CN104869630A - 基于离线指纹库的伪基站快速定位方法与系统 - Google Patents

Abstract

本发明涉及一种基于离线指纹库的伪基站快速定位方法，包括离线建档步骤、在线判断步骤；离线建档步骤：根据待监测区域内各个参考点的位置信息与RSS定位特征信息的映射关系，构建位置-参考点特征指纹数据库；在线判断步骤：对待监测区域内的RSS定位特征信息进行采样，比对位置-参考点特征指纹数据库，查找伪基站的位置信息。相比现有伪基站定位方案，本发明所述的方法定位误差小，硬件条件限制低，覆盖范围广，系统总精度高，在实际中具有很高的应用价值。

Description

基于离线指纹库的伪基站快速定位方法与系统

技术领域

本发明涉及通信技术领域，更具体地说，涉及一种基于离线指纹库的伪基站快速定位方法与系统。

背景技术

伪基站是通过仿真移动通信无线基站，采用大功率的无线信号发射器，强迫用户手机在仿真基站上进行登记，获取用户的IMSI、IMEI等信息。该系统原本是公安部门出于安全因素研制的一种监控仪器，自2013年以来我国多地出现大量利用伪基站技术拦截、冒用手机号码，窃取移动设备SIM信息，强行向不特定群体发送短信，大肆实施电信诈骗和非法广告推销等违法犯罪活动，给手机用户带来骚扰和损失，给移动通信系统也造成了有害干扰。

为了对违法使用伪基站的行为开展打击，首先需要对伪基站进行精确的定位。目前主流的对伪基站的侦测方法都是通过统计从伪基站重选到移动小区的频次找出附近有伪基站的移动小区，利用路测和网关统计数据等，或者利用MC口信令监测系统监测LAC号来进行伪基站的定位。这样的处理方法虽然能发现伪基站的大概位置，但是处理统计的时延比较长，定位范围不精确，难以有效的实时追捕伪基站。

采用传统的三点定位法，在高楼林立的密集城区(Dense Urban)定位无线伪基站，无线电信号易于被建筑等各种障碍物所阻挡，其次无线电信号遇到建筑物、车辆以及其他物体时会发生反射，造成多径效应，使得接收端难于筛选出有效信息完成精确的测量和计算准确的位置，导致较大的定位误差。

中国专利《伪基站定位方法、设备及信息上报方法、设备》(公开号CN103997757A)本发明公开了一种伪基站定位方法、设备及一种信息上报方法、设备，用以实现伪基站的定位。该方法获取至少一个用户设备上报的用于对伪基站进行定位的信息；根据至少一个多个用户设备UE上报的用于对伪基站进行定位的信息，对伪基站进行位。该专利所述的方法通过手机上报的定位信息精度较低，伪基站正常处于移动状态，导致该方法的效率和精度降低。

发明内容

本发明的目的在于克服现有技术的不足，提供一种定位误差小，硬件条件限制低，覆盖范围广，系统总精度高的基于离线指纹库的伪基站快速定位方法，以及一种基于离线指纹库的伪基站快速定位系统。

本发明的技术方案如下：

一种基于离线指纹库的伪基站快速定位方法，包括离线建档步骤、在线判断步骤；

离线建档步骤：根据待监测区域内各个参考点的位置信息与RSS定位特征信息的映射关系，构建位置-参考点特征指纹数据库；

在线判断步骤：对待监测区域内的RSS定位特征信息进行采样，比对位置-参考点特征指纹数据库，查找伪基站的位置信息。

作为优选，离线建档步骤中，在预设的参考点进行模拟伪基站工作，再将所有预设的参考点的位置信息与所有预设的参考点的RSS定位特征信息的进行映射关联。

作为优选，对待监测区域进行区分与量化，将待监测区域按预设的规则划分成多个子区域。

作为优选，通过设置终端监测点对待监测区域进行全覆盖，所有终端监测点形成拓扑网；而且每个参考点至少有三个终端监测点进行监测。

作为优选，将所有预设的参考点的位置信息与所有预设的参考点的RSS定位特征信息进行云处理，去除RSS定位特征信息中的冗余信息和噪声成分，对RSS定位特征信息进行定位特征提取，用RSS定位特征信息的定位特征进行定位。

