CN105357707B - 基于克里金插值算法的室内分布式移动通信信号覆盖预测方法 - Google Patents
基于克里金插值算法的室内分布式移动通信信号覆盖预测方法 Download PDFInfo
- Publication number
- CN105357707B CN105357707B CN201510828725.4A CN201510828725A CN105357707B CN 105357707 B CN105357707 B CN 105357707B CN 201510828725 A CN201510828725 A CN 201510828725A CN 105357707 B CN105357707 B CN 105357707B
- Authority
- CN
- China
- Prior art keywords
- mobile communication
- node
- distributed
- regression algorithm
- communication signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
基于克里金插值算法的室内分布式移动通信信号覆盖预测方法,涉及分布式移动通信网络参数场估计领域。是为了解决现有盲区检测方法无法很好的检测室内覆盖情况的问题。该方法为:步骤一、在室内布设M个Femtocell节点,利用所述Femtocell节点对基站的发射信号进行采样,并借助移动设备实时回传接收信号强度指示RSSI信息;M为正整数;步骤二、将步骤一回传的接收信号强度指示RSSI信息进行分布式处理的方式在各Femtocell节点间进行交换,达成分布式共识;步骤三、各节点间利用已达成分布式共识的数据分别采用克里金插值算法对未采样点的移动通信信号覆盖预测。本发明适用于室内分布式移动通信信号覆盖预测。
Description
技术领域
本发明涉及分布式移动通信网络参数场估计领域。
背景技术
移动通信系统的优化工作中,一个很重要的部分是系统覆盖的盲区检测。传统的检测方式包括了实际的路试和基于软件的仿真。现有方法对于室内覆盖情况无法很好的检测。而且整个过程为集中化管理,检测时间长,无法精确到各个用户周边情况并且无法适应用户的灵活需求。而越来越多的调查显示,用户对于移动互联网络的应用趋于室内化,静态化。
发明内容
本发明是为了解决现有盲区检测方法无法很好的检测室内覆盖情况的问题,从而提供一种基于克里金插值算法的室内分布式移动通信信号覆盖预测方法。
基于克里金插值算法的室内分布式移动通信信号覆盖预测方法,它由以下步骤实现:
步骤一、在室内布设M个Femtocell节点,利用所述Femtocell节点对基站的发射信号进行采样,并借助移动设备实时回传接收信号强度指示RSSI信息;M为正整数;
步骤二、将步骤一回传的接收信号强度指示RSSI信息进行分布式处理的方式在各Femtocell节点间进行交换,达成分布式共识;
步骤三、各节点间利用已达成分布式共识的数据分别采用克里金插值算法对未采样点的移动通信信号覆盖预测,并将预测结果输出。
本发明利用用户布设的Femtocell节点进行基站发射信号的采样,同时借助用户移动设备实时回传接收信号强度指示(Received Signal Strength Indication,RSSI)信息,这些信息将通过分布式的信息处理方式在各个节点间进行交换,完成分布式共识。在这一基础上,各个节点可以利用已达成共识的数据以及克里金插值算法来进行未采样点的预测。采用分布式的处理方式实现各个节点得到一致的数据,使得后续各节点分别实施插值的结果能够相一致。从而实现室内移动网络覆盖的采样和覆盖情况预测,检测出信号覆盖的盲区情况,并且不同用户可以分别在各自所布设的节点中得到相同的区域覆盖情况,为进一步提高网络覆盖提供参考。仿真试验显示,本发明能够良好的检测室内覆盖情况。
附图说明
图1是本发明的基于克里金插值算法的室内分布式移动通信信号覆盖预测方法的流程示意图;
图2是具体实施方式一中的室内区域分布示意图;
图3是克里金插值算法的原始数据示意图;
图4是具体实施方式一中步骤一的采样结果示意图;
图5是具体实施方式一中步骤三的插值恢复结果示意图;
图6是采样点数为总数据点数20%时插值恢复结果示意图;
具体实施方式
具体实施方式一、结合图1说明本具体实施方式,基于克里金插值算法的室内分布式移动通信信号覆盖预测方法:
移动通信过程中,基站发射的电磁波传播受到建筑物外墙等影响,会在其内部及周边形成一定的弱覆盖区域。这些区域中的移动用户,其接收信号强度指示低于一定的阈值时将无法实现有效通信。这样的区域被称为覆盖盲区。分布式移动通信信号覆盖预测与盲区检测的主要功能是利用分布式系统实现盲区的快速检测,实时的取得移动通信信号的覆盖情况。
假设区域内有n个采样位置,第i个位置si∈Rk的采样结果为参数值zi∈R,i=1,…,n(该值通过区域内的Femtocell节点采样得到,并辅助有移动终端回传所在位置接收信号强度信息)。R为实数;k表示维数;
当考察2维平面场时,取k=2,即si=(xi,yi)。将所有节点采集的参数值zi用向量的形式表示为Z=[z1…zn]T∈Rn。利用一定的分布式共识算法实现区域内各个分布式节点对于Z的共识,从而为插值算法提供原始数据。随后利用插值算法实现覆盖预测并识别出盲区。
具体的方法实现步骤为:
步骤一、每个分布式的Femtocell节点独立采样,并参考区域内移动终端回传的接收信号强度指示RSSI值(单位dBm),得到每个位置si∈Rk处的参数值,将第i个位置的参数值记为zi∈R,i=1,…,n;
步骤二、利用某种分布式算法实现区域内各节点能够得到相同并且完整的向量Z=[z1…zn]T∈Rn;
步骤三、利用克里金插值算法在每个分布式节点处进行插值运算预测区域的覆盖情况。
原理:本发明利用用户布设的Femtocell节点进行基站发射信号的采样,同时借助用户移动设备实时回传接收信号强度指示(Received Signal Strength Indication,RSSI)信息,这些信息将通过分布式的信息处理方式在各个节点间进行交换,完成分布式共识。
在这一基础上,各个节点可以利用已达成共识的数据以及克里金插值算法来进行未采样点的预测。采用分布式的处理方式实现各个节点得到一致的数据,使得后续各节点分别实施插值的结果能够相一致。从而实现室内移动网络覆盖的采样和覆盖情况预测,检测出信号覆盖的盲区情况,并且不同用户可以分别在各自所布设的节点中得到相同的区域覆盖情况,为进一步提高网络覆盖提供参考。
以下描述本发明所采用的具体算法:
1、分布式共识
Gossip算法在分布式信号处理方面主要是解决分布式共识问题。分布式共识问题就是网络中的所有节点能够通过与邻居节点间本地信息的交换,最终使所有节点的状态值相同。如果此状态值是节点初始值的平均值,则称为平均共识。
以无线传感器网络为例,假设无线传感器网络有N个节点,每个节点采集其所在位置的参数值。t=0为初始时刻,每个节点的初始值采样参数值为xi(0)∈R,i=1,...,N。xi(t)表示t时刻节点i的参数值。将所有初始值写成向量形式有x(0)=[x1(0),...,xN(0)]T∈RN。
假设在t时刻节点i被随机激活,同时选择了某个邻居节点j,二者交换信息,xi(t+1)=xj(t+1)=(xi(t)+xj(t))/2。只要网络是连通的,通过有限的迭代次数网络中的每个节点最终一定会收敛于初始值均值,即也就是达到了分布式平均共识的目的。
一种可行的分布式共识算法称为Gossip算法。基本Gossip算法中,常规方法为成对Gossip算法,即每次迭代过程只有一个节点与随机选中的邻居节点通信。
迭代更新过程可以表示如下:
其中,t轮迭代时节点i,j的状态值分别为xi(t),xj(t)。写成矩阵形式如下:
x(t+1)=W(t)x(t)
这里,W(t)是随着时间变化独立随机选择的独立同分布的平均矩阵,x(t)∈RN是t轮迭代后所有节点的状态值向量。在成对Gossip算法中,每轮迭代过程只有节点i,j的数据进行平均更新,因此相应W(t)矩阵中只有(i,i),(i,j),(j,i),(j,j)位置处的值是1/2,其他节点位置处的取值使W(t)符合对角阵形式。
具体的,用矩阵形式表示Wij(t)为:
式中,I是N×N维单位阵,ei是第i个元素为1,其余元素为0的N×1维列向量。
如果节点i,j之间没有通信,那么Wij(t)=0。既然每个时隙每个节点只能与唯一的一个节点通信,那么W(t)除了是一个对角阵以外,W(t)的每一列仅有一个非零元素。
2、克里金插值算法
克里金插值算法是地质学与图像处理等方向目前广泛采用的一种插值预测算法。
首先定义变差函数γ(h)有:
算法主要的原理如下:
存在某一研究区域D,以及区域化研究变量Z(xi),其中xi∈D,i=1,…,n是区域D内的n个观测点(即已知点),Z(x1),…,Z(xn)为相对应的测量值。则对区域内的某一未采样点x0,其估计值为并可以通过线性关系得到:
利用克里金插值,可以得到无偏最优估计值,因而λ的选择满足以下条件:
经推导,并利用拉格朗日乘数法可得,其中μ为拉格朗日乘数:
通过对已知点的采样数据进行分析,可以得到区域的变差函数值,并利用这一函数值拟合出区域的采样数据点变差函数模型,进一步求取权值从而得到未知采样点处的参数值。
本发明获得的有益效果:本发明采用的方案为一种完全分布式的处理方式,利用网络中的节点进行采样并完成各节点的信息共识,各个节点利用取得的共识信息能够独立完成相同的算法,从而得到相同的预测结果。通过这样的方法能够实现覆盖情况的快速检测并使得节点能够独立为用户提供检测结果。当收集数据量较小时,系统能够很快的完成算法,给出大致的盲区位置信息;当给予较长时间进行采样和回传信息后,系统能够为盲区形状恢复进行较为精细的预测。
以下用实验验证本发明的效果:
当采样点数为总数据点数的5%,插值恢复结果如图5所示;当采样点数为总数据点数20%时,插值恢复结果如图6所示。
可见,当采样点数增加时,其恢复图像的能力将显著提高,当系统需要较快完成盲区识别时,5%的结果已可以较好的识别盲区位置。当给予系统更多时间进行数据收集情况下,盲区的形状信息将能够得到更好的预测。
Claims (4)
1.基于克里金插值算法的室内分布式移动通信信号覆盖预测方法,其特征是:它由以下步骤实现:
步骤一、在室内布设M个Femtocell节点,利用所述Femtocell节点对基站的发射信号进行采样,并借助移动设备实时回传接收信号强度指示RSSI信息;M为正整数;
步骤二、将步骤一回传的接收信号强度指示RSSI信息进行分布式处理的方式在各Femtocell节点间进行交换,达成分布式共识;
步骤三、各节点间利用已达成分布式共识的数据分别采用克里金插值算法对未采样点的移动通信信号覆盖预测,并将预测结果输出。
2.根据权利要求1所述的基于克里金插值算法的室内分布式移动通信信号覆盖预测方法,其特征在于基于克里金插值算法的室内分布式移动通信信号覆盖预测方法具体为:
步骤一、每个Femtocell节点独立采样,并参考区域内移动终端回传的接收信号强度指示RSSI值得到每个Femtocell节点所在位置处的参数值,将第i个位置的参数值记为zi∈R,i=1,…,n;其中R为实数,n为采样位置;
步骤二、利用分布式共识算法实现各节点得到相同并且完整的向量:
Z=[z1 … zn]T∈Rn
步骤三、利用克里金插值算法在每个Femtocell节点处进行插值运算,预测室内的移动通信信号覆盖结果。
3.根据权利要求1所述的基于克里金插值算法的室内分布式移动通信信号覆盖预测方法,其特征在于采样点数为总数据点数的5%。
4.根据权利要求1所述的基于克里金插值算法的室内分布式移动通信信号覆盖预测方法,其特征在于采样点数为总数据点数的20%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510828725.4A CN105357707B (zh) | 2015-11-24 | 2015-11-24 | 基于克里金插值算法的室内分布式移动通信信号覆盖预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510828725.4A CN105357707B (zh) | 2015-11-24 | 2015-11-24 | 基于克里金插值算法的室内分布式移动通信信号覆盖预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105357707A CN105357707A (zh) | 2016-02-24 |
CN105357707B true CN105357707B (zh) | 2018-12-07 |
Family
ID=55333538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510828725.4A Active CN105357707B (zh) | 2015-11-24 | 2015-11-24 | 基于克里金插值算法的室内分布式移动通信信号覆盖预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105357707B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106211327A (zh) * | 2016-09-18 | 2016-12-07 | 中山大学 | 一种自动生成位置指纹数据的方法 |
CN108271165B (zh) * | 2016-12-30 | 2021-04-27 | 中国移动通信集团浙江有限公司 | 一种基站网络信号覆盖状态的预测方法及系统 |
CN110798859B (zh) * | 2019-11-08 | 2023-03-24 | 哈尔滨工业大学 | 室内盲区的异频重构方法 |
CN113839725B (zh) * | 2020-06-24 | 2023-05-09 | 华为技术有限公司 | 无线信号传播预测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024759A (zh) * | 2013-01-18 | 2013-04-03 | 哈尔滨工业大学 | 基于量化共识的分布式Gossip算法的无线通信方法 |
CN103648164A (zh) * | 2013-12-19 | 2014-03-19 | 哈尔滨工业大学 | 一种基于到达时间差和Gossip算法的无线传感器网络分布式定位方法 |
CN104618947A (zh) * | 2015-02-03 | 2015-05-13 | 中国人民解放军信息工程大学 | 基于压缩感知的动态分簇无线传感网数据收集方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8229166B2 (en) * | 2009-07-07 | 2012-07-24 | Trimble Navigation, Ltd | Image-based tracking |
-
2015
- 2015-11-24 CN CN201510828725.4A patent/CN105357707B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024759A (zh) * | 2013-01-18 | 2013-04-03 | 哈尔滨工业大学 | 基于量化共识的分布式Gossip算法的无线通信方法 |
CN103648164A (zh) * | 2013-12-19 | 2014-03-19 | 哈尔滨工业大学 | 一种基于到达时间差和Gossip算法的无线传感器网络分布式定位方法 |
CN104618947A (zh) * | 2015-02-03 | 2015-05-13 | 中国人民解放军信息工程大学 | 基于压缩感知的动态分簇无线传感网数据收集方法及装置 |
Non-Patent Citations (1)
Title |
---|
An investigation into the use of the kriging for Wi-Fi RSSI estimation in complex indoor environments;PJ Joubert等;《2015 IEEE Wireless Communications and Networking Conference(WCNC)》;20150618;第1326-1331页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105357707A (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10374902B2 (en) | Method for clustering wireless channel MPCs based on a KPD doctrine | |
CN103139907B (zh) | 一种利用指纹法的室内无线定位方法 | |
CN105357707B (zh) | 基于克里金插值算法的室内分布式移动通信信号覆盖预测方法 | |
Chen et al. | Sensor-assisted wi-fi indoor location system for adapting to environmental dynamics | |
US9648466B2 (en) | Generating a model for positioning | |
CN103874118B (zh) | WiFi室内定位中基于贝叶斯回归的Radio Map校正方法 | |
CN104038901B (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
Molinari et al. | Spatial interpolation based cellular coverage prediction with crowdsourced measurements | |
CN106131958A (zh) | 一种基于信道状态信息和支持向量机的室内被动定位方法 | |
CN104519571B (zh) | 一种基于rss的室内定位方法 | |
WO2003102622A1 (en) | Probabilistic model for a positioning technique | |
Kunz et al. | Localization in wireless sensor networks and anchor placement | |
WO2013000073A1 (en) | An improved system and method for wireless positioning in wireless network-enabled environments | |
CN107727095A (zh) | 基于谱聚类和加权反向传播神经网络的3d室内定位方法 | |
Gonzalez-Ruiz et al. | Cooperative robotic structure mapping using wireless measurements—A comparison of random and coordinated sampling patterns | |
CN106842120A (zh) | 基于优化算法的rssi室内多径散射定位方法 | |
CN110346654A (zh) | 基于普通克里金插值的电磁频谱地图构建方法 | |
CN105530702A (zh) | 一种基于自组织映射的无线传感网络移动节点定位方法 | |
CN105187139B (zh) | 一种基于群智感知的室外无线信号接收强度地图构建方法 | |
CN105072582B (zh) | 基于rss分布的距离自适应的无线传感网络被动式定位方法 | |
Arai et al. | Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation | |
Sun et al. | Successive and asymptotically efficient localization of sensor nodes in closed-form | |
CN105872987B (zh) | 一种基于单移动机器人的分布式无线传感网络节点定位方法 | |
CN109862518B (zh) | 一种基于共稀疏解析模型的免设备定位方法 | |
Zhao et al. | VIRE: Virtual Reference Elimination for Active RFID-based Localization. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |