CN108093361B - 一种基于网络信令数据分析的用户定位方法及系统 - Google Patents
一种基于网络信令数据分析的用户定位方法及系统 Download PDFInfo
- Publication number
- CN108093361B CN108093361B CN201711292428.8A CN201711292428A CN108093361B CN 108093361 B CN108093361 B CN 108093361B CN 201711292428 A CN201711292428 A CN 201711292428A CN 108093361 B CN108093361 B CN 108093361B
- Authority
- CN
- China
- Prior art keywords
- data
- area
- user
- positioning
- positioning data
- 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.)
- Active
Links
- 230000011664 signaling Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000007405 data analysis Methods 0.000 title claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 238000000638 solvent extraction Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 239000000758 substrate Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/04—Position of source determined by a plurality of spaced direction-finders
-
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于网络信令数据分析的用户定位方法及系统，属于数据分析与处理技术领域，其中，方法的实现包括：根据用户终端反馈的信令数据中的时间提前量和到达角对用户的位置进行粗定位得到粗定位数据；剔除粗定位数据中的重复位置数据得到初始目标定位数据；筛除初始目标定位数据中的异常数据得到目标定位数据；对地图进行分区，标定出第一区域和第二区域，第一区域表示用户可能到达的区域，第二区域表示用户无法到达的区域；将目标定位数据在所述地图上撒点，结合第一区域和第二区域确定用户的目标位置，与其他定位技术相比，本发明设计方法具有估计精度高，应用范围广的优点，同时本发明方法充分利用了运营商网络数据，节约了成本。
Description
技术领域
本发明属于运营商网络中用户终端信令数据分析与处理技术领域，更具体地，涉及一种基于网络信令数据分析的用户定位方法及系统。
背景技术
作为大数据的拥有者，数据资源已成为电信运营商的重要产业战略。然而，电信运营商拥有的数据主要由实时信令和流式数据构成，一般不是最终落地数据。因此，在运营商大数据应用实践过程中，对信令数据处理、分析的实时性需求越来越迫切。在实际数据分析中，为了更好的为用户提供高质量的移动通信服务，需要得到用户所在地点的通话质量数据信息。因此，网络用户的定位技术对于分析某一区域的用户通信质量具有决定性作用。
用户终端反馈的信息字段中，与终端位置相关的字段有时间提前量 (TimingAdvance，TA)和到达角(Angle Of Arrive，AOA)。而现有定位方法也都是围绕这两个字段来实现的。目前使用最多的三种技术是：基于 TA的定位，基于AOA的定位，以及基于AOA+TA的定位。基于TA的方法至少需要3个基站的数据。同时，由于分配的用户ID会因为用户的上线情况而发生改变，有可能出现相邻的两个基站没有相同ID的情况，造成无法定位。当TA值过大时，用户的定位位置会变成一个区域，无法精确到具体位置。而基于AOA方法由于是利用AOA字段信息，系统误差较大，尤其当某区域障碍物较多时，AOA数据变得极为不准。因此，利用AOA定位的精度较差。同时，与TA定位相似，AOA定位也需要多个基站的数据。利用TA+AOA信息进行定位只需要一个基站提供信令数据，是利用资源最少、最容易实现的定位方法。但是受到TA和AOA数据自身误差的影响，该方法无法保证定位精度。其次当使用TA+AOA信息定位时用户终端上报的信令数据存在冗余误差和测量误差，导致定位不准确。因此，需要采取有效的手段消除冗余误差和测量误差的影响。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于网络信令数据分析的用户定位方法及系统，由此解决现有采用基于TA的定位，基于AOA的定位以及基于AOA+TA的定位存在的定位精度较低的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种基于网络信令数据分析的用户定位方法，包括：
(1)根据用户终端反馈的信令数据中的时间提前量TA和到达角AOA 对用户的位置进行粗定位得到粗定位数据；
(2)剔除所述粗定位数据中的重复位置数据得到初始目标定位数据；
(3)筛除所述初始目标定位数据中的异常数据得到目标定位数据；
(4)对地图进行分区，标定出第一区域和第二区域，其中，所述第一区域表示用户可能到达的区域，所述第二区域表示用户无法到达的区域；
(5)将所述目标定位数据在所述地图上撒点，结合所述第一区域和所述第二区域确定用户的目标位置。
优选地，步骤(2)具体包括：
(2.1)对所述粗定位数据按时间进行排序；
(2.2)以排序后得到的第一组数据为起点，将在所述起点之后预设时间阈值内的所有位置数据与所述起点进行比较，并将与所述起点之间的距离小于预设距离阈值的位置数据作为重复定位数据；
(2.3)筛除所述重复定位数据得到初始目标定位数据。
优选地，步骤(3)具体包括：
(3.1)设所述初始目标定位数据中的所有数据点服从多元高斯分布，得到多元高斯变量的均值μ与协方差矩阵Σ；
(3.2)根据所述均值μ和所述协方差矩阵Σ得到概率模型p(x)，其中，
n表示所述初始目标定位数据中的数据个数；
(3.3)对于所述初始目标定位数据中的任意数据xnew，若p(xnew)＜ε，则xnew为异常数据，并将xnew筛除，其中，ε为预设概率阈值。
按照本发明的另一方面，提供了一种基于网络信令数据分析的用户定位系统，包括：
粗定位模块，用于根据用户终端反馈的信令数据中的时间提前量TA和到达角AOA对用户的位置进行粗定位得到粗定位数据；
第一筛选模块，用于剔除所述粗定位数据中的重复位置数据得到初始目标定位数据；
第二筛选模块，用于筛除所述初始目标定位数据中的异常数据得到目标定位数据；
地图分区模块，用于对地图进行分区，标定出第一区域和第二区域，其中，所述第一区域表示用户可能到达的区域，所述第二区域表示用户无法到达的区域；
位置确定模块，用于将所述目标定位数据在所述地图上撒点，结合所述第一区域和所述第二区域确定用户的目标位置。
优选地，所述第一筛选模块包括：
排序模块，用于对所述粗定位数据按时间进行排序；
距离比较模块，用于以排序后得到的第一组数据为起点，将在所述起点之后预设时间阈值内的所有位置数据与所述起点进行比较，并将与所述起点之间的距离小于预设距离阈值的位置数据作为重复定位数据；
第一筛选子模块，用于筛除所述重复定位数据得到初始目标定位数据。
优选地，所述第二筛选模块包括：
第一计算模块，用于设所述初始目标定位数据中的所有数据点服从多元高斯分布，得到多元高斯变量的均值μ与协方差矩阵Σ；
第二计算模块，用于根据所述均值μ和所述协方差矩阵Σ得到概率模型 p(x)，其中，
n表示所述初始目标定位数据中的数据个数；
第二筛选子模块，用于对于所述初始目标定位数据中的任意数据xnew，若p(xnew)＜ε，则xnew为异常数据，并将xnew筛除，其中，ε为预设概率阈值。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：本发明在使用TA+AOA信息进行粗定位的基础上，筛除用户终端上报的信令数据中的重复数据和异常数据来消除冗余误差和测量误差的影响从而提升定位精度，实现精细定位。与现有定位方法相比，本发明设计方法具有估计精度高，实现成本低，应用场景广泛的优点。
附图说明
图1为本发明实施例公开的一种基于网络信令数据分析的用户定位方法的流程示意图；
图2为本发明实施例提供的一种在对粗定位结果进行了重复数据筛除前后的对比图，其中，图2的 (a)表示用户粗定位结果，图2的 (b)表示用户粗定位路线，图2的 (c)表示筛选后用户移动轨迹；
图3为本发明实施例提供的一种在对进行了重复数据筛除结果进行了异常数据筛除前后的对比图，其中，图3的 (a)表示地图预处理以前的位置数据，图3的 (b)表示地图预处理以后的位置数据。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种基于网络信令数据分析的用户定位方法及系统，在使用TA+AOA信息进行粗定位的基础上，然后筛除用户终端上报的信令数据中的重复数据和异常数据来消除冗余误差和测量误差的影响从而提升定位精度，实现精细定位。
如图1所示为本发明实施例公开的一种基于网络信令数据分析的用户定位方法的流程示意图，在图1所示的方法中包括：
(1)根据用户终端反馈的信令数据中的时间提前量TA和到达角AOA 对用户的位置进行粗定位得到粗定位数据；
(2)剔除粗定位数据中的重复位置数据得到初始目标定位数据；
在一个可选的实施方式中，步骤(2)具体包括：
(2.1)对粗定位数据按时间进行排序；
(2.2)以排序后得到的第一组数据为起点，将在起点之后预设时间阈值内的所有位置数据与起点进行比较，并将与起点之间的距离小于预设距离阈值的位置数据作为重复定位数据；
(2.3)筛除重复定位数据得到初始目标定位数据。
在本发明实施例中，预设时间阈值可以根据实际需要确定，优选小于等于5秒，预设距离阈值可以根据实际需要确定，优选小于等于1米。
(3)筛除初始目标定位数据中的异常数据得到目标定位数据；
在一个可选的实施方式中，步骤(3)具体包括：
(3.1)设初始目标定位数据中的所有数据点服从多元高斯分布，得到多元高斯变量的均值μ与协方差矩阵Σ；
在本发明实施例中，可以通过机器学习方法得到多元高斯变量的均值μ与协方差矩阵Σ。
(3.2)根据均值μ和协方差矩阵Σ得到概率模型p(x)，其中，
n表示所述初始目标定位数据中的数据个数；
(3.3)对于初始目标定位数据中的任意数据xnew，若p(xnew)＜ε，则xnew为异常数据，并将xnew筛除，其中，ε为预设概率阈值。
在本发明实施例中，预设概率阈值ε可以通过学习经验数据获得。
(4)对地图进行分区，标定出第一区域和第二区域，其中，第一区域表示用户可能到达的区域，第二区域表示用户无法到达的区域；
在本发明实施例中，用户可能到达区域比如是正常的道路，日常生活和活动区域等；用户无法到达的区域比如是无人水域或是荒地等。
(5)将目标定位数据在地图上撒点，结合第一区域和第二区域确定用户的目标位置。
下面以一个具体实施例对本发明的基于网络信令数据分析的用户定位方法进行详细说明。
以地图中某一区域为例，根据该区域基站的信令数据确定某一用户的位置，具体包括以下步骤：
(1)根据用户终端反馈的信令数据中的时间提前量TA和到达角AOA 对用户的位置进行粗定位；
(2)对步骤(1)中得到的同一用户终端粗定位数据按时间进行排序；
(3)以排序后得到的第一组数据为起点，选取其后2s内的所有位置数据与之进行比较(一般情况下，2s内的软采数据量为1000组左右)。若出现与第一组相距小于0.5m的位置数据，则认为发生重复定位，将数据视为冗余并筛除；
(4)假设经过步骤(3)处理后的用户信令数据集{x1,x2,…,xm}中所有数据点服从多元高斯分布，通过机器学习方法得到多元高斯变量的均值μ与协方差矩阵Σ；
(5)根据μ和Σ建立概率模型
n表示所述初始目标定位数据中的数据个数；
(6)通过学习经验数据获得阈值ε；对于一个新的数据xnew，如果 p(xnew)＜ε，则认为xnew异常并将其筛除；
(7)对地图进行分区，标定用户可能到达的区域和用户无法到达的区域；经过步骤(6)处理后的位置数据地图上撒点，结合地图分区进一步筛选和排除不合理的用户定位，实现网络用户的高精度定位。
图2为本发明实施例在对粗定位结果进行了重复数据筛除前后的对比图；如图2所示，某用户去冗余后的位置信息如图2的 (a)所示，按时间顺序描绘该用户的移动轨迹如图2的 (b)所示。直观判断，这条移动轨迹存在明显异常。用异常数据判断步骤对这组数据进行筛除，筛选后的位置信息构成的用户轨迹如图2的 (c)所示。可见，异常筛除以后的用户路径更为合理。
图3为本发明实施例在对进行了重复数据筛除结果进行了异常数据筛除前后的对比图；如图3所示，根据用户位置信息在地图上撒点的结果如图3的 (a)所示。其中，阴影区域属于禁止进入的水域。由此判断位置数据不合理，进行筛除后的结果如图3的 (b)所示，由此可见经过筛除后的位置数据明显更为合理，进而使得用户的定位精度得以提升。
本发明另一方面还提供了一种基于网络信令数据分析的用户定位系统，包括：
粗定位模块，用于根据用户终端反馈的信令数据中的时间提前量TA和到达角AOA对用户的位置进行粗定位得到粗定位数据；
第一筛选模块，用于剔除粗定位数据中的重复位置数据得到初始目标定位数据；
第二筛选模块，用于筛除初始目标定位数据中的异常数据得到目标定位数据；
地图分区模块，用于对地图进行分区，标定出第一区域和第二区域，其中，第一区域表示用户可能到达的区域，第二区域表示用户无法到达的区域；
位置确定模块，用于将目标定位数据在地图上撒点，结合第一区域和第二区域确定用户的目标位置。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于网络信令数据分析的用户定位方法，其特征在于，包括：
(1)根据用户终端反馈的信令数据中的时间提前量TA和到达角AOA对用户的位置进行粗定位得到粗定位数据；
(2)剔除所述粗定位数据中的重复位置数据得到初始目标定位数据；
(3)筛除所述初始目标定位数据中的异常数据得到目标定位数据；
(4)对地图进行分区，标定出第一区域和第二区域，其中，所述第一区域表示用户可能到达的区域，所述第二区域表示用户无法到达的区域；
(5)将所述目标定位数据在所述地图上撒点，结合所述第一区域和所述第二区域确定用户的目标位置；
步骤(2)具体包括：
(2.1)对所述粗定位数据按时间进行排序；
(2.2)以排序后得到的第一组数据为起点，将在所述起点之后预设时间阈值内的所有位置数据与所述起点进行比较，并将与所述起点之间的距离小于预设距离阈值的位置数据作为重复定位数据；
(2.3)筛除所述重复定位数据得到初始目标定位数据；
步骤(3)具体包括：
(3.1)设所述初始目标定位数据中的所有数据点服从多元高斯分布，得到多元高斯变量的均值μ与协方差矩阵Σ；
(3.2)根据所述均值μ和所述协方差矩阵Σ得到概率模型p(x)，其中，
n表示所述初始目标定位数据中的数据个数；
(3.3)对于所述初始目标定位数据中的任意数据xnew，若p(xnew)＜ε，则xnew为异常数据，并将xnew筛除，其中，ε为预设概率阈值。
2.一种基于网络信令数据分析的用户定位系统，其特征在于，包括：
粗定位模块，用于根据用户终端反馈的信令数据中的时间提前量TA和到达角AOA对用户的位置进行粗定位得到粗定位数据；
第一筛选模块，用于剔除所述粗定位数据中的重复位置数据得到初始目标定位数据；
第二筛选模块，用于筛除所述初始目标定位数据中的异常数据得到目标定位数据；
地图分区模块，用于对地图进行分区，标定出第一区域和第二区域，其中，所述第一区域表示用户可能到达的区域，所述第二区域表示用户无法到达的区域；
位置确定模块，用于将所述目标定位数据在所述地图上撒点，结合所述第一区域和所述第二区域确定用户的目标位置；
所述第一筛选模块包括：
排序模块，用于对所述粗定位数据按时间进行排序；
距离比较模块，用于以排序后得到的第一组数据为起点，将在所述起点之后预设时间阈值内的所有位置数据与所述起点进行比较，并将与所述起点之间的距离小于预设距离阈值的位置数据作为重复定位数据；
第一筛选子模块，用于筛除所述重复定位数据得到初始目标定位数据；
所述第二筛选模块包括：
第一计算模块，用于设所述初始目标定位数据中的所有数据点服从多元高斯分布，得到多元高斯变量的均值μ与协方差矩阵Σ；
第二计算模块，用于根据所述均值μ和所述协方差矩阵Σ得到概率模型p(x)，其中，
n表示所述初始目标定位数据中的数据个数；
第二筛选子模块，用于对于所述初始目标定位数据中的任意数据xnew，若p(xnew)＜ε，则xnew为异常数据，并将xnew筛除，其中，ε为预设概率阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711292428.8A CN108093361B (zh) | 2017-12-08 | 2017-12-08 | 一种基于网络信令数据分析的用户定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711292428.8A CN108093361B (zh) | 2017-12-08 | 2017-12-08 | 一种基于网络信令数据分析的用户定位方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108093361A CN108093361A (zh) | 2018-05-29 |
| CN108093361B true CN108093361B (zh) | 2020-05-19 |
Family
ID=62174402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711292428.8A Active CN108093361B (zh) | 2017-12-08 | 2017-12-08 | 一种基于网络信令数据分析的用户定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108093361B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11071047B2 (en) | 2018-06-22 | 2021-07-20 | Huawei Technologies Co., Ltd. | Systems and methods for reduced network signalling based on mapping |
| CN111428135A (zh) * | 2020-03-20 | 2020-07-17 | 重庆港力环保股份有限公司 | 一种基于高斯模型的环保异常数据粗筛方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103152695A (zh) * | 2013-02-04 | 2013-06-12 | 太原理工大学 | 基于td-scdma系统的井下人员精确定位方法 |
| CN104952248A (zh) * | 2015-06-08 | 2015-09-30 | 浙江大学 | 一种基于欧氏空间的车辆汇聚预测方法 |
| CN106781478A (zh) * | 2016-12-23 | 2017-05-31 | 大连理工大学 | 一种基于lte信令数据的轨迹跟踪方法 |
| CN107277765A (zh) * | 2017-05-12 | 2017-10-20 | 西南交通大学 | 一种基于聚类离群分析的手机信令轨迹预处理方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9453904B2 (en) * | 2013-07-18 | 2016-09-27 | Golba Llc | Hybrid multi-camera based positioning |
| KR102034527B1 (ko) * | 2014-02-11 | 2019-10-21 | 한국전자통신연구원 | 와이-파이 위치와 센서정보 결합을 통한 단말 위치 필터링 시스템 및 그 방법 |
-
2017
- 2017-12-08 CN CN201711292428.8A patent/CN108093361B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103152695A (zh) * | 2013-02-04 | 2013-06-12 | 太原理工大学 | 基于td-scdma系统的井下人员精确定位方法 |
| CN104952248A (zh) * | 2015-06-08 | 2015-09-30 | 浙江大学 | 一种基于欧氏空间的车辆汇聚预测方法 |
| CN106781478A (zh) * | 2016-12-23 | 2017-05-31 | 大连理工大学 | 一种基于lte信令数据的轨迹跟踪方法 |
| CN107277765A (zh) * | 2017-05-12 | 2017-10-20 | 西南交通大学 | 一种基于聚类离群分析的手机信令轨迹预处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 移动终端定位的关键算法研究;李翠霞;《中国博士学位论文全文数据库》;20160115;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108093361A (zh) | 2018-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE60025978T2 (de) | Vorrichtung und Verfahren für die geostatische Analyse der Ausbreitung eines Funksignals | |
| CN108243421B (zh) | 伪基站识别方法及系统 | |
| CN106878951A (zh) | 用户轨迹分析方法及系统 | |
| CN109714712B (zh) | 一种基于属性匹配的数据落点到栅格的方法及装置 | |
| CN112506972B (zh) | 用户常驻区域定位方法、装置、电子设备以及存储介质 | |
| CN108093361B (zh) | 一种基于网络信令数据分析的用户定位方法及系统 | |
| CN108271157B (zh) | 一种伪基站识别方法及装置 | |
| CN105990170A (zh) | 晶圆良率分析方法和装置 | |
| CN114374449A (zh) | 一种干扰源确定方法、装置、设备及介质 | |
| CN108055639B (zh) | 一种基于信令数据分析的人流密度预测方法及系统 | |
| CN108562893B (zh) | 一种外辐射源雷达多站混合跟踪方法 | |
| Axer et al. | Signal timing estimation based on low frequency floating car data | |
| CN105792211B (zh) | 一种伪基站识别方法及装置 | |
| CN116540185A (zh) | 一种基于密度聚类的分选识别方法 | |
| CN115563574A (zh) | 一种基于综合判据的多传感器空中目标点迹数据融合方法 | |
| CN110933601B (zh) | 目标区域确定方法、装置、设备和介质 | |
| CN109769216B (zh) | 一种基于手机信号在复杂环境中将用户分群的方法及装置 | |
| CN113395655A (zh) | 指纹定位方法、装置、设备及存储介质 | |
| CN107979818B (zh) | 一种无线指纹库初始数据的处理方法 | |
| CN111787490A (zh) | 伪基站轨迹识别方法、装置、设备和存储介质 | |
| WO2021123923A1 (en) | Swapped section detection and azimuth prediction | |
| CN107396385B (zh) | 移动网络质量检测方法和装置 | |
| CN111669699B (zh) | 基于移动网络的定位方法、计算机设备以及存储介质 | |
| CN106851669B (zh) | 一种无线站点价值评估方法及系统 | |
| CN105577739B (zh) | 一种切换路网信息生成方法和服务器 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231101 Address after: No. 1, Intersection of Xinhui Road and Jiefang North Road, Xicheng Science and Technology Park, Jieshou New District, Fuyang City, Anhui Province, 236502 Patentee after: Anhui Shiyuan Intelligent Technology Co.,Ltd. Address before: 430074 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 1037 Patentee before: HUAZHONG University OF SCIENCE AND TECHNOLOGY |
|
| TR01 | Transfer of patent right |