CN110139359B - 一种干扰源定位处理方法及装置 - Google Patents

Abstract

本发明实施例公开了一种干扰源定位处理方法及装置，方法包括：根据预设坐标系对各样本点的第一位置信息进行转换，得到预设坐标系下对应的各第二位置信息；对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点；将以各干扰中心点为圆心的预设搜索范围划分区域，计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；根据各干扰中心点的价值区域内的样本点和传播模型，计算得到各干扰源的位置信息。节省时间成本和人工成本；在定向干扰或基站分布较为分散的地方也能很好的工作，具有较强的鲁棒性；可以计算出干扰信号的高度以及干扰源的真实位置；同时使用信号在立体空间的传播模型，保证了结果的严谨和可解释性。

Description

一种干扰源定位处理方法及装置

技术领域

本发明实施例涉及通信技术领域，具体涉及一种干扰源定位处理方法及装置。

背景技术

干扰是影响网络质量的主要原因之一，对于有遮挡物遮挡的干扰源或定向干扰的干扰源，干扰最强的区域往往不是干扰源所在位置，因此对干扰源定位往往精度很低，甚至定位位置与实际位置偏差很大。

随着5G的逼近，万物互联、自动驾驶逐渐走进人们的视野，良好的网络质量是良好的用户感知的基础，而干扰是影响网络覆盖质量的主要原因之一，因此干扰源位置变得异常重要。目前干扰源定位主要有两种方式：人工定位与采样点加权定位。人工定位方式使用便携设备(如八目天线)，选择3个测试点进行交汇测试，锁定干扰源大概范围；或者徒步逼近查找，逐渐缩小排查范围，直到发现干扰源。采样点加权定位方式使用接收到的干扰信号的样本位置信息求加权平均，加权值依赖于电平值的大小。

但是，人工定位干扰源方式时间成本和人工成本都较高，效率较低；采样点加权定位方式过度依赖于采样点的分布，对于采样点分布在干扰源一侧的情况，该方法无法定位，没有考虑采样点高度信息，因此也无法测量干扰源的高度信息，且由于经度与纬度变化采用同一个量，实际偏差的距离却不同，因此对经纬度直接加权不严谨。

发明内容

由于现有方法存在上述问题，本发明实施例提出一种干扰源定位处理方法及装置。

第一方面，本发明实施例提出一种干扰源定位处理方法，包括：

获取各样本点的第一位置信息，并根据预设坐标系对各第一位置信息进行转换，得到所述预设坐标系下对应的各第二位置信息；

对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点；

将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据每个区域内的样本点的价值计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；

根据各干扰中心点的价值区域内的样本点和传播模型，计算得到各干扰源的位置信息。

可选地，所述对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点，具体包括：

对各第二位置信息进行筛选，获取电平强度大于阈值的样本点的若干个第三位置信息；

对所述若干个第三位置信息进行聚类分析，根据增长率和截止条件确定各干扰源的干扰中心点。

可选地，所述将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据每个区域内的样本点的价值计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域，具体包括：

根据预设夹角将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据公式一计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；

其中，Va_j表示第j个区域的价值，Num_j表示第j个区域内的采样点数量，P_i表示第i个采样点受干扰的电平强度，U表示干扰中心点的坐标信息，L_ij表示第j个区域内第i个采样点的坐标信息，(U-L_ij),(U-L_ij)表示干扰中心点与第j个区域内第i个采样点的距离。

可选地，所述根据各干扰中心点的价值区域内的样本点和传播模型，计算得到各干扰源的位置信息，具体包括：

根据各干扰中心点的价值区域内的样本点和规划软件中标准宏小区传播模型，计算得到各干扰源的位置信息。

第二方面，本发明实施例还提出一种干扰源定位处理装置，包括：

位置转换模块，用于获取各样本点的第一位置信息，并根据预设坐标系对各第一位置信息进行转换，得到所述预设坐标系下对应的各第二位置信息；

聚类分析模块，用于对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点；

价值计算模块，用于将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据每个区域内的样本点的价值计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；

