WO2012145920A1 - 阴影衰落预测方法和预测装置 - Google Patents

阴影衰落预测方法和预测装置 Download PDF

Info

Publication number
WO2012145920A1
WO2012145920A1 PCT/CN2011/073524 CN2011073524W WO2012145920A1 WO 2012145920 A1 WO2012145920 A1 WO 2012145920A1 CN 2011073524 W CN2011073524 W CN 2011073524W WO 2012145920 A1 WO2012145920 A1 WO 2012145920A1
Authority
WO
WIPO (PCT)
Prior art keywords
predicted
grid
shadow fading
gaussian variable
predicted position
Prior art date
Application number
PCT/CN2011/073524
Other languages
English (en)
French (fr)
Inventor
吴炳洋
姜宇
王轶
周华
Original Assignee
富士通株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 富士通株式会社 filed Critical 富士通株式会社
Priority to CN2011800674352A priority Critical patent/CN103370959A/zh
Priority to PCT/CN2011/073524 priority patent/WO2012145920A1/zh
Publication of WO2012145920A1 publication Critical patent/WO2012145920A1/zh

Links

Classifications

    • 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

Definitions

  • Shadow fading prediction method and prediction device
  • the present invention relates to a mobile communication technology, and in particular to a shadow fading prediction method and a prediction apparatus. Background technique
  • shadow fading refers to the shadow effect caused by obstacle blocking, and the received signal strength decreases, but the median value of the field strength changes slowly with geographical changes, also known as slow fading.
  • Shadow fading has spatial correlation, that is, the shadow fading at a certain position has a certain correlation with the shadow fading at its neighboring position. Spatial correlation is called the autocorrelation of shadow fading.
  • the autocorrelation function ⁇ ( ⁇ ) of the shadow fading with distance is an exponential function, and the exponential function is:
  • ⁇ represents the change in distance in one dimension; the associated distance representing the shadow fading, usually taking 1; the autocorrelation function representing the change in shadow fading with distance.
  • Figure 1 is a schematic diagram of one-dimensional shadow fading prediction.
  • a set of non-decreasing values ⁇ ⁇ ' ⁇ ⁇ ''''' ⁇ '' ⁇ ' + ⁇ ''' ⁇ represents multiple positions on the line, where the shadow at the position
  • the fading value is ⁇ (dB)
  • the shadow fading value at the position ⁇ can be a preset reference value.
  • correlation factor the correlation factor may be obtained by the equation (1); represents a zero mean and standard deviation (variance 1) shadow fading random Gaussian variables, and the shadow of the random Gaussian variable position ⁇ '' at the fading values ⁇ Independent of each other
  • the shadow fading value z e H e - 2 z , where ⁇ , and ⁇ ) are independent of each other, and from equation (4), the correlation between X and ⁇ satisfies the relevant condition of equation (1), and the same X The correlation between ⁇ and ⁇ also satisfies the relevant conditions of equation (1), but the correlation between ⁇ and ⁇ does not satisfy the relevant conditions of equation (1).
  • the distance between ⁇ and ⁇ is ⁇ , and according to formula (1), the correlation The child should be e_ ⁇ usually takes 1), but according to formula (4), the correlation between the shadow fading at point Y and the shadow fading at z point with distance is 2 , which does not satisfy the above correlation.
  • a shadow fading prediction method comprising:
  • a correlation position determining step determining a relevant position related to the predicted position when the predicted position of the predicted shadow fading and the reference position of the grid in the square grid map of the simulated area where the predicted position is located are not in the one-dimensional direction;
  • the grid is a square, and the predicted position, the reference position, and the at least one related position are located at a vertex of the grid;
  • the predictive factor and the coefficient of the power signal normality of the hold signal are determined according to the following manner: the shadow fading of the predicted position and the shadow fading of the relevant position satisfy the relevant condition, and the mean value of the Gaussian variable of the predicted position is zero And the variance is 1;
  • a shadow fading calculation step calculates a shadow fading of the predicted position using a Gaussian variable of the predicted position and a shadow fading of the reference position.
  • a shadow fading prediction apparatus comprising:
  • a correlation position determining unit configured to use a reference position of a grid in a square grid map of a simulated area where the predicted shadow position is predicted and a predicted position where the predicted position is located When not in the one-dimensional direction, determining a correlation position related to the predicted position; wherein the grid is a square, the predicted position, the reference position, and the at least one related position are located at a vertex of the grid;
  • a Gaussian variable calculator for determining a Gaussian variable of the predicted position using a predictor, a Gaussian variable of the relevant position, and a random number independent of the Gaussian variable of the relevant position; wherein the predictor and the The coefficient for maintaining the signal power normality is determined as follows: the shadow fading of the predicted position and the shadow fading of the relevant position satisfy the relevant condition, and the mean value of the Gaussian variable of the predicted position is zero and the variance is 1; shadow fading calculation
  • the shadow fading calculator is configured to calculate a shadow fading of the predicted position by using a Gaussian variable of the predicted position and a shadow fading of the reference position.
  • a shadow fading prediction method comprising:
  • a grid map generation step generating a square grid diagram of the simulation area, the grid diagram comprising a plurality of grids, and each grid is square;
  • the shadow fading of each position in the grid map is predicted one by one until the prediction of shadow fading at all positions is completed;
  • the shadow fading prediction step includes:
  • Judgment step judging whether there is still an unpredicted position, and if so, returning to the grid determination step, otherwise ending the process;
  • the prediction step includes:
  • a correlation position determining step determining a relevant position related to the predicted position when the predicted position of the predicted shadow fading and the reference position of the grid in the square grid map of the simulated area where the predicted position is located are not in the one-dimensional direction;
  • the grid is a square, and the predicted position, the reference position, and the at least one related position are located at a vertex of the grid;
  • Gaussian variable calculation step using a prediction factor, a Gaussian variable of the relevant position, and a Gaussian variable independent of the Gaussian variable of the relevant position and maintaining signal power normalization a coefficient to determine a Gaussian variable of the predicted position; wherein the predictive factor and the coefficient of the power normality of the held signal are determined according to: making a shadow fading of the predicted position and a shadow fading of the relevant position satisfy a relevant condition, and The Gaussian variable of the predicted position has a mean value of zero and a variance of 1;
  • a shadow fading calculation step calculates a shadow fading of the predicted position using a Gaussian variable of the predicted position and a shadow fading of the reference position.
  • a shadow fading prediction apparatus comprising:
  • a grid map generating unit configured to generate a square grid map of the simulation area, the grid map includes a plurality of grids, and each grid is square;
  • a shadow fading prediction unit for predicting shadow fading of each position in the grid map one by one until completion of prediction of shadow fading at all positions
  • the shadow fading prediction unit includes:
  • the grid determining unit is configured to determine a grid in a grid map in which the current predicted position is located;
  • a position determining unit configured to determine whether the current predicted position is in a one-dimensional direction with a reference position of the grid
  • a prediction unit configured to predict a shadow fading of the current predicted position
  • a determining unit configured to determine whether there is still an unpredicted position, and if yes, return to the grid determining unit, otherwise end the prediction
  • the prediction unit comprises:
  • a correlation position determining unit configured to determine the predicted position when the predicted position of the predicted shadow fading and the reference position of the grid in the square grid map of the simulated area where the predicted position is located are not in the one-dimensional direction a related position; wherein the grid is a square, the predicted position, the reference position, and the at least one related position are located at a vertex of the grid;
  • a Gaussian variable calculator for determining a Gaussian variable of the predicted position using a predictor, a Gaussian variable of the relevant position, and a random number independent of the Gaussian variable of the relevant position; wherein the predictor and the The coefficient that maintains the signal power normality is determined as follows: the shadow fading of the predicted position and the shadow fading of the relevant position The falling condition satisfies the relevant condition, and the mean value of the Gaussian variable of the predicted position is zero and the variance is 1;
  • a shadow fading calculator for calculating a shadow fading of the predicted position using a Gaussian variable of the predicted position and a shadow fading of the reference position.
  • a computer readable program wherein when the program is executed in a shadow fading prediction apparatus, the program causes a computer to execute the above-described shadow fading prediction method in the shadow fading prediction apparatus.
  • a storage medium storing a computer readable program, wherein the computer readable program causes a computer to perform the above-described shadow fading prediction method in a shadow fading prediction apparatus.
  • the beneficial effects of the embodiment of the present invention are: when the predicted position and the reference position are not in the one-dimensional direction, the Gaussian variable of the predicted position may be obtained according to the Gaussian variable and the predictor of the position related to the predicted position, and according to the predicted position
  • the shadow fading of the Gaussian variable and the reference position predicts the shadow fading of the predicted position and conforms to the relevant conditions of the shadow fading, solving the above-mentioned problems.
  • Figure 1 is a schematic diagram of one-dimensional shadow fading prediction
  • FIG. 2 is a schematic diagram of shadow fading using a one-dimensional shadow fading prediction position Z in the prior art
  • FIG. 3 is a flow chart of a shadow fading prediction method according to Embodiment 1 of the present invention.
  • Embodiment 4 is a schematic diagram of predicted positions and related positions in Embodiment 2 of the present invention.
  • Figure 5 is a schematic diagram of predicted positions and related positions in Embodiment 3 of the present invention.
  • FIG. 6 is a view showing an application example of a shadow fading prediction method according to Embodiment 5 of the present invention
  • FIG. 7 is a schematic diagram of a mesh diagram of a simulation area
  • Figure 9 is a block diagram showing the configuration of a shadow fading prediction apparatus according to Embodiment 6 of the present invention.
  • Figure 10 is a block diagram showing the structure of a shadow fading prediction apparatus according to Embodiment 7 of the present invention.
  • Figure 11 is a block diagram showing the construction of the shadow fading prediction unit of Figure 10. Detailed ways
  • Figure 3 is a flow chart showing a shadow fading prediction method according to Embodiment 1 of the present invention. As shown in Figure 3, the method includes:
  • Step 301 A related position determining step determines, when the predicted position of the predicted shadow fading and the reference position of the grid in the square grid pattern of the simulated area where the predicted position is located are not in the one-dimensional direction, determining the predicted position a relative position; wherein the grid is a square, the predicted position, the reference position, and the at least one related position are located at a vertex of the grid;
  • Step 302 a Gaussian variable calculation step, determining a Gaussian of the predicted position by using a predictor, a Gaussian variable of the relevant position, and a Gaussian variable independent of a Gaussian variable of the relevant position and a coefficient of maintaining signal power normality a variable; wherein the predictor and the coefficient of the power normality of the hold signal are determined in the following manner: causing the shadow of the predicted position to fade The shadow fading with the relevant position satisfies the relevant condition, and the mean value of the Gaussian variable of the predicted position is zero and the variance is 1;
  • Step 303 a shadow fading calculation step calculates a shadow fading of the predicted position by using a Gaussian variable of the predicted position and a shadow fading of the reference position.
