CN114286375B - 一种移动通信网络干扰定位方法 - Google Patents

Abstract

本发明公开了一种移动通信网络干扰定位方法，属于网外未知干扰源定位领域；首先，选取路测点进行反向射线跟踪，模拟从干扰源到各起点的信号传播轨迹，筛选相似轨迹；然后，将干扰源搜索区域划分成立体栅格，将栅格作为节点，将轨迹连续经过的两个栅格之间形成边，组成网络模型。根据栅格索引计算各节点的属性值构成初始节点集，按过滤规则将不可能成为干扰源的节点过滤掉，剩下候选节点集。计算每个候选节点的影响力以及每个节点对应的所有边的传播概率，在网络模型中进行影响力传播，并选择传播影响力最大的节点作为干扰源定位位置。本发明保证在达到较理想的定位精度的同时，减少人力物力的投入。

Description

一种移动通信网络干扰定位方法

技术领域

本发明属于网络传播影响力分析的网外未知干扰源定位领域，具体涉及一种移动通信网络干扰定位方法。

背景技术

近年来，4G、5G和无线专网等各类移动通信网络有了突飞猛进的发展，极大地便利了人们的生活。但是，随着移动通信技术的发展和移动网络规模的扩大，移动通信无线信号的传播环境也日趋复杂，无线信道中各种电磁信号对移动网络产生干扰，从而造成无线通信质量的整体下降，影响整个网络的服务质量和用户体验。

移动通信网中的干扰是影响通信服务质量的关键因素，按照干扰源和被干扰网络的关系，可分为网内干扰和网外干扰两种。网内干扰是指具有相同或相近的参数配置的网元设备对信号本身造成的干扰，例如同频干扰和邻频干扰，产生的原因是无线信道资源的有限性不能满足网络规模的不断增长；网外干扰是指不同网络下的网元设备之间造成的干扰情况。例如WLAN网络对于LTE网络造成的干扰，或者由网外独立干扰设备产生的干扰信号，如信号屏蔽器等设备。当这些不同的网元设备恰好具备一致或相似的信号频点时，就会产生杂散、阻塞或互调的干扰等。

针对上述两种不同类型的干扰，目前已有不同的处理方式：对于网内干扰，可以优化调整网元设备的配置参数，比如发射频率、功率和PCI参数等，目前的相关技术已较为成熟。对于网外干扰，可以通过路测扫频等方式发现干扰，然而由于干扰源的位置未知，因此快速定位干扰源位置是网外干扰分析工作中的最主要任务。只有确定干扰源的具体位置，才能采取相应的干扰排查处理措施，消除干扰对网络的影响。

目前，解决移动通信网络中的网外干扰定位主要采用两类方法：第一类方法是采用测试仪器仪表获取有关干扰源与测量接收点的各类无线测量信息，根据这些信息，采用各种自动定位算法推测出干扰源的位置。可利用的测量信息包含：到达角度(Angle ofArrival，AOA)，到达时间(Time of Arrival，TOA)和到达时间差(Time Difference ofArrival，TDOA)，接收信号强度(Received Signal Strength，RSS)，信道状态，相位幅度，天线阵列接收信号等。采用的定位方法/算法则有几何定位、指纹定位、矩阵补全、压缩感知、因子图、贝叶斯模型、深度神经网络等；第二类则是人工干扰定位排查方法，由网络测试维护人员在干扰发生区域，采用类似于无线测向的人工测试、逐步逼近方式，一步步地定位干扰源具体位置，但这种方式耗时费力。

但是，上述干扰排查定位时的方法应用于4G、5G和电力无线专网等大规模移动通信网络时，存在以下局限性：(1)在实际的移动通信网络维护、干扰定位排查应用场景下，网络维护测试人员日常使用的大都是扫频仪、路测终端等常规测试仪表，很少用到矢量信号分析仪器等复杂昂贵的仪器。测试采集到的无线信号测量信息主要是接收频率、信号强度、信载干比/信噪比等，据此进行干扰排查定位。而上述一些自动干扰定位算法所需要的测量数据(如信道状态信息CSI、天线阵列信号、天线阵列信号)无法方便、低成本地获得，导致这些方法无法便捷地应用于实际。(2)在复杂城区环境中，建筑物和地形地物造成无线信号非视距传播(NLOS)，如信号的反射、绕射，信号源与信号测量点间的直线距离与测量点接收到的无线信号的信号强度、到达时间、信噪比等测量指标间呈现严重非线性关系。前述几何定位、矩阵补全、压缩感知等自动干扰定位算法，会带来较大的定位误差。

因此，面对密集城区复杂无线传播环境，考虑无线信号非视距传播特性，利用常规无线测量设备提供的接收信号强度等无线测量信息，快速准确地自动定位移动通信网络内的无线干扰源位置，降低人力物力投入，提高网络干扰排查的工作效率是一个亟待解决的问题。

参考文献(如专利/论文/标准)：

[1]Wang Y,Wang S,Deng Y.A modified efficiency centrality to identifyinfluential nodes in weighted networks[J].Pramana,2019,92(4):68.

[2]Beni H A,Bouyer A.TI-SC:top-k influential nodes selection based oncommunity detection and scoring criteria in social networks[J].Journal ofAmbient Intelligence and Humanized Computing,2020:1-20.

[3]Zareie A,Sheikhahmadi A,Jalili M.Influential node ranking insocial networks based on neighborhood diversity[J].Future Generation ComputerSystems,2019,94:120-129.

[4]Zareie A,Sheikhahmadi A,Khamforoosh K.Influence maximization insocial networks based on TOPSIS[J].Expert Systems with Applications,2018,108:96-107.

[5]Miao W,Ye W,Yin J,et al.Coverage Analysis in TD-LTE WirelessPrivate Networks for Power Systems:A 3D Ray-Tracing Approach[C]//2018IEEEInternational Conference on Big Data and Smart Computing(BigComp).IEEEComputer Society,2018.

[6]Wang Y,Cong G,Song G,et al.Community-based greedy algorithm formining top-kinfluential nodes in mobile social networks[C]//Proceedings ofthe 16th ACM SIGKDD international conference on Knowledge discovery and datamining.2010:1039-1048.