位置计算模块，用于根据各干扰中心点的价值区域内的样本点和传播模型，计算得到各干扰源的位置信息。

可选地，所述聚类分析模块具体包括：

位置筛选单元，用于对各第二位置信息进行筛选，获取电平强度大于阈值的样本点的若干个第三位置信息；

聚类分析单元，用于对所述若干个第三位置信息进行聚类分析，根据增长率和截止条件确定各干扰源的干扰中心点。

可选地，所述价值计算模块具体用于根据预设夹角将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据公式一计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；

其中，Va_j表示第j个区域的价值，Num_j表示第j个区域内的采样点数量，P_i表示第i个采样点受干扰的电平强度，U表示干扰中心点的坐标信息，L_ij表示第j个区域内第i个采样点的坐标信息，(U-L_ij),(U-L_ij)表示干扰中心点与第j个区域内第i个采样点的距离。

可选地，所述位置计算模块具体用于根据各干扰中心点的价值区域内的样本点和规划软件中标准宏小区传播模型，计算得到各干扰源的位置信息。

第三方面，本发明实施例还提出一种电子设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法。

第四方面，本发明实施例还提出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程序，所述计算机程序使所述计算机执行上述方法。

由上述技术方案可知，本发明实施例通过将样本点的第一位置信息转换为预设坐标系下对应的第二位置信息，方便后续处理，提高处理效率；通过采用聚类分析并对预设搜索范围进行划分，并采用传播模型计算得到各干扰源的位置信息，节省时间成本和人工成本；且在定向干扰或基站分布较为分散的地方也能很好的工作，具有较强的鲁棒性；考虑了样本的高度信息，因此可以计算出干扰信号的高度以及干扰源的真实位置；同时使用信号在立体空间的传播模型，保证了结果的严谨和可解释性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1为本发明一实施例提供的一种干扰源定位处理方法的流程示意图；

图2为本发明一实施例提供的一种干扰源定位处理装置的结构示意图；

图3为本发明一实施例提供的电子设备的逻辑框图。

具体实施方式

下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

图1示出了本实施例提供的一种干扰源定位处理方法的流程示意图，包括：

S101、获取各样本点的第一位置信息，并根据预设坐标系对各第一位置信息进行转换，得到所述预设坐标系下对应的各第二位置信息。

其中，所述第一位置信息为采集样本点时采用的表示位置的信息，例如经纬度坐标。

所述预设坐标系为预先确定的适合后续计算的坐标系，例如高斯平面直角坐标系。

所述第二位置信息为预设坐标系下各样本点的坐标信息。

举例来说，将一段时间内受干扰用户的经纬度坐标转换为坐标轴单位为米且可逆的坐标系下(如高斯平面直角坐标系)下的(X,Y)格式；进一步地，将受干扰用户的数据整理成(X_i，Y_i，H_i，P_i)的格式，其中，(X_i，Y_i)代表第i个样本点的坐标，H_i代表第i个样本点的高度信息，P_i代表第i个样本点受干扰电平强度，将(X_i，Y_i，H_i，P_i)作为第二位置信息。

S102、对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点。

其中，所述干扰中心点为通过聚类分析得到的干扰源产生的干扰最强的点。

具体地，通过采用聚类分析对各第二位置信息进行计算，依次获得干扰源的干扰中心点，当满足截止条件后，停止计算，得到各干扰源的干扰中心点。

S103、将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据每个区域内的样本点的价值计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域。

其中，所述预设搜索范围为预先确定的搜索范围。

所述若干个区域为将干扰中心点所在的搜索范围进行划分得到的多个区域。

所述样本点的价值为每个样本点受干扰的电平强度。

所述区域的价值为根据算法计算得到的该区域内的所有样本点的价值。

所述价值区域为当前搜索范围内价值最大的区域。

S104、根据各干扰中心点的价值区域内的样本点和传播模型，计算得到各干扰源的位置信息。

其中，所述传播模型为将各干扰中心点的价值区域内的样本点的第二位置信息输入后，通过迭代计算和终止条件输出各干扰源的位置信息的模型。

具体地，本实施例首先将样本点的位置信息转换为特定坐标系下的位置信息；然后使用聚类方法，确定干扰源的数量与干扰中心点；接着将干扰中心点的周围划分为多个区域，计算每个区域的价值，获取价值区域；然后建立干扰信号的传播模型，使用价值区域的样本点的位置信息矫正传播模型；最后计算出传播模型的信号源位置，即干扰源位置。

本实施例通过将样本点的第一位置信息转换为预设坐标系下对应的第二位置信息，方便后续处理，提高处理效率；通过采用聚类分析并对预设搜索范围进行划分，并采用传播模型计算得到各干扰源的位置信息，节省时间成本和人工成本；且在定向干扰或基站分布较为分散的地方也能很好的工作，具有较强的鲁棒性；考虑了样本的高度信息，因此可以计算出干扰信号的高度以及干扰源的真实位置；同时使用信号在立体空间的传播模型，保证了结果的严谨和可解释性。

进一步地，在上述方法实施例的基础上，S102具体包括：

S1021、对各第二位置信息进行筛选，获取电平强度大于阈值的样本点的若干个第三位置信息。

S1022、对所述若干个第三位置信息进行聚类分析，根据增长率和截止条件确定各干扰源的干扰中心点。

具体地，可以选取电平强度大于一定阈值(例如-70dBm，可配置)的样本点，作为输入；然后对聚类中心点初始化，依次选取一个样本点作为聚类中心点，记为(X₀，Y₀，P₀)；在搜索范围sr(例如200米，可配置)内，计算搜索范围内所有样本点对聚类中心点的增长率k：

其中，k_j为搜索范围内第j个区域的增长率，P_i为第i个采样点受干扰的电平强度，X_i和Y_i分别为第i个采样点的横坐标和纵坐标，P₀、X₀和Y₀分别为聚类中心点的受干扰的电平强度、横坐标和纵坐标。选取增长率k最大，且增长率为正的样本点，作为聚类中心点，重复上述步骤，直到满足截止条件(聚类中心点连续10次未发生变化或满足轮寻次数(例如100次，可配置))则停止重复计算。保存计算得到的各聚类中心点，并且该聚类中心点搜索范围内的样本点不参与聚类中心点初始化。

当遍历所有的样本点(已知聚类中心点的搜索范围内的样本点除外)或重复50次不再有新的聚类中心点产生，则将得到的聚类中心点作为各干扰源的干扰中心点。

通过采用聚类分析，能够在定向干扰或基站分布较为分散的地方也适用，具有较强的鲁棒性。

进一步地，在上述方法实施例的基础上，S1021具体包括：

根据预设夹角将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据公式一计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；

其中，Va_j表示第j个区域的价值，Num_j表示第j个区域内的采样点数量，P_i表示第i个采样点受干扰的电平强度，U表示干扰中心点的坐标信息，L_ij表示第j个区域内第i个采样点的坐标信息，(U-L_ij),(U-L_ij)表示干扰中心点与第j个区域内第i个采样点的距离。

具体地，计算搜索范围内每个采样点(除去与聚类中心点距离0.2sr范围的样本点之外)与聚类中心点的连线与正北方向(Y轴)的顺时针夹角

以聚类中心点为圆心，从正北方向(Y轴)开始，以一定角度(例如30度)为步长把聚类中心点搜索范围内划分为若干个区域Ar(如果以30度为步长，则被划分为12等份)；然后根据公式一计算区域的价值，并将价值最大的区域作为价值区域。

通过计算区域的价值并确定价值区域，能够为后续传播模型的训练提供更准确的数据。

进一步地，在上述方法实施例的基础上，S1021具体包括：

根据各干扰中心点的价值区域内的样本点和规划软件中标准宏小区传播模型，计算得到各干扰源的位置信息。

其中，所述规划软件中标准宏小区传播模型可以采用如下模型：

L_p＝K₁+K₂log d+K₃(h_m)+K₄log h_m+K₅log(H_eff)+K₆log(H_eff)log d

其中，d代表样本点与干扰源的距离；h_m代表样本点的高度；H_eff代表干扰源的高度信息；K₁,K₂,K₃,K₄,K₅,K₆为传播系数。

误差函数可以采用如下函数：

约束条件为：1≤H_eff≤100。

其中，H_eff代表干扰源可能存在的高度范围，可根据现场环境更改。L_pi代表接样本i的传输损耗，P_i代表样本i的接收功率，m代表样本数量，J(P₀,U)表示以J(P₀,U)作为参数。

