关键词： LTE深度覆盖 MR指纹库；
一、基于MR指纹库定位方法的介绍
1.射线模型的介绍
目前移动通信场强覆盖预测计算模型可分为两大类：一类统计模型：建立在大量测试数据和经验公式基础上的实测统计；一类确定模型：基于无线电传播理论的理论分析。
统计学模型中最著名的统计模型是Okumura模型，它是Okumura以其在日本的大量测试数据为基础统计出的以曲线图表示的传播模型。在Okumura模型的基础上，利用回归方法拟合出便于计算机计算的解析经验公式，这些经验公式有适用于宏蜂窝的Hata模型公式、COST 231-Hata模型公式等。
传统的方法是通过规划仿真软件使用宏蜂窝传播模型及三维电子地图对规划方案进行仿真验证；然而，宏蜂窝传播模型的应用范围和自身局限性限制了规划方案仿真验证的精度：首先，宏蜂窝传播模型的应用范围一般在500米以上，而CBD区域基站的覆盖半径一般在500米以下。其次，宏蜂窝传播模型只能从宏观上反映方案覆盖效果，只能从统计意义上对建筑物的影响进行粗略的估计，如通过一定的地物偏移(clutter offset)来考虑不同地物的影响，无法根据建筑物的高度从微观上反映局部的覆盖情况。因此，需要采用更合适的传播模型配合高精度的三维电子地图对CBD区域的规划方案进行仿真验证，以确保该重点区域无线网络建成后的网络性能。
2.MR指纹库的核心算法
主要涉及的关键技术如下：
MR指纹库构建：指纹库是指基于工参、5m三维地图、扫频/路测、MR历史数据，计算训练得来的反应地理上5m×5m栅格各项特征的数据集合。栅格中的指纹特征包含邻近各小区的场强分布信息、移动性特征信息等。
指纹库是MR定位匹配算法的比对数据库，各MR点与指纹库中向量距离最短的指纹将被锁定，该指纹所对应的栅格位置即可认为是相应MR的定位位置。
室内外用户区分：应用大数据挖掘的神经网络方法，根据室内外覆盖环境特点及其用户数据特征对比分析，达到识别室内用户的目的。由于室内户产生的MR数据特征在“主服务小区切换及移动性”、“MR包含的小区数”、“各导频信号的强度与差值”三方面与室外小区明显不同。具体区别如下：
室内外主服务小区切换具有明显移动性特征：利用历史MR数据和实测数据分析，统计在一定时间内是否发生切换、切换的次数，得到室内外主服务小区移动性特征的差异。室外用户一般在短时间内就会发生切换，且切换次数较多。
MR包含的小区数：室内MR数据主服务小区信号很强，但测量到的小区导频信号数目较少（每次测量一般不超过3个）。室外MR数据大多都能测量到较多的小区导频信号。
各导频信号的强度与差值：室内MR数据的第一强信号一般都很好，且与第二、第三强信号的差值非常明显；室外MR数据的导频强度变化很大，且差值一般都较小。
根据以上室内外场景的信号特征，采用如下算法即可进行室内外用户的区分：首先，根据主小区切换特征，找出室外用户；其次，依据总小区数量特征,找出室外用户；最后，依据室内外电平强度特征,找出室外用户。
基于高精度三维地图的3D立体仿真：基于三维地图中包含的地貌（Clutter）、建筑物（Building)、 建筑物高度（building vector）等信息，将建筑物进行3D可视化，进行3D立体仿真。通过3D立体仿真，可以准确的反映建筑物内部每一层及纵向方向的覆盖情况，为分析深度覆盖问题，提供了精确的数据基础。以射线追踪模型校正、仿真为基础，加入DT、CQT数据、无线MR数据进行室内外话务特征和立体特征模型校正，有效计算出用户的经纬度和高度等信息并在3D维度上实现精确定位，通过3D建模立体呈现网络覆盖、话务分布，比传统方法更直观、更精确。
经过长期修正后，指纹库的精度最高可达20-30米左右
3.现网应用案例
为验证系统定位的精准性，我们采用贵阳2016年2月19/20/21三天，共计9.36GB的华为MR数据，华为工参和KPI数据，对贵阳市花溪区的贵州大学南校区进行定位。
以花溪贵大南校区同心楼为例，该区域共计包含72个栅格，共计采样点12837个，室内弱覆盖比例根据系统可知为68%，与现场实测弱覆盖比例61.54%较为接近，准确率达到了91%，相比之前没有系统主动发现室内覆盖质量的情况，分析效率提升明显。
二、结论
传统的规划优化依据信令统计得到的KPI来反应小区级别的网络性能，通过路测来采样特定区域、特定路径、特定时段下的网络性能，这都不能反映真实用户的感知。
基于MR构建的指纹库系统，由于MR是真实用户上报的数据集，根据栅格中的指纹特征包含邻近各小区的场强分布信息、移动性特征信息等，并结合MR数据的RSRP特性、切换特性、邻区特性等信息，区分室内、室外用户，可以回放与再现几乎每个角落的真实用户感知相关信息，为复杂无线情况下深度覆盖问题的发现和解决提供可参考的依据和手段。
论文作者:高凌兰, 吴继辉
论文发表刊物:《科技中国》2017年7期
论文发表时间:2017/10/11
标签：指纹论文; 模型论文; 数据论文; 特征论文; 用户论文; 小区论文; 室内论文; 《科技中国》2017年7期论文;