CN108990095B - 一种无线网络覆盖盲区检测方法 - Google Patents
一种无线网络覆盖盲区检测方法 Download PDFInfo
- Publication number
- CN108990095B CN108990095B CN201810850046.0A CN201810850046A CN108990095B CN 108990095 B CN108990095 B CN 108990095B CN 201810850046 A CN201810850046 A CN 201810850046A CN 108990095 B CN108990095 B CN 108990095B
- Authority
- CN
- China
- Prior art keywords
- user
- blind area
- suspected
- coverage blind
- coverage
- 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
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种无线网络覆盖盲区检测方法,包括:根据用户终端反馈的信令数据确定用户位置和用户移动速度;剔除快速移动用户的用户数据;计算中低速用户信号的相对衰减值;根据用户信号的相对衰减值确定深度衰落点,根据深度衰落点的分布确定疑似覆盖盲区;若疑似覆盖盲区持续保持在深度衰落状态,则将该疑似覆盖盲区域确认为信号覆盖盲区。与现有方法相比,本发明方法充分利用了运营商现有数据,能够计算得到更为精准的用户移动速度从而有效剔除无效的用户数据,并利用了用户信号的相对衰减值,提高了覆盖盲区的检测精度,节省了人力物力。
Description
技术领域
本发明属于移动网络技术领域,具体涉及一种无线网络覆盖盲区检测方法
背景技术
随着通信技术的发展,移动网络已经非常普及。但是对于运营商来说,由于通信资源有限,移动网络不可能覆盖所有区域,对于移动网络不能覆盖的区域可称为移动网络的盲区。而这些盲区的存在既影响到手机用户的体验也影响到运营商的经济效益。因此运营商也非常希望能能够及时发现移动网络的盲区,从而在该区域及时建设基站,扩大运营商的网络覆盖范围。
现有技术要么通过手机用户的投诉或者运营商派工作人员专门检测盲区,要么根据用户终端上的应用向服务器反馈得到覆盖盲区信息,运营商才能够知道哪些地区存在盲区。作为大数据的拥有者,数据资源已成为电信运营商的重要产业战略。而用户终端反馈的信令数据未能在信号覆盖盲区检测中得以利用,造成了资源的浪费。
发明内容
针对现有技术的缺陷,本发明的目的在于解决现有技术未有效利用运营商数据、覆盖盲区定位精度差的技术问题。
为实现上述目的,本发明实施例提供了一种无线网络覆盖盲区检测方法,包括以下步骤:
(1)根据用户终端反馈的信令数据确定用户位置和用户移动速度;
(2)剔除快速移动用户的用户数据;
(3)计算中低速用户信号的相对衰减值;
(4)根据用户信号的相对衰减值确定深度衰落点,根据深度衰落点的分布确定疑似覆盖盲区;
(5)若疑似覆盖盲区持续保持在深度衰落状态,则将该疑似覆盖盲区域确认为信号覆盖盲区。
具体地,采用顺序加权法计算用户移动速度。
其中,Pi、Pi+1、Pi+2为相邻的三个用户位置,Ti、Ti+1、Ti+2为与用户位置对应的上报时间。
具体地,用户的移动速度>5m/s,则该用户属于快速移动用户。
具体地,相对衰减值的计算公式为:相对衰减值=衰减值-路径损耗。
其中,衰减值等于用户终端发射功率和基站接收功率的差值,路径损耗可以根据城市奥村模型中的Hata公式计算。
具体地,将用户信号的相对衰减值大于运营商规定的最低网络衰减值的点视为深度衰落点。
具体地,根据所确定的深度衰落点的位置数据,将该点在地图上标示出来,深度衰落点的分布可通过人工观察或者图像处理的方式确定。
具体地,人工观察深度衰落点的分布,如果发现某一区域的深度衰落点汇聚在一起,则将区域标记为疑似覆盖盲区。
具体地,通过图像处理计算深度衰落点的密度,若密度大则将区域标记为疑似覆盖盲区。
具体地,若疑似覆盖盲区持续时长为大于等于4小时保持在深度衰落状态,则将该疑似覆盖盲区域确认为信号覆盖盲区。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
(1)本发明直接利用运营商现有数据——用户终端反馈的信令数据,而不必工作人员专门检测,节省了大量的人力物力。
(2)本发明通过顺序加权计算用户的统计移动速度,通过该方式得到的用户的统计移动速度更加准确,有效提高了本方法的盲区覆盖检测的精度。
(3)本发明通过剔除无效的用户数据,使得运行的数据量锐减,盲区检测速度提高的同时精度得以提升。
