会员体验
专利管家（专利管理）
工作空间（专利管理）
风险监控（情报监控）
数据分析（专利分析）
侵权分析（诉讼无效）
联系我们
交流群
官方交流：
QQ群： 891211   
微信请扫码    >>>
现在联系顾问~
首页 / 专利库 / 移动通信网络 / GSM移动通信网络终端定位方法

GSM移动通信网络终端定位方法
申请号 CN201110247654.0 申请日 2011-08-26 公开(公告)号 CN102264097A 公开(公告)日 2011-11-30
申请人 北京铭润创展科技有限公司; 发明人 陈雷; 张世昱; 米凯; 曹巍;
摘要 本发明公开了一种GSM移动通信网络终端定位方法，包括如下步骤：a.对移动通信网络覆盖的区域依照制定的大小划分栅格，并给每个栅格编号；b.根据每一栅格的地理特征和无线传播特征建立该栅格的初始无线传播模型；c.根据DT数据生成每一栅格的无线传播模型的特征数据；d.从移动通讯网络采集信令数据，筛选出信令数据中的每一次通话，将通话中的测量报告提取出来，并对测量报告进行筛选；e.逐条分析筛选后的测量报告与每一栅格的特征数据的匹配度，计算出概率值；f.找到概率值最高的几个栅格的中心，即为该通话的移动通信网络终端的位置。本发明的定位方法具有定位速度快，易于实现的特点。
权利要求

1.GSM移动通信网络终端定位方法，其特征在于，包括如下步骤：a.对移动通信网络覆盖的区域依照制定的大小划分栅格，并给每个栅格编号；

b.根据每一栅格的地理特征和无线传播特征建立该栅格的初始无线传播模型；

c.根据DT数据生成每一栅格的无线传播模型的特征数据；

d.从移动通讯网络采集信令数据，筛选出信令数据中的每一次通话，将通话中的测量报告提取出来，并对测量报告进行筛选；

e.逐条分析筛选后的测量报告与每一栅格的特征数据的匹配度，计算出概率值；

f.找到概率值最高的几个栅格的中心，即为该通话的移动通信网络终端的位置。

2.根据权利要求1所述的GSM移动通信网络终端定位方法，其特征在于，其中步骤c中特征数据的生成包括如下步骤：

1)根据DT数据的经纬度信息，计算DT数据覆盖到的具体栅格，并将DT数据中的主小区以及六个邻区的rxlev值、rxqual值和TA值，按照栅格分别记录在一个二维数组中；

2)基于步骤1)所统计出的数据组，计算以上每个栅格针对每个小区的特征数据和加权依据及参考；

3)遍历所有没有特征数据的栅格；

4)计算每个没有特征数据的栅格周围的有特征数据的栅格的数量；

5)从周围有特征数据的栅格的数量最多的没有特征数据的栅格开始处理；

6)从周围有特征数据的栅格提取特征数据，先依照均值计算出一组特征数据，再遍历提取的特征数据中的小区，依次找到这些小区所在的栅格，计算当前栅格和小区所在栅格以及小区方位角的关系，推算出当前栅格针对小区的出现概率应该增加还是减少，以及变化的量，从而计算出当前栅格的特征数据；

7)重复步骤5)-6)，直到所有栅格都有特征数据为止。

3.根据权利要求2所述的GSM移动通信网络终端定位方法，其特征在于，其中步骤2)中的特征数据的生成如下：i.计算该栅格针对某小区的Rxlev的切尾均值、切尾中值、极差，其中以切尾均值作为期望值计算标准差，极差和标准差作为该栅格Rxlev的加权依据，切尾中值做加权参考，切尾均值±2倍标准差作为该栅格有效的上下限，TA值作为有效参考；

ii.计算该栅格针对某小区的Rxqual的切尾均值、切尾中值、极差，其中以切尾均值作为期望值计算标准差，极差和标准差作为该栅格Rxqual的加权依据，切尾中值做加权参考，切尾均值±2倍标准差作为该栅格有效的上下限，TA值作为有效参考；

iii.将上面步骤i和ii中计算出的所有数据作为该栅格的特征数据。

4.根据权利要求2所述的GSM移动通信网络终端定位方法，其特征在于，随机抽取

90％的DT数据用于生产栅格特征数据，剩余的10％用于推算栅格特征系数和验证。

5.根据权利要求4所述的GSM移动通信网络终端定位方法，其特征在于，推算栅格特征系数和验证的步骤如下：a)提取剩余的10％的DT数据中的一条测量报告过滤掉有效邻小区少于4个的测量报告，再过滤掉有异常数据的测量报告；

b)根据公式

y＝g(a，b，c)＝a+b*(1/|MRrxlev-SDrxlev|)+c*(1/|MRrxqual-SDrxqual|)，式中a、b、c为该栅格的特征系数，预设a＝b＝c＝1；

MRrxlev为剩余10％的DT数据中，当前测量报告的Rxlev值；

MRrxqual同理是剩余10％的DT数据中，当前测量报告的Rxqual值；

SDrxlev为该栅格基于DT数据统计出的Rxlev标准差，SDrxqual为该栅格基于DT数据统计出的Rxqual标准差；

c)计算得出所有主小区相同的栅格的匹配度，选出结果最高的5个栅格；

d)分别计算5个栅格误差，保存5个误差值和a、b、c的值；

e)随机微调a、b、c的值；

f)重复步骤c)-e)5-10次；

g)统计分析a、b、c的变化对于栅格误差的影响，依据遗传算法，找到有助于提高匹配度的a、b、c的变化趋势；

h)修正a、b、c的值，再次重复步骤c)-g)，进化次数+1；

i)直到进化不再有助于匹配度提高，或者匹配度的提高微乎其微，或者进化次数≥50，终止以上步骤，保存得到近似最优解的a、b、c的值，作为该栅格的特征系数。

6.根据权利要求1所述的GSM移动通信网络终端定位方法，其特征在于，其中步骤e概率值的计算公式如下：y＝g(a，b，c)＝a+b*(1/|MRrxlev-SDrxlev|)+c*(1/|MRrxqual-SDrxqual|)，式中MRrxlev为当前测量报告的Rxlev值；

