CN1295416A - 无线网参数基于道路的评估和内插 - Google Patents

Abstract

用于在例如一个由处理器实现的系统中,确定表征、调整或优化无线网性能的诸网络参数的技术。示例的实施例中,沿着诸数据点组成的网格中的各边对无线网中一个或多个链路参数的各个值进行内插,诸数据点至少部分地是从表征出无线网所服务的一个区域的道路位置数据中得出的。应用内插值可以产生出网络性能的度量,例如是基于导频信号的信号干扰比的覆盖率度量。网格边与边加权值集合相关联,该加权值集合反映出无线网中的业务量。

Description

无线网参数基于道路的评估和内插

本发明一般地涉及无线通信网，更具体地涉及在此类无线网的设计、实施和／或运行中为获得和处理无线网参数信息用的技术。

典型的无线网中包括有许多互相联接的基站，它们对分布在地域上明确的覆盖区内、且数量变化的固定和移动用户提供无线通信业务。通常，无线网接口的工作状态必须包括入关于无线网的多址请求、不可控信号的传播和有限的带宽等方面。对无线网的多址请求意味着，需求服务的地点和时间都不是事先知道的。所以，无线网必须在一个大的地理区域内以充分的容量提供出所需的服务等级。上述的不可控信号传播状态指的是，基站与用户之间的无线链路取决于这样的信号传播环境，即通常伴随有高的传播损耗和反射、绕射，或者伴随有在杂乱楼房、地面和其它类型障碍物上产生的散射效应。

这类传播效应还在无线通信信道之间导致干扰。这种干扰将随同无线网承载的业务量而增加，并会造成服务质量下降、服务中断或者服务不连续，比如中断的呼叫。那是非常讨厌的，并对业务量设立了一个比无线网所能承载的量为低的上限值。这类限制强烈地依赖于本地传播环境、网络布局和配置，以及空间业务分配。

为了对服务质量和能承载的业务而言可从无线网上得到最好的性能，往往利用了网络建模软件包。此种网络建模软件包包括有例如是可从网上购得的一些软件包，诸如由Mobile SystemsInternational提供的Planet软件包，网址http：／／www．rmrdesign．com／msi，以及由Aircom提供的Asset软件包，它是包括有一种频率规划算法的网络设计软件包，网址www．aircom．co．uk。这类软件包通常可计算射频(RF)链路性能度量的空间分布，例如是射频场强，或者可计算服务质量的性能度量，例如是帧差错率，计算中应用了一种传播预测算法以及关于网络配置，业务负载、地形和通信-标准-专用链路-预算参数等数据。根据计算结果，可调整网络配置。这种方法能解决网络参数的所有变动，诸如小区数目，每小区通信信道数目，天线的地点、模式、倾斜、指向，每通信信道和小区的发射功率电平，频率规划，越区切换阈值，等等。当网络升级时，或者当必须重新调整网络以响应于环境或业务模式变化时，在设计阶段中可以应用普通的网络建模软件包。

除了提供出关于链路性能之空间分布的信息外，有价值的还有预测整体网络在例如是网络覆盖上的性能度量，或是整体网络的阻塞率。此类度量有助于在绝对意义上对网络的总体性能予以定量，并当网络配置变化时对作出的改进予以定量。在应用优化算法来改进无线网时，也需要对此种总体的网络性能度量进行定义和预测。

上述普通的网络建模软件包有许多重大缺点。例如，预测本地链路性能的准确度受限于地形和杂乱楼房数据的明确分辨率以及传播预测算法的粗略近似。此外，此类普通的网络建模软件包在预测总体的网络性能度量上通常很不可靠，所以一般不能用作数学上或数值上优化处理的基础。这是因为，对于诸如无线网覆盖之类的网络性能度量预测，只当在建模过程中采集到本地业务量分布时才会产生出可靠的结果。例如，在无线网覆盖分析中，对高业务量的地区比之小业务量或无业务量的地区应当有更大的加权值。

在应用普通的软件包来预测网络容量或网络阻塞率的度量中，会产生类似的问题。例如，由业务热点产生的干扰很大程度上依随于热点的精确地点。在包括有功率控制特性的现代网络中，这一问题变得尤为重要。业务量分布中微小的本地变异会导致相关的传播损耗发生重大变异。这一点将造成对有关的通信信道不正确的功率电平估计，会影响到干扰和功率预算的预测，而这两者就反映在有效的网络容量中。

还有另一个问题，普通的网络建模软件包一般是对规则的拓扑网格分析本地链路性能参数。由于这样一种网络网格并不反映实际存在的业务模式，所以这类软件包不足以提供出总体的网络性能度量之代表性描述。此外，网络网格的离散性质对于导数运算不能够在数学上有实体的定义，而当此类软件包应用作基于导数的优化程序时，导数运算是必需的。尽管可以用数值计算方法来取代，但此类方法通常需要十分精细的网格间隔，这将导致处理时间长得难以接受。

所以很显然，需要有改进的技术来评估和内插网络参数，应用于无线网建模中，借以克服上述的传统技术中的问题。

本发明提供出改进的技术来评估和／或内插网络参数，以应用于无线网建模，并可以在例如是基于处理器的系统中实现，用以对无线网的总体性能进行表征、调整或优化。在一个示例的实施例中，对一些测试点上无线网中一个或多个链路参数的值进行评估，而它们的导出至少部分地来自于例如是道路图的道路位置数据，此类道路图表明了无线网所服务的区域。评估的实现可以应用一种链路模型。另一个实施例中，对无线网中一个或多个链路参数的值沿着规定出一个网格中诸数据点之间的许多边进行内插，这里的边相应于道路。然后，应用内插出的值产生一个网络性能度量。同时，网格边关联到一个边加权值集合，加权值代表无线网中的业务量。边加权值可以调整，以便与可应用的网络业务量数据相符合。网格可以从例如是道路图文件或图像文件中产生出，并且，在按文件进行内插之前可以实施诸如边伸缩之类的网格简化操作。

