Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIÓN
La señalización por lo general se utiliza en redes inalámbricas para supervisar el entorno
inalámbrico. La calidad del servicio (QoS) se informa periódicamente para que los problemas de
comunicación puedan ser identificados oportunamente. En términos generales, la señalización
genera dos tipos de datos, que podrían ser etiquetados como registros de colección suave (soft) y
registros de colección hdura (hard).
La señalización es muy importante y los registros de recolección suave/dura son útiles para
generar los indicadores clave de rendimiento (KPIs).
Como ejemplo se menciona que la tasa de corte se puede evaluar para cada célula. Sin embargo,
siempre se encuentra que el nivel de celda KPIs no podía evaluar adecuadamente la experiencia
de los usuarios móviles. La queja de los usuarios siempre puede ser recibida de las celdas donde
los KPI de nivel de celda son buenos.
Para obtener KPIs de nivel de usuario, el primer paso es identificar a los usuarios. Las
identificaciones permanentes de los usuarios (IDs) son generalmente difíciles de exportar. Como
resultado, se debe usar los identificadores temporales de los usuarios. Dado que los identificadores
temporales se asignan y se liberan cuando se producen interrupciones, los usuarios no pueden
identificarse de manera única.
El artículo se basa en los datos de señalización de interfaz Uu, lo que es conocido como los datos
de colección suave. Específicamente, se utilizarán los IDs temporales, la información AOA y la
información TA.
AOA es el ángulo del UE con referencia a la posición del eNodoB que sirve al UE.
TA es el intervalo de tiempo entre el UE y su eNodeB de servicio, que se da con una unidad de
489 ms.
El método de posicionamiento del usuario propuesta en este trabajo consta de tres pasos:
1. Cálculo del ángulo y la distancia del UE, con referencia a la posición de eNodeB.
2. Cálculo de las distancias del UE a lo largo de la dirección del meridiano y la dirección de
la latitud, con referencia a la posición de eNodeB.
3. Cálculo de la longitud y latitud del UE.
Paso 2: Cálculo de las distancias del UE a lo largo de la dirección del meridiano y la dirección de
la latitud, con referencia a eNodeB.
Para llevar a cabo este propósito planteado se requiere convertir la distancia esférica a la distancia
planar. La relación entre la distancia esférica y la distancia planar se muestra en la Figura 4.
𝑑𝑥 = 𝐿 × sin 𝜑 (3a)
𝑑𝑦 = 𝐿 × cos 𝜑 (3b)
En este trabajo se hace el uso del método de proyectado (screening) de datos para hacer frente a
los dos problemas.
Repetición de datos
Para resolver el problema de repetición de datos, se debe juzgar si los datos de recolección suave
pertenecen a los mismos registros. Supongamos que tenemos dos posiciones estimadas de un UE,
designadas como LP y LQ, como se muestra en la Figura 5.
1) Formación de los datos normales. Si un conjunto de datos dado {s1 , x2 , x3 , ..., xm} contiene
datos con todos los valores correctos, y cada muestra en el conjunto de datos sigue la
distribución Gaussiana multi-variable, entonces podemos calcular el valor medio y la
varianza de Las muestras, respectivamente,
1
𝜇 = ∑𝑚 𝑖=1 𝑥 𝑚, (9)
𝑚
1
∑ = ∑𝑚
𝑖=1 (𝑥𝑖 − 𝜇)(𝑥 𝑖 − 𝜇)
𝑇 (10)
𝑚
En esta sección se muestra dos ejemplos para ilustrar el efecto del proyectado de datos usando
nuestros métodos propuestos.
Ejemplo 1: selección repetida de datos
Tomamos los datos de colección suave de un BS en el campus de la Universidad de Huazhong de
Ciencia y Tecnología (HUST). Después de calcular las posiciones de un UE, se traza las
posiciones estimadas al mapa google, como se muestra en la Figura 7a. Para luego usar el método
de selección de datos repetitivos en las posiciones estimadas y descartar los datos repetitivos. Las
posiciones después de la selección se muestran en la Figura 7b.
Después de la selección repetida de datos, se detalla que, la información de ubicación del UE se
ha mantenido, y el volumen de datos se ha reducido a la mitad del valor original.
Figura 7a. Estimación de posición del UE antes del Figura 7b. Estimación de posición del UE después del
proyectado proyectado
Figura 8a. Ruta estimada de un UE antes del Figura 9b. Ruta estimada de un UE después del
proyectado de datos proyectado de datos
CONCLUSIONES
En este trabajo se determina que haciendo el uso de la ID temporal del usuario, la información
AOA y TA, se llega a establecer un método de identificación y posicionamiento de usuarios para
localizar a los usuarios en grupos.
Al identificar a los usuarios dentro de un área muy pequeña como un grupo, los problemas de
comunicación pueden estar igualmente ubicados. Por lo tanto, es muy importante evaluar las
posiciones asociadas con cada ID temporal lo más precisas posible.
Los métodos propuestos se aplican a una red LTE. Por medio de los ejemplos de aplicación se
demuestra que los métodos propuestos pueden perfeccionar los datos de recolección suave y
mejorar la eficiencia de la evaluación de KPI a nivel de usuario.
REFERENCIA
[1] Jiankun, Y., Libo, H., Wei P y Zhinguang, Y. (2016). User Level KPI Evaluation for LTE
Network Based on Signalization and Soft Collection. IEEE. 978-1-5090-2860-3/16, 1-4