MRrxqual是当前测量报告的Rxqual值；

SDrxlev为该栅格基于DT数据统计出的Rxlev标准差；

SDrxqual为该栅格基于DT数据统计出的Rxqual标准差；

a、b、c为特征系数。

7.根据权利要求1所述的GSM移动通信网络终端定位方法，其特征在于，其中步骤a中栅格的大小为40m×40m。
说明书全文

GSM移动通信网络终端定位方法

技术领域

[0001] 本发明涉及移动通信技术领域，具体地说是一种GSM移动通信网络终端定位方法。

背景技术

[0002] 伴随着GSM移动通信技术的不断发展，通信行业服务的对象已经开始由面到点的转化。对GSM移动通信网络终端进行定位在移动通信服务中起着重要的作用。如针对网络优化工作而言，其工作层面已经由简单的网络运行性能指标优化，细化到去掌握个体用户服务质量。例如：运营商希望将某一个用户的业务使用习惯、网络服务质量去和业务发生的地理信息对应；以便更加细致的了解用户的服务情况，这样才能从最基础的用户感知层面去提升网络竞争力；针对用户而言，单纯依靠传统业务实现(如：语音通话、短信，彩信等)也已经不能满足用户对新业务的需求，诸如：用户位置查询、用户终端定位等新兴业务已经被越来越多的用户所熟悉。可见移动通信网络终端的定位技术对于移动通信业务的发展已经提升到了至关重要的地位。
[0003] GSM移动通信网络终端的地理位置信息是实现网络优化、业务优化、新业务分析等工作的基础。目前常用的GSM移动通信网络终端定位方法主要有：CGI(小区全球识别码)+TA(时间提前量)联合定位、利用UL-TOA定位、E-TOD定位、A-GPS辅助定位。以上四种定位方法是针对GSM网络的定位方法，存在诸如定精度差、附加成本高、可实现性有限等不足。具体如下：
[0004] 1、CGI+TA联合定位的缺点主要是定位精度非常差，大约为550米左右；
[0005] 2、UL-TOA定位的缺点：
[0006] 1)中国GSM网络目前不支持LCS业务，可实现性不足；
[0007] 2)初始投资高。由于LMU一般与BTS共址，BTS和LMU的比例为1∶1，整个网需要建立大量LMU，投资较大。现有GSM网要实现同步还需进行改造；
[0008] 3)业务量大时网络负担增加。当定位需求增多时，手机需频繁强制执行切换命令，使GSM网的信令传输量增加；
[0009] 4)定位精度差，定位精度为100米量级；
[0010] 5)定位速度慢，一般需要3个BTS的测量数据才可以完成定位工作，因此定位速度较慢，不利于大量用户快速的地理信息查询。
[0011] 3、E-OTD定位算法的缺点：
[0012] 1)中国GSM网络目前不支持LCS业务，可实现性不足；
[0013] 2)现有手机不能适用于E-OTD定位方式，需要更新软件或全部替换；
[0014] 3)初始投资高。虽然LMU和BTS的比例为1∶3到1∶5之间，但对整网而言仍需要建立大量LMU，投资较大；
[0015] 4)精度低。由于同时受RTD和几何距离参数的影响，定位精度较低。此外，多径效应将影响定位精度(尤其是城市区域)；
[0016] 5)定位速度慢，一般需要多个BTS的测量数据才可以完成定位工作，因此定位速度较慢，不利于大量用户快速的地理信息查询。
[0017] 4、A-GPS定位的缺点
[0018] 1)需更产生额外的数据流量费用；
[0019] 2)手机成本、体积和功率增加。手机中增加GP S定位功能，则必须增加相应的硬件，致使手机成本增加。增加GPS的功能后，必然会增加功耗和体积。
[0020] 3)实际开启的用户数量少，现网中开启A-GPS功能的用户一般远小于开机用户的0.1％，于实际网络优化和业务优化工作而言，数据量有限，实用价值有限。
[0021] 针对上述的GSM移动通信网络终端定位方法存在的弊端，本发明人积极加以研究和创新，以提供一种全新的GSM移动通信网络终端定位方法，从而解决现有的GSM移动通信网络终端定位方法存在的问题。

