CN110856100B - 基于5g信号的终端定位及定位模型构建的方法和装置 - Google Patents

基于5g信号的终端定位及定位模型构建的方法和装置 Download PDF

Info

Publication number
CN110856100B
CN110856100B CN201911000451.4A CN201911000451A CN110856100B CN 110856100 B CN110856100 B CN 110856100B CN 201911000451 A CN201911000451 A CN 201911000451A CN 110856100 B CN110856100 B CN 110856100B
Authority
CN
China
Prior art keywords
mobile terminal
neural network
signal
information
positioning
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
Application number
CN201911000451.4A
Other languages
English (en)
Other versions
CN110856100A (zh
Inventor
黄兴鲁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen digital Big Data Technology Co.,Ltd.
Original Assignee
Shenzhen Shuwei Media Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Shuwei Media Technology Co ltd filed Critical Shenzhen Shuwei Media Technology Co ltd
Priority to CN201911000451.4A priority Critical patent/CN110856100B/zh
Publication of CN110856100A publication Critical patent/CN110856100A/zh
Application granted granted Critical
Publication of CN110856100B publication Critical patent/CN110856100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于5G信号的终端定位及定位模型构建的方法和装置，该构建方法包括：采用5G信号获取移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息；采用5G信号将移动终端在Tk时刻对应的大尺度信道信息和在Tk‑1时刻对应的坐标信息输入预设神经网络进行训练，并输出移动终端在Tk时刻对应的预测位置信息；重复上述的全部步骤直至达到预定目标，之后记录并保存此时的预设神经网络的网络结构与参数数值，并将其作为神经网络定位模型的网络结构与参数数值，得到神经网络定位模型。本发明可以对在指定区域移动的移动终端提供准确的定位。