(4)本发明采用相对衰减值来作为盲区覆盖检测的指标,排除了远近效应对信号强度的影响,使得盲区检测结果更具有说服力。
附图说明
图1为本发明实施例提供的一种无线网络覆盖盲区检测方法的流程图。
图2为本发明实施例提供的华中科技大学校园内覆盖盲区图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为本发明实施例提供的一种无线网络覆盖盲区检测方法的流程图。如图1所示,该方法包括以下步骤:
(1)根据用户终端反馈的信令数据确定用户位置和用户移动速度;
根据用户终端反馈的信令数据,用时间提前量(TA)+到达角(AOA)定位法确定用户位置。假定定位得到的用户位置为P1,P2,P3,…,与用户位置对应的上报时间为T1,T2,T3,…。根据用户相邻位置P1,P2所包含的AOA和TA数据,利用余弦三角函数可计算得到距离再根据时间差和距离计算用户在相邻位置之间移动的速度。例如,用户在P1和P2之间的移动速度为由于GSM定位的不准确性,若单独统计某两个点之间的移动速度,则结果将会受误差影响,参考意义不大。若对于单个用户的多个上报点,逐渐进行学习记忆并统计速度,最后给出的统计速度将会以较大的可能性反应用户的行为特征,为我们进行指标分析提供参考。所以采用顺序加权法来得到统计移动速度,减少误差。例如P1,P2,P3三个点的统计移动速度为:多个上报点的情形以此类推。
(2)剔除快速移动用户的用户数据;
若用户的平均移动速度>5m/s,则该用户属于快速移动用户。受多普勒效应影响,这些快速移动用户的数据没有参考价值,将其去掉。
(3)计算中低速用户信号的相对衰减值;
用户移动速度≤5m/s,分析覆盖盲点时,需要排除远近效应对信号强度的影响,因此,本方法中采用相对衰减值而不是绝对衰减值。
相对衰减值的计算方法为:相对衰减值=衰减值-路径损耗。
其中,衰减值等于用户终端发射功率和基站接收功率的差值,路径损耗可以根据城市奥村模型中的Hata公式计算。
Hata公式为:
S=69.55+26.16lg(f)-13.82lg(hb)-a(hm)+(44.9-6.55lg(hb))lg(d)
其中,f代表载波频率,hb表示基站的天线高度,hm表示终端用户的天线等效高度,d表示终端与基站之间的距离,a(hm)是与地形、地貌有关的修正因子。
(4)根据用户信号的相对衰减值确定深度衰落点,根据深度衰落点的分布确定疑似覆盖盲区;
将用户信号的相对衰减值大于运营商规定的最低网络衰减值的点视为深度衰落点。深度衰落点的分布可通过人工观察或者图像处理的方式确定。根据所确定的深度衰落点的位置数据,将该点在地图上标示出来;人工观察深度衰落点的分布,如果发现某一区域的深度衰落点汇聚在一起(两点之间的距离小于10米),则将区域标记为疑似覆盖盲区。根据所确定的深度衰落点的位置数据,将该点在地图上标示出来,通过图像处理计算深度衰落点的密度,若密度大则将区域标记为疑似覆盖盲区。
(5)若疑似覆盖盲区持续保持在深度衰落状态,则将该疑似覆盖盲区域确认为信号覆盖盲区。
在时间轴上观察疑似覆盖盲区相对衰减值的变化,在一定时长内范围内,如果疑似覆盖盲区一直保持在深度衰落状态(深度衰落是指相对衰减值大于运营商规定的最低网络衰减指标),则将该区域确认为信号覆盖盲区。
若疑似覆盖盲区持续时长为大于等于4小时保持在深度衰落状态,则将该疑似覆盖盲区域确认为信号覆盖盲区。
实施例:
将本发明一种无线网络覆盖盲区检测方法应用于华中科技大学校园内LTE网络覆盖盲区检测,其中用户终端反馈的信令数据来源于华中科技大学内的12座基站,将用户信号的相对衰减值大于最大相对衰减值的95%的点视为深度衰落点。图2为本发明实施例提供的华中科技大学校园内覆盖盲区图。其中,小点代深度衰落点,圆圈代表覆盖盲区。如图2所示,在12座基站的覆盖区域中共发现9个覆盖盲区,检测得到的覆盖盲区中心点坐标和实测RSRP值如表1所示。
区域编号 | (纬度,经度) | RSRP(dBm) |
1 | (30.518514,114.413668) | -97 |
2 | (30.514974,114.413053) | -100 |
3 | (30.513419,114.410407) | -109 |
4 | (30.516379,114.410371) | -114 |
5 | (30.515482,114.415212) | -110 |
6 | (30.51807,114.419718) | -115 |
7 | (30.515331,114.426141) | -110 |
8 | (30.416923,114.428664) | -112 |
9 | (30.51574,114.412668) | -106 |
表1
为了验证覆盖盲区的检测效果,我们在这9个覆盖盲区的中心位置进行了参考信号接收功率(RSRP)测量,测量结果如表1所示。该实验结果表明:实测得到的覆盖盲区中心位置的RSRP均低于-95dBm,有些甚至低于-105dBm,在LTE网络的覆盖强度等级中属于覆盖差的范畴。可见,本发明方法对于无线覆盖盲区检测的效果是理想的。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种无线网络覆盖盲区检测方法,其特征在于,包括以下步骤:
(1)根据用户终端反馈的信令数据确定用户位置和用户移动速度;
(2)剔除快速移动用户的用户数据;
(3)计算中低速用户信号的相对衰减值,相对衰减值的计算公式为:相对衰减值=衰减值-路径损耗;
其中,衰减值等于用户终端发射功率和基站接收功率的差值,路径损耗根据城市奥村模型中的Hata公式计算;
(4)根据用户信号的相对衰减值确定深度衰落点,根据深度衰落点的分布确定疑似覆盖盲区;
(5)若疑似覆盖盲区持续保持在深度衰落状态,则将该疑似覆盖盲区域确认为信号覆盖盲区。
2.如权利要求1所述的无线网络覆盖盲区检测方法,其特征在于,采用顺序加权法计算用户移动速度。
4.如权利要求1所述的无线网络覆盖盲区检测方法,其特征在于,用户的移动速度>5m/s,则该用户属于快速移动用户。
5.如权利要求1所述的无线网络覆盖盲区检测方法,其特征在于,将用户信号的相对衰减值大于运营商规定的最低网络衰减值的点视为深度衰落点。
6.如权利要求1所述的无线网络覆盖盲区检测方法,其特征在于,根据所确定的深度衰落点的位置数据,将该点在地图上标示出来,深度衰落点的分布通过人工观察或者图像处理的方式确定。
7.如权利要求6所述的无线网络覆盖盲区检测方法,其特征在于,人工观察深度衰落点的分布,如果发现某一区域的深度衰落点汇聚在一起,则将区域标记为疑似覆盖盲区。
8.如权利要求6所述的无线网络覆盖盲区检测方法,其特征在于,通过图像处理计算深度衰落点的密度,若密度大则将区域标记为疑似覆盖盲区。
9.如权利要求1所述的无线网络覆盖盲区检测方法,其特征在于,若疑似覆盖盲区持续时长为大于等于4小时保持在深度衰落状态,则将该疑似覆盖盲区域确认为信号覆盖盲区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810850046.0A CN108990095B (zh) | 2018-07-28 | 2018-07-28 | 一种无线网络覆盖盲区检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810850046.0A CN108990095B (zh) | 2018-07-28 | 2018-07-28 | 一种无线网络覆盖盲区检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108990095A CN108990095A (zh) | 2018-12-11 |
CN108990095B true CN108990095B (zh) | 2020-10-16 |
Family
ID=64552317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810850046.0A Active CN108990095B (zh) | 2018-07-28 | 2018-07-28 | 一种无线网络覆盖盲区检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108990095B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935732B (zh) * | 2020-09-09 | 2020-12-22 | 南京嘉环科技股份有限公司 | 识别网络覆盖结构空洞的方法、装置、计算机系统与服务器 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100372416C (zh) * | 2004-11-11 | 2008-02-27 | 北京邮电大学 | 一种用于无线市话网络中的盲区查找方法 |
CN101521901A (zh) * | 2008-02-25 | 2009-09-02 | 华为技术有限公司 | 一种检测盲区的方法、系统及设备 |
CN103155629B (zh) * | 2010-10-01 | 2016-08-24 | 日本电气株式会社 | 无线通信系统、方法、无线终端、无线站及运营管理服务器装置 |
CN102695157A (zh) * | 2011-03-23 | 2012-09-26 | 富泰华工业(深圳)有限公司 | 移动通信终端及其位置更新方法 |