发明内容

[0022] 为了解决现有技术中存在的上述问题，本发明提供了一种GSM移动通信网络终端定位方法，该定位方法具有定位速度快，易于实现的特点。
[0023] 为了解决上述技术问题，本发明采用了如下技术方案：
[0024] GSM移动通信网络终端定位方法，包括如下步骤：
[0025] a.对移动通信网络覆盖的区域依照制定的大小划分栅格，并给每个栅格编号；
[0026] b.根据每一栅格的地理特征和无线传播特征建立该栅格的初始无线传播模型；
[0027] c.根据DT数据生成每一栅格的无线传播模型的特征数据；
[0028] d.从移动通讯网络采集信令数据，筛选出信令数据中的每一次通话，将通话中的测量报告(MR)提取出来，并对测量报告进行筛选；
[0029] e.逐条分析筛选后的测量报告与每一栅格的特征数据的匹配度，计算出概率值；
[0030] f.找到概率值最高的几个栅格的中心，即为该通话的移动通信网络终端的位置。
[0031] 进一步，其中步骤c中特征数据的生成包括如下步骤：
[0032] 1)根据DT数据的经纬度信息，计算DT数据覆盖到的具体栅格，并将DT数据中的主小区以及六个邻区的rxlev值、rxqual值和TA值，按照栅格分别记录在一个二维数组中；
[0033] 2)基于步骤1)所统计出的数据组，计算以上每个栅格针对每个小区的特征数据和加权依据及参考；
[0034] 3)遍历所有没有特征数据的栅格；
[0035] 4)计算每个没有特征数据的栅格周围的有特征数据的栅格的数量；
[0036] 5)从周围有特征数据的栅格的数量最多的没有特征数据的栅格开始处理；
[0037] 6)从周围有特征数据的栅格提取特征数据，先依照均值计算出一组特征数据，再遍历提取的特征数据中的小区，依次找到这些小区所在的栅格，计算当前栅格和小区所在栅格以及小区方位角的关系，推算出当前栅格针对小区的出现概率应该增加还是减少，以及变化的量，从而计算出当前栅格的特征数据；
[0038] 7)重复步骤5)-6)，直到所有栅格都有特征数据为止。
[0039] 进一步，其中步骤2)中的特征数据的生成如下：
[0040] i.计算该栅格针对某小区的Rxlev的切尾均值、切尾中值、极差，其中以切尾均值作为期望值计算标准差，极差和标准差作为该栅格Rxlev的加权依据，切尾中值做加权参考，切尾均值±2倍标准差作为该栅格有效的上下限，TA值作为有效参考；
[0041] ii.计算该栅格针对某小区的Rxqual的切尾均值、切尾中值、极差，其中以切尾均值作为期望值计算标准差，极差和标准差作为该栅格Rxqual的加权依据，切尾中值做加权参考，切尾均值±2倍标准差作为该栅格有效的上下限，TA值作为有效参考；
[0042] iii.将上面步骤i和ii中计算出的所有数据作为该栅格的特征数据。
[0043] 进一步，随机抽取90％的DT数据用于生产栅格特征数据，剩余的10％用于推算栅格特征系数和验证。
[0044] 进一步，推算栅格特征系数和验证的步骤如下：
[0045] a)提取剩余的10％的DT数据中的一条测量报告，过滤掉有效邻小区少于4个的测量报告，再过滤掉有异常数据的测量报告；
[0046] b)根据公式
[0047] y＝g(a，b，c)＝a+b*(1/|MRrxlev-SDrxlev|)+c*(1/|MRrxqual-SDrxqual|)，式中
[0048] a、b、c为该栅格的特征系数，预设a＝b＝c＝1，
