CN112203324B - 一种基于位置指纹库的mr定位方法及装置 - Google Patents
一种基于位置指纹库的mr定位方法及装置 Download PDFInfo
- Publication number
- CN112203324B CN112203324B CN201910612249.0A CN201910612249A CN112203324B CN 112203324 B CN112203324 B CN 112203324B CN 201910612249 A CN201910612249 A CN 201910612249A CN 112203324 B CN112203324 B CN 112203324B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- adjacent
- main
- information
- cell
- 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
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于位置指纹库的MR定位方法及装置,该方法包括:根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息匹配的指纹记录;针对各个与MR指纹信息对应的邻小区,计算主邻电平差值,从匹配的指纹记录中筛选至少两个候选主邻指纹记录;将候选主邻指纹记录添加到候选主邻指纹集合中;统计候选主邻指纹记录的出现次数,根据统计结果,筛选目标指纹记录,以确定与MR指纹信息对应的用户位置信息。本发明能够通过主小区标识、邻小区标识、主小区电平值以及主邻电平差值逐步筛选出与MR指纹信息对应的目标指纹记录,以确定用户位置信息,从而提高了用户位置信息的准确性。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种基于位置指纹库的MR定位方法及装置。
背景技术
基于MR(Measure Report,测量报告)的无线优化方法在无线网络中正逐步推广,不管用户是在室外还是在室内,基于MR数据的指纹库定位方法能够较准确地定位用户的位置,真实反应用户的感知。因此,通过基于MR 数据的指纹库定位方法能明确地知道网络的现状,快速定位现网中的问题并及时处理,大大的提高优化效率;同时,还能先于用户发现网络问题,减少投诉;另外,还能减少人工规划的主观因素的影响,能实现对网络精准规划及优化。
MR位置指纹定位算法是指用户利用所处位置观测到的位置指纹,即用户所处位置的时间、用户标识、主小区ID(主小区标识)、主小区的电平值RSRP (Reference SignalReceiving Power,参考信号接收功率)、第1邻区ID、第 1邻区的电平值RSRP等信息,查询位置指纹的样本数据集(指纹库),根据特定的匹配规则估计用户所处的位置。MR位置指纹定位算法的核心在于与指纹库的匹配规则设计。目前大部分使用欧几里得距离、马氏距离以及余弦相似度作为定位栅格归属度的门限测量依据。
欧几里得距离、马氏距离计算单条MR与指纹库匹配速度比较快,而余弦相似性的优点在于能从方向上区分差异,这三种方法都是根据单个MR信息匹配指纹库信息。在实际应用中单个用户的MR的指纹信息具有时变性,而这三种方式都没有考虑时间维度,因此准确性不够高。且这三种方法随着 MR数量增加,需要计算量和所需存储内存增加。在实际应用中,有海量的 MR数据,用以上三种方式必然存在效率低且准确性低的问题。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于位置指纹库的MR定位方法及装置。
依据本发明的一个方面,提供了一种基于位置指纹库的MR定位方法,包括:
根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录;其中,与 MR指纹信息相对应的邻小区为多个;
分别针对每个与MR指纹信息相对应的邻小区,计算MR指纹信息中的主小区与该邻小区的主邻电平差值,从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录;
将与MR指纹信息相对应的各个邻小区的主邻电平差值所对应的候选主邻指纹记录添加到候选主邻指纹集合中;
统计候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录,以确定与MR指纹信息相对应的用户位置信息。
可选地,统计候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录包括:
当候选主邻指纹集合中的各个候选主邻指纹记录的出现次数为一次时,分别针对每个候选主邻指纹记录,确定该候选主邻指纹记录与MR指纹信息相对应的主小区相似度,以及该候选主邻指纹记录与MR指纹信息相对应的邻小区相似度;
根据预设的主小区权重以及邻小区权重,对主小区相似度以及邻小区相似度进行加权,以确定该候选主邻指纹记录与MR指纹信息相对应的主邻相似度;
根据各个候选主邻指纹记录与MR指纹信息相对应的主邻相似度,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录;其中,主小区权重大于邻小区权重。
可选地,统计候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录包括:
当候选主邻指纹集合中的至少一个候选主邻指纹记录的出现次数为多次时,针对各个候选主邻指纹记录的出现次数进行排序,将出现次数最多的候选主邻指纹记录确定为相似主邻指纹记录;
根据相似主邻指纹记录,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录。
可选地,当相似主邻指纹记录为多个时,根据相似主邻指纹记录,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录包括:
针对每个相似主邻指纹记录,分别确定与该相似主邻指纹记录相对应的各个相似邻小区;
针对各个相似邻小区,确定该相似主邻指纹记录相对于该相似邻小区的主邻相似度,根据该相似主邻指纹记录相对于各个相似邻小区的主邻相似度确定该相似主邻指纹记录的相似度;
根据各个相似主邻指纹记录的相似度,从候选主邻指纹集合中筛选与MR 指纹信息相对应的目标指纹记录。
可选地,根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录具体包括:
每隔预设时间获取一次MR指纹信息,针对本次获取到的MR指纹信息,确定本次获取到的MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录;
