一种通信网络中校准定位算法参数的方法及装置与流程
本发明涉及通信技术领域，特别涉及一种通信网络中校准定位算法参数的方法及装置。
背景技术：
随着无线网络的快速发展，运营商之间在评估lte小区覆盖情况、弱覆盖分析、vip用户定位、新站选址等方面的时效性和准确性已经成为网络规划、争夺用户的关键。而在各种复杂的地域环境中对移动终端定位的合理及准确性是上述各项功能实现的前提，是网优工具可靠性的主要体现之一。
目前流行的定位算法包括但不限于参考信号接收功率(referencesingnalreceivepower，rsrp)定位算法和时延(timingadvance，ta)数据定位算法。rsrp定位算法不仅能够计算移动终端与主小区的距离，亦能计算移动终端与各个邻小区的距离。但是rsrp定位算法中的算法参数与小区所处的环境有很大的关系，不同环境下对应的算法参数有很大区别。
传统的定位算法参数较正方法，一种是根据网优工程师的个人经验，利用所处小区的平均站间距给出公式参数的经验值，另一种是花费大量的时间和人力，利用大量的路测数据来进行算法参数校准。上述两种较正定位算法参数的方法，浪费人力物力，且校准准确性不高。
技术实现要素：
本发明实施例的目的在于提供一种通信网络中校准定位算法参数的方法即装置，解决了传统的较正定位算法参数的方法，浪费人力物力，且校准准确性不高的问题。
为了达到上述目的，本发明实施例提供一种通信网络中校准定位算法参数的方法，包括：
获取某一小区在通信网络中预定时间段内的数据测量报告mr；
生成mr中参考信号接收功率rsrp与基准距离组成的数据对，其中，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值；
使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。
本发明实施例还提供一种通信网络中校准定位算法参数的装置，包括：
获取模块，用于获取某一小区在通信网络中预定时间段内的数据测量报告mr；
生成模块，用于生成mr中参考信号接收功率rsrp与基准距离组成的数据对，其中，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值；
校准模块，用于使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。
本发明实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机可执行的一个或多个程序，所述一个或多个程序被所述计算机执行时使所述计算机执行如上述提供的一种通信网络中校准定位算法参数的方法。
本发明实施例的通信网络中校准定位算法参数的方法及装置，获取某一小区在通信网络中预定时间段内的数据测量报告mr；生成mr中参考信号接收功率rsrp与基准距离组成的数据对，其中，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值；使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。这样，使用通过ta数据计算得到的基准距离反向对rsrp定位算法中的定位算法参数进行校准，省时省力，并且准确性高。
附图说明
图1为本发明实施例提供的一种通信网络中校准定位算法参数的方法的流程图；
图2为本发明实施例提供的另一种通信网络中校准定位算法参数的方法的流程图；
图3为本发明实施例提供的一种通信网络中校准定位算法参数的装置的结构图；
图4为图3所示实施例中生成模块的结构图；
图5为图3所示实施例中校准模块的结构图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
如图1所示，本发明实施例提供一种通信网络中校准定位算法参数的方法，包括以下步骤：
步骤s101、获取某一小区在通信网络中预定时间段内的数据测量报告mr。
该步骤中，通信网络，一般可以由多个基站彼此通信连接，形成通信的网络，每个基站一般覆盖有几个小区的通信范围，比如每个基站覆盖有3个小区的范围。当有用户使用移动终端进行通信时，一般会将距离移动终端最近或者覆盖移动终端后信号强度最好的小区作为主小区，其他小区作为邻小区，同时会周期性的记录所述移动终端的相关数据，并上传至基站中进行记录。
其中，所述某小区可以是在基站覆盖下的，当某个小区作为主小区时的小区，获取所述某小区在通信网络中预定时间段内的数据测量报告(measurementreport，mr)，mr中包含有所述移动终端的各个测量数据，如移动终端的使用时长、参考信号接收功率(referencesingnalreceivepower，简称rsrp)、时延(timingadvance，简称ta)数据和定位信息等。所述mr就是作为主小区的某个小区，周期性的记录所述移动终端的相关数据，并上传至基站中进行记录的数据报告。