发明内容

本发明面向密集城区复杂无线传播环境，针对已经部署运营的移动通信网络，考虑环境中坡地、山地等地形和建筑物等地物对象，造成的无线信号非视距传播(反射、绕射、衍射)对干扰定位精度的影响和空间上邻近位置之间的互相影响，提出一种移动通信网络干扰定位方法；采用反向射线跟踪分析干扰信号的传播路径，基于网络传播分析技术自动定位网络干扰源，保证在达到较理想的干扰定位精度的同时，减少路测、扫频的人力物力投入。

所述的移动通信网络干扰定位方法，具体步骤如下：

步骤一、从扫频路测点集RTSet＝{sp}中选取部分路测点，组成反向射线跟踪起点集

选取的路测点应满足：路测点处测得的信号强度sp.recp不能低于-85dbm；路测点附近的障碍物，限制以路测点为中心的15m*15m矩形范围内建筑物数量不能大于3；路测点的分布应尽量分散，设定各路测点两两之间的距离应大于60m。

步骤二、从反向射线跟踪起点集SPSet中的各个点sp_i出发，进行反向射线跟踪，模拟从干扰源到各起点sp_i的信号传播轨迹tk_i，从而生成反向射线传播轨迹集TrajSet＝{tk_i}。

步骤三、对轨迹集TrajSet中传播轨迹相似的多条轨迹进行筛选，只保留一条具有代表性的传播轨迹，去除其他冗余轨迹。

当两条轨迹具有以下特征时，则该两条轨迹为相似轨迹；具体为：

1)具有相同的起点和终点栅格；2)具有相同的绕反射次数；3)每次绕反射的碰撞点均位于相同建筑物。

对于相似轨迹，保留路径损耗最小的轨迹作为代表性的主路径传播轨迹；

步骤四、将干扰源搜索区域划分成大小为C_i×C_i×C_h的立体栅格，针对筛选后的每条轨迹，确定其经过的立体栅格，并记录相邻栅格的轨迹连接集；

具体为：针对每条轨迹，逐一确定其经过的各立体栅格，若某立体栅格有轨迹经过时，则称该栅格覆盖了此轨迹；否则，称该栅格未覆盖此轨迹；统计每个栅格覆盖的轨迹信息，并建立栅格索引数据结构Info_gt对各栅格覆盖的轨迹信息进行保存。

同时，若一条轨迹连续经过了栅格p和栅格q，将该段轨迹保存至连接数组tgcnt_pq中，该数组记录了两个相邻栅格的轨迹总数及轨迹的类型分布。

所有连接数组组成轨迹连接数据集TgCon＝{tgcnt_pq}

步骤五、将每个立体栅格作为一个节点，节点的位置即为立体栅格的中心位置，将轨迹连续经过的两个栅格对应的节点之间形成一条边；节点和边组成整个干扰源搜索区域的网络模型。

各节点具有与立体栅格覆盖射线信息相同的属性。数组tgcnt_pq视为连接节点p和节点q的边信息，包括边包含的射线数和射线类型分布；边包含的射线数等同于连接该边两端节点的轨迹数，射线类型等同于包含此射线的轨迹类型。

步骤六、根据栅格索引数据Info_gt，计算网络模型中各节点相关的各项属性值；

属性值包括可达起点数、覆盖的射线数和综合干扰信号差值等。

可达起点是指：若某一节点a与某一反向跟踪起点b对应的栅格覆盖了同一轨迹，则称该反向跟踪起点b为节点a的可达起点。

覆盖的射线数是指：经过该节点的轨迹数量；

节点V_i的综合干扰信号差值V_i.CISDif，计算公式如下：

其中TPSet为节点V_i的可达起点组成的集合；N为集合TPSet的两两组合数，取值为traj_i为从起点sp_i出发，到达节点V_i的传播损耗最小的轨迹；traj_j为从起点sp_j出发，到达节点V_i的传播损耗最小的轨迹。

步骤七、将网络模型中的所有节点构成初始节点集OriVSet，按过滤规则将不可能成为干扰源的节点过滤掉，剩下的节点生成候选节点集CanVSet。

过滤规则包含：

1)将反向跟踪起点周围的，距反向跟踪起点的距离小于等于60m内的节点过滤掉；

2)将可达起点数小于等于反向跟踪起点总数的50％的节点过滤掉；

3)将强信号路径占比Ratio_Sray≤25％的节点过滤掉；

节点的强信号路径占比计算公式如下：

Ratio_Sray＝ray_d/ray_sum

其中ray_d为节点覆盖的直射路径数，ray_sum为节点覆盖的全部路径数。

步骤八、计算候选节点集CanVSet的每个节点的影响力以及每个节点对应的所有边的传播概率；

节点V_i的影响力计算公式为：

f₁(V_i)表示节点V_i的可达起点数，f₂(V_i)表示节点V_i覆盖的射线数、f₃(V_i)表示节点V_i综合干扰信号差值，w_k为各属性对应的权重。

经过节点V_i的边W_ij的传播概率为：

W_ij·num表示该边包含的射线总数，ConRay_max表示网络模型中所有边包含的射线数中的最大值；β为调节网络权重的参数。

步骤九、针对候选节点集CanVSet中的每个节点，以其作为种子节点在网络模型中进行影响力传播，并选择传播影响力最大的节点作为干扰源定位位置。

具体地，针对当前种子节点V_i，以传播概率W_ij·prob影响对应的邻居节点V_j，邻居节点V_j后续同样以传播概率W_jp·prob影响其邻居节点V_p，以此类推，直至达到设置的传播深度结束。

统计本次传播过程中种子节点V_i所有影响的节点，计算所有被影响节点的影响力之和，作为种子节点的传播影响力V_i·tinf。

同理，将候选节点集CanVSet中的每个种子节点均按上述过程进行影响力传播，得到各自的传播影响力。

最终，从所有传播影响力中选择最大值对应的种子节点作为干扰源定位位置。

本发明的优点在于：

1)、一种移动通信网络干扰定位方法，基于网络传播影响力分析网外未知干扰源定位，保证在达到较理想的定位精度的同时，减少人力物力的投入。

2)、一种移动通信网络干扰定位方法，本发明考虑到了多个信号传播的相关指标，同时兼顾了相邻位置之间的联系，进一步提升了定位精准度。

附图说明

图1为本发明一种移动通信网络干扰定位方法的流程图；

图2为本发明基于网络传播影响力分析的干扰源定位图；

图3为本发明所示界定干扰源探测区域图；

图4为本发明所示反向射线跟踪流程图；

图5为本发明所示网络影响力建模过程图；

图6为本发明所示节点过滤算法流程图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图和实例对本发明作进一步的详细描述。

本发明面向密集城区，针对投入使用的TD-LTE网络，在干扰搜索区域内存在坡地和建筑物等不规则地形地物，导致干扰信号在传播过程中与地形地物相碰撞，存在直射、反射或绕射等多种情况，同一测量点可能接收到来自干扰源的多条路径，即信号的传播存在多径现象。考虑到环境的复杂性对信号传播带来的影响，从实际信号传播的角度考虑，本发明提出一种移动通信网络干扰定位方法，从广分布少遮挡的强信号路测点出发，模拟干扰信号的传播轨迹，通过分析这些路径分布及传播损耗，将干扰搜索区域中的栅格和信号轨迹建模，提出以传播影响力指标作为干扰源定位的标准，设计了网络影响力传播模型进行影响力传播，最终通过判别节点的传播影响力大小实现干扰源定位。

所述的移动通信网络干扰定位方法，如图1所示，具体步骤如下：

步骤一、从扫频路测点集RTSet＝{sp}中选取部分路测点，组成反向射线跟踪起点集

由于干扰源定位需要的模拟干扰信号由反向射线跟踪起点生成，而反向射线跟踪起点由路测点从中挑选；为了确保生成的模拟干扰信号更加精确，保证后续干扰定位阶段的精准度，需要依照设定条件对扫频路测点集RTSet＝{sp}中选取部分路测点sp_i，选取的路测点应满足：路测点处测得的信号强度sp.recp不能低于-85dbm；路测点附近的障碍物，限制以路测点为中心的15m*15m矩形范围内建筑物数量不能大于3；路测点的分布应尽量分散，设定各路测点两两之间的距离应大于60m。

步骤二、从反向射线跟踪起点集SPSet中的各个点sp_i出发，进行反向射线跟踪，模拟从干扰源到各起点sp_i的信号传播轨迹tk_i，从而生成反向射线传播轨迹集TrajSet＝{tk_i}。

步骤三、对轨迹集TrajSet中传播轨迹相似的多条轨迹进行筛选，只保留一条具有代表性的传播轨迹，去除其他冗余轨迹。

两条轨迹具有相似传播行为的判定规则包括：

1)具有相同的起点和终点栅格；2)具有相同的绕反射次数；3)每次绕反射的碰撞点均位于相同建筑物。

对于每个具有相似传播行为的轨迹集，保留其中路径损耗最小的轨迹作为主路径，避免过多的相似路径数据造成定位干扰。

步骤四、将干扰源搜索区域划分成大小为C_i×C_i×C_h的立体栅格，针对筛选后的每条轨迹，确定其经过的立体栅格，并记录相邻栅格的轨迹连接集；

在反向发射信号之前，先采用均匀栅格，KD树等加速结构，对干扰源定位区域内的建筑物和凹凸地形等进行建模，并将空间结构进行记录，从而构建信号传播时的空间环境；进一步通过分析TrajSet被栅格的覆盖情况，得到栅格索引数据Info_gt。

具体为：针对每条轨迹，逐一确定其经过的各立体栅格，若某立体栅格有轨迹经过时，则称该栅格覆盖了此轨迹；否则，称该栅格未覆盖此轨迹；

统计每个栅格覆盖的轨迹信息，并建立栅格索引数据结构Info_gt对各栅格覆盖的轨迹信息进行保存。

同时，若一条轨迹连续经过了栅格p和栅格q，将该段轨迹保存至连接数组tgcnt_pq中，该数组记录了两个相邻栅格的轨迹总数及轨迹的类型分布。

所有连接数组组成轨迹连接数据集TgCon＝{tgcnt_pq}

步骤五、将每个立体栅格作为一个节点，节点的位置即为立体栅格的中心位置，将轨迹连续经过的两个栅格对应的节点之间形成一条边；节点和边组成整个干扰源搜索区域的网络模型。

对整个干扰源搜索区域进行网络建模，包括若干节点和连接节点的边，节点与立体栅格的对应关系为：对于每一个立体栅格，在网络中存在唯一的节点与之对应，该节点的位置即为立体栅格的中心位置，且该节点具有与立体栅格覆盖射线信息相同的属性。若任一轨迹连续经过两个栅格，则在两个栅格对应的节点之间形成一条边；数组tgcnt_pq视为连接节点p和节点q的边信息，包括边包含的射线数和射线类型分布；边包含的射线数等同于连接该边两端节点的轨迹数，射线类型等同于包含此射线的轨迹类型。

步骤六、根据栅格索引数据Info_gt，计算网络模型中各节点相关的各项属性值；

属性值包括可达起点数、覆盖的射线数和综合干扰信号差值等。

可达起点是指：若某一节点a与某一反向跟踪起点b对应的栅格覆盖了同一轨迹，则称该反向跟踪起点b为节点a的可达起点。

覆盖的射线数是指：经过该节点的轨迹数量；

节点V_i的综合干扰信号差值V_i.CISDif，计算公式如下：

其中TPSet为节点V_i的可达起点组成的集合；N为集合TPSet的两两组合数，取值为traj_i为从起点sp_i出发，到达节点V_i的传播损耗最小的轨迹；traj_j为从起点sp_j出发，到达节点V_i的传播损耗最小的轨迹。

步骤七、将网络模型中的所有节点构成初始节点集OriVSet，按过滤规则将不可能成为干扰源的节点过滤掉，剩下的节点生成候选节点集CanVSet。

过滤规则包含：

1)将反向跟踪起点周围的，距反向跟踪起点的距离小于等于60m内的节点过滤掉；

2)将可达起点数小于等于反向跟踪起点总数的50％的节点过滤掉；

3)将强信号路径占比Ratio_Sray≤25％的节点过滤掉；

节点的强信号路径占比计算公式如下：

Ratio_Sray＝ray_d/ray_sum

其中ray_d为节点覆盖的直射路径数，ray_sum为节点覆盖的全部路径数。

步骤八、计算候选节点集CanVSet的每个节点的影响力以及每个节点对应的所有边的传播概率；

节点V_i的影响力计算公式为：

f₁(V_i)表示节点V_i的可达起点数，f₂(V_i)表示节点V_i覆盖的射线数、f₃(V_i)表示节点V_i综合干扰信号差值，w_k为各属性对应的权重。

经过节点V_i的边W_ij的传播概率为：

W_ij·num表示该边包含的射线总数，ConRay_max表示网络模型中所有边包含的射线数中的最大值；β为调节网络权重的参数。

步骤九、针对候选节点集CanVSet中的每个节点，以其作为种子节点在网络模型中进行影响力传播，并选择传播影响力最大的节点作为干扰源定位位置。

具体地，针对当前种子节点V_i，以传播概率W_ij·prob影响对应的邻居节点V_j，邻居节点V_j后续同样以传播概率W_jp·prob影响其邻居节点V_p，以此类推，直至达到设置的传播深度结束。

