CN108495364B - 移动终端的定位方法及装置 - Google Patents
移动终端的定位方法及装置 Download PDFInfo
- Publication number
- CN108495364B CN108495364B CN201810135803.6A CN201810135803A CN108495364B CN 108495364 B CN108495364 B CN 108495364B CN 201810135803 A CN201810135803 A CN 201810135803A CN 108495364 B CN108495364 B CN 108495364B
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- position information
- positioning
- data
- moment
- 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
Images
Classifications
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种移动终端的定位方法及装置。该方法包括:将待定位移动终端在当前时刻的测量报告参数和工作参数输入至第一定位模型,得到所述待定位移动终端在所述当前时刻的初步位置信息,将所述待定位移动终端在所述当前时刻的场景数据和所述初步位置信息,以及在所述当前时刻的上一时刻的最终位置信息输入至第二定位模型,得到所述待定位移动终端在所述当前时刻的最终位置信息。本发明通过依次采用两个不同的定位模型获取待定位移动终端当前时刻的最终位置信息,且模型的输入参数较全面的包含了与定位相关的信息,从而能够满足定位精度需求。此外,本发明提出的移动终端的定位方法可以软件的形式内置于移动终端内长时间持续提供定位服务。
Description
技术领域
本发明涉及移动定位技术领域,更具体地,涉及一种移动终端的定位方法及装置。
背景技术
随着国民经济的不断提高,人们出行频率越来越高、活动范围越来越大。同时,随着移动互联网技术的日臻成熟,智能移动通信设备不断普及,人们通常选择使用智能移动通信设备获取当前位置以进行路线规划或位置确认等,这使得位置服务业务成为迅猛增长的增值业务。移动定位的预测精度优化也成为了位置服务提供商的核心竞争力。此外,移动定位位置服务可以为公共管理、商业服务以及科学研究提供有价值的参考数据。
传统移动定位预测技术中,基于基站的定位、基于方向角的定位、基于场强的定位等都仅从一个方面利用部分数据进行移动定位预测,且定位机制对人为经验依赖较多,导致定位精度较低;基于辅助全球卫星定位系统(Assisted Global Positioning System,AGPS)定位技术定位精度较高,但限于定位开机周期较短,定位服务持续时长较短,无法长时间持续使用。即传统移动定位预测技术无法同时兼顾定位精度和持续服务时长。
发明内容
本发明提供一种移动终端的定位方法及装置,以克服传统移动定位预测技术无法同时兼顾定位精度和持续服务时长的问题。
根据本发明的第一方面,提供一种移动终端的定位方法,包括:步骤1,将待定位移动终端在当前时刻的测量报告参数和工作参数输入至第一定位模型,得到所述待定位移动终端在所述当前时刻的初步位置信息;步骤2,将所述待定位移动终端在所述当前时刻的场景数据和所述初步位置信息,以及在所述当前时刻的上一时刻的最终位置信息输入至第二定位模型,得到所述待定位移动终端在所述当前时刻的最终位置信息。
其中,所述步骤1之前还包括:以样本移动终端在不同历史时刻的测量报告参数和工作参数作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第一深度学习网络进行训练,获得第一定位模型。
其中,所述步骤2之前还包括:以所述样本移动终端在所述不同历史时刻的场景数据和初步位置信息,以及在每一所述历史时刻的上一时刻的最终位置信息作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第二深度学习网络进行训练,获得第二定位模型。
其中,所述测量报告参数包括:当前小区的数据、与所述当前小区相邻小区的数据、电平强度、电平质量和发射功率中的一种或多种。
其中,所述工作参数包括:频带、频点、带宽和发射功率中的一种或多种。
其中,所述场景数据包括:角度数据、速度数据和距离数据。
根据本发明的第二方面,提供一种移动终端的定位装置,包括:第一定位模块和第二定位模块;所述第一定位模块,用于将将待定位移动终端在当前时刻的测量报告参数和工作参数输入至第一定位模型,得到所述待定位移动终端在所述当前时刻的初步位置信息;所述第二定位模块,用于将所述待定位移动终端在所述当前时刻的场景数据和所述初步位置信息,以及在所述当前时刻的上一时刻的最终位置信息输入至第二定位模型,得到所述待定位移动终端在所述当前时刻的最终位置信息。
根据本发明的第三方面,提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行如上所述的方法。
根据本发明的第四方面,提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如上所述的方法。
本发明提出的移动终端的定位方法及装置,通过依次采用两个不同的定位模型获取待定位移动终端当前时刻的最终位置信息,使得得到的待定位移动终端当前时刻的最终位置信息能够满足定位精度需求,此外,将待定位移动终端当前时刻的测量报告参数、工作参数、场景数据和初步位置信息,以及当前时刻的上一时刻的最终位置信息均用于移动终端的定位,使得用于定位的数据较全面,进一步保证了定位精度。同时,本发明提出的移动终端的定位方法可以软件的形式内置于移动终端内长时间持续提供定位服务。
附图说明
图1为根据本发明实施例的一种移动终端的定位方法流程图;
图2为根据本发明实施例的一种移动终端的定位装置示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,根据本发明的第一方面,提供一种移动终端的定位方法,包括:101,将待定位移动终端在当前时刻的测量报告参数和工作参数输入至第一定位模型,得到所述待定位移动终端在所述当前时刻的初步位置信息;102,将所述待定位移动终端在所述当前时刻的场景数据和所述初步位置信息,以及在所述当前时刻的上一时刻的最终位置信息输入至第二定位模型,得到所述待定位移动终端在所述当前时刻的最终位置信息。
在本实施例中,待定位移动终端为可与基站进行通信的设备,如,手机或内置有SIM卡的电子设备。测量报告参数和工作参数可由参数采集设备从基站处定时采集。测量报告参数包括:当前小区的数据、与所述当前小区相邻小区的数据、电平强度、电平质量和发射功率中的一种或多种,优选的,测量报告参数包括当前小区的数据、与所述当前小区相邻小区的数据、电平强度、电平质量和发射功率。其中,与当前小区相邻小区的数目优选为三个。在实际情况下,由于各种原因,各小区上报给基站的数据的完整度和质量不同,为了保证定位的准确度,测量报告参数中采用与当前小区相邻且数据完整度和质量最好的三个小区的数据。若各小区的数据完整度及数据质量相同,随机选择三个小区。测量报告参数体现了待定位移动终端的大致方位。工作参数包括:频带、频点、带宽和发射功率中的一种或多种,优选的,工作参数包括频带、频点、带宽和发射功率。
第一定位模型是以样本移动终端在不同历史时刻的测量报告参数和工作参数作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第一深度学习网络进行训练而得。实际位置信息可通过AGPS数据获取。第一深度学习网络可以为在深度学习领域内根据实际效果选择的合适的网络,如,深度全连接网络(DeepFully Connected Neural Network)、深度残差网络(Deep Residuals Network)或长短期记忆神经网络(Long-Short Term Memory Neural Network)。优选地,采用深度残差网络。由于采用了在不同历史时刻的测量报告参数、工作参数和在每一历史时刻的实际位置信息对第一深度学习网络进行训练,得到的第一定位模型可较好的根据待定位移动终端当前时刻的测量报告参数和工作参数,计算出待定位移动终端当前时刻的初步位置信息。
若采用本方法进行待定位移动终端定位的第一时刻为当前时刻,则令当前时刻的上一时刻的最终位置信息缺省;若采用本方法进行待定位移动终端定位的第一时刻不是当前时刻,当前时刻的上一时刻的最终位置信息为由在当前时刻的上一时刻采用本方法进行移动终端定位时,第二定位模型计算得到的最终位置信息。当前场景数据包括:角度数据、速度数据和距离数据。其中,以在当前时刻与待定位移动终端通信的基站为原点,正东方向为x轴,角度数据为待定位移动终端与原点形成的连线和x轴之间的夹角。速度数据为上一时刻与当前时刻构成的单位时间内待定位移动终端远离当前与其通信的基站的速度。距离数据为当前时刻定位移动终端和与其通信的基站的距离。
第二定位模型是以所述样本移动终端在所述不同历史时刻的场景数据和初步位置信息,以及在每一所述历史时刻的上一时刻的最终位置信息作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第二深度学习网络进行训练而得。第二深度学习网络可以为在深度学习领域内根据实际效果选择的合适的网络,如,深度全连接网络(Deep Fully Connected Neural Network)、深度残差网络(DeepResiduals Network)或长短期记忆神经网络(Long-Short Term Memory NeuralNetwork)。优选地,采用深度残差网络。由于采用了在所述不同历史时刻的场景数据和初步位置信息、在每一所述历史时刻的上一时刻的最终位置信息以及在所述不同历史时刻的实际位置信息对第二深度学习网络进行训练,得到的第二定位模型可根据样本移动终端在当前时刻的场景数据和初步位置信息,以及在当前时刻的上一时刻的最终位置信息,计算出待定位移动终端当前时刻的最终位置信息。由于最终位置信息是在初步位置信息的基础上再次运用模型获得,因此比初步位置信息更准确,可满足定位精度需求。
本发明提出的移动终端的定位方法,通过依次采用两个不同的定位模型获取待定位移动终端当前时刻的最终位置信息,使得得到的待定位移动终端当前时刻的最终位置信息能够满足定位精度需求,此外,将待定位移动终端当前时刻的测量报告参数、工作参数、场景数据和初步位置信息,以及当前时刻的上一时刻的最终位置信息均用于移动终端的定位,使得用于定位的数据较全面,进一步保证了定位精度。同时,本发明提出的移动终端的定位方法可以软件的形式内置于移动终端内长时间持续提供定位服务。
如图2所示,根据本发明的第二方面,提供一种移动终端的定位装置,包括:第一定位模块201和第二定位模块202;所述第一定位模块201,用于将待定位移动终端在当前时刻的测量报告参数和工作参数输入至第一定位模型,得到所述待定位移动终端在所述当前时刻的初步位置信息;所述第二定位模块202,用于将所述待定位移动终端在所述当前时刻的场景数据和所述初步位置信息,以及在所述当前时刻的上一时刻的最终位置信息输入至第二定位模型,得到所述待定位移动终端在所述当前时刻的最终位置信息。
本发明提出的移动终端的定位装置,通过第一定位模块和第二定位模块,依次采用两个不同的定位模型获取待定位移动终端当前时刻的最终位置信息,使得得到的待定位移动终端当前时刻的最终位置信息能够满足定位精度需求,此外,将待定位移动终端当前时刻的测量报告参数、工作参数、场景数据和初步位置信息,以及当前时刻的上一时刻的最终位置信息均用于移动终端的定位,使得用于定位的数据较全面,进一步保证了定位精度。同时,本发明提出的移动终端的定位方法可以软件的形式内置于移动终端内长时间持续提供定位服务。
作为一种可选实施例,所述装置还包括:第一训练模块,用于以样本移动终端在不同历史时刻的测量报告参数和工作参数作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第一深度学习网络进行训练,获得第一定位模型。
作为一种可选实施例,所述装置还包括:第二训练模块,用于以所述样本移动终端在所述不同历史时刻的场景数据和初步位置信息,以及在每一所述历史时刻的上一时刻的最终位置信息作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第二深度学习网络进行训练,获得第二定位模型。
本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:步骤1,将待定位移动终端在当前时刻的测量报告参数和工作参数输入至第一定位模型,得到所述待定位移动终端在所述当前时刻的初步位置信息;步骤2,将所述待定位移动终端在所述当前时刻的场景数据和所述初步位置信息,以及在所述当前时刻的上一时刻的最终位置信息输入至第二定位模型,得到所述待定位移动终端在所述当前时刻的最终位置信息。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:步骤1,将待定位移动终端在当前时刻的测量报告参数和工作参数输入至第一定位模型,得到所述待定位移动终端在所述当前时刻的初步位置信息;步骤2,将所述待定位移动终端在所述当前时刻的场景数据和所述初步位置信息,以及在所述当前时刻的上一时刻的最终位置信息输入至第二定位模型,得到所述待定位移动终端在所述当前时刻的最终位置信息。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种移动终端的定位方法,其特征在于,包括:
步骤1,将待定位移动终端在当前时刻的测量报告参数和工作参数输入至第一定位模型,得到所述待定位移动终端在所述当前时刻的初步位置信息;
步骤2,将所述待定位移动终端在所述当前时刻的场景数据和所述初步位置信息,以及在所述当前时刻的上一时刻的最终位置信息输入至第二定位模型,得到所述待定位移动终端在所述当前时刻的最终位置信息;
其中,所述步骤1之前还包括:以样本移动终端在不同历史时刻的测量报告参数和工作参数作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第一深度学习网络进行训练,获得第一定位模型;
其中,所述步骤2之前还包括:以所述样本移动终端在所述不同历史时刻的场景数据和初步位置信息,以及在每一所述历史时刻的上一时刻的最终位置信息作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第二深度学习网络进行训练,获得第二定位模型。
2.根据权利要求1所述的方法,其特征在于,所述测量报告参数包括:当前小区的数据、与所述当前小区相邻小区的数据、电平强度、电平质量和发射功率中的一种或多种。
3.根据权利要求1所述的方法,其特征在于,所述工作参数包括:频带、频点、带宽和发射功率中的一种或多种。
4.根据权利要求1所述的方法,其特征在于,所述场景数据包括:角度数据、速度数据和距离数据。
5.一种移动终端的定位装置,其特征在于,包括:第一定位模块和第二定位模块;
所述第一定位模块,用于将待定位移动终端在当前时刻的测量报告参数和工作参数输入至第一定位模型,得到所述待定位移动终端在所述当前时刻的初步位置信息;
所述第二定位模块,用于将所述待定位移动终端在所述当前时刻的场景数据和所述初步位置信息,以及在所述当前时刻的上一时刻的最终位置信息输入至第二定位模型,得到所述待定位移动终端在所述当前时刻的最终位置信息;
其中,所述定位装置还包括:第一训练模块,用于以样本移动终端在不同历史时刻的测量报告参数和工作参数作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第一深度学习网络进行训练,获得第一定位模型;
其中,所述定位装置还包括:第二训练模块,用于以所述样本移动终端在所述不同历史时刻的场景数据和初步位置信息,以及在每一所述历史时刻的上一时刻的最终位置信息作为特征数据,以所述样本移动终端在所述不同历史时刻的实际位置信息作为标签数据,对第二深度学习网络进行训练,获得第二定位模型。
6.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810135803.6A CN108495364B (zh) | 2018-02-09 | 2018-02-09 | 移动终端的定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810135803.6A CN108495364B (zh) | 2018-02-09 | 2018-02-09 | 移动终端的定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108495364A CN108495364A (zh) | 2018-09-04 |
CN108495364B true CN108495364B (zh) | 2020-07-07 |
Family
ID=63340327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810135803.6A Active CN108495364B (zh) | 2018-02-09 | 2018-02-09 | 移动终端的定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108495364B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109379698B (zh) * | 2018-11-06 | 2020-08-04 | 深圳天源迪科信息技术股份有限公司 | 基于信道模型特征提取的小区测量报告定位方法及系统 |
CN111867049B (zh) * | 2019-04-25 | 2021-11-19 | 华为技术服务有限公司 | 定位方法、装置及存储介质 |
CN113449207A (zh) * | 2020-03-24 | 2021-09-28 | 华为技术有限公司 | 电子设备定位的方法、装置、服务器、系统以及存储介质 |
CN111859177A (zh) * | 2020-04-10 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种定位方法和系统 |
CN116847456A (zh) * | 2022-03-25 | 2023-10-03 | 维沃移动通信有限公司 | 定位方法、装置、终端及网络侧设备 |
WO2023201549A1 (zh) * | 2022-04-19 | 2023-10-26 | Oppo广东移动通信有限公司 | 定位方法、模型生成方法及设备 |
CN115802282A (zh) * | 2022-12-16 | 2023-03-14 | 兰笺(苏州)科技有限公司 | 无线信号场的协同定位方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231910A (zh) * | 2011-06-24 | 2011-11-02 | 哈尔滨工业大学 | 无线传感器网络中基于粒子束优化的支持向量机的定位方法 |
CN104469932A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种基于支持向量机的位置指纹定位方法 |
CN104469676A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种移动终端的定位方法及系统 |
CN107219500A (zh) * | 2017-06-01 | 2017-09-29 | 成都希盟泰克科技发展有限公司 | 基于wifi位置指纹数据的室内快速综合定位方法 |
CN107333232A (zh) * | 2016-04-29 | 2017-11-07 | 华为技术有限公司 | 一种终端定位方法及网络设备 |
CN109151890A (zh) * | 2017-06-19 | 2019-01-04 | 中国移动通信集团浙江有限公司 | 一种移动终端定位方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170286838A1 (en) * | 2016-03-29 | 2017-10-05 | International Business Machines Corporation | Predicting solar power generation using semi-supervised learning |
-
2018
- 2018-02-09 CN CN201810135803.6A patent/CN108495364B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231910A (zh) * | 2011-06-24 | 2011-11-02 | 哈尔滨工业大学 | 无线传感器网络中基于粒子束优化的支持向量机的定位方法 |
CN104469932A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种基于支持向量机的位置指纹定位方法 |
CN104469676A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种移动终端的定位方法及系统 |
CN107333232A (zh) * | 2016-04-29 | 2017-11-07 | 华为技术有限公司 | 一种终端定位方法及网络设备 |
CN107219500A (zh) * | 2017-06-01 | 2017-09-29 | 成都希盟泰克科技发展有限公司 | 基于wifi位置指纹数据的室内快速综合定位方法 |
CN109151890A (zh) * | 2017-06-19 | 2019-01-04 | 中国移动通信集团浙江有限公司 | 一种移动终端定位方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108495364A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108495364B (zh) | 移动终端的定位方法及装置 | |
US10951500B2 (en) | Method and apparatus for warning | |
CN102823309B (zh) | 定位方法选择中使用性能历史数据的方法和设备 | |
CN106027300A (zh) | 一种应用神经网络的智能机器人参数优化系统及方法 | |
CN109990790A (zh) | 一种无人机路径规划方法及装置 | |
CN110009059B (zh) | 用于生成模型的方法和装置 | |
CN109991591B (zh) | 基于深度学习的定位方法、装置、计算机设备及存储介质 | |
CN110505452B (zh) | 一种基建输电工程进度监控方法及监控系统 | |
CN105704657A (zh) | 监测移动终端位置的方法及装置 | |
CN105338618A (zh) | 确定移动设备的位置的方法和装置 | |
CN115616937B (zh) | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 | |
CN103491522B (zh) | 终端适配方法和装置 | |
EP4123595A2 (en) | Method and apparatus of rectifying text image, training method and apparatus, electronic device, and medium | |
CN109413683B (zh) | 一种获取发射概率、转移概率以及序列定位的方法和装置 | |
US20130040649A1 (en) | Mobile Device Location Estimation Using Operational Data of a Wireless Network | |
CN114039870A (zh) | 基于深度学习的蜂窝网络中视频流应用实时带宽预测方法 | |
CN116209030B (zh) | 一种移动平台抗弱网通信网关接入方法及系统 | |
CN115272667B (zh) | 农田图像分割模型训练方法、装置、电子设备和介质 | |
CN109413205A (zh) | 一种监理数据上传方法及装置 | |
CN103841519B (zh) | 通过网络嗅探精确定位地理位置的方法和装置 | |
CN115550863B (zh) | 一种基于卷积神经网络的wifi室内定位方法 | |
CN104812066A (zh) | 用于标识定位故障的方法、装置及服务器 | |
CN114970955B (zh) | 基于多模态预训练模型的短视频热度预测方法及装置 | |
CN117528552A (zh) | 一种基于5g的手机数据传输方法和系统 | |
CN106170124A (zh) | 一种基于多种定位技术的无线通信中位置获取方法及系统 |
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 |