[0049] MRrxlev为剩余10％的DT数据中，当前测量报告的Rxlev值；
[0050] MRrxqual同理是剩余10％的DT数据中，当前测量报告的Rxqual值；
[0051] SDrxlev为该栅格基于DT数据统计出的Rxlev标准差，
[0052] SDrxqual为该栅格基于DT数据统计出的Rxqual标准差；
[0053] c)计算得出所有主小区相同的栅格的匹配度y，选出结果最高的5个栅格；
[0054] d)分别计算5个栅格误差，保存5个误差值和a、b、c的值；
[0055] e)随机微调a、b、c的值；
[0056] f)重复步骤c)-e)5-10次；
[0057] g)统计分析a、b、c的变化对于栅格误差的影响，依据遗传算法，找到有助于提高匹配度的a、b、c的变化趋势；
[0058] h)修正a、b、c的值，再次重复步骤c)-g)，进化次数+1；
[0059] i)直到进化不再有助于匹配度提高，或者匹配度的提高微乎其微，或者进化次数≥50，终止以上步骤，保存得到近似最优解的a、b、c的值，作为该栅格的特征系数。
[0060] 与现有技术相比，本发明的有益效果在于：
[0061] 1、定位用户数量大。由于网络运行、维护工作的范围是整网用户，因此要求必须实时对全网用户进行服务质量的定位分析；本发明方法的数据源之一为全移动通信网络的无线测量报告(MR)，该数据为专用模式下所有用户MS对服务小区、相邻小区的测量报告，因此这些数据用于我方定位算法，就可以方便的计算出全网用户与服务相关的地理位置信息，使网络级的地理化运维工作得以实现。
[0062] 2、定位精度高。常规、理论定位算法的定位精度一般都在100米以上，有的甚至在550米；这样的定位精度对于用户级的网络优化、业务优化意义并不大；一般市区基站的覆盖范围在500-1000米，而其覆盖范围内的用户分布及其复杂，如室内、室外、一般用户区、密集楼宇；这样的精度是无法准确掌握具体区域的无线服务情况的。
[0063] 本发明的方法使用网络栅格划分、栅格传播模型校正的手段，经测试其定位精度为40米左右，准确率为98％以上，就定位精度而言较之前的算法有了质的飞跃，这样的定位精度无疑对用户级的网络优化、业务优化工作有重大的实际意义。
[0064] 3、速度快。快速的定位对于全网级的定位量而言非常重要；对于单一用户的栅格定位计算(参照本发明内容)我们一般需要5条无线测量报告的测量值取平均，即手机终端占用TCH(业务信道)测量报告的周期为480ms，5条测量报告的时间，大约为480ms*5＝2.4秒就可以完成；如果需要增加定位精度，可按照多条无线测量报告的取平均，其计算时间为：T＝480ms*N(N：测量报告的数量)；对于海量用户的计算，我们采用了四位数据查询和云计算的支持，可满足海量用户的并行地理信息计算。
[0065] 4、节约成本。本发明的方法无需其他网络硬件以及终端硬件的投入；其主数据源直接采集Abis接口的测量报告，采集方便，数据可靠有效，不影响现网的正常运行。
[0066] 5、便于实现的优势。GSM规范中的LCS功能目前在中国没有应用，假使开放，UL-TOA定位和OTD定位算法的实现也需要大量的网络改造，实现的难度较大；而A-GPS的实现更加依赖于用户终端的更新和用户使用习惯的改变；而我方定位算法非常便于实现，传播模型因子的校正依靠日常的DT工作既可以完成；为主数据源直接采集Abis接口的测量报告，采集方便，数据可靠有效。

