间的距离小于段长时，将路测数据分配给该段。随后，在步骤246中，判断是否存在更多未分配的路测数据。如果不存在未分配的路测数据，分割在步骤248中完成；如果存在未分配的路测数据，在步骤244中确定下一段。

随后，在步骤244中确定下一段。为最接近且未分配的路测数据分配下一段的起始点。为下一段分配段长。距离段的起始点的长度在段长内的未分配路测数据被分配给该段。最接近且未分配的路测数据变为起始点。重复该流程直至所有路测数据被分配给段。最终所得的段的大小和形状均不规则，如图14所示。

在定义段之后，构建无线地图，并且为各段分配独特的指纹。在一个例子中，指纹识别依赖于在段内收集的所有测量上的每个导频的信号强度的统计平均值。在另一个例子中，每个段与训练数据期间在段内观测到的最频繁的导频相关联。图16示出了一种用于构建无线地图的方法的流程图250。无线地图数据库通过将段中的路测向量的RSCP值分组并平均进行构建。首先，在步骤252中，判断是否段中一半或更多的RSCP值为NaN。如果段中一半或更多的RSCP值为NaN，则在步骤256中将该段的指纹分配为NaN。然而，如果段中一半以上的RSCP值不是NaN，则在步骤254中将段的指纹分配为段中RSCP值的平均值而非NaN。随后，在步骤258中，判断是否存在更多待分配指纹的段。如果不存在更多的段，则无线地图在步骤260中完成。然而，如果存在更多的段，则网络在步骤262中转到下一段，并且在步骤252中判断下一段是否一半以上的RSCP值为NaN。在完成无线地图之后，训练完成。

训练完成后，网络基于无线地图数据库中的指纹将测量报告分配给段。包括最匹配测量报告的RSCP值的指纹的段是测量报告被分配的段。图17示出了用于定位测量报告的流程图290。首先，在步骤291中，将测量报告转换为向量格式。测量报告的时间、经度、纬度、RNC ID、小区ID，以及RSCP值转化为与路测数据的向量格式类似的向量格式。随后，在步骤292中，确定测量报告和指纹之间的距离。随后，在步骤294中，将测量报告分配给最匹配该测量报告的指纹。这个最匹配的指纹可从基于离线建模落入UE观测到的最佳服务小区或最佳服务器的预测覆盖区域内的指纹的子集中选择。或者，最匹配的指纹可从所有可用指纹中选择。前一种方法被称为‘最佳服务器约束’，因为该方法限制了位于最佳服务小区的预计覆盖区域内的那些指纹匹配为可用的选择。如果存在最佳服务器(BS)约束，则测量报告的比较限制为具有与测量报告匹配的最佳服务器的段。然而，如果不存在最佳服务器约束，测量报告可分配给任意段。计算测量报告和段之间的距离。该距离是下式的最小值

其中R_τ是实例τ处的向量化测量报告，是段，N是向量R_τ中的元素数目，r_τ是R_τ中的第τ个元素，以及是的指纹。如果指纹或测量报告RSCP值均不为NaN，则它们的差值为测量报告的RSCP值和段的指纹之间的差值。如果测量报告和段的指纹的值均为NaN，则它们的差值为0；并且，如果测量报告和段的指纹中一个为NaN，另一个不是NaN，则距离设为无穷大。如果不存在匹配优化准则的最佳服务器，则输出可以是预定值，例如–999。然而，如果不存在最佳服务器约束，则考虑所有段，并且指纹最接近测量报告的RSCP值的段是测量报告被分配的段。随后，在步骤300中，网络判断是否存在更多的测量报告来分配给段。如果存在更多测量报告，网络转到步骤292以计算下一测量报告和段的指纹之间的距离。然而，如果不存在更多测量报告，则定位在步骤302中完成。

在定位之后可以构建话务密度。在一个例子中，通过聚合定位决策可获取话务密度的高分辨率地图。例如，可基于硬决策在规定的时间内将段内建立的所有定位相加，其中每个定位将特定的单个位置归于UE。在另一个例子中，使用软决策方法，其中特定UE的位置被分配给多个段。单个测量报告的部分可分配给多个段而非将整个测量报告仅分配给一个段。在一个例子中，每个测量报告的100％被分配。例如，1/2的测量报告被分配给第一段，1/4的测量报告被分配给第二段，以及1/4的测量报告被分配给第三段。软决策可视为观测值的集合和段上的用户部分或话务密度的集合p之间的映射，如图18中的映射310所示。在映射310中，W是将测量报告转换为话务密度的矩阵。图19中的映射320示出了以观测值到观测值为基础实施的软决策映射的实施例。随着时间的推移，可通过软决策过程将定位决策聚合到段中来估计密度。

