专利名称：终端位置的制作方法
技术领域：
本发明涉及一种用于在通信网络中定位移动终端的方法和设备，特别地但不排他地涉及使用多个信息源在通信网络中定位移动终端的方法和设备。
背景技术：
准确定位移动终端位置的能力是移动电话网络的一个理想特性。这是因为有必要提供这样的客户服务，其中该服务取决于对服务用户行踪的了解。例如，通过提供最新的本地交通信息，可以使用户避开附近的交通阻塞。并且举例来说，用户很可能希望了解如何从当前位置到达最近的酒馆或餐厅。很明显，为使此类服务能够发挥作用，有必要将用户位置确定在几米的范围以内。
另一个希望了解移动终端位置的原因在于紧急服务机构可以由此定位一个自身无法提供准确的个人位置的呼叫者。
目前已知的是，在GSM移动网络中，能依照电话所在的网络小区来提供移动电话的位置。每一个小区都包括一个基站，并且在一个指定时间，电话只与一个基站进行业务通信。这样一来，只要确定了电话与哪个基站进行通信，就能使所确定的电话位置达到小区区域的精度。这种方法即为通常所说的基于小区的位置方法。其他方法可以与小区标识相结合，例如，在三角测量系统中，其中使用了源于至少三个与该电话最接近的基站(其中有两个基站处于与移动电话所在小区相邻的小区)的控制信号来计算某个移动电话的位置。该系统使用了这样一个假设，那就是电话与基站之间的距离与基站从电话那里接收的信号强度成比例，或者与信号在电话与相应基站之间传播的时间成比例。因此，通过比较三个基站之间的接收信号的相对强度或是传播时间，并且由此估计用户与各个基站之间的距离，则可以确定电话的位置。然后，由于基站位置是固定和已知的，因此可以使用几何方法来获取用户的实际位置。
在使用了宽带码分多址(W-CDMA)信令系统的3GPP(第三代合作伙伴项目)网络中，移动终端可以在任何时间与一个以上的基站进行有效通信。这种情况即为通常所说的“软切换”，它不同于GSM系统中的(硬)切换，其中当移动终端在网络小区之间移动时从一个基站“切换”到另一个基站。由于软切换所具有的特性，因此，在W-CDMA类型的信令系统中不能始终使用如上所述的适合GSM的基于小区的移动定位过程。较为理想的是提供一种用于在此类信令系统中定位移动终端的更可靠的方法。
此外，在W-CDMA中还定义了“更软切换”。对“更软切换”而言，与移动站进行通信的基站的天线是共处一地的(举例来说，它们都被安装在同一个物理位置)。本文的剩余部分使用的术语“软切换”也包含了“更软切换”的情况，并且本领域技术人员应该理解，本发明以及所描述的实施例既适用于更软切换的情况，也适用于软切换的情况。
与提供移动终端位置相关联的问题在于为使所提供的位置有意义并且可用，所提供的位置的精度也必须是已知的。这是因为举例来说，如果要向用户告知与所提供的位置最为接近的餐厅，但用户的实际位置可能在若干千米的范围之内，那么将会变得毫无意义。精度有可能取决于多种因素，例如基站的天线类型(例如全向或定向)、小区的大小(也就是基站所服务的地理区域的范围)以及移动终端所在区域中的网络覆盖密度(每平方公里的基站数目)。此外，较为理想的是了解所提供的移动终端位置的精度。
发明内容
依照本发明，在这里提供了一种如权利要求1所述的方法。
本发明的其他优选方面是在其他权利要求中阐述的。
现在将参考附图来对那些只作为实例的本发明实施例进行描述，其中图1示意性显示了一个划分成服务区的移动网络；图2显示的是依照本发明实施例的移动终端定位过程的流程图；图3显示的是用于表示各种可能的置信度计算方法的图示；图4显示的是网络小区建模；图5显示的用于估计服务区密度的两种不同方法；图6显示的是依照本发明一个实施例来推导出圆形置信区域以及圆弧形置信区域的几何图形；图7显示的是依照本发明第二实施例的圆形置信区域计算；图8显示的是依照本发明第二实施例的一个变体所产生的多边形置信区域；图9显示的是如何依照本发明第三实施例来获取移动终端位置；图10显示的是依照本发明第三实施例变体的椭圆形和多边形置信区域；图11显示的是在本发明第三实施例的另一个变体中使用的网格。
具体实施例方式
图1示意性显示了通用移动电话系统(UMTS)公共陆地移动网(PLMN)中的一部分。PLMN是用参考数字1标引的，应该理解的是，网络1可扩展到完全超出图中绘制的边界。在网络1的内部显示了一个位置区(LA)2。并且在这里将LA2描述成了圆形，然而在实际情况中则未必如此。实际上，在网络1内部存在很多位置区，但在这里并未显示其他区域。位置区2包含了多个服务区4，并且在这个实例中，图1所示的四个服务区(4a～4d)是用不同阴影区分的。因此，在这里将服务区(SA)定义成了一组处于更大位置区(LA)内的小区。在图1的实例中，每一个SA4都包括四个小区6，但是SA也可以包括不同数量的小区。