Description

基于5G信号的终端定位及定位模型构建的方法和装置
技术领域
本发明涉及神经网络模型的构建及定位应用技术领域，特别是涉及一种基于5G信号的终端定位及定位模型构建的方法和装置。
背景技术
GPS、GLONASS和北斗卫星导航系统等的广泛应用，为人们的室外活动导航和定位提供了便利，同时生活中对于位置的业务需求也不断增加。在室内环境下，由于信号弱和不能穿透建筑物等问题，精度高的室内定位系统仍在不断完善中。但是，人类大多数时间都在室内活动，因此解决室内定位问题，就能实现室内室外定位的无缝衔接，是导航领域的重大突破。目前，传统的基于信道状态信息的定位方法，由于易受环境因素等问题影响，使得该定位方法不能提供很好的定位精度，且无法预测用户的运动。如何实现移动用户的准确定位，突破移动终端的定位问题和实现移动定位，成为亟待解决的问题。
发明内容
本发明实施例提供一种基于5G信号的终端定位及定位模型构建的方法和装置，以解决现有技术中的以下问题：基于信道状态信息的定位方法，由于易受环境因素等问题影响，使得该定位方法不能提供很好的定位精度。
为解决上述技术问题，本发明实施例采用的第一技术方案如下：
一种基于5G信号的神经网络定位模型的构建方法，用于对位于指定区域且处于移动状态的移动终端进行定位，其包括：采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，其中所述移动轨迹信息预存于第一指定地址；采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练，并输出所述移动终端在Tk时刻对应的预测位置信息，其中k为大于或等于1的自然数；重复上述的全部步骤直至达到预定目标，之后记录并保存此时的所述预设神经网络的网络结构与参数数值，并将其作为所述神经网络定位模型的网络结构与参数数值，得到所述神经网络定位模型。
可选地，所述采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息之前，包括：采用5G信号获取位置与信号地图，所述位置与信号地图包括所述指定区域的每个所述指定位置的坐标信息，且包括每个所述指定位置与各个通讯基站之间全部的所述大尺度信道信息，其中所述位置与信号地图预存于第二指定地址。
可选地，所述重复上述的全部步骤，直至达到预定目标，包括：重复上述的全部步骤，直至相关的所述指定位置对应的所述预测位置信息与实际位置信息的误差小于预设阈值，其中所述实际位置信息为所述位置与信号地图中相关的所述指定位置的坐标信息。
可选地，每个所述指定位置对应的坐标信息为二维坐标信息，每个所述指定位置对应的所述大尺度信道信息为该所述指定位置与各个相关的通讯基站之间的大尺度信道增益。
可选地，所述Tk时刻与所述Tk-1时刻之间的时间间隔设为1秒，但不限为1秒。
为解决上述技术问题，本发明实施例采用的第二技术方案如下：
一种基于5G信号的神经网络定位模型的构建装置，其包括：信息获取模块，用于采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，其中所述移动轨迹信息预存于第一指定地址；模型训练模块，用于采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练，并输出所述移动终端在Tk时刻对应的预测位置信息，其中k为大于或等于1的自然数；模型确定模块，用于重复上述的全部步骤直至达到预定目标，之后记录并保存此时的所述预设神经网络的网络结构与参数数值，并将其作为所述神经网络定位模型的网络结构与参数数值，得到所述神经网络定位模型。
为解决上述技术问题，本发明实施例采用的第三技术方案如下：
一种基于5G信号的移动终端的定位方法，用于对位于指定区域且处于移动状态的移动终端进行定位，所述定位方法基于上述任一项所述的神经网络定位模型来实现，其包括：采用5G信号获取所述移动终端在指定区域上的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息；采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型，并输出预测位置信息；将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
为解决上述技术问题，本发明实施例采用的第四技术方案如下：
一种基于5G信号的移动终端的定位装置，用于对位于指定区域且处于移动状态的移动终端进行定位，所述定位方法基于上述任一项所述的神经网络定位模型来实现，其包括：轨迹获取模块，用于采用5G信号获取所述移动终端在指定区域上的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息；信息处理模块，用于采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型，并输出预测位置信息；位置确认模块，用于将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
为解决上述技术问题，本发明实施例采用的第五技术方案如下：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述的基于5G信号的神经网络定位模型的构建方法，或实现上述的基于5G信号的移动终端的定位方法。
为解决上述技术问题，本发明实施例采用的第六技术方案如下：
一种计算机设备，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的基于5G信号的神经网络定位模型的构建方法，或实现上述的基于5G信号的移动终端的定位方法。
本发明实施例的有益效果是：区别于现有技术的情况，本发明实施例通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练，并输出移动终端在Tk时刻对应的预测位置信息，最后得到神经网络定位模型，再使用该神经网络定位模型对位于指定区域移动的移动终端进行定位，解决了现有技术中的以下问题：基于信道状态信息的定位方法，由于易受环境因素等问题影响，使得该定位方法不能提供很好的定位精度。
附图说明
图1是本发明实施例一的基于5G信号的神经网络定位模型的构建方法一实施方式的实施流程图；
图2是本发明实施例二的基于5G信号的构建神经网络定位模型的装置一实施方式的部分结构框架图；
图3是本发明实施例三的基于5G信号的移动终端的定位方法一实施方式的实施流程图；
图4是本发明实施例四的基于5G信号的移动终端的定位装置一实施方式的部分结构框架图；
图5是本发明实施例五的计算机可读存储介质一实施方式的部分结构框架图；
图6是本发明实施例六的计算机设备一实施方式的部分结构框架图。
具体实施方式
实施例一
请参阅图1，图1是本发明实施例的基于5G信号的神经网络定位模型的构建方法的实施流程图，结合图1可以得到，本发明的基于5G信号的神经网络定位模型的构建方法，用于对位于指定区域且处于移动状态的移动终端进行定位，其包括以下步骤：
步骤S101：采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，其中所述移动轨迹信息预存于第一指定地址。
在本步骤中，具体为，以1s为单位记录移动用户的位置，以(xt，yt)表示用户当前的位置，以(xt-1，yt-1)表示用户上一个时刻的位置，沿用户移动轨迹获取用户经过每点的坐标和每个基站的大尺度信道信息，以每个通信基站的大尺度信道信息α＝[α1,α2,α3,α4]T和用户上一时刻位置坐标(xt-1，yt-1)，即将X＝[α,xt-1,yt-1]T作为神经网络的输入，以移动终端当前的位置坐标的预测值
Figure BDA0002241145130000061
作为神经网络的输出Y，进行神经网络的训练。
在本步骤中，需要设置神经网络的网络结构和参数数值，在本实施例中，以移动终端的坐标预测值
Figure BDA0002241145130000062
和用户坐标的实际值(xt，yt)的距离作为判断标准，通过调节神经网络的网络结构和参数数值来训练神经网络，神经网络的网络结构和参数数值通过不断的学习来确定。神经网络训练完成后，得到神经网络定位模型，并对模型进行保存。
得到神经网络定位模型后，只需要获取移动终端当前的各个通信基站对应的大尺度信道信息α和移动终端上一时刻的位置坐标(xt-1，yt-1)，作为已训练完成的神经网络定位模型的输入，即可获得移动终端当前坐标的预测值
Figure BDA0002241145130000063
本发明可实现边运动边定位，将当前移动终端获取的大尺度信道信息和移动终端上一时刻的位置即X＝[α,xt-1,yt-1]T作为网路的输入，则用户当前位置的预测值
Figure BDA0002241145130000064
以用户坐标预测值
Figure BDA0002241145130000065
和用户坐标的实际值(xt,yt)的距离衡量定位误差，即
Figure BDA0002241145130000066
步骤S102：采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练，并输出所述移动终端在Tk时刻对应的预测位置信息，其中k为大于或等于1的自然数。
步骤S103：重复上述的全部步骤直至达到预定目标，之后记录并保存此时的所述预设神经网络的网络结构与参数数值，并将其作为所述神经网络定位模型的网络结构与参数数值，得到所述神经网络定位模型。
在本实施例中，可选地，所述采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息之前，包括：
采用5G信号获取位置与信号地图，所述位置与信号地图包括所述指定区域的每个所述指定位置的坐标信息，且包括每个所述指定位置与各个通讯基站之间全部的所述大尺度信道信息，其中所述位置与信号地图预存于第二指定地址(如指定数据库)。
其中，位置与信号地图由工作人员预先制作完成，并存储于第二指定地址，位置与信号地图的制作过程如下：
选取研究区域为100mx100m的指定矩形区域，该矩形区域包括建筑和道路，室内和室外场景，将研究区域均匀划分为一个个方格，取原点，建立二维直角坐标系，得到每点的坐标。移动用户携带移动终端测量每一方格对应的不同通讯基站的大尺度信道信息，根据接收端的信号强度，确定大尺度信道增益值进行参考计算。
本发明涉及的大尺度信道信息，是指信号通过长距离的传播到达接收端所导致的信号衰减信息，包括空间电磁波传播固然存在的路径损耗和障碍物遮挡引起的阴影衰落，按理论可以表示为路径损耗38.46+36.81g(d)dB和服从零均值高斯分布的阴影衰落的和，这里d是通信基站到移动终端之间的距离。
确定移动终端获取的信号强度和各个通信基站到移动终端的大尺度信道信息的转换关系，并记录各个通信基站到每个指定位置的大尺度信道信息，即α＝[α1,α2,α3,α4]T。
在本实施例中，可选地，所述重复上述的全部步骤，直至达到预定目标，包括：
重复上述的全部步骤，直至相关的所述指定位置对应的所述预测位置信息与实际位置信息的误差小于预设阈值，其中所述实际位置信息为所述位置与信号地图中相关的所述指定位置的坐标信息。
在本实施例中，可选地，每个所述指定位置对应的坐标信息为二维坐标信息，每个所述指定位置对应的所述大尺度信道信息为该所述指定位置与各个相关的通讯基站之间的大尺度信道增益。
在本实施例中，可选地，所述Tk时刻与所述Tk-1时刻之间的时间间隔设为1秒，但不限为1秒。
目前，基于信道状态信息的方法已经被应用到室内定位中，信道状态信息反应了信号从发射端到接收端的信道状态和特征，具有较好的灵敏度和感知可靠性。由于大尺度信道信息包含了通信基站到用户(即移动终端)的距离等信息，且通过移动终端容易获取，因此在本发明中，应用通信基站到移动终端的大尺度信道信息作为定位依据。另外，随着深度学习的广泛应用，不同的神经网络被用来实现预测的功能，且不同的神经网络具有不同的特点。随着移动终端的广泛普及和大数据分析的快速发展，用户行为是可被预测的。本发明结合移动终端的运动信息和大尺度信道信息，实现了移动终端的定位。
