CN101536593B - 用于增强小区标识和小区定位的方法和装置 - Google Patents

Abstract

本发明披露了一种对与蜂窝通信网络中至少一个小区相关联的用户终端进行增强位置确定的方法，该方法包括以下步骤：提供预定小区标识定义SO1；提供用户终端的大气压测量值的表示S1，所述大气压测量值对应于用户终端的海拔；基于所提供的预定小区标识定义和所提供的大气压测量值的表示来确定至少一个地理区域定义S2，所述至少一个地理区域定义对应于与所述预定小区标识定义和所述大气压测量值的所述表示相对应的水平区域。

Description

用于增强小区标识和小区定位的方法和装置

技术领域

本发明总体上涉及用于确定移动终端在小区通信网络中的位置的方法和***，具体地涉及这样的有关小区范围(area)的位置确定。

背景技术

所有蜂窝通信***都被分为多个小区，其中用户设备(UE)由一个基站提供服务，或者在进行(较)软切换中由几个基站提供服务。每个基站都可以为多于一个小区中的UE提供服务。从定位和导航方面的角度来看，重点是特定UE所处的小区在蜂窝***中是已知的。因此，在确定了特定小区所覆盖的地理范围之后，只要该UE被连接，并且所报告的服务小区的小区标识等于与特定地理范围相对应的小区标识，就可以说明该UE位于所述地理范围内的某处。

在几种***中，它们中的WCDMA(宽带码分多址)***由小区多边形格式来提供小区的地理扩展的优选表示[1]。参见图1，由本身不相交的闭合多边形的3-15个角来描述小区的扩展。该格式是二维的，并且这些角被确定为WGS84地理参照***中的经度和纬度对，详见[1]。图2描述了精确消息发送格式。

假定在无线接入网络应用部分(RANAP)接口上进行定位，则在宽带码分多址(WCDMA)蜂窝***内进行定位的示例主要是按照下面进行的。然而过程是类似的，例如全球移动通信***和码分多址2000(CDMA 2000)。

在服务无线网络控制器(SRNC)中通过RANAP接口来接收请求位置估计的消息(LOCATION REPORTING CONTROL)[2]。将该消息的服务质量参数(最重要的是精度和响应时间)假定为该无线网络控制器(RNC)选择小区标识定位方法。因此，SRNC确定要定位的UE的服务小区标识(在UE与多个基站进行(较)软切换的情况下，可以应用特别的过程)，并且获取表示该服务小区的扩展的预存多边形。最后，通过在位置报告消息中使用小区多边形格式，SRNC通过RANAP接口将所得小区多边形发回给核心网络[2]。

在WCDMA***内定义了通过RANAP进行报告的替代(alternative)。该替代构建了通过PCAP接口向SAS节点进行报告[3]。SAS节点是“断开的(broken out)”定位节点。

然而，应当注意的是，由于无线传播的复杂性，小区多边形格式只是真实小区扩展的近似。多边形格式的选择是由在将例如计算复杂度和报告带宽考虑在内的情况下具有相当灵活的地理表示格式的需要而规定的。

由于多边形格式对小区扩展进行了近似，因此通常在小区规划工具中对多边形进行了预先确定，从而以某种置信度来表示小区扩展。该置信度旨在表示在UE连接到由小区多边形表示的小区的条件下，该UE位于该多边形内的概率。小区多边形的基础离线计算可以例如基于不同复杂度的覆盖范围仿真。然而，当考虑计算出的小区扩展的置信度时，最终结果通常不很可靠。

小区标识定位方法的精度受到小区大小的限制，造成它无法用于更复杂的导航应用。其主要优点包括非常短的响应时间，以及其广泛分布并且在蜂窝覆盖的地方总是可用的。小区标识方法还是直接实施的并且没有UE影响。该优点引起了对发展增强的小区标识(E-cell ID)定位方法的兴趣，该方法的目的在于，在保持该方法的优点的同时增强基本小区标识方法的精度。

增强小区标识定位(E-cell ID定位)的一个已知原理针对将小区扩展模型或多边形与距离测量进行组合。指向该目标的两个可能是往返时间(RTT)测量和路径损耗测量。这两个可选测量中更精确的是RTT测量。路径损耗测量受到了阴影衰落影响，导致精度变为到UE的一半距离的数量级。在RTT测量原理中，对无线电波从无线基站(RBS)到UE然后返回的传播时间进行测量。RTT方法只规定了RBS周围的圆。通过将该信息与小区多边形进行组合，可以计算出该圆的左角和右角，参见图3。

增强小区标识定位的另一个想法是使用UE与一个或几个小区进行(较)软切换的区域的预计算地图。这通常出现在到服务RBS的距离大约相同的区域中。这样的区域明显小于整个小区，并且每当用户设备处于这样的区域中，就存在以高于利用基本小区标识定位方法的精度来确定其位置的可能性。通常在规划工具中预先计算出这样的地图，就跟普通小区多边形完全一样。应当注意，一般很难以指定置信度来实现(较)软切换区域的精确描述。

在某些情况下需要高精度定位。在本公开中，将“高精度定位方法”限定为表示可能满足北美E-911紧急定位要求的定位方法。满足这些要求的方法能够获得以下定位精度：

-(基于终端的)50米(67％)和150米(95％)，

-或者(基于网络的)100米(67％)和300米(95％)。

所谓的辅助全球定位***(A-GPS)是全球定位***的增强[4]。图4中示出了A-GPS定位***的一个示例。例如附于蜂窝通信***的GPS参照(reference)接收器收集辅助数据，该辅助数据在被发送到连接到蜂窝通信***的终端中的GPS接收器时可增强GPS终端接收器的性能[5]。通常，在没有微分操作的情况下，A-GPS精度也可以变得与10米一样好[4]。精度在密集市区和室内变差，这种情况下灵敏度通常不足以检测到来自GPS卫星的很弱信号。通常直接从蜂窝通信***收集附加辅助数据，以获得终端位置的粗略初始估计以及该初始估计的对应误差(uncertainty)。该位置通常由小区标识定位步骤来提供，即，通过小区粒度(granularity)来确定终端的位置。另选的是，可以通过往返时间定位和/或(较)软切换地图来获得更精确的位置。

上行链路到达时间差(UTDOA)定位方法基于来自UE的发送的几个RBS中进行的到达时间测量。信号强度高于A-GPS中的信号强度，某种程度上增强了进行室内定位的能力。但是预期UTDOA的精度与A-GPS的相比在某种程度上更差一点，这主要是因为无线传播条件沿地球表面与在高仰角下从卫星接收GPS无线信号相比更差。

由于以上原因，需要针对位置确定的改善方法和装置。

发明内容

因此，本发明的一般目是提供实现提高的位置确定精度的方法、装置和***。

通过根据所附专利权利要求书的方法、装置和***来实现以上目的。

一般来说，本发明披露了一种针对蜂窝通信网络中的用户终端的增强位置确定方法。因此，本发明的基本实施方式披露了一种与蜂窝通信网络中至少一个小区相关联的用户终端的增强位置确定方法。最初，提供预定小区标识定义，并且提供用户终端的大气压测量值的表示，该大气压测量值对应于用户终端的海拔。随后，基于所提供的预定小区标识定义和所提供的大气压测量值的表示，确定至少一个地理区域定义。所述至少一个地理区域定义对应于与所述预定小区标识定义和所述大气压测量值的表示相关联的水平地理区域。

本发明还提供了用于执行上述方法的装置和***。

在本发明的许多优点中可以提到的是：

增强的水平位置确定精度，特别是在山区中。

与A-GPS相比更快地提供海拔信息。

在A-GPS缺乏覆盖的室内提供海拔信息。

提供精度可与A-GPS相比的海拔。

在不必存在A-GPS硬件的情况下提供海拔。

附图说明

通过结合附图来参照以下说明，可以最佳地理解本发明及其进一步的目的和优点，附图中：

图1是小区多边形的示例；

图2是3GPP多边形消息信息元素的图示；

图3是RTT测量的图示；

图4是A-GPS测量的图示；

图5是蜂窝通信***的图示；

图6A-E是根据来自附近小区信号的覆盖将小区划分为更小范围的示例的图示；

图7是现有技术实施方式的主要部分的框图；

图8A-B是已知内部海拔模型的图示；

图9是根据本发明的方法的实施方式的主要步骤的流程图；

图10是本发明的实施方式的示意性信号传输方案；

图11是收缩多边形方法的初始几何关系的图示；

图12是用于确定最大多边形角移动的几何关系的图示；而

图13是用于计算面积减少的几何关系的图。

缩写

A-GPS  辅助GPS

AECID  自适应增强小区标识

GPS    全球定位***

PCAP   位置计算应用部分

RAB    无线接入承载

RANAP  无线接入网络应用部分

RBS    无线基站

RNC    无线网络控制器

RRC    无线资源控制

RTT    往返时间

SAS    单独辅助GPS服务移动定位中心

SRNC   服务无线网络控制器

WCDMA  宽带码分多址

具体实施方式

在本公开中，使用“位置确定辅助数据”来定义在蜂窝通信***中与小区相关的活动中所使用的数据，例如基于小区ID的无线网络规划或定位。具体可以参照本发明中使用的小区关系配置和相关范围定义。不应当将其误认为“辅助数据”，后者在本公开中只用于A-GPS论述。

在本公开中，将WCDMA***用作模型***。然而，本领域技术人员应该认识到本发明的基本原理适用于任何蜂窝通信***，例如，GSM。因此本发明不限于这样的示范性实施方式。

图5示出了一般的WCDMA***100。无线基站30(RBS)散布在该***的覆盖区域上，并且为天线20提供服务，天线20在该实施方式中为扇形天线。小区15与天线20的每个扇区相关，作为优选通过该特定扇区而连接到通信***的范围。RBS 30连接到无线网络控制器(RNC)节点40，RNC节点40在通常情况下包括定位节点45。UE 10和RNC 40通过对RBS 30透明的所谓RRC(无线资源控制)接口37进行通信。RBS30和RNC 40是UTRAN(通用移动电信***无线接入网络)35中包括的节点。RNC 40进一步经由RANAP(无线接入网络应用部分)接口47连接到通信***100的核心网络(CN)50。

用户设备(UE)10位于蜂窝通信***100所覆盖的范围中。该用户设备通过信号25与自己的无线基站30进行通信。然而，也可能检测到来自和去往相邻RBS 30的信号26。如果相邻信号26强到足以支持实际通信，则对应小区可能被包括在参与(较)软切换的所谓活动小区集当中。(通过软切换是指使用两个不同的非并置(non-collocated)RBS的情况，而较软切换是指具有几个扇区的一个RBS)。特殊情况是当UE连接到同一RBS的两个扇区时，即，较软切换。然而，出于本发明的目的，软切换与较软切换之间没有显著差异，可以类似地处理这两种情况。信号26在某些情况下可能太弱，以至于不被包括在活动集中，但是强到足以允许对发送RBS的识别。这样的信号可以例如用于定位目的。最后，相邻信号26也可以太弱，以至于根本不能实现任何用途。

当UE 10经由某些无线链路连接到某RBS时，该UE 10可能位于相关小区内。关于小区的真实扩展，在由描述了小区扩展的多边形定义的WCDMA中，小区范围通常无法以最佳的可能精度来确定。通常会结合小区规划来确定近似小区范围，其可能不与实际情况完全相符。一般来讲，并不指定小区范围扩展的实际置信度。而且，在进行了小区规划之后无线条件也可能发生改变。因此，有利于通过使用场数据针对每个小区来调整置信度和预计算的小区多边形。但是这通常无法实现，具体地讲是由于无线条件可能随时间而改变。本发明公开披露了一种自动获得这种调整的方式。

图6A示出了连接有UE 10的小区15。为了在以下说明中简单明了，假定RBS在此情况下位于小区中心，所谓的全向小区(omni-cell)配置。当UE 10连接到RBS时，能够以特定概率确定其存在于小区15内。

然而，如上简述，UE也可能位于其他RBS的无线范围内。图6B中表明了其中去往/来自相邻RBS的信号强到足以允许(较)软切换的区域的边界12。在该过分简化的模型中，将边界12绘制为圆形，其中心在相邻RBS处。容易看出，边界12将小区15划分为较小区域11、11A、11B、11Z。在区域11Z中，只有来自自身RBS 30的信号才有用。然而，在例如区域11A中，去往/来自一个相邻RBS的信号也对(较)软切换目的有用，因此被包括在所谓的活动小区集中。在区域11B中，去往/来自两个相邻小区的信号足够强，于是活动集包括这两个相邻小区。现在可以容易理解，活动集的内容可以用于定位目的。通过参考活动集列表，可以确定UE 10可能位于部分区域11、11A、11B和11Z的哪个中。

然而，更通常的情况是，(较)软切换信息不用于定位目的，可能由于其可能很难以足够的精度来完成。在WCDMA中，这种区域定义常规上可以是多边形定义。然而，关于任何(较)软切换区域的真实扩展，使用现有技术小区规划原理通常不提供以最佳可能精度确定的区域定义。而且，关于任何计算出的(较)软切换范围，使用现有技术方法通常不能以最佳可能精度确定出任何(较)软切换区域的置信度值。因此有利于通过使用场数据针对每个小区来调整置信度和预计算的小区多边形。但是这通常不能实现，具体来讲是由于无线条件可能随时间而改变，对于基本小区甚至更多。

可以进一步利用来自相邻RBS的信号。如上所述，即使去往和来自相邻RBS的信号未强到足以允许(较)软切换，它们也仍然强到足以实现对发送RBS/UE的标识的确定。通常将相应的小区集称为检测到的小区集。并且该信息可以用于定位目的。图6C中再次示出了小区15。现在，不仅示出了用于(较)软切换的边界12(只用标号表示了其中一个)，而且示出了分别可以在下行链路或上行链路中获得发送RBS或UE的标识的(例如，与检测到的小区集相对应的)区域的边界13。因此，进一步以甚至更小的部分区域11、11C-G和11Z对小区15进行划分。例如，在区域11E中，除了来自自身的RBS的信号以外，来自一个相邻RBS的信号用于(较)软切换，而来自另一个相邻RBS的信号只用于标识发送RBS。

如果不仅考虑存在特定强度的信号，而且考虑与其他信号相比的相对强度，则可以实现对原始小区的甚至更细的划分。在图6D中，根据最强信号对涉及来自多于一个相邻RBS的信号的部分区域进行划分。由此能够定义出区域11H-K。

然而，如上所述，实际情况并不像图6A-D所表示的例子那么理想。反而是边界12、13不容易确定，并且通常是非圆的。图6E示出了可能与实际情况对应的情况。于是，本领域技术人员可以认识到实际上区域11、11A-K、11Z的任何理论预先确定都是不可能的。

为了进一步解释本发明的各方面，以下提供对蜂窝网络中位置确定的当前趋势和解决方案的非常详细的论述。

增强小区标识定位的一种方法是所谓的自适应增强小区标识(AECID)定位方法。图7中示出了该定位方法的框图。AECID定位算法基于前述多边形格式[1]以及用于根据一群标记的高精度定位测量值来计算多边形的算法，进一步细节参见附录。

AECID算法的主要步骤是：

1.通过以下至少一个来标记高精度位置测量值(例如，A-GPS测量值)

a.检测到的小区的小区Id

b.辅助连接信息(例如，RAB、时间)

c.量化辅助测量值(例如，RTT或噪声增加)

2.收集高精度测量值群中具有相同标记的全部高精度测量值。

3.计算内部包含有所述成群(clustered)的高精度位置测量值的预先指定的拐点(fraction)的(标记)多边形，由此提供具有已知置信度值的多边形。

4.将所述标记多边形存储在多边形数据库中。

5.要进行AECID定位时，执行以下步骤：

a.确定以下至少一个

i.检测到的小区的小区Id

ii.辅助连接信息(例如，RAB、时间)

iii.量化辅助测量值(例如，RTT或噪声增加)

b.形成步骤a所定义的标签

c.检索与所述标签相对应的多边形

d.通过RANAP或PCAP来报告所述多边形。

3GPP[1]所定义的定位报告格式包括：

1.椭圆点

2.具有误差圆的椭圆点

3.具有误差椭圆的椭圆点

4.多边形

5.具有海拔的椭圆点

6.具有海拔和误差椭圆的椭圆点

7.椭圆弧

所有格式都与WGS 84地球模型组合使用[1]。这些格式具有以下性质：

·点格式以纬度和经度来表示终端位置，可能还包括海拔和误差测量值，

·多边形格式通过角点的列表来表示终端位置，每个角点都被表达为纬度和经度，所述角点形成了该终端位于其中的多边形。

·椭圆弧格式是特别的，是为所谓RTT定位(见下)定制的。该格式通过具有左角和右角的特定厚度的弧来表示终端位置。

根据单个请求-一个应答配置来组织RANAP[2]和PCAP[3]上的3GPP定位过程。也可能建立周期性报告过程，然而这种情况下的一般假定是，在周期性定位报告周期的整个过程中应用了相同定位方法，并且应答是相同类型的。

