CN108293193A - 一种用于完成路测数据的高效计算方法 - Google Patents
一种用于完成路测数据的高效计算方法 Download PDFInfo
- Publication number
- CN108293193A CN108293193A CN201580084734.5A CN201580084734A CN108293193A CN 108293193 A CN108293193 A CN 108293193A CN 201580084734 A CN201580084734 A CN 201580084734A CN 108293193 A CN108293193 A CN 108293193A
- Authority
- CN
- China
- Prior art keywords
- coverage map
- signal quality
- uncertainty
- matrix
- unit
- 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.)
- Withdrawn
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 91
- 238000000205 computational method Methods 0.000 title 1
- 238000005259 measurement Methods 0.000 claims description 146
- 239000011159 matrix material Substances 0.000 claims description 100
- 238000000034 method Methods 0.000 claims description 78
- 238000013439 planning Methods 0.000 claims description 29
- 238000005457 optimization Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 abstract description 15
- 230000006870 function Effects 0.000 description 14
- 230000011664 signaling Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000000454 anti-cipatory effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种用于构建无线网络覆盖图的控制器。所述控制器包括:计算单元,用于基于一个或多个测量位置的一个或多个信号质量测量计算覆盖图;完成单元,用于完成所述覆盖图;不确定性单元,用于确定所述覆盖图中的不确定性;识别单元,用于基于所述覆盖图中的不确定性识别一个或多个测试位置。
Description
技术领域
本发明涉及一种用于构建无线网络覆盖图的控制器、系统和方法。本发明还涉及一种存储程序代码的计算机可读存储介质,该程序代码包括用于执行构建无线网络覆盖图的方法的指令。
背景技术
覆盖图的可靠重建,即对应于某些区域的图的可靠重建,包括如路径损耗、接收信号强度、SINR、数据速率等测量,对于蜂窝网络至关重要。覆盖图对于以下方面尤其重要:
a)网络规划:初始部署并识别覆盖问题;
b)自优化网络功能,如动态倾斜、切换优化、接纳控制和无线资源管理(radioresource management,简称RRM)参数;
c)新优化方法,如预期资源分配和预期切换。
所有上述功能都依赖于覆盖图和路径损耗的准确估计。然而,获取准确的覆盖图的成本可能非常高。
获取覆盖图的常见方法是路测。通常,路测获取到蜂窝网络中的地理位置和接收信号强度的度量,从而为覆盖图构建路径损耗值,并填补现有图中的空白。然而,路测非常昂贵,因为它们需要大量人员、时间和设备来准确地覆盖足够规模的区域。此外,这一成本与区域大小不太成比例:成本巨额增加,研究区域越大。
因此,制定了一些方法,通过提供更多数据来最小化所需路测的数量,从而降低成本。相对具有成本效益的方法是利用来自所谓的众包应用的信息。通过众包,用户将应用安装在现成的智能手机上,并将测量返回到数据库。这种方法的主要缺点是:
1)增加信令开销,从而减少用户的数据预算和电池寿命;
2)智能手机中的硬件(HF无线前端、不同的处理算法、GPS芯片组)波动较大,导致系统测量误差;
3)可能发送错误的测量来操纵数据库。
因此,来自众包的数据可能不可靠,并且可能导致覆盖图中的路径损耗值错误。
准确预测无线网络中的路径损耗是持续的挑战。过去几年来,已经提出并分析了各类网络中的路径损耗模型。尽管路径损耗建模在许多应用中有用,但实际/测量的路径损耗与模型给定的路径损耗之间的偏差可能很大。与实际测量相比,即使最好的模型仍然会产生显著误差。由于这一原因,基于学习的路径损耗图构建,以下也称为重建,已被广泛研究,因为它可以根据正在考虑的具体环境进行调整,并可以给出更准确的结果。简而言之,在基于学习的重建中,已访问了一些输入和输出测量,这种情况下,输入和输出测量与位置和信道增益相对应,并且尝试估计将输入映射到输出的函数。随后,使用计算出的函数来估计某个位置的未知路径损耗。
这种基于测量的学习方法能够分为两大子类:
-批量算法:在执行重建算法之前,假定完整数据可用;
-在线算法:不需要事先设置完整数据可用。在线算法假定数据是顺序接收的,每次迭代一步,并且动态地更新映射函数。
路测最小化话题在文献中也予以考虑。例如,3GPP在UMTS和LTE[3GPP TS 37.320]中已经对对路测最小化(minimization of drive test,简称MDT)有标准化集中报告。
发明内容
本发明的目的在于提供一种用于构建无线网络覆盖图的控制器、系统和方法,其中,所述控制器、系统和方法克服一个或多个上述问题。特别地,本发明的目的可包括提供一种估计无线网络的准确覆盖图的高效方式。
本发明第一方面提供一种用于构建无线网络覆盖图的控制器,所述控制器包括:
-计算单元,用于基于一个或多个测量位置的一个或多个信号质量测量计算覆盖图;
-完成单元,用于完成所述覆盖图;
-不确定性单元,用于确定所述覆盖图中的不确定性;
-识别单元,用于基于所述覆盖图中的不确定性识别一个或多个测试位置。
第一方面的控制器能够降低获取覆盖图的成本,同时仍确保高精度。这是因为识别单元能够识别一个或多个测试位置,其中,在该测试位置的进一步测量最大化覆盖图构建的精度。此外,控制器甚至能够从粗糙和不可靠的测量中准确地构建覆盖图,并估计最佳区域以获取更多数据,从而以最佳方式重建图。
