专利名称：检测移动终端位置的方法
技术领域：
本发明涉及诸如移动无线终端等移动终端的位置检测技术，更具体涉及考虑信号接收电平的概率变化来检测移动终端位置的位置检测技术。
背景技术：
在现有技术中，对于包括多个基站，至少一个能和基站发送和接收信号的移动终端，以及能和基站和/或移动站通信的中心站(控制站)的移动通信系统，提出了识别(检测)移动终端位置的技术。
例如，存在一种方法，其中由移动终端(例如便携式电话)发射的无线电波被基站接收，根据各个基站接收的无线电波强度和/或到达时间的不同识别移动终端到基站的距离，并根据移动终端和多个基站之间的距离识别移动终端的位置。
更进一步地，相反地还存在一种方法，其中由多个基站发射的无线电波由一个移动终端接收，根据来自各个基站的无线电波的强度和/或到达时间的不同识别移动终端到基站的距离，并根据移动终端和多个基站之间的距离识别移动终端的位置。
更特殊地，这种方法的已知例子包括基于曲线相交方法、SX方法(球面相交方法)、PX方法(平面相交方法)等的位置识别方法。这些不同的技术对于本领域技术人员都是已知的，它们的细节在(1)Ralph O.Schmidt，“A New Approach to Geometry of Range DifferenceLocation”，IEEE Transactions on Aerospace and Electronic Systems，Vol.AES-8，No.6，November 1972，以及(2)Julius O.Smith，Jonathan S.Abel，“Closed-Form Least-Squares Source Location Estimation trom Range-Difference Measurement”，IEEE Transactions on Acoustics，Speech，andSignal Processing，VOL.ASSP-35，No.12，December 1987中有所说明。
发明内容
这些通用位置识别方法包括以下问题。例如，在曲线相交方法中，由于必须求解一个非线性方程，计算处理负担非常大。另一方面，在SX方法或PX方法中，可根据线性方程得出解答，所以它们不涉及曲线相交方法的这一问题，但这些方法受到观测结果错误的极大影响等等，因此难以识别具有足够精度的位置。
还存在以下问题。根据由于距离衰减造成的 长断面变化(longsection variation)，由于建筑造成的短断面变化(short section variation)以及由于在电场内移动造成的瞬时变化的组合，由移动终端从基站接收的无线电波的接收电平变化很大。在此，假定短断面变化遵循预定概率分布，则理想的是应该根据最大似然估计方法识别移动终端的位置。然而，在以上描述的通用方法中，没有考虑短断面变化，或如果考虑了，仅将其作为测量误差，结果是，在任意一种情况下，确定的移动终端的位置都不代表最大似然估计。
因此，本发明一个目标是将移动终端位置确定为最大似然估计值，同时考虑计算处理负�：凸兰凭戎涞恼壑�。
本发明的位置检测方法是一种用于由多个基站、一个移动终端以及一个控制站组成的移动通信系统的位置检测方法，其中基站发送信号，来自基站的信号包括每个基站特有的号码，移动终端从N个基站的一个或多个接收信号，测量并存储来自第i个基站的接收电平Гi，经通信基站传送第1到第N个接收电平到控制站，在控制站，根据基于基站号码、基站坐标以及先前在各基站服务区域内各个点通过测量或仿真或测量以及仿真获得的无线电波传播的接收电平创建的数据库，以及移动终端发送的接收电平来识别移动终端的位置，其特征在于，它包括步骤在各个基站的全部服务区域内设定二维或三维网孔形状或网格形状坐标点；对应各个接收到信号的基站(下文中称为“信号接收基站”)，在来自所述坐标点的各个备选点确定平均接收电平的估计值，并将该估计值作为平均值，确定该估计值变化的概率密度函数；根据测量的接收电平，在给定范围对各个信号接收基站在各个备选点积分为备选点确定的概率密度函数；通过将对各个信号接收基站在各个备选点积分获得的值相乘来确定备选点的似然性；以及将具有最大似然值的备选点检测为移动终端的估计位置。
此外，本发明的方法还包括步骤对应各个接收信号的基站(在下文中称为“信号接收基站”)，在来自所述坐标点的各备选点确定平均接收电平的估计值，并将此估计值作为平均值，确定该平均值变化的概率密度函数；根据各个信号接收基站在各个备选点测量的接收电平，将测量的接收电平代入为各备选点确定的概率密度函数；通过将对各个信号接收基站在各个备选点代入获得的值相乘来确定备选点的似然性；以及将具有最大似然值的备选点检测为移动终端的估计位置。
更进一步，本发明的方法还包括步骤对应各个接收信号的基站(在下文中称为“信号接收基站”)，在来自所述坐标点的各备选点确定平均接收电平的估计值，并将此估计值作为平均值，确定该平均值变化的概率密度函数；根据各个信号接收基站在各个备选点测量的接收电平，将测量数据代入为各备选点确定的概率密度函数，并与预定值相乘；通过将对各个信号接收基站在各个备选点代入获得的值相乘来确定备选点的似然性；以及将具有最大似然性值的备选点检测为移动终端的估计位置。
优选地，可以通过为各对应基站分别估计和概率密度函数以及传播特性方程相关的参数来计算似然性。
优选地，可通过为各网孔或各个网格点分别估计和概率密度函数以及传播特性方程相关的参数来计算似然性。
优选地，可通过使用传播特性方程计算似然性，该传播特性方程具有根据一天时间、一周日期、一年季节、交通密度等的不同概率密度函数，在这些情况中，期望传播特性考虑建筑、地形条件等。
优选地，在基站具有扇区组成成分的情况中，坐标和扇区的方向角度联系在一起，设定联合概率，其中各扇区方向角度之间的差值作为因子，通过将联合概率和对应坐标的似然性相乘确定似然性。
优选地，根据建筑信息或地图信息，从考虑坐标和基站之间的建筑或地形条件的传播特性确定长断面传播估计方程以及短断面平均概率密度。
优选地，可以设定多个估计位置，换句话说，设定估计区域，其中似然性大于某个指定值。
优选地，可使用传播延迟时间而非接收电平。
根据本发明的创建数据库的方法是一种创建用于在移动通信系统中检测移动终端位置的数据库的方法，该移动通信系统由多个基站、移动终端以及控制站组成，其特征在于，它包括步骤以相互联系方式存储基站号码，基站坐标，以及在各基站服务区域内各个点先前通过测量或仿真，或通过测量和仿真获得的无线电波传播接收电平作为数据；根据上述存储的数据，检测特性点，和其他附近点的接收电平比较，该点的测量接收电平是特有的；以及存储对应检测的特性点的传播特性参数。
更进一步，根据本发明创建数据库的方法是一种创建用于在移动通信系统中检测移动终端位置的数据库的方法，该移动通信系统由多个基站、移动终端以及控制站组成，其中，为确定是概率密度函数参数之一的标准偏差，使用并同时测量多个接收天线，通过按几米的数量级标识测量位置来创建数据库。
根据本发明的位置识别方法是一种用于移动通信系统，根据在移动终端测量的来自基站的CSi(i＝1-N，N≥1)信号接收电平值Гk(CSi)以及存储有至少基站CSi的位置信息的基站数据库，来确定移动终端估计位置的位置识别方法，该移动通信系统包括多个基站，至少一个能和基站通信的移动终端，能和基站和/或移动终端通信的中心站，其中根据在该点指示来自基站CSi的信号接收电平变化的概率分布，为多个点确定接收电平值Гk(CSi)的似然度，并且将具有最大似然值的点确定为移动终端的估计位置。
根据本发明的位置识别方法是一种用于移动通信系统，根据在移动终端测量的来自基站CSi(i＝1-N，N≥1)的信号接收电平值Гk(CSi)以及存储有至少基站CSi的位置信息的基站数据库，来确定移动终端估计位置的位置识别方法，该移动通信系统包括多个基站，至少一个能和基站通信的移动终端，以及能和基站和/或移动终端通信的中心站，该方法包括设定移动终端大致位置范围的第一步骤，在大致位置范围内设定多个代表点Xs(s＝1-M)的第二步骤；根据通过查询上述基站数据库获得的在代表点Xs和基站CSi之间的距离d(Xs，CSi)，确定表示在代表点Xs来自基站CSi的接收电平变化的概率密度函数Ps(γi)的第三步骤；通过方程jps(γ)＝Ps(γ1)×Ps(γ2)×......×Ps(γN)确定联合概率密度函数jps(γ)的第四步骤；确定对应联合概率密度函数jps(γ)指定的概率分布似然度Ls(jps(γ)|Гk)的第五步骤；以及确定具有最大似然值Ls(jps(γ)|Гk)的代表点Xs*作为移动终端估计位置的第六步骤。
根据本发明的位置识别系统是一种用于识别能和多个基站通信的移动终端位置的移动终端位置识别系统，包括中心站，其具有根据移动终端测量的来自基站CSi(i＝1-N，N≥1)的信号接收电平值Гk(CSi)来确定移动终端估计位置的功能，还具有存储有至少基站CSi的位置信息的基站数据库，中心站还包括用于执行根据本发明的位置识别方法的装置或功能。
根据本发明的程序，其特征在于，它使本发明的位置检测方法的各个分别步骤可在计算机中执行。根据本发明的程序可通过不同类型的存储介质，例如CD-ROM、磁盘、半导体存储器等装入或载入计算机。
此外，在本说明中，“装置”不仅仅表示物理设备，还包括由所述装置提供的功能通过软件实现的情形。此外，一个装置的功能可通过两个或更多物理装置实现，两个或更多装置的功能可通过一个物理装置实现。
附图简要说明图1是显示在本发明第一实施例中的移动通信系统的结构的图；图2是显示中心站功能结构的框图；图3是显示基站数据库数据结构的图；图4是描述位置识别装置处理顺序的流程图；图5是描述在修正例子中的基站数据库数据结构的图；图6是描述在修正例子中的基站数据库数据结构的图；图7是描述在实验中基站位置配置的图；图8是描述仿真结果的图；图9是描述仿真结果的图；图10是描述仿真结果的图；图11是描述仿真结果的图；图12是描述根据测量数据获得的结果的图；
图13是描述根据测量数据获得的结果的图；图14是描述特性点例子的图；图15是描述特性点例子的图；图16是描述特性点例子的图；图17是描述特性点例子的图；图18是描述特性点例子的图；图19是描述特性点例子的图；图20是描述特性点例子的图；和图21是描述特性点例子的图。
具体实施例方式
(第一实施例)下面，将参考
本发明的实施例。
图1是显示形成本发明第一实施例的移动通信系统组成的概念图。该系统的组成元件有移动终端10，多个基站CS，从而和移动终端10通信，以及中心站(控制站)90，从而和基站CS通信。
通常，移动终端10和基站CS具有由PHS(便携式电话或类似物)组成的通用移动通信系统的相同功能组成部分。例如，当发送信号时，基站CS具有将该基站唯一具有的标识ID(标识信息)包含到无线信号中的功能，或其他类似功能。此外，移动终端10具有接收来自基站CSi(其中i＝1-N；N是能和移动终端10通信的基站的数目；N≥1)的无线电波的功能，并能够测量和存储它的接收电平Гo(Г1o，Г2o，......ГNo)(dB)等。
基站CS包含在控制区域(服务区域；在下文中称为“区域或小区”)内的移动终端10，或和移动终端10通信的基站CS，从移动终端10接收上述从第1到第N个基站的接收电平Гi0，并将其发送给中心站90。还可能采用这样一种结构，其中接收电平Гio从移动终端10直接发送给中心站90，而不经过基站。
图2显示中心站90的功能组成部分。如图2所示，中心站90至少包括，基站数据库91，用于存储基站CS的位置信息，以及位置识别装置92，用于识别移动终端10的位置，并因此为其提供位置识别系统功能。
虽然在图2中没有显示，中心站90除上述以外还包括提供在通用移动通信系统中心站内的标准功能组成部分(例如，发送信号到基站和移动终端和从基站和移动终端接收信号的功能，显示特定移动终端位置的功能，发送信号到使用位置信息的用户和从使用位置信息的用户接收信号的功能等)。
就物理方面来说，中心站90可由专用站组成，或由普通信息处理装置构成。例如，中心站90可通过在普通组成部分的信息处理装置内，配备有处理单元，输入装置，存储装置以及输出装置，运行规定不同过程(例如各自功能，以及根据本发明的位置识别方法等)的软件实现。
基站数据库91至少存储和基站标识ID一致的基站CSi的位置信息(例如纬度和经度)，还可以使用通用移动通信系统的基站数据库用于同一目的。该数据库还存储基站地址、输出(有效辐射功率)、天线高度、传播特性(在此以及下文中描述的传播特性参数α等)。图3(a)显示基站数据库数据结构的例子。
位置识别装置92根据移动终端10测量的来自基站CSi的无线电波接收电平Гio以及基站数据库91来识别移动终端的位置。下面，根据图4的流程图说明位置识别装置92实施的处理过程。可用任何不同顺序实行各个步骤，只要在实行的处理过程中不引起矛盾。
(第一个例子)在步骤S100，设定移动终端10的大致位置范围。大致位置范围表示移动终端10可能出现的大区域，该大致位置范围可被设定为例如，移动终端10的位置注册区域(通用寻呼区域)，或和移动终端10建立通信电路的基站管理的区域或小区。此外，大致位置范围还可被设定为其接收电平在或高于指定值的基站周围。
大致位置范围还可被设定为三维区域，而不仅仅是二维区域。此外，设定大致位置范围的方法不限于上述，可根据系统设计确定大致位置范围的形状、宽度等。
在步骤S101，在上述大致位置范围内为移动终端设定多个假定位置Xs(其中s＝1-M；M是假定位置的数目)。假定位置是形成用于识别移动终端10的位置的参考的点。一种设定假定位置的方法包括，例如，将大致位置范围分为二维或三维网(网格)状，并在各格子点设定假定位置。可根据系统设计(取决于位置识别精度和计算处理负担之间的折衷)设定网孔大�。梢岳斫猓缮瓒ǖ�5米单位，10米单位，或100米单位。
可通过先前将各基站整个区域或小区划分为二维或三维网孔形状(网格形状)设定假定位置。在此例中，在步骤S101，选择多个先前在大致位置范围内设定的假定位置Xs。
因此，为上述各个设定的假定位置Xs执行在步骤S102到S106的似然计算处理。
在步骤S102，从基站CSi中选择多个基站CSj，并参考基站数据库91计算基站CSj和假定位置Xs之间的距离(Xs，CSj)。这里，可根据系统设计确定选择基站CSj的方式，例如按照最高接收电平Гio的顺序从基站CSi中选择指定数目(例如大约1到10个)的基站。另一方面，还可能采用一种组合，其中选择测量接收电平Гio的所有基站CSi。一般来说，选择的基站数目越多，识别的位置的精度越高。在以下说明中，假定选择所有基站CSi。
在步骤S103，根据基站CSi和假定位置Xs之间的距离d(Xs，CSi)计算在假定位置Xs的来自基站CSi的平均接收电平Гim(Xs，CSi)。可根据下面的传播特性方程(1)计算平均接收电平Гim(Xs，CSi)，假设长断面变化遵循Okumura曲线。
Гim(Xs，CSi)＝Ai-10αi×log(d(Xs，CSi))[dB](1)在此，Ai是当距离是单位距离(例如1米)时的接收电平，αi是天线系数。
根据存储在基站数据库91内的有效辐射功率，天线高度等可分别为各基站确定参数Ai。更精确地，可根据移动终端的天线灵敏性确定参数Ai。还可以预先确定参数Ai，并将其作为传播特性信息存储在基站数据库中，如在图3(a)等中显示的。
根据通过参考三维地图信息基于基站周边条件仿真获得的无线电波反射、屏蔽以及衍射(下文中称为“反射等”)值，或根据测量值，或根据仿真值以及测量值，为各个基站独立预先确定参数αi。期望地，将预先确定的值αi作为传播特性信息存储在基站数据库中，如图3(a)所示。
期望地，为各个基站分别确定参数Ai和αi，但也可采用对所有基站使用公共参数值A，α的组合。此外，还可使用不是Okumura曲线的方程作为传播特性方程，在这样的例子中，根据采用的方程确定参数。
在步骤S104，概率密度函数Pxs(Гi)指示在假定位置Xs的来自基站CSi的接收电平的短断面变化(换句话说，将假定位置Xs作为参数)。可从以下方程(2)计算Pxs(Гi)。
Pxs(Γi)=12πσ2exp{-(Γi-Γim(Xs,CSi))22σ2}i=1,......,N----(2)]]>在此，如方程(2)所显示的，在当前实施例中，短断面变化遵循decibel-normal分布。方程(2)中的元素σ对应decibel-normal分布的标准偏差，同时根据系统设计确定该值，可选择4-6dB。
通过假设短断面变化遵循另一概率分布可以设定方程(2)。
在步骤S105，根据随后的方程(3)确定在假定位置Xs的联合概率密度函数jpxs(Г)，假设来自各基站的接收电平的变化是独立的，jpxs(Г)＝Pxs(Г1)×Pxs(Г2)×......×PXS(ΓN)(3)在步骤S106，为接收电平值Γo＝(Г1o，Г2o，......ГNo)确定对应由联合概率密度函数jpxs(Г)指定的概率分布的似然值Lxs(Г1o，Г2o，......ГNo)。似然值Lxs(Г1o，Г2o，......ГNo)可根据下面的方程(4)使用微分值ΔГ计算得出。
Lxs(Γ1o,Γ2o,......ΓNo)=∫Γ=Γ1-ΔΓΓ1+ΔΓp1(Γ)dΓ×...×∫Γ=ΓN-ΔΓΓN+ΔΓpN(Γ)dΓ---(4)]]>在此，在方程(4)中，在右侧的元素P1，......，PN对应指示来自基站CS1，......CSN的在假定位置Xs的接收电平短断面变化的概率密度函数Pxs(Г1)，...，Pxs(ГN)。
由于Pi(Г)是一个概率密度函数，方程(4)左侧的每个元素部分地形成的积分，其具有0到1之间的值，因此，由它们相乘表示的似然值Lxs(Г1o，Г2o，......ГNo)也将具有0到1之间的值。此外，可通过将概率密度值和2×ΔГ相乘获得积分近似值。
在为所有假定位置组计算了似然度Lxs(Г1o，Г2o，......ГNo)之后，程序进行到步骤S107。
在步骤S107，从S＝1-M中选择具有最大似然度Lxs(Г1o，Г2o，......ГNo)的S值(在下文中，选定的S称为S*)，并指定Xs*为移动终端的估计位置。
由于各假定位置的联合概率密度函数通常不取决于测量的接收电平Гi，因此可预先确定。
(修正1)在第一个例子中，以此种方式构成处理，考虑到由于各基站位置条件的不同，在步骤S103中使用为各基站独立设定的传播特性方程。
然而，由于大气条件，以及例如反射、衍射等的条件，随日时间，周日期，一年四季等变化，可以理解由于这些条件，甚至在相同基站传播特性也会变化。车辆等的交通密度同样影响传播特性。此外，在各假定位置和基站之间的建筑等的出现，以及它们之间的地形条件等同样影响传播特性。
因此，在第一修正中，采用一种构成，其中为各基站在基站数据库91中存储至少与时间信息(例如一天时间、一周日期、季节等)、交通密度、假定位置等之一有关的多个传播特性参数αi(和/或参数Ai)(参见图5)。可根据例如参考三维地图信息，通过基于基站周边条件的仿真获得的无线电波反射等值，或根据接收电平的测量值，或根据仿真值以及测量值来独立预先确定αi(和/或Ai)的各个值。
此外，在位置识别装置92内的步骤S103如下组成。即，在估计时从中心站90的内部装置或从外部装置至少获得时间信息或交通信息。通过查阅基站数据库91读取因此获得的对应该信息的传播特性参数αi(和/或Ai)，和/或假定位置Xs，读取的αi(和/或Ai)值用于根据方程(1)确定Гim(Xs，CSi)。其他步骤和第一例子中的相同。
这样，获得一种组成，其中可以根据时间信息(例如一日时间、一周某天、一年季节等)、交通密度、假定位置等选择和使用传播特性，因此可以进一步提高位置识别精度。
(特性点)在此，当在基站数据库91内存储和假定位置相关的传播特性参数αi(和/或参数Ai)时，期望地，除如上所述划分大致位置范围的网孔的各个网格点之外，如下定义的特性点也被选作假定位置。
可将特性点理解为测量点，因为由诸如环绕测量点的建筑的形状、以及它关于基站的相对位置的条件影响而造成的复杂无线电波传播特性的发生，当比较接收的测量数据时，在该点的接收电平与其附近测量点的测量数据明显不同。
在本发明中，采用这样一种结构，其中通过根据在各假定位置指示接收电平短断面变化的概率密度函数来确定测量接收电平的似然度，从而识别位置，因此通过选择显示不同于周围点的无线电波传播特性的特性点以及不同的概率密度函数作为假定位置，能够减少位置识别误差。
因此，在考虑了特性点的本发明的优选实施例中，通过一种数据库创建方法创建基站数据库91，该方法包括步骤以相互联系的方式，存储基站号码(基站标识ID)，基站坐标(基站CSi的位置信息)，以及先前通过测量或仿真或者测量和仿真在各基站服务区域内的各点获得的无线电波传播接收电平；根据上述存储数据，检测特性点，在该特性点测量接收电平，当与其它附近点接收电平比较时该接收电平明显不同；并存储对应于检测的特性点的传播特性参数αi(和/或参数Ai)。
例如，可在城市地形的情况中想象特性点的以下模式。1)在规定间隔的建筑间隙附近(例如2-3米)；2)在建筑和本地开放空间(露天停车�。谱呓ㄖ粝碌目瞻卓占涞�)之间的边缘附近；3)建筑之前，相比附近建筑更靠后；4)位于低建筑群中受高建筑屏蔽或反射影响的点；5)在位于高建筑群中的低建筑附近；6)在不规则形状的大建筑附近；7)和附近点相比具有较好无线电透明度的点(例如交叉处)；8)用不同材料建造的建筑(例如钢和木，具有反射表面墙的建筑附近，玻璃覆盖和瓷砖覆盖结构)；等。
下面，说明一种在以上模式中根据测量接收电平检测特性点的方法。
在第一种模式中，如图14A所示，在点304，107，108测量接收电平。当从高处某一特定位置俯视时，该图以直线图形式(应用相同方法到下面的图15等)显示了建筑和道路的相对位置。在每个点，可从至少三个基站A-150，A-210，A-270接收信号。图14B显示在各个点从各基站接收的接收电平。在此，由于点304，107和108相互靠近，通常，它们在其接收电平中显示相似趋向，但实际上，在点304的来自基站A-270的接收电平是55.1dBuV/m，大于从在其他点接收电平趋向期望的推理值45dBuV/m。这被认为是由于点304位于建筑之间的间隙而发生，因此，接收电平根据相较于其他点改进的无线电可见性而增加。根据本发明的创建数据库的方法，点304被检测为特性点，存储在点304的传播特性参数αi等，以便用作假定位置。
在第二模式中，在图15A所示的点308，175和176测量接收电平。在各点，可从至少三个基站A-330，A-30，A-90接收信号。图15B显示在各个点从各基站接收的接收电平。在此，由于点308，175和176相互靠近，通常，它们在其接收电平中显示相似趋向，但实际上，在点308的来自基站A-330的接收电平是39.7dBuV/m，小于从其他点接收电平趋向期望的推理值55dBuV/m。这被认为是由于点308位于建筑和开放空间之间，因此被建筑屏蔽，从而降低了它的接收电平。
在第三种模式中，在图16A所示的点306，127和128测量接收电平。在各点，可从至少三个基站A-180，A-240，A-300接收信号。图16B显示在各个点从各基站接收的接收电平。在此，由于点306，127和128相互靠近，通常，它们在其接收电平中显示相似趋向，但实际上，在点306的来自基站A-300的接收电平是43.4dBuV/m，高于从其他点接收电平趋向期望的推理值35-40dBuV/m。这被认为是由于点306位于和相邻建筑比较更靠后的建筑之前，因此降低了屏蔽影响，增加了接收电平。
在第四种模式中，在图17A所示的点359，144和145测量接收电平。在各点，可从至少三个基站A-270，A-330，A-30接收信号。图17B显示在各个点从各基站接收的接收电平。在此，由于点359，144和145相互靠近，通常，它们在其接收电平中显示相似趋向，但实际上，在点359的来自基站A-30的接收电平是78.3dBuV/m，高于从其他点接收电平趋向期望的推理值70dBuV/m。这被认为是由于在点359的无线电波被位于低建筑群中的高建筑反射，因此接收电平高于直接在该建筑之下的点144或和建筑分离的点145的接收电平。
在第五种模式中，在图18A所示的点356，221和224测量接收电平。在各点，可从至少三个基站A-30，A-90，A-150接收信号。图18B显示在各个点从各基站接收的接收电平。在此，由于点356，221和224相互靠近，通常，它们在其接收电平中显示相似趋向，但实际上，在点356的来自基站A-150的接收电平是40.4dBuV/m，高于从其他点接收电平趋向期望的推理值35dBuV/m。这被认为是由于点356位于处于高建筑群中的低建筑之前，因此降低了屏蔽影响，从而提高了接收电平。
在第六种模式中，在图19A所示的点346，29和30测量接收电平。在各点，可从至少三个基站A-30，A-90，A-150接收信号。图19B显示在各个点从各基站接收的接收电平。在此，由于点346，29和30相互靠近，通常，它们在其接收电平中显示相似趋向，但实际上，在点346的来自基站A-30，A-150的接收电平是75.2dBuV/m和74.7dBuV/m，高于从其他点接收电平趋向期望的推理值70dBuV/m。这被认为是由于点346受大规模不规则形状建筑的影响，因此提高了接收电平。
在第七种模式中，在图20A所示的点310，200和201测量接收电平。在各点，可从至少三个基站A-30，A-90，A-150接收信号。图20B显示在各个点从各基站接收的接收电平。在此，由于点310，200和201相互靠近，通常，它们在其接收电平中显示相似趋向，但实际上，在点310的来自基站A-90的接收电平是51.8dBuV/m，高于从其他点接收电平趋向期望的推理值47dBuV/m。这被认为是由于点310受大规模不规则形状建筑的影响，因此提高了接收电平。
在第八种模式中，在图21A所示的点343，358和6测量接收电平。在各点，可从至少三个基站A-120，A-180，A-240接收信号。图21B显示在各个点从各基站接收的接收电平。在此，由于点343，358和6相互靠近，通常，它们在其接收电平中显示相似趋向，但实际上，在点343的来自基站A-180的接收电平是58.3dBuV/m，高于从其他点接收电平趋向期望的推理值53dBuV/m。这被认为是由于点358位于不同材料(具有反射表面墙的建筑)建筑的附近，因此由于反射墙的反射提高了接收电平。
(修正2)在第一例子中，以此种方式组成处理，对所有基站CSi在步骤S104使用公共标准偏差σ(方差σ2)。
然而，接收电平的短断面变化不总是遵循相同波动的概率分布，如果基站的周围环境等改变，波动也会改变的可能性极大。
因此，在此第二修正中，以此种方式构成处理，使用为各基站独立设定的标准偏差σi确定概率密度函数Pxs(Гi)，从而和各基站的短断面变化波动不同的情况兼容。
可根据系统设计设定各个基站的标准偏差，还可能独立估计并预先设定标准偏差，例如，根据得自基站周围环境的无线电波并参考三维地图信息的反射等的仿真值，或根据短断面变化的测量值，或既根据仿真值又根据测量值，以和传播特性参数αi相似的方式等。因此设定的标准偏差和基站一起关联存储在基站数据库91中(参见图3(b))。
在此第二实施例中，由位置识别装置92实施的步骤S104如下组成。查阅基站数据库91读取对应基站CSi的标准偏差σi。因此，根据随后的方程(5)确定概率密度函数Pxs(Гi)。其他步骤和第一例子中的相同。
Pxs(Γi)=12πσi2exp{-(Γi-Γim(Xs,CSi))22σi2}i=1,......,N---(5)]]>和第一修正中的传播特性参数αi类似，可采用一种组成方式，其中根据至少时间信息、交通密度、假定位置等(参见图6)之一为各基站存储多个σi值。如果存储关于假定位置的多个σi值，期望地，使用多个接收天线同时测量接收电平，根据短断面变化的测量值、通过按米的量级将测量位置划分来创建数据库。在此例子中，通过使用αi等值和对应假定位置的σi确定概率密度函数Pxs(Гi)，能够确定考虑了在假定位置和基站之间的建筑等或地形条件存在的概率密度函数Pxs(Гi)。
这样，通过采用使用为各基站独立设定的标准偏差值的组成方式，能改进位置识别精度。
(修正3)在第一例子中，在步骤S106，根据由各基站概率密度函数相乘表示的联合概率密度函数确定似然度Lxo(Г1o，Г2o，......ГNo)。
在一些例子中，取决于基站，通过使用方向天线将区域或小区分为多个扇区(例如3个120°扇区或6个60°扇区)，从而增加频率效率和信道数目。通过采用这种分扇区，能给各扇区动态分配有限信道，从而当大业务条件情况中，允许对业务集中扇区的有效信道分配和使用。如果基站具有这种方式的扇区组成，则来自基站的接收电平将取决于扇区方向角度。
因此，在此第三修正中，如果基站具有扇区组成，则以此种方式组成处理，同时考虑扇区的方向角度的影响来确定似然度。更具体地，由位置识别装置92实施的步骤S106如下构成。确定联合概率，该联合概率是连接假定位置Xs和基站的线与扇区方向角之间的角偏差的函数，该联合概率和根据第一例子确定的Lxs(Г1o，Г2o，......ГNo)值相乘，相乘结果用作新的Lxs(Г1o，Г2o，......ГNo)值。其他步骤和第一例子中的一样。
这样，通过当确定似然度时采用考虑扇区方向角影响的组成方式，能进一步提高位置识别精度。
(修正4)在第一个例子中，在步骤S107，选择具有最大似然度的假定位置，并将其标识为移动终端的位置。
然而，有时，不总是仅有一个假定位置的似然度非常突出的情况，而是，为多个假定位置确定相似的似然值。在这种情况中，可以看出，选择具有大于预定阈值的似然度的多个假定位置比仅选择具有最大似然度的一个假定位置使得更能确实地识别位置。
因此，在第四修正中，由位置识别装置92实施的步骤S107如下构成。选择具有超过预定阈值的似然值Lxs(Г1o，Г2o，......ГNo)的多个假定位置，根据选择的多个假定位置确定估计区域，将该估计区域标识为移动终端10的位置。其他步骤和第一个例子中的相同。
可以想到的确定估计区域的方法包括例如将估计区域设定为具有最小半径的圆形区域，它包括所有选定的多个假定位置，或将估计区域设定为具有预定半径、以多个选定假定位置的平均位置为圆心的圆形区域。当确定了估计区域时，期望地，应当排除那些远离平均位置等的选定假定位置。
(实验结果)下面说明应用根据本发明的位置识别方法的结果。在此，假定由于移动终端内的多径效应，对每个测量同时观察三个波形，使用三个观察值的平均值作为测量值。
(仿真结果1)通过在以下条件下执行本发明的位置识别方法的仿真来发现似然度分布。
(1)把传播特性参数视为对所有基站的公共特性，A＝130，α＝3.4。
(2)假设短断面变化遵循decibel-normal分布，其标准偏差对所有基站通用，具有值α＝6(dB)。
(3)根据蜂窝模型分布基站，小区半径是500m，基站数目是19(参见图7)。
(4)移动终端位于中心小区的中间。
(5)在步骤S100设定的大致位置范围取为中心小区。
图8显示根据本发明，选择1-3个基站作为基站CSj的情况下确定的似然度分布。在此图中，BS表示基站，MS表示移动终端，三维图的高度表示似然度。从该图中可以看出，当基站数目增加时，似然分布的趋向倾斜增加。这意味着基站数目越多，能更精确识别移动终端位置的可能性越大。如果在三个基站的情况中将具有最大似然度的假定位置作为移动终端的估计位置，将导致11m的估计误差。
(仿真结果2)通过在以下条件下执行本发明的位置识别方法的仿真来发现似然度误差。
(1)把传播特性参数视为对所有基站的公共特性，A＝130，α＝3.4。
(2)假设短断面变化遵循decibel-normal分布，其标准偏差对所有基站在情况1中是α＝6(dB)，在情况2中仅对中心小区具有值α＝6(dB)，其他小区是α＝4(dB)。
(3)根据蜂窝模型分布基站，小区半径是500m，基站数目是19(参见图7)。
(4)根据均匀分布，移动终端位于中心小区内，产生500组测量数据。
(5)在步骤S100设定的大致位置范围取为中心小区。
图9显示当选择3-10个基站作为基站CSj时，在情况1和情况2中的估计误差。在此，估计误差是在累计概率是0.67的点的估计误差。从图中可以看出，基站数目越多，识别位置的精度越高，并通过在不是中心小区的小区中将σ值设定为较低值，识别位置的精度可变得更高。
(仿真结果3)在以下条件下执行根据本发明的位置识别方法以及SX方法的仿真，并比较估计误差。
(1)把传播特性参数视为对所有基站的公共特性，A＝130，α＝3.4。
(2)假设短断面变化遵循decibel-normal分布，其标准偏差对所有基站是通用的α＝6(dB)。
(3)根据蜂窝模型分布基站，小区半径是500m，基站数目是19(参见图7)。
(4)根据均匀分布，移动终端位于中心小区内，产生500组测量数据。
(5)在步骤S100设定的大致位置范围取为中心小区。
图10显示选择3到10个基站作为基站CSj的情况下的各方法估计误差。在此，估计误差是在累计概率是0.67的点的估计误差。此外，图11显示选择3或4个基站作为基站CSj的情况下，在各方法估计误差和累计概率之间的关系。从这些图中可以看出，根据本发明的位置识别方法使得要识别的位置比SX方法具有更高的精度。
(基于测量值的结果)在此，根据在以下条件中测量的数据，显示应用本发明的位置识别方法和不假设概率分布的通用方法的结果。
(1)测量日期2001年5月11日(2)测量位置在Hon-machi，Chuo-ku，Osaka附近的45个位置。
(3)测量细节测量来自周围基站的无线电波的接收电平，总共测量448次(近似每个位置10次)。
图12显示选择三个基站作为基站CSj的情况中，在各方法估计误差和累计概率之间的关系。此外，图13显示根据本发明的位置识别方法的结果的细节。从该图中，可以看出，就测量数据而说，根据本发明的位置识别方法比通用方法能使要识别的位置具有更高程度的精度。
(第二实施例)下面，将说明本发明的第二实施例。第二实施例包括存储介质，用于存储位置识别程序。可将CD-ROM、磁盘、半导体存储器或其他介质用作此存储介质。从存储介质中读取位置识别程序到数据处理装置中，并控制数据处理装置的操作。在位置检测程序的控制下，数据处理装置至少执行和第一实施例中的中心站的位置识别装置92相同的处理。
(其他实施例)本发明不限于上述的实施例，还可应用到不同的修正中。例如，在上述实施例中，采用在移动终端10测量来自基站的无线电波的接收电平的组成方式，但还能采用在基站测量来自移动终端的无线电波的接收电平的组成方式。在此例子中，参数A和α，短断面变化的标准偏差σ等根据移动终端的功能组成确定。
此外，在上述实施例中，采用根据接收电平计算似然度的组成方式，但还可以采用根据延迟时间而非接收电平计算似然度的组成方式。
此外，在以上实施例中，例如，在中心站检测移动终端的位置，还能采用在移动终端(或基站)执行检测处理的组成方式。在此例中，移动终端(或基站)可包括基站数据库，或至少可用能访问基站数据库的方式包含。
根据本发明，由于在各个假定位置，对于来自基站的无线电波接收电平的短断面变化的概率分布是假设的，对应移动终端测量的接收电平测量值的似然度根据概率分布确定，并将具有最大似然值的假定位置指定为移动终端的位置，根据短断面变化遵循概率分布的假设，可将移动终端的位置确定为最大似然估计值。
此外，由于可通过设定小网孔尺寸提高位置识别精度，反之可以减少要处理的假定位置的数目，由此通过设定大网孔尺寸降低了计算负担，通过调整网孔尺寸，能获得在计算负担和位置精度之间的折衷的灵活控制。
2001年9月6日提交的日本专利申请2001-270217的全部公开包括说明书，权利要求，附图和摘要，在此通过引用将其全部结合进来。
权利要求
1.一种用于移动通信系统的位置检测方法，所述移动通信系统由多个基站，移动终端和控制站组成，在此系统内，基站发送信号，在来自所述基站的信号中包含每个基站特有的号码，移动终端从N个基站中的一个或多个接收所述信号，测量并存储来自第i个基站的接收电平Γi，经通信基站传送第1到第N个接收电平到控制站，在控制站，根据基于基站号码，基站坐标以及先前在各基站服务区域内各点通过测量或无线电波传播仿真或者测量及仿真获得的接收电平创建的数据库，以及移动终端发送的接收电平来识别移动终端的位置，所述位置检测方法其特征在于，它包括步骤在各基站整个服务区域设定两维或三维网孔形状或网格形状坐标点；在来自所述坐标点的每个备选点，对应各个接收到所述信号的基站(在下文中称为“信号接收基站”)确定平均接收电平的估计值，并将所述估计值作为平均值，确定所述平均值变化的概率密度函数；在给定范围内根据所述测量接收电平，为各信号接收基站在各所述备选点将为所述备选点确定的所述概率密度函数积分；通过在各所述备选点，将所述为各信号接收基站积分获得的值相乘，来确定备选点的似然度；和将具有最大似然值的备选点检测为移动终端的估计位置。
2.根据权利要求1所述的位置检测方法，其特征在于，包括步骤在各来自所述坐标点的备选点，确定对应各接收到所述信号的基站(在下文中称为“信号接收基站”)的平均接收电平估计值，将所述估计值作为平均值，并确定所述平均值变化的概率密度函数；根据在各备选点为各信号接收基站测量的所述接收电平，用所述测量接收电平代入为各备选点确定的所述概率密度函数；通过在各个所述备选点，将通过所述对各信号接收基站的替换获得的值相乘，来确定所述备选点的似然度；和将具有最大似然值的备选点检测为移动终端的估计位置。
3.根据权利要求2所述的位置检测方法，其特征在于，包括步骤在来自所述坐标点的各备选点，确定对应各接收到所述信号的基站(在下文中称为“信号接收基站”)的平均接收电平估计值，将所述估计值作为平均值，并确定所述平均值变化的概率密度函数；根据在各备选点为各信号接收基站测量的所述接收电平，用测量数据代入为各备选点确定的所述概率密度函数，并从而将通过指定值获得的值相乘；通过在各个所述备选点，将通过所述各信号接收基站的替换获得的值相乘，来确定所述备选点的似然度；和将具有最大似然值的备选点检测为移动终端的估计位置。
4.根据权利要求1所述的位置检测方法，其特征在于，通过为各对应基站独立估计和概率密度函数以及传播特性方程相关的参数，来计算似然度。
5.根据权利要求1所述的位置检测方法，其特征在于，通过为各网孔或各网格点独立估计和概率密度函数以及传播特性方程相关的参数，来计算似然度。
6.根据权利要求1所述的位置检测方法，其特征在于，根据一日时间、一周日期、一年季节、交通密度等使用具有不同概率密度函数的传播特性方程来计算似然度，在这些情况中，期望传播特性考虑建筑以及地形条件等。
7.根据权利要求1所述的位置检测方法，其特征在于，在基站具有扇区组成部分的情况下，坐标和扇区方向角度联系在一起，设定联合概率，其因子为各扇区方向角之间的差异，并通过将所述联合概率和对应所述坐标的似然值相乘来确定似然度。
8.根据权利要求1所述的位置检测方法，其特征在于，根据建筑信息或地图信息，从考虑所述坐标点和基站之间的建筑或地形条件的传播特性确定长断面传播估计方程和短断面平均概率密度。
9.根据权利要求1所述的位置检测方法，其特征在于，将似然度高于一指定值的多个估计位置检测为估计区域。
10.根据权利要求1所述的位置检测方法，其特征在于，使用传播延迟时间代替接收电平。
11.一种计算机可读存储介质，存储有用于使计算机执行根据权利要求1所述的位置检测方法的位置检测程序。
12.一种位置检测程序，用于使计算机执行根据权利要求1所述的位置检测方法。
13.一种用于创建数据库的方法，所述数据库用于在移动通信系统中检测移动终端的位置，所述移动通信系统由多个基站、移动终端以及控制站组成，其特征在于，所述方法包括步骤以相互联系的方式，将基站号码、基站坐标以及先前在各基站服务区域内的各个点通过测量或无线电波传播仿真或者测量以及仿真获得的接收电平存储为数据；根据所述存储数据，检测特性点，当和附近其他点的接收电平比较时，在该点测量的接收电平是独特的；和存储对应所述检测特性点的传播特性参数。
14.一种创建用于在移动通信系统中检测移动终端位置的数据库的方法，所述移动通信系统包括多个基站、移动终端以及控制站，其特征在于，为了确定作为概率密度函数一个参数的标准偏差，使用并同时测量多个接收天线，通过以米的量级标识测量位置来创建数据库。
全文摘要
本发明的目的是在移动通信系统中将移动终端的位置确定为最大似然估计值，该移动通信系统包括多个基站，能和基站通信的至少一个移动终端，以及能和基站和/或移动终端通信的中心站。根据存储有至少各基站CSi的位置信息的基站数据库，为这些点确定在移动终端可能出现的预定区域内的多个点指示来自各个基站CSi的接收电平变化的概率分布。确定关于移动站测量的来自基站CSi(i＝1到N)的接收电平值γ
文档编号G01S5/02GK1610837SQ0282207
公开日2005年4月27日 申请日期2002年9月6日 优先权日2001年9月6日
发明者服部武, 神岛博昭, 抚养公雄 申请人:株式会社洛克斯
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
