CN110719602A - 指纹定位方法和装置 - Google Patents

Abstract

本公开提供了一种指纹定位方法和装置，涉及定位领域。该方法包括：获取各终端上报的MDT数据，其中，MDT数据中包括无线信号参数和终端所在采样点的位置坐标；对无线信号参数进行处理形成无线信号特征向量；对采样点的位置坐标进行位置聚合形成地理栅格；根据无线信号特征向量和地理栅格形成位置指纹库，其中，位置指纹库中包括无线信号特征向量和地理栅格的映射关系；将根据待定位终端上传的无线信号参数形成的无线信号特征向量与位置指纹库中的无线信号特征向量进行匹配，确定待定位终端的位置坐标。本公开能够提高终端定位的准确性。

Description

指纹定位方法和装置

技术领域

本公开涉及定位领域，尤其涉及一种指纹定位方法和装置。

背景技术

中国电信网络运营转型升级，要求将大数据深入应用于生产运营全流程，提升运营维护效率和效益，支撑网络规划和市场发展。某中心通过关联分析MR(MeasurementReport，测量报告)、CDR(Committed Data Rate，承诺数据速率)和DPI(Deep PacketInspection，深度报文检测)等多方面的数据，分析影响网络性能的深层原因、研究用户行为特征、发掘用户潜在需求和商业价值。但是，智慧化运营对我们的大数据分析能力提出了更高的要求。无论是精准定位无线网络质量问题点，引导优化支撑建设，还是研究用户行为规律服务市场营销，都需要高精度无线网络定位技术作为支撑。

终端定位能力是运营商大数据应用的关键能力之一，对于智慧化网络运营和提升网络附加值都具有重要意义。目前在用的定位方式主要有GPS(Global PositioningSystem，全球定位系统)定位、基于无线环境的三点定位及近似算法和基于DPI信息的指纹匹配定位算法。

基于AGPS(Assisted Global Positioning System，辅助全球卫星定位系统)经纬度评估本网覆盖、异网对比、用户轨迹跟踪等广泛应用，对用户的定位从传统的三角定位百米级偏差缩小至AGPS经纬度上报的十米级偏差，大大提升了定位能力的应用价值。由于终端版本及用户需开启GPS的要求，现网携带AGPS经纬的点仅占比约2％，大部分上报点没有携带AGPS经纬度信息。如果直接对上报点进行覆盖评估应用，可用点偏少，会出现大部分盲区。

随着网络运维集约化程度提高、市场上基于位置的应用需求日益强烈，现有的无线网络定位技术不能满足移动网络智慧化运营的要求，急需创新手段提高移动网终端定位能力。

发明内容

本公开要解决的一个技术问题是提供一种指纹定位方法和装置，能够提高终端定位的准确性。

根据本公开一方面，提出一种指纹定位方法，包括：获取各终端上报的最小化路测MDT数据，其中，MDT数据中包括无线信号参数和终端所在采样点的位置坐标；对无线信号参数进行处理形成无线信号特征向量；对采样点的位置坐标进行位置聚合形成地理栅格；根据无线信号特征向量和地理栅格形成位置指纹库，其中，位置指纹库中包括无线信号特征向量和地理栅格的映射关系；将根据待定位终端上传的无线信号参数形成的无线信号特征向量与位置指纹库中的无线信号特征向量进行匹配，确定待定位终端的位置坐标。

可选地，对无线信号参数进行处理形成无线信号特征向量包括：将无线信号参数中的小区序列号SN参数、频点信息FCN参数、物理小区标识PCI参数和参考信号接收功率RSRP参数进变换，形成以RSRP序列为主体的二维无线信号特征向量。

可选地，对无线信号参数进行处理形成无线信号特征向量还包括：将MDT数据中具有不同顺序但具有相同小区元素的邻小区组合归属为同一类组合。

可选地，对采样点的位置坐标进行位置聚合形成地理栅格包括：将无线信号特征向量对应的区域划分为多个栅格；确定无线信号特征向量对应的主服务基站和主服务小区及关联小区的位置中心；比较各采样点的位置坐标到位置中心的经纬度偏差；将经纬度偏差小于阈值的采样点作为无线信号特征向量对应的可信采样点；将包含可信采样点最多的栅格作为无线信号特征向量对应的地理栅格。

可选地，基于加权K值逼近WKNN算法在位置指纹库中获取与待定位终端的无线信号特征向量相匹配的无线信号特征。

根据本公开的另一方面，还提出一种指纹定位装置，包括：数据获取单元，用于获取各终端上报的最小化路测MDT数据，其中，MDT数据中包括无线信号参数和终端所在采样点的位置坐标；特征向量形成单元，用于对无线信号参数进行处理形成无线信号特征向量；位置聚合单元，用于对采样点的位置坐标进行位置聚合形成地理栅格；指纹库形成单元，用于根据无线信号特征向量和地理栅格形成位置指纹库，其中，位置指纹库中包括无线信号特征向量和地理栅格的映射关系；指纹库匹配单元，用于将根据待定位终端上传的无线信号参数形成的无线信号特征向量与位置指纹库中的无线信号特征向量进行匹配，确定待定位终端的位置坐标。

可选地，特征向量形成单元用于将无线信号参数中的小区序列号SN参数、频点信息FCN参数、物理小区标识PCI参数和参考信号接收功率RSRP参数进变换，形成以RSRP序列为主体的二维无线信号特征向量。

可选地，特征向量形成单元还用于将MDT数据中具有不同顺序但具有相同小区元素的邻小区组合归属为同一类组合。

可选地，位置聚合单元用于将无线信号特征向量对应的区域划分为多个栅格；确定无线信号特征向量对应的主服务基站和主服务小区及关联小区的位置中心；比较各采样点的位置坐标到位置中心的经纬度偏差；将经纬度偏差小于阈值的采样点作为无线信号特征向量对应的可信采样点；将包含可信采样点最多的栅格作为无线信号特征向量对应的地理栅格。

可选地，指纹库匹配单元用于基于加权K值逼近WKNN算法在位置指纹库中获取与待定位终端的无线信号特征向量相匹配的无线信号特征。

根据本公开的另一方面，还提出一种指纹定位装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的指纹定位方法。

根据本公开的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的指纹定位方法的步骤。

与现有技术相比，本公开通过对MDT数据中的无线信号参数和终端所在采样点的位置坐标进行处理，形成位置指纹库，在接收到待定位终端上传的无线信号参数时，将根据该无线信号参数形成的无线信号特征向量与位置指纹库中的无线信号特征向量进行匹配，确定待定位终端的位置坐标，能够将定位精度由百米级提升至十米级，提高终端定位准确性。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1为本公开指纹定位方法的一个实施例的流程示意图。

图2为本公开指纹定位方法的另一个实施例的流程示意图。

图3为本公开无线信号参数降维变换示意图。

图4为本公开二维无线信号特征向量匹配示意图。

图5为本公开指纹定位装置的一个实施例的结构示意图。

图6为本公开指纹定位装置的再一个实施例的结构示意图。

图7为本公开指纹定位装置的又一个实施例的结构示意图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

图1为本公开指纹定位方法的一个实施例的流程示意图。

在步骤110，获取各终端上报的MDT(Minimization of Drive-Test，最小化路测)数据，其中，MDT数据中包括无线信号参数和终端所在采样点的位置坐标。其中，可以利用LTE Release10发布的终端的MDT功能，终端可以自主上报无线信号参数和采样点的位置坐标。在一个实施例中，可以配置终端周期性自动上报MDT数据，以便短时间内即可建立数量巨大、覆盖面广的位置指纹库，并且保持长期的在线采集和更新，使得定位更加准确。

在步骤120，对无线信号参数进行处理形成无线信号特征向量。其中，为了提升指纹匹配的成功率和效率，可以采用降维和变换操作，重构MDT中邻小区信息格式，形成以RSRP序列为主体的二维无线信号特征向量。

在步骤130，对采样点的位置坐标进行位置聚合形成地理栅格。即对终端上报的位置信息进行数据清洗，获取无线信号特征向量对应的地理栅格。

在步骤140，根据无线信号特征向量和地理栅格形成位置指纹库，其中，位置指纹库中包括无线信号特征向量和地理栅格的映射关系。对于所有的MDT数据，以无线信号特征向量和位置聚合作为中间过滤器，生成指纹信息，通过时间的积累形成稳定全面的无线环境指纹。

在步骤150，将根据待定位终端上传的无线信号参数形成的无线信号特征向量与位置指纹库中的无线信号特征向量进行匹配，确定待定位终端的位置坐标。其中，待定位终端上传的无线信号参数可以通过待定位终端上传的MR数据获取，然后，将待定位终端上传的无线信号参数按照步骤120的方式进行处理形成无线信号特征向量，最后，基于WKNN(KWeighted Nearest Neighbor，加权K值邻近)算法在位置指纹库中获取与待定位终端的无线信号特征向量相匹配的无线信号特征，由于无线信号特征向量与地理栅格具有映射关系，因此，可以进一步确定待定位终端的位置信息。

在该实施例中，通过对MDT数据中的无线信号参数和终端所在采样点的位置坐标进行处理，形成位置指纹库，在接收到待定位终端上传的无线信号参数时，将根据该无线信号参数形成的无线信号特征向量与位置指纹库中的无线信号特征向量进行匹配，确定待定位终端的位置坐标，能够将定位精度由百米级提升至十米级，提高终端定位准确性。

图2为本公开指纹定位方法的另一个实施例的流程示意图。

在步骤210，获取各终端上报的MDT数据，其中，MDT数据中包括无线信号参数和终端所在采样点的位置坐标。

在步骤220，将MDT数据中具有不同顺序但具有相同小区元素的邻小区组合归属为同一类组合。在该步骤中，进行降维处理，即消除顺序维度的考量，使得在进行邻小区匹配时不再考虑顺序问题。认为由若干个小区组成的不同集合具有一致性。例如邻小区组合(A，B，C，D…)和(C，D，B，A…)是一样的，邻小区组合(A，B，C，D…)和(A，D，B，F…)具有较高的相似度。

在步骤230，将无线信号参数中的SN(小区序列号)参数、FCN(频点信息)参数、PCI(物理小区标识)参数和RSRP(参考信号接收功率)参数进变换，形成以RSRP序列为主体的二维无线信号特征向量。其中为了提高定位效率，方便匹配阶段先进性相似度计算，可以将邻小区FCN和PCI两个参数进行组合，形成单一维度的参数，即FCN_PCI，据此，将包含(SN，FCN，PCI，RSRP)的四维无线信号参数转换为二维无线信号特征向量。其中，该二维无线信号特征向量包括主小区信息以及不同邻频编号的RSRP值。例如以RSRP序列为主体的二维无线信号特征向量RF_Si＝{sc_enb，sc_cell，rsrp_0，rsrp_2，rsrp_3，……，rsrp_1511}，其中，sc_enb为主服务基站，sc_cell为主服务小区。如图3所示，将主服务小区、1～8邻小区PCI、频点即信号强度、RSRP组成二维无线信号特征向量。

在步骤240，将无线信号特征向量对应的区域划分为多个栅格。其中，每个无线信号特征向量可能对应多个经纬度点，因此，可以将无线信号特征向量对应的区域划分为多个栅格，例如划分为10米栅格，其中，栅格大小可以根据实际情况进行设置。

在步骤250，确定无线信号特征向量对应的SC_ENB和SC_CELL及关联小区的位置中心。

在步骤260，比较各采样点的位置坐标到位置中心的经纬度偏差。

在步骤270，将经纬度偏差小于阈值的采样点作为无线信号特征向量对应的可信采样点。即若经纬度偏差小于小区覆盖范围的标准差，则认定该MDT数据是有效的，定位在可信区间内，其他MDT数据作为错误数据丢弃掉。其中，步骤250-270可以称为异常栅格清洗过程。

在步骤280，将包含可信采样点最多的栅格作为无线信号特征向量对应的地理栅格。例如，将各栅格中的可信采样点数量进行排序，将排序最高的栅格作为无线信号特征向量对应的地理栅格。

在步骤290，根据无线信号特征向量和地理栅格形成位置指纹库。其中，MDT数据占比虽然较低，但是绝对数量依然巨大，可以在较短的周期内积累足够多的位置数据，满足高精度定位的需要。例如，每一个点代表一个MDT数据位置坐标，对于一般城区，7天左右MDT数据即可实现区域全覆盖，且足够多的记录数量能够避免偶然因素的影响，保证位置指纹的稳定性。

在步骤2100，获取待定位终端上报的MR数据。具体过程如图4所示。

在步骤2110，根据MR信息生成二维无线信号特征向量。其中，二维RSRP序列特征向量形象地可以表示为一段锯齿波形，每一个锯齿表示一个特定频点PCI的小区信号，锯齿的高低代表信号的强弱。

在步骤2120，基于WKNN算法在位置指纹库中的获取与待定位终端的无线信号特征向量相匹配的二维无线信号特征。

在步骤2130，向待定位终端返回位置坐标。

在具体匹配过程中，例如，在位置指纹库中，选取SC_ENB和SC_CELL与待定位终端的MR数据中信息一致的指纹集合。将根据MR信息生成二维无线信号特征向量和已选出的指纹特征向量进行比对，进行相似度计算。

相似度计算是影响定位性能的关键因素，采用WKNN算法，能够实现波形的模糊匹配和偏差纠正，提高匹配效率，缩小的定位偏差。例如，无线特征向量有1512个RSRP值组成，依次代表3个频段各504个PCI的信号强度。计算根据MR数据生成二维无线信号特征向量MR_RSRP和位置指纹库中RSRP序列FP_j_RSRP_i的累计差值，记作D_j，

其中，D_j越小，说明根据MR数据生成二维无线信号特征向量和该指纹特征向量差异越小，越接近该指纹特征向量映射的位置。逐条计算根据MR数据生成二维无线信号特征向量和初选指纹集合中的每条指纹的累计差值D_j，然后选择D_j最小的K个指纹。以D_j的倒数为权重w_i＝1/D_j，然后求K条指纹映射坐标的加权平均值KW_P，该坐标即为MR指纹定位获得位置坐标KW_P。

其中，KW_LAT为MR指纹定位的纬度坐标，KW_LON为MR指纹定位的经度坐标，lat_i为定位指纹库初选指纹集合中的纬度坐标，lon_i为定位指纹库初选指纹集合中的经度坐标。

邻近匹配算法解决了指纹关联度低的问题，适当忽略无线信号特征的细微差别，保证每一条MR数据都能找到与之最相似的指纹信息。依据K条最优指纹的差异，通过加权平均修正定位偏差。KWNN算法较好地平衡匹配效率和定位精度，指纹关联率达到99％，平均定位偏差小于30米。

在上述实施例中，通过降维变换简化无线信号特征向量，保留足够多的无线环境细节，提升指纹的分辨度，在匹配阶段，采用WKNN算法，使得每一条MR数据都能获得最优匹配结果，能够提高终端定位的准确性。

图5为本公开指纹定位装置的一个实施例的结构示意图。该指纹定位装置包括数据获取单元510、特征向量形成单元520、位置聚合单元530、指纹库形成单元540和指纹库匹配单元550。

数据获取单元510用于获取各终端上报的MDT数据，其中，MDT数据中包括无线信号参数和终端所在采样点的位置坐标。终端可以自主上报无线信号参数和采样点的位置坐标。

特征向量形成单元520用于对无线信号参数进行处理形成无线信号特征向量。其中，为了提升指纹匹配的成功率和效率，可以采用降维和变换操作，重构MDT中邻小区信息格式，形成以RSRP序列为主体的二维无线信号特征向量。

位置聚合单元530用于对采样点的位置坐标进行位置聚合形成地理栅格。即对终端上报的位置信息进行数据清洗，获取无线信号特征向量对应的地理栅格。

指纹库形成单元540用于根据无线信号特征向量和地理栅格形成位置指纹库，其中，位置指纹库中包括无线信号特征向量和地理栅格的映射关系。

指纹库匹配单元550用于将根据待定位终端上传的无线信号参数形成的无线信号特征向量与位置指纹库中的无线信号特征向量进行匹配，确定待定位终端的位置坐标。其中，待定位终端上传的无线信号参数可以通过待定位终端上传的MR数据获取，然后，将待定位终端上传的无线信号参数进行处理形成无线信号特征向量，最后，在位置指纹库中获取与待定位终端的无线信号特征向量相匹配的无线信号特征，由于无线信号特征向量与地理栅格具有映射关系，因此，可以进一步确定待定位终端的位置信息。

在该实施例中，通过对MDT数据中的无线信号参数和终端所在采样点的位置坐标进行处理，形成位置指纹库，在接收到待定位终端上传的无线信号参数时，将根据该无线信号参数形成的无线信号特征向量与位置指纹库中的无线信号特征向量进行匹配，确定待定位终端的位置坐标，能够将定位精度由百米级提升至十米级，提高终端定位准确性。

在本公开的另一个实施例中，特征向量形成单元520用于将MDT数据中具有不同顺序但具有相同小区元素的邻小区组合归属为同一类组合，还用于将无线信号参数中的SN参数、FCN参数、PCI参数和RSRP参数进变换，形成以RSRP序列为主体的二维无线信号特征向量。在该过程中，消除顺序维度的考量，使得在进行邻小区匹配时不再考虑顺序问题。认为由若干个小区组成的不同集合具有一致性。例如邻小区组合(A，B，C，D…)和(C，D，B，A…)是一样的，邻小区组合(A，B，C，D…)和(A，D，B，F…)具有较高的相似度。另外，为了提高定位效率，方便匹配阶段先进性相似度计算，可以将邻小区FCN和PCI两个参数进行组合，形成单一维度的参数，即FCN_PCI，据此，将包含(SN，FCN，PCI，RSRP)的四维无线信号参数转换为二维无线信号特征向量。

位置聚合单元530用于将无线信号特征向量对应的区域划分为多个栅格；确定无线信号特征向量对应的主服务基站和主服务小区及关联小区的位置中心；比较各采样点的位置坐标到位置中心的经纬度偏差；将经纬度偏差小于阈值的采样点作为无线信号特征向量对应的可信采样点；将包含可信采样点最多的栅格作为无线信号特征向量对应的地理栅格。

指纹库匹配单元550用于基于WKNN算法在位置指纹库中的获取与待定位终端的无线信号特征向量相匹配的二维无线信号特征，并向待定位终端返回位置坐标。

在上述实施例中，通过降维变换简化无线信号特征向量，保留足够多的无线环境细节，提升指纹的分辨度，在匹配阶段，采用WKNN算法，使得每一条MR数据都能获得最优匹配结果，能够提高终端定位的准确性。

图6为本公开指纹定位装置的再一个实施例的结构示意图。该装置包括存储器610和处理器620，其中，存储器610可以是磁盘、闪存或其它任何非易失性存储介质。存储器610用于存储图1、2所对应实施例中的指令。处理器620耦接至存储器610，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器620用于执行存储器中存储的指令。

在一个实施例中，还可以如图7所示，该装置700包括存储器710和处理器720。处理器720通过BUS总线730耦合至存储器710。该装置700还可以通过存储接口740连接至外部存储装置750以便调用外部数据，还可以通过网络接口760连接至网络或者另外一台计算机系统(未标出)，此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够提高终端定位准确性。

在另一个实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1、2所对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (12)

1.一种指纹定位方法，包括：

获取各终端上报的最小化路测MDT数据，其中，所述MDT数据中包括无线信号参数和终端所在采样点的位置坐标；

对所述无线信号参数进行处理形成无线信号特征向量；

对所述采样点的位置坐标进行位置聚合形成地理栅格；

根据所述无线信号特征向量和所述地理栅格形成位置指纹库，其中，所述位置指纹库中包括所述无线信号特征向量和所述地理栅格的映射关系；

将根据待定位终端上传的无线信号参数形成的无线信号特征向量与所述位置指纹库中的无线信号特征向量进行匹配，确定所述待定位终端的位置坐标。

2.根据权利要求1所述的指纹定位方法，其中，对所述无线信号参数进行处理形成无线信号特征向量包括：

将所述无线信号参数中的小区序列号SN参数、频点信息FCN参数、物理小区标识PCI参数和参考信号接收功率RSRP参数进变换，形成以RSRP序列为主体的二维无线信号特征向量。

3.根据权利要求2所述的指纹定位方法，其中，对所述无线信号参数进行处理形成无线信号特征向量还包括：

将所述MDT数据中具有不同顺序但具有相同小区元素的邻小区组合归属为同一类组合。

4.根据权利要求1所述的指纹定位方法，其中，对所述采样点的位置坐标进行位置聚合形成地理栅格包括：

将所述无线信号特征向量对应的区域划分为多个栅格；

确定所述无线信号特征向量对应的主服务基站和主服务小区及关联小区的位置中心；

比较各所述采样点的位置坐标到所述位置中心的经纬度偏差；

将经纬度偏差小于阈值的采样点作为所述无线信号特征向量对应的可信采样点；

将包含可信采样点最多的栅格作为所述无线信号特征向量对应的地理栅格。

5.根据权利要求1-4任一所述的指纹定位方法，其中，

基于加权K值逼近WKNN算法在所述位置指纹库中获取与所述待定位终端的无线信号特征向量相匹配的无线信号特征。

6.一种指纹定位装置，包括：

数据获取单元，用于获取各终端上报的最小化路测MDT数据，其中，所述MDT数据中包括无线信号参数和终端所在采样点的位置坐标；

特征向量形成单元，用于对所述无线信号参数进行处理形成无线信号特征向量；

位置聚合单元，用于对所述采样点的位置坐标进行位置聚合形成地理栅格；

指纹库形成单元，用于根据所述无线信号特征向量和所述地理栅格形成位置指纹库，其中，所述位置指纹库中包括所述无线信号特征向量和所述地理栅格的映射关系；

指纹库匹配单元，用于将根据待定位终端上传的无线信号参数形成的无线信号特征向量与所述位置指纹库中的无线信号特征向量进行匹配，确定所述待定位终端的位置坐标。

7.根据权利要求6所述的指纹定位装置，其中，

所述特征向量形成单元用于将所述无线信号参数中的小区序列号SN参数、频点信息FCN参数、物理小区标识PCI参数和参考信号接收功率RSRP参数进变换，形成以RSRP序列为主体的二维无线信号特征向量。

8.根据权利要求7所述的指纹定位装置，其中，

所述特征向量形成单元还用于将所述MDT数据中具有不同顺序但具有相同小区元素的邻小区组合归属为同一类组合。

9.根据权利要求6所述的指纹定位装置，其中，

所述位置聚合单元用于将所述无线信号特征向量对应的区域划分为多个栅格；确定所述无线信号特征向量对应的主服务基站和主服务小区及关联小区的位置中心；比较各所述采样点的位置坐标到所述位置中心的经纬度偏差；将经纬度偏差小于阈值的采样点作为所述无线信号特征向量对应的可信采样点；将包含可信采样点最多的栅格作为所述无线信号特征向量对应的地理栅格。

10.根据权利要求6-9任一所述的指纹定位装置，其中，

所述指纹库匹配单元用于基于加权K值逼近WKNN算法在所述位置指纹库中获取与所述待定位终端的无线信号特征向量相匹配的无线信号特征。

11.一种指纹定位装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至5任一项所述的指纹定位方法。

12.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至5任一项所述的指纹定位方法的步骤。

Images