可以沿网格边作出内插的一些参数例子包括：通信信道的信号电平，通信信道的信号干扰比，以及网络用户与基站之间的路径损耗。网络性能度量例如可以是无线网覆盖度量，诸如是目标覆盖区域的一个百分率，覆盖区内获得的基站导频信号具有超过规定阈值的信号干扰比。

按照本发明在基于道路的网格中各数据点之间进行内插其优点在于，能使统计变异量平均化，并能使网络性能度量的计算是针对一个或多个链路参数之平滑、可微分的函数，由此可简化网络的特性表征、调整和优化。此外，本发明中基于道路的内插比之上述的普通拓扑网格方法可在无线网设计、调整和优化上给出显著地较好的结果。

本发明的实施可以用一个或多个软件程序，运行于个人计算机、工作站、微计算机、大型计算机，或者任何其它类型的、基于处理器的信息处理装置中。从各个附图以及下面详细叙述的说明中，本发明的这些和另一些特性及优点将变得更为明显。

图1是微处理系统的一个方框图，其中，可按照本发明实施一种基于道路的评估和／或内插处理。

图2示明道路图图像的一部分，它可以按照本发明应用于基于道路的评估和／或内插处理中。

图3(a)至图3(d)上是对于不同的两扇区覆盖安排的信号干扰比曲线。

图4上是一个对于四扇区覆盖安排的信号干扰比曲线。

图5(a)和图5(b)上是对于不同的两扇区覆盖安排的信号干扰比曲线，其中，边覆盖函数可能不连续。

图6上是本发明的一个实施例中对于一种具体的天线来说业务量与天线下倾斜之间的函数关系曲线。

图7和图8上分别示出不简化和简化的、边加权的业务量分布图例子，应用于按照本发明之基于道路的评估和／或内插处理中。

下面，将结合在一个基于计算机的处理系统中实施的无线网信息处理技术例子，对本发明进行阐明。然而，应当理解到，本发明并不限制用于任一个具体类型的处理系统。所公开的技术适用于各种各样的其它系统以及大量另外的应用场合。而且，所说明的技术可应用于许多不同类型的无线网中，包括时分多址(TDMA)、频分多址(FDMA)和码分多址(CDMA)无线网中，可以是移动用户单元、固定用户单元或者移动单元与固定单元的组合。这里应用的术语“无线网”意思是包括这些类型和其它类型的网络，以及此类网络的子网络或其它部分和多个网络的组合。这里应用的术语“网格”意思是包括有至少部分地互相联接之数据点的任意安排。这里应用的术语“优化”应当理解为包括网络性能中任何类型的改进，例如对于一个给定的应用场合提供出认为可接受之性能的一种改进。所以，这里应用的这些术语并不要求任何类型真正的最佳值，诸如一个具体的性能函数之实际的最小值或最大值。

本发明的一个实施例示例针对一种用处理器实现的方法和装置，用于以道路为基础的无线网参数的评估和／或内插中。

图1示例出一个处理系统10，其中，可以实施按照本发明的、基于道路的评估和／或内插。处理系统10中包括处理器12和存储器14，它们通过总线16进行连接和通信。系统10中还包括一个连接于总线16上的I／O(输入／输出)控制器18，以便与处理器12和存储器14进行通信。I／O控制器18连同处理器12一起控制多个外围设备的工作，外围设备包括显示器20、打印机22、键盘24和外部存储器26。

系统10中的一个或多个单元可代表桌面式或便携式个人计算机、工作站、微计算机、大型计算机或者其它类型之基于处理器的信息处理装置的一些部分。存储器14和外部存储器26可以是一个单独的装置，或者可以是分布式的，例如分布在多台计算机或类似的设备上。这里应用的术语“数据库”意思是包括有所存储数据的任何安排，它们可以结合基于道路的内插技术进行应用。

本发明的实施至少部分地可以采用存储器14或外部存储器26中存储的计算机软件程序的形式。这样一个程序可以由处理器12按照用户提供的输入数据来执行，产生出一种预定格式的所需输出，例如在显示器20上显示，或者由打印机22给出打印输出。用户提供的输入数据可以自键盘24上键入，可以从外部存储器26的一个或多个文件中读出，或者通过网络连接从服务器或其它信息源中得到。

如上面所述，诸如网络覆盖和网络容量之类无线网方面总体的性能度量，可以在一个拓扑网格上应用统计传播模型以计算射频链路特性来进行估计。然而，本发明可在道路图的基础上应用不规则的网格而提供出显著改进的结果。道路图给出了关于业务量可如何分布的有价值信息。将诸如所估计接收功率之类的射频链路性能度量以及在不规则网格中沿着道路仔细内插来对统计变异量进行平均，可将网络性能描述为基本网络参数的一个平滑函数。