而且，定位方法的选择与通过RANAP[2]和PCAP[3]进行位置报告所用的形状的几何密切相关。通常，通过使用多边形t来报告小区ID定位的结果，而A-GPS报告通常采用几个椭圆点格式的一个。对于北美的紧急定位而言，优选的是有或没有误差圆且没有海拔的椭圆点。

位置数据

在3GPP版本5中，RANAP[2]的LOCATION REPORT消息中引入了“位置数据”信息元素容器。PCAP[3]中遵循了类似的引入。基本上，“位置数据”信息元素容器，具体来说是“定位方法和使用”IE的至少一项，允许报告在RNC或SAS中应用了哪(几)种定位方法，从而到达所报告的终端位置。该信息元素包括许多预留方法，如小区Id和A-GPS，以及网络专有定位方法。“位置数据”信息元素所携带的附加信息是本发明必需的关键，其采用所述信息在RANAP和PCAP上扩展报告格式能力。

一个可能的解决方案是通过联合使用“地理区域”和“位置数据”IE容器来扩展定位报告功能。对于本公开而言，关键结论是这种解决方案引入了响应于RANAP上的单个LOCATION REPORTING CONTROL消息(位置请求)而报告多个多边形的可能性。当本发明应用于山区时，该特征将非常重要。

具有附加海拔信息的小区多边形

目前在3GPP标准中对增加了海拔信息的小区多边形没有明确的支持。然而，已经论述了一些想法，即：

1)实现报告格式[6]，其中向[1]的多边形格式的每个角增加海拔。

2)用于计算上述报告格式所携带的海拔信息的算法[7]。

3)在AECID算法中使用海拔信息，来增加所得的具有海拔信息的多边形角。

4)用于报告在3GPP标准[2]、[3]内增加了海拔信息的多边形的手段。

通过以上解决方案2、3和4提供了关于本发明的即时需要和可能，1是更长期的解决方案。

使用[7]的技术的表面建模

披露的[7]的技术通过分段线性模型或通过多项式模型对给定多边形的内部进行建模。这种建模的结果的例子在图8A和图8B中给出。图8A披露了根据[7]的技术的分段线性海拔模型。图8B披露了解析多项式内部海拔模型和基础数据。图中添加了原始表面、所得模型和多边形。

从以上论述显见，可以将从[7]获得的内部海拔模型概括为表面，即，函数

h＝h(x，y.θ)，(x  y)^T∈Ω          (1)

其中x是笛卡尔坐标系中的x坐标，y是同一笛卡尔坐标系中的y坐标，而θ是与区域 $\mathrm{\Ω}\⋐R^2$ 的每个角相关的海拔参数。

中使用了两种建模技术。第一种技术确定多边形的各个角的正确海拔，然后推导出内部模型。另一种方法使用内部或边界处的海拔参照点来获得以最优方式对所有海拔参照点进行建模的参数θ(不一定是正确海拔)，详见[7]。

AECID海拔增加

至此所披露的AECID方法的海拔表示都是基本的。

1)高精度位置测量值，通常是A-GPS位置测量值，大多经常包括海拔。在创建了标记群之后，这些海拔会变成AECID群的固有部分。

2)通过对“足够靠近”多边形每个角的测量值群的点计算平均海拔，向每个小区多边形角增加海拔，所述多边形角是通过收缩多边形算法求得的。就此而言，这种增加表示了一种获得可以用来推导像[1]那样的模型的角海拔的方式。

现有技术的问题

本发明的方法和装置背后的动力实际上不是现有技术的问题，而是领悟到可以通过本发明的手段来显著提高例如前述小区ID和AECID算法的性能。

本发明的动机是现有技术中缺少以下特征：

1)用于从小区终端向蜂窝无线网络的节点发送测得的大气压(海拔)的信号发送手段。这对于WCDMA***的RRC接口[8]，以及GSM和CDMA 2000蜂窝***中的类似接口是实际情况。

2)用于从蜂窝通信***的节点向所述***的蜂窝终端发送大气压(海拔)的校准测量值的手段。使用广播或使用专用连接的发送是可能的。通常，在WCDMA蜂窝***中会使用RRC接口[8]。

3)用于计算与从蜂窝终端获得的海拔信息一致的受限区域(通常是一个或更多个多边形)的算法，所述受限区域小于使用小区ID或AECID定位方法来表示终端位置的原始多边形。

本发明概括地披露了

·在RRC协议[8](对于非WCDMA***类似)上信号传输大气压(海拔)的信号传输协议的核心。

·从蜂窝***的节点对蜂窝终端中大气压(海拔)测量值的校准信息进行信号传输的信号传输协议的核心。

·通过将计算出的终端位置限制到与所述大气压(海拔)测量值一致的小区多边形的区域，来增强小区ID或AECID定位的精度的算法。

本发明进一步基于在市场中出现的如下大气压传感器的认识：分辨率为1/10mbar(等价于1m)，例如[9]，精度优于经过校准的1mbar(等价于10m)，小到足以集成在脉冲监测时钟内，并且价格合理。因此在蜂窝电话中，这些传感器是独立于GPS来测量海拔的候选。

因此，本发明披露了(在其他方面中)：

1)用于发送关于大气压，或者等价地，关于海拔的信息的各种技术，所述大气压是由蜂窝终端中的大气压传感器测得的。

2)用于以下目的的各种技术和装置

a.在参照位置(通常在RNC或RBS处)精确测量大气压，由此获得考虑了本地大气压的校准测量值。

b.将所述校准测量值发送给蜂窝终端。

3)用于将小区多边形(其增加了海拔信息)限制到与所述蜂窝终端报告的测得大气压(海拔)一致的所述小区多边形的区域的多个算法，由此计算与原始小区多边形相比减少了地理扩展的新小区多边形。

因此，根据本发明实施方式的一般概念是使用支持大气压海拔的测量值来缩小通常用于常规小区ID定位[2]、[3]、[8]，以及用于AECID定位[6]的小区多边形。预期可以对海拔变化至少5-10米的小区获得位置误差的显著减小。在山区，将增加了海拔的小区多边形与终端中的大气压测量值进行组合的效果，似乎提供了与通过RTT定位获得的精度类似，或者甚至更高的精度。还要注意，在丘陵地区可以将小区群划分为几个不同区域(海拔“岛”)。于是可以应用已知技术来划分AECID群，而可以使用前述同时报告多个多边形的解决方案来报告结果。本公开的发明特别适于使用AECID定位方法来实施。特别是在丘陵地区与RTT定位组合时，应该能够达到非常精确的定位结果。

下面将参照图9的流程图，描述一种根据本发明的与蜂窝通信网络中至少一个小区相关的用户终端的增强位置确定方法的一般实施方式。最初提供预定小区标识定义(S0)。随后提供用户终端的大气压测量值的表示(S1)。大气压与用户终端的海拔相对应。基于小区标识定义和大气压测量值的表示，针对用户终端确定地理区域定义(S2)。地理区域定义对应于与预定小区标识定义和大气压测量值的表示相关的水平区域或横向区域。

更一般来讲，基于用户终端的海拔进一步限制用户终端的位置的水平区域。对于具体实施方式而言，小区标识定义可能包括小区范围(cellarea)定义，例如具有海拔曲线的地图，并且地理区域定义包括对那些海拔曲线与用户终端的海拔相对应的小区标识定义的区域进行定位。根据各种实施方式，通过考虑具有海拔信息的预定地图可获得地理区域定义。

换句话说，对于具体实施方式，预定小区标识定义包括预定小区范围定义，例如地理小区范围定义，并且确定的地理区域定义包括新地理小区范围定义，后者是预定区域内部的范围，即，预定区域的限制。

根据另一实施方式，大气压测量值的表示包括测得的海拔和置信度间隔，因此得到用户终端的最大和最小海拔。对于该情况，确定两个地理区域定义，一个与最大海拔相对应，一个与最小海拔相对应。这两个区域一起定义了用户终端所处的闭合地理区域或范围，例如，环状水平区域。

本发明的另一实施方式涉及提高前述AECID定位算法的精度。该实施方式包括以下前述步骤：提供预定小区标识定义；提供大气压测量值的表示；以及基于该小区标识定义和该大气压测量值表示来确定地理区域定义。此外还提供了多个测量值群。这些测量值群通常包括高精度水平位置测量值，其每个都与某个标记相关。每个这种标记都反映了所提供的大气压测量值的表示和预定小区标识定义。