所述计算单元可用于基于一个或多个初始可用的信号质量测量计算初始覆盖图,如从众包或先前路测获得的信号质量测量。
所述无线网络可以为例如UMTS、LTE或5G蜂窝网络。
所述不确定性单元可用于量化所述覆盖图的一个或多个位置的不确定性。例如,所述不确定性可以为当比较不同图完成方法时获得的误差度量。
所述覆盖图中的不确定性可以为如表示所述覆盖图的矩阵的一个或多个元素的不确定性。
所述识别单元可用于基于用于在一个或多个测试位置处进行测量的给定预算来识别一个或多个测试位置。所述测试位置可以是应该收集更多测量的位置,例如,在发给一个或多个用户终端的测量请求中识别的位置。
根据第一方面,在所述控制器的第一种实现形式中,所述完成单元用于将覆盖图表示为具有一个或多个缺失元素的矩阵。
具有缺失元素的矩阵表示实现了覆盖图的计算高效处理。
根据第一方面或根据第一方面的第一种实现形式,在所述控制器的第二种实现形式中:
-所述计算单元用于基于一个或多个可信信号质量测量和一个或多个不可信信号质量测量计算所述覆盖图;
-所述完成单元用于通过指定所述可信信号质量测量比所述不可信信号质量测量更重要来完成所述覆盖图。
第二种实现形式的控制器的优点在于,不同来源的测量能够用于覆盖图的计算,同时仍然确保不太可靠的测量(例如,来自众包的不可信信号质量测量)不会覆盖来自可信测量的准确测量。
根据第一方面或根据第一方面任一种前述实现形式,在所述控制器的第三种实现形式中:
-所述完成单元用于使用多个图完成算法获得多个完整覆盖图;
-所述不确定性单元用于通过比较所述多个覆盖图确定所述覆盖图中的不确定性。
若不同的图完成算法在某个图区域产生不同的结果,则这一迹象明确表明这个区域有不确定性。因此,第三种实现形式的控制器提供了确定高不确定性区域的高效方式。
多个图完成算法可以包括K最近邻算法和/或最大期望算法和/或基于内核的方法。
在示例实施例中,所述不确定性单元可用于基于多个可替代覆盖图中的覆盖图的元素(i,j)的比较来确定表示覆盖图的矩阵的元素(i,j)的不确定性度量。
根据第一方面或根据第一方面任一种前述的实现形式,在所述控制器的第四种实现形式中,所述不确定性单元用于确定覆盖图的元素(i,j)的不确定性度量di,j:
其中,为第a个覆盖图的元素(i,j),为所述多个覆盖图的第b个覆盖图的元素(i,j)。这表示了比较不同图完成算法的高效方式。
根据第一方面或根据第一方面任一种前述的实现形式,在所述控制器的第五种实现形式中,所述识别单元用于计算一个或多个测试位置,作为所述覆盖图中不确定性最大的一个或多个区域对应的位置。
根据第一方面或根据第一方面任一种前述的实现形式,在所述控制器的第六种实现形式中,所述完成单元用于基于一个或多个可信信号质量测量,通过解决可信优化问题,最小化表示完整覆盖图的矩阵的秩来完成所述覆盖图,和/或通过解决可信优化问题的松弛,最小化表示完整覆盖图的矩阵的核范数来完成所述覆盖图;这确保了表示对应于一个或多个可信信号质量测量的完整覆盖图的矩阵中的元素的值与一个或多个可信信号质量测量的值相同。
通过最小化包含非缺失元素的矩阵的秩来确定完整覆盖图的优点在于,能够对缺失元素进行准确估计。然而,解决秩最小化是NP困难问题,因此具有很高的计算要求。所以,可以优先解决秩最小化问题的松弛。
在第六种实现形式的优选实施例中,所述完成单元可用于基于一个或多个可信信号质量测量,通过解决可信优化问题来完成覆盖图,表示为:
和/或所述完成单元用于通过解决可信优化问题的松弛来完成覆盖图,特别地,所述可信优化问题的松弛表示为:
其中,||A||*表示包含绝对值之和或者矩阵A的一个或多个奇异值的核范数,A为完整覆盖图的矩阵,P为不完整覆盖图的矩阵,Ω为一组对应于一个或多个可信信号质量测量的元素。在示例实施例中,所述完成单元用于使用算法解决可信优化问题的松弛,从而完成表示具有无噪元素的覆盖图的矩阵。
根据第一方面或第一方面任一种前述的实现形式,在所述控制器的第七种实现形式中,所述完成单元用于使用奇异值取阈值解决可信优化问题的松弛,尤其是通过迭代计算:
其中,shrink(X,τ)为非线性函数,其将级别τ的取阈值规则应用于输入矩阵X的奇异值,并且迫使所述输入矩阵X的最小奇异值为零;PΩ为消失在Ω外的矩阵张成上的正交射影算子,从而若Xij if(i,j)∈Ω,则PΩ(X)的元素(i,j)等于Xij,否则等于零;{δk}为标量步长的序列。
这表示解决可信优化问题的松弛的特别高效的方式。
根据第一方面或根据第一方面任一种前述的实现形式,在所述控制器的第八种实现形式中,所述完成单元用于基于不可信信号质量测量,通过解决不可信优化问题,最小化表示完整覆盖图的矩阵的秩来完成所述覆盖图,和/或通过解决不可信优化问题的松弛,最小化表示完整覆盖图的矩阵的核范数来完成所述覆盖图;这确保了表示对应于一个或多个可信信号质量测量的完整覆盖图的矩阵中的元素的值与一个或多个不可信信号质量测量的值相同或相似。
在第八种实现形式的优选实施例中,所述完成单元用于基于不可信信号质量测量,通过解决不可信优化问题来完成覆盖图,表示为:
和/或所述完成单元用于通过解决不可信优化问题的松弛来完成覆盖图,特别地,所述不可信优化问题的松弛表示为:
其中,||A||*表示包含绝对值之和或者矩阵A的一个或多个奇异值的核范数;A为完整覆盖图的矩阵;P为不完整覆盖图的矩阵;Ω为一组对应于一个或多个不可信信号质量测量的元素;∈为预定参数。
本发明第二方面涉及一种系统,包括:
-图完成节点,包括根据第一方面或第一方面的实现形式之一所述的控制器,用于确定一个或多个候选测试位置;
-规划节点,包括测量规划单元,用于从所述一个或多个候选测试位置中确定缩减的一组测试位置。
本发明第三方面涉及一种用于构建无线网络覆盖图的方法,所述方法包括:
-基于一个或多个测量位置的一个或多个信号质量测量计算覆盖图;
-使用矩阵补全算法完成所述覆盖图;
-确定所述覆盖图的不确定性;
-基于所述覆盖图的不确定性识别一个或多个测试位置。
根据本发明第三方面所述的方法能够由根据本发明第一方面所述的控制器执行。根据本发明第三方面所述的方法的其它特征或实现形式能够执行根据本发明第一方面及其不同实现形式所述的控制器的功能。
第三方面的方法优选地基于覆盖图的批量计算。
在第三方面的方法的第一种实现形式中,重复执行所述步骤,直到用尽用于信号质量测量的预算。优点在于,该方法能够集成到只有有限可用的信号质量测量预算的系统中。预算可以对应于固定数量的信号质量测量,或者预算可以限制测量的总成本,例如,不同位置的测量可能分配有不同成本。
根据第三方面或根据第三方面的第一种实现形式,在所述方法的第二种实现形式中,所述方法还包括:
-使用一个或多个其它矩阵补全算法获得多个完整覆盖图来完成所述覆盖图;
-通过比较所述多个覆盖图确定所述覆盖图中的不确定性。
根据第三方面或根据第三方面任一种前述的实现形式,在所述方法的第三种实现形式中,所述方法还包括:
-确定所述覆盖图中不确定性最高的一个或多个点;
-在不确定性最高的点中识别用于可信信号质量测量的一个或多个可信测试位置和用于不可信信号质量测量的一个或多个不可信测试位置;
其中,所述一个或多个可信测试位置的数量和/或所述一个或多个不可信测试位置的数量基于预定的信号质量测量预算;
所述覆盖图优选地基于一组初始信号质量测量进行计算;一组其它信号质量测量对应于所述不确定性最高的一个或多个点。
该方法还可以包括确定对应于覆盖图中不确定性最高的一个或多个点的一个或多个索引。
在示例实施例中,基于α(B+B′)个信号质量测量的初始集合计算覆盖图,覆盖图中不确定性最高的点数为(1-α)(B+B′),可信测试位置数为(1-α)B和/或不可信测试位置数为(1-α)B′。其中,B为用于可信信号质量测量的预算,B’为用于不可信信号质量测量的预算,且0<α<1。
这具有的优点在于,可以最佳使用不同种类的信号质量测量的可用预算。
在本发明实施例中,第三方面的方法还可以包括以下步骤:基于当前用户位置和先前收集的测量数据决定激活哪些用户以便上报信号质量测量。
本发明第四方面涉及存储程序代码的计算机可读存储介质,所述程序代码包括用于执行第四方面或第四方面的实现形式之一的指令。
附图说明
为了更清楚地说明本发明实施例中的技术特征,下面将对实施例描述中所需要使用的附图作简单地介绍。下面描述中的附图仅仅是本发明的一些实施例。在不违背本发的保护范围的情况下,可以对这些实施例进行修改。
图1为本发明实施例提供的描述控制器的框图;
图2为本发明另一实施例提供的描述系统的框图;
图3为本发明实施例提供的一种用于构建覆盖图的方法的流程图;
图4为本发明实施例提供的一种用于构建无线网络覆盖图的方法的流程图;
图5示出了本发明实施例提供的用于计算覆盖图的基于内核的方法和矩阵补全方法之间的性能对比;
图6为本发明另一实施例提供的一种用于识别覆盖图的不确定性区域的方法的流程图;
图7为本发明另一实施例提供的一种用于构建无线网络覆盖图的系统的框图;
图8为本发明另一实施例提供的矩阵补全单元的框图;
图9为将本发明另一实施例提供的用于构建覆盖图的控制器集成到标准化的最小化路测架构的架构框图。
具体实施方式
图1示出了一种用于构建无线网络覆盖图的控制器100。其中,所述控制器100包括计算单元110、完成单元120、不确定性单元130和识别单元140。
所述计算单元110用于基于一个或多个测量位置的一个或多个信号质量测量计算覆盖图。例如,所述计算单元110可用于基于初始可用的信号质量测量计算初始覆盖图。
所述完成单元120用于完成所述覆盖图。例如,所述完成单元120可用于使用矩阵补全方法来获取完整覆盖图。
所述不确定性单元130用于确定所述覆盖图中的不确定性。例如,所述不确定性单元130可用于通过比较不同矩阵补全算法或比较完整覆盖图的结果来确定不确定性,其中,所述完整覆盖图已经通过不同测量数据集合完成。
所述识别单元140用于基于所述覆盖图中的不确定性识别一个或多个测试位置。例如,所述测试位置可对应于如所述不确定性单元130所识别的不确定性最高的区域。
所述计算单元110、完成单元120、不确定性单元130和识别单元140能在相同的物理单元,如相同的处理器中实现。
所述控制器100可用于控制无线网络的其它组件。例如,所述控制器100可用于向网络的其它节点发送指令,如指示这些节点执行路测以获取用于所述控制器100识别的一个或多个测试位置的信号质量测量。在其它实施例中,所述控制器100不向其它节点发送指令,而仅确定测试位置。所述无线网络的其它节点可以检索到这些测试位置。
图2示出了一种系统200,包括图完成节点210和规划节点220。
控制器100,可以为图1所示的控制器100,用于确定一个或多个候选测试位置。所述规划节点220包括测量规划单元222,用于从所述一个或多个候选测试位置中确定缩减的一组测试位置。
所述完成节点210和所述规划节点220可由无线链路和/或有线连接进行连接。所述完成节点210和所述规划节点220可以位于无线网络的不同层。
所述规划节点220可用于通过无线链路225a和225b连接到第一移动终端230a和第二移动终端230b。所述规划节点220可用于向所述移动终端230a和230b发送指令,所述指令关于应该在所述规划节点220指定的一个或多个路测位置执行的路测。这些路测位置可以是所述图完成节点210已确定并提供给所述规划节点220的测试位置的子集。例如,所述规划节点220可用于对所述测试位置进行分组,从而减少用于所述移动终端230a和230b的路测。作为说明性的示例,所述规划节点220能够指示所述第一移动终端230a在位于第一区域的第一组路测位置处获取信号质量测量,并指示所述第二移动终端230b在位于第二区域的第二组路测位置处获取信号质量测量。因此,与向所述移动终端230a和230b随机分配路测位置相比,可以降低信号质量测量的成本。
图3为一种用于构建无线网络覆盖图的方法300的流程图。
所述方法包括第一步骤310:基于一个或多个测量位置的一个或多个信号质量测量计算(310)覆盖图。
在第二步骤320中,使用矩阵补全算法完成所述覆盖图。
在第三步骤330中,确定所述覆盖图的不确定性。
在第四步骤340中,基于所述覆盖图中的不确定性识别一个或多个测试位置。
所述方法可以包括其它步骤(图3中未示出):指示测试位置的一个或多个移动终端。
图4为一种用于构建无线网络覆盖图的方法400的流程图。
在第一步骤410中,获取来自路测和/或众包的信号质量测量。这类测量的示例可包括以下至少一种:信号强度、信号质量、干扰、反常事件、服务质量信息等。运营商已访问一些数据。所述测量可来自于随机位置。优选地,只使用可用测量的子集。
在第二步骤420中,所述覆盖图表示为矩阵,所述矩阵包括步骤410中获取到的测量。所述矩阵还包含缺失元素。所述矩阵可包含来自如下所述的步骤460和470中获得的一个或多个信号质量测量的数据。
在第三步骤430中,使用可用测量,如步骤420中获得的具有缺失元素的矩阵中存储的可用测量,完成覆盖图,如路径损耗图。
能够使用来自矩阵补全技术族中的方法完成覆盖图。简而言之,所述覆盖图表示为矩阵,所述矩阵包括观测到的元素的子集和未观测到的元素的子集。然后,使用矩阵补全技术估计未观测到的元素,从而重建所述覆盖图。优选地,认为路测获得的数据可靠,而假定众包数据包含某种误差。为了使用这一信息,且为了避免众包数据降低覆盖图重建的性能,以恰当方式重新阐述重建问题。更具体地,不需要路径损耗预测完全等于众包测量,而是追求“足够接近”不可靠测量的估计。
(初始)重建覆盖图之后,重点转向第四步骤440:估计信息丰富的区域。注意,一些区域,尤其是城市,自然环境极不平坦。这是大型建筑、障碍物、隧道的存在造成的,进一步减弱了无线电波的传播。由于这些原因,例如,这类区域中的路径损耗展现出低空间相关性,可能导致重建效果差。因此,这类区域需要进行如上讨论的针对性路测。
