CN111541986B - 定位方法、装置、存储介质及处理器 - Google Patents
定位方法、装置、存储介质及处理器 Download PDFInfo
- Publication number
- CN111541986B CN111541986B CN201910058626.0A CN201910058626A CN111541986B CN 111541986 B CN111541986 B CN 111541986B CN 201910058626 A CN201910058626 A CN 201910058626A CN 111541986 B CN111541986 B CN 111541986B
- Authority
- CN
- China
- Prior art keywords
- positioning
- information
- wireless communication
- communication attribute
- attribute information
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- 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
Abstract
本发明公开了一种定位方法、装置、存储介质及处理器。其中,该方法包括:获取待定位点的定位请求,其中,定位请求至少包括:待定位点的特征信息;根据特征信息,确定待定位点对应的定位参数;根据随机森林回归模型对定位参数进行分析,获取待定位点的经纬度坐标,其中,随机森林回归模型为通过机器学习对至少一组训练数据进行训练得到的,每组训练数据包括:定位参数和经纬度坐标。本发明解决了现有技术定位精度低的技术问题。
Description
技术领域
本发明涉及移动通信技术领域,具体而言,涉及一种定位方法、装置、存储介质及处理器。
背景技术
在没有卫星定位信号(如GPS)的情况下,位置定位方法主要是依据预先建立的指纹库和待测设备的信号强度(如RSSI)来进行定位,但是这种定位由于定位参考指标比较单一,容易受到信号强度相似但是地理距离较远的指纹参考点的干扰,定位精度较低。也有一些方法采用了,例如服务小区到达提前量(如TADV)值,到达角度测距(如AOA)值来辅助定位,但是这些指标,特别是到达角度测距指纹的收集受到采集设备容量、采集环境中干扰、以及采集区域限制等因素的影响,容易造成数据缺失,无法获得完整指纹,或指纹库无法完全覆盖整个区域,制约了定位精度的提升。
针对上述现有技术定位精度低的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种定位方法、装置、存储介质及处理器,以至少解决现有技术定位精度低的技术问题。
根据本发明实施例的一个方面,提供了一种定位方法,包括:获取待定位点的定位请求,其中,所述定位请求至少包括:所述待定位点的特征信息;根据所述特征信息,确定所述待定位点对应的定位参数;根据随机森林回归模型对所述定位参数进行分析,获取所述待定位点的经纬度坐标,其中,所述随机森林回归模型为通过机器学习对至少一组训练数据进行训练得到的,每组所述训练数据包括:定位参数和经纬度坐标。
进一步地,根据所述特征信息,确定所述待定位点对应的定位参数包括:确定与所述特征信息匹配的小区信息,其中,所述小区信息至少包括:无线通信属性信息;根据所述特征信息和所述无线通信属性信息确定所述定位参数。
进一步地,所述定位参数包括:所述待定位点与天线之间的经验距离,所述无线通信属性信息包括:所述天线的经纬度坐标,其中,根据所述特征信息和所述无线通信属性信息确定所述定位参数包括:根据所述特征信息中的参考信号接收功率和所述无线通信属性信息中的参考信号发射功率,确定路径耗损;根据所述特征信息和所述无线通信属性信息中的绝对射频信道号,确定传输频率;根据所述路径耗损、所述传输频率和预定经验传播模型,确定所述经验距离。
进一步地,所述定位参数包括:测距参数,在确定所述经验距离之后,所述方法还包括:根据所述测距参数校准所述经验距离。
进一步地,根据所述无线通信属性信息,填补所述特征信息的空缺项;或根据所述无线通信属性信息,修正所述特征信息的错误项;或根据所述特征信息,填补所述无线通信属性信息的空缺项;或根据所述特征信息,修正所述无线通信属性信息的错误空缺项。
根据本发明实施例的另一方面,还提供了一种定位装置,包括:获取单元,用于获取待定位点的定位请求,其中,所述定位请求至少包括:所述待定位点的特征信息;第一确定单元,用于根据所述特征信息,确定所述待定位点对应的定位参数;第二确定单元,用于根据随机森林回归模型对所述定位参数进行分析,获取所述待定位点的经纬度坐标,其中,所述随机森林回归模型为通过机器学习对至少一组训练数据进行训练得到的,每组所述训练数据包括:定位参数和经纬度坐标。
