CN107027122A - 一种伪基站检测定位系统 - Google Patents
一种伪基站检测定位系统 Download PDFInfo
- Publication number
- CN107027122A CN107027122A CN201710388720.3A CN201710388720A CN107027122A CN 107027122 A CN107027122 A CN 107027122A CN 201710388720 A CN201710388720 A CN 201710388720A CN 107027122 A CN107027122 A CN 107027122A
- Authority
- CN
- China
- Prior art keywords
- base station
- pseudo
- mobile terminal
- module
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种伪基站检测定位系统,包括伪基站检测模块、伪基站定位模块和远程服务器,伪基站检测模块和伪基站定位模块运行于移动终端上,远程服务器通过无线网络与伪基站检测模块、伪基站定位模块进行通信;伪基站检测模块获取移动终端的信号强度、位置信息和基站信息,根据这些信息检测是否存在伪基站,伪基站检测模块向远程服务器发送检测结果和控制指令,远程服务器根据远程指令进行神经网络的训练或输出,获取伪基站与移动终端的距离数据并发送给伪基站定位模块,完成对伪基站的定位。本发明解决了传统伪基站检测方案成功率低、误报率高、操作困难、硬件复杂度高、无定位方法等问题。
Description
技术领域
本发明属于移动通信技术领域,特别涉及了一种伪基站检测定位系统。
背景技术
伪基站利用GSM网络(也就是通常说的2G网络)自身存在的一个安全机制的缺失——基站验证手机而手机并不会验证基站,来发送大量垃圾短信,给社会造成极大的危害。目前伪基站具有流动性高、强制性连接、短信发送高效、低投入高收益等特点。监管松懈和立法不全也使得这一技术在较长一段时间的发展中形成了一条较为健全的黑色产业链,由于刚性需求的存在,技术仍在进步,伪基站近来十分猖獗。
目前各国的伪基站防御方法,原理上可分为三大类:A.信号强度检测,伪基站设备要取代合法基站需要通过强信号的干扰,如果此时手机网络信号强度检测值异常增大的话,则判断为伪基站。B.通过对伪基站设备工作频率的搜索,确定伪基站设备工作的频率范围,一般在GSM900MHz频段的1-124载频工作。C.在伪基站工作频段内,分别选取高、中、低工作信道对其RF载波平均发射功率,RF载波发射功率时间包络、相位误差和平均频率误差等信息进行检测。其中A、B两种方案虽然是利用伪基站具有的性质,但是A方案十分容易误报,而对B方案,合法GSM基站同样具有这些性质,因此该方案并不适合用于检测伪基站。方案C虽然具有理论上的可行性,但是由于其操作复杂,检测难度大,因此并不适合适用于手机应用,且RF载波功率随移动终端与GSM基站距离成反比关系,仅依靠载波功率不足以检测伪基站。上述各方案各有侧重,在检测的有效性和准确性上也有一定的保证,但是都不具备定位功能,误报率也较高。
发明内容
为了解决上述背景技术提出的技术问题,本发明旨在提供一种伪基站检测定位系统,解决传统伪基站检测方案成功率低、误报率高、操作困难、硬件复杂度高、无定位方法等问题。
为了实现上述技术目的,本发明的技术方案为:
一种伪基站检测定位系统,包括伪基站检测模块、伪基站定位模块和远程服务器,伪基站检测模块和伪基站定位模块运行于移动终端上,远程服务器通过无线网络与伪基站检测模块、伪基站定位模块进行通信;所述伪基站检测模块获取移动终端的信号强度、位置信息和基站信息,根据这些信息检测是否存在伪基站,伪基站检测模块向远程服务器发送检测结果和控制指令,远程服务器根据远程指令进行神经网络的训练或输出,获取伪基站与移动终端的距离数据并发送给伪基站定位模块,完成对伪基站的定位。
进一步地,所述伪基站检测模块包括检测算法模块、控制模块和第一通信接口模块,检测算法模块实时获取移动终端的信号强度、位置信息和基站信息,采用基于单元平均选大准则的检测算法进行伪基站检测,以可视化方式显示当前移动终端是否处于伪基站攻击范围内,并将获取的信息和检测结果传送给控制模块,控制模块生成控制远程服务器神经网络训练或输出的控制指令,并调用第一通信接口模块将获取的信息、检测结果和控制指令发送给远程服务器。
进一步地,所述基于单元平均选大准则的检测方法的步骤如下:
(1)获取合法基站信息LAC、BSSS、cellID信息,获取移动终端信号强度ASU、GPS信息;
(2)根据合法基站LAC、cellID信息得到合法基站经纬度,根据移动终端GPS信息获取移动终端经纬度,计算合法基站与移动终端距离l:
l=R*arccos(siny1siny2+cosy1cosy2cos(x1-x2))
上式中,R为地球平均半径,(x1,y1)为合法基站经纬度,(x2,y2)为移动终端经纬度;
(3)根据合法基站BSSS信息和移动终端ASU信息得到合法基站到移动终端的信号强度衰减RSSI;计算当前信号衰减因子n:
上式中,PT为合法基站发射信号强度,PR为移动终端接收信号强度;
每过一个设定的时间间隔,将当前信号衰减因子n以及对应的移动终端经纬度、接收信号强度存入数据单元;
(4)设置保护单元数Gc、参考单元数Nc;
(5)对第j个数据单元进行检测,计算第到j-Gc单元的均值s1以及第到j+Gc单元的均值s2,如果第j个数据单元中的当前信号衰减因子nj>αmax(s1,s2),则认为该数据单元对应的时刻和位置存在伪基站,其中门限乘积因子pf为预设的虚警概率。
进一步地,所述远程服务器包括BP神经网络模块和服务器通信接口模块,伪基站检测模块发送当前获得的信息、检测结果和控制指令到服务器通信接口模块,服务器通信接口模块根据控制指令确定BP神经网络处于训练模式或输出模式,并将接收到的数据传送给BP神经网络模块,BP神经网络模块进行BP神经网络的训练或输出,若处于输出模式,将输出结果传送给服务器通信接口模块,服务器通信接口模块将输出结果发送给伪基站定位模块。
进一步地,所述BP神经网络的输入属性为当前移动终端信号强度和伪基站信息输出属性为移动终端与伪基站的距离以及真实信号衰减因子,如下式所示:
上式中,l为移动终端与伪基站的距离,Pr(l)为当前移动终端信号强度,Pt为伪基站发射信号强度,Gt为伪基站发射增益,Gr为移动终端接收增益,n′为真实信号衰减因子,λ为无线信号波长。
进一步地,当BP神经网络处于训练模式,以下式为目标不断优化BP神经网络的参数:
上式中,E为训练集的累积误差,m为训练样本个数,p为BP神经网络的输出神经元个数,分别为第k个训练样本对应的神经网络输出值和真实值。
进一步地,所述伪基站定位模块包括定位算法模块、人机交互模块和第二通信接口模块,第二通信接口模块接收神经网络的输出数据,人机交互模块引导用户移动到指定地点并获得当地信号强度,将当前所处节点、已到达节点、伪基站定位地点以可视化的方式显示在移动终端地图上,定位算法模块采用基于k近邻原则的三点质心定位算法对伪基站进行定位。
进一步地,所述基于k近邻原则的三点质心定位算法步骤如下:
(a)人机交互模块以可视化的形式引导用户前往指定节点并获得当地信号强度信息,判断当前节点是否仍处于伪基站攻击范围内,若是,则保存节点信息,直至获得3个属于伪基站攻击范围内的节点信息;
(b)当存在k个移动终端时,k≥2,则存在3k个节点信息,按节点与伪基站的距离大小升序排列3k个节点信息,依序以每3个节点信息为1组,分为k组;
(c)对k组数据分别进行三点质心定位,得到伪基站经纬度,设第i组经纬度坐标为(xi,yi),根据k近邻原则,得到伪基站的最终经纬度
采用上述技术方案带来的有益效果:
本发明针对传统伪基站防御系统硬件复杂度高、操作困难、成功率低、误报率高等问题,设计一种硬件复杂度低,操作简便、损耗低、便携易移动的伪基站检测定位系统,提高了伪基站检测定位的成功率、降低了误报率,同时便于操作、复杂度低。
附图说明
图1为本发明的系统结构示意图;
图2为本发明伪基站检测算法流程图;
图3为本发明BP神经网络结构图;
图4为本发明定位效果图;
图5为本发明伪基站定位算法流程图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
一种伪基站检测定位系统,如图1所示,包括伪基站检测模块、伪基站定位模块和远程服务器,伪基站检测模块和伪基站定位模块运行于移动终端上,远程服务器通过无线网络与伪基站检测模块、伪基站定位模块进行通信;所述伪基站检测模块获取移动终端的信号强度、位置信息和基站信息,根据这些信息检测是否存在伪基站,伪基站检测模块向远程服务器发送检测结果和控制指令,远程服务器根据远程指令进行神经网络的训练或输出,获取伪基站与移动终端的距离数据并发送给伪基站定位模块,完成对伪基站的定位。
如图1所示,伪基站检测模块包括检测算法模块、控制模块和第一通信接口模块,检测算法模块实时获取移动终端的信号强度、位置信息和基站信息,采用基于单元平均选大准则的检测算法进行伪基站检测,以可视化方式显示当前移动终端是否处于伪基站攻击范围内,并将获取的信息和检测结果传送给控制模块,控制模块生成控制远程服务器神经网络训练或输出的控制指令,并调用第一通信接口模块将获取的信息、检测结果和控制指令发送给远程服务器。
如图2所示,基于单元平均选大准则的检测方法的步骤如下:
(1)获取合法基站信息LAC、BSSS、cellID信息,获取移动终端信号强度ASU、GPS信息;
(2)根据合法基站LAC、cellID信息得到合法基站经纬度,根据移动终端GPS信息获取移动终端经纬度,计算合法基站与移动终端距离l:
l=R*arccos(siny1siny2+cosy1cosy2cos(x1-x2))
上式中,R为地球平均半径,(x1,y1)为合法基站经纬度,(x2,y2)为移动终端经纬度;
(3)根据合法基站BSSS信息和移动终端ASU信息得到合法基站到移动终端的信号强度衰减RSSI;计算当前信号衰减因子n:
上式中,PT为合法基站发射信号强度,PR为移动终端接收信号强度;
每隔0.5秒,将当前信号衰减因子n以及对应的移动终端经纬度、接收信号强度存入数据单元;
(4)设置保护单元数Gc=2、参考单元数Nc=32;
(5)对第j个数据单元进行检测,计算第j-17到j-2单元的均值s1以及第j+17到j+2单元的均值s2,如果第j个数据单元中的当前信号衰减因子nj>αmax(s1,s2),则认为该数据单元对应的时刻和位置存在伪基站,其中门限乘积因子pf为预设的虚警概率。若j<17,则计算所有参考单元内的均值。
如图1所示,远程服务器包括BP神经网络模块和服务器通信接口模块,伪基站检测模块发送当前获得的信息、检测结果和控制指令到服务器通信接口,服务器通信接口模块根据控制指令确定BP神经网络处于训练模式或输出模式,并将接收到的数据传送给BP神经网络模块,BP神经网络模块进行BP神经网络的训练或输出,若处于输出模式,将输出结果传送给服务器通信接口模块,服务器通信接口模块将输出结果发送给伪基站定位模块。
如图2所示,BP神经网络拥有d个输入神经元、p个输出神经元、q个隐层神经元,bh为隐层神经元的输出,隐层和输出层神经元都使用sigmoid函数,BP神经网络分为训练模式与输出模式,其中训练模式的训练集D={(x1,y1),(x2,y2),…,(xm,ym)},xi∈Rd,yi∈Rl。
BP神经网络的输入属性为当前移动终端信号强度和伪基站信息输出属性为移动终端与伪基站的距离以及真实信号衰减因子,如下式所示:
上式中,l为移动终端与伪基站的距离,Pr(l)为当前移动终端信号强度,Pt为伪基站发射信号强度,Gt为伪基站发射增益,Gr为移动终端接收增益,n′为真实信号衰减因子,λ为无线信号波长。
当BP神经网络处于训练模式,以下式为目标不断优化BP神经网络的参数:
上式中,E为训练集的累积误差,m为训练样本个数,p为BP神经网络的输出神经元个数,分别为第k个训练样本对应的神经网络输出值和真实值。
如图1所示,伪基站定位模块包括定位算法模块、人机交互模块和第二通信接口模块,第二通信接口模块接收神经网络的输出数据,人机交互模块引导用户移动到指定地点并获得当地信号强度,将当前所处节点、已到达节点、伪基站定位地点以可视化的方式显示在移动终端地图上,定位算法模块采用基于k近邻原则的三点质心定位算法对伪基站进行定位,定位效果如图4所示。
如图5所示,基于k近邻原则的三点质心定位算法步骤如下:
(a)人机交互模块以可视化的形式引导用户前往指定节点并获得当地信号强度信息,判断当前节点是否仍处于伪基站攻击范围内,若是,则保存节点信息,直至获得3个属于伪基站攻击范围内的节点信息;
(b)当存在k个移动终端时,k≥2,则存在3k个节点信息,按节点与伪基站的距离大小升序排列3k个节点信息,依序以每3个节点信息为1组,分为k组;
(c)对k组数据分别进行三点质心定位,得到伪基站经纬度,设第i组经纬度坐标为(xi,yi),根据k近邻原则,得到伪基站的最终经纬度
实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (8)
1.一种伪基站检测定位系统,其特征在于:包括伪基站检测模块、伪基站定位模块和远程服务器,伪基站检测模块和伪基站定位模块运行于移动终端上,远程服务器通过无线网络与伪基站检测模块、伪基站定位模块进行通信;所述伪基站检测模块获取移动终端的信号强度、位置信息和基站信息,根据这些信息检测是否存在伪基站,伪基站检测模块向远程服务器发送检测结果和控制指令,远程服务器根据远程指令进行神经网络的训练或输出,获取伪基站与移动终端的距离数据并发送给伪基站定位模块,完成对伪基站的定位。
2.根据权利要求1所述伪基站检测定位系统,其特征在于:所述伪基站检测模块包括检测算法模块、控制模块和第一通信接口模块,检测算法模块实时获取移动终端的信号强度、位置信息和基站信息,采用基于单元平均选大准则的检测算法进行伪基站检测,以可视化方式显示当前移动终端是否处于伪基站攻击范围内,并将获取的信息和检测结果传送给控制模块,控制模块生成控制远程服务器神经网络训练或输出的控制指令,并调用第一通信接口模块将获取的信息、检测结果和控制指令发送给远程服务器。
3.根据权利要求2所述伪基站检测定位系统,其特征在于:所述基于单元平均选大准则的检测方法的步骤如下:
(1)获取合法基站信息LAC、BSSS、cellID信息,获取移动终端信号强度ASU、GPS信息;
(2)根据合法基站LAC、cellID信息得到合法基站经纬度,根据移动终端GPS信息获取移动终端经纬度,计算合法基站与移动终端距离l:
l=R*arccos(siny1siny2+cosy1cosy2cos(x1-x2))
上式中,R为地球平均半径,(x1,y1)为合法基站经纬度,(x2,y2)为移动终端经纬度;
(3)根据合法基站BSSS信息和移动终端ASU信息得到合法基站到移动终端的信号强度衰减RSSI;计算当前信号衰减因子n:
上式中,PT为合法基站发射信号强度,PR为移动终端接收信号强度;
每过一个设定的时间间隔,将当前信号衰减因子n以及对应的移动终端经纬度、接收信号强度存入数据单元;
(4)设置保护单元数Gc、参考单元数Nc;
(5)对第j个数据单元进行检测,计算第到j-Gc单元的均值s1以及第到j+Gc单元的均值s2,如果第j个数据单元中的当前信号衰减因子nj>αmax(s1,s2),则认为该数据单元对应的时刻和位置存在伪基站,其中门限乘积因子pf为预设的虚警概率。
4.根据权利要求1所述伪基站检测定位系统,其特征在于:所述远程服务器包括BP神经网络模块和服务器通信接口模块,伪基站检测模块发送当前获得的信息、检测结果和控制指令到服务器通信接口模块,服务器通信接口模块根据控制指令确定BP神经网络处于训练模式或输出模式,并将接收到的数据传送给BP神经网络模块,BP神经网络模块进行BP神经网络的训练或输出,若处于输出模式,将输出结果传送给服务器通信接口模块,服务器通信接口模块将输出结果发送给伪基站定位模块。
5.根据权利要求4所述伪基站检测定位系统,其特征在于:所述BP神经网络的输入属性为当前移动终端信号强度和伪基站信息输出属性为移动终端与伪基站的距离以及真实信号衰减因子,如下式所示:
上式中,l为移动终端与伪基站的距离,Pr(l)为当前移动终端信号强度,Pt为伪基站发射信号强度,Gt为伪基站发射增益,Gr为移动终端接收增益,n′为真实信号衰减因子,λ为无线信号波长。
6.根据权利要求4所述伪基站检测定位系统,其特征在于:当BP神经网络处于训练模式,以下式为目标不断优化BP神经网络的参数:
上式中,E为训练集的累积误差,m为训练样本个数,p为BP神经网络的输出神经元个数,分别为第k个训练样本对应的神经网络输出值和真实值。
7.根据权利要求1所述伪基站检测定位系统,其特征在于:所述伪基站定位模块包括定位算法模块、人机交互模块和第二通信接口模块,第二通信接口模块接收神经网络的输出数据,人机交互模块引导用户移动到指定地点并获得当地信号强度,将当前所处节点、已到达节点、伪基站定位地点以可视化的方式显示在移动终端地图上,定位算法模块采用基于k近邻原则的三点质心定位算法对伪基站进行定位。
8.根据权利要求7所述伪基站检测定位系统,其特征在于,所述基于k近邻原则的三点质心定位算法步骤如下:
(a)人机交互模块以可视化的形式引导用户前往指定节点并获得当地信号强度信息,判断当前节点是否仍处于伪基站攻击范围内,若是,则保存节点信息,直至获得3个属于伪基站攻击范围内的节点信息;
(b)当存在k个移动终端时,k≥2,则存在3k个节点信息,按节点与伪基站的距离大小升序排列3k个节点信息,依序以每3个节点信息为1组,分为k组;
(c)对k组数据分别进行三点质心定位,得到伪基站经纬度,设第i组经纬度坐标为(xi,yi),根据k近邻原则,得到伪基站的最终经纬度
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710388720.3A CN107027122B (zh) | 2017-05-27 | 2017-05-27 | 一种伪基站检测定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710388720.3A CN107027122B (zh) | 2017-05-27 | 2017-05-27 | 一种伪基站检测定位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107027122A true CN107027122A (zh) | 2017-08-08 |
CN107027122B CN107027122B (zh) | 2019-12-10 |
Family
ID=59529997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710388720.3A Active CN107027122B (zh) | 2017-05-27 | 2017-05-27 | 一种伪基站检测定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107027122B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107786940A (zh) * | 2017-10-17 | 2018-03-09 | 奇酷互联网络科技(深圳)有限公司 | 基站判别方法、装置及移动终端 |
CN109474932A (zh) * | 2017-09-08 | 2019-03-15 | 华为技术有限公司 | 一种伪基站识别以及防御方法和终端 |
CN110177331A (zh) * | 2019-01-10 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 一种终端设备的定位、建立无线热点知识库的方法及装置 |
CN110459074A (zh) * | 2019-08-12 | 2019-11-15 | 东北大学 | 基于雷达和wifi的矿用卡车防碰撞预警系统及方法 |
CN110856177A (zh) * | 2019-10-29 | 2020-02-28 | 汉腾汽车有限公司 | 一种集成于智慧警务车的伪基站识别系统及其识别方法 |
CN111107552A (zh) * | 2018-10-25 | 2020-05-05 | 中国移动通信有限公司研究院 | 一种识别伪基站的方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104602241A (zh) * | 2014-12-25 | 2015-05-06 | 中国科学院信息工程研究所 | 伪基站的判定方法及移动终端 |
CN105228143A (zh) * | 2014-06-13 | 2016-01-06 | 中国移动通信集团公司 | 一种垃圾短信鉴别方法、装置和终端 |
CN105307119A (zh) * | 2015-09-23 | 2016-02-03 | 广东工业大学 | 一种基于rssi基站信号估计的伪基站定位方法 |
CN105992210A (zh) * | 2015-02-09 | 2016-10-05 | 中国移动通信集团湖北有限公司 | 移动伪基站定位方法、系统、定位设备及定位服务器 |
CN106231597A (zh) * | 2015-06-02 | 2016-12-14 | 中国科学院上海高等研究院 | 一种伪基站的定位方法和系统 |
-
2017
- 2017-05-27 CN CN201710388720.3A patent/CN107027122B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105228143A (zh) * | 2014-06-13 | 2016-01-06 | 中国移动通信集团公司 | 一种垃圾短信鉴别方法、装置和终端 |
CN104602241A (zh) * | 2014-12-25 | 2015-05-06 | 中国科学院信息工程研究所 | 伪基站的判定方法及移动终端 |
CN105992210A (zh) * | 2015-02-09 | 2016-10-05 | 中国移动通信集团湖北有限公司 | 移动伪基站定位方法、系统、定位设备及定位服务器 |
CN106231597A (zh) * | 2015-06-02 | 2016-12-14 | 中国科学院上海高等研究院 | 一种伪基站的定位方法和系统 |
CN105307119A (zh) * | 2015-09-23 | 2016-02-03 | 广东工业大学 | 一种基于rssi基站信号估计的伪基站定位方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109474932A (zh) * | 2017-09-08 | 2019-03-15 | 华为技术有限公司 | 一种伪基站识别以及防御方法和终端 |
CN107786940A (zh) * | 2017-10-17 | 2018-03-09 | 奇酷互联网络科技(深圳)有限公司 | 基站判别方法、装置及移动终端 |
CN107786940B (zh) * | 2017-10-17 | 2020-07-24 | 奇酷互联网络科技(深圳)有限公司 | 基站判别方法、装置及移动终端 |
CN111107552A (zh) * | 2018-10-25 | 2020-05-05 | 中国移动通信有限公司研究院 | 一种识别伪基站的方法及系统 |
CN110177331A (zh) * | 2019-01-10 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 一种终端设备的定位、建立无线热点知识库的方法及装置 |
CN110177331B (zh) * | 2019-01-10 | 2023-01-24 | 腾讯科技(深圳)有限公司 | 一种终端设备的定位、建立无线热点知识库的方法及装置 |
CN110459074A (zh) * | 2019-08-12 | 2019-11-15 | 东北大学 | 基于雷达和wifi的矿用卡车防碰撞预警系统及方法 |
CN110856177A (zh) * | 2019-10-29 | 2020-02-28 | 汉腾汽车有限公司 | 一种集成于智慧警务车的伪基站识别系统及其识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107027122B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107027122A (zh) | 一种伪基站检测定位系统 | |
CN101772156B (zh) | 一种无线局域网设备定位方法及装置 | |
CN103581831B (zh) | 基于WiFi以及移动终端的室内定位方法 | |
CN110035384A (zh) | 一种融合多传感器信号滤波优化的室内定位方法 | |
CN105578404A (zh) | 一种定位方法及相应的终端、系统 | |
CN106792808A (zh) | 一种基于信道状态信息的室内环境下视距路径识别方法 | |
CN109286946B (zh) | 基于无依托定位的移动通信室内无线网络优化方法和系统 | |
CN107360549A (zh) | 一种基于蓝牙5的室内定位导航方法 | |
CN105137390A (zh) | 一种基于可调发射功率ap的室内定位方法 | |
CN106646574A (zh) | 室内外无缝定位方法及定位系统 | |
CN106358155B (zh) | 一种射频指纹数据库的建立方法及装置 | |
CN103561463A (zh) | 一种基于样本聚类的rbf神经网络室内定位方法 | |
CN105228179B (zh) | 历史网络kpi数据集合生成、用户识别卡分配方法、装置及系统 | |
CN109490826A (zh) | 一种基于无线电波场强rssi的测距与位置定位方法 | |
CN103634060A (zh) | 一种实时无线电协同监测、检测与定位方法 | |
CN104640205A (zh) | 宏基站条件下利用场强和差分指纹的手机定位系统和方法 | |
CN108769910A (zh) | 一种WiFi定位的方法 | |
CN112135344B (zh) | 一种基于csi和dcnn的无设备目标定位方法 | |
CN105334493A (zh) | 一种基于wlan的室内定位方法 | |
CN106954187A (zh) | 一种基于异构网络的室内定位方法 | |
CN105611535A (zh) | 伪基站定位装置以及定位方法 | |
KR20190014907A (ko) | 액세스 포인트의 신호 세기를 이용하여 위치를 측정하는 장치 및 방법 | |
CN109889975A (zh) | 一种基于NB-IoT的终端指纹定位方法 | |
CN105158731B (zh) | 一种基于路测功率值的信源定位方法 | |
CN106707303A (zh) | 一种穿戴式设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |