论文部分内容阅读
近年来,移动通信系统的发展经历了显著的变化,对无线网络规划及优化工作提出了严峻的挑战。为了能够更加全面的掌握网络情况,降低运营成本,3GPP在R10版本中研究并指定了解决方案,即最小化路测技术（Minimization of Drive Tests,MDT）,如何合理运用MDT数据辅助无线网络建设成为了一个重要的课题。在无线网络规划及优化工作中,基站经纬度是重要的工程参数,同时,在准确的工参基础上调整天线方位角是提升网络覆盖质量的一种常用手段。针对上述情况,本文将围绕基于MDT的基站定位和覆盖预测算法展开研究。1.本文介绍了MDT关键技术及应用场景,阐述了常见的无线网络定位技术的原理和传播损耗预测的基础理论,为后续研究提供理论基础。2.基于对Taylor级数展开定位算法的改进,本文提出了一种基于MDT的基站定位算法。Taylor定位算法需要初始迭代点,选择距离真实值较近的初始点可以保证迭代收敛并减少迭代次数,因此本文采用基于参考信号接收功率（Reference Signal Receiving Power,RSRP）的定位方法对初始点进行估算。由于参考路径损耗未知,因此推导了加权最小二乘（Weighted Least Square,WLS）公式,联合估计基站位置和参考路径损耗。由于同一基站下不同小区的参考路径损耗不同,因此分别对每个小区使用二分法求解WLS问题,将所有小区的基站估计位置的均值作为初始迭代点。另外由于初始迭代点与基站真实位置距离较近,因此为进一步剔除异常值,分别计算用户设备（User Equipments,UEs）到初始点的距离和UE到基站的距离,将两者差值过大的UE删除。试验结果表明,本文提出的基站定位算法准确度高,并且实现简单,可用于实际的基站位置纠正。3.基于天线方位角调整前的MDT数据,本文提出了一种基于MDT的覆盖预测算法,预测方位角调整后的RSRP。基于空间路损不变的原则,天线方位角改变前后RSRP变化的只是天线增益的部分,因此针对同一地点,利用天线方位角调整前的RSRP进行点对点转换,得到方位角调整后RSRP预测值。对于方位角调整前没有MDT数据的地点,利用BP神经网络拟合得到调整前的RSRP。该方法避免了经验模型和半经验模型在小尺度范围内精度不高的缺陷,并且实现简单。此外本文基于3GPP TR25.996中天线方向性函数的参考模型,利用最小二乘法对真实方向图的采样数据进行拟合,得到更精确的方向性函数。试验结果表明本文提出的基于MDT的覆盖预测算法预测精度高,RSRP预测值更贴近于实测数据。4.本文设计并实现了基于MDT的移动网络覆盖在线预测系统。本文结合WebGis技术将MDT数据、基站工参与电子地图加载至web页面,利用基于MDT的覆盖预测算法预测方位角调整后RSRP分布情况。本系统共分为五层:表现层为web页面,负责为用户提供交互式操作;控制层、业务逻辑层和数据持久层负责对用户的请求进行处理,并将结果返回给web页面;数据层负责存储数据,包括MDT数据、地图资源等。本文利用MDT数据对系统进行了测试,结果表明该系统操作简单,并且集成了WebGis轻量级、跨平台、成本低等优点,可为实际的网络规划及优化工作提供帮助。