进一步地,所述第一确定单元包括:第一确定模块,用于确定与所述特征信息匹配的小区信息,其中,所述小区信息至少包括:无线通信属性信息;第二确定模块,用于根据所述特征信息和所述无线通信属性信息确定所述定位参数。
进一步地,所述定位参数包括:所述待定位点与天线之间的经验距离,所述无线通信属性信息包括:所述天线的经纬度坐标,其中,所述第二确定模块包括:第三确定模块,用于根据所述特征信息中的参考信号接收功率和所述无线通信属性信息中的参考信号发射功率,确定路径耗损;第四确定模块,用于根据所述特征信息和所述无线通信属性信息中的绝对射频信道号,确定传输频率;第五确定模块,用于根据所述路径耗损、所述传输频率和预定经验传播模型,确定所述经验距离。
根据本发明实施例的另一个方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述所述的定位方法。
根据本发明实施例的又一个方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述所述的定位方法。
在本发明实施例中,获取待定位点的定位请求,根据定位请求中的特征信息,可以确定待定位点对应的定位参数,然后通过预先训练的随机森林回归模型对定位参数进行分析,可以获取待定位点的经纬度坐标,达到了对待定位点进行定位的目的,使用机器学习训练得到的随机森林回归模型,可以提高待定位点与经纬度坐标的匹配精度,从而实现了提高定位精度的技术效果,进而解决了现有技术定位精度低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种定位方法的流程图;
图2是根据本发明实施例的一种定位系统的示意图;
图3是根据本发明实施例的一种小区信息库构建组件的示意图;
图4是根据本发明实施例的一种经验传播模型测距组件的示意图;
图5是根据本发明实施例的一种参数辅助测距组件的示意图;
图6是根据本发明实施例的一种动态模型模块的示意图;
图7是根据本发明实施例的一种在线定位组件的示意图;
图8是根据本发明实施例的一种定位装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种定位方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种定位方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取待定位点的定位请求,其中,定位请求至少包括:待定位点的特征信息;
步骤S104,根据特征信息,确定待定位点对应的定位参数;
步骤S106,根据随机森林回归模型对定位参数进行分析,获取待定位点的经纬度坐标,其中,随机森林回归模型为通过机器学习对至少一组训练数据进行训练得到的,每组训练数据包括:定位参数和经纬度坐标。
在本发明实施例中,获取待定位点的定位请求,根据定位请求中的特征信息,可以确定待定位点对应的定位参数,然后通过预先训练的随机森林回归模型对定位参数进行分析,可以获取待定位点的经纬度坐标,达到了对待定位点进行定位的目的,使用机器学习训练得到的随机森林回归模型,可以提高待定位点与经纬度坐标的匹配精度,从而实现了提高定位精度的技术效果,进而解决了现有技术定位精度低的技术问题。
可选地,待定位点可以是移动终端(如手机)所在的位置,移动终端与小区的天线通信,由移动终端向天线发送定位请求。
可选地,特征信息可以是路测数据、OTT数据或MR数据,至少包括:主服务小区ID、主服务小区绝对射频信道号EARFCN、信号强度指示RSSI、主服务小区信号带宽、参考信号接收功率RSRP、主服务小区到达提前量TADV和到达角度测距AOA。
需要说明的是,MR,英文全称为Measurement Report,中文名称测量报告,MR数据是指信息在业务信道上按照固定时间间隔发送一次的数据,这些数据可以用于网络评估和优化。
可选地,定位参数至少包括:主服务小区绝对射频信道号EARFCN、主服务小区信号带宽、参考信号接收功率RSRP、主服务小区到达提前量TADV和到达角度测距AOA、待定位点与小区的天线之间的经验距离和测距参数。
可选地,测距参数包括:信号强度指示RSSI、到达提前量TADV、和到达角度AOA。
可选地,可以根据多组预设测量点的特征信息、经验距离、测距参数和经纬度坐标,训练随机森林回归模型。
作为一种可选的实施例,根据特征信息,确定待定位点对应的定位参数包括:确定与特征信息匹配的小区信息,其中,小区信息至少包括:无线通信属性信息;根据特征信息和无线通信属性信息确定定位参数。
可选地,小区信息至少包括:小区ID和无线通信属性信息,其中,无线通信属性信息包括:小区的天线的经纬度坐标、小区的天线挂高、小区物理环境类别(如城区,郊区或农村)、小区绝对射频信道号EARFCN、和小区参考信号发射功率RS POWER。
