基于hmm的小区切换决策算法及装置制造方法
【专利摘要】本发明涉及单向无线传输通信领域，公开了一种基于HMM的小区切换决策算法，包括信号收集步骤：收集不同小区边缘区域的信号；HMM模型建立步骤：根据信号收集步骤所收集的小区信号，分别建立不同小区的HMM模型；状态值获取步骤：根据小区的HMM模型，分别获取不同小区的HMM模型的状态值；观测值获取步骤：计算移动终端当前所在位置的信号，并建立当前位置的HMM模型；根据当前位置的HMM模型，获取移动终端当前所在位置的HMM模型的状态值，并以此作为观测值；小区位置判定步骤：比较当前位置的观测值与不同小区的状态值，将与观测值最为接近的状态值所在小区作为当前位置小区进行小区切换的准备。本发明的优点在于，流程简单，计算步骤少，计算量少，在单向传输无线网络中仅仅凭借终端本身接收到的信号强度进行切换判决。
【专利说明】基于HMM的小区切换决策算法及装置
【技术领域】
[0001]本发明涉及单向无线传输通信领域，特别涉及一种基于HMM的小区切换决策算法以及应用该小区切换决策算法的装置。
【背景技术】
[0002]隐含马尔可夫模型Hidden Markov Model，HMM作为一种统计分析模型，创立于20世纪70年代。80年代得到了传播和发展，被应用于语音识别，取得重大成功。到了 90年代，HMM还被引入计算机文字识别和移动通信核心技术中的“多用户检测”。现已成功地用于生物信息科学，语音识别，行为识别，文字识别以及故障诊断等领域。
[0003]HMM模型是用来描述一个含有隐含未知参数的马尔可夫过程，其主要概念是指从可观察的参数中确定该过程的隐含参数，然后利用这些参数来作进一步的分析，例如模式识别。
[0004]在正常的马尔可夫模型中，状态对于观察者来说是直接可见的。这样状态的转换概率便是全部的参数。而在隐含马尔可夫模型中，状态并不是直接可见的，但受状态影响的某些变量则是可见的。每一个状态在可能输出的符号上都有一个概率分布。因此输出符号的序列能够透露出状态序列的一些信息。
[0005]在现有的单向的移动通信网络架构中，手持终端作为单向接受信号的一方，当它通过一个小区(小区指基站天线的覆盖范围)移动到另一个小区时，为了保持信号接收不被中断，就需要执行终端接收信号从一个小区向另一个小区切换的过程。现有的单向移动通信系统内，判断小区切换的算法过程过于繁琐，步骤多，计算量大，反应缓慢，因此有必要在现有技术的基础上进行进一步的改进。
【发明内容】
[0006]本发明针对现有技术中，小区切换算法过程过于繁琐，步骤多，计算量大等缺点，提供了一种新型的具有更少的流程步骤和计算量的新型的基于HMM的小区切换决策算法及其装置。
[0007]为实现上述目的，本发明可采取下述技术方案:
[0008]基于HMM的小区切换决策算法，包括以下的具体步骤:
[0009]信号收集步骤:收集不同小区边缘区域的信号；
[0010]HMM模型建立步骤:根据信号收集步骤所收集的小区信号，分别建立不同小区的HMM模型；
[0011]状态值获取步骤:根据小区的HMM模型，分别获取不同小区的HMM模型的状态值；
[0012]观测值获取步骤:计算移动终端当前所在位置的信号，并建立当前位置的HMM模型；根据当前位置的HMM模型，获取移动终端当前所在位置的HMM模型的状态值，并以此作为观测值；
[0013]小区位置判定步骤:比较当前位置的观测值与不同小区的状态值，将与观测值最为接近的状态值所在小区作为当前位置所在的小区并以此为基准进行小区切换的准备。
[0014]作为优选，还包括以下的具体步骤:如果观测值与一个小区的状态值的差异相比该观测值与其它小区的状态值的差异均大，则认为当前位置位于小区的边缘区域。
[0015]作为优选，还包括模型保存步骤:将状态值获取步骤所得到的不同小区的HMM模型的状态值保存在移动终端上；执行小区位置判定步骤时，将观察值与移动终端上保存的状态值相比较。
[0016]作为优选，将具有相同长度的时间段内第一次接收的小区信号用于计算观测值，将所述时间段内所接收的小区内的所有信号用于计算状态值。
[0017]基于HMM的小区切换装置，包括信号收集装置、HMM模型建立装置、状态值获取装置、观察值获取装置以及小区位置判定装置；其中，
[0018]信号收集装置用于收集不同小区边缘区域的信号；
[0019]HMM模型建立步骤用于根据信号收集装置所收集的小区信号，分别建立不同小区的HMM模型；
[0020]状态值获取装置用于根据小区的HMM模型，分别获取不同小区的HMM模型的状态值；
[0021]观测值获取装置用于计算移动终端当前所在位置的信号，并建立当前位置的HMM模型；根据当前位置的HMM模型，获取移动终端当前所在位置的HMM模型的状态值，并以此作为观测值；
[0022]小区位置判定装置用于比较当前位置的观测值与不同小区的状态值，将与观测值最为接近的状态值所在小区作为当前位置小区进行小区切换的准备。
[0023]作为优选，还包括模型保存装置，用于将状态值获取装置所得到的不同小区的HMM模型的状态值保存在移动终端上；将观察值与移动终端上保存的状态值相比较。
[0024]本发明由于采用了以上技术方案，具有显著的技术效果:
[0025]整个小区切换决策算法的流程步骤少，计算量小，判断准确，反应迅速，占用的带宽更少，节省了无线通信资源，同时不需要占用额外的反向上行通信链路，具有较好的应用价值。
【专利附图】
【附图说明】
[0026]图1为基于小区边缘区域信号的HMM模型状态值分布示意图。
[0027]图2为基于HMM的小区切换决策算法的流程示意图。
[0028]图3为基于HMM的小区切换装置的设备连接示意图。
【具体实施方式】
[0029]下面结合实施例对本发明作进一步的详细描述。
[0030]实施例1
[0031]基于HMM的小区切换决策算法，如图1、2所示，包括以下的具体步骤:
[0032]信号收集步骤101:收集不同小区边缘区域的信号；边缘区域的确定根据小区的具体大小和信号强度的域值进行确定，具体而言，选择信号强度降为小区中心区域信号强度的10%的位置为小区边缘的起始位置，则该位置至小区边界的区域即为该小区的边缘区域。采取以下的具体步骤收集信号:当移动终端100进入一个新的小区开始，移动终端100以均匀或者非均匀时间间隔测量所接受的小区信号的信号强度，当信号强度逐渐增强时，记录当前信号，作为新的小区中心区域信号强度，并更新之前记录的小区中心区域信号强度；当信号出现信号降时，停止记录小区中心区域信号强度，改为计算小区信号降的幅度，记录当前信号，以新记录的当前信号减去之前记录的当前信号作为信号降。同时，当信号强度逐渐增强时，移动终端100逐渐地增加测量的时间间隔，以减少测量次数，降低移动终端100的耗电量。当移动终端100检测到信号强度减弱时，恢复初始的信号测量间隔。
[0033]HMM模型建立步骤102:根据信号收集步骤101所收集的小区信号，分别建立不同小区的HMM模型；
[0034]状态值获取步骤103:根据小区的HMM模型，分别获取不同小区的HMM模型的状态值；
[0035]观测值获取步骤104:计算移动终端100当前所在位置的信号，并建立当前位置的HMM模型；根据当前位置的HMM模型，获取移动终端100当前所在位置的HMM模型的状态值，并以此作为观测值；
[0036]小区位置判定步骤105:比较当前位置的观测值与不同小区的状态值，将与观测值最为接近的状态值所在小区作为当前位置小区进行小区切换的准备。
[0037]基于HMM的小区切换决策算法还包括以下的具体步骤:如果观测值与一个小区的状态值的差异相比该观测值与其它小区的状态值的差异均大，则认为当前位置位于小区的边缘区域。
[0038]基于HMM的小区切换决策算法还包括模型保存步骤106:将状态值获取步骤103所得到的不同小区的HMM模型的状态值保存在移动终端100上；执行小区位置判定步骤105时，将观察值与移动终端100上保存的状态值相比较。
[0039]将具有相同长度的时间段内第一次接收的小区信号用于计算观测值，将所述时间段内所接收的小区内所有信号用于计算状态值。
[0040]基于HMM的小区切换装置，如图3所示，包括信号收集装置201、HMM模型建立装置202、状态值获取装置203、观察值获取装置204以及小区位置判定装置205 ;其中，
[0041]信号收集装置201用于收集不同小区边缘区域的信号；
[0042]HMM模型建立步骤102用于根据信号收集装置201所收集的小区信号，分别建立不同小区的HMM模型；
[0043]状态值获取装置203用于根据小区的HMM模型，分别获取不同小区的HMM模型的状态值；
[0044]观察值获取装置204用于计算移动终端100当前所在位置的信号，并建立当前位置的HMM模型；根据当前位置的HMM模型，获取移动终端100当前所在位置的HMM模型的状态值，并以此作为观测值；
[0045]小区位置判定装置205用于比较当前位置的观测值与不同小区的状态值，将与观测值最为接近的状态值作为当前所在的位置小区进行小区切换的准备。
[0046]还包括模型保存装置206，用于将状态值获取装置203所得到的不同小区的HMM模型的状态值保存在移动终端100上；将观察值与移动终端100上保存的状态值相比较。
[0047]具体而言，假设手机终端作为单向接受信号的一方，执行信号收集步骤101，在各个小区的边缘区域使用手机接收信号，收集利用手机RF器件所接收的信号，并将所获得的数据保存在手机内存后执行HMM模型建立步骤102，建立HMM模型，这样就获得了各个无线小区的HMM模型的状态值。
[0048]因为各个小区的信号强度是不一样的，即各小区的HMM模型的状态值不相同，因而各个小区里的HMM模型是不一样的。执行状态值获取步骤103，获得各个小区的HMM模型的状态值，并将建立好的各个小区的HMM模型保存在移动终端上。
[0049]序列SI，S2, S3是小区Cl中HMM模型的状态序列(即状态值)，这里选择3个状态值只是为了方便的说明本实施例，实际运用本算法时将会测量远大于3个的状态值，具体状态值的数目将根据算法实现的需要和硬件的处理能力确定；另一个小区如C2两边边缘区域的HMM模型是一样的，则其状态序列都是S4，S5，S6 ;同理，序列57，5849是03中HMM模型的状态序列。
[0050]而序列01，02，03是移动终端接收到的信号强度的观测序列(即观测值)，该观测值是移动终端所在位置的直接观测到的测量值，其在图1中的位置将随移动终端在图1中的所示位置而定。
[0051]执行观测值获取步骤104，移动终端经过特定的时间间隔第一次接收观测序列01，02，03。
[0052]执行小区位置判定步骤105，将接收到的信号强度与终端所保存的HMM模型的状态序列进行比较，以便于终端确定其所在的小区位置。
[0053]假设各个小区的HMM模型都是只有三个状态值，而接收到的观测值也是只有三个，则根据移动终端接收到的这三个观测值来判定需不需要进行小区切换。由HMM模型的原理，可以知道接收到的的三个观测值会有四种情况，具体如下所示:
[0054]终端接收到的观测值与Cl小区的HMM模型的状态值相同的概率要远远大于与其他小区中HMM模型的状态值相同的概率，则可以认为此时移动终端的位置落在Cl小区的概率要大于落在其他两个小区的概率。因此我们可以判定此时移动终端在Cl中。
[0055]若终端接收到的观测值与C2小区的HMM模型的状态值相同的概率要远远大于与其他小区中HMM模型的状态值相同的概率，可以认为此时移动终端的位置落在C2小区的概率要大于落在其他两个小区的概率。这时我们可以判定移动终端在C2小区中。
[0056]同理，若终端接收到的观测值与C3小区的HMM模型的状态值相同的概率要远远大于与其他小区中HMM模型的状态值相同的概率，这时可以判定移动终端在C3小区中。
[0057]当然，终端接收到的观测值与各个小区中HMM模型的状态值相同的概率都差不多，此时，可以假定当前手持移动终端的位置与上一个采样时刻后的位置在同一个小区内。
[0058]之后再次执行模块4和模块5，手机终端再次接收观测序列，以便于终端确定其当前所在的小区位置。确定终端的所在小区位置后就可以判断终端是否在小区的边缘区域，如果在小区的边缘区域则要进行小区切换的准备。同时，确定了所在具体边缘区域的位置后，也就可以进行相邻小区信号的测量从而为小区切换进行准备。
[0059]假设手持移动终端当前所在的小区为基准小区，手机终端判定是否需要进行切换。若是，则手机终端作出判决去执行切换，否则手机终端不进行切换。具体分为以下几种情况:
[0060]假设初始小区为Cl，若终端下一次接收到的信号落在C2的概率大于落在其他小区的概率，因为Cl和C2两个小区为相邻小区，此时手机终端执行切换，从Cl信号切换到C2信号，否则手机终端不进行切换。因为在实际上如果信号采样时间适当的话，手机终端不会从Cl跨越C2而直接到达C3。
[0061]同理，假设初始小区为C3，，若终端下一次接收到的信号落在C2的概率大于落在其他小区的概率，因为C2和C3两个小区为相邻小区，此时手机作出判决去执行切换，从C3信号切换到C2信号，否则终端不进行切换。
[0062]若初始小区为C2，此时的情况与前两种有所差别。因为C2与C1，C3都相连，因而若下一次接收到的信号落在Cl或者C3的概率大于其他种情况的概率，手机终端都会作出判决去执行切换，否则手机终端不进行切换。
[0063]总之，以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所作的均等变化与修饰，皆应属本发明专利的涵盖范围。
【权利要求】
1.一种基于HMM的小区切换决策算法，其特征在于，包括以下的具体步骤: 信号收集步骤101:收集不同小区边缘区域的信号； HMM模型建立步骤102:根据信号收集步骤101所收集的小区信号，分别建立不同小区的HMM模型； 状态值获取步骤103:根据小区的HMM模型，分别获取不同小区的HMM模型的状态值； 观测值获取步骤104:计算移动终端100当前所在位置的信号，并建立当前位置的HMM模型；根据当前位置的HMM模型，获取移动终端100当前所在位置的HMM模型的状态值，并以此作为观测值； 小区位置判定步骤105:比较当前位置的观测值与不同小区的状态值，将与观测值最为接近的状态值所在小区作为当前位置小区并以此为基准进行小区切换的准备。
2.根据权利要求1所述的基于HMM的小区切换决策算法，其特征在于，还包括以下的具体步骤:如果观测值与一个小区的状态值的差异相比该观测值与其它小区的状态值的差异均大，则认为当前位置位于该小区的边缘区域。
3.根据权利要求1所述的基于HMM的小区切换决策算法，其特征在于，还包括模型保存步骤106:将状态值获取步骤103所得到的不同小区的HMM模型的状态值保存在移动终端100上；执行小区位置判定步骤105时，将观察值与移动终端100上保存的状态值相比较。
4.根据权利要求1所述的基于HMM的小区切换决策算法，其特征在于，将具有相同长度的时间段内第一次接收的小区信号用于计算观测值，将所述时间段内所接收小区内的所有信号用于计算状态值。
5.一种基于HMM的小区切换装置，其特征在于，包括信号收集装置201、HMM模型建立装置202、状态值获取装置203、观察值获取装置204以及小区位置判定装置205 ;其中， 信号收集装置201用于收集不同小区边缘区域的信号； HMM模型建立装置202用于根据信号收集装置201所收集的小区信号，分别建立不同小区的HMM模型； 状态值获取装置203用于根据小区的HMM模型，分别获取不同小区的HMM模型的状态值； 观察值获取装置204用于计算移动终端100当前所在位置的信号，并建立当前位置的HMM模型；根据当前位置的HMM模型，获取移动终端100当前所在位置的HMM模型的状态值，并以此作为观测值； 小区位置判定装置205用于比较当前位置的观测值与不同小区的状态值，将与观测值最为接近的状态值所在小区作为当前位置小区并以此为基准进行小区切换的准备。
6.根据权利要求5所述的基于HMM的小区切换装置，其特征在于，还包括模型保存装置206，用于将状态值获取装置203所得到的不同小区的HMM模型的状态值保存在移动终端100上；将观察值与移动终端100上保存的状态值相比较。
【文档编号】H04B17/00GK103731892SQ201410007723
【公开日】2014年4月16日 申请日期:2014年1月8日 优先权日:2014年1月8日
【发明者】杨晓东, 周建凤 申请人:浙江工商大学