基于MDT指纹特征库的IAOA定位算法研究和应用*

林剑领 ，吴月文 ，田上力

（1.中国移动温州分公司，浙江 温州 325000；2.中国铁塔温州分公司，浙江 温州 325000）

0 引 言

当前移动互联网引领时代发展的浪潮，我们每天都生活在各种信息爆炸中，移动互联网给我们的生活带来诸多便利，如移动支付、共享单车、电子商务等等。LTE（Long Term Evolution，长期演进）无线网覆盖的质量直接关系到移动互联网体验，LTE弱覆盖区域用户的体验感知将明显下降，所以非常有必要研究一种定位算法精准定位LTE弱覆盖区域，指导基站规划有效解决弱覆盖问题。利用终端用户反馈的MR数据和携带位置信息的MDT（Minimized Drive Test，最小化路测）数据，研究基于指纹特征库的IAOA（Improved Angle-of-Arrival，改进的到达角）定位算法进行解析处理并精准定位LTE弱覆盖区域。

1 定位技术介绍

当前的定位技术主要依赖于基站位置信息和用户上报的MR（Measure Report，测量报告）数据以及OTT（Over The Top，通过互联网向用户提供各种应用服务）数据。目前业界主要有如下几种定位技术。

1.1 TOA（Time of Arrival，时间到达）定位方法

主要是根据测量接收信号在基站和移动台之间的到达时间，然后转化为距离，从而进行定位。该方法至少需要三个基站，才能计算目标的位置。TOA定位方法适合空旷区域，传播路径上无建筑物遮挡的环境下，但在复杂的环境下定位精度下降较明显[1]。

1.2 AOA定位方法

主要是测量信号移动台和基站之间的到达角度，以基站为起点形成的射线必经过移动台，并结合移动台到基站的距离，两条射线的交点即为移动台的位置。同样该定位方法适用于室外开阔地区，在城区复杂环境下定位精度较差。

1.3 基于OTT数据定位方法

OTT定位指依托互联网应用向用户提供的服务，基于应用软件获取用户的位置信息。通过LTE网络S1-U接口中的数据解析提取位置服务用户的经纬度信息，利用用户标识和此时的MR数据进行关联，并利用特定算法实现MR数据精确的定位[2]。该定位方法能较精确的定位采样点位置，但由于大部分应用软件经纬度信息被加密，可获取的有用样本点非常有限，所以暂无法广泛得到应用。

1.4 指纹特征库定位方法

指纹特征库的定位方法是基于真实的位置信息建立Radio Map指纹特征库，每个指纹包含该采样点经纬度，主覆盖小区和邻区的电平信息等特征。指纹特征库建好后，新的MR采样点根据特征信息（主覆盖小区和邻区电平）去匹配指纹库，匹配上的采样点将修正其经纬度，确定采样点位置。指纹特征库定位方法能精确定位位置，其定位精度关键在于建立的指纹特征库是否齐全[3]。

2 基于MDT指纹特征库结合IAOA定位方法

因基于测距的定位方法的定位精度都有较大的波动，所以本文主要研究基于MDT指纹特征库定位方法，并在指纹特征库不齐全的区域结合IAOA的定位算法做为补充，经验证可有效提升采样点的定位精度。

2.1 MDT指纹特征库定位方法

传统建立指纹特征库是通过人工的路测来构建的，但人工路测存在测试成本高、时效性不足以及构建的指纹特征库无法实现地图全覆盖等问题，因此基于人工路测构建指纹特征库的方法有很大的局限性。而采用MDT即最小化路测方式来构建指纹特征库可有效避免人工路测的不足，MDT主要设计思路就是利用商业终端设备进行网络测试，收集用户活动区域的无线网络数据。MDT的应用将大大降低构建指纹特征库的成本，并且只要支持的终端达到一定量的情况下，MDT将构建基本齐备的指纹特征库，有利于精准定位采样点位置。

MDT实现过程如下：在LTE基站侧配置数据并开启MDT测量相关功能，支持该项功能的移动终端将会生成携带经纬度位置信息的MR报告，LTE基站通过上行链路采集这些MR报告，并借助大数据分析平台解析MR原始文件以提取终端的位置和对应的网络状态，从而形成指纹特征库为后续采样点进行匹配纠偏[4]。如图1所示：MR采样点A和B是携带经纬度位置信息的，其在这个位置测到的周边小区电平将形成指纹特征库，而MR采样点C是不携带经纬度位置信息的，其所测到的周边小区电平同MR采样点A基本接近，则会将MR采样点C的位置稍作修正并匹配上经纬度，形成新的指纹特征库。

如上所述，指纹特征库的定位精度关键在于指纹库的规模，而目前业界除了MDT方式外暂无其他方法形成大规模的指纹特征库，据统计，目前温州地区约有20%的移动终端支持MDT功能，在移动终端开启定位功能时，基站将会自动采集携带位置信息的MR报告，并形成指纹特征库，经验证通过MDT形成的指纹特征库规模基本上能满足LTE定位需求。

图1 指纹特征库匹配示例

2.2 IAOA定位算法

IAOA定位算法是在AOA算法的基础上做了改进，而IAOA定位算法是基于信号到达角的定位算法，利用测量得到的目标位置与天馈法线发射的到达角度，通过三角测量法计算出目标位置，主要过程如下：

（1）通过测量得到目标位置和天馈的方向到达角。

（2）利用三角测量法，通过夹角射线原则进行解方程，计算得出目标位置。假设目标采样点位置T(x,y)，天线扇区位置C1(x1,y1)、C2(x2,y2)，到达角

度为α、β。公式如下：

通过上述二元一次方程可计算得出采样点的位置T(x,y)。

（3）复杂的无线环境下，将有多个无线信号覆盖同一区域，必将会产生多个目标采样点位置，如T1,T2,T3…Tn。而这些目标采样点将会形成一个多边形，多边形形成的圆中心即为最终的目标采样点的定位结果，如图2所示。

图2 IAOA算法定位示意图

2.3 结合MDT指纹特征库对IAOA定位算法纠偏

在复杂的环境下，IAOA的定位精度还有待提高，本文利用MDT采集的指纹特征库对IAOA定位算法进行纠偏，主要流程如图3所示。

3 基于MDT指纹特征库的IAOA定位算法效果验证

3.1 大数据分析平台

本文通过搭建大数据分析平台，针对试点区域的基站侧开启MDT功能，并直接从TS（Trace Server，跟踪服务器）上采集用户MR数据，形成MDT指纹特征库，平台架构主要如图4所示。

3.2 定位精度验证

选取试点区域，应用基于MDT指纹特征库结合IAOA算法对MR用户进行精准定位，并同时跟普通AOA定位算法定位精度做对比验证。通过试验可得出，本文所研究的基于MDT指纹特征库结合IAOA算法较普通AOA定位算法有47%的提升。如图5、图6所示：普通AOA定位算法定位精度为122 m，而基于MDT指纹特征库结合IAOA算法的定位精度可提升到64 m。

图3 基于MDT指纹特征库IAOA定位算法流程

图4 平台架构

图5 普通AOA算法定位精度验证

图6 MDT指纹特征库结合 IAOA算法定位精度验证

4 结 语

MR采样点的定位精度对于网络覆盖评估、基站规划有着重要的指导意义，可有效节约建站成本和提升基站覆盖有效性。通过MDT指纹特征库结合IAOA定位算法可有效提升MR采样点的定位精度，经测试验证其定位精度可达64 m，较普通AOA定位算法有47%的提升。