通信单元410位于X坐标和y坐标的概率，该概率由概率密度函数得到。
[0117]为了更用户友好地从本发明获得输出信息，概率低于一阈值的通信单元410的可能位置将被排除。这可以采用，例如，重要性采样完成。输出信息包括所有概率大于或等于阈值的无线通信单元410可能位置的列表。无线通信单元410的用户可以选择多少个无线通信单元的可能位置包含在输出信息中。
[0118]一旦计算出概率密度函数，便可计算该函数的最大值。其提供移动通信单元410在进行通信时的‘最可能’位置。移动通信单元410在该位置的概率也提供该移动通信单元410有多么可能实际上在该位置的信息，该信息在本发明中被用作‘置信度’评分。
[0119]来自多个通信的概率密度函数可联合导出一联合函数。例如该联合函数可包括统计计算，其对从每个概率密度函数得到的置信度评分进行计算。该统计计算可以例如是中值计算。另一个例子，该计算可以是平均值计算，或固定的分布百分比(象百分之80)。
[0120]联合函数的分析允许导出网络参数的最可能值，因此产生‘校正的’网络参数。该分析的一种方法包括一次或多次改变网络参数，直到达到联合函数的最大值。使联合函数取最大值的网络参数值可选择为网络参数的最可能值。该分析的形式实际上包括将网络参数改为一个或多个‘试验’值，来看是否任何实验值在组成联合函数的通信的概率分布函数中得到更高的总的置信度水平。
[0121]在最后的步骤，网络配置数据可通过并入校正的网络参数来校正。
[0122]虽然上述讨论说明了导出一个网络参数的最可能值，本发明的方法可用于同时导出两个或多个网络参数的最可能值。一个或多个网络参数可选自以下的组中:
[0123](i)天线或基站的位置信息；
[0124](ii)天线特性；
[0125](iii)扇区天线的方位角和倾斜指向角度；
[0126](iv)发射功率水平。
[0127]以不同的方式，本发明可应用于校正网络配置数据的一个或多个网络参数的任务。典型的应用包括下述:
[0128]应用(i):小区簇可在感兴趣的地理区域的置信度评分通常较低的地方被识别。在这种情况下，仅这些小区的网络参数可以改变。为了识别置信度评分低的区域，可检验概率密度函数的最大值。无线通信网络覆盖的区域可划分为地理区域，例如100米X 100米的柜(bins)。连续的总数(running total)可由在每个置信度水平低于阈值的柜中的所有通信或呼叫得到。在一个柜(bin)或附近柜(bin)的组中，通信总数特别高的事实可被用于识别感兴趣的地理区域。靠近该区域的小区可挑选出来用于研宄，通过改变它们的参数来检测为它们所保持的网络配置数据中的不正确的网络参数。
[0129]应用(ii):一种方法⑴的变形，详细检查通过网络发生的呼叫列表来仅显示那些以掉话结束的呼叫。标记这些呼叫的位置，例如通过在象上面的(i)里说明的柜(bin)那样的地理区域中记录它们。典型地网络中少于1%的呼叫会掉话。但是，网络配置数据包含误差时，其可导致有关扇区附近的掉话率提高的结果。在这种情况下，在或邻近有关扇区的某些柜(bin)中可观察到大概1-5%的掉话率。有关扇区的一个或多个网络参数可以改变。这也可发生在从掉话率最高的扇区沿任意方向的下两个扇区中。该方法可总结为在无线通信网络430中识别掉话率高于网络阈值率或平均率的地理区域，并改变可能从这些地理区域向其进行通信的小区或扇区的网络参数。
[0130]应用(iii):通过随机选择网络参数，无线通信网络可经常被监控。通过改变每个选择的网络参数从而查看是否其它值更合适，每个选择的网络参数可被检查。
[0131]应用(iv):选择地考虑在一个或多个小区附近产生但不使用所述小区的呼叫是可能的。通过考虑这些的小区的一个或多个网络参数，以这样的方式改变参数来找到使移动台选择不通过这些小区来路由以更合适该组呼叫是可能的。所以，代替考虑与所进行的呼叫有关的数据，该方法考虑倾向于其他基站或扇区的呼叫选项。
[0132]当应用本发明的方法来寻找联合函数的最大值时，需要改变一个或多个网络参数。为了有效地实现这点，需要确定关于每次改变的方向和/或步长。每次改变的方向和/或步长可通过最速下降方法，牛顿方法，模拟退火，蒙特卡罗搜索，或遗传算法，或其他类似的数学方法来选择。
[0133]本发明的输出信息可服务于应用的各种改变。本发明提供提高准确性的网络配置数据。通过校正网络配置数据，本发明可提供大量优点。特别是本发明可:
[0134](i)使对无线通信单元的位置能计算出更加准确的值。
[0135](ii)在无线通信网络中导致更低的掉话率。
[0136](iii)允许对无线通信网络进行更有效的规划和设备升级。
[0137]本发明可通过在无线网络中的操作支持系统(OSS)实现。这是因为本发明可服务于帮助管理网络。该行为通常被认为与单独的呼叫过程(即发起和结束呼叫，计费等)中包含的任务不同。本发明可在一个或多个计算机工作站执行。这些工作站可致力于该任务，这是通常的方法。可选择地，这些工作站可实现除本发明之外的其他任务，例如故障管理或编译转换统计和维护报告。这些工作站可由通常用途的计算机组成。但是，他们也可由常规硬件，特殊构造的印刷线路板和常规芯片构成，来加速必要的计算。这里繁忙网络中的所有呼叫均被分析，且所有网络配置参数均被改变，这种常规类型的布置可以更快速实现本方法。
[0138]虽然本发明可在无线通信网络430中使用，但是输出信息也可在无线通信单元410的显示屏上显示。智能手机也可被编程来执行本发明的方法，而不仅是无线通信网络430的功能。然后该智能手机可通过网络，并且当其通过以及邻近扇区时进行测量。
[0139]本发明可布置成使用由无线通信单元410获得的包含以下中一个或多个的测量信息来进行操作:
[0140](i)从无线通信单元410到无线通信网络430的一个或多个网络扇区的一个或多个绝对距离；
[0141](ii)无线通信单元410与无线通信网络430的一个或多个网络扇区对之间的一个或多个微分距离；
[0142](iii)无线通信单元410记录的来自无线通信网络430的一个或多个网络扇区的一个或多个接收信号功率；以及
[0143](iv)无线通信单元410记录的来自无线通信网络430的一个或多个网络扇区的一个或多个接收信噪比的测量结果。
[0144]图5示出了依照本发明的方法的典型实施例。
[0145]图5示出了第一和第二天线532，534，它们是两个基站例如图4中的基站432和434的一部分。第一天线532服务无线通信网络的一个小区。第二天线534服务无线通信网络例如网络430的另一个小区。无线通信网络430的单独的小区在图4和5中没有示出，因为本发明的方法无须知道它们的确切边界。第一和第二天线532，534是扇区天线。第一天线532位于位置(XI，Yl)，覆盖第一扇区。第二天线534位于位置(X2，Y2)，覆盖第二扇区。
[0146]第一和第二天线532和534中的每个集中它的发射能量。该集中使得绝大部分能量落在方位角的波束宽度的特定角度范围内。该范围可以是，典型地，45到90度，集中于方位角的指向角度左右。图5中每个箭头532，534的方向示出了该天线的方位角的指向角度。
[0147]现在假设无线通信单元，例如图4示出的单元410，在图5的无线通信网络的某处，并执行第一测量。第一测量是到第一天线532的距离。第一测量可为直接或间接测量。图5图示了来自位置不确定的无线通信单元的可用的概率信息，所以实际上没有无线通信单元示出在图5上。
[0148]第一测量得到第一概率密度函数。实线的两个圆540图示了概率信息，其由第一概率密度函数得到。第一天线532位于两个圆540的中心。两个圆540对应于找到无线通信单元的两个等概率的等值线。该测量通常类似于结合图3的描述。
[0149]移动通信单元也可执行第二测量，其为图5中到第二天线534的距离。但是，第二测量得到相对于包含第一天线532的第一扇区的微分距离测量。微分距离测量可由通信信号的到达时间差，‘TD0A’，得到。第二测量提供第二概率密度函数。
[0150]图5中通过标记550通常表示的四条点划线图示从第二概率分布函数得到的概率信息。四条点划线是等概率的等值线，并且每条都表现双曲线的形态。双曲线的几何参数取决于第一和第二扇区的位置，以及微分距离量。
[0151]两个圆540和四条双曲线550事实上是来自它们各自概率密度函数的密集采样点。
[0152]为了定位无线通信单元，有必要联合第一和第二概率密度函数。这是因为无线通信单元位于某一特定位置的概率是独立事件的联合，即:
[0153](i)移动通信单元距天线532的距离对应大约其中一个圆540的半径；
[0154](ii)给定值的到达时间差；以及
[0155](iii)第一和第二扇区的移动能见度。
[0156]第一和第二概率密度函数在进行联合时需要适当地改变比例。
[0157]在图5的例子中，最精确的信息可通过将第一和第二概率密度函数与有关天线532，534的概率密度函数联合而导出。这是因为用户更可能在每个天线的主瓣，而不是天线的后瓣或旁瓣被服务。如果第一和第二天线均是同样的全向天线，在联合中则不必包含它们的概率密度函数。
[0158]无线通信单元的可能位置在第一和第二椭圆560和570上。这些示出了联合概率密度函数得到最大概率值的位置。无线通信单元的位置的最可能值是指向第一个椭圆560中心的单个点，因为天线的指向角度。
[0159]如上述解释，网络配置数据经常存在误差