  • the shadow fading of the predicted position can be calculated according to the above method, and it conforms to the relevant conditions of the shadow fading, thereby solving the above-mentioned problems existing.
  • step 301 if the predicted position and the reference position are on the same side of the grid, then the relative position is determined to include a position on the grid that is diagonal to the predicted position.
  • step 301 if the predicted position and the reference position are on the same side of the grid, and the predicted position and the reference position are vertices of a grid adjacent to the grid, Determining a correlation location associated with the predicted location includes: a location on the grid that is diagonal to the predicted location; and a location on the grid adjacent the grid that is diagonal to the predicted location.
  • step 301 if the predicted position is at a position diagonal to the reference position, it is determined that the related position includes a position on the grid adjacent to the predicted position.
  • the relevant position related to the predicted position can be determined by the above embodiment, so that the Gaussian variable of the relevant position is used in step 302, and the previously obtained The prediction factor and the Gaussian variable of the predicted position, and the coefficient that maintains the signal normality, obtain a Gaussian variable of the predicted position.
  • the Gaussian variable of the predicted position is the sum of the product of the Gaussian variable of the predictor and the relevant position, plus a Gaussian variable and a hold signal independent of the Gaussian variable of the relevant position.
  • the predictor "and the coefficient ⁇ indicating the power normality of the signal can be obtained in advance, and the following manner can be adopted: the predictor "and the representation of the signal power normality.
  • the coefficient ⁇ is determined such that the shadow fading of the predicted position and the shadow fading of the relevant position satisfy the relevant condition (ie, the formula (4) is satisfied), and the mean value of the Gaussian variable ⁇ (ie, the formula (5)) of the predicted position is made. It is zero and the variance is 1.
  • the predictor "and the coefficient representing the power normality of the signal” can be obtained by the above two formulas.
  • the Gaussian variable of the correlation position and the Gaussian variable independent of the Gaussian variable of the correlation position are random numbers. Generated randomly.
  • the coefficient representing the signal power normality can be related to the predictor, ie, can be determined by the predictor, such that the coefficient ⁇ can be expressed as a predictor according to a specific scenario, only Using the correlation condition of equation (4) or the mean of equation (5) is zero and the variance is 1 to obtain the prediction factor ", and then obtain the coefficient ⁇ .
  • the shadow fading indicating the predicted position is generated by two-level prediction, and a part of W(A). It is related to the point on the line, and the other part ⁇ is related to the point on the diagonal.
  • the two parts are independent of each other, and the coefficients R(Ax) and - 2 ( ⁇ ) are used to satisfy the correlation and maintain the signal power.
  • Chemical. This formula not only satisfies the correlation on the straight line, but also Correlation on the diagonal of the foot, thus conforming to two-dimensional correlation features.
  • all Gaussian variables, such as ⁇ and ⁇ ⁇ are Gaussian variables with a mean of zero and a variance of 1.
  • the Gaussian variables described above are random numbers and can be randomly generated. The same is true for the Gaussian variables described in the following embodiments, and will not be described below.
  • the Gaussian variable of the predicted position can be obtained according to the Gaussian variable and the predictor of the position related to the predicted position, and the Gaussian variable according to the predicted position is
  • the shadow fading of the reference position predicts the shadow fading of the predicted position and conforms to the relevant conditions of the shadow fading, solving the above-mentioned problems existing.
  • a square grid map of a certain simulation area is composed of a plurality of grids, each grid being square, and each grid having a side length of r.
  • the position of 1 to vertex 4 is represented by coordinates as ⁇ ( , > , 2 (1 ⁇ 2 + ⁇ .), X 3 ⁇ x 0 , 0 + r) and ⁇ + ⁇ ⁇ + where the position of vertex 1 is the reference position ; r is a number greater than zero,
  • the prediction method of the present invention will be described in detail below by taking the position where the predicted position is the vertices 3 and 4 as an example.
  • Embodiments of the present invention provide a shadow fading prediction method.
  • the position where the predicted position is the vertex 3 is taken as an example for description.
  • the predicted position is the position corresponding to X3.
  • the predicted position of the predicted shadow fading and the reference position of the mesh in the square grid map of the simulated area where the predicted position is located are not in the one-dimensional direction, for example, when the predicted position is the position of the vertex 3 (Y-axis)
  • the relevant conditions of the shadow fading cannot be satisfied, and the prediction result is inaccurate.
  • the method of the embodiment of the present invention is adopted, the two-dimensional correlation can be satisfied, and the prediction result is accurate.
  • the relevant position related to the predicted position may be determined as a position on the grid diagonal to the predicted position, that is, The position of vertex 2 whose coordinates are 2 ( + r, ;.;).
  • a Gaussian variable of the predicted position is determined by using a prediction factor, a Gaussian variable of the relevant position, and a Gaussian variable independent of a Gaussian variable of the relevant position and a coefficient of maintaining signal power normality;
  • formula (5) can be used to calculate the Gaussian variable of the predicted position, and in the embodiment, the number of related positions is one, then formula (5) is specifically:
  • A denotes a first predictor
  • ⁇ denotes a Gaussian variable Gaussian variable corresponding to a Gaussian variable of the relevant position corresponding to the predicted position
  • A denotes a coefficient that maintains signal power normality.
  • the coefficient A may also be related to the first predictor, such as
  • the coefficient can be expressed by the first predictor in the process of calculating the first predictor and A, so that the first predictor can be obtained by using the correlation formula (4).
  • the first predictor can also be obtained according to the formula (7) such that the Gaussian variable ⁇ means zero and the variance is 1.
  • step 303 the shadow fading at vertex 3 can be calculated using equation (6), ie
  • the shadow fading indicating the predicted position; the shadow fading indicating the reference position, the value may be determined in advance.
  • the prediction factor can be obtained in the following manner:
  • the sub- ⁇ makes the shadow fading of the predicted position and the shadow fading of the relevant position satisfy the relevant conditions, that is, satisfy:
  • Table 1 It can be seen from the above embodiment that when the predicted position is on the y-axis, the relevant position related to the predicted position can be determined, and then the Gaussian variable, the predictive factor, and the Gaussian variable of the relevant position are independent according to the position related to the predicted position.
  • the Gaussian variable and the coefficient normalized by the signal power obtain the Gaussian variable of the predicted position, and predict the shadow fading of the predicted position according to the Gaussian variable of the predicted position and the shadow fading of the reference position, and make it conform to the shadow fading correlation.
  • Embodiments of the present invention also provide a shadow fading prediction method.
  • the position where the predicted position is the vertex 3 is taken as an example for description.
  • the predicted position is the position corresponding to X3.
  • the difference from Embodiment 2 is that, when determining the relevant position related to the predicted position in step 301, not only the position in the grid but also more related positions can be considered, for example, As shown in FIG. 5, not only the position of the vertex 2 in the grid but also the position diagonal to the predicted position in the grid adjacent to the grid, that is, the position, is considered.
  • the Gaussian variable of the predicted position can be calculated by the following formula:
  • ⁇ 3 ⁇ 2 ( ⁇ 2 ' + ⁇ 2 ) + ⁇ 2 3 -, (11)
  • ⁇ represents the Gaussian variable of the predicted position
  • ⁇ represents the Gaussian variable of the relevant position on the grid, which can be positive or negative, is any real number
  • " 2 represents a second predictor
  • ⁇ denotes a Gaussian variable corresponding to the Gaussian variable of the relevant position corresponding to the predicted position
  • A denotes a coefficient that maintains signal power normality.
  • the coefficient A can be determined by the second predictor "2, such as ⁇ 2 bis-2a 2 2 , and the like, and will not be described again here.
  • step 303 the formula (8) as described in Embodiment 2 is adopted, and details are not described herein again.
  • the determined method is as described in Embodiment 2, where the shadow fading 3 of the predicted position and the correlation of the shadow fading ⁇ 2 of the relevant position may be utilized. Determining the second predictor " 2 , such that the second predictor " 2 is equal to the first predictor A, as described in Embodiment 2, and is not described herein again.
  • the relevant position related to the predicted position may be determined, and the position including the mesh may also include the positions of other meshes, and thus, according to the predicted position.
  • the Gaussian variable of the position, the predictor, and the random number obtain the Gaussian variable of the predicted position, and predict the shadow fading of the predicted position according to the Gaussian variable of the predicted position and the shadow fading of the reference position, and make it conform to the shadow fading.
  • Embodiments of the present invention also provide a shadow fading prediction method.
  • the position where the predicted position is the vertex 4 is taken as an example for description.
  • step 301 when the predicted position is the position where the vertex 4 is located, the relevant position related to the predicted position may be determined to determine that the related position is included on the grid adjacent to the predicted position.
  • Position which is the position of vertex 2 and vertex 3, whose coordinates are 2 (1 ⁇ 2 + , . ) and A , respectively. + .
  • a Gaussian variable of the predicted position is determined by using a prediction factor, a Gaussian variable of the correlation position, and a Gaussian variable independent of a Gaussian variable of the correlation position and a coefficient that maintains signal power normalization;
  • the coefficient of normality; ; 4 represents the Gaussian variable corresponding to the Gaussian variable of the relevant position corresponding to the predicted position.
  • the coefficient can be determined by the third predictor " 3 , and since the third predictor " 3 contains the second predictor " 2 , such that the coefficient can be finally obtained by the second predictor " 2 and the third prediction” Factor " 3 determines, such as making A Other similar, not repeated here.
  • step 303 the shadow fading at vertex 3 can be calculated using equation (6), ie
  • the third predictor " 3 " can be obtained by: making the shadow fading of the predicted position and the shadow fading of the relevant position satisfy the relevant condition, that is, satisfying:
  • the third predictor is:
  • the second predictor " 2 " in the equations (15) and (16) may be replaced by the first predictor, and may be obtained by the embodiments 2 and 3, and details are not described herein again.
  • the formula derivation process in the foregoing embodiment is similar to the prior art, and details are not described herein again.
  • Table 12 is a table of the relationship between the grid length r and " 3 .
  • the relevant position related to the predicted position can be determined, such that the Gaussian variable, the predictive factor, and the Gaussian related position are related to the position related to the predicted position.
  • the Gaussian variable with independent distribution of variables, the coefficient of normalized power is obtained to obtain the Gaussian variable of the predicted position, and the shadow fading of the predicted position is predicted and matched according to the Gaussian variable of the predicted position and the shadow fading of the reference position.
  • the relevant conditions of shadow fading solve the above problems.
  • the shadow fading of the predicted position which is not in the one-dimensional direction with respect to the reference position is mainly predicted, and for the predicted position in the one-dimensional direction with respect to the reference position, the shadow of the position ⁇ 2 in FIGS. 4 and 5 is fading. It can be calculated by using a one-dimensional model as in the background art, and details are not described herein again.
  • Embodiments of the present invention provide a shadow fading prediction method.