1．示例建模过程

现在，说明一个示例的程序，以说明本发明能怎样地实现基于道路的业务量评估和内插。

1．1网络参数的建模

可以将多种多样的网络参数与无线网性能的建模关联起来。建模过程中，通常必须预先确定出规定一个网络的配置的诸网络参数。此类网络参数例如可以是与硬件、地形、杂乱楼房或业务量相关的，或者可以是专门针对一个具体通信标准的。此类配置之参数的例子包括小区地点、天线参数、功率电平、越区切换阈值、信道带宽、地形高程数据、等等。网络配置之诸参数中，有一些可认为是固定的网络参数，诸如是地形高程数据、可能的天线位置或天线高度，而另一些可认为是可调整的网络参数，诸如是天线倾斜、每通信信道的功率电平、频率规划，等等。

如果应用一种优化算法要使一个无线网优化，在优化过程中加以改变的网络参数可取地被认为是可调整的网络参数。例如，当使用一个频率规划算法时，这一可调整的网络参数可以是每个小区内每一信道单元的网络频率。另一个例子，如果使用基于导数的优化算法，这个可调整的网络参数可以是天线倾斜、每个通信信道的功率电平或者任何其它数学上连续的网络配置参数。一种包括有频率规划算法的、网站上可购得软件包是上述的Aircom的Asset网络设计软件包，网址www．aircom．co．uk。基于导数算法的例子在上述的由K．L．clarkson等人在名称为“Methods and Apparatus forDerivative-Based Optimization of Wireless NetworkPerformance”的美国专利申请中有叙述。

除了配置参数之外，还有在建模过程中确定的网络参数。这类参数通常是与链路相关联的参数，诸如有通路损耗、小区指配、在一定地点上的场强大小、其它的本地链路性能度量以及总体的网络性能度量等。这类参数将提供出关于该网络之性能的信息。使无线网之链路性能度量构造成模型的网络设计软件包的一个例子是上述的由Mobile Systems International给出的Planet软件包，网址http：／／www．rmrdesign．com／msi。诸如planet之类的软件包所根据的一个通路损耗模型例子，是周知的Hata模型，它说明在M．Hata的文章“Empirical formula for propagation loss in landmobile radio services(陆地移动无线电业务中传播损耗用的经验公式)”中，IEEE Trans．on Vehicular Technology，VT-29：317-325，August 1980。

例如，CDMA IS-95标准中，前向链路导频覆盖是链路性能的一个重要因素。在一个给定的测试点i上，前向链路导频覆盖可以从主服务器的信号干扰比中估计出：式中，n是扇区数目，α_k和β_j是从网络参数中导出的恒定值，Etot_ij是天线j在测试点i上接收到的功率，η是一个总噪声项，而fm_i可代表一个附加的衰落裕度。如果式(1)的值是在一个合适的阈值Y₀之上，则测试点i是被覆盖到的。

根据测试点i上这样一种覆盖定义，网络覆盖可以定义为全部测试点中具有前向链路导频覆盖之测试点的百分率。各个测试点可以有其不同的加权值，例如用来反映一个具体地点或者业务量密度的重要性。由于这种网络覆盖度量对每个网络配置来说有单一的值，所以用它可将一个网络配置与别的网络配置进行性能比较。于是，由此能寻找出“最好的”网络配置，或者采用一种可使该网络性能度量值最大的优化算法。

1．2业务量建模

从这样一种建模过程中得出的网络性能度量的质量十分地依赖于各个测试点的选取和分布。如果测试点分布在一个规则的网格上，则得到的覆盖区或非覆盖区的曲线图并不反映运行中的网络性能，因为非覆盖的测试点可能位于低业务量区域中。所以，根据这些测试点的网络覆盖度量几乎是没有意义的。

如果目标是以基于导数的算法来调整网络参数，使网络覆盖度量或总体网络性能的某些其它度量最大化，则重要的是当调整例如是天线倾斜等网络协调参数时，函数是按平滑的状态变化的。这是因为，复杂的优化算法要求函数具有意义明确的一阶导数以及有时的二阶导数。不存在有意义的导数时，人们必须借助于直接搜索方法，它们例如说明在Margaret H．Wright的“Direct searchmethods：Once scored，now respectable”中，说明在D．F．Griffiths和G．A．Watson编辑的Numerical Analysis1995(Proceedings of the 1995 Dundee Biennial Conference inNumerical Analysis)pp．191-208中，Addison Wesley Longman，Harlow，英国，1995。这类直接搜索方法计算中的收敛性能会很差，尤其是当计算中变量的维数很多时。在每个扇区内至少有一个独立变量的一般场合中，变量的总维数往往大于100。

为了使诸如覆盖的总体性能度量是网络参数(诸如天线倾斜)的可微分函数，较为可取的是由某些其它的而不只是一个离散点集合来近似仿真业务量分布。可能的另一种方法是在上述的测试点之间添加连接线，组成一个网格，然后对每一连接线指配业务量密度，并对这些连接线加以综合。例如，可通过对式(1)的评估来度量覆盖，即评估每条连接线的每一端，然后沿着连接线对得到的各个值进行内插，并判定每条连接线上内插出的式(1)值超过Y0阈值的百分率。

应当指出，也可以应用网格来描述三角形或四边形中非重叠部分的范围，然后，应用在每个此种三角形或四边形之角隅上按照式(1)得出的值，确定出三角形或四边形中覆盖到的百分率。然而，这样一种技术有多个重大缺点。例如，为了达到优化时所需要的可微分性，实际上不必需上述做法，它将使内插条件复杂化，并且与真实情况的业务量不相符合。