在首次迭代过程中，初始化参数P₀使用默认值(例如-40dBm，可配置)，K₁,K₂,K₃,K₄,K₅,K₆都可以使用默认值(例如2)，U使用聚类中心点位置，H_eff使用默认值(例如10米)；然后迭代计算J(P₀,K₁,K₂,K₃,K₄,K₅,K₆,H_eff,U)取得最小值时的(P₀,K₁,K₂,K₃,K₄,K₅,K₆,H_eff,U)。

其中，迭代终止条件可以包括两个：(1)满足迭代次数(例如1000次，可配置)；(2)J(P₀,K₁,K₂,K₃,K₄,K₅,K₆,H_eff,U)的相邻误差〈U_n│U_n-1〉连续10次小于10米。

根据以上步骤计算得到的U，即(X_U,Y_U)，由预设坐标系逆转换为经纬度坐标(longitude，latitude)。

重复上述步骤，直至所有聚类中心点都参与计算。

本实施例考虑了样本的高度信息，因此可以计算出干扰信号的高度以及干扰源的真实位置；该方法使用信号在立体空间的传播模型，保证了结果的可解释性。

图2示出了本实施例提供的一种干扰源定位处理装置的结构示意图，所述装置包括：位置转换模块201、聚类分析模块202、价值计算模块203和位置计算模块204，其中：

所述位置转换模块201用于获取各样本点的第一位置信息，并根据预设坐标系对各第一位置信息进行转换，得到所述预设坐标系下对应的各第二位置信息。

所述聚类分析模块202用于对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点。

所述价值计算模块203用于将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据每个区域内的样本点的价值计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域。

所述位置计算模块204用于根据各干扰中心点的价值区域内的样本点和传播模型，计算得到各干扰源的位置信息。

具体地，所述位置转换模块201获取各样本点的第一位置信息，并根据预设坐标系对各第一位置信息进行转换，得到所述预设坐标系下对应的各第二位置信息；所述聚类分析模块202对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点；所述价值计算模块203将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据每个区域内的样本点的价值计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；所述位置计算模块204根据各干扰中心点的价值区域内的样本点和传播模型，计算得到各干扰源的位置信息。

本实施例通过将样本点的第一位置信息转换为预设坐标系下对应的第二位置信息，方便后续处理，提高处理效率；通过采用聚类分析并对预设搜索范围进行划分，并采用传播模型计算得到各干扰源的位置信息，节省时间成本和人工成本；且在定向干扰或基站分布较为分散的地方也能很好的工作，具有较强的鲁棒性；考虑了样本的高度信息，因此可以计算出干扰信号的高度以及干扰源的真实位置；同时使用信号在立体空间的传播模型，保证了结果的严谨和可解释性。

进一步地，在上述装置实施例的基础上，所述聚类分析模块202具体包括：

位置筛选单元，用于对各第二位置信息进行筛选，获取电平强度大于阈值的样本点的若干个第三位置信息。

聚类分析单元，用于对所述若干个第三位置信息进行聚类分析，根据增长率和截止条件确定各干扰源的干扰中心点。

进一步地，在上述装置实施例的基础上，所述价值计算模块203具体用于根据预设夹角将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据公式一计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；

其中，Va_j表示第j个区域的价值，Num_j表示第j个区域内的采样点数量，P_i表示第i个采样点受干扰的电平强度，U表示干扰中心点的坐标信息，L_ij表示第j个区域内第i个采样点的坐标信息，(U-L_ij),(U-L_ij)表示干扰中心点与第j个区域内第i个采样点的距离。

进一步地，在上述装置实施例的基础上，所述位置计算模块204具体用于根据各干扰中心点的价值区域内的样本点和规划软件中标准宏小区传播模型，计算得到各干扰源的位置信息。

本实施例所述的干扰源定位处理装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。

参照图3，所述电子设备，包括：处理器(processor)301、存储器(memory)302和总线303；

其中，

所述处理器301和存储器302通过所述总线303完成相互间的通信；

所述处理器301用于调用所述存储器302中的程序指令，以执行上述各方法实施例所提供的方法。

本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。

本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。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

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。

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)

1.一种干扰源定位处理方法，其特征在于，包括：

获取各样本点的第一位置信息，并根据预设坐标系对各第一位置信息进行转换，得到所述预设坐标系下对应的各第二位置信息；

对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点；

将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据每个区域内的样本点的价值计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；所述样本点的价值为每个样本点受干扰的电平强度；

根据各干扰中心点的价值区域内的样本点和传播模型，计算得到各干扰源的位置信息；

所述将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据每个区域内的样本点的价值计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域，具体包括：

根据预设夹角将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据公式一计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；

其中，Va_j表示第j个区域的价值，Num_j表示第j个区域内的样本点数量，P_ij表示第j个区域内第i个样本点受干扰的电平强度，U表示干扰中心点的坐标信息，L_ij表示第j个区域内第i个样本点的坐标信息，(U-L_ij),(U-L_ij)表示干扰中心点与第j个区域内第i个样本点的距离；

所述传播模型的表达式如下：

L_p＝K₁+K₂log d+K₃(h_m)+K₄log h_m+K₅log(H_eff)+K₆log(H_eff)log d

其中，L_p代表样本点的传输损耗，d代表样本点与干扰源的距离；h_m代表样本点的高度；H_eff代表干扰源的高度信息；K₁,K₂,K₃,K₄,K₅,K₆为传播系数。

2.根据权利要求1所述的方法，其特征在于，所述对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点，具体包括：

对各第二位置信息进行筛选，获取电平强度大于阈值的样本点的若干个第三位置信息；

对所述若干个第三位置信息进行聚类分析，根据增长率和截止条件确定各干扰源的干扰中心点。

3.一种干扰源定位处理装置，其特征在于，包括：

位置转换模块，用于获取各样本点的第一位置信息，并根据预设坐标系对各第一位置信息进行转换，得到所述预设坐标系下对应的各第二位置信息；

聚类分析模块，用于对各第二位置信息进行聚类分析，得到各干扰源的干扰中心点；

价值计算模块，用于将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据每个区域内的样本点的价值计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；所述样本点的价值为每个样本点受干扰的电平强度；

位置计算模块，用于根据各干扰中心点的价值区域内的样本点和传播模型，计算得到各干扰源的位置信息；

所述价值计算模块具体用于根据预设夹角将以各干扰中心点为圆心的预设搜索范围划分为若干个区域，根据公式一计算各区域的价值，并选择价值最大的区域作为当前的干扰中心点的价值区域；

其中，Va_j表示第j个区域的价值，Num_j表示第j个区域内的样本点数量，P_ij表示第j个区域内第i个样本点受干扰的电平强度，U表示干扰中心点的坐标信息，L_ij表示第j个区域内第i个样本点的坐标信息，(U-L_ij),(U-L_ij)表示干扰中心点与第j个区域内第i个样本点的距离；

所述传播模型的表达式如下：

L_p＝K₁+K₂log d+K₃(h_m)+K₄log h_m+K₅log(H_eff)+K₆log(H_eff)log d

其中，L_p代表样本点的传输损耗，d代表样本点与干扰源的距离；h_m代表样本点的高度；H_eff代表干扰源的高度信息；K₁,K₂,K₃,K₄,K₅,K₆为传播系数。

4.根据权利要求3所述的装置，其特征在于，所述聚类分析模块具体包括：

位置筛选单元，用于对各第二位置信息进行筛选，获取电平强度大于阈值的样本点的若干个第三位置信息；

聚类分析单元，用于对所述若干个第三位置信息进行聚类分析，根据增长率和截止条件确定各干扰源的干扰中心点。

5.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至2任一所述的方法。

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程序，所述计算机程序使所述计算机执行如权利要求1至2任一所述的方法。

Images