从图1中可以看出，小区6是六边形的，因此，每一个SA4的形状都是四个相邻六边形的形状。并且这种处理是一种近似实际网络小区形状的公知方法。
服务区是用一个名为服务区标识符(SAI)的参数标识的。由此可以使用SAI来标识相同服务区所包含的一个或多个小区。每一个小区都具有唯一的小区标识(CI)以及一个基站，其中移动终端可以经由该基站接入网络1。与移动终端具有活动连接的任何小区称为服务小区。移动终端可以在任何一个时间与一个以上的小区具有活动连接。这种状态即为通常所说的“软切换”。
以下所要描述的本发明实施例旨在计算位置估计以及与用户设备(UE)的位置估计相关联的“置信区域”(confidence area)。不同实施例包括使用单个和多个小区标识(CI)信息。这些实施例中的方法至少在以下这两种可用UMTS位置方法的上下文中是适用的●服务区标识符(SAI)位置方法●小区标识及往返时间(CI+RTT)位置方法该系统具有多种可以使用的方法，它可以将这些方法应用于已确定的位置来估计一个置信区域，其中移动站处于所述置信区域的概率将会达到某个设定概率。
在描述本实施例之前，首先将对这两种位置方法进行描述。
服务区标识符(SAI)位置方法在SAI位置方法的上下文中，本发明的实施例是基于UE处于某个服务区的事实来对位置进行计算的。这种方法旨在计算被报告处于所关注的UMTS PLMN的已知SA内的用户设备(UE)的位置估计以及与位置估计相关联的置信区域。
用于标识某个小区所归属的SA的SAI是通过如下组合三个代码/标识符来定义的SAI＝PLMN-Id+LAC+SAC其中PLMN-IdPLMN标识符，它转而是通过组合MCC和MNC定义的-MCC移动国家代码(为整个PLMN中的所有小区所共有)-MCC移动网络代码(为整个PLMN中的所有小区所共有)LAC位置区代码SAC服务区代码任何给定小区都可以属于一个或两个服务区。当它属于两个服务区时，其中一个服务区在广播域(BC)中是适用的，另一个服务区在网络的CS(电路交换)和PS(分组交换)域中是适用的。BC域中的服务区只包括一个小区，但是这种限制通常不适用于CS和PS域。
为了实现LCS(位置服务)，在这里可以使用CS和PS域中定义的SAI(并非BC域中定义的SAI)来向核心网络(CN)指示UE的位置。在UMTS中，这种处理是借助服务无线电网络控制器(S-RNC)完成的，在被请求的时候，该控制器将服务小区的小区标识(CI)映射成用于识别服务小区所归属的服务区的SAI，此外它还借助RANAP信令并经由Iu接口而将SAI发送到CN。
概括地说，在仅有的可用位置信息是服务小区(或者在UE处于软切换时则是多个小区)的服务区域中小区的标识时，可以使用SAI位置计算算法来估计UE的地理坐标以及相关联的置信区域。
小区标识和往返时间(CI+RTT)位置方法在CI+RTT位置方法的上下文中，本发明实施例是根据这样一个事实来对位置进行计算的，即，在没有使用或者不可以使用RTT或RxTxTD量度(参见下文，原则上，这些量度是在CI+RTT位置方法中可用)时，通过组合来自多个服务小区的信息，可以执行位置计算。由于具有如上所述的软切换功能，因此这在W-CDMA类型的网络中是可行的。
UMTS中的CI+RTT位置方法取决于往返时间(RTT)以及Rx-Tx时间差(RxTxTD)量度的可用性。另外，在UMTS FDD(频分双工)中也引入了RTT和RxTxTD量度，以便允许实施CI+RTT位置方法。
RTT被定义为RTT＝TRXUL-TTXDL，其中TDTXDL是开始将下行专用物理信道(DPCH)帧传送到用户设备(UE)的时间，并且TRXUL是开始(第一检测路径，时间上的)从UE接收相应的上行DPCCH(专用物理控制信道)/DPDCH(专用物理数据信道)帧的时间。
RTxTxTD＝TTXUL-TRXDL是UE上行DPCCH/DPDCH帧传输(TTXUL)与来自被测无线电链路(TRXDL)的下行DPCH帧的第一检测路径(时间上的)之间时间差。
RTT是由基站测量的，RxTxTD则是由UE测量的。