所以，确定最好的测试点集合时，应当根据关于真实情况中业务量分布的资料。在无线业务量的空间分布方面，道路图是一个重要的数据源，因为例如许多的移动呼叫都发生在道路上或者靠近道路处，而人口密度高的地区恰是总有很多道路。道路图的另一个好处在于，它们通常能区分清小的道路与各种类型的主要道路。因此，本发明的一个示例性实施例中应用道路图来给出业务量如何分布的详细情形，前提条件是所形成的网格应当调整到与观察到的度量，诸如每个基站扇区的业务量，相一致。

本说明书的其余部分的组织如下所述。第二节说明将道路位置数据变换成一个由各测试点之间的连接线组成并经合适地加权的网络，第三节说明如何沿着这样一个网格的边对射频链路性能度量进行内插，第四节说明样本网格，并表明此类网格对于诸如覆盖百分率之类的网络参数可产生出比较平滑的函数。

2．道路图数据

关于美国的一套公众应用的道路图数据例子(包括波多黎各和岛屿)是美国人口调查局的Tiger数据库，它表明在美国人口调查局的技术报告TIGER／LINE 1997 Census Files中，华盛顿D．C．商贸部(Dept．of commerce)，网址http：／／www．census．gov／geo／tiger／TIGER 97D．pdf。除了道路之外，它还包罗到诸如河流、铁路、行政边界和某些类型的建筑物等特征。道路以多边形线条给出，线条由名称和类别加以标识，诸如“分段的公路”、“二级道路”、“局部道路”等。当两条道路相交时，保证两条多边形线条准确地在一个顶点上相交。

按照本发明，此示例的道路图数据集可以用来确定一个边加权值线图。根据每条多边形线条的长度以及上面的分类，简单地对每段多边形线条指配一个加权值，并在多边形线条相交的地方使用一张细表来匹配公共的顶点。该结果可存储成一个边加权的线图，对边注明其毗邻表，并对顶点注明经度、纬度值。此类边加权的线图将在下面结合图7和图8进行说明。

道路图有时也可以按基于矢量的图表格式来得到，诸如示明在AutoCAD 2000 DXF参考资料中的DXF图表格式内，网址http：／／www．autodesk．com／techpubs／autocad／dxf，1999。将此类数据变换成一个边加权线图的工作类似于处理上述的Tiger数据库数据，差别在于它有不同的输入句法，以及在不同的DXF“层次”上有不同类型的道路时它可能需要手动干预。由于这些层次名称不是标准化的，所以对于每个层次必须选取边加权值乘法器。

2．1寻找图像中的道路

如果可用的道路图仅仅为一个图像文件，则将它变换成一个边加权线图时通常需进行矢量化，这方面例如说明在第二届IAPR图形识别专题讨论会的GREG’97会刊内Dayid s．Doermann的文章“Anintroduction to vectorization and segmentation”中，1997年出版1-7页。假定可应用一种自动化或半自动化技术，借以确定图像中的哪些像素表明道路时例如可对所有像素选择一定的颜色。这使得要做的工作是对黑白图像寻找一种矢量描述。基本设想是寻找一个“框架”，然后计算出可平滑掉像素量化噪声的一个多边形近似形状。

图2中以一部分道路图图像的方式给出示例，其多边形框架的确定应用了wakayama算法，该算法说明在Tadao Wakayama的文章“A core-line tracing algorithm based on maximal squaremoving”中，它发表于IEEE会刊Pattern Analysis and MachineIntelligence(模式分析和机器智能)4(1)期内，68-74页，1982年1月。图2中，多边形框架由黑点和白线标志出。需平滑掉的噪声使白线呈锯齿形状，它导致这样的属性，使黑点的位置受像素网格的影响。

对框架图中的各个顶点也即是图2中的黑点进行扫描，以标识出线条数大于2的所有顶点位置。然后，将出发自和终止于这类顶点上的多边形线条输入至一个多边形近似形状算法中，就象在Pattern Recognition(模式识别)杂志、1980年12(5)期327-331页内J．Sklansky和V．Gonzalez的文章“Fast polygonalapproximation of digitized contours(数字化轮廓的快速多边形近似)”中叙述的那样。这样，产生出一个多边形线条的网络，其每一线段与框架的一个特定部分相关联。通过计数与每一线段相关联的像点，可得到边加权值。上述Wakayama算法的优点在于，它产生出的框架对于计数与该框架的具体部分相关联的像点来说，是比较容易的。通过在探寻框架之前或者探寻到框架后的去掉短的边线路之前，对于失落的像点也即由道路像点围绕的非道路上的像点之类进行填充来加以精细化，则上面所得的结果还能够改善。

2．2加边

如果没有道路图图像文件可用，可能的另一种方法是根据可得到的任何信息的概率，伪随机地分布测试点。例如，如果只有地形高程的数据可供应用，则可以认为，山谷比之山顶有更为稠密的人口。

通常，伪随机产生的测试点需要有一种算法来选择连接线，诸如由S．J．Fortune撰写的文章“Voronoi diagrams and Delaunaytriangulations”中所叙述的Delaunay三角测量算法，F．K．Hwang和D．-Z．Du编辑的Computing in Euclidean Geometry(欧几里德几何的计算)杂志，pp．193-233，World Scientific，1992。虽然，这种算法是可以接受的，但最好采用一种简单些的算法，它可寻找出大致上垂直和水平的连接线，人们能从道路图中查看到它们。

下面，是这样一种算法的一个例子。首先，根据x+y和x-y的正负号将矢量(x，y)划分成四个象限。然后，对于每个象限和每个测试点(x_i，y_i)，将(x_i，y_i)连接至测试点(x_j，y_j)，使得(x_j-x_i，y_j-y_i)在相应象限中具有最短可能的欧几里德长度。如果没有此类测试点(x_j，y_j)，或者如果最短的欧几里德长度长于某一固定约束(例如是测试点集合i直径的六分之一)，则不建立该连接线。要不然，测试点(x_j，y_j)称之为是测试点(x_i，y_i)的一个受象限制约的最近的毗邻。

应当指出，这种算法可能产生出顶点上线条数大于4的线图，因为对于某个测试点(x_j，y_i)来说，(x_i，y_i)可以是一个受象限制约的最近的毗邻，而对于(x_i，y_i)来说，(x_j，y_j)不是一个受象限制约的最近的毗邻。如果希望有稀疏些的线图，则可以首先放置入这样的边，使那里受象限制约的最近的毗邻有对称性关系，然后，每次一条地添加其它边，使得增加的长度服从于顶点上线条数不会大于4的约束。

可以采用一种简单的强力搜索法，在二次时间内寻找出一个测试点集合中全部受象限制约的最近的毗邻。如果这样做法太慢，有一种线条扫描算法能给出较好的时间限制。

2．3简化线图

可能有这样的情况，对于一个给定的实际道路图数据集，会有如此多的顶点和边，以至应用如此一种网格来使覆盖率或其它网络参数优化将是不现实的。有许多方法来简化一个线图。一种可能做法是删除网格中最短的边，并以修正的网格按照需要不断地重复这种删除过程。删除一条边时，它的加权值应当分配到近旁的边上，最好分配给与被删除边所建立的顶点相关联的那些边。关于删除各个边以简化网格的附加细节，可以在例如1997年ComputerGraphics Proceedings(计算机图形学科研报告集)的189-198页上Hughes Hoppe的文章“View-dependent refinement ofprogressive meshs(与视像相关的网格逐渐修正)”以及1997年computer Graphics Proceedings的217-224页上H．Hoppe的文章“Progressive simplicial complexes(渐进的单纯复形)”中找到。

2．4调整边加权值以符合业务量统计

在使上述的线图能应用作业务量模式图以使网络参数优化之前，应当调整边加权值以符合所有可予应用的业务量数据。例如，可以得到供应用的网络统计量，它们给出了每个基站扇区的业务量。这种场合下，可以应用一个传播预测模型来确定出，根据诸如最好的信号干扰比之类的标准要求，哪些边或覆盖百分率随之指配给每一基站扇区，然后，能将边加权值调整到符合于该扇区的业务统计量。

举一个例子，假定测试点i与j之间有一条加权值为W_ij的边，测试i与j分别地处在覆盖区的扇区a_i和a_j内。研究业务量沿连接边之分布情况时，要求知道边的某个百分率f_ij，它处理为扇区a_i之覆盖区的一部分。因此，该边向扇区a_i的边加权值赋以f_ijW_ij，向扇区a_j的边加权值赋以(1-f_ij)W_ij。在将这样的边加权值总加起来之后，对于每一扇区a可计算一个倍乘数ω_a，它应与扇区a的边加权值相乘，以使得符合于该扇区的业务统计量。于是，对于诸如W_ij之类一个边加权值的效用便是对它乘以

f_ijω_ai+(1-f_ij)ω_ai。

3．定义网格上的RF链路量度

按照本发明而在其上面确定出射频链路性能度量的网格是一个线图，它的边加权值反映出业务量，它的顶点是测试点，测试点方面的通路损耗可从度量中或者从传播模型中得到。通常，在对边任一端之顶点给定通路损耗数据的情况下，这时要求有一套内插规则以确定出沿一条边上发生的状态。内插规则最好这样构成，它根据例如是信号干扰比之类的标准要求，容易确定出对每个基站扇区指配多少条边，并且，它对于诸如天线倾斜和功率电平之类的参数来说是一个相当平滑的函数。

3．1信号干扰比内插规则

顶点i上按照式(1)的信号干扰比可改写成 $\underset{l\≤k\≤n}{\max }$ (Sn_ik)，式中，产生出最大值的k给出了一个扇区，对它指配以顶点i，对于在顶点i上接收扇区k来说Sn_ik是信号干扰比： $S_{\mathrm{ij}}=-\frac{{\mathrm{Etot}}_{\mathrm{ij}}}{S_i-{\mathrm{\α}}_k\mathrm{Eto}{t}_{\mathrm{ik}}}\mathrm{where}{s}_i=f{m}_i\mathrm{\η}+\underset{j=1}{\overset{\mathrm{\η}}{\mathrm{\Σ}}}{\mathrm{\β}}_j\mathrm{Eto}{t}_{\mathrm{ij}}---\left(2\right)$

考虑一条边，它处在指配给扇区k的两个顶点i与j之间。这意味着，对于任一个其它的扇区1来说Sn_ik≥Sn_il而在顶点j上Sn_jk同样地为最大。

确定出边上怎样的百分率被覆盖到时的一条简单规则，是对于扇区k将信号干扰比看作为是在Sn_ik与Sn_jk之间线性地变化的。例如，如果Sn_ik≥Y₀和Sn_jk≤Y₀，则边中的下列值 $\frac{{\mathrm{Sn}}_{\mathrm{ik}}-Y_0}{{\mathrm{Sn}}_{\mathrm{ik}}-{\mathrm{Sn}}_{\mathrm{ik}}}---\left(3\right)$ 其信号干扰比大于阈值Y₀而是被覆盖到的。

如果顶点i和j指配给不同的扇区k和l，则诸如边ij中有多少被覆盖到的问题将涉及两个不同的信号干扰比。为了与上面给出的同样的扇区内插规则相一致，令

这样就有可能计算出：边上哪个百分率指配给扇区k，哪个百分率指配给扇区1，以及哪个百分率由于信号干扰比低于阈值Y₀而未被覆盖到。

图3(a)至图3(d)示明对于不同类型的覆盖，从顶点i到顶点j沿着边ij的线路上，Sn_ijk(t)和Sn_ijl(t)与百分率t的函数关系曲线。每个曲线图中的虚线代表信号干扰比阈值Y₀。图3(a)表明的情况是边ij被两个基站扇区完全覆盖到，图3(b)表明的情况是边ij的一端被两个扇区覆盖到，图3(c)表明的情况是除了边ij的中央部分之外两个扇区覆盖到其它部分，图3(d)表明的情况是边ij的一端被单一个扇区覆盖到。

图4上示例出一个较为极端情况的例子，其中，沿边ij上的线性内插信号干扰比使得边的各部分被指配给四个不同的扇区。曲线图表明，对于不同类型的覆盖，从顶点i到顶点j沿着边ij的线路上，四个不同扇区a中Sn_ija(t)与百分率t的函数关系曲线。曲线图中的虚线代表信号干扰比阈值Y₀。实际上，通过对边中任一端都未被指配的扇区加以忽略，并且恰恰应用式(4)中信号干扰比的最高值，人们就可以避免这种类型下的复杂性。然而，这种“巧诈”方法的代价是使它难以保证诸如覆盖之类的性能度量是网络调整参数(例如是天线倾斜)的连续函数。

3．2平滑性和导数

上述的内插规则之目的在于，在提供出实际状态的一个近似的同时，确保诸如覆盖之类的网络性能度量并不表现出不连续性，免得其性能度量难以做到优化。某些不连续性是可以容忍的，只要它们不大可能要求重合性，并且优化算法多半不是“驻留(home in)”在性能度量上，但尽管这样，最好进行试验以避免不连续性。如果对于某个扇区a来说，边ij上Sn_ija(t)≥Y₀的百分率为C_ij，则只要每个C_ij是诸参数的一个连续函数，下面的覆盖率显然为诸参数的一个连续函数： $\frac{\underset{\mathrm{edgeij}}{\mathrm{\Σ}}{w}_{\mathrm{ij}}{C}_{\mathrm{ij}}}{\underset{\mathrm{edgesij}}{\mathrm{\Σ}}{w}_{\mathrm{ij}}}$

在图3(a)至图3(d)那些示例的场合下，由于对于Sn_ma中每个测试点m和每个扇区a来说，诸参数中无限小的变化将产生出Sn_ma中无限小的变化，因而在Sn_ijk(t)和Sn_ijl(t)函数中产生出无限小的偏移。

此种场合下，C_ij对于任一网络参数的导数可以由每一顶点上信号干扰比的导数Sn’_ik、Sn’_il、Sn’_jk、Sn’_jl来表示。例如，在图3(d)的场合下C_ij可简化成式(3)，其导数是 $\frac{({\mathrm{Sn}}_{\mathrm{ik}}-{\mathrm{Sn}}_{\mathrm{jk}}){\mathrm{Sn}}_{\mathrm{ik}}-({\mathrm{Sn}}_{\mathrm{ik}}-{\mathrm{Sn}}_{\mathrm{jk}})(S{n}_{\mathrm{ik}}-Y_0)}{{({\mathrm{Sn}}_{\mathrm{ik}}-{\mathrm{Sn}}_{\mathrm{jk}})}^2}---\left(5\right)$

图5(a)和图5(b)示明在C_ij可能不连续的情况下，Sn_ijk(t)与Sn_ijl与百分率t的函数关系曲线。同样，对于每个曲线图来说，虚线代表阈值Y₀。图5(a)的曲线图中显现出一个可能的问题，如果Sn_ijk(t)保持于常数Y₀上，则式(5)中的分母将为零。从式(4)显然可见，Sn_ik或Sn_jk中的无限小变化会使Sn_ijk(t)函数向下偏移，下跌至Y₀之下，导致边上的一半变成覆盖不到，而C_ij突然从1跌落至0．5。

如果使内插规则简化以避免图4中的复杂性，而对于每条边的端点只考虑信号干扰比领先的两个扇区时，则将发生另一个潜存的问题。参看图5(b)，如果Sn_jl，=Sn_jl，因而Sn_ijl，(1)=Sn_ijl(1)，则无限小的变化将决定1和1’中的哪一个是可以忽略的第三扇区。由于忽略不计Sn_ijl(t)代替Sn_ijl，(t)使C_ij从67％增加到93％，这就导致严重的不连续性。

尽管对于某些优化过程来说，例如是对于philip E．Gill、Walter Murray和Michael A．Saunders等人说明的过程(参见Technical Report NA 97-2，Dept．of Math．VC San Diego，1997)，图5(a)和图5(b)上示例的场合中出现的不连续性可能不造成问题，但需要时仍然可去掉这种不连续性。例如，为了消除图5(b)中示例出的问题，就用下面的沿边ij之线路上信号干扰比t函数的定义来考虑全体扇区a： ${\mathrm{Sn}}_{\mathrm{ij}}i{j}^{*}\left(t\right)=\underset{1\≤a\≤n}{\max }{\mathrm{Sn}}_{\mathrm{ija}}\left(t\right),$ 消除图5(b)中示例的问题时通常要求一个软阈值： $C_{\mathrm{ij}}=\underset{0}{\overset{1}{\∫}}\mathrm{Cov}\left(\right({\mathrm{Sn}}_{\mathrm{ij}*}\left(t\right))\mathrm{dt},$ 式中，Cov(s)可以是任何的平滑函数，也即对于(s＜＜Y₀)为0，对于(s＞＞Y₀)为1。这类条件使得每个C_ij是网络参数的一个连续的、分段可微分的函数。3．3其他RF链路量度的内插规则

现在，说明对于射频链路量度而不是信号干扰比的内插规则。诸如从通路损耗中计算信号干扰比的规则那样，线性地内插出全部射频链路性能度量通常是不可靠的，因为这样做多半会违背射频链路性能度量之间的数学关系。然而，由于从接收到的功率电平中可以方便地计算出其它的射频链路性能度量，并且接收到的功率电平特别强烈地依赖于与基站间的距离，所以如下面将说明的，对这类接收到的功率电平的内插能够与信号干扰比的内插情况相符合。

对所有n个扇区a应用线性内插函数Sn_ija(t)，将给出一个完全的信号干扰比集合，从中能够从原理上计算出接纳到的功率。然而，由于这种做法一般会涉及过量的计算，并且有时会产生不出合理的解答，所以最好利用一种简单些的方法。

这种简化法的基础在于，为了确定出信号干扰比与沿着边ij之线路上百分率t之间的函数关系，通常只需要小量数目的Sn_ija(t)函数，并且仅仅是这样一些数值的扇区，即对于这些扇区来说接收到的功率估计很可能是所需要的。由于有n个接收到的功率进行选取，并且仅仅极少量(一般＜＜n)的扇区其信号干扰比可认为适配Sn_ija(t)函数，所以人们能作出进一步假设，以使得对于接收到的功率可以求解出基于式(2)的公式。

将式(2)规一化以做到沿着从顶点i到顶点j的边ij之线路保持于某个百分率t上时有 ${\mathrm{Sn}}_{\mathrm{ijk}}\left(t\right)=\frac{E_{\mathrm{ijk}}\left(t\right)}{S_{\mathrm{ij}}\left(t\right)-{\mathrm{\α}}_{\mathrm{\α}}{E}_{\mathrm{ijk}}\left(t\right)\′},---\left(6\right)$ 式中，S_ij(t)是一个内插函数，它满足S_ij(0)=S_i和S_ij(1)=S_j，E_ijk(t)是一个要确定的函数，它给出接收自天线k的功率。上述的“进一步假设”是指S_ij(t)进行线性内插：

S_ij(t)=(l-t)S_i+t_sj．    (7)

这就容许对式(6)求解出E_ijk(t)，得到 $E_{\mathrm{ijk}}\left(t\right)=\frac{{\mathrm{Sn}}_{\mathrm{ijk}}\left(t\right)S_{\mathrm{ij}}\left(t\right)}{1+{\mathrm{\α}}_k{\mathrm{Sn}}_{\mathrm{ijk}}\left(t\right)}---\left(8\right)$ 式中，S_ij如式(7)中所示，Sn_ijk(t)如式(4)中所示。4．样本结果

图6示明了应用上述Tiger数据库中的一个道路数据集例子，对于指配给三个小区扇段中具体一个的覆盖区来说，以厄朗(Erlang)为单位的总边加权值与天线下倾斜之间的函数关系曲线。本例子中应用的道路数据集来自San Juan，Puerto Rico(波多黎各的圣胡安)，其边加权值基于道路类型和每扇区业务统计量。图7示明对于圣胡安地区之一部分来说局部的未简化的业务量分布线图。线图中的线条宽度根据于每单位长度的边加权值。对于整个圣胡安地区来说，业务量分布线图上有45358个顶点和54875条边。通过前面概述的删除若干边的简化法，上面的数量被减少到9071个顶点和12241条边，同时对于总共169个扇区之每一个来说仍然提供出相当多的细节总量。对应于图7之线图的简化，图8示出了所得到的一部分简化的业务量分布线图。图7和图8上的业务量分布线图是“网格”的例子，它们可按照本发明应用在基于道路的评估和／或内插过程中。

图6的曲线图示例出一种情况，其中，由具体的扇区覆盖的总边加权值取决于其天线的下倾斜。十分显然，前面说明的基于边的内插技术使得这个扇区的覆盖对于天线下倾斜具有非常平滑的函数关系。由于总体的覆盖百分率等于一个常数乘上此种函数的总和，所以它也显现出同样类型的平滑特性，差别只是对不连续性有平滑消除的趋势。它适用于虚线中的不连续性和实线中的斜率不连续性，但效果比较小，因为重新调整天线下倾斜只是对少量近旁扇区的覆盖有明显影响。

5．结论

本发明利用诸如道路图数据之类的道路位置数据，对无线网的网络参数进行评估和／或内插。优点在于，此类道路位置数据能应用来对无线网中实际的业务量分布确定出一个精确的估值。按照本发明的、基于道路图的业务量分布能方便地进行调整，以适应于实际网络中对每个天线之业务量的观察值，并且比之在一个均匀网格上抽样之类的常规方法来说，它需要的测试点远为减少。本发明之基于道路的内插方法还给出了内插规则，它在网络性能度量上得到的结果中噪声较小，这十分适合于自动化的优化算法。

应当指出，本发明可以至少部分地以一个或多个软件程序的形式来实现，例如是由系统10中处理器12执行的软件程序指令来实现。按照本发明采用配置合适的软件程序时，可以从一个或多个信源中获得网络参数和道路位置数据，按照本发明之上述的基于道路的内插过程可处理网络参数数据，并且产生出一种显示或其它合适的输出，它们以所希望的格式呈现出所得到的网络配置信息。