  • FIG. 6 is a diagram showing an application example of a shadow fading prediction method according to Embodiment 5 of the present invention
  • Figure 7 is a diagram showing a grid pattern of a simulation region.
  • FIG. 8 is a flow chart of the method implemented in step 602.
  • the shadow fading prediction method may include:
  • Step 601 a grid map generation step, generating a square grid diagram of the simulation area, the grid diagram includes a plurality of grids, and each grid is square, and the side length is r ;
  • the simulation area is a square grid diagram, including a plurality of grids, each position is a vertex of the grid, a total of 16 positions, for convenience of explanation, assuming the side length of each grid It is 1, but it can also be other values.
  • Step 602 predicting the shadow fading of each position in the grid map one by one until the end Prediction of shadow fading at all locations;
  • step 602 can include the following steps:
  • Step 801 a grid determining step determines a grid in a grid map where the current predicted position is located; for example, as shown in FIG. 7, the current predicted position is 2, and the grid in the grid map is determined to be a grid consisting of vertices 1, 2, 5, and 6, wherein the position of vertex 1 is taken as a reference position; if the current predicted position is position 5 or 6, it can be determined that the grid is located by vertex 1, 2, 5 a grid of 6, wherein the position of the vertex 1 is taken as a reference position;
  • the grid in which it is located is a grid composed of vertices 5, 6, 9, 10, whose reference position is position 5; or a network composed of vertices 6, 7, 10, and 11.
  • the grid, whose reference position is position 6, is placed to determine which grid to use and can be preset as needed.
  • Step 802 a position determining step of determining whether the current predicted position is in a one-dimensional direction with a reference position of the grid;
  • the position preset on the Y-axis here is a position that is not in the one-dimensional direction from the reference position, and only the position on the X-axis and the reference position are in one-dimensional direction; and vice versa;
  • the position 2 and the reference position 1 are on the X axis, that is, in the one-dimensional direction;
  • the predicted position is position 5 or 6, the predicted position is not in the one-dimensional direction with the reference position 1 of the grid;
  • the predicted position is not in the one-dimensional direction with the reference position 5 or 6 of the grid.
  • Step 803 a first prediction step, if the result of the determination in step 802 is YES, calculating a shadow fading of the predicted position by using a one-dimensional prediction manner;
  • the calculation can be performed by using formula (3); for the reference position 1, the shadow fading can be given.
  • Step 804 the second prediction step, if it is determined in step 802 that the predicted position and the starting position are not in the one-dimensional direction, the shadow fading of the current predicted position may be predicted by using the manners of Embodiments 1 to 4;
  • the method described in Embodiment 2 may be specifically used for prediction. That is, the relevant position related to position 5 is determined, that is, the relevant position is position 2, and then the prediction factor, the Gaussian variable of the relevant position 2, and the coefficient normalized by the signal power are independent of the Gaussian variable of the relevant position.
  • the Gaussian variable determines the Gaussian variable of the predicted position 5; then the Gaussian variable of the predicted position 5 and the shadow fading of the reference position 1 are used to predict the shadow fading of the predicted position 5, wherein the formula (7) in Embodiment 2 can be used.
  • the prediction factor is calculated using equation (10);
  • the method described in Embodiment 4 may be specifically used for prediction, that is, the correlation related to the predicted position 6 is determined.
  • the position may include position 5 and position 2, and then the shadow fading at position 6 may be calculated using equations (12) and (13) in embodiment 4, the prediction factor being calculated using equation (16);
  • the method described in Embodiment 2 may be specifically used for calculation, and details are not described herein;
  • the grid composed of 7, 10, and 11 is calculated by using the method described in Embodiment 3, it can be determined that the position related to the position 10 is position 5 and position 7, and then according to formulas (11) and (8). Calculate the shadow fading of position 10, and the prediction factor is calculated using equation (10).
  • Step 805 after steps 803 and 804, further determine whether there is still an unpredicted position, and if yes, return to step 801, otherwise the process ends.
  • Embodiments 1 to 4 when the shadow fading of each position in the simulation area is predicted by the above method, the manners of Embodiments 1 to 4 are adopted for the case where the current predicted position and the reference position of the grid in which it is located are not in the one-dimensional direction. The predictions are made to conform to the relevant conditions of shadow fading, and the above problems existing at present are solved.
  • An embodiment of the present invention further provides a prediction apparatus, as described in Embodiment 5 below. Since the principle of the prediction device solves the problem is similar to the prediction device-based prediction method of the above embodiments 1-4, the implementation of the prediction device can be referred to the implementation of the method, and the repeated description is not repeated.
  • Embodiments of the present invention provide a shadow fading prediction apparatus.
  • Figure 9 is a block diagram showing a configuration of a shadow fading prediction apparatus according to a sixth embodiment of the present invention.
  • the apparatus includes a correlation position determining unit 901, a Gaussian variable calculator 902, and a shadow fading calculator 903;
  • the correlation position determining unit 901 is configured to determine a relevant position related to the predicted position when the predicted position of the predicted shadow fading and the reference position of the grid in the square grid map of the simulated area where the predicted position is located are not in the one-dimensional direction Wherein the grid is a square, the predicted position, the reference position, and the at least one related position are located at a vertex of the grid;
  • a Gaussian variable calculator 902 configured to determine a Gaussian variable of the predicted position by using a predictor, a Gaussian variable of the correlation position, and a coefficient normalized by the signal power and a Gaussian variable independent of the Gaussian variable of the correlation position;
  • the predicting factor and the coefficient for maintaining the signal power normality are determined as follows: the shadow fading of the predicted position and the shadow fading of the relevant position satisfy the relevant condition, so that the mean value of the Gaussian variable of the predicted position is zero and the variance is 1 ;
  • a shadow fading calculator 903 is configured to calculate a shadow fading of the predicted position using a Gaussian variable of the predicted position and a shadow fading of the reference position.
  • the coefficient of the power signal normality of the hold signal may be related to the predictor and determined by the predictor, as described in Embodiments 2-4, and details are not described herein.
  • the related position determining unit 901 includes a first determining unit and a first determining unit (not shown), wherein
  • a first determining unit configured to determine whether the predicted position and the reference position are located on the same side of the grid; the first determining unit, configured to determine, when the determination result of the first determining unit is yes, the related location includes The position on the grid that is diagonal to the predicted position.
  • the related position determining unit 901 includes a second determining unit and a second determining unit (not shown), wherein the second determining unit is configured to determine whether the predicted position and the reference position are located in the grid. The same edge, and the predicted position and the reference position are the vertices of the mesh adjacent to the grid; and the second determining unit is configured to determine, when the determination result of the second determining unit is YES, the relevant position comprises: a position on the grid that is diagonal to the predicted position; and a position on the grid adjacent to the grid that is diagonal to the predicted position. Specifically, as described in Embodiment 3, details are not described herein again.
  • the relevant position determining unit 901 includes a third determining unit and a third determining unit (not shown), wherein the third determining unit is configured to determine whether the predicted position is located at a position diagonal to the reference position. a third determining unit, configured to be in the third determining unit When the result of the determination is YES, it is determined that the relevant position includes a position on the grid adjacent to the predicted position. Specifically, as described in Embodiment 4, details are not described herein again.
  • the Gaussian variable calculator 902 and the shadow fading calculator 903 are as described in Embodiments 1 to 4, and are not described herein again.
  • the apparatus includes a correlation position determining unit 901, a Gaussian variable calculator 902, and a shadow fading calculator 903, which may be field programmable logic components, microprocessors, processors used in a computer, and the like.
  • the shadow fading of the predicted position which is not in the one-dimensional direction with respect to the reference position can be calculated by the above apparatus so as to conform to the condition of the shadow fading, and the above-mentioned problems existing are solved.
  • Embodiments of the present invention also provide a shadow fading prediction apparatus that predicts shadow fading at various locations in a simulated area.
  • FIG. 10 is a block diagram showing the configuration of a shadow fading prediction apparatus according to a seventh embodiment of the present invention. As shown in FIG. 10, the shadow fading prediction apparatus includes:
  • a grid map generating unit 1001 configured to generate a square grid map of the simulation area, the grid map includes a plurality of grids, and each grid is square, and the side length is r ;
  • a shadow fading prediction unit 1002 is configured to predict shadow fading of each position in the grid map one by one until the prediction of shadow fading at all positions is completed;
  • the shadow fading prediction unit 1002 may include the following parts: a mesh determining unit 1101, a position determining unit 1102, a first prediction unit 1103, a second prediction unit 1104, and a determining unit 1105; ,
  • a grid determining unit 1101 configured to determine a grid in a grid map in which the current predicted position is located; a position determining unit 1102, configured to determine whether the current predicted position is in a one-dimensional direction with a reference position of the grid; a prediction unit 1103, configured to calculate a shadow fading of the predicted position by using a one-dimensional prediction manner, and a second prediction unit 1104 for the position determining unit 1102
  • the shadow fading of the current predicted position may be predicted by using the apparatus shown in Embodiment 6 and FIG. 9 , as described in Embodiment 6, and details are not described herein again.
  • a determining unit 1105 configured to determine whether there is still an unpredicted position, and if so, return to the grid The determining unit 1101 starts prediction of the shadow fading of the predicted position to be predicted, and otherwise ends the prediction process.
  • Figs. 10-11 for example, it may be a field programmable logic unit, a microprocessor, a processor used in a computer, or the like.
  • the embodiment of the present invention further provides a computer readable program, wherein when the program is executed in a shadow fading prediction device, the program causes a computer to perform a shadow fading prediction method as in Embodiments 1 to 5 in the shadow fading prediction device.
  • An embodiment of the present invention also provides a storage medium storing a computer readable program, wherein the computer readable program causes a computer to perform a shadow fading prediction method as in Embodiments 1-5 in a shadow fading prediction apparatus.
  • the above apparatus and method of the present invention may be implemented by hardware or by hardware in combination with software.
  • the present invention relates to a computer readable program that, when executed by a logic component, enables the logic component to implement the apparatus or components described above, or to cause the logic component to implement the various methods described above Or a step.
  • Logic components such as field programmable logic components, microprocessors, processors used in computers, and the like.
  • the present invention also relates to a storage medium for storing the above program, such as a hard disk, a magnetic disk, an optical disk, a DVD, a flash memory, or the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