需要说明的是,小区信息数据库中包括多个小区信息。
本发明上述实施例,根据待定位点的特征信息,在小区信息数据库的多个小区ID中,查找与特征信息匹配的小区ID,确定小区ID对应的小区信息,并根据该小区信息中的无线通信属性信息,确定待定位点对应的定位参数。
作为一种可选的实施例,在根据所述无线通信属性信息确定所述定位参数之前,所述方法还包括:根据无线通信属性信息,填补特征信息的空缺项;或根据无线通信属性信息,修正特征信息的错误项;或根据特征信息,填补无线通信属性信息的空缺项;或根据特征信息,修正无线通信属性信息的错误空缺项。
本发明上述实施例,在确定与特征信息匹配小区信息后,可以根据小区信息中的无线通信属性信息对特征信息进行填补或修正;还可以根据特征信息对小区信息中的无线通信属性信息进行填补或修正,使小区信息和特征信息更加准确。
例如,可以依据MR数据和OTT数据(即特征信息)相关字段的数值统计信息(百分比)更新(包含修正和填补)小区信息中的(即特征信息);利用相关小区信息中的(即特征信息)对MR数据和OTT数据(即特征信息)的空缺项进行填补、对错误项进行修正。
可选地,小区信息包括:天线方向角填,根据小区信息中的天线方向角,可以对特征信息的中的到达角度进行修正和填补。
作为一种可选的实施例,定位参数包括:待定位点与天线之间的经验距离,无线通信属性信息包括:天线的经纬度坐标,其中,根据特征信息和无线通信属性信息确定定位参数包括:根据特征信息中的参考信号接收功率和无线通信属性信息中的参考信号发射功率,确定路径耗损;根据无线通信属性信息中的绝对射频信道号,确定传输频率;根据路径耗损、传输频率和预定经验传播模型,确定经验距离。
可选地,经验传播模型包括,但不限于:奥村-哈塔模型(Okumura-Hata Model)、及其扩展模型(如预定经验传播模型Cost-231Hata Model)。
作为一种可选的实施例,通过如下公式表征预定经验传播模型:
L=46.3+33.9log10f-13.82log10hB-a(hR,f)+[44.9-6.55log10hB]log10d+C,
其中,L为路径耗损的中位数,f为传输频率,hB为天线的有效高度,d为经验距离,hR为移动台天线(即待定位点)的有效高度,a(hR,f)表示天线的高度修正因子,对于郊区及农村环境:
a(hR,f)=(1.1log10f-0.7)hR-(1.56log10f-0.8),
对于城市环境:
a(hR,f)=3.2(log10(11.75hR))2-4.97;
作为一种可选的实施例,定位参数包括:测距参数,在确定经验距离之后,方法还包括:根据测距参数校准经验距离。
本发明上述实施例,据测距参数可以辅助校准待定位点与天线之间的经验距离。
作为一种可选的实施例,在获取待定位点的经纬度坐标之后,方法还包括:根据待定位点的定位参数和经纬度坐标,更新随机森林回归模型。
本发明上述实施例,在待定位点发送定位请求后,可以根据定位请求中的特征信息,在小区信息库中查找与该特征信息匹配的小区信息,并进一步根据随机森林回归模型得到经纬度坐标,并以此经纬度坐标作为输出以回应定位请求,从而实现对待定位点的定位。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行上述任一项所述的方法。
根据本发明的又一个实施例,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任一项所述的方法。
本发明还提供了一种优选实施例,该优选实施例提供了一种移动通信应用机器学习的定位技术。
图2是根据本发明实施例的一种定位系统的示意图,如图2所示,包括:在线定位模块21、动态模型模块23和基础参数模块25,其中,在线定位模块21包括:在线定位组件211;动态模型模块23包括:位置预测组件231和小区信息库维护组件233;和基础参数模块25包括:经验传播模型测距组件251、参数辅助测距组件253和小区信息库构建组件255,在线定位组件211分别与位置预测组件231和小区信息库维护组件233相连,位置预测组件231分别与经验传播模型测距组件251和参数辅助测距组件253相连,小区信息库维护组件233与小区信息库构建组件255相连。
图3是根据本发明实施例的一种小区信息库构建组件的示意图,如图3所示,用于执行如下步骤:
步骤S302,利用小区配置表和小区物理数据构建小区信息库;
步骤S304,匹配OTT或MR数据对小区信息的缺失数据进行合理填充;
步骤S306,匹配OTT或MR数据对小区信息的错误数据进行合理修正。
图4是根据本发明实施例的一种经验传播模型测距组件的示意图,如图4所示,用于执行如下步骤:
步骤S402,根据特征信息和无线通信属性信息,计算路径耗损和传输频率等物理参数;
步骤S404,根据经验传播模型,计算待定位点与主小区的天线之间的经验距离。
图5是根据本发明实施例的一种参数辅助测距组件的示意图,如图5所示,用于执行如下步骤:
步骤S502,根据特征信息确定测距参数;
步骤S504,根据测距参数校准所述经验距离。
图6是根据本发明实施例的一种动态模型模块的示意图,如图6所示,包括:
步骤S602,周期性更新保持动态同步,其中,包括:OTT数据周期更新;
步骤S604,更新随机森林回归模型;
步骤S606,更新小区信息库。
图7是根据本发明实施例的一种在线定位组件的示意图,如图7所示,用于执行如下步骤:
步骤S702,动态同步位置预测,维护小区信息库组件;
步骤S704,MR数据作为输入,连接小区信息库匹配主小区信息;
步骤S706,匹配后的MR数据通过位置预测模型输出经纬度坐标。
本发明提供的技术方案,无需将待定位数据逐条比较指纹库数据,而是使用OTT数据结合支持特高频(300-3000MHz)、涵盖各类场景的无线通信路径损耗经验传播模型,如Cost-231Hata模型路径损耗:
L=46.3+33.9log10f-13.82log10hB-a(hR,f)+[44.9-6.55log10hB]log10d+C,
移动台天线(即待定位点)的高度修正因子,对于郊区及农村环境:
a(hR,f)=(1.1log10f-0.7)hR-(1.56log10f-0.8);
其中,L为路径损耗中位数,单位为dB,f为传输频率,单位为MHz,hB为基站天线有效高度,d为连接距离,hR为移动台天线(即待定位点)的有效高度。
此方法根据OTT数据或MR数据中的参考信号接收功率RSRP及小区信息库中的小区参考信号发射功率RS POWER得到路径损耗,再根据OTT数据或MR数据与小区信息库主的小区信息匹配的绝对射频信道号EARFCN解析出的传输频率,解方程得到连接距离;再以包含到达提前量TADV及到达角度AOA等测距参数,使用机器学习方式训练随机森林回归模型,直接生成待定位点坐标。
本发明提供的技术方案,将指纹定位方法在线匹配指纹的时间复杂度从nlogn下降到n,实践中将指纹定位处理1亿个定位请求的时间从1小时左右下降到10分钟,实现了在线定位,从而解决了指纹定位方法匹配指纹处理速度慢的问题。
本发明提供的技术方案,不需要通过比较指纹库数据和待定位点数据的相似度,而是将OTT数据结合经验传播模型及测距参数训练随机森林回归模型模型。实践中在小区信息库完整的情况下,将指纹定位的定位率从80%左右提升至99%以上,从而解决了指纹定位方法指纹库数据缺失时定位率低的问题。
本发明提供的技术方案,不需要邻区数据,而是是将OTT数据结合经验传播模型及相关测距参数训练随机森林回归模型模型,从而解决了三角定位方法无法对邻区缺失请求定位的覆盖率低的问题。
本发明提供的技术方案,克服了参考单一指标(例如信号强度指示RSSI)定位时,容易受到信号强度相似但是地理距离较远的指纹参考点的干扰而导致定位精度较低的问题,而是使用结合经验传播模型及相关测距参数的随机森林回归模型,从而解决了单一指标定位方法易被异常数据干扰的可靠性差的问题。
本发明提供的技术方案,将小区配置表和小区物理数据以小区ID为索引,通过小区构建组件,构建并保存小区信息库。
本发明提供的技术方案,通过基础参数模块,以主小区ID为索引将原始OTT数据分批连接小区信息库,与其主小区的无线通信属性信息匹配,使OTT数据关联上其主小区的经纬度、天线方向角、挂高及RS POWER等参数,将通信数据报告值解析为其物理属性值,并合理填补缺失数据,修正错误数据。
可选地,经过处理的原始OTT数据匹配了其主小区的无线通信属性信息,通过经验模型测距组件根据解出的经验距离,并通过辅助测距组件处理包括到达角度AOA及到达提前量TADV等在内的其他参数,直接使用用户分布式存储上的数据文件,以无放回采样的方式,分批训练随机森林回归模型,构建位置预测组件。新获取的OTT数据以同样的处理流程,直接使用用户分布式存储上的数据文件,以无放回采样的方式分批动态更新同步位置预测组件中的随机森林回归模型。
本发明提供的技术方案,将带有MR数据的在线定位请求作为输入,以主小区ID为索引连接小区信息库,与其主小区的无线通信属性信息匹配,并通过如使用小区信息库中的关联主小区的绝对射频信道号EARFC,推断缺失的无线传输频率、天线方向角和到达角度测距AOA等,合理填补OTT、MR数据或小区信息缺失数值,通过错误值阈值重置方式等修正错误数值。经过处理的原始OTT数据匹配了其主小区的无线通信属性信息,通过经验模型测距组件生成经验距离,并通过辅助测距组件处理其他参数,通过位置预测组件直接输出待测MR数据(即待定位点)的经纬度坐标,再由在线定位组件将此坐标在线回应定位请求。
本发明提供的技术方案,小区信息库组件会根据OTT数据或MR数据,将已发生变化的小区无线通信属性信息在小区信息库中动态更新同步,例如:通过读取最新的OT数据T或MR数据中的绝对射频信道号EARFC,将关联的主小区信息库中过期的绝对射频信道号EARFC更新同步。
本发明提供的技术方案,在小区信息库和线定位请求完整的情况下,可完成所有定位服务;在实际运行中可达到99%以上的定位率;在例如因雷暴、台风或太阳耀斑活跃期等极端自然条件下无线通信受干扰导致的MR数据不完整的情况下产生的定位请求仍然可达到90%以上的定位率,以保障绝大部分正常的定位请求。
本发明提供的技术方案,在数据完好且系统同步更新正常的情况下,只需要MR数据就能达到与AGPS方法相近的定位精度;在系统无法同步更新的情况下也能有和指纹定位方法相当的定位精度。
根据本发明实施例,还提供了一种定位装置实施例,需要说明的是,该定位装置可以用于执行本发明实施例中的定位方法,本发明实施例中的定位方法可以在该定位装置中执行。
图8是根据本发明实施例的一种定位装置的示意图,如图8所示,该装置可以包括:获取单元81,用于获取待定位点的定位请求,其中,定位请求至少包括:待定位点的特征信息;第一确定单元83,用于根据特征信息,确定待定位点对应的定位参数;第二确定单元85,用于根据随机森林回归模型对定位参数进行分析,获取待定位点的经纬度坐标,其中,随机森林回归模型为通过机器学习对至少一组训练数据进行训练得到的,每组训练数据包括:定位参数和经纬度坐标。
需要说明的是,该实施例中的获取单元81可以用于执行本申请实施例中的步骤S102,该实施例中的第一确定单元83可以用于执行本申请实施例中的步骤S104,该实施例中的第二确定单元85可以用于执行本申请实施例中的步骤S106。上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。
在本发明实施例中,获取待定位点的定位请求,根据定位请求中的特征信息,可以确定待定位点对应的定位参数,然后通过预先训练的随机森林回归模型对定位参数进行分析,可以获取待定位点的经纬度坐标,达到了对待定位点进行定位的目的,使用机器学习训练得到的随机森林回归模型,可以提高待定位点与经纬度坐标的匹配精度,从而实现了提高定位精度的技术效果,进而解决了现有技术定位精度低的技术问题。
作为一种可选的实施例,第一确定单元包括:第一确定模块,用于确定与特征信息匹配的小区信息,其中,小区信息至少包括:无线通信属性信息;第二确定模块,用于根据特征信息和无线通信属性信息确定定位参数。
作为一种可选的实施例,定位参数包括:待定位点与天线之间的经验距离,无线通信属性信息包括:天线的经纬度坐标,其中,第二确定模块包括:第三确定模块,用于根据特征信息中的参考信号接收功率和无线通信属性信息中的参考信号发射功率,确定路径耗损;第四确定模块,用于根据无线通信属性信息中的绝对射频信道号,确定传输频率;第五确定模块,用于根据路径耗损、传输频率和预定经验传播模型,确定经验距离。
作为一种可选的实施例,通过如下公式表征预定经验传播模型:
L=46.3+33.9log10f-13.82log10hB-a(hR,f)+[44.9-6.55log10hB]log10d+C,
其中,L为路径耗损的中位数,f为传输频率,hB为待定位点的有效高度,d为经验距离,hR为移动台天线(即待定位点)的有效高度,a(hR,f)表示天线的高度修正因子,对于郊区及农村环境:
a(hR,f)=(1.1log10f-0.7)hR-(1.56log10f-0.8),
对于城市环境:a(hR,f)=3.2(log10(11.75hR))2-4.97;
作为一种可选的实施例,定位参数包括:测距参数,该装置包括:校准模块,用于在确定经验距离之后,根据测距参数校准经验距离。
作为一种可选的实施例,定位请求包括:第二定位参数,第二确定模块包括:填补模块,用于根据无线通信属性信息,填补第二定位参数的空缺项,得到定位参数;或修正模块,用于根据无线通信属性信息,修正第二定位参数的错误项,得到定位参数。
作为一种可选的实施例,该装置还包括:更新单元,用于在获取待定位点的经纬度坐标之后,根据待定位点的定位参数和经纬度坐标,更新随机森林回归模型。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种定位方法,其特征在于,包括:
获取待定位点的定位请求,其中,所述定位请求至少包括:所述待定位点的特征信息;
根据所述特征信息,确定所述待定位点对应的定位参数;
根据随机森林回归模型对所述定位参数进行分析,获取所述待定位点的经纬度坐标,其中,所述随机森林回归模型为通过机器学习对至少一组训练数据进行训练得到的,每组所述训练数据包括:定位参数和经纬度坐标;
其中,根据所述特征信息,确定所述待定位点对应的定位参数包括:
确定与所述特征信息匹配的小区信息,其中,所述小区信息至少包括:无线通信属性信息;
根据所述特征信息和所述无线通信属性信息确定所述定位参数;
其中,所述定位参数至少包括:所述待定位点与小区的天线之间的经验距离和测距参数;
其中,在根据所述无线通信属性信息确定所述定位参数之前,所述方法还包括:
根据所述无线通信属性信息,填补所述特征信息的空缺项;或
根据所述无线通信属性信息,修正所述特征信息的错误项;或
根据所述特征信息,填补所述无线通信属性信息的空缺项;或
根据所述特征信息,修正所述无线通信属性信息的错误空缺项;
其中,所述小区信息包括:天线方向角,根据所述天线方向角,对所述特征信息的中的到达角度进行修正和填补。
2.根据权利要求1所述的方法,其特征在于,所述无线通信属性信息包括:所述天线的经纬度坐标,其中,根据所述特征信息和所述无线通信属性信息确定所述定位参数包括:
根据所述特征信息中的参考信号接收功率和所述无线通信属性信息中的参考信号发射功率,确定路径耗损;
根据所述特征信息和所述无线通信属性信息中的绝对射频信道号,确定传输频率;
根据所述路径耗损、所述传输频率和预定经验传播模型,确定所述经验距离。
3.根据权利要求2所述的方法,其特征在于,所述定位参数包括:测距参数,在确定所述经验距离之后,所述方法还包括:
根据所述测距参数校准所述经验距离。
4.一种定位装置,其特征在于,包括:
获取单元,用于获取待定位点的定位请求,其中,所述定位请求至少包括:所述待定位点的特征信息;
第一确定单元,用于根据所述特征信息,确定所述待定位点对应的定位参数;
第二确定单元,用于根据随机森林回归模型对所述定位参数进行分析,获取所述待定位点的经纬度坐标,其中,所述随机森林回归模型为通过机器学习对至少一组训练数据进行训练得到的,每组所述训练数据包括:定位参数和经纬度坐标;
其中,所述第一确定单元包括:
第一确定模块,用于确定与所述特征信息匹配的小区信息,其中,所述小区信息至少包括:无线通信属性信息;
第二确定模块,用于根据所述特征信息和所述无线通信属性信息确定所述定位参数;
其中,所述定位参数至少包括:所述待定位点与小区的天线之间的经验距离和测距参数;
其中,在根据所述无线通信属性信息确定所述定位参数之前,还包括:
根据所述无线通信属性信息,填补所述特征信息的空缺项;或
根据所述无线通信属性信息,修正所述特征信息的错误项;或
根据所述特征信息,填补所述无线通信属性信息的空缺项;或
根据所述特征信息,修正所述无线通信属性信息的错误空缺项;
其中,所述小区信息包括:天线方向角,根据所述天线方向角,对所述特征信息的中的到达角度进行修正和填补。
5.根据权利要求4所述的装置,其特征在于,所述无线通信属性信息包括:所述天线的经纬度坐标,其中,所述第二确定模块包括:
第三确定模块,用于根据所述特征信息中的参考信号接收功率和所述无线通信属性信息中的参考信号发射功率,确定路径耗损;
第四确定模块,用于根据所述特征信息和所述无线通信属性信息中的绝对射频信道号,确定传输频率;
第五确定模块,用于根据所述路径耗损、所述传输频率和预定经验传播模型,确定所述经验距离。
6.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至3中任意一项所述的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058626.0A CN111541986B (zh) | 2019-01-22 | 2019-01-22 | 定位方法、装置、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058626.0A CN111541986B (zh) | 2019-01-22 | 2019-01-22 | 定位方法、装置、存储介质及处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111541986A CN111541986A (zh) | 2020-08-14 |
CN111541986B true CN111541986B (zh) | 2022-09-09 |
Family
ID=71976639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910058626.0A Active CN111541986B (zh) | 2019-01-22 | 2019-01-22 | 定位方法、装置、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111541986B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111901750B (zh) * | 2020-09-11 | 2022-06-17 | 中国联合网络通信集团有限公司 | 一种定位方法、装置、电子设备以及存储介质 |
CN112699560B (zh) * | 2020-12-31 | 2023-03-31 | 青岛海尔科技有限公司 | 位置识别方法和装置、存储介质及电子装置 |
CN113115254B (zh) * | 2021-03-23 | 2022-12-23 | 中国联合网络通信集团有限公司 | 无人机定位方法及服务器 |
CN113993068B (zh) * | 2021-10-18 | 2024-01-30 | 郑州大学 | 定位寻向系统、方法和ble定位设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104113849A (zh) * | 2013-04-17 | 2014-10-22 | 普天信息技术研究院有限公司 | 传播模型的校正方法 |
CN105636192A (zh) * | 2014-10-27 | 2016-06-01 | 中国移动通信集团设计院有限公司 | 一种终端的定位方法及定位装置 |
CN107563437A (zh) * | 2017-08-31 | 2018-01-09 | 广州中海达定位技术有限公司 | 基于随机森林的超宽带非视距鉴别方法 |
CN108260202A (zh) * | 2016-12-27 | 2018-07-06 | 中国移动通信集团广东有限公司 | 一种测量报告采样点的定位方法及装置 |
CN108307339A (zh) * | 2018-01-12 | 2018-07-20 | 北京天元创新科技有限公司 | 用户终端定位方法、系统、电子设备及存储介质 |
WO2018213099A1 (en) * | 2017-05-17 | 2018-11-22 | Here Global B.V. | Method and apparatus for providing a machine learning approach for a point-based map matcher |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101277508B (zh) * | 2008-05-14 | 2012-09-05 | 北京交通大学 | 一种gsm-r干扰源查找方法 |
WO2015051104A1 (en) * | 2013-10-04 | 2015-04-09 | The Regents Of The University Of California | Classification and regression for radio frequency localization |
CN109116299B (zh) * | 2017-06-23 | 2023-06-16 | 中兴通讯股份有限公司 | 一种指纹定位方法、终端、计算机可读存储介质 |
CN108008350A (zh) * | 2017-11-03 | 2018-05-08 | 平安科技(深圳)有限公司 | 基于随机森林模型的定位方法、装置及存储介质 |
CN107979810A (zh) * | 2017-11-03 | 2018-05-01 | 上海斐讯数据通信技术有限公司 | 室内定位方法、服务器和系统 |
CN108513251B (zh) * | 2018-02-13 | 2020-08-04 | 北京天元创新科技有限公司 | 一种基于mr数据的定位方法及系统 |
CN108770057B (zh) * | 2018-03-30 | 2021-05-04 | 博彦科技股份有限公司 | 预定指纹库的确定方法及指纹定位方法、装置、存储介质 |
CN109168177B (zh) * | 2018-09-19 | 2022-01-04 | 广州丰石科技有限公司 | 基于软采信令的经纬度回填方法 |
-
2019
- 2019-01-22 CN CN201910058626.0A patent/CN111541986B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104113849A (zh) * | 2013-04-17 | 2014-10-22 | 普天信息技术研究院有限公司 | 传播模型的校正方法 |
CN105636192A (zh) * | 2014-10-27 | 2016-06-01 | 中国移动通信集团设计院有限公司 | 一种终端的定位方法及定位装置 |
CN108260202A (zh) * | 2016-12-27 | 2018-07-06 | 中国移动通信集团广东有限公司 | 一种测量报告采样点的定位方法及装置 |
WO2018213099A1 (en) * | 2017-05-17 | 2018-11-22 | Here Global B.V. | Method and apparatus for providing a machine learning approach for a point-based map matcher |
CN107563437A (zh) * | 2017-08-31 | 2018-01-09 | 广州中海达定位技术有限公司 | 基于随机森林的超宽带非视距鉴别方法 |
CN108307339A (zh) * | 2018-01-12 | 2018-07-20 | 北京天元创新科技有限公司 | 用户终端定位方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111541986A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111541986B (zh) | 定位方法、装置、存储介质及处理器 | |
CN108513251B (zh) | 一种基于mr数据的定位方法及系统 | |
CN110166943B (zh) | 终端位置信息的处理方法 | |
EP2553990B1 (en) | Method and apparatus for use of performance history data in positioning method selection | |
US8433250B2 (en) | Estimating whether a wireless terminal is indoors using pattern classification | |
CN107277772B (zh) | 一种无线接入点定位方法及装置,计算机可读存储介质 | |
US8866674B2 (en) | Concept of generating experience messages for updating a reference database | |
US20130235749A1 (en) | Method device and system for estimating access points using log data | |
CN109936820B (zh) | 一种用户终端定位方法及装置 | |
CN108770057B (zh) | 预定指纹库的确定方法及指纹定位方法、装置、存储介质 | |
EP2404440A1 (en) | Polygonal representation of terminal positions | |
CN105992259B (zh) | 定位检测方法及装置 | |
CN103068039A (zh) | 一种基于WiFi信号的RSSI值的定位方法 | |
CN110719568A (zh) | 一种室内定位方法、装置、介质以及设备 | |
CN111787488B (zh) | 一种用户定位方法及系统 | |
CN105657652A (zh) | 提供流式地理定位信息 | |
US10517063B2 (en) | Enhancing an estimate of the location of a wireless terminal by using one or more types of identifiers of a wireless network | |
CN112235722A (zh) | 信息输出方法、装置、计算机设备及可读存储介质 | |
US9967712B2 (en) | Methods and apparatus for cell tower location estimation using multiple types of data sources | |
CN105848202A (zh) | Aoa和ta的校正处理方法及装置 | |
CN104994492A (zh) | 一种保存标准格式页面的方法及服务器 | |
CN107040603B (zh) | 用于确定应用程序App活跃场景的方法和装置 | |
CN110198518A (zh) | 一种基于物联网的用户精确定位方法及系统 | |
EP2132953A1 (en) | Method for computing the geographical location of a mobile terminal | |
CN111328013B (zh) | 移动终端定位方法及系统 |
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 |