统计本次传播过程中种子节点V_i所有影响的邻居节点，计算所有邻居节点的影响力之和，作为种子节点的传播影响力V_i·tinf。

同理，将候选节点集CanVSet中的每个种子节点均按上述过程进行影响力传播，得到各自的传播影响力。

最终，从所有传播影响力中选择最大值对应的种子节点作为干扰源定位位置。

本发明首先采用反向射线跟踪技术模拟干扰源的干扰信号传播路径，其次经过传播路径分析，将整个定位区域和信号传播路径建模为网络；具体通过将干扰源搜索区域进行栅格划分及生成栅格-路径索引数据，将栅格与网络中的节点和边进行对应，并为节点和边的各项属性值制定相应的求解规则；其后对节点和边设定规则进行冗余过滤，最终完成网络建模。

具体过程包括以下几个阶段：

第一阶段：生成反向射线跟踪起点集SPSet＝{sp_i}；

第二阶段：由反向射线跟踪起点模拟发出干扰信号的传播路径；

第三阶段：分析传播路径，结合栅格覆盖的路径数据，完成网络建模。

主要步骤如下：

第一步、对栅格索引数据Info_gt进行过滤，以减少网络建模用时并提高干扰源定位精度。通过对传播路径相似的多条路径进行筛选，只保留一条具有代表性的传播路径，去除其他冗余路径。

第二步、网络节点建模。

对于网络中的节点V_i，建立其与干扰源定位区域栅格之间的联系，并根据对栅格索引数据Info_gt的路径分析，计算得出节点V_i相关的各项属性值，从而生成初始候选节点集OriVSet。

第三步、网络边W建模。

对于网络中的边W_ij，建立其与区域中连接节点的各条信号传播轨迹之间的联系，并根据对栅格索引数据Info_gt的路径分析，计算得出W_ij相关的各项属性值。

第四步、针对初始候选节点集OriVSet进行过滤，减小节点集规模以加快后续影响力传播过程并提高定位精度。

对于OriVSet，设定节点属性相关的过滤规则，过滤掉基本不可能作为干扰源的若干节点，生成候选节点集CanVSet。

然后，针对建模后的网络，提出了影响力传播模型，综合考虑实际场景下信号的传播情况和相邻节点的影响，制定了对应的传播规则和传播影响力求解规则，最终通过各节点的传播影响力大小确定干扰源的定位位置。

具体为：

针对候选节点集CanVSet中的每个节点V_i，以其作为种子节点在网络中进行影响力传播，传播概率由边的传播概率属性W.prob确定，该属性通过在网络建模部分计算得出。经过一轮完整的影响力传播过程后，可以计算得出该种子节点最终的传播影响力大小V_i·tinf。最终从所有候选节点中确认传播影响力最大的节点作为干扰源定位位置。

实施例：

下面以TD-LTE网络为例，但本发明所述的定位方法同样适用于其他移动蜂窝网络，如FDD-LTE、WCDMA，以及电力无线专网、集群系统等无线专网。

首先将干扰源搜索区域划分成大小为C_i×C_i×C_h的立体栅格，将干扰源定位问题转换为定位干扰源所在栅格的问题，完成网络建模之后，建立起节点与栅格的一一对应关系，后续所有涉及到的干扰定位都是基于节点完成。当反向射线跟踪产生的射线tk_i∈TrajSet经过1个栅格时，称该栅格覆盖射线tk_i。

如图2所示，选取的反向射线跟踪起点为sp_i(i＝1,2,3,4,5,6)，建筑物为Bd_i(i＝1,2,3,4)，虚线为由反向射线跟踪起点sp_i发出的模拟干扰信号传播生成的反向跟踪射线，并组成干扰信号传播路径，五角星Insp为实际干扰源点，正方形CanV_i(i＝1,2,3)为经过筛选后所得到的干扰源候选节点位置，组成干扰源候选位置集合CanVSet＝{CanV₁,CanV₂,CanV₃}。

图2中经过3个干扰源候选位置CanV_i射线都比较密集，但这3个节点所覆盖的射线的信号强度、路径损耗信息不同。通过分析节点覆盖的射线信息，利用影响力传播模型，从候选节点集合CanVSet里定位到目标干扰源节点targV，以targV的中心点作为干扰源位置。由于CanV₂在三个候选节点里具有最大的传播影响力，因此定位结果节点是CanV₂，其中心点距离Insp较近，定位结果较理想。

基于网络传播影响力分析的网外干扰源定位包括以下7个步骤。

步骤1，界定干扰源搜索范围，生成三维无线信号传播环境

如图3所示，根据移动通信网网络覆盖区域A_o内网管系统提供的基站干扰统计信息(如底噪、PRB干扰)、先期得到的路测扫频分析结果和用户投诉等信息确定区域A_o内出现干扰的位置，进而划定干扰源探测范围；

具体为：首先，根据基站干扰统计信息评估被干扰小区/基站的被干扰程度，筛选被干扰程度超过干扰阈值thld_eint的小区/基站，将其放入被干扰点集InPSet中。

然后，分析路测扫频数据，从中筛选出干扰信号强度超过干扰阈值thld_eint的扫频路测点，将其放入被干扰点集InPSet中。

接着，根据用户投诉数据，分析投诉点位置和干扰严重程度，从而确定网络内被严重干扰的位置点，将其放入到被干扰点集InPSet中。

最后，根据InPSet中各干扰点位置，构造矩形包围盒A₁，并向四周扩展设定距离sd，得到矩形A，即为干扰源探测区域。

由于发射起点发出的射线在传播过程中会与环境中的凹凸地形产生碰撞，因此为了模拟出实际射线与真实环境可能产生的碰撞，需要对三维环境中存在的障碍物进行表示和存储，即进行三维环境模拟生成。以干扰源探测区域A为例，通过人为构建均匀栅格加速结构对整个区域A的空间环境进行记录。

具体的构造和表示过程如下：

第一步、将区域A的三维空间等分为大小为C_i×C_i×C_h的长方体，每个长方体称作一个栅格Tg_i；将区域A的地面等分为大小C_i×C_i的方形区域；为了通过栅格编号i表示其所在位置，需要建立编号i与三维空间坐标之间的关系。以区域A中具有最大经纬度的点O作为坐标原点，则O(0,0,0)。从点O向立方体区域A的长宽高三个方向分别进行延伸，建立x-y-z三维坐标系，建立栅格Tg_i的编号i与其中心点坐标(Tg_i·x,Tg_i·y,Tg_i·z)之间的转换规则：

α:i→(Tg_i·x,Tg_i·y,Tg_i·z),β:(Tg_i·x,Tg_i·y,Tg_i·z)→i

第二步、对包含区域A地形高度的模型数据进行处理，将其矢量化、三角化后得到若干三角形数据，每个三角形数据为其分配一个唯一编号tri_i，利用三角形数据即可对凸起地形等进行表示。

对于建筑物，首先获取区域A的地图数据，进而获取建筑物数据；然后对建筑物进行表示，对于每个建筑物，对应唯一的编号bd_i，将建筑物统一视为不规则多面柱体，则只需保存每个建筑物的底面各顶点坐标及其高度即可。

第三步、栅格加速信息生成。为了在后续射线传播阶段更快地判断与障碍物的碰撞情况，减少碰撞检测复杂度，需要对建筑物和地形信息进行统一表示。

对于每个栅格Tg_i，若其地面投影与建筑物bd_j的底面相交或被底面包围，则将bd_j加入栅格Tg_i的加速信息结构Tg_i·acSet中。同理对于凸起地形，若栅格Tg_i地面投影被tri_k包围或与之相交，则将tri_k加入栅格Tg_i的加速信息结构Tg_i·acSet中。

经过上述步骤，完成了三维无线信号传播环境的模拟生成，同时对环境信息进行记录和表示，以加速后续射线传播过程。

步骤2，分析地形地物环境信息，生成初始测量点

经过上一步三维无线信号传播环境模拟生成后，针对已经建立的区域A环境信息，进行初始测量点的选取，并规划路测生成测量点的相关数据。

具体过程如下：

第一步、在选取测量点时，由于未知干扰源的具体位置，考虑到信号测量设备的限制，区域A中的每一点都有可能作为干扰源的情况下，其应该在测量设备的有效覆盖区域内。若测量设备具有有效测量半径r，对区域A内任一点p，需满足dis(p；sp)≤r的sp至少有两个，以满足后续定位的精度需求；经过该步骤即生成初始测量点集RTSet＝{sp}。

第二步、规划测量轨迹。针对第一步中获取的测量点位置，规划测量设备的行进轨迹。首先应保证测量轨迹能覆盖到RTSet中所有测量点，其次应尽量减少测量轨迹的总长度，以减小人力物力消耗。

第三步、记录测量点相关信息。根据测量轨迹进行实地测量，并记录在每个测量点sp_i位置得到的测量数据，包括当前时间，信号强度sp_i·recstr和频段等，同时获取测量点处的经纬度，并将上述各项数据记录到测量点对应的属性字段中。

步骤3，选取部分信号发射起点，发射初始射线；

步骤3.1，按照一定规则对初始测量点集RTSet进行筛选，选取生成最终的信号发射起点集SPSet。

核心原则是利用发射起点更精确地模拟实际干扰源发出的强干扰信号。根据这一原则，首先，发射起点处测得的信号强度不能过小，否则说明经由干扰源到达该点信号传播损耗过大，接收的强干扰信号数基本为零。其次，发射起点附近的障碍物不能过多，否则传播过程会产生过多的碰撞，导致弱信号数量过多，从而影响定位精度。最后，为减小冗余信号轨迹，提高后续定位效率，发射起点应尽量分散。

具体的测量点筛选过程如下：

第一步、初始化集合SPSet＝{φ}，并设置信号强度阈值sigstr_min，对于每一个sp_i∈RTSet，若满足sp_i·recstr≥sigstr_min，则更新SPSet：将sp_i加入到集合SPSet中。

第二步、设置扫描半径r_scan，以每个sp_i∈RTSet为起点向四周模拟发出长度为r_scan的射线。若较大角度范围的射线与建筑物或地形发生了碰撞，则认为sp_i被障碍物包围，否则更新SPSet：将sp_i加入到集合SPSet中。

第三步、设置最短距离dis_min和最小面积area_min。更新SPSet：筛选SPSet中的发射点，使得保留的所有点满足：1)对于任意两点sp_i,sp_j∈SPSet；i≠j，其距离d(sp_i,sp_j)≥dis_min；2)对于任意三点sp_i,sp_j,sp_k∈SPSet；i≠j≠k，其构成的三角形面积S(sp_i,sp_j,sp_k)≥area_min。

步骤3.2针对信号发射起点集SPSet，模拟生成可能的干扰源信号轨迹。

考虑发射起点sp_i，其可能收到来自干扰源的直射信号和非直射信号，因此在发射初级射线时分为两部分：对于直射信号部分，从sp_i向定位区域A的四周与顶部边界发射；对于非直射信号部分，从sp_i向区域A内的建筑物表面发射。

使用结构Pseq＝{＜pinf＞}对一条完整的传播路径中各段射线端点进行记录；＜pinf＞表示一条路径从起点sp_i到各个反射、绕射点，以及终点组成的有序点集。具体属性包括每个点的坐标和类型。

使用结构PathSet＝{＜ray＞}记录一条完整传播路径中各段射线的信息，＜ray＞表示路径中从起点到终点传播时各段射线的有序序列；具体属性包括射线的类型、级别、长度、衰减程度等。

对于从sp_i发出的初级射线，添加sp_i信息至＜pinf＞中，包括其位置信息和信号强度，以此进行后续射线追踪过程。

步骤4，分析射线传播轨迹，生成信号传播路径

针对生成的初级射线，进行后续的射线轨迹追踪过程。如图4所示，具体的步骤如下：

第一步、对于当前射线ray_i，分析其传播路径，若从区域A边界部分直接射出，则该射线追踪过程终止。计算射出时的交点fp，即ray_i的终点坐标信息并添加到＜pinf＞中。此时Pseq集合中保存了一条完整的由某个发射起点sp_k出发到交点fp终止的信号轨迹，并转到第五步；若射线没有从边界射出，转到第二步。

第二步、对于当前射线ray_i，判断其是否衰减过度；计算当前ray_i的射线级数N，对于预设的最大碰撞次数cracnt_max，若N＞cracnt_max，说明信号强度已损失过大，不再追踪后续传播过程，转到第五步，否则转到第三步。

第三步、对于当前射线ray_i以及其目前所处的栅格Tg_j，判断ray_i是否与Tg_j中的地形地物发生碰撞。

具体地，遍历栅格Tg_j的加速信息结构Tg_j·acSet中记录的所有建筑物bd_i和地形tri_i数据，并与射线ray_i进行碰撞检测。若ray_i与建筑物或凸起地形表面相交，则记录相交点crop的位置信息，转到第四步。否则继续追踪射线轨迹到达下一个栅格，并转到第二步。

第四步、针对相交点crop的位置信息，得出射线ray_i进行反射还是绕射。若crop位于多边形的表面，则判定ray_i发生反射，记录crop相关的反射信息并添加至＜pinf＞。生成下一级反射线ray_i+1，ray_i+1的传播方向由ray_i的传播方向和碰撞表面数据计算得出，并对反射线ray_i+1继续进行追踪，回到第二步。若crop位于多边形的棱边，则判定ray_i发生绕射，记录crop相关的绕射信息并添加至＜pinf＞。生成下一级绕射线ray_i+1，与反射线同理得出ray_i+1的传播方向，并对绕射线ray_i+1继续进行追踪，回到第二步。

第五步、根据Pseq中的＜pinf＞数据，逐条构建从发射点sp_i发出的信号轨迹中的各段射线ray₀，ray₁，…，ray_k。构建时需记录各段射线的起终点位置，所属级数和反射/绕射损耗系数。各段射线数据共同构成一条由sp_i发出的完整信号路径＜ray＞。

针对发射起点集SPSet中的所有发射起点sp_i，通过Pseq中的＜pinf＞数据生成所有从sp_i发射的信号传播路径，并最终构成所有路径集合PathSet＝{＜ray＞}。

利用所有的传播信号路径数据＜ray＞构建栅格-路径索引Info_gt：计算过程为利用＜ray＞中各段射线传播的方向逐个访问经过的栅格Tg_i，从而获取每个栅格Tg_i覆盖的射线信号源点，传播损耗等信息，记录到索引结构Info_gt中。

步骤5，分析传播路径分布，完成影响力网络建模

本发明核心在于通过将整个干扰源搜索区域内划分的栅格和生成的路径轨迹进行网络建模，并赋予网络中的节点一定的影响力。再利用影响力传播模型对网络进行影响力传播，从而计算出每个节点经过传播后造成的影响力之和，并从中挑选出传播影响力最大的节点作为定位的干扰源所在节点。

前述步骤中已经完成了栅格划分，并利用反向射线跟踪模型对干扰信号的传播进行模拟，生成了若干信号传播路径；进一步对传播路径进行了分析，建立了栅格-路径索引Info_gt。

步骤5.1本发明将干扰源搜索区域中的栅格和路径轨迹视为网络G＝(V,W)，其中节点V对应栅格Tg，边W对应连接两节点的路径tk簇。在网络建模包括后续影响力传播步骤中，节点和栅格是等价的。

如图5所示，对于栅格Tg_i(i＝1,2,...,9)，将其一一对应为网络中的节点V_i(i＝1,2,...,9)，同时栅格自身的信号传播的相关属性被转换为网络节点的影响力属性。对于射线轨迹tk_i，若其在传播时连续经过了两个相邻栅格Tg_i和Tg_j，则在网络中构成节点V_i和V_j之间的一条边W_i,j，每条边只会被构建一次，且一条边对应的轨迹数目转换为该边对应的权重。

具体对应关系如下：

对于干扰源搜索区域A中的每个栅格Tg_i，其唯一对应一个网络G中的节点V_i。对于任一节点V_i，其在网络G中具有一定的影响力V_i·w，该影响力是其节点自身所对应的栅格所覆盖路径信息的量化值，直观上看，影响力越大说明该节点在网络中占据更核心的位置。具体由节点V_i的可达起点数V_i·AvaNum，覆盖的强信号路径数V_i·StrajNum和综合干扰信号差值V_i·CISDif三部分构成。

栅格的综合干扰信号差值指该栅格接收到来自多个不同的路测点发来的反向跟踪射线，统计由两两路测点发来的射线反向推导得到的栅格发射功率差值之和，由于栅格和节点的对应性，等同于节点的综合干扰信号差值。基于综合干扰信号差值定义，计算CanVSet中每个节点的综合干扰信号差值的伪代码如下，计算结束后可以通过V_i·ploss访问节点V_i的综合干扰信号差值：

计算CanVSet所有节点的综合干扰差值的伪代码过程为：

输入：栅格-路径索引Info_gt和干扰源候选位置集合CanVSet；

输出：节点的综合干扰差值集合CISDifset；

首先，初始化CISDifset；对集合CanVSet中每个节点V_i，统计节点V_i的可达起点组成的集合tmpSet；初始化diff_ploss:＝0；

对集合tmpSet中任意两个不同的起点sp_i和sp_j，分别计算起点sp_i和sp_j到达节点V_i的传播损耗最小的信号传播路径traj_i与traj_j；并更新diff_ploss+＝Abs(str(V_i|traj_i)-str(V_i|traj_j))；直至得到CISDifset.Add(V_i,diff_ploss)输出。

对于网络G中任意两个节点V_i和V_j，如果它们对应的栅格在空间上相邻并覆盖了至少一条相同路径，那么称节点V_i和V_j相邻，并且有一条边w_i,j连接V_i和V_j。对于边w_i,j，其具有属性w_i,j·num和w_i,j·prob，其中w_i,j·num表示连接节点V_i和V_j的路径条数，w_i,j·prob表示后续影响力传播阶段中节点V_i和V_j之间的传播概率。尽管实际生成的信号传播路径具有方向性，但由于影响力传播时相邻节点可以互相传播，因此网络G是无向的，即w_i,j和w_j,i是等价的。