通过组合涉及相同基站的一对RTT与RxTxTD量度，可以估计UE与基站之间的距离。这种距离估计类似于GSM中可以从一个定时提前(TA)中获取的距离估计。从这种意义上讲，CI+RTT位置方法相当于GSM中的小区标识+定时提前(CI+TA)位置方法。然而，UMTS FDD的两个特殊特性使得CI+RTT方法很可能比GSM中的CI+TA方法更为精确。
1.远远短于GSM比特周期的UMTS码片周期将会影响到用以在GSM中根据TA或者在UMTS中根据(RTT，RxTxTD)对来确定距离估计的分辨率。一个GSM比特周期等价于大约1100米，而一个UMTS码片周期等价于大约80米，由此UMTS中的距离量度分辨率要优于GSM。
2.在UMTS中，UE有可能处于软切换过程中。UMTS标准需要测量每一条活动的无线电链路的RTT和RxTxTD，这样一来，在UMTS中可以使用多个距离估计来定位一个UE。但在GSM中，由于TA只能用于唯一的服务小区，因此这种情况是不会发生的。
在CI+RTT位置方法中，对希望确定位置的UE而言，其未知地理坐标是通过组合UE与活动集基站之间的绝对距离量度来估计的。各个绝对距离量度是根据各个(RTT，RxTxTD)对计算的。
在实际应用中可能会出现没有可以用于位置计算的(RTT，RxTxTD)对的情况。举例来说，出现这种情况很可能是因为测量处理失败或是UE不支持RxTxTD量度。在这种情况下，CI+RTT位置方法还是可以仅基于服务小区(或者如果UE处于软切换过程中，则是多个服务小区)的CI资料来成功地执行位置计算。
即使所有(或某些)(RTT，RxTxTD)对可用，基于一个或多个服务小区标识的位置计算也还是可以用于提高那些使用了RTT和RxTxTD量度的位置算法的性能。
因此，当仅有的可用位置信息是服务小区标识时，CI+RTT位置方法可以使用那些与SAI位置方法所用算法相类似的算法来估计UE的地理坐标以及相关联的置信区域。
在描述了本发明可以操作的两种位置方法之后，现在首先参考图2来描述本发明实施例。如先前所述，本发明的实施例包括两个主要步骤1.根据x-y坐标来估计UE的位置，以及2.为这个位置估计计算一个置信区域。
置信区域是这样一个地理区域，估计精确的UE位置在该区域中具有一个给定的概率，称为置信系数0＜ξ≤1。
本发明的实施例是通过使用下列位置计算方法来实施的(步骤1)a)分析式单小区位置方法b)多小区位置方法c)近似式多小区位置方法这些位置计算方法是借助位置计算算法实现的。在这里使用了两种位置计算算法●执行步骤1的位置估计计算算法●执行步骤2的置信区域计算算法图2是显示本发明实施例的逻辑结构的流程图。图2的顶部是对所有操作进行控制的高等级定位过程10。定位过程10调用低等级位置估计计算算法(LECA)(步骤1)以及置信区域计算算法(CRCA)(步骤2)。LECA是通过实施如下所述的作为本发明实施例的三种可用位置方法a)～c)之一来计算位置估计的。
如图2所示，位置估计与置信区域计算算法在逻辑上是分离的。因此在下文中将定位过程10显示为三个位置估计过程“分析式单小区”过程12、“多小区”过程14以及“近似式多小区”过程16。这三个位置估计过程12、14、16下方分别显示出与三个位置估计过程相对应的三个置信区域过程18、20、22。如从每一个位置估计过程指向相应置信区域过程的箭头所示，只有在成功计算了位置估计之后才会计算置信区域。在下文中将会描述那些用于计算置信区域的可能方法。
在希望获取UE在网络1中的位置时，位置过程10将会调用这三个位置估计过程12、14和16中的某个过程。位置过程的选择受用户自定义变量“PreferredLocationMethod”的影响。该变量表示的是最先用于计算UE位置的位置计算方法的首选项。该变量根据SA中的基站类型以及基站密度设定，其目的在于使用最有可能在一开始即可成功的计算类型。如图2所示，如果选定的位置计算方法因为某种原因失败，那么控制将会返回到定位过程10，其中所述过程将会确定是否调用一个新的LECA或是以失败来结束所述过程。位置计算会因为多种原因失败，例如对某些SA结构而言，依照特定LECA的计算可能需要用到很多资源(存储器、计算能力等等)，但在特定时刻，这些资源在实施LECA的系统中是不可用的。
在某个LECA成功时，CRCA将会根据最后成功的LECA所实施的相同位置方法来计算置信区域。如果CRCA同样取得成功，则定位过程顺利结束。另一方面，如图2所示，如果CRCA失败，那么控制将会返回到定位过程10，然后所述过程将会决定是否尝试一个不同的CRCA。
定位估计与置信区域参数的组合称为“形状”。上述位置计算算法所支持的形状定义是(i)点形状(也就是只包括位置估计)(ii)具有不确定椭圆形状的点(其中置信区域是一个椭圆)(iii)具有不确定多边形形状的点(其中置信区域是一个多边形)(iv)具有不确定弧形形状的点(其中置信区域是一个圆弧)
在图3a～3d中显示了这四种形状类型的图示。在这些图中，(xest，yest)与 是对应的，并且xorigin、yorigin与x0、y0是对应的。
图3a显示的是点的形状。该形状仅仅具有一个特征●位置估计坐标x和y图3b显示的是具有不确定椭圆形状的点。它具有下列特征●原点坐标(处于位置估计) ●长半轴R1以及短半轴R2●方位角α●置信系数值ξ图3c显示的是具有不确定多边形形状的点。该形状具有下列特征●位置估计坐标 ●顶点数目N(在该图中，N＝7)●顶点坐标(x1，y1)，......，(xN，yN)图3d显示的是具有不确定弧形形状的点。该形状具有下列特征●位置估计坐标 ●原点坐标x0和y0●内半径R1以及不确定半径R2●偏斜(方位)角α以及夹角β●置信系数值ξ用于确定置信区域的CRCA依赖于用于确定位置估计的位置方法以及用于表示结果的形状类型。形状类型受用户自定义变量“PreferredShapeType”的影响。这个变量表示的是应该用于表示结果的形状类型的首选项。通过恰当设定这个变量，可以用最佳方式显示取决于SA特性的置信区域。
最后，LECA和CRCA的选择还受第三个用户自定义变量“MethodsAndShapesAllowed”的影响。该变量定义的是允许使用定位过程的位置方法与形状类型组合的列表。如下文中的某些实例所描述的那样，其中某些组合有可能不兼容的。
在下文中将会指示定位过程的逻辑描述阶段1创建位置估计计算算法列表LECAList列表LECAList包括用于尝试确定位置估计的位置估计计算算法(LECA)。该列表是通过考虑下列约束条件而被创建的1.为实施PreferredLocationMethod的LECA提供最高优先级，或者如果只必须考虑一个小区，则将最高优先级授予那些执行“分析式单小区”方法的LECA。
2.只向列表中添加那些实施已许可的位置方法的LECA(也就是那些至少在列表MethodsAndShapesAllowed中出现过一次的LECA)。
循环1在列表LECAList中循环，对列表中的各个LECA只进行一次尝试。
一旦列表LECAList中的某个LECA成功确定了位置估计，则转到阶段2。如果在列表LECAList中没有一个LECA能够成功确定位置估计或者尝试过了列表LECAList中的所有LECA，则转到阶段4。
阶段2创建置信区域计算算法列表CRCAList列表CRCAList包括用于尝试确定置信区域的置信区域计算算法(CRCA)。该列表是通过考虑下列约束条件而被创建的。
1.将最高优先级提供给确定了具有PreferredShapeType所规定的形状的置信区域的CRCA。
2.只向列表中添加那些得到许可的CRCA(也就是那些提供了根据列表MethodsAndShapesAllowed，在LECA是在循环1成功的那个LECA时允许使用的置信区域的CRCA)循环2在列表CRCAList中循环，对列表中的各个CRCA只进行一次尝试。
一旦列表LECAList中的某个CRCA成功确定了置信区域，则转到阶段3。
如果列表CRCAList中没有一个CRCA取得成功，则返回循环1并且尝试列表LECAList中的下一个LECA。
阶段3成功结束的定位过程定位结果是在通过组合循环1内确定的最新位置估计与循环2中确定的相应置信区域而获取的形状类型中表示。
阶段4以失败告终的定位过程由于尝试了列表LECAList中的所有LECA并且没有一个LECA取得成功，或者虽然其中某些(或所有)LECA取得成功，但是列表CRCAList中没有一个相应的CRCA能成功确定置信区域，因此这将会出现一次失败。
在描述了本发明实施例中包含的逻辑处理过程之后，现在将对LECA以及CRCA进行描述。
LECA第一个考虑事项是对所关注的各个网络小区的地理范围建模。该模型是借助下列无线电网络参数创建的●基地收发信台(BTS)天线的x-y坐标(xs，ys)●以弧度为单位而从x轴开始沿反时针方向测得的BTS天线方向Фs●以弧度为单位测得的BTS天线半功率波束宽度(HPBW)Δs●小区的最大前半径RF。该参数规定的是由小区所服务的BTS天线主辐射波瓣照射的地理区域的最大半径。
●小区的最大后半径RB。该参数规定的是由小区所服务的BTS天线后辐射波瓣照射的地理区域的最大半径。
图4显示的是小区边界在x-y平面上的显示。根据上文列举的五个无线电网络参数，每一个关注的小区都是如下所示在(x，y)平面上用数学方式建模的c(x,y):d(x,y)=RF;d(x,y)=RB;0≤|ψ(x,y)-φS|≤ΔφS|ψ(x,y)-φSφ|>ΔφS---(1)]]>其中d(x,y)=(xS-x)2+(yS-y)2d(x,y)]]>和ψ(x，y)使得tanψ(x,y)=yS-yxS-x]]>(以这种方式定义的d和ψ是以BTS站为中心的极性参照系的半径坐标和角坐标)。
对NCells个单元所覆盖的区域而言，其边界S最终由算法模拟成了Ncells个小区边界的并集{C1，....，CNcells}，其中每个都以等式(1)中的方式建模S=∪i=1NCellsCi---(2)]]>现在将对LECA的原理进行论述。这些算法对处于由所关注的Ncells个小区覆盖的地理区域重心的位置估计坐标进行计算。依照该原理，位置估计坐标 是使用以下定义计算的x^=∫∫Sμ(x,y)xdxdy∫∫Sμ(x,y)dxdy;y^=∫∫Sμ(x,y)ydxdy∫∫Sμ(x,y)dxdy---(3)]]>其中S是由所关注的Ncells个小区覆盖的地理区域的边界，μ(x，y)是S所围绕的地理区域的密度。所谓密度是指用户的密度，其以例如每平方公里的用户数目为单位测量。
在SAI位置方法的上下文中，S表示的是服务区(SA)边界，并且μ(x，y)表示的是服务区密度。在本发明的实施例中，根据算法参数“ConsiderOverlapping”的值，μ(x，y)有两种备选形式。而所述参数则可以设定为“真”或“假”。在下文中描述并在图5中例示了这两种备选形式。
备选形式1ConsiderOverlapping＝假第一个备选方案是在整个SA中假设一个均匀(uniform)密度。在这种情况下(图5a)，μ(x,y)是如下定义的 其中μ0是恒定密度。依照该假设，可以将位置估计坐标表示为x^=1M(S)∫∫Sxdxdy;y^1M(S)∫∫Sydxdy---(5)]]>其中M(S)=∫∫Sdxdy]]>是受服务区边界S限制的区域面积。
备选形式2ConsiderOverlapping＝真依照第二备选形式，当ConsiderOverlapping＝真时，将μ(x，y)设定成一个与覆盖坐标(x，y)的位置的小区的数目成比例的值。在这种情况下(图5b)，密度等于服务区中的小区的Ncells均匀密度的总和。
μ(x,y)=Σi=1NCellsμi(x,y)---(6)]]>其中第i个小区的密度μi(x，y)与小区区域的常数μi0是相等的 依照该假设，UE的位置估计(等式(3))将会产生如下结果x^=Σi=1NCellsμi0∫∫CixdxdyΣi=1NCellsμi0M(Ci);y^=Σi=1NCellsμi0∫∫CiydxdyΣi=1NCellsμi0M(Ci)---(8)]]>其中M(Ci)=∫∫Ciμ(x,y)dxdy]]>是第i个小区的面积。
通过将该结果与等式(5)进行比较，很明显，位置估计(等式(8))是所关注小区的Ncells个重心的加权平均，其中第i个重心的加权是μi0M(Ci)Σi=1NCellsμi0M(Ci)(i=1,···,NCells)]]>在这里需要说明的是，出于说明目的，在下述实施例中将会把μ0和μi0全都设定成1，以便简化计算。
置信区域的计算如先前所述，从位置计算算法所实施的计算中得到的位置估计坐标与置信区域参数将会组合，并且用图3所示四个形状格式中的任何一个格式表示。
在实践中，除方法a)“分析式单小区”之外的所有位置方法均会在被要求提供“具有不确定弧形的点”或是“具有不确定椭圆形的点”的形状类型时，返回一个圆形置信区域。所述圆以位置估计坐标为中心并且具有半径RCR，并且一般来说，所述半径依赖于置信系数0＜ξ≤1。因此，在以下实例中，在“多小区”和“近似式多小区”位置方法的情况下，除非明确声明，否则不对弧形与椭圆形置信区域计算进行区分。
此外还可以理解的是，通过将内部半径R1设定成0，将不确定半径R2设定成RCR以及将夹角β设定成2π(偏斜角α是无意义的)，可以使用“具有不确定弧形的点”的形状格式来表示圆形的置信区域。相关内容可以参见用于以图形方式显示这些变量的图3。此外，通过将长半轴R1以及短半轴R2设定成半径RCR(方位角α是没有意义的)，可以使用“具有不确定椭圆形的点”的形状格式表示相同的圆形置信区域。并且相关内容可以参见用于以图形方式显示这些变量的图4。
实例第一实施例——分析式单小区算法“分析式单小区”位置方法可以在仅仅考虑一个小区时应用。在下文中给出了用于实施位置估计和置信区域计算的算法。
步骤1位置估计计算位置估计是在所关注的唯一一个小区的重心处计算的(Ncells＝1)。通过以分析方式估计等式(3)中的积分，可以计算出小区重心的坐标。如所示，通过假设一个均匀密度，会得到如下用于位置估计的表达式x^=xS+23(RF3-RB3)sinΔφSRF2ΔφS+(π-ΔφS)RB2cosφSy^=yS+23(RF3-RB3)sinΔφSRF2ΔφS+(π-ΔφS)RB2sinφS---(9)]]>步骤2置信区域计算第一变体椭圆椭圆形置信区域是圆形的，其半径是通过将位置估计与小区边界(Rmax)上的最远点之间的距离缩放一个因数来计算的，其中所述因数与置信系数0＜ξ≤1的平方根相等RCR=ξRMAX---(10)]]>这样一来，对以位置估计为中心并且半径与RCR相等的圆形置信区域面积而言，它的总面积与中心处于相同点并且围绕整个小区的圆周的一部分ξ是相等的(也就是说，对应于ξ＝1)。
位置估计与小区边界之间的最大距离是如下定义的RMAX＝max{RE，B，RE，F} (11)其中RE，B是位置估计与后小区区域上的最远点之间的距离，并且RE，F是位置估计与前小区区域之间的距离。如图6所示，这两个距离可以用几何学的方法计算。并且将RE，B定义为
RE,B=(x^-xB)2+(y^-yB)2---(12)]]>其中xB=xS-RBcosφSyB=yS-RBsinφS---(13)]]>并且将RE，F定义为RE,F=(RFsinΔφS)2+(RB+RFcosΔφS-RE,B)2---(14)]]>第二变体弧形对弧形的置信区域而言，其参数可以借助三角测量公式来进行计算。
第三变体多边形在给出了置信区域顶点的最大数目N的情况下，只要沿着小区周长产生N个等距象素，就可以确定多边形置信区域。这些象素对应于置信区域顶点。由于多边形置信区域没有与之关联的置信系数(参见参考图3所述的形状类型定义)，因此在本计算中不必考虑置信系数。
第二实施例多小区算法在多小区位置方法中，位置估计是在覆盖多个小区边界所包围的地理区域的均匀矩形网格的重心处以数值方式确定的。该方法适合在需要顾及一个或多个小区时使用。
通过分别使用恒定步长大小Δx与Δy，并沿着x与y方向对所关注的小区所覆盖的区域进行均匀采样，来获取同样被用于确定置信区域的所述矩形网格。图7a中显示了所创建的网格的一个实例，它是由包含了三个值的Np集合定义的{xp,yp,wp}p=1Np---(15)]]>其中●(xp，yp)是面积为Δx*Δy的第p个矩形象素的中心x-y坐标；●wp是在第p个象素所表示的区域中重叠的小区数目。
步骤1位置估计计算位置估计是借助等式(3)的离散化版本确定的
其中qp=μ(xp,yp)Σl=1Npμ(xl,yl)(p=1,···,NP)---(17)]]>是与第p个象素相关联的归一化密度，假设其在象素区域中是恒定的。
步骤2置信区域计算第一变体圆形给定位置估计坐标 对以下关于位置估计与网格像素{xp,yp}P=1NP]]>之间距离的集合进行计算χ^p=(x^-xp)2+(y^-yp)2(p=1,···,NP)---(18)]]>然后，第p个距离由相应象素qp的归一化密度进行加权，最终得到的距离Np的集合以及相应加权都在以下具有两个值的ND≤NP集合所定义的离散分布中排列{d^j,pj}j=IND---(19)]]>其中d^1<d^2<···d^ND]]>是重新调整的ND个距离，并且{pj}j=1ND]]>是ND个距离的概率，由此Σj=1NDpj=1.]]>随后，圆形置信区域半径RCR是作为距离分布(0＜ξ≤1)的第(100ξ)个百分点计算的RCR=d^j0,]]>对j0，从而Σj=1j0pj=ξ---(20)]]>图7a显示的是通过使用上述算法而在一个使用了置信系数ξ＝0.8的三小区样本中获取的圆形置信区域。同一个图还显示了象素坐标和位置估计。图7b则显示了离散的距离分布(等式(19))以及相应的第80个百分点。
第二变体多边形给定置信区域顶点最大数目N的情况下，多边形置信区域是通过恰当选择N个最逼近网格边界的最远像素而从等式(15)所定义的Np个象素的网格中获取的。由于多边形置信区域没有与之关联的置信系数(参见相对于图3所描述的形状类型定义)，因此在这个计算中不必考虑置信系数。
图8显示了从产生了图7所示结果的相同样本小区中产生的多边形置信区域。
服务区密度假设的效果在多小区位置估计计算算法的一个实施方式中，在等式(17)中使用的密度μ(xp，yp)是根据参数ConsiderOverlapping的值定义的。当ConsiderOverlapping为“假”时，在计算位置估计时不会考虑重叠在各个象素区域上的小区数目，但是当C0nsiderOverlapping为“真”时，则考虑所述重叠。这些假设将会导致产生μ(xp，yp)的以下定义 在这个实施方式中，当ConsiderOverlapping为“真”时，位置估计不是用等式(16)而是明确使用等式(8)计算的，其仅由等式(16)近似得到。
第三实施例近似式多小区算法在这个实施例中，位置估计是在围绕多个小区边界的多边形P的重心以数值方式确定的。并且所述方法适合在必须考虑到一个或多个小区时使用。
多边形P是作为一个具有Nv个顶点的多边形获取的，其中所述多边形包围沿着所关注的小区边界等距排列的象素。为了计算位置，在这里将多边形P用作多个小区所包围的边界近似值(P趋近于等式(1)中定义的边界S)。图9显示的如何从位于小区边界的象素中获取一个包围三个小区的多边形的实例。
步骤1位置估计计算位置估计坐标 是在对小区边界进行近似的多边形P的重心处计算的。并且分析式公式可以用于这个目的。
第一变体圆周圆形置信区域的半径RCR是通过将位置估计与多边形P的最远顶点之间的距离RMAX缩放一个因数来计算的，其中所述因数与置信系数0＜ξ≤1的平方根是相等的
RCR=ξRMAX---(22)]]>这样一来，对以位置估计为中心并且半径与RCR相等的圆形置信区域面积而言，其总面积与中心是同一个点并且围绕着用于近似多个小区边界的整个多边形P的圆形的一部分ξ相等(也就是与ξ＝1相对应)。图10a显示的是在假设ξ＝0.8的情况下从应用于图9的样本小区的上述计算中得到的圆形置信区域。
第二变体多边形给定置信区域顶点的最大数目N的情况下，如果N＜Nv，那么多边形置信区域通过在多边形P的Nv个顶点中恰当选择N个顶点来获取。如果N＞Nv，那么多边形置信区域与P本身一致。由于多边形置信区域没有与之关联的置信系数(参见相对于图3所描述的形状类型定义)，因此在这个计算中不必考虑置信系数。图10b显示的是一个从图9的样本小区中产生的多边形置信区域(在这个图中，N＝15)。
服务区密度假设的效果在第三实施例的某种实施方式中，多边形P是凸状多边形。该实施方式可以结合参数ConsiderOverlapping来执行。如果将ConsiderOverlapping设定成“假”，那么将会执行上述第三实施例中的计算。另一方面，如果将ConsiderOverlapping设定为“真”，那么在实践中，该方法即为“多小区”位置方法(第二实施例)，区别之处在于网格(等式(15))不是均匀矩形网格，而是通过将服务区中的各个小区进一步划分成Np个面积大致相同的圆弧并通过指定下述内容而得到的非矩形网格●处于第p个圆弧中心的第p个象素(xp，yp)的x-y坐标；●与第p个圆弧的面积相等的加权wp。
在图11中描绘了一个使用该方法创建并且覆盖了一个样本小区面积的非矩形网格实例。
申请人由此在这样一种程度上独立公开了这里描述的每一个单独特征以及两个或多个这种特征的任何组合，其中无论这些特征或是特征组合是否解决了这里公开的任何问题，本领域技术人员都能够根据一般常识并且依照作为一个整体的说明书来实施这些特征和组合，并且这些特征和特征组合没有对权利要求的范围构成限制。申请人指出，本发明的各个方面可以包括任何这类单独特征或是特征组合。对本领域技术人员来说，根据以上描述，在本发明的范围中进行的多种修改都是显而易见的。
权利要求
1.一种用于在通信网络中定位移动终端的方法，该方法包括以下步骤估计移动终端的一个位置；以及应用多种可用方法中的一种方法来计算在终端可能位于其中的估计位置周围的区域。
2.根据权利要求1的方法，其中估计移动终端位置的步骤是使用多个信息源执行的。
3.根据权利要求2的方法，其中网络包括多个小区，并且每一个信息源均来自多个小区中的一个相应小区。
4.根据权利要求2或3的方法，其中移动终端是由网络的多个小区同时服务的，并且每一个信息源都来自多个小区中的一个相应小区。
5.根据前述任何一个权利要求的方法，其中估计移动终端位置的步骤包括从多种可用方法中选择和应用一种优选方法来估计该位置的步骤。
6.根据权利要求5的方法，其中如果选定的估计位置的方法在应用时没有成功，则该方法还包括后续选择并应用一种或多种其他可用方法，直到成功应用了某选定方法为止的步骤。
7.根据权利要求5或6的方法，其中可用方法包括使用来自网络中的一个小区的信息的算法；使用来自网络中的多个小区的信息的算法；以及使用来自网络中的多个小区的信息的数值方法。
8.根据权利要求5-7中任何一个权利要求的方法，其中优选方法可以通过设定一个变量来加以规定。
9.根据前述任何一个权利要求的方法，其中计算估计位置周围区域的步骤包括从多种可用方法中选择并应用一种用于计算该区域的优选方法。
10.根据权利要求9的方法，其中如果用于计算区域的选定方法在应用时未能成功，则该方法还包括后续选择并且应用其他可用方法，直到成功应用了某选定方法为止的步骤。
11.根据权利要求9或10的方法，其中用于计算区域的可用方法包括椭圆算法、圆形算法、弧形算法以及多边形算法。
12.根据权利要求9-11中任何一个权利要求的方法，其中这些方法包括使用一个参数来计算区域，从而移动终端的准确位置在该区域中的概率等于所述参数。
13.根据权利要求9-12中任何一个权利要求的方法，在引用权利要求5时，其中用于估计位置的选定方法以及用于计算区域的选定方法共同产生了移动终端可能处于其中的区域的多种形状之一，所述形状依赖于选定的计算区域的方法。
14.根据权利要求9-13中任何一个权利要求的方法，在引用权利要求5时，其中该方法还包括应用一个规则的步骤，所述规则规定哪种用于估计位置的可能方法可以与用于计算区域的可用方法结合使用。
15.根据前述任何一个权利要求的方法，其中估计位置的步骤包括对一个网络小区建模的步骤。
16.根据前述任何一个权利要求的方法，其中计算移动终端可能处于其中的估计位置周围区域的步骤包括对一个网络小区建模的步骤。
17.根据前述任何一个权利要求的方法，其中该网络包括服务区，所述服务区包括含有移动终端可能处于其中的小区在内的多个小区。
18.根据权利要求17的方法，其中服务区通过由服务区中的小区所服务的地理区域表示。
19.根据权利要求18的方法，其中表示服务区的地理区域是由一条封闭曲线包围的区域，所述封闭曲线包围了服务区中的小区所服务的地理区域的所有边界。
20.根据权利要求18或19的方法，其中估计位置的步骤包括对表示服务区的地理区域的重心进行计算。
21.根据权利要求18或19的方法，其中在估计位置的步骤中，假设网络服务密度在表示服务区的地理区域中是恒定的。
22.根据权利要求18或19的方法，其中计算移动终端可能处于其中的估计位置周围的区域的步骤假设网络服务密度在表示服务区的地理区域中是恒定的。
23.根据权利要求18或19的方法，其中在估计位置的步骤中，假设服务区中的网络服务密度在表示服务区的地理区域中不是恒定的。
24.根据权利要求18或19的方法，其中计算移动终端可能处于其中的估计位置周围的区域的步骤假设网络服务密度在表示服务区的地理区域中不是恒定的。
25.根据权利要求23或24的方法，其中在表示服务区的地理区域的任何给定位置中，网络服务密度取决于服务于所述给定位置的小区数目。
26.根据前述任何一个权利要求的方法，其中该方法应用于3GPP电信网络中。
27.根据前述任何一个权利要求的方法，其中该方法应用于“服务区标识符”位置方法中。
28.根据权利要求1-27中任何一个权利要求的方法，其中该方法应用于“小区标识和往返时间”位置方法中。
29.一种位置模块设备，它被配置成对移动终端在通信网络中的位置进行计算，该位置模块包括用于估计移动终端的位置的装置；以及用于计算在移动终端可能处于其中的估计位置周围的区域的装置。
30.一种用于在通信网络中定位移动终端的方法，该方法包括以下步骤应用多种可用方法中的一种方法来估计移动终端位置；以及应用多种可用方法中的一种方法来计算在移动终端可能位于其中的估计位置周围的区域。
全文摘要
一种用于在通信网络中定位移动终端的方法，该方法包括以下步骤应用多种可用方法中的一种方法来估计移动终端位置；以及通过应用多种可用方法中的一种方法来计算在移动终端可能位于其中的估计位置周围的一个区域。
文档编号H04W64/00GK1689370SQ03824428
公开日2005年10月26日 申请日期2003年9月3日 优先权日2002年9月23日
发明者毛利兹奥·斯皮里托 申请人:诺基亚公司