于是，确定地理区域定义的步骤包括确定地理区域定义，其内部包含该群的高精度测量值的预先指定的拐点，并且随后将确定的地理区域定义与该特定群的标记关联起来。

如前所述，地理区域定义可以是小区范围定义，例如多边形。

与前述实施方式直接对应，大气压测量值的表示可以包括最大阈值和最小阈值，由此使得能够确定两个地理区域定义，例如一起定义了包括终端位置的闭合地理区域的多边形。

此外，根据特定实施方式的本发明的方法包括以下步骤：基于所提供的大气压测量值的表示和所提供的预定小区标识定义来生成标记；通过检索与该标记相对应的之前确定的地理区域定义来确定地理区域定义；最后用检索到的地理区域来表示用户终端的位置。

以下进一步描述提供大气压测量值的表示的步骤的各个方面。实质上，所考虑的用户终端提供了大气压测量值的表示。用户终端以最简单的形式来测量大气压，并将该测量值报告给基站或网络中的一些其他节点。根据特定实施方式，用户终端将测得的大气压转换为被报告的海拔。另一实施方式包括基于在网络中已知位置进行的校准测量值来执行校准步骤。

在WCDMA中，实施上述及更需要的信号传输的正常方式是通过使用所谓的MEASUREMENT CONTROL(测量控制)/MEASUREMENTREPORT(测量报告)消息。另选方式是使用校准压力的广播。图10中示出了基本信号传输序列。

大气压(海拔)测量值的信号传输

可以例如通过对以下信息元素的适当组合进行信号传输来对测得的大气压进行信号传输

■离散化的大气压，通常以mbar来测量。范围应当至少覆盖+100mbar～+1200mbar，分辨率为0.1mbar。

■离散化的大气压误差，通常以mbar来测量。范围应当至少覆盖0mbar～500mbar，分辨率为0.1mbar。

■离散化的大气压，变换为终端中的海拔。范围应当至少覆盖-1000m～+30000m，分辨率为1m。

■离散化的海拔误差。范围应当至少覆盖0m～+5000m，分辨率为1m。

关于校准压力/海拔的差异测量也是可能的，范围中存在明显差异。

应当注意，在以上信号传输可以发生之前，需要在用户终端中有足够新的压力校准可用。

大气压(海拔)校准信息的信号传输

可以例如通过以下信息元素的适当组合的信号传输来进行大气压校准信息的信号传输

■离散化的大气压校准压力，通常以mbar来测量。范围应当至少覆盖+500mbar～+1200mbar，分辨率和精度为0.1mbar。

■离散化的大气压校准压力误差，通常以mbar来测量。范围应当至少覆盖0mbar～100mbar，分辨率为0.1mbar。

■离散化的大气压校准压力，变换为终端中的海拔。范围应当至少覆盖-1000m～+5000m，分辨率和精度为1m。

■离散化的海拔校准误差。范围应当至少覆盖0m～+1000m，分辨率为1m。

■有效时间间隔。范围应当至少覆盖1分钟～12小时，分辨率为1分钟。

我们认为可以在发送节点中控制有效范围。原因例如是RNC对其小区的地理小区数据拥有访问权。因此，向该校准信息的具体示例有效的小区发送校准信息。

利用从大气压测量值导出的海拔来增强定位精度

在这一分部中，概述并例示了使用海拔信息来限制小区多边形的横向区域的原理。

压力到海拔的变换

在需要在大气压与海拔之间变换信号传输量的情况下，可以使用以下公式

$p=p_{\mathrm{MeanSeaLevel}}{e}^{-\mathrm{kh}}\⇔h=\frac{\ln \left(p_{\mathrm{MeanSeaLevel}}\right)-\ln \left(p\right)}{k}---\left(2\right)$

更高级的替代是使用气象生成的压力表作为海拔的函数。常数k可容易地从气象表中获得，或者可以通过基准测量而确定。

校准的测量过程

需要覆盖三个主要校准情况。第一种和第二种情况假定校准误差的主源是气象压力变化。第三种情况还考虑了终端的压力传感器中的漂移。

从终端报告的自然气象压力变化-海拔的校准

该校准需要至少与大气中自然压力变化同样快速地进行。由于这些变化有时很快(例如当强低压***通过时)，因此以下几点很重要：

1)频繁进行校准，并且足够频繁地向终端发送新值。通常，每当进行新的大气压测量时，或者当新的校准测量变得必须时。

2)声明时间周期(有效时间间隔)，在此期间具有所表示精度的校准压力(海拔)有效。

这里描述的校准过程假定终端知道平均海平面处的自然压力(海拔0m为1013mbar)。

在接收了携带校准信息的MEASUREMENT CONTROL消息(或者广播信息)之后，用户终端需要

1)计算

Δp_{Meteorological}＝p_Calibration-p_MeanScaLevel    (3)

T_{pCalibrationExpires}＝t+T_{pCalibration’}          (4)

其中Δp_{Meteorological}表示当前大气压校正，p_Calibration表示平均海平面处的校准压力，p_MeanSeaLevel表示平均海平面处的标准压力，T_{pCalibrationExpires}表示当校准的精度不再有效时的终止时间(需要新的校准信息)，t表示终端的时间，而T_pCalibration是当前压力校准的有效时间间隔。

2)存储

Δp_{Meteorological}

σ_pCalibration              (5)

T_{pCalibrationExpires’}

其中σ_pCalibration是本校准的误差，所述误差在T_{pCalibrationExpires}之前一直有效。

每当终端进行大气压测量时，它都额外需要

3)检查是否t＜T_{pCalibrationExpires}

a.如果为真，则计算

p_{CalibratedMeasurement}＝p_Measurement+Δp_{Meteorological}  (6)

${\mathrm{\σ}}_{\mathrm{CalibratedMeasurement}}=\sqrt{{\mathrm{\σ}}_{\mathrm{Measurement}}^2+{\mathrm{\σ}}_{\mathrm{pCalibration}}^2}.---\left(7\right)$

其中p_{CalibratedMeasurement}表示校准后的测量值，p_Measurement表示大气压测量值，σ_{CalibratedMeasurement}表示校准后的误差，σ_Measurement表示终端的大气压传感器的(可能预存的)测量误差。

b.否则，请求或等待新的校准信息。

4)计算

$h_{\mathrm{CalibratedMeasurement}}=\frac{\ln \left(p_{\mathrm{MeanSeaLevel}}\right)-\ln \left(p_{\mathrm{CalibratedMeasurement}}\right)}{k}---\left(8\right)$

${\mathrm{\σ}}_{\mathrm{hCalibratedMeasurement}}=\frac{{\mathrm{\σ}}_{\mathrm{pMeasurement}}}{{\mathrm{kp}}_{\mathrm{calibratedMeasurement}}}.---\left(9\right)$

其中h_{CalibratedMeasurement}是要报告的海拔，σ_{hCalibrateMeasurement}表示要报告的误差，而σ_pMeasurement表示压力传感器的测量误差。(9)是对(8)进行微分而得到的。

5)对h_{CalibratedMeasurement}和σ_{pCalibratedMeasurement}进行离散化。

6)在MEASUREMENT REPORT消息中报告h_{CalibratedMeasurement}和σ_{pCalibratedMeasurement}。

从终端报告的自然大气压变化-压力的校准

在此情况下，终端足以进行测量，对测量值进行离散化并且报告离散化的测量值。可以在定位节点中进行这种校准。详情与上述过程类似。

压力传感器校准

为了进行该校准，终端需要位于精确定义的海拔h_Re ference。然后重复前述过程。然后可以如下来计算个体校准误差

$p_{\mathrm{TransdncerError}}=p_{\mathrm{Measurement}}-p_{\mathrm{Calibration}}-p_{\mathrm{Calibration}}{e}^{-{\mathrm{kh}}_{\mathrm{Re\; ference}}}.---\left(10\right)$

以下描述根据本发明实施方式的几个具体实例。

基于所报告的海拔h_{Calibratedmeasurement}和误差σ_{hCalibratedMeasurement}，根据以下公式来计算最小海拔和最大海拔

h_min＝h_{CalibratedMeasurement}-σ_{hCalibratedMensurement}    (11)

h_max＝h_{CalibratedMeasurement}+σ_{hCalibratedMeasurement}.   (12)

在报告了大气压测量值的情况下，公式(11)和(12)被以下公式居先

$h_{\mathrm{CalibratedMeasurement}}=\frac{\ln \left(p_{\mathrm{MeanSeaLevel}}\right)-\ln \left(p_{\mathrm{CalibratedMeasurement}}\right)}{k}---\left(13\right)$

${\mathrm{\σ}}_{\mathrm{hCalibratedMeasurement}}=\frac{{\mathrm{\σ}}_{\mathrm{pMeasurement}}}{{\mathrm{kp}}_{\mathrm{calibratedMeasurement}}}.---\left(14\right)$

其中p_MeanSeaLevet是在海平面的已知位置得到的校准大气压测量值，而p_{CalibratedMeasurement}是来自用户设备的校准后的大气压测量值。

然后可以使用公式(1)如下来隐式计算水平曲线集

$h(x_{\min }^I\·y_{\min }^I\·\mathrm{\θ})=h_{\min },\left(x_{\min }^I\left(\mathrm{\θ}\right)y_{\min }^I\left(\mathrm{\θ}\right)\right)\∈\mathrm{\Ω},l=1,...,l_{\max }---\left(15\right)$

$h(x_{\max }^I,y_{\max }^I\·\mathrm{\θ})=h_{\max },\left(x_{\min }^I\left(\mathrm{\θ}\right)y_{\min }^I\left(\mathrm{\θ}\right)\right)\∈\mathrm{\Ω},l=1,...,l_{\max }.---\left(16\right)$

其中1与量化测量值的具体间隔相对应。非常清楚的是，在(16)闭合的情况下(山在较高处通常具有较小的水平交叉部分)，对具体l_a由(15)表示的水平曲线完全包括在水平曲线(16)所定义的区域中。在这种情况下，终端必须位于最小水平曲线与最大水平曲线之间的区域中。通过针对多个点来求解(15)，可以得到外多边形。通过针对多个点来求解(16)，可以得到内多边形。可以使用前述解决方案，通过RANAP或PCAP来报告这两个多边形。

我们很清楚，对于θ表示的具体模型，通常要考虑更多的情况，不必在多边形内部呈现闭合曲线的情况。因此，在确定内多边形和外多边形时，还需要借助多边形的边界。这可能相当复杂-省略其详情。

以下将描述根据本发明实施方式的使用大气压的AECID定位的例子。

前述AECID定位方法自动提供了一种表征以水平曲线和小区边界来划界的区域的方式。

前提是建立了AECID定位方法，允许利用海拔信息进行高精度测量(通常是A-GPS)。此外，将大气压测量值的表示，例如大气压海拔，定义为量化辅助测量值。

因而，根据本发明的过程如下。

1)AECID照常运行。自动建立并存储至少用小区Id和量化大气压海拔作了标记的测量值群。

2)要计算多边形时，很明显有时需要处理具有洞的测量值群。这通过相对AECID来讲新颖的以下过程来实现。

a.根据包括以小区ID和h_{QuantizedBarometricAltitude}≥h_QuantizedMin为特征的所有群的并集的群来计算最小海拔多边形。注意h_QuantizedMin等于最接近(11)的h_min下方的大气压海拔量化水平。

b.根据包括以小区ID和h_{QuantizedBarometricAltitude}≥h_QuantizedMax为特征的所有群的并集的群来计算最大海拔多边形。注意h_QuantizedMax等于最接近(11)的h_max下方的大气压海拔量化水平。

然后通常在一个消息中报告这两个所得多边形。

有时在以上步骤中出现了多个区域(多个小山)-然而通过基本标记，他们会在同一群中结束。一种已知解决方案通过提供用于通过几个“角”把群划分为单独群的装置来解决这个问题。

应当将以上实施方式理解为本发明的几个说明性实例。本领域技术人员应当理解，可以在不脱离本发明的范围的情况下，对本发明的实施方式作出各种变型、组合和改变。具体地，在技术上可能的情况下，可以在其他配置中组合不同实施方式中的不同部分解决方案。然而，本发明的范围由所附权利要求书来限定。

参考书目

3GPP.TS 23.032，“Universal Geographical Area Description(GAD)”，可在http://www.3gpp.org处获得。

3GPP.TS 25.413，“UTRAN Iu interface RANAP signalling”，可在http://www.3gpp.org处获得。

3GPP.TS 25.453，“UTRAN Iupc interface Position CalculationApplication Part(PCAP)signalling”，可在http://www.3gpp.org处获得。

E.D.Kaplan，“Understanding GPS-Principles and Applications”，Norwood，MA：Artech House，1996。

A.Kangas和T.Wigren，“Location coverage and sensitivity withA-GPS”，URSI EMP-S，Pisa.意大利，2004年5月。

T.Wigren和A.Lundqvist，“Altitude information in cell IDpolygonial reporting format”，美国专利申请US 10/146463，2002年5月16日。

T.Wigren，“Altitude compensation in OTDOA positioning”，美国专利申请US 10/146126，2002年5月16日。

3GPP.TS 25.331，“RRC protocol specification”，可在http://www.3gpp.org处获得。

www.polarusa.com/Products/consumer/axn500.asp

附录A

该附录中详细描述了本发明目前的优选实施方式的主要部分。

群

在该具体实施方式中，假定小区关系配置是建立在小区活动列表(即，在软切换中出于活动状态的小区)的基础上的。对应建模也可以用于其他群选择规则。

高精度位置测量值通常是在WGS 84地理参照***中显式获得的。时间t处可获得的测量值被表示为

(lat_j(t_j)long_j(t_j))^T.j＝1，...，N(t).                     (A1)

其中lat_j(t_j)和long_j(t_j)分别表示在时间t_i处测得的纬度和经度。N(t)表示在时间t处可获得的测量值的总数。()^T表示矩阵/向量转置。

在同一时间t_j(在某合理时间精度内)，针对小区标识对小区关系配置进行采样。结果得到了行向量(或指针)

$\mathrm{Configuration}\left(t_j\right)=({\mathrm{cID}}_1\left(t_j\right){\mathrm{cID}}_2\left(t_j\right)...{\mathrm{cID}}_{N\left(t_j\right)}\left(t_j\right)).$ (A2)

其中cID_l(t_j)是对于在时间t_j处进行了高精度定位的UE，例如较软切换中第1强小区的小区标识。N(t_j)是在时间t_j处小区关系配置中的小区数。

根据(A2)定义的、用于对测量值进行分群的任意可能指针此时被表示为

Pointer_k＝(Index₁(k)...Index_N(k)(k))，k＝1，...，K    (A3)

其中Index₁(k)是(固定)指针k的第1个分量。N(k)是指针k的维数，K是计数器的数量。List_k表示高精度位置测量值的对应列表。在时间t：

${\mathrm{List}}_k\left(t\right)=\left(\begin{array}{cccc}{\mathrm{lat}}_{k,1}\left(t_{k,1}\right)& {\mathrm{lat}}_{k,2}\left(t_{k,2}\right)& ...& {\mathrm{lat}}_{k,M(k,t)}\left(t_{k,M(k,t)}\right)\\ {\mathrm{long}}_{k,1}\left(t_{k,1}\right)& {\mathrm{long}}_{k,2}\left(t_{k,2}\right)& ...& {\mathrm{long}}_{k,M(k,t)}\left(t_{k,M(k,t)}\right)\\ t_{k,1}& t_{k,2}& ...& t_{k,M(k,t)}\end{array}\right).---\left(A4\right)$

其中M(k，t)表示在时间t处列表k的高精度测量值的数量。如上所述，从每个列表中丢弃早于预先指定的阈值的测量值。也可以预先指定列表的最大尺寸，在此情况下，当新测量值到达时，丢弃最早的测量值而不论其存在时间多久。

当在时间t_N(t)+1处获得新的高精度测量值和对应小区关系配置时，聚类算法如下运行：

For k＝1 to K

     If Pointer_k＝Configuration(t_N(k)+1)

${\mathrm{List}}_k\left(t_{N\left(k\right)+1}\right)=\left({\mathrm{List}}_k\left(t\right)\left(\begin{array}{c}{\mathrm{lat}}_{N\left(t\right)+1}\left(t_{N\left(t\right)+1}\right)\\ {\mathrm{long}}_{N\left(t\right)+1}\left(t_{N\left(t\right)+1}\right)\\ t_{N\left(t\right)+1}\end{array}\right)\right)$

     end

     else

           do nothing

     end

end

多边形计算

注释

为了便于进行有效的算法描述，需要以下注释：

p＝(p₁ ... p_N)-一个具体指针，与具体小区关系配置相对应。

$r_{i,\mathrm{ll}}^p={\left(\begin{array}{cc}{x}_{i,\mathrm{ll}}^p& y_{i,\mathrm{ll}}^p\end{array}\right)}^T,$ i＝1，...，N_p-在WGS 84纬度经度注释中与小区关系配置p相对应的多边形角。

$r_i^p={\left(\begin{array}{cc}{x}_i^p& y_i^p\end{array}\right)}^T,$ i＝1，...，N_p-在本地切线笛卡尔坐标系中与小区关系配置p相对应的多边形角，原点位于蜂窝***的覆盖范围中的某处。坐标轴通常为向东向北，而忽略了海拔。

$r_{j,\mathrm{ll}}^{m,p}=\left(\begin{array}{cc}{x}_{j,\mathrm{ll}}^{m,p}& y_{j,\mathrm{ll}}^{m,p}\end{array}\right),$ j＝1，...，N_p ^m-用来确定与小区关系配置p相对应的多边形的角的高精度测量值。注意该测量值与List_k的对应于p的一个条目相对应。

$r_j^{m,p}=\left(\begin{array}{cc}{x}_j^{m,p}& y_j^{m,p}\end{array}\right),$ j＝1，...，N_p ^m-用来确定与小区关系配置p相对应的多边形的角的高精度测量值。将这些高精度测量值变换到同一本地切线笛卡尔坐标系，原点位于以上使用的蜂窝***的覆盖范围中的某处。

C^p-与p相对应的多边形的指定置信度。当小区关系配置与p相对应时，该值与UE位于该多边形内的概率相对应。

A^p-与p对应的多边形的面积。

P^p-多边形所定义的区域。

坐标变换

该过程开始于将与p相对应的所有高精度测量值变换到本地切线笛卡尔坐标系，在本地切线笛卡尔坐标系中进行所有计算。只需要处理未经变换的新测量值。

受限小区面积最小化问题

多边形计算背后的原理由以下三个概念来决定。

多边形的面积应当尽可能小，从而使精度最大化。

应当保持置信度值的限制，以便能够获得高精度测量值。

应当保持对多边形的基本几何限制，具体来讲要求不允许多边形与自身交叉，并且编号最靠后的角点连接到第一角点(闭合性)。

然后可以建立以下最小化问题，用于计算多边形的角：

$\{{\hat{r}}_1^p....,{\hat{r}}_{N_p}^p\}=\underset{r_1^p....,r_{N_p}^p}{\arg \min }{A}^p(r_1^p....,r_{N_p}^p)---\left(A5a\right)$

受到多边形几何限制，并且

$\underset{\underset{r_j^{m,p}\∈P^p}{j=1}}{\overset{N_p^m}{\mathrm{\Σ}}}1\≥C^p{N}_p^m.---\left(A5c\right)$

这是非线性最优化问题。这些年已经开发出了许多可应用于求解(A5a-c)的方法。

以下披露了一种新算法，其实际上基于直接方式，适于解决手头的问题。注意该方法可能无法精确地对(A5a-c)进行求解，然而，其基于与(A5a-c)相同的概念，只不过是通过逐步的方式。

收缩多边形算法

该算法的主要概念是以包含针对具体小区关系配置而收集的所有高精度测量值的初始多边形开始。该初始多边形例如可以从这些高精度测量值的重心求得，之后对所有高精度测量值计算与该重心的最大距离。这定义了包含所有高精度测量值点的圆。然后选择该初始多边形以包含该圆。

该初始步骤之后，通过将多边形的一个选择的角点朝着瞬时重心向内移动来逐步减小多边形的面积，从而从多边形内部去除一个高精度测量值点。在充分保持这种限制的同时实现这种面积减小，使得每一步的面积减小在所有角点上都最大化。

重心

由于高精度测量值被视为点(非随机)，因此重心是算术平均值，即

$r_{\mathrm{CG}}=\left(\begin{array}{cc}{x}_{\mathrm{CG}}& y_{\mathrm{CG}}\end{array}\right)=\frac{1}{N_p^{m,\mathrm{rem}}}\underset{q=1}{\overset{N_p^{m,\mathrm{rem}}}{\mathrm{\Σ}}}{\left(\begin{array}{cc}{x}_q^{m,p,\mathrm{rem}}& y_q^{m,p,\mathrm{rem}}\end{array}\right)}^T.---\left(A6\right)$

其中上标^rem表示尚未通过收缩多边形算法从收缩多边形内部去除的高精度测量值。

开始

由于算法的开始只影响算法的前N_p步，因此这里采用保守方式。第一步是计算与重心的最大距离，即

$j_{\max }^p=\underset{j}{\max }\sqrt{{(x_j^{m,p}-x_{\mathrm{CG}})}^2+{(y_j^{m,p}-y_{\mathrm{CG}})}^2}---\left(A7\right)$

$r^p=\sqrt{{(x_j^{m,p}-x_{\mathrm{CG}})}^2+{(y_j^{m,p}-y_{\mathrm{CG}})}^2}.---\left(A8\right)$

因此，现在所有高精度测量值都在距重心r^p的距离内。注意如果有限数量的多边形角点在该圆周围展开，则不保证该多边形包含所有高精度测量值点。

由于在圆周围对称展开的初始点很有吸引力(attractive)，因此确定了附加外圆，使其包含具有三个角、包含半径为r^p的圆的最简单的多边形，参见图11。初始多边形角随后可以在该半径为R^p的外圆周围展开。在几何上很明显，对于由角的最小数量3定义的多边形而言可获得最大外圆。

通过考虑图11，外径现在可以与求得的内径有关。几何对称表明

$R^p=\frac{r^p}{\sin \left(30\right)}=2r^p.---\left(A9\right)$

初始多边形角点{r_i ^p，0}_i＝1 ^Np随后可以根据以下方程在外圆周围分布

$x_i^{p,0}=x_{\mathrm{CG}}+R^p\cos \left(360\frac{(i-1)}{N_p}\right)---\left(A10\right)$

$y_i^{p,0}=y_{\mathrm{CG}}+R^p\sin \left(360\frac{(i-1)}{N_p}\right).---\left(A11\right)$

其他策略当然也是可能的。

最大角移动

注意在每个迭代步骤中，该分部中描述的计算认为高精度测量值点是收缩多边形内部的剩余点。这对于(A12)～(A21)以及对于(A24)～(A26)为真，见下。

关于高精度测量值点的移动

为了估计在给定迭代步骤中哪个多边形角最有益于向内移动，首先必须确定最大移动是多少。这需要考虑两个限制。

当具体角点沿朝向重心的指定方向向内移动时离开多边形的第二高精度点限制了向内移动。这就需要搜索在该算法的具体迭代步骤中保留在多边形内部的所有高精度测量值点。

当具体角点沿朝向重心的指定方向向内移动时交叉的第一多边形线段限制了向内移动。这就需要搜索多边形的(多边形角点之间的)所有线段。

需要检查这两个限制。它们一起决定了向内最大移动。

参照图12，可以如下来确定关于具体高精度测量值点的最大多边形角移动。该图示出了具有三个相邻多边形角r_k ^p、r_i ^p、r_l ^p的情况。任意编号是由于需要掩盖最后一个多边形角点和第一个多边形角点相连的事实。

中点r_i ^p随后朝向重心向内移动，即，进入到多边形的内部93。结果，连接r_k ^p和r_i ^p以及r_i ^p和r_l ^p的线段92也移动。在某移动点，所考虑的高精度测量值点可能与这两个线段的任一个交叉，所以两个都需要检查。

为了确定交叉试探点，将r_i ^p的移动计算为

$r_i^p\left({\mathrm{\α}}^p\right)=r_i^p+{\mathrm{\α}}^p(r_{\mathrm{CG}}-r_i^p)---\left(A12\right)$

这里，α^p是当r_i ^p(α)在r_i ^p与r_CG之间移动时在0与1之间变化的标量参数。要注意这是数学描述线段的标准方式。还要注意，移动在该情况下可能会延长超过重心。

多边形的移动边界与所考虑的高精度测量值点交叉的必要(非充分)要求是，r_i ^p(α^p)-r_k ^p与r_j ^m，p-r_k ^p变得平行，或者r_i ^p(α^p)-r_l ^p与r_j ^m，p-r_l ^p变得平行。利用平行向量之间的叉积为0的事实，能够计算出α^p。简单代数运算给出了结果：

${\mathrm{\α}}_{\mathrm{ik}}^{j,p}=\frac{-(x_i^p-x_k^p)(y_j^{m,p}-y_k^p)+(x_j^{m,p}-x_k^p)(y_i^p-y_k^p)}{(x_{\mathrm{CG}}-x_i^p)(y_j^{m,p}-y_k^p)-(x_j^{m,p}-x_k^p)(y_{\mathrm{CG}}-y_i^p)}---\left(A13\right)$

${\mathrm{\α}}_{\mathrm{il}}^{j,p}=\frac{-(x_i^p-x_l^p)(y_j^{m,p}-y_l^p)+(x_j^{m,p}-x_l^p)(y_i^p-y_l^p)}{(x_{\mathrm{CG}}-x_i^p)(y_j^{m,p}-y_l^p)-(x_j^{m,p}-x_l^p)(y_{\mathrm{CG}}-y_i^p)}.---\left(A14\right)$

下标表示限定了所评估线段的多边形角点。上标表示高精度测量值点的索引。(A13)和(A14)都是成为主动限制的候选。然而，要注意对此的要求是

${\mathrm{\α}}_{\mathrm{ik}}^{j,p}>0---\left(A15\right)$

${\mathrm{\α}}_{\mathrm{il}}^{j,p}>0---\left(A16\right)$

在(A15)和(A16)不成立的情况下，需要放弃对应的交叉策略。

假定(A15)和(A16)成立，则仍需要检查交叉点是否落在限制多边形的线段的点之间。这意味着对于某些 ${\mathrm{\β}}_{\mathrm{ik}}^{j,p}\∈\left[\mathrm{0,1}\right]$ 或 ${\mathrm{\β}}_{\mathrm{il}}^{j,p}\∈\left[\mathrm{0,1}\right],$ 需要满足以下公式：

$r_j^{m,p}=r_i^p\left({\mathrm{\α}}_{\mathrm{ik}}^{j,p}\right)+{\mathrm{\β}}_{\mathrm{ik}}^{j,p}(r_k^p-r_i^p)---\left(A17\right)$

$r_j^{m,p}=r_i^p\left({\mathrm{\α}}_{\mathrm{il}}^{j,p}\right)+{\mathrm{\β}}_{\mathrm{il}}^{j,p}(r_l^p-r_i^p).---\left(A18\right)$

由于导致(A13)和(A14)的向量是平行的，因此在求解β^p时，考虑(A17)和(A18)的坐标中的一个就够了。结果是：

${\mathrm{\β}}_{\mathrm{ik}}^{j,p}=\frac{x_j^{m,p}-x_i^p\left({\mathrm{\α}}_{\mathrm{ik}}^{j,p}\right)}{x_k^p-x_i^p\left({\mathrm{\α}}_{\mathrm{ik}}^{j,p}\right)}---\left(A19\right)$

${\mathrm{\β}}_{\mathrm{il}}^{j,p}=\frac{x_j^{m,p}-x_i^p\left({\mathrm{\α}}_{\mathrm{il}}^{j,p}\right)}{x_l^p-x_i^p\left({\mathrm{\α}}_{\mathrm{il}}^{j,p}\right)}.---\left(A20\right)$

可以如下简要概括在针对r_i ^p的移动来评估点r_j ^m，p时需要的决定逻辑(finallogic)。假设：

${\mathrm{\&alpha;}}_{\mathrm{ik}}^{j,p}>0$ 且 $0<{\mathrm{\&beta;}}_{\mathrm{ik}}^{j,p}<1.$ α_ik ^j，p表示r_i ^p与r_k ^p之间的线段的可行最大移动。

${\mathrm{\&alpha;}}_{\mathrm{ik}}^{j,p}>0$ 且

α_ik ^j，p表示向内点，但是由于交叉在r_i ^p与r_k ^p之间的线段外侧，因此可行最大移动是无关的。在此情况下，向内移动不会限制最小允许向内移动。这是通过设定 ${\mathrm{\&alpha;}}_{\mathrm{ik}}^{j,p}={\mathrm{\&alpha;}}_{\max }$ 来实现的，其中α_max是大向内移动，比如10。

${\mathrm{\&alpha;}}_{\mathrm{ik}}^{j,p}<0$ 且 $0<{\mathrm{\&beta;}}_{\mathrm{ik}}^{j,p}<1.$ α_ik ^j，p表示r_i ^p与r_k ^p之间的线段的可行最大移动。然而，由于其是向外移动，所以应该将其设定为0，因为算法是针对向内移动而设计的。

${\mathrm{\&alpha;}}_{\mathrm{il}}^{j,p}>0$ 且 $0<{\mathrm{\&beta;}}_{\mathrm{il}}^{j,p}<1.$ α_il ^j，p表示r_i ^p与r_l ^p之间的线段的可行最大移动。

${\mathrm{\&alpha;}}_{\mathrm{il}}^{j,p}>0$ 且α_il ^j，p表示向内点，但是由于交叉在r_i ^p与r_k ^p之间的线段外侧，因此可行最大移动是无关的。在此情况下，向内移动不会限制最小允许向内移动。这是通过设定 ${\mathrm{\&alpha;}}_{\mathrm{il}}^{j,p}={\mathrm{\&alpha;}}_{\max }$ 来实现的，其中α_max是大向内移动，比如10。

${\mathrm{\&alpha;}}_{\mathrm{il}}^{j,p}<0$ 且 $0<{\mathrm{\&beta;}}_{\mathrm{il}}^{j,p}<1.$ α_il ^j，p表示r_i ^p与r_k ^p之间的线段的可行最大移动。然而，由于其是向外移动，所以应该将其设定为0，因为算法是针对向内移动而设计的。

在α_ik ^j，p和α_il ^j，p都是可行最大移动的情况下，选择最小的一个。可以如下对所考虑的情况求和：

注意，某些列出的情况可能从不出现。按照本文陈述的顺序，这在通过连续方式实施计算的情况下不太重要。

关于多边形线段的移动

移动的线之间的交叉由(A12)给出，r_m ^p与r_n ^p之间的线段由以下方程组的解给出，它是针对参数α_i，mn ^p和γ_mn ^p而求出的，其中下标是指计算中涉及的点

$r_i^p+{\mathrm{\&alpha;}}_{i,\mathrm{mn}}^p(r_{\mathrm{CG}}-r_i^p)=r_m^p+{\mathrm{\&gamma;}}_{\mathrm{mn}}^p(r_n^p-r_m^p)$

$\&DoubleLeftRightArrow;((r_{\mathrm{CG}}-r_i^p)-(r_n^p-r_m^p))\left(\begin{array}{c}{\mathrm{\&alpha;}}_{i,\mathrm{mn}}^p\\ {\mathrm{\&gamma;}}_{\mathrm{mn}}^p\end{array}\right)=r_m^p-r_i^p.---\left(A22\right)$

不对与r_i ^p邻近的点来求解。而且，在 ${\mathrm{\&gamma;}}_{\mathrm{mn}}^p\&NotElement;\left[\mathrm{0,1}\right]$ 的情况下，两条线之间的交叉落在r_m ^p与r_n ^p之间的有关线段外侧。如果情况是这样，则在对角r_i ^p的评估中忽略该交叉。 ${\mathrm{\&alpha;}}_{\mathrm{mn}}^p>0$ 的要求还保留。还要注意，只需要对每个角点和算法的迭代步骤求解(A22)一次。

为了获得完整图片，首先对所有线段求解(A22)，但不包括与r_i ^p邻近的线段。将具有α_i，mn ^p最小值，使得 ${\mathrm{\&alpha;}}_{i,\mathrm{mn}}^p>0$ 且 ${\mathrm{\&gamma;}}_{\mathrm{mn}}^p\&Element;\left[\mathrm{0,1}\right],$ 的解表示为(注意，由于移动向内因此这样的解总是存在)

${\mathrm{\&alpha;}}_{{i,m}_0{n}_0}^p,{\mathrm{\&gamma;}}_{m_0{n}_0}^p---\left(A23\right)$

组合

由于只要考虑了限制就可以沿同一方向来评估所有高精度测量值点，因此可以直接对它们进行组合。还要注意，由于对每个迭代步骤将一个点从多边形内部去除，因此要选择限制高精度测量值点作为变成活动状态(active)的第二点。因此，变成活动限制的高精度测量值点由(A24)给出，其中(A24)可以如下计算

$j_{\mathrm{first}}=\underset{\underset{r_j^{m,p}\&Element;P^p}{j}}{\arg \min }{\mathrm{\&alpha;}}_i^{j,p}$

$j_{\mathrm{activeConstraint}}=\underset{\underset{{\text{r}}_i^{m,p}\&Element;P^p}{j=j_{\mathrm{pm}}}}{\arg \min }{\mathrm{\&alpha;}}_i^{j,p}.---\left(A24\right)$

对应移动变成

${\mathrm{\&alpha;}}_i^{p,\mathrm{measurementConstraints}}={\mathrm{\&alpha;}}_l^{j_{\mathrm{activeConstraint}}\&CenterDot;p}.---\left(A25\right)$

最后将结果(A25)与自交叉的可能性所施加的限制进行组合

${\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}=\min ({\mathrm{\&alpha;}}_i^{p,\mathrm{measurementConstraints}},{\mathrm{\&alpha;}}_{i,m_0{n}_0}^p)-\mathrm{\&epsiv;}.---\left(A26\right)$

其中ε是避免该限制刚好变得主动的很小的数，从而在下一个迭代步骤中在限制点外侧开始搜索。

获得的多边形面积减少

获得的是积分之后的减小，或者等价地，计算在图13中示出的多边形的部分下方的面积。

通过考虑可以将曲线下方的面积计算为矩形和三角形的面积总和的事实，只有与移动有关的面积以及相邻点会受到移动的影响，因此可以将移动之前和之后的面积表示为：

$A_{i,\mathrm{before}}^p=A_0+\frac{1}{2}(x_i^p-x_k^p)(y_k^p+y_i^p)+\frac{1}{2}(x_l^p-x_i^p)(y_i^p+y_l^p)---\left(A27\right)$

$A_{i,\mathrm{ofter}}^p=A_0+\frac{1}{2}(x_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)-x_k^p)(y_k^p+y_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)).---\left(A28\right)$

$+\frac{1}{2}(x_l^p-x_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right))(y_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)+y_l^p)$

因此，获得的面积减小由以下公式给出

${\mathrm{\&Delta;A}}_i^{p,\mathrm{allConstraints}}=|\frac{1}{2}(x_i^p-x_k^p)(y_k^p+y_i^p)+\frac{1}{2}(x_l^p-x_i^p)(y_i^p+y_l^p)$

$-\frac{1}{2}(x_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)-x_k^p)(y_k^p+y_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)).---\left(A29\right)$

$-\frac{1}{2}(x_l^p-x_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right))(y_i^p\left({\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\right)+y_l^p)|$

该面积减小测量的最大值决定了N_p个角中的哪一个要在特定迭代时移动，而(A12)和(A26)决定了该移动。

算法

在以下算法中，N_p ^m，rem表示在每个角移动迭代步骤中，保留在多边形内部的高精度测量值点的数量。于是，对一个具体小区关系配置p而言，多边形计算的算法是：

初始化：

·计算群的所有高精度测量值的重心(A6)。

·计算与重心的最大距离r(A7)、(A8)。

·计算分布在圆R周围的初始多边形(A9)、(A10)、(A11)。

面积最小化：

重复进行，直到 $N_p^{m,\mathrm{rem}}<C^p{N}_p^m$ 或 ${\mathrm{\&alpha;}}_i^{p,\mathrm{allConstraints}}\&le;0$ (测量值去除循环)对保留在多边形内部的点来计算重心(A6)。

For i＝1 to N_p(角移动评估循环)

   For j＝1 to N_p ^m，rem(测量值点限制评估循环)

       计算并存储允许的、点方面限制的角移动(A21)。

   End(测量值点限制评估循环)。

计算并存储允许的组合的、测量限制的移动(A24)、(A25)。

计算并存储允许的、自交叉限制的移动(A23)。

计算并存储组合的允许的、测量和自交叉限制的移动(A26)。

与(A26)相对应地计算并存储面积减小(A29)。

End(角移动评估循环)

找到索引i₀与最大面积减小相对应的角。

用移动来更新(A12)角i₀.

从内部点的任何列表中去除不再位于多边形内部的高精度测量值点。

$N_p^{m,\mathrm{rem}}:=N_p^{m,\mathrm{rem}}-1$

End(测量值去除循环)

将多边形的最终角点变换为WGS 84c纬度和经度。

Claims (25)

1.一种对与蜂窝通信网络中至少一个小区相关联的用户终端进行增强水平位置确定的方法，所述方法包括以下步骤：

提供预定小区标识定义；

提供所述用户终端的大气压测量值的表示，所述大气压测量值对应于所述用户终端的海拔；

基于所述提供的预定小区标识定义和所述提供的大气压测量值的表示来确定至少一个地理区域定义，所述至少一个地理区域定义对应于与所述预定小区标识定义和所述大气压测量值的所述表示相关联的水平区域。

2.根据权利要求1所述的方法，其中所述预定小区标识定义对应于地理小区范围定义。

3.根据权利要求2所述的方法，其中所述至少一个地理区域定义是新地理小区范围定义，所述新地理小区范围定义是所述地理小区范围定义固有的。

4.根据权利要求1所述的方法，其中所述大气压测量值的表示包括所述大气压测量值的最大阈值和最小阈值，并且所述确定步骤包括确定与所述最大阈值相对应的第一地理区域定义和与所述最小阈值相对应的第二地理区域定义，所述两个地理区域定义一起限定了包括所述用户终端的地理位置的闭合地理区域。

5.根据权利要求4所述的方法，其中所述第一地理区域定义和第二地理区域定义是通过考虑具有海拔信息的预定地图而获得/计算出/确定的。

6.根据权利要求4所述的方法，其中所述第一地理区域定义和第二地理区域定义包括具有海拔信息的预定地图。

7.根据权利要求1所述的方法，该方法还包括以下步骤：提供多个测量值群，所述测量值群包括高精度水平位置测量值，每个所述水平位置测量值都与具体标签相对应，所述标签至少基于所述大气压测量值的表示和所述预定小区标识定义而产生。

8.根据权利要求7所述的方法，其中所述确定步骤包括：确定地理区域定义，其内部包含了所述群的所述高精度水平位置测量值的预先指定的拐点，并且将所述确定的地理区域定义与所述群的所述标签关联起来。

9.根据权利要求7所述的方法，其中每个所述至少一个确定的地理区域定义都是小区范围定义。

10.根据权利要求9所述的方法，其中所述小区范围定义是多边形。

11.根据权利要求10所述的方法，其中所述大气压测量值的表示包括所述大气压测量值的表示的最大阈值和最小阈值，并且所述确定步骤包括确定与所述最大阈值相对应的第一多边形和与所述最小阈值相对应的第二多边形，它们两个一起限定了包括所述用户终端的地理位置的闭合地理区域。

12.根据权利要求1所述的方法，其中对于通信网络中的用户终端而言，所述方法还包括以下步骤：基于所述大气压测量值的表示和所述预定小区标识定义来生成标签；检索与所述标签相对应的至少一个确定的地理区域定义；以及利用检索到的确定的至少一个地理区域定义来表示所述用户终端的位置。

13.根据权利要求12所述的方法，其中所述大气压测量值的所述表示包括所述大气压测量值的表示的最大阈值和最小阈值，并且所述确定步骤包括确定与所述最大阈值相对应的第一地理区域定义和与所述最小阈值相对应的第二地理区域定义，所述两个地理区域定义一起限定了包括所述用户终端的地理位置的闭合地理区域。

14.根据权利要求12所述的方法，其中所述至少一个确定的地理区域定义是小区范围定义。

15.根据权利要求14所述的方法，其中所述小区范围定义是多边形。

16.根据权利要求13所述的方法，其中所述两个地理区域定义包括两个多边形。

17.根据权利要求1所述的方法，其中所述提供所述用户终端的大气压测量值的表示的步骤包括：在所述用户终端处测量大气压测量值，并且将至少所述测量值的表示报告给所述网络中的节点。

18.根据权利要求17所述的方法，其中所述表示包括海拔。

19.根据权利要求1所述的方法，其中所述提供步骤还包括以下步骤：在所述网络中的已知位置进行校准测量，并基于所述校准测量值来校准所述用户终端的大气压。

20.根据权利要求17所述的方法，其中所述表示包括大气压测量值的校准表示。

21.一种用于对与蜂窝通信网络中至少一个小区相关联的用户终端进行增强水平位置确定的***，所述***包括：

用于提供预定小区标识定义的装置；

用于提供所述用户终端的大气压测量值的表示的装置，所述大气压测量值对应于所述用户终端的海拔；

用于基于所述提供的预定小区标识定义和所述提供的大气压测量值的表示来确定至少一个地理区域定义的装置，所述至少一个地理区域定义对应于与所述预定小区标识定义和所述大气压测量值的所述表示相关联的水平区域。

22.根据权利要求21所述的***，该***还包括用于进行校准测量并将校准测量值报告给所述用户终端的装置。

23.根据权利要求21所述的***，其中所述用于提供大气压测量值的表示的装置还包括：用于基于接收到的校准测量值来校准所述大气压测量值，以提供校准的大气压测量值的表示的装置。

24.一种实现对与蜂窝通信网络中至少一个小区相关联的用户终端的增强位置确定的节点，所述节点包括：

用于提供预定小区标识定义的装置；

用于提供所述用户终端的大气压测量值的表示的装置，所述大气压测量值对应于所述用户终端的海拔；

用于基于所述提供的预定小区标识定义和所述提供的大气压测量值的表示来确定至少一个地理区域定义的装置，所述至少一个地理区域定义对应于与所述预定小区标识定义和所述大气压测量值的所述表示相关联的水平区域。

25.根据权利要求24所述的节点，其中所述节点是无线基站、无线网络控制器和中继站中的一种。

Images