具体实施方式

[0067] 下面结合具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。
[0068] 本发明中所涉及的术语含义如下：
[0069] rxlev值：平均接收电平，是描述收到信号强度(电平)的统计参数；
[0070] rxqual值：信号接收质量，描述收信无线链路信号质量的统计参数。
[0071] TA值：时间提前量，服务基站收到的上一次时间提前。
[0072] DT数据：驱车测量数据。
[0073] MR：测量报告。
[0074] GSM移动通信网络终端定位方法，包括如下步骤：
[0075] 1.网络栅格的划分
[0076] 通过对GSM网络地理化信息的处理，对GSM全网进行栅格划分，其栅格大小为40米*40米。该栅格大小尺寸的设置既保证了定位的精度，又保证了定位准确率为98％以上。如再缩小栅格尺寸，虽然精度有所提高，但定位准确率将大大降低。若扩大栅格尺寸，对定位准确率影响不大，但精度会大大降低。而现有的其他定位方法则不能达到本发明的精度。
[0077] 2.根据栅格地理特性，如密集楼宇、一般住宅区、道路、郊区等地段，在考虑其无线传播特性的基础上(如衍射、绕射特性等)，建立各种无线环境的的初始无线传播传播模型。因为在无线网络规划中，无线传播损耗是一个非常关键的参数，它决定着规划结果的正确性。由于实际应用中的无线传播环境是非常复杂的，需要通过理论研究与实际测试的方法归纳出无线传播损耗与频率、距离、天线高度等参量的数学关系式，也就是无线传播模型。举例：一般900Mhz市区选取Okumura-Hata模型：
[0078] Ld＝69.55+26.16lgf-13.82lghb-a(hm)+(44.9-6.55lghb)lgd
[0079] 其中Ld为路径损耗，f为载波频率，hb为基站天线有效高度，a(hm)为移动天线校正因子，d为移动台到基站距离。
[0080] 3.基于DT采集的数据
[0081] 采集大量的DT数据，作为整个城市的建模基础数据，以便生成和调整网络栅格传播模型的特征数据，用于调整栅格的传播模型。对于未测试到的栅格，通过演进推算的方法，获取其特征数据。DT数据分为两部分使用，随机抽取90％用于生产栅格特征数据，剩余的10％用于推算栅格特征系数和验证。
[0082] 4.栅格特征数据的生成
[0083] a)首先，将系统要覆盖的地理区域，依照制定的大小，划分成栅格，给每个栅格编号，以方便建立查询数据库，提高计算效率。
[0084] b)随机抽取出DT数据中的90％，根据抽取的DT数据的经纬度信息，计算DT数据覆盖到的栅格，并将DT数据中的主小区以及六个邻区的rxlev值、rxqual值和TA值，按照栅格分别记录在一个二维数组中；
[0085] c)基于步骤b)所统计出的二维数组，计算以上每个栅格针对每个小区的特征数据和加权依据及参考，计算方法如下；
[0086] i.计算该栅格针对某小区的Rxlev的切尾均值、切尾中值、极差，以切尾均值作为期望值计算标准差，极差和标准差作为该栅格Rxlev的加权依据，切尾中值做加权参考，切尾均值±2倍标准差作为该栅格有效的上下限，TA值作为有效参考；
[0087] ii.计算该栅格针对某小区的Rxqual的切尾均值、切尾中值、极差，以切尾均值作为期望值计算标准差，极差和标准差作为该栅格Rxqual的加权依据，切尾中值做加权参考，切尾均值±2倍标准差作为该栅格有效的上下限，TA值作为有效参考；
[0088] iii.将上面步骤i和ii中计算出的所有数据：当前栅格的Rxlev和Rxqual涉及到的切尾均值、切尾中值、极差、标准差、TA值，作为该栅格的特征数据，保存起来；
[0089] d)接下来再处理没有被DT数据覆盖到的栅格；
[0090] e)遍历所有没有特征数据的栅格；
[0091] f)计算每个没有特征数据的栅格周围的有特征数据的栅格的数量；
[0092] g)从周围有特征数据的栅格的数量最多的没有特征数据的栅格开始处理；
[0093] h)从周围有特征数据的栅格提取特征数据，先依照均值计算出一组特征数据(即将上面步骤c)中的i和ii中计算出的所有数据都分别取均值)，再遍历提取的特征数据中的小区，依次找到这些小区所在的栅格，计算当前栅格和小区所在栅格以及小区方位角的关系，推算出当前栅格针对小区的出现概率应该增加还是减少，以及变化的量，从而得到当前栅格的Rxlev和Rxqual涉及到的切尾均值、切尾中值、极差、标准差、TA值；
[0094] i)将步骤h计算出的当前栅格的Rxlev和Rxqual涉及到的切尾均值、切尾中值、极差、标准差、TA值作为当前栅格的特征数据保存下来；
[0095] j)重复步骤e)-i)，直到所有栅格都有特征数据为止。
[0096] 5.计算栅格特征系数及验证
[0097] a)提取步骤3b)剩余的10％的DT数据中的一条MR(测量报告)过滤掉有效邻小区少于4个的MR，再过滤掉有异常数据的MR，比如主小区不在定位范围内的、邻小区距离过远、TA验算不符的等等；
[0098] b)依据下述公式计算栅格的命中率：
[0099] y＝g(a，b，c)＝a+b*(1/|MRrxlev-SDrxlev|)+c*(1/|MRrxqual-SDrxqual|)，式中
[0100] a、b、c为该栅格的特征系数，预设a＝b＝c＝1；
[0101] MRrxlev为剩余10％的DT数据中，当前MR的Rxlev值；
[0102] MRrxqual同理是剩余10％的DT数据中，当前MR的Rxqual值；
[0103] SDrxlev为该栅格基于DT数据统计出的Rxlev标准差；
[0104] SDrxqual为该栅格基于DT数据统计出的Rxqual标准差；
[0105] c)计算得出所有主小区相同的栅格的命中率y，选出匹配度最高的5个栅格；匹配度指公式中的(1/|MRrxlev-SDrxlev|)和(1/|MRrxqual-SDrxqual|)。当然取值个数可以多于5个也可少于5个，不过选取5个时精度和计算量能够达到一个平衡点，少了会使精度下降，多于5个时，虽然对精度有所提高，但增加的计算量将大大增加，降低效率；
[0106] d)分别计算5个栅格的误差，保存5个误差值和a、b、c的值；
[0107] e)随机微调a、b、c的值；
[0108] f)重复步骤b)-e)5-10次，根据具体的城市规模，重复次数低于5次会使精度大幅下降，高于10次则对精度不再有太大的影响，但计算效率会大大降低。所以随着应用的规模不同，在考虑到硬件环境、客户需求、相应时间等诸多因素的前提下，可以在5-10这个范围内自行决定追求精度还是计算效率；
[0109] g)统计分析a、b、c的变化对于栅格误差的影响，依据遗传算法，找到有助于提高命中率的a、b、c的变化趋势；
[0110] h)修正a、b、c的值，再次重复步骤b)-g)，进化次数(步骤b)-i)的重复次数)+1；
[0111] i)直到进化不再有助于命中率提高，或者命中率的提高微乎其微，或者进化次数≥50，终止以上步骤，保存得到近似最优解的a、b、c的值，作为该栅格的最终的特征系数。采用剩余的10％的DT数据来调整特征系数可以提高定位的准确率。并且采用剩余的10％的DT数据来验证定位准确率，可以在精度及准确率之间找到最佳的平衡。
[0112] 6.采集A+Abis口信令中的信令，进行信令分析：
[0113] a)串出每一次完整通话；
[0114] b)将通话中的MR提取出来，过滤掉有效邻小区少于4个的MR，再过滤掉有异常数据的MR，比如主小区不在定位范围内的、邻小区距离过远、TA验算不符的等等。因为当邻小区少于4个的时候，参与步骤d)概率值的运算会少于5次，从而后面参与k-means聚类算法的点会少于25个，精度会大幅下降；
[0115] c)逐条分析筛选后的MR遍历主小区涉及到的所有栅格特征数据，分别计算其与当前通话所涉及到的小区及电平范围的匹配度，根据匹配度，计算出概率值，这里的匹配度指的就是下面步骤d)的公式中的(1/|MRrxlev-SDrxlev|)和(1/|MRrxqual-SDrxqual|)；
[0116] d)概率值的计算公式：
[0117] y＝g(a，b，c)＝a+b*(1/|MRrxlev-SDrxlev|)+c*(1/|MRrxqual-SDrxqual|)，式中
[0118] MRrxlev为当前MR的Rxlev值；
[0119] MRrxqual同理是当前MR的Rxqual值；
[0120] SDrxlev为该栅格基于DT数据统计出的Rxlev标准差；

IPRDB

最新中国发明专利 最新美国发明专利 技术领域 专利库 专利分类库 国际专利分类库

热门服务

会员版试用 API 数据接口 找代理 知嘟嘟专利交易 排行榜 大学排行榜 专利百科

关于我们

平台介绍 战略合作 网站地图

友情链接

知嘟嘟专利交易 国家知识产权局 中国商标网

联系方式


©2019-2023 上海吉码数字技术有限公司 版权所有，并保留所有权利 沪ICP备20016256号-6 沪公网安备31011702005475号