CN109739866A - 一种包含指纹库的自动更新和优化装置及方法 - Google Patents
一种包含指纹库的自动更新和优化装置及方法 Download PDFInfo
- Publication number
- CN109739866A CN109739866A CN201811625716.5A CN201811625716A CN109739866A CN 109739866 A CN109739866 A CN 109739866A CN 201811625716 A CN201811625716 A CN 201811625716A CN 109739866 A CN109739866 A CN 109739866A
- Authority
- CN
- China
- Prior art keywords
- fingerprint base
- grid
- data
- library
- automatically updating
- 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
Abstract
本发明公开了一种包含指纹库的自动更新和优化装置及方法,选取一定量的测试数据,利用最新的MR指纹库进行定位;采集定位数据集和落点数据集;对异常特征数据进行识别规则挖掘、测试和验证;生成更新指令;自动更新优化形成新指纹库;进行循环更新验证。本发明基于大数据的统计分析结果为依据,综合判断,得出更新、优化建议。作为最初建库的优化方法,基于大数据技术,效率高效果好,且实现全流程自动化,无需人工参与,极大节省人力资源计算资源等;保证了更新的及时性和定位准确性。无需重新建库,可保证前期优化后的优良的部分栅格库始终保持,持续积累,实现迭代优化的功能,随着不断的使用,定位效果越来越好。
Description
技术领域
本发明涉及一种指纹库的更新和优化技术,尤其涉及的是一种包含指纹库的自动更新和优化装置及方法。
背景技术
当前运营商最新主流的,能够提供较为准确位置能力的技术是基于MR的指纹定位技术; MR是指移动终端通过控制信道,在业务信道上以一定时间间隔,以MR的方式向基站周期性上报所在小区的下行信号强度、质量等信息,基站将终端上报的下行信息和自身收集的上行物理信息上传给基站控制器,并由其收集与统计。以TD-SCDMA网络为例,每个MR主要包括上下行接收信号码功率、上下行信噪比、时间提前量、上下行路径损耗、UE发射功率及NodeB 发射功率等。上报的MR可用于系统中无线资源控制子层完成诸如切换等事件的触发,也可用于系统维护,观察系统的运行状态;位置指纹是指用户所处位置的场景特征。
基于MR的指纹定位技术的原理是:将实际地图根据一定距离,划分成连续的正方形栅格,然后将海量含有经纬度的MR数据点根据经纬度落入栅格中,提取每个栅格中的信息特征,建设成MR指纹库;对某条MR记录定位的过程为,提取这条MR数据的特征,然后与现有库中每个栅格的特征进行比较,计算欧式距离,以距离最小的栅格作为此条MR数据定位到的栅格,以栅格中心点作为定位经纬度;但是目前建库完成后,对指纹库的更新和优化是一大难题,非常消耗人力物力且效果不够显著,成为当前定位模型的一大难题。
现有主流方法在实际的更新、优化过程中存在以下缺陷:原来指纹库的优化多是基于人工寻找误差准确性较差的进行优化,耗费大量人力且效果不理想;又因为小区覆盖每天都在变化,进一步要求指纹库要及时更新,现有的更新方式是积累一段时间数据,然后重新建库,更新周期长且建库完成以后需要重新优化;使用时循环往复整个重建、优化的过程,非常消耗人力物力且效率低,效果差;且每次优化后,定位准确的部分库无法保持,进而无法实现持续的优化迭代,导致定位效果无法实现越来越准。
发明内容
本发明所要解决的技术问题在于:现有指纹库无法实时高效的自动更新,提供了一种包含指纹库的自动更新和优化装置及方法。
本发明是通过以下技术方案解决上述技术问题的,本发明的一种包含指纹库的自动更新和优化方法,包括以下步骤:
(1)选取一定量的测试数据,利用最新的MR指纹库进行定位;
(2)采集定位数据集和落点数据集;
(3)对异常特征数据进行识别规则挖掘、测试和验证;
(4)生成更新指令;
(5)自动更新优化形成新指纹库;
(6)进行循环更新验证。
所述步骤(1)具体过程如下:
(11)选取一条MR记录,从现有指纹特征库中找出所有与当前MR特征相关的栅格库;
(12)计算当前MR与每一条栅格库的匹配特征数;
(13)找出匹配特征数最大的N个栅格,计算当前MR与这N个栅格的欧式距离;
(14)找出这N个栅格库中,欧式距离最小的栅格库;
(15)认为此栅格库的中心点即为此条MR位置;
(16)重复以上步骤,定位出所有MR的位置。
所述步骤(2)为:记录、存储每一步的过程及定位的结果数据,记为定位数据集;
将所有测试MR数据,根据已知经纬度进行落点到栅格,记录、存储MR的具体特征、落入栅格的特征数据,记为落点数据集。
所述步骤(3)中,对异常数据挖掘识别的过程为:
(31)从定位数据集中,统计定位到S栅格库中的所有MR记录,其中,因A1特征定位准确记录数X个,因A1特征定位不准确记录数Y条;
(32)特征规则:Z=Y/(X+Y)
(33)当Z>B时,认为S栅格库中A1特征有异常,执行删除操作,B为设定值;
(34)当C<Z<B时,认为S栅格库中A1特征有异常,执行修改操作,C为设定值;
(35)从落点数据集中,统计落点到S栅格库的所有MR记录,记为N条,其中MR记录中A2特征出现M次,落点到的栅格中无A2特征;
(36)特征规则:L=M/N
(37)当L>K时,认为S栅格库中A2特征有异常,执行添加操作,K为设定值。
所述步骤(5)中,根据自动生成的更新指令,根据规则类型,按一定顺序,依次对指纹库进行对应特征值操作,生成新的指纹库。
所述更新指令包括增加、删除和修改。
所述步骤(6)的循环更新验证为:循环步骤(1)至(5),然后测试每条异常特征识别规则的效果,记录每条规则的相关效果,后续根据场景,选择对应规则,自动循环执行。
当测试数据为建库数据时,通过各规则、参数的灵活配置,持续循环自动优化现有指纹库。
一种包含指纹库的自动更新和优化装置,包括:
定位模块,用于选取一定量的测试数据,利用最新的MR指纹库进行定位;
采集模块,用于采集定位数据集和落点数据集;
异常数据处理模块,用于对异常特征数据进行识别规则挖掘、测试和验证;
更新模块,用于生成更新指令;
优化模块,用于自动更新优化形成新指纹库;
循环模块,用于进行循环更新验证。
本发明相比现有技术具有以下优点:本发明基于大数据的统计分析结果为依据,综合判断,得出更新、优化建议。
本发明包含更新和优化两大功能,首先作为最初建库的优化方法,基于大数据技术,效率高效果好,且实现全流程自动化,无需人工参与,极大节省人力资源计算资源等;其次作为后续指纹库的更新方法,比原有技术更方便更灵活、可自由选择一小时、一天、一周、一月等更新周期,实现小/中/大版本及时更新、随时发布,保证了更新的及时性和定位准确性。
因流程机制是持续的迭代更新,无需重新建库,可保证前期优化后的优良的部分栅格库始终保持,持续积累,实现迭代优化的功能,随着不断的使用,定位效果越来越好。
既可实现指纹库的定位效果优化,又可实现指纹库的实时、高效的自动更新。
附图说明
图1是本发明的流程图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例的实现过程如下:
(1)选取一定量测试数据、利用最新MR指纹库进行定位
使用已知经纬度的MR数据,用最新的指纹库进行智能定位:
(11)选取一条MR记录,从现有指纹特征库中找出所有与当前MR特征相关的栅格库;
(12)计算当前MR与每一条栅格库的匹配特征数;
(13)找出匹配特征数最大的N个栅格,计算当前MR与这N个栅格的欧式距离;
(14)找出这N个栅格库中,欧式距离最小的栅格库;
(15)认为此栅格库的中心点即为此条MR位置;
(16)重复以上步骤,定位出所有MR的位置。
(2)采集定位数据集、落点数据集:
记录、存储每一步的过程(匹配具体特征、匹配特征数、欧式距离等)及定位的结果数据,记为定位数据集;将所有测试MR数据,根据已知经纬度进行落点到栅格(步骤和建库时落点方法一致),记录、存储MR的具体特征、落入栅格的特征等数据,记为落点数据集。
(3)异常特征挖掘识别
对定位结果及主要过程数据进行大数据统计分析、基于整体指纹库原理及海量数据的分析结果,挖掘指纹库中的异常特征:
制订识别规则原则为:
以大量数据统计结果为依据,即可屏蔽个别异常MR数据的影响,又可减少不同栅格库之间的关联影响;从建库原理、定位原理、定位结果三个角度挖掘异常特征识别规则;全部规则类型包括:增加特征、删除特征、修改特征。
(31)从定位数据集中,统计定位到S栅格库中的所有MR记录,其中因A1特征定位准确记录数X个,因A1特征定位不准确记录数Y条,具体准确、不准确判定条件可自定义;
(32)特征规则:Z=Y/(X+Y);
(33)当Z>B时,认为S栅格库中A1特征有异常,执行删除操作,B为自定义值;
(34)当C<Z<B时,认为S栅格库中A1特征有异常,执行修改操作,C为自定义值;
(35)从落点数据集中,统计落点到S栅格的所有MR记录,记为N条,其中MR记录中A2特征出现M次,落点到的栅格中无A2特征;
(36)特征规则:L=M/N;
(37)当L>K时,认为S栅格库中A2特征有异常,执行添加操作,K为自定义值。
(4)智能生成更新指令
根据异常特征,自动生成更新指令。
(5)自动更新/优化指纹库
根据自动生成的(增加、删除、修改)更新指令,根据规则类型(增加、删除、修改),按自定义的顺序,依次对指纹库进行对应特征值操作,生成新的指纹库。
(6)循环更新/验证
循环步骤(1)~(5),然后测试每条异常特征识别规则的效果(根据定位结果评估),记录每条规则的相关效果,后续根据场景,选择对应规则,自动循环执行。
当测试数据为建库数据(旧数据)时,通过各规则、参数的灵活配置,可持续循环自动优化现有指纹库。
当测试数据为新数据时,通过各规则、参数的灵活配置,可实现指纹库的高效智能更新。
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 (9)
1.一种包含指纹库的自动更新和优化方法,其特征在于,包括以下步骤:
(1)选取一定量的测试数据,利用最新的MR指纹库进行定位;
(2)采集定位数据集和落点数据集;
(3)对异常特征数据进行识别规则挖掘、测试和验证;
(4)生成更新指令;
(5)自动更新优化形成新指纹库;
(6)进行循环更新验证。
2.根据权利要求1所述的一种包含指纹库的自动更新和优化方法,其特征在于,所述步骤(1)具体过程如下:
(11)选取一条MR记录,从现有指纹特征库中找出所有与当前MR特征相关的栅格库;
(12)计算当前MR与每一条栅格库的匹配特征数;
(13)找出匹配特征数最大的N个栅格,计算当前MR与这N个栅格的欧式距离;
(14)找出这N个栅格库中,欧式距离最小的栅格库;
(15)认为此栅格库的中心点即为此条MR位置;
(16)重复以上步骤,定位出所有MR的位置。
3.根据权利要求2所述的一种包含指纹库的自动更新和优化方法,其特征在于,所述步骤(2)为:记录、存储每一步的过程及定位的结果数据,记为定位数据集;
将所有测试MR数据,根据已知经纬度进行落点到栅格,记录、存储MR的具体特征、落入栅格的特征数据,记为落点数据集。
4.根据权利要求3所述的一种包含指纹库的自动更新和优化方法,其特征在于,所述步骤(3)中,对异常数据挖掘识别的过程为:
(31)从定位数据集中,统计定位到S栅格库中的所有MR记录,其中,因A1特征定位准确记录数X个,因A1特征定位不准确记录数Y条;
(32)特征规则:Z=Y/(X+Y)
(33)当Z>B时,认为S栅格库中A1特征有异常,执行删除操作,B为设定值;
(34)当C<Z<B时,认为S栅格库中A1特征有异常,执行修改操作,C为设定值;
(35)从落点数据集中,统计落点到S栅格库的所有MR记录,记为N条,其中MR记录中A2特征出现M次,落点到的栅格中无A2特征;
(36)特征规则:L=M/N
(37)当L>K时,认为S栅格库中A2特征有异常,执行添加操作,K为设定值。
5.根据权利要求4所述的一种包含指纹库的自动更新和优化方法,其特征在于,所述步骤(5)中,根据自动生成的更新指令,根据规则类型,按一定顺序,依次对指纹库进行对应特征值操作,生成新的指纹库。
6.根据权利要求5所述的一种包含指纹库的自动更新和优化方法,其特征在于,所述更新指令包括增加、删除和修改。
7.根据权利要求6所述的一种包含指纹库的自动更新和优化方法,其特征在于,所述步骤(6)的循环更新验证为:循环步骤(1)至(5),然后测试每条异常特征识别规则的效果,记录每条规则的相关效果,后续根据场景,选择对应规则,自动循环执行。
8.根据权利要求7所述的一种包含指纹库的自动更新和优化方法,其特征在于,当测试数据为建库数据时,通过各规则、参数的灵活配置,持续循环自动优化现有指纹库。
9.一种包含指纹库的自动更新和优化装置,其特征在于,包括:
定位模块,用于选取一定量的测试数据,利用最新的MR指纹库进行定位;
采集模块,用于采集定位数据集和落点数据集;
异常数据处理模块,用于对异常特征数据进行识别规则挖掘、测试和验证;
更新模块,用于生成更新指令;
优化模块,用于自动更新优化形成新指纹库;
循环模块,用于进行循环更新验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625716.5A CN109739866B (zh) | 2018-12-28 | 2018-12-28 | 一种包含指纹库的自动更新和优化装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625716.5A CN109739866B (zh) | 2018-12-28 | 2018-12-28 | 一种包含指纹库的自动更新和优化装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109739866A true CN109739866A (zh) | 2019-05-10 |
CN109739866B CN109739866B (zh) | 2021-06-11 |
Family