为识别需要额外测量的区域,使用以下方法:使用可用测量的初始子集重建覆盖图之后,使用其它技术和算法重建路径损耗。具体技术和算法将在以下进行讨论。接着,比较重建技术的结果,并找到具有最高“不一致性”的区域,这些区域表示为矩阵的元素。识别这些区域之后,使用路测和众包数据从所识别区域中收集数据。总之,在步骤470中,利用自适应抽样方法来识别不确定区域并规划新的测试。
在第五步骤450中,确定是否有足够的预算用于进一步的路测。若有,则在第六步骤460中,在步骤440中找到的区域进行进一步的路测。特别地,在步骤460中,根据所识别的区域规划新路测,并从所述路测中获得输入测量,如信号质量测量。若没有足够的预算可用,则在第七步骤470中获得来自众包数据的输入测量。为达到此目的,可以在这些区域的用户实体激活最小化路测上报,和/或可以从众包应用请求数据以学习这些元素。在步骤460和/或步骤470之后,该方法在步骤420继续。
通过采用上述方法,可以显著降低路径损耗重建的路测成本,而不会降低性能。为了量化潜在的益处,对于考虑到的相同问题,将所提出的重建算法的性能与现有技术的算法进行比较。例如,考虑柏林的路径损耗图,其源自MOMENTUM项目的数据[http://momentum.zib.de/]。更具体地,在7500m×7500m的区域内重建路径损耗。如已经提到的,将该区域表示为具有部分观测到的元素的矩阵,并且借助矩阵补全技术来估计缺失值。在本例中,认为每个像素的大小,即矩阵的元素等于50m,因此,要重建的矩阵的大小为150×150。基站的总数等于187,并且考虑用具有最强信号的基站来填充矩阵的观测到的元素。
图5示出了如上所述的基于内核的重建和矩阵补全方法两种重建算法的性能。横轴对应于总测量中的可用测量数,可用测量数为22500。纵轴对应于归一化均方差NMSE,其定义如下:
其中,H表示包含所有系数的路径损耗矩阵,为重建算法产生的预测矩阵。值得指出的是,两种算法中使用的参数都进行了优化,从而达到算法的最佳性能。
从图5可以看出,使用矩阵补全呈现的重建技术能够明显优于使用基于内核的算法的重建。注意,该方法在7500个测量的情况下的益处约为4.5dB。除此之外,除了NMSE性能图之外,本发明中使用的重建技术是计算高效的,因为用于5000个测量的场景的操作时间约为4s,而对于现有技术,操作时间约为30s。
与基于内核的重建算法相比,这一性能改善的推理可以总结如下:后一种方法尝试拟合地理位置和功率增益之间的非线性函数。这种方法的缺点在于可能导致过度拟合,即产生过度复杂的函数,该函数可能描述随机误差或噪声而不是潜在关系。相反,矩阵重建方法能利用空间相关性和平滑模式。从图5的结果可以看出,该方法导致NMSE值降低。这是通过将错误测量与更可靠的测量结合在一起,并通过估计获得更多数据的最佳区域来实现的,从而以最佳方式重建图。
以下考虑一种设置,目标是重建给定区域,如大都市区域的路径损耗。该区域表示为矩阵,该矩阵的元素对应于路径损耗或类似度量(如RSSI、SNR、SINR)。进一步假定测量来自路测,且认为这些测量可靠。目标是估计未观测到的度量,从而完成矩阵。
估计矩阵的未观测到的元素的问题,即对应于未进行路测的区域的路径损耗测量可以描述如下:计算矩阵A,使得Aij=Pij,且该矩阵尽可能接近于原始矩阵,其中,观测到的路径损耗元素表示为Pij。这样做的方式用于解决以下问题:
其中,Ω表示观测到的元素的集合。上述优化的物理推理可以总结如下。由于无障碍环境中的无线电波的正常传播,这类区域中的路径损耗图展现出空间相关性和平滑模式。这里,上述最小化产生低秩矩阵,因此缺失元素的估计较好。
前述的秩最小化问题无法高效解决,因为它是NP困难。然而,在矩阵补全任务的背景中,可以通过凸优化来松弛并解决这一问题。更具体地,此处解决初始问题的凸松弛:
其中,||A||*表示核范数,其为矩阵的奇异值的绝对值之和。
已经提出了几种技术来解决上述优化。一种快速和计算高效的技术是奇异值取阈值。该算法是迭代的,且对于任意初始矩阵,使用以下迭代流程解决初始问题的上述凸松弛:
其中,函数shrink(,)为非线性函数,其将级别τ的取阈值规则应用于输入矩阵的奇异值,并且迫使奇异值中的最小值为零。取阈值流程不影响绝对值大于τ的奇异值,但迫使其余部分为零。在这个意义上,它产生一个低秩矩阵。参数τ的调整取决于几个因素,并且可以借助交叉验证技术来找出τ的值,从而带来最好的结果。直观上,τ越小,被设置为零的奇异值的数量越大,从而矩阵的最终秩越低。
以下关注的场景是,除了来自路测的可靠测量之外,还处理了众包所收集的数据,从而增加可用数据的数量。如上所述,这些测量嘈杂,且应该以不同的方式对待,以免损害重建覆盖图的质量和可靠性。
尽管这里稍微重新阐述了这个问题,推理与前面例子中的相同,该例子中采用了路测数据。事实上,新问题阐述如下:
注意,不是要求路径损耗预测与众包测量完全相等,而是通过参数ε来确定“足够接近”不可靠测量的估计。与上面针对路测数据的优化类似,这是一个NP困难问题,且为了高效地解决这个问题,可以借助以下松弛:
该优化可以通过使用称为稳定矩阵补全的技术来解决。特别地,上述问题使用半正定规划技术来解决,并且可以高效地解决计算复杂性。
阈值参数ε已经在稳定矩阵补全算法中采用,该算法讨论噪声矩阵补全问题。该方法遵循这一思想:测量的不确定性越大,该参数的值越大。由于测量来自具有不同确定性的多个源,因此通常为众包数据选择的ε比为来自3GPP标准化反馈的数据的大,而最小的ε(甚至可等于零)将应用于来自专业路测的数据。选择ε的精确值的一个可能方式是通过交叉验证。另一种选择该参数的方式要借助提出的信令协议。每个用户向控制器发送关于测量的不确定性的信息。
以下总结了使用该信息调整ε的具体示例策略。控制器接收用户的测量。根据用户在全局层上报的精度等级,通过应用三个不同的ε值之一来解决(噪声)优化问题:
(a)εhigh:若测量的不确定性大,则其值就大;
(b)εnormal:小于εhigh,且若精度正常,则使用;
(c)εlow:若精度高,则取值小。
阈值的精确值可以例如通过交叉验证来确定。
图6为描述识别不确定性区域的流程图,例如,高噪音区域。举例说明如何通过自适应抽样识别应该收集更多测量的信息丰富区域。来自路测的图的B点和来自众包数据的图的B’点具有初始预算。
所述算法可以总结如下:
在第一步骤610中,使用α*(B+B’)个测量重建路径损耗图,其中,0<α<1。这意味着使用数据的子集进行初始重建。所述重建可以例如使用上述的矩阵补全技术来进行。通过更多技术,使用与前述步骤相同的测量来重建路径损耗。这类技术的示例包括:K最近邻算法和最大期望算法。