其中，为了更好的进行校准，保证数据的有效性，选取的所述预定时间段的时间不能过于短，但是也不能太长，时间太短可能会导致数据不具备普遍性，时间太长可能会导致数据量较大，不方便运算，所述预定时间段一般需要普遍参考性的时间段，比如一天时间，或者两天时间。
这里，可以直接从后台获取mr，无需通过大量人力物力进行实地实时测量，节省了人力物力。
步骤s102、生成mr中参考信号接收功率rsrp与基准距离组成的数据对，其中，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值。
所述rsrp—参考信号接收功率，为移动终端在通信网络中进行通信时，在某一位置接收信号的功率强度。
所述ta数据—时延数据，也就是时间提前量，也可以通过计算转换，表示成移动终端到基站的距离。
所述基准距离，可以是定义为表示通过ta数据经过计算转换后得到的，所述移动终端在通信网络中与基站之间的距离，计算方法为：
dta＝k1ta+k2
其中，k1和k2为算法参数，dta为移动终端与基站之间的距离，这里只是给出一个可以通过ta计算出dta的公式，但并不局限于此，由于不同厂商的基站或者设备不同，各个厂商自己的内部信号计算方法也不同，因此各个厂商都有自己的计算方法，因此，此处并不以此公式为限制，仅用以说明可以通过ta数据通过计算得到所述基准距离dta。比如对于有些厂家的设备，可以通过求积分或者其他方式来计算dta。其中k1和k2可以根据不同的设备来进行取值，这里不做任何限定。
根据目前的ta精度验证，即使在不对ta进行参数校正的前提下，精度也能保证在100米以内，所以可以认为，经过计算后，所述基准距离的准确性也比较高，在合理误差允许的范围内。
该步骤中，当获取到某一小区在通信网络中一定时间段内的mr后，从mr中提取监测的移动终端的rsrp和ta数据，由于每个rsrp都具有一个或者多个与之对应的ta数据，所以在一个rsrp具有多个对应的ta数据时，需要通过计算，将与rsrp对应的多个ta数据取平均值，得到与rsrp对应的平均ta数据，再将平均ta数据通过计算转换成所述基准距离，在将ta数据通过计算转换成所述基准距离后，可以生成mr中的rsrp与所述基准距离组成的数据对，这里，每个rsrp均可生成一个rsrp与所述基准距离的数据对。
这里所说的对应，可以是指一对一的对应，也可以是值一对多的对应。比如rsrp与ta数据之间的对应，rsrp是表示接收信号强度，当从mr中提取一个确定的rsrp，由于一个rsrp可能与多个ta数据相对，所以这里，rsrp与ta数据之间的对应，就是一对多的对应，而每个ta数据，都可以通过计算转换成一个基准距离，所以这里ta数据与基准距离的对应就是一对一的对应。
举例说明，比如当从mr中提取到rsrp的值为-133时，对应的有多个不同的ta数据，如1、1.2、1.3、0.8和0.7五个ta数据，此时将多个ta数据值进行平均计算，得到平均ta数据值1，然后通过计算转换，得到当平均ta数据值为1时，所述基准距离的值为535.7333，然后将rsrp的值为-133时，与对应的基准距离生成数据对(-133，535.7333)。上述数据仅为举例说明，不保证数据准确性。
步骤s103、使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。
在通信网络中，当检测到有需要关注的用户使用移动终端，比如vip用户，检测到vip用户的移动终端在通信时，为了更好的提供服务，一般需要通过移动终端的接收和发射信号来，比如rsrp，对在通信的vip用户进行定位，了解vip用户的活动范围，以便提供服务。
在利用rsrp定位算法对移动终端进行定位时，可以对移动终端定位得出一个定位距离，由于rsrp定位算法中算法参数受外界影响比较大，所以，当rsrp定位算法中算法参数误差较大时，导致定位距离的误差也较大。
举例来说，
drsrp＝f(a和b、rsrp、h)
其中，drsrp为通过rsrp定位算法计算的终端与小区之间距离，h为天线挂高，如基站天线的高度，a和b为算法参数，不同环境有不同设置，即每个小区都需要有自己的一套a和b值。a的物理意义：d＝1km时，接收到的rsrp信号强度-13.82logh。取值为负值，越小，在b不变的基础上，同样的rsrp对应的距离越小。b的物理意义：信号随着距离增加的衰减快慢。取值为负值，越小，信号衰减的越快。一般来说，城区衰减快，郊区衰减慢。
上述公式为简化的定位距离与各个参数之间的关系，仅为了表明定位距离与a和b、rsrp和h的关系，由于不同厂商的设备和算法的不同，具体的计算关系也有差别，因此上述公式并不做任何局限。
从公式可以看出，由于rsrp和h是准确的值，所以a和b值的不合理会直接导致终端距离计算的误差，从而导致定位的不准确。
而上文中提到过，在mr中，通过ta数据计算转换得到的基准距离的准确性是比较高的，那么如果当检测到移动终端在进行通信时，如果根据rsrp定位算法得到的定位距离与基准距离相等或者相近，那么就可以说明，或者认为rsrp定位算法中算法参数比较准确。
在前述的步骤中，已经生成了rsrp与基准距离组成的数据对，因此，该步骤中，利用上述rsrp与基准距离组成的数据对中的rsrp，使用rsrp定位算法计算得到移动终端的定位距离drsrp，然后使用预设算法，利用drsrp和rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。
所述预设算法，可以是根据不同的情况，以及需要的不同精度，使用不同的合理方法进行计算或者比较等。比如前文中提到过，因为dta的准确性比较高，所以可以将dta作为准确的drsrp的值，反向进行计算，得到合适的a和b值，也可以将drsrp与drsrp进行比较，通过反向计算，当两者的差值或者比值小于预定门限的话，认为当drsrp与drsrp相近时，认为a和b在允许的误差范围之内，符合误差要求。
举例来说，可以将drsrp与drsrp二者的比值作为判断依据，比如，利用如下公式：
其中，
利用上述公式，计算误差error，当不断变换a和b的输入时，error可以达到最小值或者小于预定门限的话，那么认为
上述计算公式仅是为了使读者更好的理解本实施例，所列举的举例说明，并不做限定，比如在其他实施例中，还可以使用其他公式进行比较或者计算等，如
其中，各个参数的定义与上一个公式相同，在此不再赘述。
本发明实施例的通信网络中校准定位算法参数的方法，获取某一小区在通信网络中预定时间段内的数据测量报告mr；生成mr中参考信号接收功率rsrp与基准距离组成的数据对，其中，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值；使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。这样，使用通过ta数据计算得到的基准距离反向对rsrp定位算法中的定位算法参数进行校准，省时省力，并且准确性高。
如图2所示，本发明实施例提供另一种通信网络中校准定位算法参数的方法，包括以下步骤：
步骤s201、获取某一小区在通信网络中预定时间段内的数据测量报告mr。
步骤s202、过滤mr中的无效ta数据，以及与所述无效ta数据对应的无效rsrp。
该步骤中，由于通信信号的特性，在传输中，信号会逐渐衰减，所以，当距离比较远或者超过信号衰减承受的界限的话，会影响计算结果，因此，在计算时，为了保证校准的准确定，需要对mr中数据进行过滤，过滤掉mr中的无效ta数据，由于ta数据与rsrp是互相对应的，一个ta数据对应一个rsrp，因此，过滤掉无效的ta数据后，与无效ta数据对应的无效rsrp也相应被过滤掉。
步骤203、计算过滤后的每个rsrp对应的平均ta数据值；
该步骤中，由于一个rsrp不仅与一个ta数据对应，一个rsrp还可能同时对应多个ta数据，因此，在计算时，对于过滤后的每个rsrp，分别计算出对应的平均ta数据。
步骤204、计算与每个平均ta数据对应的基准距离。
该步骤中，根据平均ta数据计算，将平均ta数据通过计算转换成基准距离，转换方式为业内公知常识，在此不做赘述。
步骤205、生成多个数据对，其中，每个数据对包括一rsrp及与其对应的基准距离，其中，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值。
该步骤中，过滤后的每个rsrp均有对应平均ta数据，每个平均ta数据可计算转换得到一个基准距离，所以过滤后的每个rsrp均有一个对应基准距离，将过滤后的每个rsrp与对应的基准距离对应生成一个数据对，从而得到多个由过滤后的rsrp及与其对应的基准距离生成的数据对。
步骤s206、使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。
步骤s201和步骤s206与本发明的第一实施例中的步骤s101和步骤s103相同，在此不做赘述。
可选的，步骤s202可以包括：
去除mr中占比超过预设占比门限的无效ta数据，以及与所述无效ta数据对应的无效rsrp。
该步骤中，为了保证mr中数据的有效性，以保证校准结果的准确性，需要过滤掉mr中的无效ta数据，本实施例中，是将mr中占比超过预设占比门限的ta数据作为无效ta数据去除与所述无效ta数据对应的无效rsrp，同时去除，其中，预设占比门限可以根据不同厂商的不同设备来进行取值，也可以根据用户校准的不同精度需求来设定，这里不做限定。
这里说的占比，是指累计占比，而不是指单独没有ta数据的值占比达到预定门限，举例来说，比如获取到某小区在某时间段内的mr中的ta数据如下表：
如上表，例如，设定预设占比门限为99％，从上表可以看出，ta数据从1到14的累计占比为99.49％，首次超过预设占比门限值99％，则该小区有效ta数据范围为<＝14，也就是说，ta数据>14的范围内的ta数据，就是无效的ta数据，被过滤掉。
可选的，步骤s205之后还可以包括步骤：
统计在所述预定时间段内，过滤后的每个rsrp在所述mr报告中被上报的次数；
步骤s206可以包括：
所述使用预设算法，利用rsrp与基准距离组成的数据对和次数，对小区的通信网络中定位算法参数进行校准。
该步骤中，由于是统计一定时间段内的mr，在一定时间段内，同一rsrp可能会在mr中出现很所次，所以，需要统计过滤后的每个rsrp在所述mr报告中被上报的次数，来看滤后的每个rsrp所占的比重，来权衡校准时的重要度，比如rsrp的值为-150时，在mr中一共被上报过5次，而rsrp的值为-145时，在mr中一共被上报过50次，那么显而易见，rsrp的值为-145在校准时的所代表的重要性比rsrp的值为-150重要些。
统计完滤后的每个rsrp在所述mr报告中被上报的次数后，使用预设算法，利用rsrp与基准距离组成的数据对和次数，对小区的通信网络中定位算法参数进行校准。虽然已经生成了rsrp与基准距离组成的数据对，但由于不同rsrp的数据对在计算中所占的重要程度不同，所以还要结合过滤后的每个rsrp在所述mr报告中被上报的次数，使用预设算法，一同对小区的通信网络中定位算法参数进行校准。
可选的，步骤s206包括：
根据rsrp定位算法计算与所述过滤后的每个rsrp对应的每个定位距离；
使用预设算法，计算误差值，当所述误差值小于预定门限时，认为对应的所述定位算法参数的数值符合误差要求，其中，所述误差值
其中，
根据目前的ta精度验证，即使在不对ta进行参数校正的前提下，精度也能保证在100米以内，所以可以认为，经过计算后，所述基准距离的准确性也比较高，在合理误差允许的范围内。
而rsrp定位算法中，a和b值的不合理会直接导致终端距离计算的误差，从而导致定位的不准确。
在理论上，如果a和b的值合理的话，计算出的定位距离准确，那么定位距离与通过ta数据计算出的基准距离应该是相等或者相近的，那么就可以说明，或者认为定位距离是准确的，也就是说说rsrp定位算法中算法参数比较准确。所以我们可以根据准确定性比较高的基准距离来对定位距离进行检验，也就是可以通过反向计算，来对a和b的值进行校准。
因此，在该步骤中，按照上述思路，可以根据rsrp定位算法计算与所述过滤后的每个rsrp对应的每个定位距离drsrp，再利用rsrp与基准距离组成的数据对和次数，使用预设算法，对小区的通信网络中定位算法参数进行校准。
所述预设算法，可以是根据不同的情况，以及需要的不同精度，使用不同的合理方法进行计算或者比较等。比如前文中提到过，因为基准距离dta的准确性比较高，所以可以将dta作为准确的drsrp的值，反向进行计算，得到合适的a和b值，也可以将drsrp与drsrp进行比较，通过反向计算，当两者的差值或者比值小于预定门限的话，认为当drsrp与drsrp相近时，认为a和b在允许的误差范围之内，符合误差要求。
举例来说，可以将drsrp与drsrp二者的差值作为判断依据，比如，利用如下公式：
其中，
利用上述公式，计算误差error，当不断变换a和b的输入时，error可以达到最小值或者小于预定门限的话，那么认为
上述计算公式仅是为了使读者更好的理解本实施例，所列举的举例说明，并不做限定，比如在其他实施例中，还可以使用其他公式进行比较或者计算等，如
或者
其中，各个参数的定义与上一个公式相同，在此不再赘述。
本发明实施例的通信网络中校准定位算法参数的方法，获取某一小区在通信网络中预定时间段内的数据测量报告mr；过滤mr中的无效ta数据，以及与所述无效ta数据对应的无效rsrp，计算过滤后的每个rsrp对应的平均ta数据值，计算与每个平均ta数据对应的基准距离，生成多个数据对，其中，每个数据对包括一rsrp及与其对应的基准距离，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值；使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。这样，使用通过ta数据计算得到的基准距离反向对rsrp定位算法中的定位算法参数进行校准，省时省力，并且准确性高。
如图3-5所示，图3为本发明实施例提供的一种通信网络中校准定位算法参数的装置的结构图，图4为图3所示实施例中生成模块的结构图，图5为图3所示实施例中校准模块的结构图，所述装置300包括：
获取模块310，用于获取某一小区在通信网络中预定时间段内的数据测量报告mr；
生成模块320，用于生成mr中参考信号接收功率rsrp与基准距离组成的数据对，其中，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值；
校准模块330，用于使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。
可选的，所述生成模块320包括：
过滤单元321，用于过滤mr中的无效ta数据，以及与所述无效ta数据对应的无效rsrp；
第一计算单元322，用于计算过滤后的每个rsrp对应的平均ta数据值；
所述第一计算单元322还用于计算与每个平均ta数据对应的基准距离；
生成单元323，用于生成多个数据对，其中，每个数据对包括一rsrp及与其对应的基准距离。
可选的，所述过滤单元321用于去除mr中占比超过预设占比门限的无效ta数据。
可选的，所述装置300还包括统计模块340，用于统计在所述预定时间段内，过滤后的每个rsrp在所述mr报告中被上报的次数；
所述校准模块330还用于利用rsrp与基准距离组成的数据对和次数，对小区的通信网络中定位算法参数进行校准。
可选的，所述校准模块330包括：
第二计算单元331，用于根据rsrp定位算法计算与所述过滤后的每个rsrp对应的每个定位距离；
校准单元332，用于使用预设算法，计算误差值，当所述误差值小于预定门限时，认为对应的所述定位算法参数的数值符合误差要求，其中，所述误差值
其中，
本发明实施例的通信网络中校准定位算法参数的装置，获取模块，用于获取某一小区在通信网络中预定时间段内的数据测量报告mr；生成模块，用于生成mr中参考信号接收功率rsrp与基准距离组成的数据对，其中，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值；校准模块，用于使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。这样，使用通过ta数据计算得到的基准距离反向对rsrp定位算法中的定位算法参数进行校准，省时省力，并且准确性高。
本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成，所述的程序可以存储于一计算机可读取介质中，该程序在执行时，包括以下步骤：
获取某一小区在通信网络中预定时间段内的数据测量报告mr；
生成mr中参考信号接收功率rsrp与基准距离组成的数据对，其中，所述基准距离为与rsrp对应的平均时延ta数据计算得到的距离值；
使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准。
可选的，所述生成mr中参考信号接收功率rsrp与基准距离组成的数据对，还包括：
过滤mr中的无效ta数据，以及与所述无效ta数据对应的无效rsrp；
计算过滤后的每个rsrp对应的平均ta数据值；
计算与每个平均ta数据对应的基准距离；
生成多个数据对，其中，每个数据对包括一rsrp及与其对应的基准距离。
可选的，所述过滤mr中的无效ta数据，包括：
去除mr中占比超过预设占比门限的无效ta数据。
可选的，所述生成mr中参考信号接收功率rsrp与基准距离组成的数据对之后，还包括：
统计在所述预定时间段内，过滤后的每个rsrp在所述mr报告中被上报的次数；
所述使用预设算法，利用rsrp与基准距离组成的数据对，对小区的通信网络中定位算法参数进行校准，包括：
所述使用预设算法，利用rsrp与基准距离组成的数据对和次数，对小区的通信网络中定位算法参数进行校准。
可选的，所述使用预设算法，利用rsrp与基准距离组成的数据对和次数，对小区的通信网络中定位算法参数进行校准，包括：
根据rsrp定位算法计算与所述过滤后的每个rsrp对应的每个定位距离；
使用预设算法，计算误差值，当所述误差值小于预定门限时，认为对应的所述定位算法参数的数值符合误差要求，其中，所述误差值
其中，
所述的存储介质，如只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！