本发明实施例通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练，并输出移动终端在Tk时刻对应的预测位置信息，最后得到神经网络定位模型，为在指定区域上移动的移动终端的准确定位提供了模型，用户只需要将相关的位置信息和大尺度信息输入神经网络定位模型，即可输出移动终端的当前位置信息。
实施例二
请参阅图2，图2是本发明实施例的基于5G信号的构建神经网络定位模型的装置100的部分结构框架图，结合图2可以得到，本发明的一种基于5G信号的构建神经网络定位模型的装置100，包括：
信息获取模块110，用于采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，其中所述移动轨迹信息预存于第一指定地址。
模型训练模块120，用于采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练，并输出所述移动终端在Tk时刻对应的预测位置信息，其中k为大于或等于1的自然数。
模型确定模块130，用于重复上述的全部步骤直至达到预定目标，之后记录并保存此时的所述预设神经网络的网络结构与参数数值，并将其作为所述神经网络定位模型的网络结构与参数数值，得到所述神经网络定位模型。
本发明实施例通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练，并输出移动终端在Tk时刻对应的预测位置信息，最后得到神经网络定位模型，为在指定区域上移动的移动终端的准确定位提供了模型，用户只需要将相关的位置信息和大尺度信息输入神经网络定位模型，即可输出移动终端的当前位置信息。
实施例三
请参阅图3，图3是本发明实施例的基于5G信号的移动终端的定位方法的实施流程图，结合图3可以得到，本发明的一种基于5G信号的移动终端的定位方法，用于对位于指定区域且处于移动状态的移动终端进行定位，所述定位方法基于上述任一项所述的神经网络定位模型来实现，其包括以下步骤：
步骤S201：采用5G信号获取所述移动终端在指定区域上的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息。
步骤S202：采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型，并输出预测位置信息。
步骤S203：采用5G信号将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
本发明实施例通过使用实施例一所述的神经网络定位模型对位于指定区域移动的移动终端进行定位，解决了现有技术中的以下问题：基于信道状态信息的定位方法，由于易受环境因素等问题影响，使得该定位方法不能提供很好的定位精度。
实施例四
请参阅图4，图4是本发明实施例的基于5G信号的移动终端的定位装置200的部分结构框架图，结合图4可以得到，本发明的一种基于5G信号的移动终端的定位装置200，用于对位于指定区域且处于移动状态的移动终端进行定位，所述定位方法基于实施例一所述的神经网络定位模型来实现，其包括：
轨迹获取模块210，用于采用5G信号获取所述移动终端在指定区域上的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息。
信息处理模块220，用于采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型，并输出预测位置信息。
位置确认模块230，用于将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
本发明实施例通过使用实施例一所述的神经网络定位模型对位于指定区域移动的移动终端进行定位，解决了现有技术中的以下问题：基于信道状态信息的定位方法，由于易受环境因素等问题影响，使得该定位方法不能提供很好的定位精度。
实施例五
请参阅图5，参考图5可以看到，本发明实施例的一种计算机可读存储介质10，所述的计算机可读存储介质10，如：ROM/RAM、磁碟、光盘等，其上存储有计算机程序11，所述计算机程序11被执行时实现如实施例一所述的基于5G信号的神经网络定位模型的构建方法，或实现如实施例三所述的基于5G信号的移动终端的定位方法。由于该基于5G信号的神经网络定位模型的构建方法和基于5G信号的移动终端的定位方法已经分别在实施例一和实施例三中进行了详细的说明，在此不再重复说明。
本发明实施例实现的基于5G信号的神经网络定位模型的构建方法，通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练，并输出移动终端在Tk时刻对应的预测位置信息，最后得到神经网络定位模型，为在指定区域上移动的移动终端的准确定位提供了模型，用户只需要将相关的位置信息和大尺度信息输入神经网络定位模型，即可输出移动终端的当前位置信息。另外，本发明实现的基于5G信号的移动终端的定位方法，通过使用该神经网络定位模型对位于指定区域移动的移动终端进行定位，解决了现有技术中的以下问题：基于信道状态信息的定位方法，由于易受环境因素等问题影响，使得该定位方法不能提供很好的定位精度。
实施例六
请参阅图6，参考图6可以看到，本发明实施例的一种计算机设备20，其包括处理器21、存储器22及存储于所述存储器22上并可在所述处理器21上运行的计算机程序221，所述处理器21执行所述计算机程序221时实现如实施例一所述的基于5G信号的神经网络定位模型的构建方法，或实现如实施例三所述的基于5G信号的移动终端的定位方法。由于该基于5G信号的神经网络定位模型的构建方法和基于5G信号的移动终端的定位方法已经分别在实施例一和实施例三中进行了详细的说明，在此不再重复说明。