在第二步骤620中,比较重建技术的结果(步骤610中得到的结果),且在第三步骤630中,找到“不一致性”最高的k个点,例如,k=(1-α)*(B+B’)。对计算该不一致性的示例技术将进行描述。假定使用三种算法,且估计的元素表示为:
其中,下标索引表示矩阵元素,上标对应于每个算法。为每个元素计算的不一致性度量如下:
之后,将这些元素堆叠在向量中,并对其降序排序。对应于第一(1-α)*(B+B’)的索引不一致性最高。
在第四步骤640中,确定是否存在可用预算。若有,则在步骤650中使用路测从识别的区域获得更多点,例如(1-α)*B个点,这些点对应于可用预算,并从众包数据获得(1-α)*Β’个点。步骤650可能涉及激活这些区域中的UE处的MDT上报。随后,该方法继续步骤610。若步骤640中确定没有用于路测的可用预算,则该方法在步骤660结束。
最后,再次执行矩阵重建流程。该重建流程可以重复,直到路测的预算用完或者直到已获得用于对覆盖图矩阵的所有元素的测量。
关于该流程的参数选择:
-参数B和B’分别表示用于路测和众包测量的可用预算。因此,第一个参数取决于运营商的可用预算,而第二个参数取决于反馈成本(开销、能源消耗)和提供该成本的用户数量;
-关于参数α:假定(B+B’)个数据点可用。可能的策略是将所有数据点用于矩阵重建。然而,为了识别不一致性最高的区域(稍后将进行讨论),数据点的一小部分将用于这个方向。这是参数α的作用。该参数的具体选择取决于几个因素,如初始预算、众包数据的质量和区域本身。因此,交叉验证技术提供了一个很好的策略来找到该参数的值。
图7为一种用于构建无线网络覆盖图的系统700的流程图。所述系统700包括无线数据数据库710、图完成节点720、规划和测量节点730以及用户设备(user equipment,简称UE)740。所述图完成节点720包括不完整数据的矩阵表示722。所述矩阵表示722存储来自所述无线数据数据库710的无线数据。所述不完整数据的矩阵表示作为输入P提供给所述矩阵补全单元724。所述矩阵补全单元724的其它输入可包括数据类型和参数。所述矩阵补全节点724用于向区域识别单元726提供矩阵估计A^。所述区域识别单元726确定其提供给所述规划和测量节点730的一组感兴趣位置(location of interest,简称LOI)。
所述规划和测量节点730包括路测规划单元732和数据收集单元734。所述路测规划单元732接收作为输入的一组感兴趣位置和预算β,所述感兴趣位置可包括路测位置。由此,所述路测规划单元732确定其提供给所述数据收集单元734的感兴趣位置的子集。所述数据收集单元734生成其发送给所述用户设备740的一个或多个测量请求。
所述用户设备740包括用户设备应用742、无线调制解调器744和位置源746。所述无线调制解调器744向所述UE应用742提供一个或多个无线信号质量测量。所述位置源746向所述UE应用742提供当前位置。
以下将更详细地描述所述系统700的单元的操作。假定所述系统体现在应用层,则该过程基于来自先前测量的存储在所述数据库710中的可用无线数据开始。该数据用作所述图完成节点720的输入,所述图完成节点720可以是专用服务器或运营商核心网上已有的服务器上运行的软件程序。最初,所述矩阵表示单元722中的矩阵表示函数将不完整数据转换为矩阵,所述矩阵的分量是前述数据库710的元素。
该矩阵用作所述矩阵补全单元724的输入,所述矩阵补全单元724还将要处理的特定类型的数据(可靠/不可靠)和参数ε作为输入。所述矩阵补全单元724的详细功能在以下图8中示出。根据问题说明(可靠数据/不可靠数据),选择适当的求解器,并且在所述矩阵补全单元724中重建矩阵。该块的输出是一些完整矩阵A^,所述矩阵被插入区域标识函数。后者的输出是一组感兴趣的位置(location of interest,简称LOI)。这些位置以及可用预算β是所述路测规划单元732的输入。输出是LOI的子集,该输出又在所述数据收集实体734中使用。这与所述UE 740进行交互,从而给出测量请求并接收测量报告。
更具体地,所述无线调制解调器744向所述UE 740处运行的软件应用提供无线测量,且位置源746向所述应用742提供当前位置。所述UE应用742将该数据发送到数据收集功能,该功能可以为所述规划和测量节点730的一部分,或者可在专用服务器上运行。收集数据之后,所述数据收集单元将新的数据集合发送到数据集合。
图8为矩阵补全单元800的详细框图。所述矩阵补全单元800包括问题说明单元810、求解器选择单元820和一组求解器830、832、834。所述求解器包括半正定规划830和奇异值分解834。所述求解器选择单元820用于基于所述问题说明单元810中指定的问题说明来选择求解器。所述问题说明单元810可以接收作为输入P的不完整数据的矩阵表示和/或预算说明β。问题说明可以包括例如目的、限制(如指定的预算)和关于数据的信息(例如,数据的来源、是否可靠)。
图9为根据3GPP TS 36.331将用于构建覆盖图的控制器集成到最小化路测(minimization of drive test,简称MDT)架构中的架构900的框图。
所述架构900包括操作维护中心910、核心网920和无线接入网930。
所述操作维护中心910包括无线数据数据库912和图完成节点MCN 914。所述MCN914在所述数据库912附近运行,同时规划和测量节点922应当添加到所述核心网920。所述核心网920还包括根据TS 36.331运行的MDT服务器924。所述MDT服务器还可以用于不违反标准的情况下包括规划和测量节点功能。
由于所述MDT服务器924实质上指定RAN信令,所以在所述操作维护中心910和所述核心网920中的前述操作仍然适用。如前所述,将无线数据作为输入插入到所述图完成节点914,例如,结合图7。所述图完成节点914的输出是规划和测量节点922的输入,所述输出包括感兴趣的位置,规划和测量节点922产生所述位置的子集。
所述MDT服务器924用于使用这些感兴趣的位置,包括路测位置,以定义其发送到所述无线接入网930中相应基站932的配置参数。尽管这遵循标准化信令流程,但本发明可以大大优化并减少所选择的感兴趣位置,从而大大降低测量工作(或者给定的预算)或提高测量质量。
在接收到这些MDT配置参数后,所述基站932通过向UE 934发送所述MDT配置参数来激活用户设备UE 934中的MDT功能。所述UE 934执行相关测量之后,所述UE 934向所述基站932发送MDT确认消息,并将测量结果直接上报给所述MDT服务器924。最后,所述MDT服务器924将无线测量和位置发送到所述无线数据数据库912。
用于覆盖图构建的系统的优选实现形式利用控制器、基站和用户设备之间交换的多个通信信号。这类数据的交换涉及用户和收集测量并执行重建的中央控制器之间的通信。
特别地,信号可以在三个实体之间交换:(1)控制器、(2)基站(base stations,简称BS)和(3)用户设备(user equipment,简称UE)。
信号可以服务于三个主要目的:
-控制器向应进行路测区域的BS发送消息;
-BS向控制器指示的用户发送控制消息;
-UE响应将信息发回控制器的BS。
交换信号和消息的实施例可以包括:
1.一个或多个信息请求控制消息,可以包括:
a)想要测量的位置;
b)所请求测量的精度(若用户没有停留足够长的时间来获取足够好的测量、降低RSSI阈值等,则不上报);
c)应该或不应该上报的用户的用户ID;和/或
d)超时定时器。
2.一个或多个信息传输控制消息,可以包括:
a)用户ID,如IMSI或电话号码;
b)设备类型,如IMEI、模型号、给定模型表中的索引;
c)用户位置,如WGS84中通常的纬度、经度和海拔;
d)信号质量,如RSSI,单位为dBm或ASU;
e)运动的速度和方向;和/或
f)相关不确定性,如置信水平和类似的误差概念。
此外,方法的信令步骤可包括:
1.控制器向应进行路测区域的BS发送消息,如通过HTTP GET请求发送;
2.BS向控制器指示的该区域中的用户发送控制消息,如通过HTTP响应发送。
所提出的信令不同于经典的众包。所提出的控制器和方法旨在降低信令开销,因此,中央控制器仅需要来自特定区域的信息。此外,所提出的控制器请求来自UE的测量,而在经典的众包中,UE推动测量。
所提出的方法可以利用路测测量和众包数据。所述算法可以自适应地选择仅在部分给定的无线图中要完成的区域。因此,所提出的方法提供了一种从只有几个可能具有不同精度等级的测量中高效重建无线图的方法。
总而言之,本发明实施例涉及一种自适应方法,用于规划何处进行额外路测,以从来自多源的不完整和不可靠的数据完成初始覆盖图。实施例中可假定已获取测量的初始数量。基于这一初始数据重建覆盖图以及识别不确定性高的区域,因此其它测量将会信息最丰富。术语“信息丰富的”表示区域,若已访问该区域中的数据,则可以更高效地重建路径损耗矩阵。
在识别信息丰富区域之后,本发明实施例可能需要来自该区域的更多数据(来自路测和/或众包)。值得指出的是,在重建路径损耗图的第一步中,最好不使用整个可用预算,即可用测量的总数,因为想节省一些可用测量,以便在“信息丰富区域”进行路测。
本发明的其它实施例涉及一种将不可靠数据(例如,从众包获得的数据)整合到覆盖图的重建过程中的方法。盲目使用来自众包的数据可能降低重建性能,因为这种数据在一定程度上可能不准确。本发明实施例以不同的方式对众包数据进行处理,以免损害重建覆盖图的质量和可靠性。
所提出的覆盖图构建方法的步骤可以包括:
a)将覆盖图表示为具有缺失元素的矩阵;
b)使用矩阵重建技术估计缺失元素;
c)利用来自众包的数据,并考虑到其中一些数据可能不可靠;
d)使用自适应抽样方法识别信息丰富区域并规划新的测试。
上文所有描述仅仅为本发明的实施方式,本发明所保护的范围并不仅限于此。本领域技术人员能够很容易地进行任何修改或替代。因此,本发明的保护范围应以所附权利要求的保护范围为准。
Claims (15)
1.一种用于构建无线网络覆盖图的控制器(100、210、220、720、730),其特征在于,所述控制器包括:
-计算单元(110、722),用于基于一个或多个测量位置的一个或多个信号质量测量计算覆盖图;
-完成单元(120、724),用于完成所述覆盖图;
-不确定性单元(130、726),用于确定所述覆盖图中的不确定性;
-识别单元(140、732),用于基于所述覆盖图中的不确定性识别一个或多个测试位置。
2.根据权利要求1所述的控制器(100、210、220、720、730),其特征在于,所述完成单元(120、724)用于将所述覆盖图表示为具有一个或多个缺失元素的矩阵。
3.根据前述权利要求任一项所述的控制器(100、210、220、720、730),其特征在于:
-所述计算单元(110、722)用于基于一个或多个可信信号质量测量和一个或多个不可信信号质量测量计算所述覆盖图;
-所述完成单元(120、724)用于通过指定所述可信信号质量测量比所述不可信信号质量测量更重要来完成所述覆盖图。
4.根据前述权利要求任一项所述的控制器(100、210、220、720、730),其特征在于:
-所述完成单元(120、724)用于使用多个图完成算法获得多个完整覆盖图;
-所述不确定性单元(130、726)用于通过比较所述多个覆盖图确定所述覆盖图中的不确定性。
5.根据权利要求4所述的控制器(100、210、220、720、730),其特征在于,所述不确定性单元用于确定所述覆盖图的元素(i,j)的不确定性度量为di,j:
其中,为第a个覆盖图的元素(i,j),为所述多个覆盖图的第b个覆盖图的元素(i,j)。
6.根据前述权利要求任一项所述的控制器(100、210、220、720、730),其特征在于,所述识别单元(140)用于计算一个或多个测试位置,作为所述覆盖图中不确定性最高的一个或多个区域对应的位置。
7.根据前述权利要求任一项所述的控制器(100、210、220、720、730),其特征在于,所述完成单元(120、724)用于基于一个或多个可信信号质量测量,通过解决可信优化问题,最小化表示完整覆盖图的矩阵的秩来完成所述覆盖图,和/或通过解决可信优化问题的松弛,最小化表示完整覆盖图的矩阵的核范数来完成所述覆盖图;
这确保了表示对应于一个或多个可信信号质量测量的完整覆盖图的矩阵中的元素的值与一个或多个可信信号质量测量的值相同。
8.根据权利要求7所述的控制器(100、210、220、720、730),其特征在于,所述完成单元(120、724)用于使用奇异值取阈值解决可信优化问题的松弛,尤其通过迭代计算:
其中,shrink(X,τ)为非线性函数,其将级别τ的取阈值规则应用于输入矩阵X的奇异值,并且迫使所述输入矩阵X的最小奇异值为零;PΩ为消失在Ω外的矩阵张成上的正交射影算子,从而若Xij if(i,j)∈Ω,则PΩ(X)的元素(i,j)等于Xij,否则等于零;{δk}为标量步长的序列。
9.根据前述权利要求任一项所述的控制器(100、210、220、720、730),其特征在于,所述完成单元(120、724)用于基于不可信信号质量测量,通过解决不可信优化问题,最小化表示完整覆盖图的矩阵的秩来完成所述覆盖图,和/或通过解决不可信优化问题的松弛,最小化表示完整覆盖图的矩阵的核范数来完成所述覆盖图;
这确保了表示对应于一个或多个可信信号质量测量的完整覆盖图的矩阵中的元素的值与一个或多个不可信信号质量测量的值相同或相似。
10.一种系统(200),其特征在于,包括:
-图完成节点(210),包括根据前述权利要求任一项所述的控制器(100、210、220、720、730),用于确定一个或多个候选测试位置;
-规划节点(220),包括测量规划单元(222),用于从所述一个或多个候选测试位置中确定缩减的一组测试位置。
11.一种用于构建无线网络覆盖图的方法(300、400),其特征在于,所述方法包括:
-基于一个或多个测量位置的一个或多个信号质量测量计算(310、420)覆盖图;
-使用矩阵补全算法完成(320、430)所述覆盖图;
-确定(330、440)所述覆盖图的不确定性;
-基于所述覆盖图中的不确定性识别(340、440)一个或多个测试位置。
12.根据权利要求11所述的方法(300、400),其特征在于,重复执行所述步骤,直到用尽用于信号质量测量的预算。
13.根据权利要求11或12所述的方法(300、400),其特征在于,所述方法还包括:
-使用一个或多个其它矩阵补全算法获得多个完整覆盖图来完成所述覆盖图;
-通过比较所述多个覆盖图确定所述覆盖图中的不确定性。
14.根据权利要求11至13任一项所述的方法(300、400),其特征在于,所述方法还包括:
-确定所述覆盖图中不确定性最高的一个或多个点;
-在不确定性最高的点中识别用于可信信号质量测量的一个或多个可信测试位置和用于不可信信号质量测量的一个或多个不可信测试位置;
其中,所述一个或多个可信测试位置的数量和/或所述一个或多个不可信测试位置的数量基于预定的信号质量测量预算;
所述覆盖图优选地基于一组初始信号质量测量进行计算;一组其它信号质量测量对应于所述不确定性最高的一个或多个点。
15.一种计算机可读存储介质,其存储程序代码,所述程序代码包含用于执行权利要求11至14所述的方法的指令。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2015/077118 WO2017084713A1 (en) | 2015-11-19 | 2015-11-19 | A computational efficient method to generate an rf coverage map taken into account uncertainty of drive test measurement data |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108293193A true CN108293193A (zh) | 2018-07-17 |
Family
ID=54754601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580084734.5A Withdrawn CN108293193A (zh) | 2015-11-19 | 2015-11-19 | 一种用于完成路测数据的高效计算方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108293193A (zh) |
WO (1) | WO2017084713A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115314133A (zh) * | 2022-10-11 | 2022-11-08 | 中国人民解放军战略支援部队航天工程大学 | 一种基于矩阵补全的路径损耗数据增强方法及系统 |
WO2024139508A1 (zh) * | 2022-12-29 | 2024-07-04 | 中兴通讯股份有限公司 | 一种网络优化的方法、电子设备及存储介质 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3480659A1 (en) * | 2017-11-01 | 2019-05-08 | ASML Netherlands B.V. | Estimation of data in metrology |
CN108307427B (zh) * | 2018-02-09 | 2021-10-26 | 北京天元创新科技有限公司 | 一种lte网络覆盖分析、预测方法及系统 |
CN109362100B (zh) * | 2018-12-26 | 2021-08-03 | 中国联合网络通信集团有限公司 | 一种基于通信信令的基站评估方法和系统 |
EP3754358A1 (en) * | 2019-06-18 | 2020-12-23 | HERE Global B.V. | Generating a radio map for indoor positioning |
EP4035446A1 (en) * | 2019-09-27 | 2022-08-03 | Nokia Technologies Oy | Data acquisition in a communication network |
CN113051256A (zh) * | 2021-03-22 | 2021-06-29 | 国网河北省电力有限公司营销服务中心 | 用户缺失数据填充方法、装置和设备 |
CN117204007A (zh) * | 2021-05-12 | 2023-12-08 | 中兴通讯股份有限公司 | 利用针对最小化路测的质量指示来配置ue的方法、设备和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6711404B1 (en) * | 2000-07-21 | 2004-03-23 | Scoreboard, Inc. | Apparatus and method for geostatistical analysis of wireless signal propagation |
US7324820B2 (en) * | 2004-09-28 | 2008-01-29 | Intel Corporation | Wireless communication mapping apparatus, systems, and methods |
CN103179580A (zh) * | 2011-12-23 | 2013-06-26 | 中兴通讯股份有限公司 | 一种自适应覆盖优化方法及装置 |
CN104768175A (zh) * | 2015-04-02 | 2015-07-08 | 广州杰赛科技股份有限公司 | 一种区域网络覆盖检测方法及系统 |
-
2015
- 2015-11-19 CN CN201580084734.5A patent/CN108293193A/zh not_active Withdrawn
- 2015-11-19 WO PCT/EP2015/077118 patent/WO2017084713A1/en active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6711404B1 (en) * | 2000-07-21 | 2004-03-23 | Scoreboard, Inc. | Apparatus and method for geostatistical analysis of wireless signal propagation |
US7324820B2 (en) * | 2004-09-28 | 2008-01-29 | Intel Corporation | Wireless communication mapping apparatus, systems, and methods |
CN103179580A (zh) * | 2011-12-23 | 2013-06-26 | 中兴通讯股份有限公司 | 一种自适应覆盖优化方法及装置 |
CN104768175A (zh) * | 2015-04-02 | 2015-07-08 | 广州杰赛科技股份有限公司 | 一种区域网络覆盖检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
史加荣等: "矩阵补全算法研究进展", 《计算机科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115314133A (zh) * | 2022-10-11 | 2022-11-08 | 中国人民解放军战略支援部队航天工程大学 | 一种基于矩阵补全的路径损耗数据增强方法及系统 |
CN115314133B (zh) * | 2022-10-11 | 2023-01-31 | 中国人民解放军战略支援部队航天工程大学 | 一种基于矩阵补全的路径损耗数据增强方法及系统 |
WO2024139508A1 (zh) * | 2022-12-29 | 2024-07-04 | 中兴通讯股份有限公司 | 一种网络优化的方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2017084713A1 (en) | 2017-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108293193A (zh) | 一种用于完成路测数据的高效计算方法 | |
CN107333232B (zh) | 一种终端定位方法及网络设备 | |
JP7279856B2 (ja) | 方法及び装置 | |
US9698897B2 (en) | Method and system for auditing and correcting cellular antenna coverage patterns | |
US9369986B2 (en) | Wireless communication network for estimating the accuracy of fingerprinting positioning algorithms | |
US11525890B2 (en) | Cooperative target tracking and signal propagation learning using mobile sensors | |
CN111225439A (zh) | 确定终端位置的方法、装置及存储介质 | |
Redondi | Radio map interpolation using graph signal processing | |
CN110100148B (zh) | 用于管理天线倾斜的方法和设备 | |
US11856552B2 (en) | Devices and methods for automatically labelling high-accuracy indoor localization and determining location information | |
WO2016112689A1 (zh) | Aoa和ta的校正处理方法及装置 | |
JP2019502115A (ja) | 移動装置のポジショニング | |
Akbari et al. | How reliable is MDT-based autonomous coverage estimation in the presence of user and BS positioning error? | |
WO2013026350A1 (zh) | 一种系统性能评估方法及装置 | |
Stusek et al. | LPWAN coverage assessment planning without explicit knowledge of base station locations | |
JP6025692B2 (ja) | エリア品質劣化推定装置及び方法 | |
JP7518296B2 (ja) | 強化されたフィンガープリント測位 | |
EP3061292B1 (en) | System and method for localization and traffic density estimation via segmentation and calibration sampling | |
CN112995893A (zh) | 一种指纹定位方法、系统、服务器和存储介质 | |
Castro-Arvizu et al. | Cramer-Rao lower bound for breakpoint distance estimation in a path-loss model | |
US20240154707A1 (en) | Methods and apparatus for estimating received signal strength variations | |
Galindo-Serrano et al. | Cellular coverage optimization: A radio environment map for minimization of drive tests | |
Morita et al. | Channel Capacity Prediction Using Point of Interest for Design and Operation Support of Network | |
JP7431415B2 (ja) | 情報処理装置および情報処理方法 | |
Santos et al. | Crowdsource-based signal strength field estimation by gaussian processes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180717 |