阴影衰落预测方法和预测装置 技术领域
本发明涉及一种移动通信技术， 特别涉及一种阴影衰落预测方法和 预测装置。 背景技术
在无线通信系统中， 阴影衰落是指由障碍物阻挡造成阴影效应， 接 收信号强度下降， 但该场强中值随地理改变变化缓慢， 也称为慢衰落
(Slow fading), 或对数正态衰落（Log-normal), 以具有零均值和标准方 差的高斯分布为特征。
阴影衰落具有空间相关性， 即某个位置的阴影衰落与它邻近位置的 阴影衰落会有一定的相关性。 空间相关性称为阴影衰落的自相关。 阴影 衰落随距离的自相关函数 ^(^)为指数函数， 该指数函数为：
_H
^ d (1) 其中， Δ 表示距离在一维上的变化； 表示阴影衰落的相关距离， 通常该值取 1; 表示阴影衰落随距离变化的自相关函数。
目前， 一维相关阴影衰落可通过简单的预测来实现。 图 1 是一维阴 影衰落预测示意图。如图 1所示，假设一组非递减值 {χο'χι'''''χ''χ'+ι''''}代 表线上的多个位置， 其中， 在位置 处的阴影衰落值为^ (dB)， 位置 处的阴影衰落值 ξο可为预设的参考值， 在位置 Xl处的阴影衰落值 可用 如下公式表示：
Figure imgf000003_0001
其中， ^1 =^"^, ^i)表示相关因子， 该相关因子可通过公式 (1) 获得; 表示具有阴影衰落的零均值和标准方差 （方差为 1) 的随 机高斯变量， 并且该随机高斯变量 ζ 1与位置 Χο处的阴影衰落值 ^相互独 立， 即相关性为零。 依此类推， 在位置 处的阴影衰落值 d可表示为： ξί+ι = R(^i+i - + 1- W2(x'.+「x'. .+i ( 3 ) 其中， 表示相关因子， 该相关因子可通过公式（1)获得; 表示具有阴影衰落的零均值和标准方差（方差为 1)的随机高斯变量， 并且该随机高斯变量 与位置 Χ''处的阴影衰落值 ξί相互独立，即相关性
、、 由上述可知， 图 1所示的信号模型满足阴影衰落的自相关条件， §卩： --w w →'-x (4) 其中，
Figure imgf000004_0001
ξ3 = +小- R2(^. .； ^为 的共轭， ^为 ^的共轭。 但是在实现本发明的过程中发明人发现上述技术存在如下问题： 上 述一维相关阴影衰落的预测方法不能直接应用于二维空间。
以下举例说明： 如图 2所示， 假设在二维空间有 3个点， 分别为 X、 Y和 Z, 其中， X点坐标为（0,0)， Y点坐标为（1,0)， Z点坐标为（0,1)， 在 X点的阴影衰落值为 ， 根据上述一维预测方法的公式（3)可预测 Y 点的阴影衰落值 = e— 2 ， 同理可预测 Z点的阴影衰落值 z=eH e-2 z， 其中， ^、 和^)相互独立， 并且由公式 （4) 可知， X和 Υ之间的相关性满足公式 （1) 的相关条件， 同理 X和 Ζ之 间的相关性也满足公式（1)的相关条件， 但是 Υ和 Ζ之间的相关性不满 足公式 （1) 的相关条件。
如图 2所示， Υ和 Ζ之间的距离为^， 并且根据公式（1)， 相关因 子 应为 e_ ^通常取 1 )， 但是根据公式 （4) 可知， Y点 的阴影衰落 和 z点的阴影衰落 随距离变化的相关因子为 2，不满 足上述相关关系。
应该注意， 上面对技术背景的介绍只是为了方便对本发明的技术方 案进行清楚、 完整的说明， 并方便本领域技术人员的理解而阐述的。 不 能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技 术方案为本领域技术人员所公知。 发明内容
本发明实施例的目的在于提供一种阴影衰落预测方法和预测装置， 通过该方法可对与参考位置不在一维方向上的预测位置的阴影衰落进行 预测， 并使其符合阴影衰落的相关条件。
根据本发明实施例的一个方面提供了一种阴影衰落预测方法， 该方 法包括：
相关位置确定歩骤， 在预测阴影衰落的预测位置与该预测位置所在 仿真区域的正方形网格图中的网格的参考位置不在一维方向上时， 确定 与该预测位置相关的相关位置； 其中， 该网格为正方形， 该预测位置、 该参考位置和至少一个相关位置位于该网格的顶点；
高斯变量计算歩骤， 利用预测因子、 该相关位置的高斯变量、 以及 与该相关位置的高斯变量相互独立的高斯变量和保持信号功率归一性的 系数随机数来确定该预测位置的高斯变量； 其中， 该预测因子和所述保 持信号功率归一性的系数按照以下方式确定： 使该预测位置的阴影衰落 与该相关位置的阴影衰落满足相关条件， 且使该预测位置的高斯变量均 值为零且方差为 1 ;
阴影衰落计算歩骤， 利用该预测位置的高斯变量和该参考位置的阴 影衰落计算该预测位置的阴影衰落。
根据本发明实施例的另一个方面提供了一种阴影衰落预测装置， 该 装置包括：
相关位置确定单元， 该相关位置确定单元用于在预测阴影衰落的预 测位置与该预测位置所在仿真区域的正方形网格图中的网格的参考位置 不在一维方向上时， 确定与该预测位置相关的相关位置； 其中， 该网格 为正方形， 该预测位置、 该参考位置和至少一个相关位置位于该网格的 顶点；
高斯变量计算器， 该高斯变量计算器用于利用预测因子、 该相关位 置的高斯变量、 以及与该相关位置的高斯变量相互独立的随机数确定该 预测位置的高斯变量； 其中， 该预测因子和该保持信号功率归一性的系 数按照以下方式确定： 使该预测位置的阴影衰落与该相关位置的阴影衰 落满足相关条件， 且使该预测位置的高斯变量均值为零且方差为 1 ; 阴影衰落计算器， 该阴影衰落计算器用于利用该预测位置的高斯变 量和该参考位置的阴影衰落计算该预测位置的阴影衰落。
根据本发明实施例的另一个方面提供了一种阴影衰落预测方法， 该 方法包括：
网格图生成歩骤， 生成仿真区域的正方形网格图， 该网格图包括多 个网格， 且每个网格均为正方形；
阴影衰落预测歩骤， 对该网格图中的各个位置的阴影衰落逐一进行 预测， 直至完成所有位置上的阴影衰落的预测； 其中，
该阴影衰落预测歩骤包括：
网格确定歩骤， 确定当前的预测位置所在网格图中的网格； 位置确定歩骤， 确定当前预测位置是否与该网格的参考位置处于一 维方向上；
预测歩骤， 预测该当前预测位置的阴影衰落；
判断歩骤： 判断是否还存在未预测的位置， 若是则回到该网格确定 歩骤， 否则结束过程；
其中， 该预测歩骤包括：
相关位置确定歩骤， 在预测阴影衰落的预测位置与该预测位置所在 仿真区域的正方形网格图中的网格的参考位置不在一维方向上时， 确定 与该预测位置相关的相关位置； 其中， 该网格为正方形， 该预测位置、 该参考位置和至少一个相关位置位于该网格的顶点；
高斯变量计算歩骤， 利用预测因子、 该相关位置的高斯变量、 以及 与该相关位置的高斯变量相互独立的高斯变量和保持信号功率归一性的 系数来确定该预测位置的高斯变量； 其中， 该预测因子和该保持信号功 率归一性的系数按照以下方式确定： 使该预测位置的阴影衰落与该相关 位置的阴影衰落满足相关条件， 且使该预测位置的高斯变量均值为零且 方差为 1 ;
阴影衰落计算歩骤， 利用该预测位置的高斯变量和该参考位置的阴 影衰落计算该预测位置的阴影衰落。
根据本发明实施例的另一个方面提供了一种阴影衰落预测装置， 该 装置包括：
网格图生成单元， 该网格生成单元用于生成仿真区域的正方形网格 图， 该网格图包括多个网格， 且每个网格均为正方形；
阴影衰落预测单元， 该阴影衰落单元用于对网格图中的各个位置的 阴影衰落逐一进行预测， 直至完成所有位置上的阴影衰落的预测；
其中， 该阴影衰落预测单元包括：
网格确定单元， 该网格确定单元用于确定当前的预测位置所在网格 图中的网格；
位置确定单元， 该位置确定单元用于确定当前预测位置是否与该网 格的参考位置处于一维方向上；
预测单元， 该预测单元用于对该当前预测位置的阴影衰落进行预测； 判断单元， 该判断单元用于判断是否还存在未预测的位置， 若是则 回到网格确定单元， 否则结束预测；
其中， 该预测单元包括：
相关位置确定单元， 该相关位置确定单元用于在预测阴影衰落的预 测位置与该预测位置所在仿真区域的正方形网格图中的网格的参考位置 不在一维方向上时， 确定与该预测位置相关的相关位置； 其中， 该网格 为正方形， 该预测位置、 该参考位置和至少一个相关位置位于该网格的 顶点；
高斯变量计算器， 该高斯变量计算器用于利用预测因子、 该相关位 置的高斯变量、 以及与该相关位置的高斯变量相互独立的随机数确定该 预测位置的高斯变量； 其中， 该预测因子和该保持信号功率归一性的系 数按照以下方式确定： 使该预测位置的阴影衰落与该相关位置的阴影衰 落满足相关条件， 且使该预测位置的高斯变量均值为零且方差为 1 ;
阴影衰落计算器， 该阴影衰落计算器用于利用该预测位置的高斯变 量和该参考位置的阴影衰落计算该预测位置的阴影衰落。
根据本发明实施例的另一个方面提供了一种计算机可读程序， 其中 当在阴影衰落预测装置中执行该程序时， 该程序使得计算机在所述阴影 衰落预测装置中执行上述阴影衰落预测方法。
根据本发明实施例的另一个方面提供了一种存储有计算机可读程序 的存储介质， 其中该计算机可读程序使得计算机在阴影衰落预测装置中 执行上述阴影衰落预测方法。
本发明实施例的有益效果在于： 在预测位置与参考位置不在一维方 向上时， 可根据与该预测位置相关的位置的高斯变量和预测因子获得预 测位置的高斯变量， 并根据该预测位置的高斯变量和参考位置的阴影衰 落对该预测位置的阴影衰落进行预测， 并使其符合阴影衰落的相关条件， 解决了目前存在的上述问题。
参照后文的说明和附图， 详细公开了本发明的特定实施方式， 指明 了本发明的原理可以被采用的方式。 应该理解， 本发明的实施方式在范 围上并不因而受到限制。 在所附权利要求的精神和条款的范围内， 本发 明的实施方式包括许多改变、 修改和等同。
针对一种实施方式描述和 /或示出的特征可以以相同或类似的方式在 一个或更多个其它实施方式中使用， 与其它实施方式中的特征相组合， 或替代其它实施方式中的特征。
应该强调， 术语 "包括 /包含"在本文使用时指特征、 整件、 歩骤或 组件的存在， 但并不排除一个或更多个其它特征、 整件、 歩骤或组件的 存在或附加。 附图说明
参照以下的附图可以更好地理解本发明的很多方面。 附图中的部件 不是成比例绘制的， 而只是为了示出本发明的原理。 为了便于示出和描 述本发明的一些部分， 附图中对应部分可能被放大或縮小。 在本发明的 一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它 附图或实施方式中示出的元素和特征相结合。 此外， 在附图中， 类似的 标号表示几个附图中对应的部件， 并可用于指示多于一种实施方式中使 用的对应部件。 在附图中：
图 1是一维阴影衰落预测示意图；
图 2是现有技术中采用一维阴影衰落预测位置 Z的阴影衰落的示意图; 图 3是本发明实施例 1的阴影衰落预测方法流程图；
图 4是本发明实施例 2的预测位置与相关位置示意图；
图 5是本发明实施例 3的预测位置与相关位置示意图；
图 6是是本发明实施例 5的阴影衰落预测方法应用实例图； 图 7是仿真区域的网格图的示意图；
图 8是实施例 5中歩骤 602实现的方法流程图；
图 9是本发明实施例 6的阴影衰落预测装置构成示意图；
图 10是本发明实施例 7的阴影衰落预测装置构成示意图；
图 11是图 10中阴影衰落预测单元的构成示意图。 具体实施方式
参照附图， 通过下面的说明书， 本发明实施例的前述以及其它特征 将变得明显。 这些实施方式只是示例性的， 不是对本发明的限制。 为了 使本领域的技术人员能够容易地理解本发明的原理和实施方式， 本发明 的实施方式以下述预测方法为例进行说明， 本发明实施例对于涉及阴影 衰落预测的任何系统均适用。
实施例 1
图 3是本发明实施例 1的阴影衰落预测方法流程图。 如图 3所示， 该方法包括：
歩骤 301，相关位置确定歩骤，在预测阴影衰落的预测位置与该预测 位置所在仿真区域的正方形网格图中的网格的参考位置不在一维方向上 时， 确定与该预测位置相关的相关位置； 其中， 该网格为正方形， 该预 测位置、 该参考位置和至少一个相关位置位于该网格的顶点；
歩骤 302， 高斯变量计算歩骤， 利用预测因子、该相关位置的高斯变 量、 以及与该相关位置的高斯变量相互独立的高斯变量和保持信号功率 归一性的系数来确定该预测位置的高斯变量； 其中， 该预测因子和该保 持信号功率归一性的系数按照以下方式确定： 使该预测位置的阴影衰落 与该相关位置的阴影衰落满足相关条件， 且使该预测位置的高斯变量均 值为零且方差为 1 ;
歩骤 303， 阴影衰落计算歩骤，利用该预测位置的高斯变量和该参考 位置的阴影衰落计算该预测位置的阴影衰落。
由上述实施例可知， 在预测位置与参考位置不在一维方向上时， 可 根据上述方法计算预测位置的阴影衰落， 并其符合阴影衰落的相关条件， 解决了目前存在的上述问题。
在一个实施例中， 在歩骤 301 中， 若该预测位置和该参考位置位于 该网格的同一个边， 则确定该相关位置包括在该网格上与该预测位置对 角的位置。
在一个实施例中， 在歩骤 301 中， 若该预测位置和该参考位置位于 该网格的同一个边上， 且该预测位置和参考位置为与该网格相邻的网格 的顶点， 则确定与该预测位置相关的相关位置包括： 在该网格上与该预 测位置对角的位置； 以及在与该网格相邻的网格上与该预测位置对角的 位置。
在一个实施例中， 在歩骤 301 中， 若该预测位置位于与该参考位置 对角的位置， 则确定该相关位置包括在该网格上与该预测位置相邻的位置。
由上述可知， 当预测位置与参考位置不在一维方向上时， 可通过上 述实施例来确定与该预测位置相关的相关位置， 以便在歩骤 302 中利用 上述相关位置的高斯变量、 预先获得的预测因子以及该预测位置的高斯 变量、 以及保持信号归一性的系数获得预测位置的高斯变量。
在本实施例中， 在歩骤 302中， 该预测位置的高斯变量为该预测因 子与该相关位置的高斯变量乘积之和、 加上与该相关位置的高斯变量相 互独立的高斯变量和保持信号功率归一性的系数乘积； 具体采用如下公 式计算： ζ = α^ζί + βγ , ( 5 ) 其中， 表示预测位置的高斯变量； ·表示相关位置的高斯变量； «表示预测因子； 表示预测位置对应的与相关位置的高斯变量 相互 独立的高斯变量； ^表示保持信号功率归一性的系数； 表示相关位置， 取值从 1到"， "为整数。
在一个实施例中， 在歩骤 302中， 该预测因子《和表示保持信号功 率归一性的系数^可预先获得， 具体可采用如下方式： 该预测因子《和 表示保持信号功率归一性的系数^的确定使得该预测位置的阴影衰落与 该相关位置的阴影衰落之间满足相关条件 （即满足公式 （4) )， 且使该预 测位置的高斯变量 ^ (即公式 （5 ) ) 的均值为零且方差为 1。 这样， 可 通过上述两个公式可获得该预测因子《和表示保持信号功率归一性的系 数^， 此外， 相关位置的高斯变量 和与相关位置的高斯变量 相互独 立的高斯变量 为随机数， 可随机产生。
在一个实施例中， 该表示保持信号功率归一性的系数 ^可与预测因 子《有关，即可由预测因子《确定，这样，根据具体的场景可将系数^表 示为预测因子《的函数， 仅利用公式 （4) 的相关性条件或者公式 （5 ) 的均值为零且方差为 1即可获得预测因子《， 进而获得系数^。
在本实施例中，在歩骤 302获得预测位置的高斯变量后，在歩骤 303 中可采用如下公 的阴影衰落：
Figure imgf000011_0001
表示预测位置的阴影衰落； ^表示参考位置的阴影衰落；
Figure imgf000011_0002
相关因子； ^表示预测位置与参考位置之间的距离； ^ 表示相关距离， 取 =1。
在公式（6) 中， 表示该预测位置的阴影衰落通过两级预测生成， 其 中一部分 W(A )。和直线上的点有关， 另一部分 ^^ 与对角上的 点有关，这两个部分相互独立，其中的系数 R(Ax)和 - 2 (^)是为了满 足相关性和保持信号功率归一化。 该式不仅满足直线上的相关性， 也满 足对角线上的相关性， 从而符合二维相关的特征。 在上述实施例中， 所有的高斯变量， 如^、 ζ ^都是均值为零， 方差为 1 的高斯变量， 上述高斯变量为随机数， 可随机的产生。 下面的 实施例所述的高斯变量也如此， 下面不再赘述。
由上述实施例可知， 在预测位置与参考位置不在一维方向上时， 可 根据与该预测位置相关的位置的高斯变量和预测因子获得预测位置的高 斯变量， 并根据该预测位置的高斯变量和参考位置的阴影衰落对该预测 位置的阴影衰落进行预测， 并使其符合阴影衰落的相关条件， 解决了目 前存在的上述问题。
以下以具体的预测位置为例对本发明的预测方法进行详细说明。 在 下述的实施例中， 例如， 某一仿真区域的正方形网格图由多个网格构成， 每个网格均为正方形， 每个网格的边长均为 r。例如其中一个网格的顶点
1到顶点 4的位置用坐标表示为 ^( ，> 、 2 (½ + ^^。)、 X3 {x0 , 0 + r) 和^^ + ^ ^ + 其中，顶点 1的位置为参考位置； r为大于零的数，
½和 。为任意实数； 水平方向为 X轴， 垂直方向为 轴， 如图 4所示。
下面以预测位置为顶点 3和 4所在的位置为例对本发明的预测方法 进行详细说明。
实施例 2
本发明实施例提供一种阴影衰落预测方法。 本发明实施例以预测位 置为顶点 3所在的位置为例进行说明。 如图 4所示， 预测位置为 X3对应 的位置。
在预测阴影衰落的预测位置与该预测位置所在仿真区域的正方形网 格图中的网格的参考位置不在一维方向上时， 例如， 在该预测位置为顶 点 3 ( Y轴） 所在的位置时， 在预测该位置的阴影衰落时， 若采用如现有 技术的一维预测方式， 则不能满足阴影衰落的相关条件， 预测结果不准 确。 若采用本发明实施例的方式， 可满足二维相关， 预测结果准确。
在本实施例中， 在歩骤 301中， 当预测位置为顶点 3所在的位置时， 可确定与该预测位置相关的相关位置为该网格上的与该预测位置对角的 位置， 即为顶点 2的位置， 其坐标为 2 ( + r, ;。；)。 在歩骤 302中， 利用预测因子、 该相关位置的高斯变量、 以及与该 相关位置的高斯变量相互独立的高斯变量和保持信号功率归一性的系数 来确定该预测位置的高斯变量；
在本实施例中， 可采用公式 （5 ) 来计算该预测位置的高斯变量， 并 且在本实施例中， 相关位置的数量为 1个， 则将公式 （5 ) 具体为：
K + A ( 7) 其中， 表示预测位置的高斯变量； ^表示相关位置的高斯变量；
A表示第一预测因子；； ^表示预测位置对应的与相关位置的高斯变量 ^ 相互独立的高斯变量高斯变量； A表示保持信号功率归一性的系数。 其 中， 第一预测因子 和^的确定可采用实施例 1的方式， 使得公式 （7) 的方差为 1且均值为零， 且满足相关性公式 （公式 （4) )， 这样， 通过上 述关系可获得第一预测因子 和^， 由于其具体的计算过程为现有技 术， 此处不再赘述。
在本实施例中， 该系数 A也可与第一预测因子 有关， 如使得
A =K ， 这样在计算第一预测因子 和 A的过程中可用第一预测 因子 表示系数 ， 这样可采用相关性公式 （4) 即可获得第一预测因 子 。 以下以这种情况进行说明， 但其仅为本发明实施例， 在这种场景 下， 该第一预测因子 还可根据公式 （7) 使得高斯变量 ^均值为零且 方差为 1获得。
在歩骤 303中， 可采用公式 （6) 计算顶点 3处的阴影衰落， 即
Δ = r， 则上式可为：
Figure imgf000013_0001
其中， 表示预测位置的阴影衰落； 表示参考位置的阴影衰落， 可预先确定该值。
在这种情况下， 预测因子的获得可采用如下方式： 如该第一预测因 子^使预测位置的阴影衰落与相关位置的阴影衰落满足相关条件， 即满足:
由上述公式 （4) 可知，
Figure imgf000014_0001
因此， 由 （8) 式可知， 第一预测因子 A =^—— (10)
\-e
由 （10) 式可知， 若获知网格长度 r， 则可预先获得该第一预测因 子 ^。 表 1为网格长度 ^与 的关系表。
表 1
Figure imgf000014_0002
由上述实施例可知， 在预测位置处于 y轴时， 可确定于该预测位置 相关的相关位置， 然后根据与该预测位置相关的位置的高斯变量、 预测 因子、 以及与相关位置的高斯变量独立的高斯变量和保持信号功率归一 化的系数获得预测位置的高斯变量， 并根据该预测位置的高斯变量和参 考位置的阴影衰落对该预测位置的阴影衰落进行预测， 并使其符合阴影 衰落的相关条件， 解决了目前存在的上述问题。
实施例 3
本发明实施例还提供一种阴影衰落预测方法。 本发明实施例以预测 位置为顶点 3所在的位置为例进行说明。 如图 5所示， 预测位置为 X3对 应的位置。
在本实施例中， 与实施例 2的不同之处在于， 在歩骤 301确定于预 测位置相关的相关位置时， 不仅考虑该网格中的位置， 还可考虑更多的 相关位置， 例如， 如图 5所示， 不仅考虑该网格中的顶点 2的位置， 还 考虑与该网格相邻的网格中与该预测位置对角的位置， 即 的位置。 在 歩骤 302中， 可采用如下公式计算预测位置的高斯变量：
ζ3 =α2(ζ2' + ζ2) + β2 3-, (11) 其中， ^表示预测位置的高斯变量； ^表示该网格上相关位置的高 斯变量， 可正可负， 为任意实数； 表示在与该网格相邻的网格上的相 关位置的高斯变量； 《2表示第二预测因子； ； ^表示预测位置对应的与相 关位置的高斯变量独立分布的高斯变量； A表示保持信号功率归一性的 系数。
与实施例 2 类似， 该系数 A可由第二预测因子《2确定， 如使得 β2二 - 2a2 2， 其他类似， 此处不再赘述。
在歩骤 303中， 采用如实施例 2所述的公式 （8)， 此处不再赘述。 在本实施例中， 在确定第二预测因子《2时， 确定的方法如实施例 2 所述， 此处可利用该预测位置的阴影衰落 3和相关位置的阴影衰落 ξ2或 的相关性来确定该第二预测因子《2， 这样， 该第二预测因子《2等于 第一预测因子 A， 如实施例 2所述， 此处不再赘述。
由上述实施例可知， 在预测位置处于 y轴时， 可确定于该预测位置 相关的相关位置， 即可包括该网格的位置也可包括其他网格的位置， 这 样， 根据与该预测位置相关的位置的高斯变量、 预测因子、 以及随机数 获得预测位置的高斯变量， 并根据该预测位置的高斯变量和参考位置的 阴影衰落对该预测位置的阴影衰落进行预测， 并使其符合阴影衰落的相 关条件， 解决了目前存在的上述问题。
实施例 4
本发明实施例还提供一种阴影衰落预测方法。 本发明实施例以预测 位置为顶点 4所在的位置为例进行说明。
在本实施例中， 在歩骤 301中， 当预测位置为顶点 4所在的位置时， 可确定与该预测位置相关的相关位置确定该相关位置包括在该网格上与 该预测位置相邻的位置， 即为顶点 2 和顶点 3 的位置， 其坐标分别为 2 (½ + , 。 )和 A , 。 + 。
在歩骤 302中， 利用预测因子、 该相关位置的高斯变量、 以及与该 相关位置的高斯变量相互独立的高斯变量和保持信号功率归一化的系数 来确定该预测位置的高斯变量； 在本实施例中， 可具体采用如下公式进行计算: ζ4 =α (ζ +ζ2) + βχ4 (12) 其中， 4表示预测位置的高斯变量； 2表示相关位置为顶点 2所在 位置时的高斯变量； ^表示相关位置为顶点 3所在位置时的高斯变量， 其中 包含《2 2， 《2可采用实施例 2或 3的方法确定； 《3为第三预测 因子； Α表示保持信号功率归一性的系数； ； 4表示预测位置对应的与相 关位置的高斯变量相互独立的高斯变量。
与实施例 2类似，该系数 可由第三预测因子《3确定，又由于第三 预测因子《3包含第二预测因子《2， 这样， 最终该系数 Α可由第二预测 因子《2和第三预测因子《3确定， 如使得 A
Figure imgf000016_0001
其他类 似， 此处不再赘述。
在歩骤 303中， 可采用公式 （6) 计算顶点 3处的阴影衰落， 即
Figure imgf000016_0002
而预测位置与参考位置之间的距离为 Δ = ， 则上式可为： 4=e_ 2d — e_2 2r 4 (13) 其中， 表示预测位置的阴影衰落； 表示参考位置的阴影衰落， 可预先确定该值 。
在这种情况下， 第三预测因子《3的获得可采用如下方式： 使预测位 置的阴影衰落与相关位置的阴影衰落满足相关条件， 即满足：
Κ(ξ2ξ4) = e-r (14) 由上述公式（4)可知， 该预测位置与相关位置满足相关条件， 即满 足： (ξ2ξ4 ) = + β{\ + a2 )Vl - e_2r Vl- e l ir = e r (15)
因此， 由 （15) 式可知， 第三预测因子为：
Figure imgf000016_0003
其中， 式（15 )和（16) 中的第二预测因子《2可由第一预测因子 代替， 且可由实施例 2和 3获得， 此处不再赘述。 此外， 上述实施例中 的公式推导过程与现有技术类似， 此处不再赘述。
表 12为网格长度 r与《3的关系表。
表 2
Figure imgf000017_0001
由上述实施例可知， 在预测位置处于二维平面上时， 可确定于该预 测位置相关的相关位置， 这样， 根据与该预测位置相关的位置的高斯变 量、 预测因子、 以及与相关位置的高斯变量独立分布的高斯变量、 保持 功率归一化的系数来获得预测位置的高斯变量， 并根据该预测位置的高 斯变量和参考位置的阴影衰落对该预测位置的阴影衰落进行预测， 并使 其符合阴影衰落的相关条件， 解决了目前存在的上述问题。
在上述实施例中， 主要对与参考位置不在一维方向的预测位置的阴 影衰落进行预测， 对于与参考位置在一维方向的预测位置， 如图 4和图 5 中的位置 Χ2的阴影衰落时， 可采用如背景技术中的一维模型来计算， 此 处不再赘述。
实施例 5
本发明实施例提供一种阴影衰落预测方法。
图 6是本发明实施例 5的阴影衰落预测方法应用实例图； 图 7是仿 真区域的网格图的示意图。 图 8是歩骤 602实现的方法流程图。
如图 6所示， 该阴影衰落预测方法可包括：
歩骤 601， 网格图生成歩骤， 生成仿真区域的正方形网格图， 该网格 图包括多个网格， 且每个网格均为正方形， 边长为 r ;
其中， 如图 7所示， 在仿真区域为正方形网格图， 包括多个网格， 每个位置均为网格的顶点， 共 16个位置， 为便于说明， 假设每个网格的 边长为 1， 但也可为其他数值。
歩骤 602，对网格图中的各个位置的阴影衰落逐一进行预测，直至完 成所有位置上的阴影衰落的预测；
如图 8所示， 歩骤 602的实现方式可包括如下歩骤：
歩骤 801，网格确定歩骤，确定当前的预测位置所在网格图中的网格; 例如， 如图 7所示， 当前预测位置为 2， 可确定其所在网格图中的网 格为由顶点 1、 2、 5、 6构成的网格， 其中， 以顶点 1的位置为参考位置; 若当前预测位置为位置 5或 6， 则可确定其所在网格为由顶点 1、 2、 5、 6构成的网格， 其中， 以顶点 1的位置为参考位置；
若当前预测位置为位置 10， 则可确定其所在网格为由顶点 5、 6、 9、 10构成的网格， 其参考位置为位置 5; 或者由顶点 6、 7、 10、 11构成的 网格，其参考位置为位置 6，置于确定采用哪个网格可根据需要预先设定。
歩骤 802，位置确定歩骤，确定当前预测位置是否与该网格的参考位 置处于一维方向上；
其中， 如图 7所示， 此处预设处于 Y轴上的位置是与参考位置不在 一维方向上的位置， 只有在 X轴上的位置与参考位置在一维方向上； 反 之亦然；
例如， 如图 7所示， 若当前预测位置为位置 2， 则该位置 2与参考位 置 1处于 X轴上， 即处于一维方向上；
若当前预测位置为位置 5或 6，则该预测位置与所在网格的参考位置 1不在一维方向上；
若当前预测位置为位置 10， 则该预测位置与所在网格的参考位置 5 或 6不在一维方向上。
歩骤 803， 第一预测歩骤， 若在歩骤 802中判断结果为是， 则利用一 维预测方式对该预测位置的阴影衰落进行计算；
其中， 例如， 对于当前预测位置为位置 2时， 可利用公式 （3 )进行 计算； 对于参考位置 1的阴影衰落可预先给定。
歩骤 804，第二预测歩骤，若在歩骤 802中确定该预测位置与起始位 置不在一维方向上时， 可利用实施例 1至 4的方式预测该当前预测位置 的阴影衰落；
例如， 当前预测位置为位置 5， 位于 Y轴， 经判断该预测位置 4与 参考位置 1不在一维方向， 则可具体采用实施例 2所述的方法进行预测， 即确定与位置 5相关的相关位置， 即该相关位置为位置 2， 然后利用预测 因子、 该相关位置 2 的高斯变量、 以及保持信号功率归一化的系数、 与 该相关位置的高斯变量相互独立的高斯变量确定该预测位置 5 的高斯变 量； 然后利用该预测位置 5的高斯变量以及参考位置 1 的阴影衰落预测 该预测位置 5的阴影衰落， 其中， 可采用实施例 2中的公式 （7 ) 和 （8 ) 计算， 预测因子采用公式 （10 ) 计算；
例如， 当前预测位置为 6， 位于平面上， 经判断该预测位置 6与参考 位置 1不在一维方向， 则可具体采用实施例 4所述的方法进行预测， 即 确定与预测位置 6相关的相关位置可包括位置 5和位置 2，然后可采用实 施例 4中的公式 （12 ) 和 （13 ) 来计算位置 6处的阴影衰落， 预测因子 采用公式 （16 ) 计算；
例如， 当前预测位置为 10时， 若采用由顶点 5、 6、 9、 10构成的网 格时， 可具体采用实施例 2所述的方法计算， 此处不再赘述； 若采用由 顶点 6、 7、 10、 11构成的网格时， 可具体采用实施例 3所述的方法来计 算， 即可确定于位置 10相关的位置为位置 5和位置 7， 然后可根据公式 ( 11 ) 和 （8 ) 计算位置 10的阴影衰落， 预测因子采用公式 （10 ) 计算。
歩骤 805，在歩骤 803和 804之后，进一歩判断是否还存在未预测的 位置， 若是则回到歩骤 801， 否则结束过程。
由上述实施例可知， 可采用如上方法对仿真区域中的各个位置的阴 影衰落进行预测时， 对于当前预测位置与其所在网格的参考位置不在一 维方向的情况， 采用实施例 1至 4的方式进行预测， 以使其符合阴影衰 落的相关条件， 解决了目前存在的上述问题。
本发明实施例还提供了一种预测装置， 如下面的实施例 5所述。 由 于该预测装置解决问题的原理与上述实施例 1-4 的基于预测装置的预测 方法相似， 因此该预测装置的实施可以参见方法的实施， 重复之处不再 赘述。
实施例 6
本发明实施例提供一种阴影衰落预测装置。 图 9是本发明实施例 6 的阴影衰落预测装置的结构图。 如图 9所示， 该装置包括相关位置确定 单元 901、 高斯变量计算器 902和阴影衰落计算器 903 ; 其中， 相关位置确定单元 901，用于在预测阴影衰落的预测位置与该预测位 置所在仿真区域的正方形网格图中的网格的参考位置不在一维方向上 时， 确定与该预测位置相关的相关位置； 其中， 该网格为正方形， 该预 测位置、 该参考位置和至少一个相关位置位于该网格的顶点；
高斯变量计算器 902， 用于利用预测因子、 该相关位置的高斯变量、 以及保持信号功率归一化的系数和与该相关位置的高斯变量相互独立的 高斯变量确定该预测位置的高斯变量； 其中， 该预测因子和保持信号功 率归一性的系数按照以下方式确定： 使该预测位置的阴影衰落与该相关 位置的阴影衰落满足相关条件， 使该预测位置的高斯变量均值为零且方 差为 1 ;
阴影衰落计算器 903，用于利用该预测位置的高斯变量和该参考位置 的阴影衰落计算该预测位置的阴影衰落。
在一个实施例中， 该保持信号功率归一性的系数可与预测因子有关， 由预测因子确定， 如实施例 2-4所述， 此处不再赘述。
在一个实施例中， 相关位置确定单元 901包括第一判断单元和第一 确定单元 （未示出）， 其中，
第一判断单元， 用于判断该预测位置和该参考位置是否位于该网格 的同一个边； 第一确定单元， 用于在该第一判断单元的判断结果为是时， 确定该相关位置包括在该网格上与该预测位置对角的位置。 具体如实施 例 2所述， 此处不再赘述。
在一个实施例中， 相关位置确定单元 901包括第二判断单元和第二 确定单元 （未示出）， 其中， 第二判断单元， 用于判断该预测位置和该参 考位置是否位于该网格的同一个边， 且该预测位置和参考位置为与该网 格相邻的网格的顶点； 第二确定单元， 用于在该第二判断单元的判断结 果为是时， 确定该相关位置包括： 在该网格上与该预测位置对角的位置； 以及在与该网格相邻的网格上与该预测位置对角的位置。具体如实施例 3 所述， 此处不再赘述。
在一个实施例中， 相关位置确定单元 901包括第三判断单元和第三 确定单元 （未示出）， 其中， 第三判断单元， 用于判断该预测位置是否位 于与该参考位置对角的位置； 第三确定单元， 用于在该第三判断单元的 判断结果为是时， 确定该相关位置包括在该网格上与该预测位置相邻的 位置。 具体如实施例 4所述， 此处不再赘述。
在本实施例中， 高斯变量计算器 902和阴影衰落计算器 903如实施 例 1至 4所述， 此处不再赘述。
在本实施例中， 该装置包括的相关位置确定单元 901、高斯变量计算 器 902和阴影衰落计算器 903可为现场可编程逻辑部件、 微处理器、 计 算机中使用的处理器等。
由上述实施例可知， 可通过上述装置对与参考位置不在一维方向上 的预测位置的阴影衰落进行计算， 以使其符合阴影衰落的相关条件， 解 决了目前存在的上述问题。
实施例 7
本发明实施例还提供一种阴影衰落预测装置， 其可对仿真区域中的 各个位置的阴影衰落进行预测。
图 10是本发明实施例 7的阴影衰落预测装置构成示意图。 如图 10 所示， 该阴影衰落预测装置包括：
网格图生成单元 1001， 其用于生成仿真区域的正方形网格图， 该网 格图包括多个网格， 且每个网格均为正方形， 边长为 r ;
阴影衰落预测单元 1002， 其用于对网格图中的各个位置的阴影衰落 逐一进行预测， 直至完成所有位置上的阴影衰落的预测；
在本实施例中， 如图 11所示， 阴影衰落预测单元 1002可包括如下 部分： 网格确定单元 1101、 位置确定单元 1102、 第一预测单元 1103、 第 二预测单元 1104和判断单元 1105 ; 其中，
网格确定单元 1101， 其用于确定当前的预测位置所在网格图中的网 格； 位置确定单元 1102， 其用于确定当前预测位置是否与该网格的参考 位置处于一维方向上； 第一预测单元 1103， 其用于在位置确定单元 1102 的判断结果为是， 则利用一维预测方式对该预测位置的阴影衰落进行计 算； 第二预测单元 1104， 其用于在位置确定单元 1102的确定结果为该预 测位置与参考位置不在一维方向上时， 可利用实施例 6、 图 9所示的装置 预测该当前预测位置的阴影衰落， 具体如实施例 6所述， 此处不再赘述。 判断单元 1105， 其用于判断是否还存在未预测的位置， 若是则回到网格 确定单元 1101开始对待预测的预测位置的阴影衰落进行预测， 否则结束 该预测过程。
上述各个构成部分的工作方式与实施例 5 中的方法对应， 此处不再 赘述。
在如图 10-11的各个构成单元，例如可为现场可编程逻辑部件、微处 理器、 计算机中使用的处理器等。
由上述实施例可知， 可采用如上装置对仿真区域中的各个位置的阴 影衰落进行预测时， 对于当前预测位置与其所在网格的参考位置不在一 维方向的情况也可准确进行预测， 使其符合阴影衰落的相关条件， 解决 了目前存在的上述问题。
本发明实施例还提供一种计算机可读程序， 其中当在阴影衰落预测 装置中执行该程序时， 该程序使得计算机在该阴影衰落预测装置中执行 如实施例 1至 5的阴影衰落预测方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质， 其中 该计算机可读程序使得计算机在阴影衰落预测装置中执行如实施例 1-5 的阴影衰落预测方法。
本发明以上的装置和方法可以由硬件实现， 也可以由硬件结合软件 实现。 本发明涉及这样的计算机可读程序， 当该程序被逻辑部件所执行 时， 能够使该逻辑部件实现上文所述的装置或构成部件， 或使该逻辑部 件实现上文所述的各种方法或歩骤。 逻辑部件例如现场可编程逻辑部件、 微处理器、 计算机中使用的处理器等。 本发明还涉及用于存储以上程序 的存储介质， 如硬盘、 磁盘、 光盘、 DVD、 flash存储器等。
以上结合具体的实施方式对本发明进行了描述， 但本领域技术人员 应该清楚， 这些描述都是示例性的， 并不是对本发明保护范围的限制。 本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和 修改， 这些变型和修改也在本发明的范围内。

Claims

权利 要 求 书
1、 一种阴影衰落预测方法， 所述方法包括：
相关位置确定歩骤， 在预测阴影衰落的预测位置与所述预测位置所 在仿真区域的正方形网格图中的网格的参考位置不在一维方向上时， 确 定与所述预测位置相关的相关位置； 其中， 所述网格为正方形， 所述预 测位置、 所述参考位置和至少一个相关位置位于所述网格的顶点；
高斯变量计算歩骤， 利用预测因子、 所述相关位置的高斯变量、 以 及与所述相关位置的高斯变量相互独立的高斯变量和保持信号功率归一 性的系数来确定所述预测位置的高斯变量； 其中， 所述预测因子和所述 保持信号功率归一性的系数按照以下方式确定： 使所述预测位置的阴影 衰落与所述相关位置的阴影衰落满足相关条件， 使所述预测位置的高斯 变量均值为零且方差为 1 ;
阴影衰落计算歩骤， 利用所述预测位置的高斯变量和所述参考位置 的阴影衰落计算所述预测位置的阴影衰落。
2、根据权利要求 1所述的方法，其中，在所述阴影衰落计算歩骤中， 采用如下公式计算预测位置的阴影衰落：
ξ = Κ(Λχ)ξ0 + - R2 (AxX .
Figure imgf000023_0001
相关因子； Δχ表示预测位置与参考位置之间的距离； ^表示相关距离，
=l o
3、 根据权利要求 1所述的方法， 其中， 所述高斯变量计算歩骤具体 包括： 所述预测位置的高斯变量为所述预测因子与所述相关位置的高斯 变量乘积之和、 加上与所述相关位置的高斯变量相互独立的高斯变量和 保持信号功率归一性的系数乘积； 具体采用如下公式计算：
Figure imgf000023_0002
其中， 表示预测位置的高斯变量； 表示相关位置的高斯变量； «表示预测因子； 表示预测位置对应的与相关位置的高斯变量 相互 独立的高斯变量； ^表示保持信号功率归一性的系数； 表示相关位置， 取值从 1到"， "为整数。
4、 根据权利要求 3所述的方法， 其中， 所述保持信号功率归一性的 系数与所述预测因子有关。
5、根据权利要求 1所述的方法，其中，在所述相关位置确定歩骤中， 若所述预测位置和所述参考位置位于所述网格的同一个边， 则确定所述 相关位置包括在所述网格上与所述预测位置对角的位置。
6、 根据权利要求 5所述的方法， 其中， 所述网格的边长为 r; 所述 网格的顶点 1到顶点 4的位置用坐标表示为 (^， ）、 2( 0+^ o) 3(xQ,j¾+r)和 4(xQ 其中，顶点 1的位置为参考位置； r为 大于零的数， ½和 。为任意实数； 水平方向为 X轴， 垂直方向为 轴； 在所述预测位置为顶点 3所在的位置时， 所述相关位置包括顶点 2 所在的位置；
所述预测位置的高斯变量采用如下公式获得：
其中， 表示预测位置的高斯变量； ^表示相关位置的高斯变量； 表示第一预测因子；； ^表示预测位置对应的与相关位置的高斯变量 2 相互独立的高斯变量； β表示保持信号功率归一性的系数。
7、根据权利要求 1所述的方法，其中，在所述相关位置确定歩骤中， 若所述预测位置和所述参考位置位于所述网格的同一个边上， 且所述预 测位置和参考位置为与所述网格相邻的网格的顶点， 则确定与所述预测 位置相关的相关位置包括： 在所述网格上与所述预测位置对角的位置； 以及在与所述网格相邻的网格上与所述预测位置对角的位置。
8、 根据权利要求 7所述的方法， 其中， 所述网格的边长为 r; 所述 网格的顶点 1到顶点 4的位置用坐标表示为 Α(χ。,Λ)、 Xi{^+r,y0), ^^，^+ 和^^。 与所述网格相邻的网格的顶点 1到顶 点 4 的坐标表示为 ^ο, )、 X2'(x0 -r, 0)、 X3(x0,y0+r)和 4'(x0 -r,j0 -r); 其中， 顶点 1的位置为参考位置； r为大于零的数，
½和 。为任意实数； 水平方向为 X轴， 垂直方向为 轴；
所述预测位置为顶点 3所在的位置， 所述相关位置包括： 所述网格 上顶点 2所在的位置， 以及与所述网格相邻的网格上的顶点 2所在的位 置；
所述预测位置的高斯变量采用如下公式获得：
ζ3=α2(ζ2 +ζ2) + β2 3; 其中， 表示预测位置的高斯变量； ^表示所述网格上相关位置的 高斯变量； ^表示在与所述网格相邻的网格上的相关位置的高斯变量； «2表示第二预测因子； ^表示保持信号功率归一性的系数； 表示预 测位置对应的高斯变量。
9、根据权利要求 1所述的方法，其中，在所述相关位置确定歩骤中， 若所述预测位置位于与所述参考位置对角的位置， 则确定所述相关位置 包括在所述网格上与所述预测位置相邻的位置。
10、 根据权利要求 9所述的方法， 其中， 所述网格的边长为 r; 所 述网格的顶点 1到顶点 4的位置用坐标表示为 ^。,_) 、 2(½ +^,Λ)、 ^(^，^+ 和 ^。 +r); r为大于零的数， X。和^)为任意实数； 水平方向为 X轴， 垂直方向为 轴；
所述预测位置为顶点 4所在的位置， 所述相关位置包括所述网格上 顶点 2和顶点 3所在的位置；
所述预测位置的高斯变量采用如下公式获得：
ζ4 =α3(ζ3 +ζ2) + β3 4·,
其中， 4表示预测位置的高斯变量； 2表示相关位置为顶点 2所在 位置时的高斯变量； ^表示相关位置为顶点 3所在位置时的高斯变量； «3为第三预测因子； A表示保持信号功率归一性的系数； 《2表示第二 预测因子； ；4表示预测位置对应的高斯变量。
11、 一种阴影衰落预测装置， 所述装置包括：
相关位置确定单元， 所述相关位置确定单元用于在预测阴影衰落的 预测位置与所述预测位置所在仿真区域的正方形网格图中的网格的参考 位置不在一维方向上时， 确定与所述预测位置相关的相关位置； 其中， 所述网格为正方形， 所述预测位置、 所述参考位置和至少一个相关位置 位于所述网格的顶点；
高斯变量计算器， 所述高斯变量计算器用于利用预测因子、 所述相 关位置的高斯变量、 以及与所述相关位置的高斯变量相互独立的随机数 确定所述预测位置的高斯变量； 其中， 所述预测因子和所述保持信号功 率归一性的系数按照以下方式确定： 使所述预测位置的阴影衰落与所述 相关位置的阴影衰落满足相关条件， 且使所述预测位置的高斯变量均值 为零且方差为 1 ;
阴影衰落计算器， 所述阴影衰落计算器用于利用所述预测位置的高 斯变量和所述参考位置的阴影衰落计算所述预测位置的阴影衰落。
12、根据权利要求 11所述的装置，其中，所述相关位置确定单元包括: 第一判断单元， 用于判断所述预测位置和所述参考位置是否位于所 述网格的同一个边；
第一确定单元， 用于在所述第一判断单元的判断结果为是时， 确定 所述相关位置包括在所述网格上与所述预测位置对角的位置。
13、根据权利要求 11所述的装置，其中，所述相关位置确定单元包括: 第二判断单元， 用于判断所述预测位置和所述参考位置是否位于所 述网格的同一个边， 且所述预测位置和参考位置为与所述网格相邻的网 格的顶点
第二确定单元， 用于在所述第二判断单元的判断结果为是时， 确定 所述相关位置包括： 在所述网格上与所述预测位置对角的位置； 以及在 与所述网格相邻的网格上与所述预测位置对角的位置。
14、根据权利要求 11所述的装置，其中，所述相关位置确定单元包括: 第三判断单元， 用于判断所述预测位置是否位于与所述参考位置对 角的位置；
第三确定单元， 用于在所述第三判断单元的判断结果为是时， 确定 所述相关位置包括在所述网格上与所述预测位置相邻的位置。
15、 一种阴影衰落预测方法， 所述方法包括：
网格图生成歩骤， 生成仿真区域的正方形网格图， 该网格图包括多 个网格， 且每个网格均为正方形；
阴影衰落预测歩骤， 对所述网格图中的各个位置的阴影衰落逐一进 行预测， 直至完成所有位置上的阴影衰落的预测； 其中，
所述阴影衰落预测歩骤包括：
网格确定歩骤， 确定当前的预测位置所在网格图中的网格； 位置确定歩骤， 确定当前预测位置是否与该网格的参考位置处于一 维方向上；
预测歩骤， 预测所述当前预测位置的阴影衰落；
判断歩骤： 判断是否还存在未预测的位置， 若是则回到所述网格确 定歩骤， 否则结束过程；
其中， 所述预测歩骤包括：
相关位置确定歩骤， 在预测阴影衰落的预测位置与所述预测位置所 在仿真区域的正方形网格图中的网格的参考位置不在一维方向上时， 确 定与所述预测位置相关的相关位置； 其中， 所述网格为正方形， 所述预 测位置、 所述参考位置和至少一个相关位置位于所述网格的顶点；
高斯变量计算歩骤， 利用预测因子、 所述相关位置的高斯变量、 以 及与所述相关位置的高斯变量相互独立的高斯变量和保持信号功率归一 性的系数来确定所述预测位置的高斯变量； 其中， 所述预测因子和所述 保持信号功率归一性的系数按照以下方式确定： 使所述预测位置的阴影 衰落与所述相关位置的阴影衰落满足相关条件， 且使所述预测位置的高 斯变量均值为零且方差为 1 ;
阴影衰落计算歩骤， 利用所述预测位置的高斯变量和所述参考位置 的阴影衰落计算所述预测位置的阴影衰落。
16、 根据权利要求 15所述的方法， 其中， 在所述预测歩骤的高斯变 量计算歩骤中， 所述预测位置的高斯变量为所述预测因子与所述相关位 置的高斯变量乘积之和、 加上与所述相关位置的高斯变量相互独立的高 斯变量和保持信号功率归一性的系数乘积； 具体采用如下公式计算： ζ = α^ζί + βγ , 其中， 表示预测位置的高斯变量； 表示相关位置的高斯变量； «表示预测因子； ； 表示预测位置对应的与相关位置的高斯变量 ·相互 独立的高斯变量； ^表示保持信号功率归一性的系数； 表示相关位置， 取值从 1到 w， w为整数。
17、 一种阴影衰落预测装置， 所述装置包括：
网格图生成单元， 所述网格生成单元用于生成仿真区域的正方形网 格图， 该网格图包括多个网格， 且每个网格均为正方形；
阴影衰落预测单元， 所述阴影衰落单元用于对网格图中的各个位置 的阴影衰落逐一进行预测， 直至完成所有位置上的阴影衰落的预测； 其中， 所述阴影衰落预测单元包括：
网格确定单元， 所述网格确定单元用于确定当前的预测位置所在网 格图中的网格；
位置确定单元， 所述位置确定单元用于确定当前预测位置是否与该 网格的参考位置处于一维方向上；
预测单元， 所述预测单元用于对所述当前预测位置的阴影衰落进行 预测；
判断单元， 所述判断单元用于判断是否还存在未预测的位置， 若是 则回到网格确定单元， 否则结束预测；
其中， 所述预测单元包括：
相关位置确定单元， 所述相关位置确定单元用于在预测阴影衰落的 预测位置与所述预测位置所在仿真区域的正方形网格图中的网格的参考 位置不在一维方向上时， 确定与所述预测位置相关的相关位置； 其中， 所述网格为正方形， 所述预测位置、 所述参考位置和至少一个相关位置 位于所述网格的顶点；
高斯变量计算器， 所述高斯变量计算器用于利用预测因子、 所述相 关位置的高斯变量、 以及与所述相关位置的高斯变量相互独立的随机数 确定所述预测位置的高斯变量； 其中， 所述预测因子和所述保持信号功 率归一性的系数按照以下方式确定： 使所述预测位置的阴影衰落与所述 相关位置的阴影衰落满足相关条件， 且使所述预测位置的高斯变量均值 为零且方差为 1 ;
阴影衰落计算器， 所述阴影衰落计算器用于利用所述预测位置的高 斯变量和所述参考位置的阴影衰落计算所述预测位置的阴影衰落。
18、 一种计算机可读程序， 其中当在阴影衰落预测装置中执行该程 序时， 该程序使得计算机在所述阴影衰落预测装置中执行如权利要求 1 至 10、 15至 16中的任意一项权利要求所述的阴影衰落预测方法。
19、 一种存储有计算机可读程序的存储介质， 其中该计算机可读程 序使得计算机在阴影衰落预测装置中执行权利要求 1至 10、 15至 16中 的任意一项权利要求所述的阴影衰落预测方法。
PCT/CN2011/073524 2011-04-29 2011-04-29 阴影衰落预测方法和预测装置 WO2012145920A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN2011800674352A CN103370959A (zh) 2011-04-29 2011-04-29 阴影衰落预测方法和预测装置
PCT/CN2011/073524 WO2012145920A1 (zh) 2011-04-29 2011-04-29 阴影衰落预测方法和预测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2011/073524 WO2012145920A1 (zh) 2011-04-29 2011-04-29 阴影衰落预测方法和预测装置

Publications (1)

Publication Number Publication Date
WO2012145920A1 true WO2012145920A1 (zh) 2012-11-01

Family

ID=47071572

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2011/073524 WO2012145920A1 (zh) 2011-04-29 2011-04-29 阴影衰落预测方法和预测装置

Country Status (2)

Country Link
CN (1) CN103370959A (zh)
WO (1) WO2012145920A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108155961B (zh) * 2017-12-05 2020-09-15 东南大学 一种蜂窝扩展方式的二维相关信号构建方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003105376A2 (en) * 2002-06-05 2003-12-18 Qualcomm, Incorporated Method and apparatus for pilot estimation using a prediction error method with a kalman filter and a gauss-newton algorithm
CN1805312A (zh) * 2005-12-23 2006-07-19 西安交通大学 蜂窝无线通信系统中的一种无线环境的仿真方法
CN101820640A (zh) * 2010-04-06 2010-09-01 新邮通信设备有限公司 一种阴影衰落仿真方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003105376A2 (en) * 2002-06-05 2003-12-18 Qualcomm, Incorporated Method and apparatus for pilot estimation using a prediction error method with a kalman filter and a gauss-newton algorithm
CN1805312A (zh) * 2005-12-23 2006-07-19 西安交通大学 蜂窝无线通信系统中的一种无线环境的仿真方法
CN101820640A (zh) * 2010-04-06 2010-09-01 新邮通信设备有限公司 一种阴影衰落仿真方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AGRAWAL, PIYUSH ET AL.: "Correlated Link Shadow Fading in Multi-Hop Wireless Networks", IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS, vol. 8, no. 8, August 2009 (2009-08-01), pages 4024 - 4036 *
GUDMUNDSON, M.: "Correlation Model For Shadow Fading In Mobile Radio Systems", ELECTRONICS LETTERS, vol. 27, no. 23, 7 November 1991 (1991-11-07), pages 2145 - 2146 *

Also Published As

Publication number Publication date
CN103370959A (zh) 2013-10-23

Similar Documents

Publication Publication Date Title
JP6645346B2 (ja) 電磁波伝搬経路の追跡方法、装置及びシステム
US10127720B2 (en) Object modeling in multi-dimensional space
JP2017528731A (ja) マルチビューステレオ及び較正されたプロジェクタを用いた奥行き推定
KR20170068462A (ko) 에지를 이용한 3차원 모델 생성
JP2017509972A (ja) ビュー非依存色等化３ｄシーンテクスチャ処理
WO2022267285A1 (zh) 机器人位姿的确定方法、装置、机器人及存储介质
CN112767551B (zh) 三维模型构建方法、装置以及电子设备、存储介质
US20130197868A1 (en) Building Envelope Determination
FI127575B (en) Selection tool for access point locations
WO2020191731A1 (zh) 点云生成方法、系统和计算机存储介质
CN112004196B (zh) 定位方法、装置、终端及计算机存储介质
JP6478784B2 (ja) 電波伝搬シミュレーション装置
WO2017162181A1 (zh) 业务指标显示的方法和设备
JPWO2021087065A5 (zh)
US9852541B2 (en) Indoor scene illumination
US20180253511A1 (en) Techniques for measuring productive congestion within an architectural space
US20160336002A1 (en) Positioning method and apparatus in three-dimensional space of reverberation
US9977993B2 (en) System and method for constructing a statistical shape model
WO2012145920A1 (zh) 阴影衰落预测方法和预测装置
JPWO2023112083A5 (zh)
WO2018041150A1 (zh) Ap放置
WO2017028738A1 (zh) 一种基于区域的风险控制方法和设备
WO2015070613A1 (zh) 一种无线定位的方法及装置
CN110942007B (zh) 手部骨骼参数确定方法、装置、电子设备和存储介质
CN113706543A (zh) 一种三维位姿的构建方法、设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11864278

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11864278

Country of ref document: EP

Kind code of ref document: A1