ID=66361855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811625716.5A Active CN109739866B (zh) | 2018-12-28 | 2018-12-28 | 一种包含指纹库的自动更新和优化装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109739866B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111741525A (zh) * | 2020-03-05 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 定位指纹的更新方法、装置、存储介质和电子设备 |
CN115209343A (zh) * | 2022-07-28 | 2022-10-18 | 中国信息通信研究院 | 基于mr数据定位的异常指纹识别方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101184306A (zh) * | 2007-12-14 | 2008-05-21 | 中国移动通信集团广东有限公司 | 手机测量报告和信令数据的采集、处理和关联分析的系统 |
CN102333339A (zh) * | 2011-09-22 | 2012-01-25 | 华为技术有限公司 | 一种覆盖数据库的校准方法和装置 |
CN103442430A (zh) * | 2013-08-09 | 2013-12-11 | 京信通信系统(中国)有限公司 | 指纹定位方法与服务器 |
CN103914551A (zh) * | 2014-04-13 | 2014-07-09 | 北京工业大学 | 一种微博语义信息扩充和特征选取方法 |
US8933841B2 (en) * | 2010-12-13 | 2015-01-13 | The Governing Council Of The University Of Toronto | System and method for localization |
CN104424276A (zh) * | 2013-08-30 | 2015-03-18 | 中国电信集团公司 | 基于流形学习的指纹库自更新方法和装置 |
CN106851553A (zh) * | 2016-09-30 | 2017-06-13 | 广州丰石科技有限公司 | 根据软采信令的自适应指纹定位方法 |
CN108243405A (zh) * | 2016-12-26 | 2018-07-03 | 中国移动通信集团广东有限公司 | 一种指纹库的建立方法、测量报告mr的定位方法及装置 |
-
2018
- 2018-12-28 CN CN201811625716.5A patent/CN109739866B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101184306A (zh) * | 2007-12-14 | 2008-05-21 | 中国移动通信集团广东有限公司 | 手机测量报告和信令数据的采集、处理和关联分析的系统 |
US8933841B2 (en) * | 2010-12-13 | 2015-01-13 | The Governing Council Of The University Of Toronto | System and method for localization |
CN102333339A (zh) * | 2011-09-22 | 2012-01-25 | 华为技术有限公司 | 一种覆盖数据库的校准方法和装置 |
CN103442430A (zh) * | 2013-08-09 | 2013-12-11 | 京信通信系统(中国)有限公司 | 指纹定位方法与服务器 |
CN104424276A (zh) * | 2013-08-30 | 2015-03-18 | 中国电信集团公司 | 基于流形学习的指纹库自更新方法和装置 |
CN103914551A (zh) * | 2014-04-13 | 2014-07-09 | 北京工业大学 | 一种微博语义信息扩充和特征选取方法 |
CN106851553A (zh) * | 2016-09-30 | 2017-06-13 | 广州丰石科技有限公司 | 根据软采信令的自适应指纹定位方法 |
CN108243405A (zh) * | 2016-12-26 | 2018-07-03 | 中国移动通信集团广东有限公司 | 一种指纹库的建立方法、测量报告mr的定位方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111741525A (zh) * | 2020-03-05 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 定位指纹的更新方法、装置、存储介质和电子设备 |
CN111741525B (zh) * | 2020-03-05 | 2021-07-16 | 腾讯科技(深圳)有限公司 | 定位指纹的更新方法、装置、存储介质和电子设备 |
CN115209343A (zh) * | 2022-07-28 | 2022-10-18 | 中国信息通信研究院 | 基于mr数据定位的异常指纹识别方法 |
CN115209343B (zh) * | 2022-07-28 | 2023-11-10 | 中国信息通信研究院 | 基于mr数据定位的异常指纹识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109739866B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109769201B (zh) | 一种实现用户精准定位的智慧城市管理平台 | |
CN110659173B (zh) | 一种运维系统及方法 | |
CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
CN109739866A (zh) | 一种包含指纹库的自动更新和优化装置及方法 | |
CN105813116B (zh) | 一种最小化软件定义无线传感器网络能耗的方法 | |
CN111405585B (zh) | 一种基于卷积神经网络的邻区关系预测方法 | |
CN110087246A (zh) | 基于地理格网的rf终端设备空间聚类方法 | |
CN110430578A (zh) | 基于移动终端数据实现小区方位角预测的方法 | |
CN105578508A (zh) | 基于用户行为特征评估道路网络质量的方法 | |
US20200187149A1 (en) | Method and Apparatus for Obtaining Emission Probability, Method and Apparatus for Obtaining Transition Probability, and Sequence Positioning Method and Apparatus | |
CN103686818A (zh) | 一种仿真测试方法及设备 | |
CN110662212B (zh) | 一种基于大数据的手机终端识别方法 | |
CN110351734A (zh) | 基于移动终端数据实现预测小区位置的方法 | |
CN109874104B (zh) | 用户位置定位方法、装置、设备及介质 | |
TWI572179B (zh) | Mobile network base station communication prediction and resource scheduling automation analysis system and method | |
CN102668454A (zh) | 用于提供移动电信系统中的性能管理的方法和操作支持系统 | |
CN102014414A (zh) | 一种网络优化智能决策向导系统及自动化分析方法 | |
CN111163482A (zh) | 数据的处理方法、设备及存储介质 | |
CN108762717B (zh) | 基于Bit-map的抄表成功记录方法、统计方法和补招方法 | |
CN103379519A (zh) | 一种基于智能手机的移动通信网络测试方法 | |
CN111812449A (zh) | 一种配电网状态估计异常识别方法 | |
CN115207909B (zh) | 一种台区拓扑识别方法、装置、设备及存储介质 | |
CN113573348B (zh) | 一种基于人机指令实现5g基站参数自动化配置的方法 | |
CN115759470A (zh) | 一种基于机器学习的航班飞行全过程燃油消耗预测方法 | |
CN104200338A (zh) | 线损统计与决策分析系统 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210811 Address after: 230000 4th floor, office building, 355 Wenqu Road, high tech Zone, Hefei, Anhui Patentee after: Kedaduochuang cloud Technology Co.,Ltd. Address before: No.355, Wenqu Road, high tech Zone, Hefei City, Anhui Province 230000 Patentee before: USTC SINOVATE SOFTWARE Co.,Ltd. |
|
TR01 | Transfer of patent right |