存在各种可用于执行软决策的方法。假设每个测量报告具有有限的N个决策是合适的，且为每个测量报告观测N个不同段。N个决策的一部分可以基于测量报告和段的匹配的准确性和置信度与给定段相关联。可对决策进行加权。在一个例子中，使用最小距离的倒数。使用信号距离的倒数，信号距离为较高维度空间中的MR和指纹之间的距离，其中维度由测量报告和段的指纹之间的指纹中的条目确定。所有N个反向决策被归一化，并且分数权重与每个决策相关联。因此，落入b(i)内的给定观测值的概率为：

其中b_i是第i个块或段，R_i是测量报告值和与第i个块相关联的的指纹之间的距离。另一种方法是在信号空间中计算最小距离的平方的倒数，其中信号距离的平方的倒数用于加权决策。因此，观测值落入第i个块内的概率为：

在另一个例子中，每个决策使用相等的权重。由于相邻段的特征类似，因此所有N个决策的概率相等。或者，使用决策的偏置权重。例如，对于精确匹配，如果测量报告和段的指纹之间的距离为零，那个该决策的权重为1，并且其它决策的权重为0。然而，如果段的指纹均不完全匹配测量报告的值，则赋予前几个决策较高的权重，赋予后面的决策较低的权重。因此，基于测量报告与段关联的可能性对决策权重进行偏置。最后，可执行密度相关性。在网络开发(或开发后的优化)期间执行密度相关性，以通过将估计的密度地图与实际的密度地图对比来确定估计的密度地图的准确性。在测量报告定位之后，可计算测量报告源密度或用户位置密度。在一个例子中，实际的用户密度已知。图20示出了描绘实际的用户密度的某些关键特性的地图330。在局部密度集中或用户集中的情况下的称为热点332。实际的用户密度(TUD)是每个平方单位面积内的源的实际数目。在一个例子中，实际的用户密度通过段中的多个实际用户源的数目除以段大小的分数给出。通过估计的话务密度，估计的热点可与实际的热点作比较。图21示出了显示实际的密度热点332和估计的用户密度热点342的地图340。估计的用户密度(EUD)是每个平方单位面积内用户的估计数目。估计的用户密度通过段中估计用户的数目除以段的面积的分数给出。归一化的用户密度由下式给出：

其中n_i是第i个段中源的数目，b_i是第i个段的大小，以及∑n_j是源的总数。归一化的用户密度实现两个分布的比较，其中对于实际用户和估计用户而言，测量报告的总数不相同，但是它们都是从相同的基础分布中得出。计算归一化的实际用户密度和归一化的估计用户密度。用户密度的完整比较不仅检查了热点，还比较了估计密度和实际密度的整体形状。一度量可比较归一化的实际用户密度和归一化的估计用户密度，以指示估计用户密度如何准确地跟踪实际用户密度。例如，可使用皮尔逊相关系数测试，其中相关系数为：

其中X是归一化的实际用户密度，是归一化的估计用户密度，N是段的数目。段的大小影响相关系数。例如，由于所有概率分布的总和为一，如果段大小足够大，则一个段将覆盖整个测试区域，这将产生虚高的相关系数估计值。相反，段大小较小可产生虚低的相关系数估计值。

图22是处理系统270的方框图，该处理系统可以用来实现本文公开的设备和方法。特定设备可利用所有所示的组件或所述组件的子集，且设备之间的集成程度可能不同。此外，设备可以包括部件的多个实例，例如多个处理单元、处理器、存储器、发射机、接收机等。处理系统可以包括配备一个或多个输入设备，例如麦克风、鼠标、触摸屏、小键盘、键盘等的处理单元。另外，处理系统270可配备一个或多个输出设备，例如，扬声器、打印机、显示器等。处理单元可以包括中央处理器(CPU)274、存储器276、大容量存储器设备278、视频适配器280以及连接至总线的I/O接口288。

总线可以是任意类型的若干总线架构中的一个或多个，包括存储总线或存储控制器、外设总线、视频总线等等。CPU 274可包括任意类型的电子数据处理器。存储器276可包括任何类型的系统存储器，例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、同步DRAM(SDRAM)、只读存储器(ROM)或其组合等等。在一个实施例中，存储器可包括在启动时使用的ROM以及执行程序时使用的程序和数据存储器的DRAM。

大容量存储器设备278可包括任意类型的存储设备，其用于存储数据、程序和其它信息，并使这些数据、程序和其它信息通过总线访问。大容量存储器设备278可包括如下项中的一种或多种：固态磁盘、硬盘驱动器、磁盘驱动器、光盘驱动器等等。

视频适配器280以及I/O接口288提供接口以将外部输入以及输出设备连接到处理单元上。如所图示，输入以及输出设备的实例包括连接到显示卡上的视频适配器以及连接到I/O接口上的鼠标/键盘/打印机。其它设备可以连接到处理单元上，并且可以利用更多的或更少的接口卡。例如，串行接口卡(未示出)可以用于为打印机提供串行接口。

处理单元还包括一个或多个网络接口284，所述网络接口284可以包括例如以太网电缆或其类似者等有线链路，和/或用以接入节点或不同网络的无线链路。网络接口284允许处理单元经由网络与远程单元通信。例如，网络接口可以经由一个或多个发射机/发射天线以及一个或多个接收机/接收天线提供无线通信。在一个实施例中，处理单元被连接到局域网或广域网上以用于数据处理以及与远程设备通信，所述远程设备例如其它处理单元、因特网、远程存储设施等等。

实施例的优点包括产生使段之间的指纹的独特性最大化的数据库，从而增强段定位的准确性。在一个实施例中，使用软决策过程准确地得出估计的话务密度。在一个例子中，比现有网络提高了30％。在一个实施例中，评估话务密度估计的准确性。

虽然本发明中已提供若干实施例，但应理解，在不脱离本发明的精神或范围的情况下，本发明所公开的系统和方法可以以许多其它特定形式来体现。本发明的实例应被视为说明性而非限制性的，且本发明并不限于本文本所给出的细节。例如，各种元件或部件可以在另一系统中组合或合并，或者某些特征可以省略或不实施。

此外，在不脱离本发明的范围的情况下，各种实施例中描述和说明为离散或单独的技术、系统、子系统和方法可以与其它系统、模块、技术或方法进行组合或合并。展示或论述为彼此连接或直接连接或通信的其它项也可以采用电方式、机械方式或其它方式通过某一接口、设备或中间部件间接地连接或通信。其它变化、替代和改变的示例可以由本领域的技术人员在不脱离本文精神和所公开的范围的情况下确定。

Claims (20)

1.一种用于构建定位无线设备的数据库的方法，其特征在于，所述方法包括：

第一网元接收来自第二网元的多个数据；

确定第一段；

将所述多个数据中的第一路测数据分配给所述第一段；

确定第二段，其中所述第一段的第一区域不等于所述第二段的第二区域；以及

将所述多个数据中的第二路测数据分配给所述第二段；

其中，每个路测数据包括至少一个位置和服务小区的小区标识ID，

对于每个路测数据，计算所述位置与服务小区之间的距离；

确定所述距离是否在预设的最小距离和预设的最大距离之间；

如果所述距离小于所述最小距离或大于所述最大距离，则丢弃所述路测数据；

所述第一段具有第一起始点和第一长度，所述第二段具有第二起始点和第二长度，

将所述第一路测数据分配给所述第一段，包括：当所述第一段的所述第一起始点和所述第一路测数据之间的第一距离小于所述第一段的所述第一长度时，确定所述第一路测数据在所述第一段中，以及

将所述第二路测数据分配给所述第二段，包括：确定所述第二段的所述第二起始点和所述第二路测数据之间的第二距离小于所述第二长度。

2.根据权利要求1所述的方法，其特征在于，进一步包括将第一多个路测数据分配给所述第二段。

3.根据权利要求2所述的方法，其特征在于，进一步包括：

确定所述第一多个路测数据的计数；

确定所述第一多个路测数据的方差；以及

根据所述第一多个路测数据的所述计数和所述第一多个路测数据的所述方差将置信度分配给所述第二段。

4.根据权利要求1所述的方法，其特征在于，所述第一段的所述第一长度等于所述第二段的所述第二长度。

5.根据权利要求1所述的方法，其特征在于，第一多个路测数据包括第二多个路测数据和第三多个路测数据，所述方法进一步包括：

计算所述第二多个路测数据和所述第一段的所述第一起始点之间的第一多个距离；

当所述第一多个距离小于所述第一段的所述第一长度时，将所述第二多个路测数据分配给所述第一段；

计算所述第三多个路测数据和所述第一段的所述第一起始点之间的第二多个距离；

当所述第二多个距离大于所述第一段的所述第一长度时，确定所述第三多个路测数据不在所述第一段中。

6.根据权利要求5所述的方法，其特征在于，进一步包括：

计算所述第三多个路测数据和所述第二段的所述第二起始点之间的第三多个距离；以及

当所述第三多个距离小于所述第二段的所述第二长度时，确定所述第三多个路测数据在所述第二段中。

7.根据权利要求1所述的方法，其特征在于，进一步包括：根据所述多个数据的相干统计特征确定所述第二段。

8.根据权利要求7所述的方法，其特征在于，所述相干统计特征包括均值、相关性、方差，以及计数。

9.根据权利要求1所述的方法，其特征在于，进一步包括：根据所述第一段、所述第二段和所述多个数据构建无线地图。

10.根据权利要求9所述的方法，其特征在于，进一步包括将第一多个路测数据分配给所述第一段，

其中，构建所述无线地图进一步包括：

当所述第一多个路测数据中一半以上的RSCP具有不是非数NaN的值时，将所述第一段的第一指纹设为所述第一多个路测数据的接收信号码功率RSCP的平均值。

11.根据权利要求9所述的方法，其特征在于，进一步包括将第一多个路测数据分配给所述第一段，

其中，所述构建所述无线地图进一步包括：

当所述第一多个路测数据中的一半或小于一半的RSCP具有不是非数NaN的值时，将所述第一段的第一指纹设为NaN。

12.根据权利要求9所述的方法，其特征在于，进一步包括：

确定多个段的多个指纹；

计算第一测量报告和所述多个指纹之间的多个距离，其中所述多个距离的最小距离是所述第一测量报告和所述多个指纹中的第一指纹之间的第一距离，所述多个距离中的第二最小距离是所述第一测量报告和所述多个指纹中的第二指纹之间的第二距离，其中所述第一指纹对应于所述第一段，并且所述第二指纹对应于所述第二段；

将所述第一测量报告的第一部分分配给所述第一段；以及

将所述第一测量报告的第二部分分配给所述第二段。

13.根据权利要求12所述的方法，其特征在于，进一步包括：

判断所述多个数据中的第三路测数据是否是信息丰富的；以及

当所述第三路测数据不是信息丰富的时，调整所述第三路测数据。

14.根据权利要求13所述的方法，其特征在于，进一步包括：

所述第一网元获取实际的用户密度；

所述第一网元获取估计的用户密度；以及

根据所述实际的用户密度和所述估计的用户密度确定相关系数。

15.一种用于构建无线设备密度的密度地图的方法，其特征在于，所述方法包括：

网元接收多个测量报告；

从根据权利要求1至14中任一项所述的方法构建数据库中获取分配给段的路测数据；

从所述路测数据中获取多个指纹；

计算所述多个测量报告中的第一测量报告和所述多个指纹之间的多个距离，其中所述多个距离中的最小距离是所述第一测量报告和所述多个指纹中的第一指纹之间的第一距离，所述多个距离中的第二最小距离是所述第一测量报告和所述多个指纹中的第二指纹之间的第二距离；

将所述第一测量报告的第一部分分配给所述第一指纹对应的第一段；以及

将所述第一测量报告的第二部分分配给所述第二指纹对应的第二段。

16.根据权利要求15所述的方法，其特征在于，所述多个距离中的第三最小距离是所述第一测量报告和所述多个指纹中的第三指纹之间的第三距离，所述方法进一步包括：

将所述第一测量报告的第三部分分配给所述第三指纹对应的第三段。

17.根据权利要求15所述的方法，其特征在于，进一步包括：将所述第一测量报告转换为向量测量，其中所述第一测量报告包括以下参数中的至少一个：

时间；

经度；

纬度；

无线网络控制器RNCID；

多个小区ID；以及

多个RSCP值。

18.根据权利要求15所述的方法，其特征在于，进一步包括：将所述多个测量报告中的第二测量报告的第三部分分配给所述第一段，其中所述第一测量报告和所述第二测量报告具有相同的最佳服务器。

19.根据权利要求15所述的方法，其特征在于，所述第一部分加所述第二部分等于1。

20.一种用于定位无线设备的系统，其特征在于，所述系统包括：

处理器；以及

存储由所述处理器执行的程序的计算机可读存储介质，所述程序包括指令如下：

接收来自节点的多个数据，

确定第一段，

将所述多个数据中的第一路测数据分配给所述第一段，

确定第二段，其中所述第一段的第一区域不等于所述第二段的第二区域，以及

将所述多个数据中的第二路测数据分配给所述第二段；其中，每个路测数据包括至少一个位置和服务小区的小区标识ID，

对于每个路测数据，计算所述位置与服务小区之间的距离；

确定所述距离是否在预设的最小距离和预设的最大距离之间；

如果所述距离小于所述最小距离或大于所述最大距离，则丢弃所述路测数据；

所述第一段具有第一起始点和第一长度，所述第二段具有第二起始点和第二长度，

将所述第一路测数据分配给所述第一段，包括：当所述第一段的所述第一起始点和所述第一路测数据之间的第一距离小于所述第一段的所述第一长度时，确定所述第一路测数据在所述第一段中，以及

将所述第二路测数据分配给所述第二段，包括：确定所述第二段的所述第二起始点和所述第二路测数据之间的第二距离小于所述第二长度。