本发明的上述实施例其用意只是作为示例。例如，上面说明的技术可以用来设计一个无线网，或者使已经在运行的现有无线网优化或是作出改进。此外，本发明可以应用到子网络上，例如是一个所给定无线网中的指定部分上，以及应用到许多不同类型的网络上，例如具有移动用户单元或固定用户单元或者移动单元与固定单元之组合的网络上。对本技术领域内的熟练人员来说，在所附之权利要求书的范围内实现这一些和大量的另外一些实施例显然是很容易的。

Claims (30)

1．一种由处理器实现的、用以表征无线网性能的方法，该方法包括步骤：

通过一个数据点集合确定出无线网中至少一个链路参数的诸个值，该数据点集合至少部分地是在该无线网所服务的区域的至少一部分内从道路位置数据中得出的。

2．权利要求1的方法，其中，确定数值的步骤中包括了利用一个链路模型来确定诸个值。

3．权利要求1的方法，其中，道路位置数据是从道路图数据中得出的。

4．权利要求1的方法，其中，道路位置数据是从一个或多个图像文件中得出的。

5．权利要求4的方法，其中，道路位置数据从图像文件中得出时，首先产生出一个框架线图，随后将一个多边形近似形状施加到该框架线图上。

6．权利要求1的方法，其中，无线网的至少一个链路参数的值是在一个网格上被评估，网格由至少一个数据点子集和多条相应的互连边组成。

7．权利要求6的方法，其中，对无线网的至少一个链路参数的值作评估，是借助于沿着一条或多条边进行内插。

8．权利要求6的方法，其中，至少一个边子集中的每一条边至少部分地对应于一条或多条道路。

9．权利要求6的方法，其中，有多个边加权值与网格的诸个边相关联。

10．权利要求9的方法，其中，至少边加权值的一个子集表示无线网中的业务量。

11．权利要求9的方法，其中，至少边加权值的一个子集被调整，使得它与可用的网络业务量数据相符合。

12．权利要求6的方法，其中，网格中包含一个不规则网格，它是通过对道路位置数据中产生出的较精细网格施加上至少一种简化操作而得出的。

13．权利要求12的方法，其中，简化操作中包括有一种边删除操作。

14．权利要求7的方法，其中，内插步骤可使得要计算的网络性能度量为至少一个链路参数的平滑函数。

15．权利要求1的方法，其中，链路参数中包含有信号场强。

16．权利要求1的方法，其中，链路参数中包含有信号干扰比。

17．权利要求1的方法，其中，链路参数中包含有路径损耗。

18．权利要求1的方法，其中，链路参数应用来产生一个网络性能度量。

19．权利要求18的方法，其中，网络性能度量中包含有网络覆盖度量。

20．权利要求18的方法，其中，网络性能度量中包含有网络容度量量。

21．权利要求18的方法，其中，网络性能度量的产生至少部分地应用了在沿着由数据点构成的一个网格中各边上内插出的数值。

22．权利要求18的方法，其中，网络性能度量至少部分地是网络参数的一个可微分函数。

23．权利要求22的方法，其中，网络性能度量是对沿着包含数据点的至少一个子集的网格中的边的一个网络参数的微分。

24．权利要求22的方法，其中，应用基于导数的算法关于网络参数优化网络性能度量。

25．权利要求19的方法，其中，网络覆盖度量包括一个目标覆盖区域的覆盖百分率，具有至少一个链路参数是高于规定的阈值的。

26．一种表征无线网性能的装置，该装置包括：

一个基于处理器的系统，其工作是在一个数据点集合上确定出无线网的至少一个链路参数的诸个值，该数据点集合至少部分地是在该无线网所服务的一个区域的至少一部分上从道路位置数据中得出的。

27．一种制品，包括一个计算机可读介质，介质中存储有一个或多个软件程序供应用于表征无线网的性能，其中，一个或多个程序在由处理器执行时实现下面的步骤：

在一个数据点集合上确定出无线网的至少一个链路参数的诸个值，该数据点集合至少部分地是在该无线网所服务的一个区域的至少一部分上从道路位置数据中得出的。

28．一种由处理器实现的、应用于表征无线网性能的方法，该方法包括步骤：

沿着互联各数据点的多条边对无线网中至少一个链路参数的诸个值进行内插，这些数据点至少部分地是从表征出由该无线网所服务的一个区域的至少一部分上的道路位置数据中得出的，以及

至少部分地根据这些内插值产生出一个网络性能度量。

29．一种用以表征无线网性能的设备，该设备包括：

一个基于处理器的系统，其工作是：(1)在沿着互联各数据点的多条边上，对无线网中至少一个链路参数的诸个值进行内插，这些数据点至少部分地是从表征出由该无线网所服务的一个区域的至少一部分上的道路位置数据中得出的，以及(2)至少部分地根据这些内插值产生出一个网络性能度量。

30．一种制品，包括一个计算机可读介质，该介质中存储有一个或多个软件程序供应用于表征无线网的性能，其中，一个或多个程序在由处理器执行时实现下面的步骤：

在沿着互联各数据点的多条边上，对无线网中至少一个链路参数的诸个值进行内插，这些数据点至少部分地是从表征由该无线网所服务的一个区域的至少一部分上的道路图数据中得出的；以及

至少部分地根据这些内插值产生出一个网络性能度量。

Images