则从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录,以确定与MR指纹信息相对应的用户位置信息包括:
确定与本次获取到的MR指纹信息相对应的用户位置信息后,进一步根据与上一次获取到的MR指纹信息相对应的用户位置信息,判断本次获取到的MR指纹信息相对应的用户位置信息是否符合预设的位置信息更新规则;
若是,则将与本次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息;
若否,则将与上一次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息。
可选地,方法执行之前,进一步包括:针对预设的位置指纹库进行预处理,得到预处理后的位置指纹库;其中,针对预设的位置指纹库进行预处理包括:
将位置指纹库中主小区标识相同的各个指纹记录按照指纹记录中的主小区电平值分组;
分别计算各个指纹记录中主小区与邻小区的主邻电平差值,并将主邻电平差值存储到对应的指纹记录中;其中,每个指纹记录对应的邻小区为多个。
可选地,从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录包括:
采用二分查找算法从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录。
依据本发明的一个方面,提供了一种基于位置指纹库的MR定位装置,包括:
指纹记录匹配模块,适于根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录;其中,与MR指纹信息相对应的邻小区为多个;
候选主邻指纹记录筛选模块,适于分别针对每个与MR指纹信息相对应的邻小区,计算MR指纹信息中的主小区与该邻小区的主邻电平差值,从与 MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录;
候选主邻指纹集合生成模块,适于将与MR指纹信息相对应的各个邻小区的主邻电平差值所对应的候选主邻指纹记录添加到候选主邻指纹集合中;
用户位置信息确定模块,适于统计候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录,以确定与MR指纹信息相对应的用户位置信息。
可选地,用户位置信息确定模块适于:
当候选主邻指纹集合中的各个候选主邻指纹记录的出现次数为一次时,分别针对每个候选主邻指纹记录,确定该候选主邻指纹记录与MR指纹信息相对应的主小区相似度,以及该候选主邻指纹记录与MR指纹信息相对应的邻小区相似度;
根据预设的主小区权重以及邻小区权重,对主小区相似度以及邻小区相似度进行加权,以确定该候选主邻指纹记录与MR指纹信息相对应的主邻相似度;
根据各个候选主邻指纹记录与MR指纹信息相对应的主邻相似度,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录;其中,主小区权重大于邻小区权重。
可选地,用户位置信息确定模块适于:
当候选主邻指纹集合中的至少一个候选主邻指纹记录的出现次数为多次时,针对各个候选主邻指纹记录的出现次数进行排序,将出现次数最多的候选主邻指纹记录确定为相似主邻指纹记录;
根据相似主邻指纹记录,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录。
可选地,当相似主邻指纹记录为多个时,用户位置信息确定模块适于:
针对每个相似主邻指纹记录,分别确定与该相似主邻指纹记录相对应的各个相似邻小区;
针对各个相似邻小区,确定该相似主邻指纹记录相对于该相似邻小区的主邻相似度,根据该相似主邻指纹记录相对于各个相似邻小区的主邻相似度确定该相似主邻指纹记录的相似度;
根据各个相似主邻指纹记录的相似度,从候选主邻指纹集合中筛选与MR 指纹信息相对应的目标指纹记录。
可选地,指纹记录匹配模块适于:
每隔预设时间获取一次MR指纹信息,针对本次获取到的MR指纹信息,确定本次获取到的MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录;
则用户位置信息确定模块适于:
确定与本次获取到的MR指纹信息相对应的用户位置信息后,进一步根据与上一次获取到的MR指纹信息相对应的用户位置信息,判断本次获取到的MR指纹信息相对应的用户位置信息是否符合预设的位置信息更新规则;
若是,则将与本次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息;
若否,则将与上一次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息。
可选地,上述装置进一步包括:位置指纹库预处理模块,位置指纹库预处理模块适于:
将位置指纹库中主小区标识相同的各个指纹记录按照指纹记录中的主小区电平值分组;
分别计算各个指纹记录中主小区与邻小区的主邻电平差值,并将主邻电平差值存储到对应的指纹记录中;其中,每个指纹记录对应的邻小区为多个。
可选地,候选主邻指纹记录筛选模块适于:
采用二分查找算法从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录。
根据本发明的再一方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,处理器、存储器和通信接口通过通信总线完成相互间的通信;
存储器用于存放至少一可执行指令,可执行指令使处理器执行上述基于位置指纹库的MR定位方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,存储介质中存储有至少一可执行指令,可执行指令使处理器执行如上述基于位置指纹库的MR 定位方法对应的操作。
综上所述,本发明公开了一种基于位置指纹库的MR定位方法及装置,首先,根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息匹配的指纹记录。然后,针对各个与MR指纹信息对应的邻小区,计算主邻电平差值,从匹配的指纹记录中筛选至少两个候选主邻指纹记录。接着,将候选主邻指纹记录添加到候选主邻指纹集合中。最后,统计候选主邻指纹记录的出现次数,根据统计结果,筛选目标指纹记录,以确定与MR指纹信息对应的用户位置信息。本发明能够通过主小区标识、邻小区标识、主小区电平值以及主邻电平差值逐步筛选出与MR指纹信息对应的目标指纹记录,以确定用户位置信息,从而提高了用户位置信息的准确性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了依据实施例一的一种基于位置指纹库的MR定位方法的流程图;
图2示出了依据实施例二的一种基于位置指纹库的MR定位方法的流程图;
图3示出了依据实施例三的一种基于位置指纹库的MR定位装置的结构图;