步骤5.2考虑到最终生成的信号传播路径过多，需对具有相似传播行为的路径进行筛选，最终保留一条具有代表性的主路径。具体的主路径筛选过程如下：

第一步、初始化临时主路径索引TmepInfo_gt为空，将干扰源搜索区域的地面部分划分成R_l*R_w的矩形块，将栅格-路径索引Info_gt中路径的终点投影在地面上，则投影点位于同一矩形块的两条路径具有相同的终点。

第二步、针对Info_gt中的每条路径tk_i。若已经遍历所有路径，转到第五步。若在TmepInfo_gt中找到与其具有相同起点和终点的路径tk_j，则进入第三步，否则更新TmepInfo_gt，将tk_i加入并转到第二步。

第三步、若tk_i与tk_j具有相同的绕反射次数，则转入第四步，否则更新TmepInfo_gt，将tk_i加入并转到第二步。

第四步、若tk_i与tk_j发生碰撞的建筑物序列不完全一致，则更新TmepInfo_gt将tk_i加入并转到第二步。否则，若tk_j的路径损耗比tk_i小，转到第二步，若tk_i的路径损耗更小，则用tk_i路径覆盖tk_j的数据。转到第二步。

第五步、更新Info_gt:＝TmepInfo_gt。

步骤5.3经过上述路径筛选后，去除了部分冗余路径，减小了其对后续网络建模阶段造成的误差，同时节约了建模时间。

具体的网络建模过程如下：

第一步、利用栅格-路径索引Info_gt计算候选节点集CanV每个节点V_i对应栅格的可达起点数V_i·AvaNum，覆盖的强信号路径数V_i·StrajNum和综合干扰信号差值V_i·CISDif。

第二步、分别统计所有栅格覆盖的可达起点数的最大值AvaNum_max和中位数AvaNum_mid，覆盖的强信号路径数的最大值StrajNum_max和中位数StrajNum_mid，综合干扰信号差值的最小值CISDif_min和中位数CISDif_mid。

第三步、利用前两步的计算结果，得出影响节点V_i权重V_i·w的各个影响因子的计算公式：

其中f₁(V_i)为影响因子可达起点数的计算函数，f₂(V_i)为影响因子强信号路径覆盖数的计算函数，f₃(V_i)为影响因子综合干扰信号差值的计算函数。

第四步、根据三个影响因子的重要程度，分别为其设置相应的权重系数w_k，得出最终的节点V_i权重V_i·w计算公式如下：

第五步、对于节点V_i和节点V_j之间的边W_ij。遍历栅格-路径索引Info_gt数据，每有一条信号传播路径tk_i连续经过V_i和V_j，则更新W_ij·num的值加一；遍历结束后得到所有边代表的射线连接数。

第六步、求解网络中所有边代表的连接射线数的最大值ConRay_max，对于所有边，以W_ij为例，其表示的传播概率W_ij·prob计算方式如下：

其中参数β用于调节网络中所有边的传播概率大小趋向，若因此导致概率大于1，则传播概率置为1。

步骤6，采用网络影响力传播模型，确定干扰源位置

针对候选节点集CanVSet，利用影响力传播模型将CanVSet中各节点的影响力进行传播，从中挑选出传播影响力最大的节点作为干扰源的定位位置。

具体为：

步骤6.1通过节点建模部分得到了初始节点集OriVSet，考虑到OriVSet规模过大，为了减少后续影响力传播阶段的耗时，需要对OriVSet进行过滤筛选，去除基本不会作为干扰源位置的节点，生成候选节点集CanVSet；如图6所示为针对初始节点集的过滤流程。

具体地，针对初始候选节点集OriVSet，设定迭代算法，最终生成符合预期范围的候选集大小，过滤算法流程如下：

第一步、初始化迭代算法各项参数：包括最大迭代次数Cnt，可达起点数过滤阈值AvaNum_min，覆盖的强信号路径占比过滤阈值Sprate_min，当前迭代次数CurCnt，目标候选节点集规模范围[Scale_min,Scale_max]。

第二步、初始化CanVSet:＝OriVSet，并更新CanVSet：去除CanVSet中位于反向发射起点周围的节点。

第三步、更新CanVSet：若集合中存在节点V_i·AvaNum＜AvaNum_min，则将V_i从CanVSet中去除，并更新V_i·w＝0。

第四步、更新CanVSet：若集合中存在节点V_i覆盖的强信号路径占比小于SPrate_min，则将V_i从CanVSet中去除，并更新V_i·w＝0。

第五步、更新当前迭代次数CurCnt。若此时迭代次数已经超过最大迭代次数Cnt，或者候选节点集CanVSet中的节点数位于范围[Scale_min,Scale_max]内，则迭代终止，否则转入第六步。

第六步、若此时|CanVSet|＜Scale_min，则过滤节点数过多，需适当放宽过滤条件，减小AvaNum_min和SPrate_min的值。若此时|CanVSet|＞Scale_min，则过滤节点数过少，需要适当增加AvaNum_min和SPrate_min的值。并转回第二步。

步骤6.2通过上述过滤流程，可以去除较大数量的候选节点数，对于被去除的节点V_i，其影响力被更新为0，在后续的影响力传播阶段不具备传播能力，从而大幅缩短了传播所需时间。

在传播模型中，每个节点在某一时刻可能处于活跃态或非活跃态，非活跃态节点被激活则转换为活跃态，处于活跃态的节点不能被再次激活。传播过程中，主要维护当前时刻t的活跃态节点集S_t，若从时刻t到t+1活跃节点集未发生变化，则本轮传播过程结束。

对于节点V_i，其具有传播影响力V_i·tinf，具体的传播流程如下：

第一步、初始化待传播节点集TempVSet:＝CanVSet。

第二步、若TempVSet为空，则传播过程结束。否则任选V_i∈TempVSet作为本轮传播的种子节点，并将V_i从TempVSet中删除。初始化S₀:＝{V_i}，t:＝0，V_i·tinf:＝V_i·w。

第三步、初始化集合S_t:＝S_t-1，对于所有V_j∈S_t-1\S_t-2，对其每个不在集合S_t-1中的邻居V_j以概率W_jk·prob进行激活，若V_k被成功激活，则将V_k加入到S_t中，并更新V_i·tinf:＝V_k·w+V_i·tinf。

第四步、判断S_t是否与S_t-1相等，若相等，则本轮传播过程结束，转到第二步。若不相等，更新t:＝t+1，转到第三步。

经过上述影响力传播过程后，得到了候选节点集CanVSet中所有节点的传播影响力大小，从中选择传播影响力V_tar·tinf最大的节点V_tar作为干扰源的定位位置。

本发明采用基于网络传播影响力分析的网外干扰源定位的过程中，针对栅格和信号轨迹进行网络建模，基于影响力传播模型等，根据其他指标或参数生成网络或利用不同的影响力传播模型，仍属本申请的保护范围。

Claims (6)

1.一种移动通信网络干扰定位方法，其特征在于，具体步骤如下：

步骤一、从扫频路测点集中选取部分路测点，组成反向射线跟踪起点集；

步骤二、从反向射线跟踪起点集中的各个点sp_i出发，进行反向射线跟踪，模拟从干扰源到各起点sp_i的信号传播轨迹tk_i，从而生成反向射线传播轨迹集TrajSet＝{tk_i}；

步骤三、对轨迹集TrajSet中传播轨迹相似的多条轨迹进行筛选，只保留路径损耗最小的轨迹，去除其他冗余轨迹；

步骤四、将干扰源搜索区域划分成大小为C_i×C_i×C_h的立体栅格，针对筛选后的每条轨迹，确定其经过的立体栅格，并记录相邻栅格的轨迹连接集；

步骤五、将每个立体栅格作为一个节点，节点的位置即为立体栅格的中心位置，将轨迹连续经过的两个栅格对应的节点之间形成一条边；节点和边组成整个干扰源搜索区域的网络模型；

步骤六、根据栅格索引数据Info_gt，计算网络模型中各节点相关的各项属性值；

属性值包括可达起点数、覆盖的射线数和综合干扰信号差值；

可达起点是指：若某一节点a与某一反向跟踪起点b对应的栅格覆盖了同一轨迹，则称该反向跟踪起点b为节点a的可达起点；

覆盖的射线数是指：经过该节点的轨迹数量；

节点V_i的综合干扰信号差值V_i.CISDif，计算公式如下：

其中TPSet为节点V_i的可达起点组成的集合；N为集合TPSet的两两组合数，取值为traj_i为从起点sp_i出发，到达节点V_i的传播损耗最小的轨迹；traj_j为从起点sp_j出发，到达节点V_i的传播损耗最小的轨迹；

步骤七、将网络模型中的所有节点构成初始节点集OriVSet，按过滤规则将不可能成为干扰源的节点过滤掉，剩下的节点生成候选节点集CanVSet；

步骤八、计算候选节点集CanVSet的每个节点的影响力以及每个节点对应的所有边的传播概率；

节点V_i的影响力计算公式为：

f₁(V_i)表示节点V_i的可达起点数，f₂(V_i)表示节点V_i覆盖的射线数、f₃(V_i)表示节点V_i综合干扰信号差值，w_k为各属性对应的权重；

经过节点V_i的边W_ij的传播概率为：

W_ij·num表示该边包含的射线总数，ConRay_max表示网络模型中所有边包含的射线数中的最大值；β为调节网络权重的参数；

步骤九、针对候选节点集CanVSet中的每个节点，以其作为种子节点在网络模型中进行影响力传播，并选择传播影响力最大的节点作为干扰源定位位置；

针对当前种子节点V_i，以传播概率W_ij·prob影响对应的邻居节点V_j，邻居节点V_j后续同样以传播概率W_jp·prob影响其邻居节点V_p，以此类推，直至达到设置的传播深度结束；

统计本次传播过程中种子节点V_i所有影响的节点，计算所有被影响节点的影响力之和，作为种子节点的传播影响力V_i·tinf；

同理，将候选节点集CanVSet中的每个种子节点均按上述过程进行影响力传播，得到各自的传播影响力；

最终，从所有传播影响力中选择最大值对应的种子节点作为干扰源定位位置。

2.如权利要求1所述的一种移动通信网络干扰定位方法，其特征在于，所述的步骤一中，选取的路测点应满足：路测点处测得的信号强度sp.recp不能低于-85dbm；路测点附近的障碍物，限制以路测点为中心的15m*15m矩形范围内建筑物数量不能大于3；路测点的分布应尽量分散，设定各路测点两两之间的距离应大于60m。

3.如权利要求1所述的一种移动通信网络干扰定位方法，其特征在于，所述的步骤三中，相似轨迹包含的特征如下：

1)具有相同的起点和终点栅格；2)具有相同的绕反射次数；3)每次绕反射的碰撞点均位于相同建筑物。

4.如权利要求1所述的一种移动通信网络干扰定位方法，其特征在于，所述的步骤四具体为：针对每条轨迹，逐一确定其经过的各立体栅格，若某立体栅格有轨迹经过时，则称该栅格覆盖了此轨迹；否则，称该栅格未覆盖此轨迹；统计每个栅格覆盖的轨迹信息，并建立栅格索引数据结构Info_gt对各栅格覆盖的轨迹信息进行保存；

同时，若一条轨迹连续经过了栅格p和栅格q，将该段轨迹保存至连接数组tgcnt_pq中，该数组记录了两个相邻栅格的轨迹总数及轨迹的类型分布；

所有连接数组组成轨迹连接数据集TgCon＝{tgcnt_pq}。

5.如权利要求1所述的一种移动通信网络干扰定位方法，其特征在于，所述的步骤五中，各节点具有与立体栅格覆盖射线信息相同的属性；

数组tgcnt_pq视为连接节点p和节点q的边信息，包括边包含的射线数和射线类型分布；边包含的射线数等同于连接该边两端节点的轨迹数，射线类型等同于包含此射线的轨迹类型。

6.如权利要求1所述的一种移动通信网络干扰定位方法，其特征在于，所述的步骤七中，过滤规则包含：

1)将反向跟踪起点周围的，距反向跟踪起点的距离小于等于60m内的节点过滤掉；

2)将可达起点数小于等于反向跟踪起点总数的50％的节点过滤掉；

3)将强信号路径占比Ratio_Sray≤25％的节点过滤掉；

节点的强信号路径占比计算公式如下：

Ratio_Sray＝ray_d/ray_sum

其中ray_d为节点覆盖的直射路径数，ray_sum为节点覆盖的全部路径数。