CN101119576A - 基于传播环境分析的传播模型选择方法 - Google Patents
基于传播环境分析的传播模型选择方法 Download PDFInfo
- Publication number
- CN101119576A CN101119576A CNA2007100549752A CN200710054975A CN101119576A CN 101119576 A CN101119576 A CN 101119576A CN A2007100549752 A CNA2007100549752 A CN A2007100549752A CN 200710054975 A CN200710054975 A CN 200710054975A CN 101119576 A CN101119576 A CN 101119576A
- Authority
- CN
- China
- Prior art keywords
- propagation
- propagation environment
- propagation model
- clustering
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 11
- 238000010187 selection method Methods 0.000 claims description 11
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 2
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000010295 mobile communication Methods 0.000 abstract description 9
- 230000005540 biological transmission Effects 0.000 abstract 8
- 230000001413 cellular effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于传播环境分析的传播模型选择方法,1.从无线网络规划区域提取传播环境初始特征;2.将无线网络规划区域中的所有扇区用第一步中所得到的传播环境特征表示为样本空间中的样本点;3.采用聚类分析算法,根据第一步中所得到的传播环境特征,将第二步中代表无线网络规划区域中所有扇区的样本点划分为聚类;4.在第三步中获得的每个聚类中选取代表扇区,执行路径损耗测试和传播模型校正,获得每个聚类的校正后传播模型;5.将第四步获得的每个聚类的校正后传播模型配置给相应聚类中的每个扇区使用。本发明以简单的结构和易实现的方法提高了蜂窝移动通信***中路径损耗预测的准确性,是一种科学、高效、灵活且实用的传播模型选择方法。
Description
技术领域
本发明涉及蜂窝式移动通信***中的无线网络规划,尤其是涉及基于传播环境分析的传播模型选择方法。
背景技术
随着移动通信网络的发展,无线传播环境呈现出日益复杂的特性,如何准确地预测无线信号在基站和移动台间传播所遭遇的路径损耗中值,提高无线网络规划的准确性,达到移动通信网络降低干扰、提高容量的目的,是移动通信研究领域的一个研究热点。
在这个研究热点中,对传播模型的研究是不可忽视的一部分。传播模型选择处于无线网络规划的第一个阶段,即数据准备阶段,无线网络规划后续阶段中的各种分析计算均基于数据准备阶段进行。在无线网络规划的第二阶段即***设计阶段中的小区估算、导频规划、***分析等过程中都需要使用传播模型计算路径损耗中值,由此传播模型的选择从基础上影响着无线网络规划的准确性和合理性。
在传播模型的研究领域中,有两个主要的研究方向。一方面是提出更为准确的传播模型,例如射线跟踪技术或确定性传播模型,这种方法的优点在于准确性高,模型通用性强,但对计算机资源的要求较高、耗时较长,在蜂窝移动通信***的无线网络规划中实用性较差。
另一方面是选取具有传播环境具有代表性的区域,通过实施路径损耗测试,对经验/半经验性传播模型进行传播模型校正,获得适合特定环境下使用的传播模型,这种方法的优点在于使用方便,计算简单,并且在无线网络规划中已经得到广泛应用,但经过传播模型校正得到的传播模型适用范围受到限制,如使用不当,将带来较大的误差。
在蜂窝移动通信***的无线网络规划中,必须对传播模型进行恰当的选择和使用,才能够保证路径损耗预测的准确性。
发明内容
本发明目的在于提供一种减小路径损耗预测误差以提高无线网络规划准确性的基于传播环境分析的传播模型选择方法。
为实现上述目的,本发明可采取下述技术方案:
本发明所述的基于传播环境分析的传播模型选择方法,是按照下述步骤进行:
第一步、从无线网络规划区域提取传播环境初始特征;通过对传播环境初始特征的提取和变换,得到可构成样本空间的传播环境特征;
第二步、将无线网络规划区域中的所有扇区用第一步中所得到的传播环境特征表示为样本空间中的样本点;
第三步、采用聚类分析算法,根据第一步中所得到的传播环境特征,将第二步中代表无线网络规划区域中所有扇区的样本点划分为聚类;
第四步、在第三步中获得的每个聚类中选取代表扇区,执行路径损耗测试和传播模型校正,获得每个聚类的校正后传播模型;
第五步、将第四步获得的每个聚类的校正后传播模型配置给相应聚类中的每个扇区使用。
第一步中所述的传播环境特征提取,是根据无线网络规划区域的地形地物特征选择其特征;所述的传播环境特征,是采用特征提取方法进行特征提取,经过样本标准化和特征变换,再参与第三步中的聚类分析。
第三步中所述的聚类分析算法,是根据实际需要选取不同的算法,即:k-means聚类算法、分层聚类算法等。
第三步中所述的聚类个数,是根据实际需要指定或根据聚类分析算法计算。
第四步中挑选小区时所使用的是距离准则,采用聚类分析中不同的样本距离定义,但应当与第三步中聚类分析算法的距离定义一致;所述传播模型校正,是采用引入传播环境参数的传播模型。
本发明优点在于以传播环境特征为依据,采用聚类分析的方法将规划区域内的所有扇区划分为指定个数的聚类,在每个聚类中选取代表扇区,例如距离质心最近的扇区执行路径损耗测试和传播模型校正,获得校正后的传播模型,将每个聚类中的校正后传播模型配置给相应聚类中的每个扇区使用,从而科学指导无线网络区域内执行路径损耗测试和传播模型校正的扇区的选取,避免盲目测试,降低路径损耗测试和传播模型校正的工作量。通过合理使用校正后的传播模型,提高路径损耗预测的准确性,避免由于传播模型的盲目使用带来的巨大误差。具有灵活的应用方式,容易与无线网络规划中的其他算法相结合使用,结构简单。该方法经过编码实现,可以方便地集成于无线网络规划软件中,作为无线网络规划软件的一部份。对具体的***制式和频率分配不敏感,因此可方便地在任何蜂窝移动通信***中使用。总之,本发明以简单的结构和易实现的方法提高了蜂窝移动通信***中路径损耗预测的准确性,是一种科学、高效、灵活且实用的传播模型选择方法。
附图说明
图1是本发明在无线网络规划中的地位和作用示意图。
图2是本发明的实现流程框图。
图3是本发明实施例在郑州市传播模型选择实验中的小区分布图。
图4是本发明实施例在郑州市传播模型选择实验中,采用本发明方法和采用随意指派校正后传播模型的方法进行路径损耗预测的残差分布图。
具体实施方式
本发明所述基于传播环境分析的传播模型选择方法,现以郑州市传播模型选择实验中的传播模型选择实例作进一步的阐述。本发明对于所有具有这个示例中基本特征的应用场合普遍适用。
本示例考察郑州市cdma20001x***中的107个扇区,如附图1中所示。根据郑州市传播环境的特点,所提取的传播环境特征如附表1所示:
附表1
高度类特征 | 距离类特征 |
发射天线高度 | 40米以上高层建筑物的最近距离 |
扇区内的海拔均值 | 40米以上高层建筑物的最远距离 |
扇区内海拔标准差 | 40米以上高层建筑物的距离均值 |
建筑物高度均值 | 40米以上高层建筑物的距离标准差 |
建筑物高度标准差 | 20~40米规则建筑物的最近距离 |
发射点40米内的最高建筑物高度 | 20~40米规则建筑物的最远距离 |
地物类特征 | 20~40米规则建筑物的距离均值 |
海洋所占地物百分比 | 20~40米规则建筑物的距离标准差 |
内陆水域所占地物百分比 | 20米以下规则建筑物的最近距离 |
湿地所占地物百分比 | 20米以下规则建筑物的最远距离 |
乡村开阔地所占地物百分比 | 20米以下规则建筑物的距离均值 |
市区开阔地所占地物百分比 | 20米以下规则建筑物的距离标准差 |
绿地所占地物百分比 | 20米以下大基底建筑物的最近距离 |
林地所占地物百分比 | 20米以下大基底建筑物的最远距离 |
40米以上高层建筑群所占地物百分比 | 20米以下大基底建筑物的距离均值 |
20~40米规则建筑群所占地物百分比 | 20米以下大基底建筑物的距离标准差 |
20米以下规则建筑群所占地物百分比 | 20米以下低矮建筑物的最近距离 |
20米以下大基底建筑群所占地物百分比 | 20米以下低矮建筑物的最远距离 |
20米以下低矮建筑群所占地物百分比 | 20米以下低矮建筑物的距离均值 |
郊区村庄所占地物百分比 | 20米以下低矮建筑物的距离标准差 |
市区公园所占地物百分比 |
经过特征提取和变换后用于表征小区传播环境的特征个数为9个,记为O1i,O2i,L,O9i。由此,该***中的107个扇区用上述特征表示为样本空间中的样本点,即Si=(O1i,O2i,L,O99i),i=1,L,107,此107个样本组成了样本集x={S1,S2,L,S107},根据北京市的传播环境特点及工程实测能力,将聚类数量定为7个,将7个聚类定义为C1,C2,L,C7。
本示例中采用欧几里德距离作为样本间距离,定义为
本示例中,采用动态分层聚类算法进行聚类分析,经过聚类后,7个聚类中扇区个数分别为30、31、7、7、6、17、9。
采用以LEE微蜂窝模型为原型的传播模型公式如式(2)所示。
(2)式中,f为频率(MHz),hte为发射天线有效高度(m),d为基站与移动台间距离(m),hre为接收天线高度(m),Diff为绕射损耗(dB),LB为建筑物阻挡损耗(dB),Ci,i=1,L,14为地物校正系数(dB)。传播模型校正前的系数初值为
不失一般性的,以C1为例,根据距离原则选择***扇区进行路径损耗测试,经过传播模型校正,校正后的传播模型系数如式(4)所示。
校正残差为5.038dB,符合工程上对传播模型校正残差的限制(<8dB)。
将此模型分配给C1簇中的所有扇区,并采用此模型进行路径损耗预测,考察该模型对该簇内的每个扇区的预测效果。采用相同的方法,对其余6个簇进行传播模型选择,并考察这种选择方式对郑州市内107个扇区的预测效果。考察的具体方式即将这种分配方法获得的模型的预测结果,与随意指派其余几个模型对此107个扇区进行路径损耗预测的结果进行对比。
从残差分布图(图4)可以看出,采用基于传播环境分析的传播模型选择方法所选择的模型可以使郑州市内大部分的扇区预测误差在8dB左右,而任意指派的其他几个校正后模型预测效果均劣于此种方法所选择模型预测的效果。从而验证了此种选择方式可以在工程实践中使用。
如附表2所示,为采用上述各个分配方案获得的模型预测路径损耗的误差均值及误差标准差,从表中可以看到,采用聚类分析的方法进行分配的传播模型,其预测值与实测值间的误差均值、标准差均为最小,且误差标准差在工程允许的范围内的比例最高(64.49%)。
附表2
对比项 | 簇模型预测 | 预测方案1 | 预测方案2 | 预测方案3 | 预测方案4 |
10dB内的比例 | 64.49% | 35.51% | 35.51% | 34.58% | 33.64% |
残差均值 | 10.28623223 | 15.18040977 | 15.8959281 | 16.10079827 | 15.78243233 |
残差方差 | 23.65113363 | 131.6784319 | 146.7317052 | 147.3852905 | 254.0224118 |
结合附图4和附表2可以看出,不恰当地选择传播模型将给路径损耗预测带来较大的误差(可达数十dB),而采用本发明中的方法得到的传播模型能够较为准确地预测小区的路径损耗,效果将会远优于现有工程中的常用方法。
Claims (5)
1.一种基于传播环境分析的传播模型选择方法,其特征在于:它是按照下述步骤进行:
第一步、从无线网络规划区域提取传播环境初始特征;通过对传播环境初始特征的提取和变换,得到可构成样本空间的传播环境特征;
第二步、将无线网络规划区域中的所有扇区用第一步中所得到的传播环境特征表示为样本空间中的样本点;
第三步、采用聚类分析算法,根据第一步中所得到的传播环境特征,将第二步中代表无线网络规划区域中所有扇区的样本点划分为聚类;
第四步、在第三步中获得的每个聚类中选取代表扇区,执行路径损耗测试和传播模型校正,获得每个聚类的校正后传播模型;
第五步、将第四步获得的每个聚类的校正后传播模型配置给相应聚类中的每个扇区使用。
2.根据权利要求1所述基于传播环境分析的传播模型选择方法,其特征在于:第一步中所述的传播环境特征提取,是根据无线网络规划区域的地形地物特征选择其特征;所述的传播环境特征,是采用特征提取方法进行特征提取,经过样本标准化和特征变换,再参与第四步中的聚类分析。
3.根据权利要求1所述基于传播环境分析的传播模型选择方法,其特征在于:第三步中所述的聚类分析算法,是根据实际需要选取不同的算法,即:k-means聚类算法、分层聚类算法等。
4.根据权利要求1所述基于传播环境分析的传播模型选择方法,其特征在于:第三步中所述的聚类个数,是根据实际需要指定或根据聚类分析算法计算。
5.根据权利要求1所述基于传播环境分析的传播模型选择方法,其特征在于:
第四步中挑选小区时所使用的是距离准则,采用聚类分析中不同的样本距离定义,但应当与第三步中聚类分析算法的距离定义一致;所述的传播模型校正,是采用引入传播环境参数的传播模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007100549752A CN101119576A (zh) | 2007-08-16 | 2007-08-16 | 基于传播环境分析的传播模型选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007100549752A CN101119576A (zh) | 2007-08-16 | 2007-08-16 | 基于传播环境分析的传播模型选择方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101119576A true CN101119576A (zh) | 2008-02-06 |
Family
ID=39055459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007100549752A Pending CN101119576A (zh) | 2007-08-16 | 2007-08-16 | 基于传播环境分析的传播模型选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101119576A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104349334A (zh) * | 2013-08-09 | 2015-02-11 | 普天信息技术研究院有限公司 | 一种无线网络规划仿真方法 |
CN105430664A (zh) * | 2015-10-30 | 2016-03-23 | 上海华为技术有限公司 | 一种基于分类拟合预测传播路损的方法和装置 |
CN109526019A (zh) * | 2018-12-26 | 2019-03-26 | 国网湖南省电力有限公司 | 基于实测数据的无线专网基站覆盖范围传播模型校正方法 |
CN112738838A (zh) * | 2020-12-25 | 2021-04-30 | 中国联合网络通信集团有限公司 | 一种传播模型的确定方法及装置 |
CN112929916A (zh) * | 2021-03-19 | 2021-06-08 | 中国联合网络通信集团有限公司 | 无线传播模型的构建方法和装置 |
-
2007
- 2007-08-16 CN CNA2007100549752A patent/CN101119576A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104349334A (zh) * | 2013-08-09 | 2015-02-11 | 普天信息技术研究院有限公司 | 一种无线网络规划仿真方法 |
CN105430664A (zh) * | 2015-10-30 | 2016-03-23 | 上海华为技术有限公司 | 一种基于分类拟合预测传播路损的方法和装置 |
CN105430664B (zh) * | 2015-10-30 | 2019-05-28 | 上海华为技术有限公司 | 一种基于分类拟合预测传播路损的方法和装置 |
CN109526019A (zh) * | 2018-12-26 | 2019-03-26 | 国网湖南省电力有限公司 | 基于实测数据的无线专网基站覆盖范围传播模型校正方法 |
CN112738838A (zh) * | 2020-12-25 | 2021-04-30 | 中国联合网络通信集团有限公司 | 一种传播模型的确定方法及装置 |
CN112929916A (zh) * | 2021-03-19 | 2021-06-08 | 中国联合网络通信集团有限公司 | 无线传播模型的构建方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108696932B (zh) | 一种利用csi多径及机器学习的室外指纹定位方法 | |
Zhao et al. | Applying kriging interpolation for WiFi fingerprinting based indoor positioning systems | |
CN111867049B (zh) | 定位方法、装置及存储介质 | |
CN101820676B (zh) | 传感器节点定位方法 | |
CN104038901B (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
CN109374986B (zh) | 一种基于聚类分析与网格搜索的雷电定位方法及*** | |
CN105044662A (zh) | 一种基于wifi信号强度的指纹聚类多点联合室内定位方法 | |
JP7486659B2 (ja) | 基地局の省エネルギー処理方法及び処理装置 | |
CN106717082A (zh) | 减轻信号噪声的基于指纹的室内定位 | |
CN104185272A (zh) | 基于优化平均每跳距离和优选锚节点的wsn定位方法 | |
CN105657726B (zh) | 一种pci规划基站选址方法 | |
JP2009065394A (ja) | センサネットワーク用減衰定数推定システム、ノード位置推定システム、推定方法、及びそのプログラム | |
CN103258001B (zh) | 一种基于局部线性嵌入算法的射频地图无监督分类方法 | |
CN101536356A (zh) | 用于合成阵列天线的方法和*** | |
CN108966120B (zh) | 一种用于动态集群网络改进的组合三边定位方法及*** | |
CN101119576A (zh) | 基于传播环境分析的传播模型选择方法 | |
CN107850656A (zh) | 用于定位目的的模型参数的确定 | |
CN103987118A (zh) | 基于接收信号强度信号ZCA白化的接入点k-means聚类方法 | |
CN101873605A (zh) | 一种网络规划中自适应传播环境分类方法 | |
CN113839725A (zh) | 无线信号传播预测方法及装置 | |
CN102752850B (zh) | 一种基于非测距的网络锚节点筛选定位装置及其方法 | |
CN108521631B (zh) | 一种面向室内定位的移动ap识别方法 | |
Nagao et al. | Geographical clustering of path loss modeling for wireless emulation in various environments | |
CN103916953A (zh) | 目标定位的方法、***及检测节点 | |
Mondal et al. | Deep learning-based coverage and rate manifold estimation in cellular networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20080206 |