图4示出了根据本发明实施例的一种电子设备的结构示意图;
图5示出了K近邻定位实现过程;
图6示出了基于相似度的定位过程图;
图7示出了栅格化的位置修正流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1示出了依据实施例一的一种基于位置指纹库的MR定位方法的流程图。如图1所示,该方法包括以下步骤:
步骤S110:根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录;其中,与MR指纹信息相对应的邻小区为多个。
其中,MR指纹信息是指用户终端上传的用户所在小区的主小区信息和邻小区信息。MR指纹信息具体包括:用户所在小区的主小区标识、主小区电平值、邻小区标识、邻小区电平值、主邻电平差值。位置指纹库是指预先设置的用来存储多个指纹记录的栅格数据模型。预处理后的位置指纹库中的指纹记录中包含栅格标识、经度、维度、高度、分组标识、主小区标识、主小区电平值、邻小区标识、邻小区电平值、主邻电平差值。需要说明的是,与MR指纹信息相对应的邻小区为多个,位置指纹库中的指纹记录中的邻小区为多个。与MR指纹信息相对应的邻小区个数与位置指纹库中的指纹记录中的邻小区个数相同。
具体地,首先,根据MR指纹信息中的主小区标识和邻小区标识,从预处理后的位置指纹库中筛选出主邻小区标识相同的指纹记录。例如,MR指纹信息中的主小区标识为ID-0,第一邻小区标识为ID-1,第二邻小区标识为 ID-2,从预处理后的位置指纹库中筛选出主小区标识为ID-0,第一邻小区标识为ID-1,第二邻小区标识为ID-2的指纹记录。
然后,根据MR指纹信息中的主小区电平值从上述主邻小区标识相同的指纹记录中筛选出与MR指纹信息相匹配的指纹记录。
步骤S120:分别针对每个与MR指纹信息相对应的邻小区,计算MR指纹信息中的主小区与该邻小区的主邻电平差值,从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录。
具体地,首先,分别针对每个与MR指纹信息相对应的邻小区,计算MR 指纹信息中的主小区与该邻小区的主邻电平差值。例如,与MR指纹信息相对应的邻小区有第一邻小区,第二邻小区,第三邻小区,将MR指纹信息中的主小区电平值与第一邻小区电平值的差值记为第一主邻电平差值Y1,将MR指纹信息中的主小区电平值与第二邻小区电平值的差值记为第二主邻电平差值Y2,将MR指纹信息中的主小区电平值与第三邻小区电平值的差值记为第三主邻电平差值Y3。
然后,从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录。例如,针对MR指纹信息中第一主邻电平差值Y1,从与MR指纹信息相匹配的指纹记录对应的第一主邻电平差值X1中筛选出与第一主邻电平差值Y1相近的至少两个第一主邻电平差值X1,将上述两个第一主邻电平差值X1对应的指纹记录确定为候选主邻指纹记录。
步骤S130:将与MR指纹信息相对应的各个邻小区的主邻电平差值所对应的候选主邻指纹记录添加到候选主邻指纹集合中。
其中,MR指纹信息中主邻电平差值有多个,针对每个主邻电平差值筛选至少两个候选主邻指纹记录,将上述筛选出的全部候选主邻指纹记录添加到候选主邻指纹集合中。
步骤S140:统计候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录,以确定与MR指纹信息相对应的用户位置信息。
具体地,首先,统计候选主邻指纹集合中的各个候选主邻指纹记录的出现次数。然后,根据统计结果,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录。具体实施时,将出现次数最多的候选主邻指纹记录确定为目标指纹记录。最后,根据目标指纹记录中的经度、纬度和高度信息确定与MR指纹信息相对应的用户位置信息。
综上所述,该方式通过主小区标识、邻小区标识、主小区电平值以及主邻电平差值逐步筛选出与MR指纹信息对应的目标指纹记录,根据目标指纹记录中的经度、纬度和高度信息确定与MR指纹信息相对应的用户位置信息,从而提高了用户位置信息的准确性。
实施例二
图2示出了依据实施例二的一种基于位置指纹库的MR定位方法的流程图。如图2所示,该方法包括以下步骤:
步骤S200:对位置指纹库预处理。
其中,位置指纹库是指预先设置的用来存储多个指纹记录的栅格数据模型。
具体地,首先,将位置指纹库中主小区标识相同的各个指纹记录按照指纹记录中的主小区电平值分组。具体实施时,首先,将主小区标识相同的指纹记录存储到对应的指纹记录集合中,例如,将主小区标识为ID-0的指纹记录存储到对应的指纹记录集合ID-0中。然后,将指纹记录集合ID-0中的指纹记录按指纹记录中的主小区电平值分组。例如,将指纹记录集合ID-0中主小区电平值为120dB的指纹记录划分为一组,并在主小区电平值为120dB的指纹记录中添加分组标识ID-120,将指纹记录集合ID-0中主小区电平值为 125dB的指纹记录划分为一组,并在主小区电平值为125dB的指纹记录中添加分组标识ID-125。需要说明的是,主小区标识相同的指纹记录的主小区电平值的波动范围控制在5dB以内。
然后,分别计算各个指纹记录中主小区与邻小区的主邻电平差值,并将主邻电平差值存储到对应的指纹记录中,其中,每个指纹记录对应的邻小区为多个。具体实施时,计算主小区电平值与第一邻区电平值的差值,上述差值记为第一主邻电平差值,并将上述第一主邻电平差值添加到指纹记录中。每个指纹记录中的邻小区个数预先设置。指纹记录中的一个邻区电平值对应一个主邻电平差值。例如,指纹记录中包含:主小区标识ID-0、主小区电平值RSRP0、第一邻区标识ID-1、第一邻区电平值RSRP1、第二邻区标识ID-2、第二邻区电平值RSRP2、第三邻区标识ID-3、第三邻区电平值RSRP3,计算第一主邻电平差值X1 、第二主邻电平差值X2 、第三主邻电平差值X3,并将第一主邻电平差值X1 、第二主邻电平差值X2 、第三主邻电平差值X3添加到上述指纹记录中。
步骤S210:根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录;其中,与MR指纹信息相对应的邻小区为多个。
其中,MR指纹信息是指用户终端上传的用户所在小区的主小区信息和邻小区信息。MR指纹信息具体包括:用户所在小区的主小区标识、主小区电平值、邻小区标识、邻小区电平值、主邻电平差值。预处理后的位置指纹库中的指纹记录具体包括:栅格标识、经度、维度、高度、分组标识、主小区标识、主小区电平值、邻小区标识、邻小区电平值、主邻小区电平差值。
具体地,首先,根据MR指纹信息中的主小区标识和邻小区标识,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录。例如,MR 指纹信息中的主小区标识为ID-0,第一邻小区标识为ID-1,第二邻小区标识为ID-2,从预处理后的位置指纹库中筛选出主小区标识为ID-0,第一邻小区标识为ID-1,第二邻小区标识为ID-2的指纹记录。需要说明的是,与MR指纹信息相对应的邻小区个数与位置指纹库中的指纹记录中的邻小区个数相同。
然后,根据MR指纹信息中的主小区电平值从上述主邻小区标识相同的指纹记录中筛选出与MR指纹信息相匹配的指纹记录。
步骤S220:分别针对每个与MR指纹信息相对应的邻小区,计算MR指纹信息中的主小区与该邻小区的主邻电平差值,从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录。
具体地,首先,分别针对每个与MR指纹信息相对应的邻小区,计算MR 指纹信息中的主小区与该邻小区的主邻电平差值。例如,与MR指纹信息相对应的邻小区有第一邻小区,第二邻小区,第三邻小区,将MR指纹信息中的主小区电平值与第一邻小区电平值的差值记为第一主邻电平差值Y1,将 MR指纹信息中的主小区电平值与第二邻小区电平值的差值记为第二主邻电平差值Y2,将MR指纹信息中的主小区电平值与第三邻小区电平值的差值记为第三主邻电平差值Y3。
然后,采用二分查找算法从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录。具体实施时,例如,MR 指纹信息中有第一主邻电平差值Y1,第二主邻电平差值Y2,第三主邻电平差值Y3。步骤S210中从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录有多个。从与MR指纹信息相匹配的指纹记录二分查找候选主邻指纹记录过程如下:
第一步,将上述多个指纹记录中的第一主邻电平差值X1的绝对值升序排列,将第一主邻电平差值Y1与上述升序排列后中间位置的第一主邻电平差值 X1比较,当两者的差值在预设范围内,表明上述中间位置的第一主邻电平差值X1与第一主邻电平差值Y1相近。
第二步,利用中间位置的第一主邻电平差值X1将上述升序排列的第一主邻电平差值X1分为前表和后表。若上述中间位置的第一主邻电平差值X1大于第一主邻电平差值Y1,则进一步将第一主邻电平差值Y1与前表中间位置的第一主邻电平差值X1比较,否则将第一主邻电平差值Y1与后表中间位置的第一主邻电平差值X1比较,重复以上过程,直至查找出满足两者的差值在预设范围内的预设数量的第一主邻电平差值X1。同理,查找出满足两者的差值在预设范围内的预设数量的第二主邻电平差值X2和第三主邻电平差值X3。需要说明的是,上述预设数量至少为两个。
最后,将查找出的预设数量的第一主邻电平差值X1、预设数量的第二主邻电平差值X2和预设数量的第三主邻电平差值X3对应的指纹记录确定为与 MR指纹信息相匹配的指纹记录。
步骤S230:将与MR指纹信息相对应的各个邻小区的主邻电平差值所对应的候选主邻指纹记录添加到候选主邻指纹集合中。
具体地,如图5所示,图5示出了K近邻定位实现过程。按照二分查找法查找出K个与第一主邻电平差值Y1相近的第一主邻电平差值X1,并列出上述K个与第一主邻电平差值Y1相近的第一主邻电平差值X1对应的位置指纹库中的K个指纹记录。同理,查找出K个与第二主邻电平差值Y2相近的第二主邻电平差值X2对应的位置指纹库中的K个指纹记录。如图5所示,MR 指纹信息中的邻小区个数为n,因此,通过二分查找法总计查找出n×K个候选主邻指纹记录,将上述n×K个候选主邻指纹记录添加到候选主邻指纹集合中。
步骤S240:统计候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录。
具体地,统计候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录,具体实施时,分以下三种情况:
第一种情况:候选主邻指纹集合中的各个候选主邻指纹记录的出现次数为一次。
在第一种情况下,首先,分别针对每个候选主邻指纹记录,确定该候选主邻指纹记录与MR指纹信息相对应的主小区相似度,以及该候选主邻指纹记录与MR指纹信息相对应的邻小区相似度。具体实施时,利用主小区RSRP 的相似度函数计算主小区相似度,邻小区RSRP的相似度函数计算邻小区相似度,其中,A0为MR指纹信息中的主小区电平值, B0为MR指纹信息中的邻小区电平值,C0为指纹记录中的主小区电平值,D0为指纹记录中的邻小区电平值。下面以一个例子具体说明,指纹记录1在候选主邻指纹集合中仅出现一次,且指纹记录1的第一主邻电平差值X1与MR 指纹信息中的第一主邻电平差值Y1相近,因此,上述邻小区RSRP的相似度函数中的D0为指纹记录中的第一邻小区电平值。
然后,根据预设的主小区权重以及邻小区权重,对主小区相似度以及邻小区相似度进行加权,以确定该候选主邻指纹记录与MR指纹信息相对应的主邻相似度,其中,主小区权重大于邻小区权重。具体实施时,对主小区相似度以及邻小区相似度进行加权计算主邻相似度t=ef1*a+ef2*b,其中,a为为主小区权重,b为邻小区权重。主小区权重和邻小区权重可以通过梯度下降法训练得出具体数值,本实施例对主小区权重和邻小区权重的计算方法不作具体限制,本领域技术人员可以采用其他方法确定主小区权重和邻小区权重。
最后,比较各个候选主邻指纹记录与MR指纹信息相对应的主邻相似度,将主邻相似度最大的候选主邻指纹记录确定为与MR指纹信息相对应的目标指纹记录。图6示出了基于相似度的定位过程图,如图6所示,所有位置均不相同,各个候选主邻指纹记录的出现次数为一次,比较相似度t,相似度t 最大的确定为与MR指纹信息相对应的目标指纹记录。
第二种情况:候选主邻指纹集合中的至少一个候选主邻指纹记录的出现次数为多次,且出现次数最多的候选主邻指纹记录唯一。
在第二种情况下,针对各个候选主邻指纹记录的出现次数进行排序,将出现次数最多的候选主邻指纹记录确定为相似主邻指纹记录。根据上述相似主邻指纹记录确定为与MR指纹信息相对应的目标指纹记录。
第三种情况:候选主邻指纹集合中的至少一个候选主邻指纹记录的出现次数为多次,但出现次数最多的候选主邻指纹记录有多个。
在第三种情况下,首先,针对每个相似主邻指纹记录,分别确定与该相似主邻指纹记录相对应的各个相似邻小区。例如,相似主邻指纹记录2中的第一主邻电平差值X1与MR指纹信息中的第一主邻电平差值Y1相近,相似主邻指纹记录2中的第三主邻电平差值X3与MR指纹信息中的第三主邻电平差值Y3相近,确定与该相似主邻指纹记录相对应的相似邻小区为第一邻区和第三邻区。
然后,针对各个相似邻小区,确定该相似主邻指纹记录相对于该相似邻小区的主邻相似度,根据该相似主邻指纹记录相对于各个相似邻小区的主邻相似度确定该相似主邻指纹记录的相似度。具体实施时,确定该相似主邻指纹记录相对于第一邻区的主邻相似度t1,确定该相似主邻指纹记录相对于第三邻区的主邻相似度t3,该相似主邻指纹记录的相似度T=t1+t3,需要说明的是相对于第一邻区的主邻相似度t1和相对于第三邻区的主邻相似度t3的计算方法与第一种情况中的主邻相似度计算方法相同。
最后,比较各个相似主邻指纹记录的相似度,将相似主邻指纹记录的相似度最大的相似主邻指纹记录确定为与MR指纹信息相对应的目标指纹记录。图6示出了基于相似度的定位过程图,如图6所示,出现次数最多的候选主邻指纹记录有多个,比较相似度T,相似度T最大的确定为与MR指纹信息相对应的目标指纹记录。
步骤S250:根据筛选的与MR指纹信息相对应的目标指纹记录,以确定与MR指纹信息相对应的用户位置信息。
其中,上述MR指纹信息每隔预设时间获取一次,针对本次获取到的MR 指纹信息,筛选出与本次MR指纹信息相对应的目标指纹记录,目标指纹记录中的经度、维度和高度信息即为本次获取到的MR指纹信息相对应的用户位置信息。
进一步,与MR指纹信息相对应的用户是不断移动的,为了确保用户位置信息的准确性,采用贪心算法,基于时间和速度,对MR指纹信息对应的用户位置信息进行修正。贪心算法是指在对用户某一时刻定位时,总是做出在当前看来最好的选择。也就是说,每一时刻的用户位置仅依赖于上一时刻的位置,该算法用于修正运动状态明显异常的数据,提高MR指纹信息对应的用户位置信息的准确性。具体地,在确定与本次获取到的MR指纹信息相对应的用户位置信息后,进一步根据与上一次获取到的MR指纹信息相对应的用户位置信息,判断本次获取到的MR指纹信息相对应的用户位置信息是否符合预设的位置信息更新规则;若是,则将与本次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息;若否,则将与上一次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息。具体实施时,首先,根据上一次获取到的MR 指纹信息相对应的用户位置信息和本次获取到的MR指纹信息相对应的用户位置信息确定用户在预设时间T内的位移S,进而计算用户的运动速度V。然后,根据上一次获取到的MR指纹信息中的高度和本次获取到的MR指纹信息中的高度确定用户的高度变化。若高度大于0,说明用户在室外;若高度小于0,说明用户在室内。最后,根据预设的位置信息更新规则判断用户位置信息是否更新。位置信息更新规则具体包括:第一种,若上一次获取到的MR 指纹信息中的高度和本次获取到的MR指纹信息中的高度都小于0且用户的运动速度V小于2m/s,说明用户一直在室内,用户的运动速度正常,则将本次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息。第二种,若上一次获取到的MR指纹信息中的高度和本次获取到的MR指纹信息中的高度都小于0,用户所在小区的主小区标识未变动,主小区电平值波动在5dB范围内,且用户的运动速度V小于2m/s,说明用户一直在室内,用户的运动速度正常,则将本次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息。第三种,若上一次获取到的MR指纹信息中的高度大于0,本次获取到的MR指纹信息中的高度小于0,说明用户由室外进入室内,且用户的运动速度V小于2m/s,说明用户的运动速度正常,则将本次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息。第四种:若上一次获取到的MR指纹信息中的高度和本次获取到的MR指纹信息中的高度都大于 0,用户的运动速度V大于22m/s,和/或用户所在小区的主小区标识未变动,主小区电平值波动在5dB范围内但用户的运动速度V大于2m/s小于22m/s,说明用户正在快速移动,本次获取到的MR指纹信息相对应的用户位置信息不能作为用户位置信息的更新,将上一次获取到的MR指纹信息相对应的用户位置信息确定为用户位置信息。下面以一个例子具体说明,实施流程如图7 所示,图7示出了栅格化的位置修正流程图,具体步骤如下:
(1)栅格化后的单用户的MR数据包括主小区ID、时间、主小区的电平值、经度、维度、高度,基于单用户的时间升序排序。
(2)根据高度信息可简单判断用户位于室内还是室外,若高度大于0,说明用户位于室内,若高度小于0,说明用户位于室外。
(3)上一个时刻与下个时刻事件间隔为T,根据两个时刻的经度和纬度可以计算出其之间的距离S,计算上一个时刻与下个时刻的速度V,根据高度判断其运动状态。运动状态如下:
运动状态:用户一直在室内,一般人正常行走的速度1.1-1.5m/,因此在室内速度应低于2m/s,若速度大于2m/s,则将该时刻位置信息更新为上一时刻的位置信息。
运动状态:用户一直在室内,若主小区的ID没有变且主小区RSRP电平值波动在5dB范围内,若速度大于2m/s,则将该时刻位置信息更新为上一时刻的位置信息。
运动状态:用户由室外到室内,若速度大于2m/s,则将该时刻位置信息更新为上一时刻的位置信息。
运动状态:用户一直在室外,若速度大于22m/s(80km/h)、主小区ID 不变且主小区RSRP电平值波动在5dB范围内,其速度2<V<22m/s,则将该时刻位置信息更新为上一时刻的位置信息。
因为MR数据上报是间断的,若上一刻的时间t1与下一个时刻t2间隔大于15min时,选择t2时刻为初始点,重复(1),(2),(3)步骤进行校正,即对每个连续的上报的MR数据进行使用贪心算法,校正的是上一时刻与下一时刻偏差太大的异常数据;
(4)当所有时刻的数据都更新结束,输出MR的位置信息。
综上所述,该方式首先对建立好的位置指纹库进行预处理,具体实施时,根据主小区的电平值分组处理,把主小区电平值与每个邻小区电平值的差值添加到指纹记录中,提高指纹记录的查找效率。其次,根据MR指纹信息采用二分法查找法、K近邻算法以及相似度计算方法在位置指纹库中查找与当前MR指纹信息特征最接近的目标指纹记录。最后,采用贪心算法,对当前MR指纹信息对应的用户位置信息基于时间和速度进行修正。本发明先对位置指纹库进行预处理,采用二分查找法提高查找效率,使用K近邻算法和相识度算法定位,以及基于时间和速度修正MR位置信息,提高了MR位置定位的准确性和效率。
实施例三
图3示出了依据实施例三的一种基于位置指纹库的MR定位装置的结构图,上述装置包括:
指纹记录匹配模块31,适于根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录;其中,与MR指纹信息相对应的邻小区为多个;
候选主邻指纹记录筛选模块32,适于分别针对每个与MR指纹信息相对应的邻小区,计算MR指纹信息中的主小区与该邻小区的主邻电平差值,从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录;
候选主邻指纹集合生成模块33,适于将与MR指纹信息相对应的各个邻小区的主邻电平差值所对应的候选主邻指纹记录添加到候选主邻指纹集合中;
用户位置信息确定模块34,适于统计候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从候选主邻指纹集合中筛选与MR 指纹信息相对应的目标指纹记录,以确定与MR指纹信息相对应的用户位置信息。
可选地,用户位置信息确定模块34适于:
当候选主邻指纹集合中的各个候选主邻指纹记录的出现次数为一次时,分别针对每个候选主邻指纹记录,确定该候选主邻指纹记录与MR指纹信息相对应的主小区相似度,以及该候选主邻指纹记录与MR指纹信息相对应的邻小区相似度;
根据预设的主小区权重以及邻小区权重,对主小区相似度以及邻小区相似度进行加权,以确定该候选主邻指纹记录与MR指纹信息相对应的主邻相似度;
根据各个候选主邻指纹记录与MR指纹信息相对应的主邻相似度,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录;其中,主小区权重大于邻小区权重。
可选地,用户位置信息确定模块34适于:
当候选主邻指纹集合中的至少一个候选主邻指纹记录的出现次数为多次时,针对各个候选主邻指纹记录的出现次数进行排序,将出现次数最多的候选主邻指纹记录确定为相似主邻指纹记录;
根据相似主邻指纹记录,从候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录。
可选地,当相似主邻指纹记录为多个时,用户位置信息确定模块34适于:
针对每个相似主邻指纹记录,分别确定与该相似主邻指纹记录相对应的各个相似邻小区;
针对各个相似邻小区,确定该相似主邻指纹记录相对于该相似邻小区的主邻相似度,根据该相似主邻指纹记录相对于各个相似邻小区的主邻相似度确定该相似主邻指纹记录的相似度;
根据各个相似主邻指纹记录的相似度,从候选主邻指纹集合中筛选与MR 指纹信息相对应的目标指纹记录。
可选地,指纹记录匹配模块31适于:
每隔预设时间获取一次MR指纹信息,针对本次获取到的MR指纹信息,确定本次获取到的MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与MR指纹信息相匹配的指纹记录;
则用户位置信息确定模块34适于:
确定与本次获取到的MR指纹信息相对应的用户位置信息后,进一步根据与上一次获取到的MR指纹信息相对应的用户位置信息,判断本次获取到的MR指纹信息相对应的用户位置信息是否符合预设的位置信息更新规则;
若是,则将与本次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息;
若否,则将与上一次获取到的MR指纹信息相对应的用户位置信息确定为与MR指纹信息相对应的用户位置信息。
可选地,上述装置进一步包括:位置指纹库预处理模块30,位置指纹库预处理模块30适于:
将位置指纹库中主小区标识相同的各个指纹记录按照指纹记录中的主小区电平值分组;
分别计算各个指纹记录中主小区与邻小区的主邻电平差值,并将主邻电平差值存储到对应的指纹记录中;其中,每个指纹记录对应的邻小区为多个。
可选地,候选主邻指纹记录筛选模块32适于:
采用二分查找算法从与MR指纹信息相匹配的指纹记录中筛选至少两个与主邻电平差值相对应的候选主邻指纹记录。
本申请实施例提供了一种非易失性计算机存储介质,计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的一种基于位置指纹库的MR定位方法方法。
图4示出了根据本发明实施例的一种电子设备的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图4所示,该电子设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402,用于执行程序410,具体可以执行上述基于多级网络节点的故障定位方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC (ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行上述方法实施例中的各项操作。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序 (例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中,这些系统中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种基于位置指纹库的MR定位方法,包括:
根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与所述MR指纹信息相匹配的指纹记录;其中,与所述MR指纹信息相对应的邻小区为多个;
分别针对每个与所述MR指纹信息相对应的邻小区,计算所述MR指纹信息中的主小区与该邻小区的主邻电平差值,从所述与MR指纹信息相匹配的指纹记录中筛选至少两个与所述主邻电平差值相对应的候选主邻指纹记录;
将与所述MR指纹信息相对应的各个邻小区的主邻电平差值所对应的候选主邻指纹记录添加到候选主邻指纹集合中;
统计所述候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从所述候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录,以确定与MR指纹信息相对应的用户位置信息。
2.根据权利要求1所述的方法,其中,所述统计所述候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从所述候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录包括:
当所述候选主邻指纹集合中的各个候选主邻指纹记录的出现次数为一次时,分别针对每个候选主邻指纹记录,确定该候选主邻指纹记录与所述MR指纹信息相对应的主小区相似度,以及该候选主邻指纹记录与所述MR指纹信息相对应的邻小区相似度;
根据预设的主小区权重以及邻小区权重,对所述主小区相似度以及所述邻小区相似度进行加权,以确定该候选主邻指纹记录与所述MR指纹信息相对应的主邻相似度;
根据各个候选主邻指纹记录与所述MR指纹信息相对应的主邻相似度,从所述候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录;其中,所述主小区权重大于所述邻小区权重。
3.根据权利要求1所述的方法,其中,所述统计所述候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从所述候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录包括:
当所述候选主邻指纹集合中的至少一个候选主邻指纹记录的出现次数为多次时,针对各个候选主邻指纹记录的出现次数进行排序,将出现次数最多的候选主邻指纹记录确定为相似主邻指纹记录;
根据所述相似主邻指纹记录,从所述候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录。
4.根据权利要求3所述的方法,其中,当所述相似主邻指纹记录为多个时,所述根据所述相似主邻指纹记录,从所述候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录包括:
针对每个相似主邻指纹记录,分别确定与该相似主邻指纹记录相对应的各个相似邻小区;
针对各个相似邻小区,确定该相似主邻指纹记录相对于该相似邻小区的主邻相似度,根据该相似主邻指纹记录相对于各个相似邻小区的主邻相似度确定该相似主邻指纹记录的相似度;
根据各个相似主邻指纹记录的相似度,从所述候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录。
5.根据权利要求1所述的方法,其中,所述根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与所述MR指纹信息相匹配的指纹记录具体包括:
每隔预设时间获取一次MR指纹信息,针对本次获取到的MR指纹信息,确定所述本次获取到的MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与所述MR指纹信息相匹配的指纹记录;
则所述从所述候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录,以确定与MR指纹信息相对应的用户位置信息包括:
确定与本次获取到的MR指纹信息相对应的用户位置信息后,进一步根据与上一次获取到的MR指纹信息相对应的用户位置信息,判断所述本次获取到的MR指纹信息相对应的用户位置信息是否符合预设的位置信息更新规则;
若是,则将与本次获取到的MR指纹信息相对应的用户位置信息确定为所述与MR指纹信息相对应的用户位置信息;
若否,则将与上一次获取到的MR指纹信息相对应的用户位置信息确定为所述与MR指纹信息相对应的用户位置信息。
6.根据权利要求1所述的方法,其中,所述方法执行之前,进一步包括:
针对预设的位置指纹库进行预处理,得到所述预处理后的位置指纹库;
其中,所述针对预设的位置指纹库进行预处理包括:
将位置指纹库中主小区标识相同的各个指纹记录按照指纹记录中的主小区电平值分组;
分别计算所述各个指纹记录中主小区与邻小区的主邻电平差值,并将所述主邻电平差值存储到对应的指纹记录中;其中,每个指纹记录对应的邻小区为多个。
7.根据权利要求1所述的方法,其中,所述从所述与MR指纹信息相匹配的指纹记录中筛选至少两个与所述主邻电平差值相对应的候选主邻指纹记录包括:
采用二分查找算法从所述与MR指纹信息相匹配的指纹记录中筛选至少两个与所述主邻电平差值相对应的候选主邻指纹记录。
8.一种基于位置指纹库的MR定位装置,包括:
指纹记录匹配模块,适于根据MR指纹信息中的主小区标识、邻小区标识和主小区电平值,从预处理后的位置指纹库中筛选出与所述MR指纹信息相匹配的指纹记录;其中,与所述MR指纹信息相对应的邻小区为多个;
候选主邻指纹记录筛选模块,适于分别针对每个与所述MR指纹信息相对应的邻小区,计算所述MR指纹信息中的主小区与该邻小区的主邻电平差值,从所述与MR指纹信息相匹配的指纹记录中筛选至少两个与所述主邻电平差值相对应的候选主邻指纹记录;
候选主邻指纹集合生成模块,适于将与所述MR指纹信息相对应的各个邻小区的主邻电平差值所对应的候选主邻指纹记录添加到候选主邻指纹集合中;
用户位置信息确定模块,适于统计所述候选主邻指纹集合中的各个候选主邻指纹记录的出现次数,根据统计结果,从所述候选主邻指纹集合中筛选与MR指纹信息相对应的目标指纹记录,以确定与MR指纹信息相对应的用户位置信息。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的一种基于位置指纹库的MR定位方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的一种基于位置指纹库的MR定位方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910612249.0A CN112203324B (zh) | 2019-07-08 | 2019-07-08 | 一种基于位置指纹库的mr定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910612249.0A CN112203324B (zh) | 2019-07-08 | 2019-07-08 | 一种基于位置指纹库的mr定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112203324A CN112203324A (zh) | 2021-01-08 |
CN112203324B true CN112203324B (zh) | 2022-08-05 |
Family
ID=74004534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910612249.0A Active CN112203324B (zh) | 2019-07-08 | 2019-07-08 | 一种基于位置指纹库的mr定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112203324B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113225674B (zh) * | 2021-05-12 | 2022-11-08 | 北京红山信息科技研究院有限公司 | 一种指纹定位方法、系统、服务器和存储介质 |
CN113382441A (zh) * | 2021-05-24 | 2021-09-10 | 中国移动通信集团陕西有限公司 | 一种识别伴随用户的方法、装置、设备及可读存储介质 |
CN113411745B (zh) * | 2021-06-29 | 2023-07-07 | 北京红山信息科技研究院有限公司 | 基于主邻区信号的指纹定位方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103634810A (zh) * | 2013-12-24 | 2014-03-12 | 山东润谱通信工程有限公司 | 一种室内无线网络覆盖问题区域定位的方法 |
CN106912103A (zh) * | 2015-12-23 | 2017-06-30 | 中国移动通信集团上海有限公司 | 一种终端定位方法及装置 |
CN107231615A (zh) * | 2017-06-27 | 2017-10-03 | 深圳市优网精蜂网络有限公司 | 一种基于网络指纹的定位方法及系统 |
CN107678051A (zh) * | 2016-08-01 | 2018-02-09 | 华为技术服务有限公司 | 一种定位的方法及相关设备 |
CN107807346A (zh) * | 2017-10-26 | 2018-03-16 | 南京华苏科技有限公司 | 基于ott与mr数据的自适应wknn室外定位方法 |
CN109151890A (zh) * | 2017-06-19 | 2019-01-04 | 中国移动通信集团浙江有限公司 | 一种移动终端定位方法及装置 |
CN109905892A (zh) * | 2017-12-11 | 2019-06-18 | 中国电信股份有限公司 | 用户定位方法和装置 |
CN109936820A (zh) * | 2017-12-15 | 2019-06-25 | 中国移动通信集团山东有限公司 | 一种用户终端定位方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9042918B2 (en) * | 2011-10-03 | 2015-05-26 | Telefonaktiebolaget L M Ericsson (Publ) | Using fingerprints in proximity detection of wireless devices |
-
2019
- 2019-07-08 CN CN201910612249.0A patent/CN112203324B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103634810A (zh) * | 2013-12-24 | 2014-03-12 | 山东润谱通信工程有限公司 | 一种室内无线网络覆盖问题区域定位的方法 |
CN106912103A (zh) * | 2015-12-23 | 2017-06-30 | 中国移动通信集团上海有限公司 | 一种终端定位方法及装置 |
CN107678051A (zh) * | 2016-08-01 | 2018-02-09 | 华为技术服务有限公司 | 一种定位的方法及相关设备 |
CN109151890A (zh) * | 2017-06-19 | 2019-01-04 | 中国移动通信集团浙江有限公司 | 一种移动终端定位方法及装置 |
CN107231615A (zh) * | 2017-06-27 | 2017-10-03 | 深圳市优网精蜂网络有限公司 | 一种基于网络指纹的定位方法及系统 |
CN107807346A (zh) * | 2017-10-26 | 2018-03-16 | 南京华苏科技有限公司 | 基于ott与mr数据的自适应wknn室外定位方法 |
CN109905892A (zh) * | 2017-12-11 | 2019-06-18 | 中国电信股份有限公司 | 用户定位方法和装置 |
CN109936820A (zh) * | 2017-12-15 | 2019-06-25 | 中国移动通信集团山东有限公司 | 一种用户终端定位方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于RSS空时处理的指纹定位算法;王顶等;《计算机应用研究》;20121215(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112203324A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111327377B (zh) | 场强预测方法、装置、设备及存储介质 | |
CN112203324B (zh) | 一种基于位置指纹库的mr定位方法及装置 | |
CN110719568B (zh) | 一种室内定位方法、装置、介质以及设备 | |
CN108540929B (zh) | 基于rssi信号强度排序的室内指纹定位方法 | |
CN108882174B (zh) | 移动终端定位方法、装置、电子设备及存储介质 | |
CN108712714B (zh) | 一种室内wlan指纹定位中ap的选择方法及装置 | |
WO2018006631A1 (zh) | 一种用户等级自动划分方法及系统 | |
CN111601380B (zh) | 基于位置指纹的位置定位方法、装置、设备及存储介质 | |
CN110334104B (zh) | 一种榜单更新方法、装置、电子设备及存储介质 | |
CN116522565B (zh) | 一种基于bim的电力工程设计配电网规划方法及计算机设备 | |
CN110929218A (zh) | 一种差异最小化随机分组方法及系统 | |
CN112765362B (zh) | 基于改进自编码器的知识图谱实体对齐方法及相关设备 | |
US11012812B2 (en) | System and method for identifying associated subjects from location histories | |
CN108133234B (zh) | 基于稀疏子集选择算法的社区检测方法、装置及设备 | |
CN115190587A (zh) | Wifi位置确定方法、装置、电子设备及存储介质 | |
CN113689526B (zh) | 地图中无效区域的划分方法及装置、电子设备 | |
CN112243247A (zh) | 基站优化优先级确定方法、装置及计算设备 | |
CN112235723B (zh) | 定位方法、装置、电子设备及计算机可读存储介质 | |
US20190095483A1 (en) | Search apparatus, storage medium, database system, and search method | |
CN111984812A (zh) | 一种特征提取模型生成方法、图像检索方法、装置及设备 | |
CN110941601A (zh) | 确定指标标准口径的方法、装置、电子设备及存储介质 | |
CN117237788B (zh) | 图像处理方法、设备和存储介质 | |
CN115474211A (zh) | 小区配置参数优化方法、装置,以及,电子设备 | |
US20230162030A1 (en) | Object sample selection for training of neural networks | |
EP4250190A1 (en) | Cost equalization special clustering |
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 |