KR101537890B1 (ko) * | 2014-01-29 | 2015-07-17 | 한국과학기술원 | 무선 네트워크에서 음영지역을 검출하는 방법 및 시스템 |
CN106060846A (zh) * | 2016-05-24 | 2016-10-26 | 北京雾联科技有限公司 | 基于移动终端测量的无线网络性能参数的采集和显示方法 |
-
2018
- 2018-07-28 CN CN201810850046.0A patent/CN108990095B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108990095A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9594149B2 (en) | Fingerprinting with radio channel related information | |
CN108243405B (zh) | 一种指纹库的建立方法、测量报告mr的定位方法及装置 | |
US10809350B2 (en) | Hybrid fingerprinting/OTDOA positioning techniques and systems | |
CN106879017B (zh) | 一种lte网络覆盖质量的判定方法及装置 | |
US8873408B2 (en) | Methods and apparatus for enhancing network testing procedures | |
JP6159321B2 (ja) | 無線ネットワークのカバレージ・エリア内で動作パラメータをマッピングする方法および装置 | |
CN106658399B (zh) | 一种基于手机用户位置指纹进行手机位置定位的方法 | |
EP2640116B1 (en) | Calibration method and device for coverage database | |
US9100926B2 (en) | Methods and apparatus to determine a base station location | |
US9686766B2 (en) | Location positioning using M2M ecosystem | |
CN103037504A (zh) | 采用观察的到达时间差对移动台进行定位的方法及设备 | |
CN107197518B (zh) | 一种确定终端位置的方法及装置 | |
CN108243447B (zh) | 一种外部干扰的定位方法及装置 | |
CN114449649B (zh) | 基于mro数据的干扰源定位方法及装置 | |
CN111246364A (zh) | 一种越区覆盖评估方法及装置 | |
KR20140102450A (ko) | 기지국 위치추정 시스템 및 이의 기지국 위치추정 방법 | |
Shrestha et al. | RSSI channel effects in cellular and WLAN positioning | |
CN108990095B (zh) | 一种无线网络覆盖盲区检测方法 | |
Zhu et al. | Maximum likelihood scheme for fingerprinting positioning in LTE system | |
CN106792777B (zh) | 一种越区覆盖检测方法和装置 | |
Shakir et al. | LTE geolocation based on measurement reports and timing advance | |
Gundlegård et al. | The smartphone as enabler for road traffic information based on cellular network signalling | |
CN110234163B (zh) | 用户终端的定位方法、装置、设备和介质 | |
US9817103B2 (en) | Position adjustment in mobile communications networks | |
Borralho et al. | Developing a LTE localization framework using real network data towards RAN optimization through context knowledge |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |