CN109348501B - 基于lte信号的室内外区分方法 - Google Patents
基于lte信号的室内外区分方法 Download PDFInfo
- Publication number
- CN109348501B CN109348501B CN201811482435.9A CN201811482435A CN109348501B CN 109348501 B CN109348501 B CN 109348501B CN 201811482435 A CN201811482435 A CN 201811482435A CN 109348501 B CN109348501 B CN 109348501B
- Authority
- CN
- China
- Prior art keywords
- indoor
- outdoor
- rsrp
- lte
- distinguishing
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
本发明提供基于LTE信号的室内外区分方法,属于信号处理技术领域。本发明首先在室内和室外分别离散选取若干参考点,分别在这些参考点处进行LTE信号采集,采集时长内每秒记录一条LTE信号;然后对每个参考点赋予一个标签,标签包含参考点的地理位置及室内外状态信息;获取LTE信号中主服务小区和邻小区的RSRP值、ECI,并结合标签中的信号的室内外状态,完成位置指纹地图Radio Map的建立;再利用支持向量机算法对Radio Map进行训练,得到室内外区分模型;最后将待区分RSRP向量作为室内外区分模型的输入,模型的输出即为室内外区分结果。本发明解决了现有定位技术对室内外区分精度不高的问题。本发明可用于室内外区分定位。
Description
技术领域
本发明涉及基于LTE信号的室内外区分方法,属于信号处理技术领域。
背景技术
随着通信技术的飞速发展,智能手机越来越受到欢迎,人们对智能手机所提供的服务也有了更高的要求。其中,基于位置的服务(Location Based Service,LBS)已经成为人们日常工作、生活所必须的一项基本服务需求。LBS是指通过地理信息系统平台的支持,为终端提供基于位置信息的服务。全球导航卫星系统(GNSS)作为一种最广泛使用的定位手段,虽然能够达到很高的定位精度,但是其对障碍物遮挡、天气变化等影响较敏感,这种缺点在城市地区尤为突出。城市地区建筑物密集,室内定位需求更大,都压缩了GNSS定位的发展空间。另一方面,获取用户的GNSS的定位结果需要用户终端的许可,对于运营商等提供基础业务的厂家而言,难以获取这部分数据,因而GNSS定位存在一定的局限性。相反的,基于LTE信号的定位技术受建筑物遮蔽、天气变化、使用权限等影响较小。在城市地区蜂窝移动通信网的完善使得LTE信号资源丰富,基站数量众多,且相互距离不远。同时又能提供较高的定位精度,受到研究者的广泛重视。
现有研究的重点都在室内定位技术或者室外定位技术,室内外区分算法很少被重点研究过。室内定位主要应用于大型建筑物内的导航服务,常用的技术有Wi-Fi技术、蓝牙技术、ZigBee技术、红外线技术、视觉定位技术等等。室外定位可用于定位、导航、监测、绘制等用途,常用定位技术的有GNSS技术,UWB(Ultra Wideband,超宽带)技术,LTE技术等等。基于LTE信号的定位技术主要分为两类:基于测距的定位技术和基于位置指纹的定位技术。然而,在建筑物密集的区域,基站的天线挂高相对较低,非视距对LTE信号传播影响严重,制约了基于测距的定位技术的实际应用。在室内外区分上,运用基于位置指纹的定位技术有较好的可操作性,改进拓展的方向也较多。
大部分室内外区分算法都是粗略地区分,服务于精细的室内定位(或者室外定位),即室内外区分不是最终的目的,因此精度要求不高,只是为了初步处理LTE信号数据,从而提高室内定位(或者室外定位)的精度,没有单独研究高精度室内外区分的算法。
发明内容
本发明为解决现有定位技术对室内外区分精度不高的问题,提供了基于LTE信号的室内外区分方法。
本发明所述基于LTE信号的室内外区分方法,通过以下技术方案实现:
步骤一、在需要进行室内外区分的场景下,在室内和室外分别离散选取若干参考点,通过载有LTE信号获取设备的平台分别在这些参考点处进行LTE信号采集,采集时长内每秒记录一条LTE信号;
步骤二、对每个参考点赋予一个标签,标签包含参考点的地理位置及室内外状态信息;
步骤三、获取采集到的LTE信号中主服务小区和邻小区的参考信号接收功率RSRP值,以及主服务小区和邻小区的演进通用陆地无线接入网络小区标识ECI,并结合标签中的信号的室内外状态,完成位置指纹地图Radio Map的建立;
步骤四、将Radio Map划分为室内和室外两大类,利用支持向量机算法对RadioMap进行训练,得到室内外区分模型;
步骤五、获取待区分信号中主服务小区和邻小区的RSRP值,以及主服务小区和邻小区的ECI,形成待区分RSRP向量;将该待区分RSRP向量作为室内外区分模型的输入,模型的输出即为室内外区分结果。
作为对上述技术方案的进一步阐述:
进一步的,步骤三中所述Radio Map的建立具体包括以下步骤:
步骤三一、计算采集到的LTE信号中全部ECI的集合;设第i条LTE信号中全部小区集合为{ECI}i,信号总条数为m,i=1,2,…,m;全部ECI的集合ECIall为:
其中,N是ECI总数量;ECIj为ECIall中的第j个ECI;j=1,2,…,N;
其中,rsrp是比全部采集的LTE信号中RSRP值小M的固定值;
步骤三三、通过步骤三二的处理过程,得到RSRP矩阵:
步骤三四、构造LTE数据标签向量
L=[l1 l2 … lm]T (4)
其中,上标T表示转置;li为第i条LTE信号所在参考点的标签;若该参考点位于室内,则li=-1,否则li=+1
步骤三五、得到离线数据库Radio Map:
D=[L P] (5)。
进一步的,步骤四中所述利用支持向量机算法对Radio Map进行训练,得到室内外区分模型的具体步骤包括:
步骤四一、确定目标函数:
步骤四二、使用拉格朗日乘子法将式(6)转化为对偶问题:
其中,α=[α1,α2,…,αm]T为新的待优化变量,Lagrange乘子αi≥0;k=1,2,…,m;
步骤四三、求解式(7)得到待优化变量的解α=[α1,α2,…,αm]T,从而得到w与b的最优解;
步骤四四、确定室内外区分模型:
其中,x=[xi x2 … xN]T为RSRP向量。
进一步的,步骤五具体包括以下步骤:
得到待区分RSRP向量:
步骤五二、将xt输入f(x),若f(st)>0,表示区分结果为室外;若f(st)<0,表示区分结果为室内;若f(st)=0,表示室内外区分失败。
进一步的,步骤三二中M为10dB~100dB。
进一步的,步骤一中所述采集时长为1.5~2.5min。
本发明最为突出的特点和显著的有益效果是:
本发明所涉及的基于LTE信号的室内外区分方法,在现有硬件资源(基站等)的基础上,利用一部智能手机能很容易地获取到LTE信号样本建立室内外区分模型,然后只需要将待区分的信号的RSRP向量作为室内外区分模型的输入,即可得到室内外区分的结果。这种方法可以看作是对传统位置指纹定位方法的改进,是在传统位置指纹定位基础上采用机器学习的优化算法。但是仿真结果显示,本发明方法相比于位置指纹定位方法有明显的提升。能够基于LTE信号对室内外区分问题较好的解决,达到92%以上的区分精度。
附图说明
图1为本发明中标签的示意图;
图2为本发明中Radio Map数据的组成示意图;
图3为本发明中单条LTE信号的信号组成示意图;
图4为本发明方法流程示意图;AP1,…,APN表示N个无线访问接入点。
具体实施方式
具体实施方式一:结合图1、图2、图3、图4对本实施方式进行说明,本实施方式给出的基于LTE信号的室内外区分方法,具体包括以下步骤:
步骤一、在需要进行室内外区分的场景下,在室内和室外分别离散选取若干参考点,通过载有LTE信号获取设备(例如手机)的平台分别在这些参考点处进行LTE信号采集,采集时长内每秒记录一条LTE信号;
步骤二、对每个参考点赋予一个标签LABEL,标签包含参考点的地理位置及室内外状态信息;本实施方式中采用标签末位来表示室内外状态信息;如图1中的两个标签,标签末位为0表示室内,1表示室外。
步骤三、获取采集到的LTE信号中主服务小区和邻小区的参考信号接收功率RSRP值,以及主服务小区和邻小区的演进通用陆地无线接入网络小区标识ECI,并结合标签中的信号的室内外状态,完成位置指纹地图Radio Map的建立;
步骤四、该步骤为离线阶段。将Radio Map划分为室内和室外两大类,利用支持向量机(SVM)算法对Radio Map进行训练,得到室内外区分模型;
步骤五、该步骤为在线阶段。获取待区分信号中主服务小区和邻小区的RSRP值,以及主服务小区和邻小区的ECI,形成待区分RSRP向量;将该待区分RSRP向量作为室内外区分模型的输入,模型的输出即为室内外区分结果。
具体实施方式二:本实施方式与具体实施方式一不同的是,步骤三中所述RadioMap的建立具体包括以下步骤:
步骤三一、计算采集到的LTE信号中全部ECI的集合;设第i条LTE信号中全部小区集合为{ECI}i,信号总条数为m,i=1,2,…,m;全部ECI的集合ECIall为:
其中,N是ECI总数量(不重复的);ECIj为ECIall中的第j个ECI;j=1,2,…,N;
其中,rsrp是比全部采集的LTE信号中RSRP值小M的固定值;
步骤三三、通过步骤三二的处理过程,得到RSRP矩阵:
步骤三四、构造LTE数据标签向量
L=[l1 l2 … lm]T (4)
其中,上标T表示转置;li为第i条LTE信号所在参考点的标签;由于相同参考点的标签相同,所以li是一个离散值;若该参考点位于室内,则li=-1,否则li=+1
步骤三五、得到离线数据库Radio Map,如图2所示:
D=[L P] (5)
其他步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式二不同的是,步骤四中所述利用支持向量机算法对Radio Map进行训练,得到室内外区分模型的具体步骤包括:
步骤四一、确定目标函数:
步骤四二、式(6)是典型的凸二次优化问题,使用拉格朗日乘子法将式(6)转化为对偶问题:
其中,α=[α1,α2,…,αm]T为新的待优化变量,Lagrange乘子αi≥0;k=1,2,…,m;
步骤四三、求解式(7)得到待优化变量的解α=[α1,α2,…,αm]T,从而得到w与b的最优解;
步骤四四、确定室内外区分模型:
其中,x=[xi x2 … xN]T为RSRP向量。
其他步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式三不同的是,步骤五是在线定位阶段,将待区分信号的RSRP向量作为室内外区分模型的输入,模型的输出即为室内外区分的结果,具体包括以下步骤:
从而得到待区分RSRP向量:
步骤五二、对于具体步骤四中确定的室内外区分模型f(x),将xt输入f(x),若f(st)>0,表示区分结果为室外;若f(st)<0,表示区分结果为室内;若f(st)=0,表示室内外区分失败。
其他步骤及参数与具体实施方式一、二或三相同。
具体实施方式五:本实施方式与具体实施方式二不同的是,步骤三二中M为10dB~100dB。
其他步骤及参数与具体实施方式一、二、三或四相同。
具体实施方式六:本实施方式与具体实施方式一至五不同的是,步骤一中所述采集时长为1.5~2.5min。这个采集时长能够保证采集到的足够的信号数据但是有不至于采集的信号太多导致耗时并且产生大量数据冗余。
其他步骤及参数与具体实施方式一至五相同。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (3)
1.基于LTE信号的室内外区分方法,其特征在于,所述基于LTE信号的室内外区分方法具体包括以下步骤:
步骤一、在需要进行室内外区分的场景下,在室内和室外分别离散选取若干参考点,通过载有LTE信号获取设备的平台分别在这些参考点处进行LTE信号采集,采集时长内每秒记录一条LTE信号;
所述采集时长为1.5~2.5min;
步骤二、对每个参考点赋予一个标签,标签包含参考点的地理位置及室内外状态信息;
步骤三、获取采集到的LTE信号中主服务小区和邻小区的参考信号接收功率RSRP值,以及主服务小区和邻小区的演进通用陆地无线接入网络小区标识ECI,并结合标签中的信号的室内外状态,完成位置指纹地图Radio Map的建立;具体过程为:
步骤三一、计算采集到的LTE信号中全部ECI的集合;设第i条LTE信号中全部小区集合为{ECI}i,信号总条数为m,i=1,2,...,m;全部ECI的集合ECIall为:
其中,N是ECI总数量;ECIj为ECIall中的第j个ECI;j=1,2,…,N;
其中,rsrp是比全部采集的LTE信号中RSRP值小M的固定值,M为10dB~100dB;
步骤三三、通过步骤三二的处理过程,得到RSRP矩阵:
步骤三四、构造LTE数据标签向量
L=[l1 l2…lm]T (4)
其中,上标T表示转置;li为第i条LTE信号所在参考点的标签;若该参考点位于室内,则li=-1,否则li=+1
步骤三五、得到离线数据库Radio Map:
D=[L P] (5);
步骤四、将Radio Map划分为室内和室外两大类,利用支持向量机算法对Radio Map进行训练,得到室内外区分模型;
步骤五、获取待区分信号中主服务小区和邻小区的RSRP值,以及主服务小区和邻小区的ECI,形成待区分RSRP向量;将该待区分RSRP向量作为室内外区分模型的输入,模型的输出即为室内外区分结果。
2.根据权利要求1所述基于LTE信号的室内外区分方法,其特征在于,步骤四中所述利用支持向量机算法对Radio Map进行训练,得到室内外区分模型的具体步骤包括:
步骤四一、确定目标函数:
步骤四二、使用拉格朗日乘子法将式(6)转化为对偶问题:
其中,α=[α1,α2,…,αm]T为新的待优化变量,Lagrange乘子αi≥0;k=1,2,…,m;
步骤四三、求解式(7)得到待优化变量的解α=[α1,α2,…,αm]T,从而得到w与b的最优解;
步骤四四、确定室内外区分模型:
其中,x=[xi x2…xN]T为RSRP向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811482435.9A CN109348501B (zh) | 2018-12-05 | 2018-12-05 | 基于lte信号的室内外区分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811482435.9A CN109348501B (zh) | 2018-12-05 | 2018-12-05 | 基于lte信号的室内外区分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109348501A CN109348501A (zh) | 2019-02-15 |
CN109348501B true CN109348501B (zh) | 2020-09-22 |
Family
ID=65320236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811482435.9A Expired - Fee Related CN109348501B (zh) | 2018-12-05 | 2018-12-05 | 基于lte信号的室内外区分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109348501B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI816343B (zh) * | 2022-03-30 | 2023-09-21 | 新加坡商鴻運科股份有限公司 | 提供較佳連線信號的方法、電子裝置及電腦可讀儲存媒體 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020248200A1 (en) * | 2019-06-13 | 2020-12-17 | Huawei Technologies Co., Ltd. | Determing environmental context for gnss receivers |
CN115708387A (zh) * | 2021-08-18 | 2023-02-21 | 杭州萤石软件有限公司 | 一种室内外场景的识别方法、装置、移动终端 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102781049A (zh) * | 2012-08-15 | 2012-11-14 | 哈尔滨工业大学 | 基于代价函数的室内无线定位与室外无线定位的无缝切换方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130162481A1 (en) * | 2009-10-01 | 2013-06-27 | Parviz Parvizi | Systems and methods for calibration of indoor geolocation |
CN102802225A (zh) * | 2012-08-23 | 2012-11-28 | 哈尔滨工业大学 | 基于欧氏距离判决的室内外无缝定位切换方法 |
CN102932738A (zh) * | 2012-10-31 | 2013-02-13 | 北京交通大学 | 一种改进的基于分簇神经网络的室内指纹定位方法 |
CN104703128B (zh) * | 2014-11-10 | 2018-10-23 | 浙江大学城市学院 | 一种基于wlan无线信号强度的室内定位系统及方法 |
CN105142216B (zh) * | 2015-08-07 | 2019-04-16 | 北京航空航天大学 | 基于特征信号指纹库的室内外定位切换方法 |
CN106879032A (zh) * | 2015-12-11 | 2017-06-20 | 北斗导航位置服务(北京)有限公司 | 一种基于模式分类的室内外无缝切换方法及系统 |
CN106211084B (zh) * | 2016-09-07 | 2019-07-12 | 中国人民解放军国防科学技术大学 | 基于gsm信号的环境感知方法 |
CN108616900B (zh) * | 2016-12-12 | 2021-06-11 | 中国移动通信有限公司研究院 | 一种室内外测量报告的区分方法及网络设备 |
-
2018
- 2018-12-05 CN CN201811482435.9A patent/CN109348501B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102781049A (zh) * | 2012-08-15 | 2012-11-14 | 哈尔滨工业大学 | 基于代价函数的室内无线定位与室外无线定位的无缝切换方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI816343B (zh) * | 2022-03-30 | 2023-09-21 | 新加坡商鴻運科股份有限公司 | 提供較佳連線信號的方法、電子裝置及電腦可讀儲存媒體 |
Also Published As
Publication number | Publication date |
---|---|
CN109348501A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106793082B (zh) | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 | |
CN109348501B (zh) | 基于lte信号的室内外区分方法 | |
CN102065432B (zh) | 一种基于传播模型的网络覆盖修正方法及系统 | |
CN101883424B (zh) | 基于近邻点数优化的wlan室内knn定位方法 | |
CN109640269B (zh) | 基于csi与时域融合算法的指纹定位方法 | |
CN103634901B (zh) | 基于核密度估计的新型定位指纹采集提取方法 | |
CN109672973B (zh) | 一种基于最强ap的室内定位融合方法 | |
CN105044662A (zh) | 一种基于wifi信号强度的指纹聚类多点联合室内定位方法 | |
CN105898713A (zh) | 一种基于加权余弦相似度的WiFi指纹室内定位方法 | |
CN103068035A (zh) | 一种无线网络定位方法、装置及系统 | |
CN102932911A (zh) | 位置指纹定位方法及定位系统 | |
CN102609616A (zh) | 一种基于手机定位数据的动态人口分布密度检测方法 | |
CN109041218B (zh) | 一种预测用户位置的方法和智能硬件 | |
CN102480678A (zh) | 一种指纹定位方法和系统 | |
CN107027148B (zh) | 一种基于UE速度的Radio Map分类定位方法 | |
CN109286946A (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 | |
CN109151839A (zh) | 一种lpwa网络的网络规划方法 | |
CN107241743B (zh) | 电网专网布局建设方法 | |
CN101873605A (zh) | 一种网络规划中自适应传播环境分类方法 | |
CN109474887B (zh) | 基于lte信号的高低楼层区分方法 | |
CN106792527A (zh) | 一种位置数据处理方法、装置和计算设备 | |
CN116528282B (zh) | 覆盖场景识别方法、装置、电子设备和可读存储介质 | |
CN117135664A (zh) | 一种测算指定目标区域5g覆盖小区的方法 | |
CN107577727A (zh) | 一种群体移动行为特性分析方法 | |
Yoshida et al. | Evaluation of pre-acquisition methods for position estimation system using wireless LAN |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200922 Termination date: 20211205 |
|
CF01 | Termination of patent right due to non-payment of annual fee |