本发明实施例实现的基于5G信号的神经网络定位模型的构建方法，通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练，并输出移动终端在Tk时刻对应的预测位置信息，最后得到神经网络定位模型，为在指定区域上移动的移动终端的准确定位提供了模型，用户只需要将相关的位置信息和大尺度信息输入神经网络定位模型，即可输出移动终端的当前位置信息。另外，本发明实现的基于5G信号的移动终端的定位方法，通过使用该神经网络定位模型对位于指定区域移动的移动终端进行定位，解决了现有技术中的以下问题：基于信道状态信息的定位方法，由于易受环境因素等问题影响，使得该定位方法不能提供很好的定位精度。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于5G信号的神经网络定位模型的构建方法，用于对位于指定区域且处于移动状态的移动终端进行定位，其特征在于，包括：
采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，其中所述移动轨迹信息预存于第一指定地址；
采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练，并输出所述移动终端在Tk时刻对应的预测位置信息，其中k为大于或等于1的自然数；
重复上述的全部步骤直至达到预定目标，之后记录并保存此时的所述预设神经网络的网络结构与参数数值，并将其作为所述神经网络定位模型的网络结构与参数数值，得到所述神经网络定位模型。
2.根据权利要求1所述的基于5G信号的神经网络定位模型的构建方法，其特征在于，所述采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息之前，包括：
采用5G信号获取位置与信号地图，所述位置与信号地图包括所述指定区域的每个所述指定位置的坐标信息，且包括每个所述指定位置与各个通讯基站之间全部的所述大尺度信道信息，其中所述位置与信号地图预存于第二指定地址。
3.根据权利要求2所述的基于5G信号的神经网络定位模型的构建方法，其特征在于，所述重复上述的全部步骤，直至达到预定目标，包括：
重复上述的全部步骤，直至相关的所述指定位置对应的所述预测位置信息与实际位置信息的误差小于预设阈值，其中所述实际位置信息为所述位置与信号地图中相关的所述指定位置的坐标信息。
4.根据权利要求1所述的基于5G信号的神经网络定位模型的构建方法，其特征在于，每个所述指定位置对应的坐标信息为二维坐标信息，每个所述指定位置对应的所述大尺度信道信息为该所述指定位置与各个相关的通讯基站之间的大尺度信道增益。
5.根据权利要求1所述的基于5G信号的神经网络定位模型的构建方法，其特征在于，所述Tk时刻与所述Tk-1时刻之间的时间间隔设为1秒。
6.一种基于5G信号的神经网络定位模型的构建装置，其特征在于，包括：
信息获取模块，用于采用5G信号获取移动终端在指定区域内的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息，其中所述移动轨迹信息预存于第一指定地址；
模型训练模块，用于采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练，并输出所述移动终端在Tk时刻对应的预测位置信息，其中k为大于或等于1的自然数；
模型确定模块，用于重复上述的全部步骤直至达到预定目标，之后记录并保存此时的所述预设神经网络的网络结构与参数数值，并将其作为所述神经网络定位模型的网络结构与参数数值，得到所述神经网络定位模型。
7.一种基于5G信号的移动终端的定位方法，用于对位于指定区域且处于移动状态的移动终端进行定位，其特征在于，所述定位方法基于权利要求1～4任一项所述的神经网络定位模型来实现，其包括：
采用5G信号获取所述移动终端在指定区域上的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息；
采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型，并输出预测位置信息；
将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
8.一种基于5G信号的移动终端的定位装置，用于对位于指定区域且处于移动状态的移动终端进行定位，其特征在于，所述定位方法基于权利要求1～4任一项所述的神经网络定位模型来实现，包括：
轨迹获取模块，用于采用5G信号获取所述移动终端在指定区域上的移动轨迹信息，并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息；
信息处理模块，用于采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型，并输出预测位置信息；
位置确认模块，用于将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被执行时实现权利要求1～5任一项所述的基于5G信号的神经网络定位模型的构建方法，或实现权利要求7所述的基于5G信号的移动终端的定位方法。
10.一种计算机设备，其特征在于，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1～5任一项所述的基于5G信号的神经网络定位模型的构建方法，或实现权利要求7所述的基于5G信号的移动终端的定位方法。
CN201911000451.4A 2019-10-21 2019-10-21 基于5g信号的终端定位及定位模型构建的方法和装置 Active CN110856100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911000451.4A CN110856100B (zh) 2019-10-21 2019-10-21 基于5g信号的终端定位及定位模型构建的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911000451.4A CN110856100B (zh) 2019-10-21 2019-10-21 基于5g信号的终端定位及定位模型构建的方法和装置