作为优选，离线建档步骤中，对RSS定位特征信息进行多次重复采集，再通过高斯滤波处理得到平缓值RSSI。

作为优选，离线建档步骤中，对位置-参考点特征指纹数据库进行分级或聚类。

一种基于离线指纹库的伪基站快速定位系统，包括伪基站模块、指纹采集模块、云处理模块、指纹数据库模块；

离线建档步骤时，伪基站模块的输出和指纹采集模块的输入相连，指纹采集模块的输出和云处理模块的输入相连，云处理模块的输出与指纹数据库模块的输入相连；

伪基站模块用于模拟真实伪基站，以和真实伪基站相同的发射功率发射信息；

指纹采集模块包括多个终端测试点，用于接收伪基站模块发射的RSS定位特征信息，测量其RSS值，并将该RSS值实时反馈到云处理模块进行处理；

云处理模块在离线建档步骤中用于对指纹采集模块中的终端测试点进行度量和选择，并提取RSS定位特征信息的定位特征；

指纹数据库模块用于存储各个参考点的位置信息与RSS定位特征信息，构建位置-参考点特征指纹数据库；

在线判断步骤时，指纹采集模块的输出和云处理模块的输入相连，指纹数据库模块的输出与云处理模块的输入相连；

指纹采集模块用于实时接收真实伪基站发射的RSS定位特征信息，测量其RSS值，并将该RSS值实时反馈到云处理模块进行处理；

云处理模块在在线判断步骤中用于对指纹采集模块中的终端测试点进行度量和选择，提取RSS定位特征信息的定位特征，并将处理后的RSS定位特征信息的定位特征和位置-参考点特征指纹数据库进行比对，得到定位结果。

作为优选，离线建档步骤中，指纹数据库模块对位置-参考点特征指纹数据库进行分级或聚类。

作为优选，通过设置终端监测点对待监测区域进行全覆盖，所有终端监测点形成拓扑网；而且每个参考点至少有三个终端监测点进行监测。

本发明的有益效果如下：

本发明所述的方法分为离线建档步骤和在线判断步骤两个阶段，离线建档步骤首先对待监测区域进行地理位置的量化，形成一系列参考点，利用物理区域中的密集终端测试点对参考点进行离线的RSS(Recieved Signal Strength，接收信号强度)指纹采集，并构建位置-参考点特征指纹数据库。在线判断步骤以实时RSS向量为输入，通过定位算法比对指纹数据库，给出伪基站的定位结果。

相比现有伪基站定位方案，本发明所述的方法定位误差小，硬件条件限制低，覆盖范围广，系统总精度高，在实际中具有很高的应用价值。

附图说明

图1是本发明所述的装置在离线建档步骤中的原理框图；

图2是本发明所述的装置在在线判断步骤中的原理框图；

图3是对待监测区域进行量化的示意图；

图4是终端测试点在待监测区域内的布置示意图；

图5是位置-参考点特征指纹数据库的示意图。

具体实施方式

以下结合附图及实施例对本发明进行进一步的详细说明。

本发明提供一种基于离线指纹库的伪基站快速定位系统，包括伪基站模块、指纹采集模块、云处理模块、指纹数据库模块。

在离线建档步骤中，如图1所示，需要伪基站模块、指纹采集模块、云处理模块、指纹数据库模块，伪基站模块的输出和指纹采集模块的输入相连，指纹采集模块的输出和云处理模块的输入相连，云处理模块的输出与指纹数据库模块的输入相连。

伪基站模块，用于模拟真实作案场景中的真实伪基站，以和真实伪基站相同的发射功率发射信息。伪基站模块可由笔记本电脑、伪基站、全向玻璃钢天线、大容量蓄电池、交流逆变器等组成。

指纹采集模块包括多个终端测试点，用于接收伪基站模块发射的RSS定位特征信息，测量其RSS值，并将该RSS值实时反馈到云处理模块进行处理；终端测试点可以是具有测量RSS值功能的SIM卡。

云处理模块在离线建档步骤中用于对指纹采集模块中的终端测试点进行度量和选择，并提取RSS定位特征信息的定位特征；云处理模块可由一台拥有强大能量和计算资源的服务器实现，从而保证算法的实时性。

指纹数据库模块用于存储各个参考点的位置信息与RSS定位特征信息，构建位置-参考点特征指纹数据库；为了降低在线判断步骤的匹配复杂度，可以对位置-参考点特征指纹数据库进行有效的分级和聚类，缩小匹配空降。例如，可以以街道作为一级数据库，以蜂窝小区作为二级数据库。

在在线判断步骤中，如图2所示，需要指纹采集模块、云处理模块、指纹数据库模块。指纹采集模块的输出和云处理模块的输入相连，指纹数据库模块的输出与云处理模块的输入相连。最后，由云处理模块输出定位结果。

指纹采集模块负责实时接收真实作案场景中的真实伪基站发射的RSS定位特征信息，测量其RSS值，并将该RSS值实时反馈到云处理模块进行处理。

云处理模块在在线判断步骤中用于对指纹采集模块中的终端测试点进行度量和选择，提取RSS定位特征信息的定位特征，并将处理后的RSS定位特征信息的定位特征和位置-参考点特征指纹数据库进行比对，得到定位结果。

基于上述的伪基站快速定位系统，本发明对应地提供一种基于RSS离线指纹库的伪基站快速定位的方法，包括离线建档步骤、在线判断步骤；

离线建档步骤：根据待监测区域内各个参考点的位置信息与RSS定位特征信息的映射关系，构建位置-参考点特征指纹数据库；

在线判断步骤：对待监测区域内的RSS定位特征信息进行采样，比对位置-参考点特征指纹数据库，查找伪基站的位置信息。

具体如下：

1)离线建档步骤

1.1)如图3所示，根据实际地形环境、人口密集度等对待监测区域进行位置区分和量化，将待监测区域按照一定准则划分成多个更小的子区域。一般以子区域的中心点作为参考点(Reference Position，RP)，用以表示子区域。尽可能小的参考点采集间隔，可以保证RSS定位特征信息对物理位置空间刻画的精细度，提高定位精度，在实际实行过程中，可选取5米、10米、15米或者更大，作为量化采集间隔。

考虑到实际情况，将待监测区域分为伪基站移动盲区和伪基站热点区域等。定义人群相对密集和伪基站存在可能性比较大的地区为伪基站热点区域，而对于海洋、山区、湖泊、森林等人群稀少的地区为伪基站盲区。对于伪基站盲区，不需进行后续的量化步骤，而对于伪基站热点区域，则进行细致量化。

1.2)在待监测的区域布置指纹采集模块，指纹采集模块由众多终端测试点构成，具有信号强度测试功能，用于采集参考点上的RSS定位特征信息，测量其RSS值，并将该RSS值实时反馈到云处理模块进行处理。

终端测试点以一定准则分布在待监测区域中，形成一个拓扑网，一般布置在主要干道上。在布置过程中，需要将整个待监测区域适当的覆盖且保证不存在监测盲区，对边缘地段采用冗余方式进行布点。为保证定位的准确性，每个参考点上需有至少三个终端监测点监测到该参考点上伪基站模块发射的RSS定位特征信息。

对于终端监测点可采用三角形布点方法，如图4所示，假设伪基站模块发射的RSS定位特征信息的覆盖半径为500米，则以500米为基准进行布点，三角形的边长为伪基站的覆盖半径500米。以该种方法进行布点，可保证不管伪基站处于何种位置，都有至少三个终端测试点对其进行有效监测。

进一步，本实施例以厦门市为例实现区域全局覆盖：

厦门市的岛内面积：132.5平方公里

覆盖三角形的面积：0.10825平方公里

所需要的监测点的数目：3*132.5/0.10825＝3673个

除去重复和共用的测试点，共需1000个左右的终端测试点。

1.3)利用伪基站模块和指纹采集模块，对各参考点进行RSS定位特征信息采集，并将采集到的RSS定位特征信息连同参考点的位置信息反馈至云处理模块。

由于RSS定位特征信息受到室外环境的各种因素影响，可重复测量多次，假设每次测量是独立的，可以将RSS值看作是一种正态分布，可选通过高斯滤波处理可以得到一个比较平缓的平缓值RSSI，可以提高RSS定位特征信息的准确度，从而提高定位精度。

设测得RSS值为是均值为μ和标准差为σ的高斯分布，则

$\mathrm{\μ}=\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{RSS}}_i;$

$\mathrm{\σ}=\sqrt{\frac{1}{m-1}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{({\mathrm{RSS}}_i-\mathrm{\μ})}^2};$

其中，i表示重复测量的第i次，RSSi即为第i次测得的RSS值。m为重复测量的个数。高概率发生区选择概率f(x)大于0.6(经验值)的范围：

0.6≤f(x)≤1；

0.15σ+μ≤x≤3.09σ+μ；

将此范围内的RSS值全部取出，再求几何平均值，即可得到节点的RSS值。

1.4)云处理模块对指纹采集模块反馈的RSS定位特征信息进行处理，包括：

1.4.1)对指纹采集模块中的终端测试点进行选择。

并不是所有终端测试点采集到的RSS定位特征信息都有利于定位，某些终端测试点的RSS定位特征信息不确定性较大，所含定位信息较少，反而可能降低定位精度。再者，过多的终端测试点个数，将增加输入维数和定位算法计算复杂度。因此，需度量并选取最具判别能力的终端测试点，去除含有较大噪声的终端测试点。

进一步，本实施例以主成分分析算法PCA(Principal Component Analysis)为例选择终端测试点。对同一个终端测试点，采集RSS定位特征信息时，必定涉及多个RSS值X1，X2，…，Xn，它们之间具有很强的相关性，需要借助主成分分析算法PCA来概括诸多信息的主要方面，将许多相关性较高的变量构成的原始数据空间映射至不相关空间，提取个数较少、能解释大部分原始数据方差的、相互独立的新变量，将含有较小数据方差的变量方向当作噪声信息抛弃。最终选择出较好的终端测试点，互相独立地各代表某一RSS值强度变化性质，充分反映伪基站的影响。

1.4.2)对选择后的终端测试点的RSS定位特征信息进行特征提取。

对RSS定位特征信息进行特征提取，是为了去除RSS定位特征信息中包含的冗余信息和噪声成分，用RSS定位特征信息的定位特征进行定位，从而降低RSS定位特征信息的不确定性，提高定位精度。

具体方法可通过增加在线RSS样本采集时间、采用中值滤波器处理实时RSS样本、采用小波变换将RSS变换至频域，利用压缩感知去除冗余信息和噪声等。

1.5)将终端测试点的RSS定位特征信息和参考点的位置信息输入至指纹数据库模块，如图5所示，建立位置-参考点特征指纹数据库。

位置-参考点特征指纹数据库的大小取决于参考点的个数和每个参考点的RSS定位特征信息的定位特征个数。为了降低数据库的搜索复杂度，可在离线建档步骤建库时，对数据库进行分级或聚类。

2)在线判断步骤

指纹采集模块中的终端测试点将进行实时监测。在真实伪基站真实作案的情况下，云处理模块对指纹采集模块实时反馈的RSS定位特征信息进行定位特征提取，并通过指纹定位算法比对位置-参考点特征指纹数据库，获取位置信息，得到定位结果。

指纹定位算法有匹配型和学习型两种，例如神经网络法、核函数法、最大似然概率法、近邻法等。

进一步，本实施例以核函数算法为例，其步骤为：

(1)计算实时测量的RSS定位特征信息与位置-参考点特征指纹数据库中各个RSS定位特征信息的距离或者相似性；

(2)匹配计算得出距离最近或者相似性最高的若干个RSS定位特征信息；

(3)真实伪基站的定位结果由步骤(2)中的若干个RSS定位特征信息对应参考点的位置信息加权平均得出。

上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。

Claims (10)

1.一种基于离线指纹库的伪基站快速定位方法，其特征在于，包括离线建档步骤、在线判断步骤；

离线建档步骤：根据待监测区域内各个参考点的位置信息与RSS定位特征信息的映射关系，构建位置-参考点特征指纹数据库；

在线判断步骤：对待监测区域内的RSS定位特征信息进行采样，比对位置-参考点特征指纹数据库，查找伪基站的位置信息。

2.根据权利要求1所述的基于离线指纹库的伪基站快速定位方法，其特征在于，离线建档步骤中，在预设的参考点进行模拟伪基站工作，再将所有预设的参考点的位置信息与所有预设的参考点的RSS定位特征信息的进行映射关联。

3.根据权利要求2所述的基于离线指纹库的伪基站快速定位方法，其特征在于，对待监测区域进行区分与量化，将待监测区域按预设的规则划分成多个子区域。

4.根据权利要求3所述的基于离线指纹库的伪基站快速定位方法，其特征在于，通过设置终端监测点对待监测区域进行全覆盖，所有终端监测点形成拓扑网；而且每个参考点至少有三个终端监测点进行监测。

5.根据权利要求2所述的基于离线指纹库的伪基站快速定位方法，其特征在于，将所有预设的参考点的位置信息与所有预设的参考点的RSS定位特征信息进行云处理，去除RSS定位特征信息中的冗余信息和噪声成分，对RSS定位特征信息进行定位特征提取，用RSS定位特征信息的定位特征进行定位。

6.根据权利要求1所述的基于离线指纹库的伪基站快速定位方法，其特征在于，离线建档步骤中，对RSS定位特征信息进行多次重复采集，再通过高斯滤波处理得到平缓值RSSI。

7.根据权利要求1所述的基于离线指纹库的伪基站快速定位方法，其特征在于，离线建档步骤中，对位置-参考点特征指纹数据库进行分级或聚类。

8.一种基于离线指纹库的伪基站快速定位系统，其特征在于，包括伪基站模块、指纹采集模块、云处理模块、指纹数据库模块；

离线建档步骤时，伪基站模块的输出和指纹采集模块的输入相连，指纹采集模块的输出和云处理模块的输入相连，云处理模块的输出与指纹数据库模块的输入相连；

伪基站模块用于模拟真实伪基站，以和真实伪基站相同的发射功率发射信息；

指纹采集模块包括多个终端测试点，用于接收伪基站模块发射的RSS定位特征信息，测量其RSS值，并将该RSS值实时反馈到云处理模块进行处理；

云处理模块在离线建档步骤中用于对指纹采集模块中的终端测试点进行度量和选择，并提取RSS定位特征信息的定位特征；

指纹数据库模块用于存储各个参考点的位置信息与RSS定位特征信息，构建位置-参考点特征指纹数据库；

在线判断步骤时，指纹采集模块的输出和云处理模块的输入相连，指纹数据库模块的输出与云处理模块的输入相连；

指纹采集模块用于实时接收真实伪基站发射的RSS定位特征信息，测量其RSS值，并将该RSS值实时反馈到云处理模块进行处理；

云处理模块在在线判断步骤中用于对指纹采集模块中的终端测试点进行度量和选择，提取RSS定位特征信息的定位特征，并将处理后的RSS定位特征信息的定位特征和位置-参考点特征指纹数据库进行比对，得到定位结果。

9.根据权利要求8所述的基于离线指纹库的伪基站快速定位系统，其特征在于，离线建档步骤中，指纹数据库模块对位置-参考点特征指纹数据库进行分级或聚类。

10.根据权利要求8所述的基于离线指纹库的伪基站快速定位系统，其特征在于，通过设置终端监测点对待监测区域进行全覆盖，所有终端监测点形成拓扑网；而且每个参考点至少有三个终端监测点进行监测。