Publications (2)

Publication Number Publication Date
CN110856100A CN110856100A (zh) 2020-02-28
CN110856100B true CN110856100B (zh) 2021-04-23

Family

ID=69596980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911000451.4A Active CN110856100B (zh) 2019-10-21 2019-10-21 基于5g信号的终端定位及定位模型构建的方法和装置

Country Status (1)

Country Link
CN (1) CN110856100B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113766634B (zh) * 2021-08-31 2023-08-04 深圳Tcl新技术有限公司 基于5g的定位方法、装置、计算机设备和存储介质
CN116234000A (zh) * 2021-11-30 2023-06-06 维沃移动通信有限公司 定位方法及通信设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125037A (zh) * 2016-06-15 2016-11-16 北京工业大学 基于WiFi信号强度和Micro‑Model的室内无线热点回溯定位方法
CN108696932A (zh) * 2018-04-09 2018-10-23 西安交通大学 一种利用csi多径及机器学习的室外指纹定位方法
CN109059912A (zh) * 2018-07-31 2018-12-21 太原理工大学 一种基于小波神经网络的gps/ins集成定位方法
CN109874111A (zh) * 2017-12-05 2019-06-11 中兴通讯股份有限公司 调度方法、发送信息的方法、装置及存储介质
CN110225460A (zh) * 2019-06-05 2019-09-10 三维通信股份有限公司 一种基于深度神经网络的室内定位方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10203209B2 (en) * 2016-05-25 2019-02-12 Regents Of The University Of Minnesota Resource-aware large-scale cooperative 3D mapping using multiple mobile devices

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125037A (zh) * 2016-06-15 2016-11-16 北京工业大学 基于WiFi信号强度和Micro‑Model的室内无线热点回溯定位方法
CN109874111A (zh) * 2017-12-05 2019-06-11 中兴通讯股份有限公司 调度方法、发送信息的方法、装置及存储介质
CN108696932A (zh) * 2018-04-09 2018-10-23 西安交通大学 一种利用csi多径及机器学习的室外指纹定位方法
CN109059912A (zh) * 2018-07-31 2018-12-21 太原理工大学 一种基于小波神经网络的gps/ins集成定位方法
CN110225460A (zh) * 2019-06-05 2019-09-10 三维通信股份有限公司 一种基于深度神经网络的室内定位方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Machine learning based acoustic sensing for indoor room localisation using mobile phones;Lincoln Phillips et.al;《2015 9th International Conference on Sensing Technology (ICST)》;20160424;全文 *
基于RSSI测距的室内定位跟踪技术研究;梁德骕;《中国优秀硕士学位论文全文数据库 基础科学辑》;20160115;全文 *

Also Published As

Publication number Publication date
CN110856100A (zh) 2020-02-28

Similar Documents

Publication Publication Date Title
CN106912105B (zh) 基于pso_bp神经网络的三维定位方法
US9279878B2 (en) Locating a mobile device
WO2016187746A1 (zh) 提高人工神经网络定位性能的方法和装置
CN108307301B (zh) 基于rssi测距和轨迹相似性的室内定位方法
CN108226860B (zh) 基于rss的超宽带混合维定位方法及定位系统
EP2928243B1 (en) Method for the indoor positioning of wireless local area network (wlan) devices
CN106851821B (zh) 一种基于无线通信基站的室内三维定位方法
CN109379711B (zh) 一种定位方法
CN111246383A (zh) 基于蓝牙室内定位算法优化
CN110856100B (zh) 基于5g信号的终端定位及定位模型构建的方法和装置
US10444319B2 (en) Determining of model parameters for positioning purposes
WO2017088814A1 (zh) 室内定位方法和相关设备
CN112218330A (zh) 定位方法及通信装置
CN112526572B (zh) 室内外无缝导航的网络切换方法与定位系统
CN108242962B (zh) 一种基于测量报告的室内信号传播损耗计算方法及装置
CN110636516A (zh) 信号传播模型的确定方法及装置
CN109839613B (zh) 一种使用路径信息校准的射频定位方法和装置
Zhao et al. Sequential Monte Carlo methods and theoretical bounds for proximity report based indoor positioning
CN110839279A (zh) 一种基于5g信号的智能终端定位方法及装置
Arai et al. Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation
Khan et al. Experimental testbed evaluation of cell level indoor localization algorithm using Wi-Fi and LoRa protocols
CN113141570A (zh) 地下场景定位方法、装置、计算设备及计算机存储介质
Zhang et al. Analysis of the NLOS channel environment of TDOA multiple algorithms
Assayag et al. Indoor positioning system using synthetic training and data fusion
CN115397012A (zh) 基于twr-tdoa估计和mpga布局优化的uwb定位跟踪系统的实现方法

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
CB02 Change of applicant information

Address after: 518000 1001, Beiyou science and technology building, No.42, Gaoxin South Ring Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: SHENZHEN SHUWEI MEDIA TECHNOLOGY Co.,Ltd.

Address before: 518000 18 / F, unit 1, building B, Kexing Science Park, 15 Keyuan Road, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN SHUWEI MEDIA TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 518000 1001, Beiyou science and technology building, No.42, Gaoxin South Ring Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen digital Big Data Technology Co.,Ltd.

Address before: 518000 1001, Beiyou science and technology building, No.42, Gaoxin South Ring Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN SHUWEI MEDIA TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder