CN112218330A - 定位方法及通信装置 - Google Patents
定位方法及通信装置 Download PDFInfo
- Publication number
- CN112218330A CN112218330A CN202011303252.3A CN202011303252A CN112218330A CN 112218330 A CN112218330 A CN 112218330A CN 202011303252 A CN202011303252 A CN 202011303252A CN 112218330 A CN112218330 A CN 112218330A
- Authority
- CN
- China
- Prior art keywords
- coordinate data
- positioning
- terminal device
- data
- serving 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.)
- Granted
Links
- 238000004891 communication Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 70
- 230000004807 localization Effects 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 description 54
- 230000006870 function Effects 0.000 description 16
- 238000004590 computer program Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请公开了一种定位方法及通信装置,涉及通信技术领域,用于准确的确定终端设备的位置信息。该方法包括:获取终端设备的测量报告MR数据,所述MR数据不包括所述终端设备的坐标数据;根据所述MR数据以及至少一个定位模型,确定至少一个坐标数据,所述至少一个定位模型与所述至少一个坐标数据对应,所述至少一个定位模型中每个定位模型对应一种定位算法;根据所述终端设备的服务小区的覆盖范围,从所述至少一个坐标数据中确定所述终端设备的位置。本申请实施例应用于终端设备的定位过程。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种定位方法及通信装置。
背景技术
随着通信技术的发展,通信运营商可以通过终端设备的定位服务,进行网络质量分析以及网络覆盖的评估。
现有技术中,通信运营商可以通过终端设备上报的测量报告(measurementreport,MR)获取大量的数据,并基于该大量的数据进行无线网络分析与优化,避免了进行全面网络测试而消耗大量的时间和运维成本。在开启全球定位系统(global positioningsystem,GPS)定位功能的情况下,终端设备上报的MR数据中包含了终端设备的经纬度信息。在MR数据包含终端设备的经纬度信息的情况下,可以直接获得终端设备的经纬度信息,对终端设备进行定位服务,并将终端设备的经纬度信息与信号测量信息匹配,用于分析网络的覆盖情况和评估网络质量。
但是,在终端设备的MR数据不包括终端设备的经纬度信息的情况下,例如,终端设备的定位功能关闭,或者终端设备的定位信号弱等,则无法直接获取终端设备的经纬度信息。因此,在终端设备上报的MR数据不包括终端设备的经纬度信息的情况下,如何确定终端设备的经纬度信息成为亟待解决的问题。
发明内容
本申请提供一种定位方法及通信装置,用于准确的确定终端设备的位置信息。
为达到上述目的,本申请用如下技术方案:
第一方面,提供了一种定位方法,该方法包括:定位装置获取终端设备的MR数据,该MR数据不包括终端设备的坐标数据;定位装置根据MR数据以及至少一个定位模型,确定至少一个坐标数据,该至少一个定位模型与至少一个坐标数据对应,至少一个定位模型中每个定位模型对应一种定位算法;定位装置根据终端设备的服务小区的覆盖范围,从至少一个坐标数据中确定终端设备的位置。
基于第一方面的技术方案,定位装置获取终端设备的MR数据,该MR数据不包括终端设备的坐标数据;定位装置将该MR数据输入至少一个定位模型,得到至少一个坐标数据,其中,至少一个定位模型与至少一个坐标数据对应,至少一个定位模型中每个定位模型对应一种定位算法;定位装置根据终端设备的服务小区的覆盖范围,从至少一个坐标数据中确定终端设备的位置。
第二方面,提供了一种通信装置,该通信装置可以为定位装置,也可以为应用于定位装置的芯片,该通信装置可以包括:
通信单元,用于获取终端设备的MR数据,该MR数据不包括终端设备的坐标数据。
处理单元,用于根据MR数据以及至少一个定位模型,确定至少一个坐标数据,该至少一个定位模型与至少一个坐标数据对应,至少一个定位模型中每个定位模型对应一种定位算法。
处理单元,还用于根据终端设备的服务小区的覆盖范围,从至少一个坐标数据中确定终端设备的位置。
第三方面,提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当指令被执行时,实现如第一方面的方法。
第四方面,提供了一种计算机程序产品,计算机程序产品包含至少一个指令,当至少一个指令在计算机上运行时,使得计算机执行如第一方面的方法。
第五方面,提供一种芯片,芯片包括至少一个处理器及通信接口,通信接口和至少一个处理器耦合,至少一个处理器用于运行计算机程序或指令,以实现第一方面的方法。
第六方面,提供一种通信装置,包括:处理器、存储器和通信接口;其中,通信接口用于所述通信装置和其他设备或网络通信;该存储器用于存储一个或多个程序,该一个或多个程序包括计算机执行指令,当该通信装置运行时,处理器执行该存储器存储的该计算机执行指令,以使该通信装置执行第一方面的方法。
上述提供的通信装置或计算机可读存储介质或计算机程序产品或芯片均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考上文提供的对应的方法中对应方案的有益效果,此处不再赘述。
附图说明
图1为本申请实施例提供的一种通信系统的结构示意图;
图2为本申请实施例提供的一种通信装置200的结构示意图;
图3为本申请实施例提供的一种定位方法的流程示意图;
图4为本申请实施例提供的另一种定位方法的流程示意图;
图5为本申请实施例提供的一种通信装置50的结构示意图。
具体实施方式
在描述本申请实施例之前,对本申请实施例涉及的名词术语进行解释说明:
AdaBoost算法:也可以称为自适应提升(adaptive boosting)算法,是一种具有迭代自适应特点的集成提升算法。AdaBoost算法的核心思想是针对同一个训练集训练多个弱学习器,然后将这些弱学习器融合构成一个强学习器。AdaBoost算法具有精度高、分类速度快的特点,可以大幅提高泛化能力且不易引起过拟合现象。
使用AdaBoost算法构建定位模型的步骤如下:
1、参数输入。
其中,参数可以包括训练数据集{(x1,y1),(x2,y2),...,(xN,yN)},弱学习算法,弱学习器个数。
其中,训练数据集可以包括多个终端设备的辅助GPS技术(assisted GPS,A-GPS)数据,该A-GPS数据包括终端设备的多个特征值以及经纬度数据。多个特征值可以是指与终端设备通信的多个网络设备的信号质量参数。例如,信号质量参数可以包括参考信号接收功率(reference signal receiving power,RSRP)、信号与干扰加噪声比(signal tointerference plus noise ratio,SINR)、参考信号接收质量(reference signalreceiving quality、RSRQ)、接收的信号强度指示(received signal strengthindication、RSSI)中一个或多个。
其中,{x1,x2,...,xN}可以为训练数据集的特征值。其中,特征值可以为训练数据经线性归一化后的特征值。x可以为多维向量。例如,可以为10维向量。每个x可以包括多个特征值,例如,以训练数据集为终端设备上报的A-GPS数据为例,每个x可以包括终端设备的服务小区的标识、服务小区的多个信号质量参数、邻区的标识、邻区的多个信号质量参数等。
其中,{y1,y2,...,yN}为训练数据集的坐标数据。例如,可以为终端设备的经度。输出:最终强学习器G(x)。
其中,弱学习算法可以为分类与回归树(classification and regression tree,CART)决策树算法。该弱学习器参数为决策树回归器(Decision Tree Regressor)。CART决策树算法具体可以参照现有技术,此处不予赘述。弱学习器的数量可以根据需要设置,例如,可以为98个。不予限制。
2、初始化训练数据集的权重值。
其中,初始化训练数据集的权重值可以为:D1=(W11,W12,...,W1N)。
其中,W1i=1/N,i=1,2,3,......,N。N为训练数据集的数量。
3、基于初始化训练数据集的权重值训练弱学习器。
(1)、对于弱学习器Gm(x),该Gm(x)为根据上述参数以及训练数据集的权重值Dm训练得到。其中,Dm根据Dm-1确定。
(2)、计算Gm(x)在训练数据集上的样本最大误差、样本相对误差及回归误差率。
其中,样本最大误差:Em=max(|yi-Gm(xi)|)
回归误差率:em=∑i=1Wmi*emi
(4)、更新训练数据集的权值分布:
Dm+1=(Wm+1,1,Wm+1,2,...,Wm+1,N)
4、构建强学习器。
其中,g(x)是所有αmGm(x)的中位数,m=1,2,...,M。
多项式回归算法:当数据中含有多个特征值时,多项式回归算法可以确定特征与特征之间的关系。例如有两个特征x1、x2,并且多项式回归算法对应的阶数为2时,多项式回归算法的模型可以如下:
其中,a、b、c、d、e可以为不同的系数。该多个系数可以使用最小二乘法求解。最小二乘法可以参照现有技术,不予赘述。
为了准确的确定终端设备的位置,并基于终端设备的位置以及信号质量参数,检测通信网络的网络质量。但是,若终端设备上报的MR数据不包括坐标数据,如何确定终端设备的位置,成为亟待解决的问题。
一种可能的实现方式中,可以基于MR的位置指纹定位方法,对终端设备进行定位。该定位方法包括以下步骤:
步骤1、空间栅格特征指纹库建立:在收集三维地图数据、网络工参数据及移动鲁棒性优化(mobility robustness optimization,MRO)数据的基础上,将分析区域划分为若干正方体栅格,然后根据3维(3 dimensions,3D)射线传播模型计算待规划区域三维空间内每个立体栅格内收到的对应基站信号强度,进而将其数字化形成特征向量值。
步骤2、指纹库校准:通过解析用户上报的经纬度信息,即可准确得到用户的定点位置,采用时间滑动搜索方式对该用户的MRO和上报的经纬度数据进行关联,就可回溯出用户MR无线覆盖情况。
步骤3、基于指纹库的MR定位:对于用户上报的海量MRO数据,解析入库后通过指纹库进行特征向量的最佳识别与匹配。把每条MRO数据定位或者分配到最佳空间栅格,从而实现了MR的定位。也即实现了终端设备的定位。
但是,该定位方法的精度较差,因为3D射线传播模型难以精准的模拟出当地的信道衰落模型,并且各地上报的网络工参数据有可能与该地实际的网络工参数据不一致,导致使用网络工参数据进行建模的过程较为复杂。
鉴于此,本申请实施例提供了一种定位方法,该方法包括:定位装置获取终端设备的MR数据,该MR数据不包括终端设备的坐标数据;定位装置将该MR数据输入至少一个定位模型,得到至少一个坐标数据,其中,至少一个定位模型与至少一个坐标数据对应,至少一个定位模型中每个定位模型对应一种定位算法;定位装置根据终端设备的服务小区的覆盖范围,从至少一个坐标数据中确定终端设备的位置。
基于本申请实施例提供的技术方案,将不包括坐标数据的终端设备的MR数据输入至少一个定位模型,得到至少一个坐标数据。由于该至少一个定位模型中每个定位模型为根据不同的定位算法构建,因此,每个定位模型确定的坐标数据可能不同。然后,基于终端设备的服务小区的覆盖范围,从该至少一个坐标数据中确定终端设备的位置,提高了终端设备的定位的准确性。
需要说明的是,本申请实施例中,上述定位装置可以为服务器,也可以为服务器中的部件,如服务器的芯片。或者,可以为网络设备,也可以为网络设备的芯片。不予限制。
下面将结合附图对本申请实施例的实施方式进行详细描述。
本申请实施例提供的定位方法可用于支持通信的任一通信系统,该通信系统可以为3GPP通信系统,例如,LTE通信系统、5G移动通信系统、新空口(new radio,NR)系统、NR车联网(vehicle-to-everything,V2X)系统以及其他下一代通信系统,也可以为非3GPP通信系统,不予限制。下面以图1为例,对本申请实施例提供的定位方法进行描述。
需要说明的是,本申请实施例描述的通信系统是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着通信系统的演变和其他通信系统的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
图1示出的是本申请实施例提供的一种通信系统的示意图。如图1所示,该通信系统可以包括多个网络设备以及多个终端设备,如:用户设备(user equipment,UE)。UE可以位于接入网设备的覆盖范围内,与网络设备通信连接。在图1所示系统中,每个网络设备可以覆盖一个或者多个小区,终端设备可以位于网络设备覆盖的一个或者多个小区中,终端设备可以通过其所在的小区接收网络设备提供的服务或者可以描述为网络设备可以通过其覆盖的小区为终端设备提供服务。本申请实施例中,可以将为终端设备提供服务的小区称为服务小区。例如,如图1所示,网络设备1覆盖小区1.1以及小区1.2,UE1可以位于小区1.1以及小区1.2,可以通过小区1.1以及小区1.2接收接入网设备1提供的服务,则小区1.1、小区1.2可以称为UE1的服务小区。网络设备2覆盖小区2.1以及小区2.2,UE2可以位于小区1.1以及小区2.1,可以通过小区1.1接收网络设备1提供的服务,通过小区2.2接收接入网设备2提供的服务,则小区1.1、小区2.1可以称为UE2的服务小区。
需要说明的是,图1仅为示例性框架图,图1中包括的网络设备的数量、终端设备的数量不受限制,各个设备的名称不受限制,且除图1所示功能节点外,还可以包括其他节点,如:核心网设备、网关设备、应用服务器等等,不予限制。
其中,图1中的网络设备主要用于实现终端设备的资源调度、无线资源管理、无线接入控制等功能。具体的,网络设备可以是小型基站、无线接入点、收发点(transmissionreceive point,TRP)、传输点(transmission point,TP)以及某种其它接入节点中的任一节点。
图1中的终端设备可以为UE或者移动台(mobile station,MS)或者移动终端(mobile terminal,MT)等。具体的,终端设备可以是手机(mobile phone)、平板电脑或带无线收发功能的电脑,还可以是虚拟现实(virtual reality,VR)设备、增强现实(augmentedreality,AR)设备、工业控制中的无线终端、无人驾驶中的无线终端、远程医疗中的无线终端、智能电网中的无线终端、智慧城市(smart city)中的无线终端、智能家居、车载终端等。
网络设备和终端设备可以部署在陆地上,包括室内或室外、手持或车载;也可以部署在水面上;还可以部署在空中的飞机、气球和人造卫星上。本申请的实施例对网络设备和终端设备的应用场景不做限定。本申请实施例描述的系统架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着网络架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
具体实现时,图1中的设备均可以采用图2所示的组成结构,或者包括图2所示的部件。图2为本申请实施例提供的一种通信装置200的组成示意图,该通信装置200可以为网络设备或者网络设备中的芯片或者片上系统。或者,该通信装置200可以为终端设备或终端设备中的芯片或者片上系统。如图2所示,该通信装置200包括处理器201,通信接口202以及通信线路203。
进一步的,该通信装置200还可以包括存储器204。其中,处理器201,存储器204以及通信接口202之间可以通过通信线路203连接。
其中,处理器201是CPU、通用处理器网络处理器(network processor,NP)、数字信号处理器(digital signal processing,DSP)、微处理器、微控制器、可编程逻辑器件(programmable logic device,PLD)或它们的任意组合。处理器201还可以是其它具有处理功能的装置,例如电路、器件或软件模块,不予限制。
通信接口202,用于与其他设备或其它通信网络进行通信。该其它通信网络可以为以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。通信接口202可以是模块、电路、通信接口或者任何能够实现通信的装置。
通信线路203,用于在通信装置200所包括的各部件之间传送信息。
存储器204,用于存储指令。其中,指令可以是计算机程序。
其中,存储器204可以是只读存储器(read-only memory,ROM)或可存储静态信息和/或指令的其他类型的静态存储设备,也可以是随机存取存储器(random accessmemory,RAM)或可存储信息和/或指令的其他类型的动态存储设备,还可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或其他磁存储设备等,不予限制。
需要指出的是,存储器204可以独立于处理器201存在,也可以和处理器201集成在一起。存储器204可以用于存储指令或者程序代码或者一些数据等。存储器204可以位于通信装置200内,也可以位于通信装置200外,不予限制。处理器201,用于执行存储器204中存储的指令,以实现本申请下述实施例提供的定位方法。
在一种示例中,处理器201可以包括一个或多个CPU,例如,图2中的CPU0和CPU1。
作为一种可选的实现方式,通信装置200包括多个处理器,例如,除图2中的处理器201之外,还可以包括处理器207。
作为一种可选的实现方式,通信装置200还包括输出设备205和输入设备206。示例性地,输入设备206是键盘、鼠标、麦克风或操作杆等设备,输出设备205是显示屏、扬声器(speaker)等设备。
需要指出的是,通信装置200可以是台式机、便携式电脑、网络服务器、移动手机、平板电脑、无线终端、嵌入式设备、芯片系统或有图2中类似结构的设备。此外,图2中示出的组成结构并不构成对该终端设备的限定,除图2所示部件之外,该终端设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本申请实施例中,芯片系统可以由芯片构成,也可以包括芯片和其他分立器件。
此外,本申请的各实施例之间涉及的动作、术语等均可以相互参考,不予限制。本申请的实施例中各个设备之间交互的消息名称或消息中的参数名称等只是一个示例,具体实现中也可以采用其他的名称,不予限制。
为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如,第一终端和第二终端仅仅是为了区分不同的终端,并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是,本申请中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
下面结合图1所示通信系统,对本申请实施例提供的定位方法进行描述。其中,其中,本申请各实施例之间涉及的动作,术语等均可以相互参考,不予限制。本申请的实施例中各个设备之间交互的消息名称或消息中的参数名称等只是一个示例,具体实现中也可以采用其他的名称,不予限制。本申请各实施例涉及的动作只是一个示例,具体实现中也可以采用其他的名称,如:本申请实施例所述的“包括在”还可以替换为“承载于”或者“携带在”等。
图3为本申请实施例提供了一种定位方法,如图3所示,该方法包括:
步骤301、定位装置获取终端设备的MR数据。
其中,定位装置可以为服务器,或图1中的任一网络设备,如可以为网络设备1或网络设备2。终端设备可以为图1中的终端设备,如可以为终端设备130。
其中,MR数据不包括终端设备的坐标数据。MR数据可以包括终端设备的多个特征值,该多个特征值可以为终端设备的服务小区和邻区的多个信号质量参数。
其中,信号质量参数可以用于表征终端设备与网络设备之间的通信质量。例如,信号质量参数可以包括参考信号接收功率(reference signal receiving power,RSRP)、信号与干扰加噪声比(signal to interference plus noise ratio,SINR)、参考信号接收质量(reference signal receiving quality、RSRQ)、接收的信号强度指示(receivedsignal strength indication、RSSI)中的一个或多个。
示例性的,以通信网络为LTE网络为例,终端设备的多个特征值可以如表1所示。
表1
序号 | 特征值 | 特征值含义 |
1 | LTESCPCI | 服务小区的物理小区识别码 |
2 | LTESCRSRP | 服务小区的参考信号接收功率 |
3 | LTESCRSRQ | 服务小区的参考信号接收质量 |
4 | 1.LTESCPHR | 服务小区的发射功率余量 |
5 | LTENCPCI_1 | 邻区1的物理小区识别码 |
6 | LTENCRSRP_1 | 邻区1的参考信号接收质量 |
7 | LTENCRSRQ_1 | 邻区1的参考信号接收质量 |
8 | LTENCPCI_2 | 邻区2的物理小区识别码 |
9 | LTENCRSRP_2 | 邻区2的参考信号接收质量 |
10 | LTENCRSRQ_2 | 邻区2的参考信号接收质量 |
需要说明的是,表1中的特征值仅为示例性的,还可以包括其他特征值,例如,还可以包括服务小区的其他信号质量参数,以及邻区1和邻区2的其他信号质量参数,也可以包括其他邻区的信号质量参数,不予限制。
步骤302、定位装置根据终端设备的MR数据以及至少一个定位模型,确定至少一个坐标数据。
其中,至少一个定位模型与至少一个坐标数据对应。也即,一个定位模型可以用于确定一个坐标数据。每个定位模型对应一种定位算法。
例如,至少一个定位模型可以包括第一定位模型和第二定位模型。第一定位模型对应第一定位算法,第二定位模型对应第二定位算法。第一定位算法和第二定位算法不同。比如,第一定位算法可以为多项式回归算法,第二定位算法可以为AdaBoost定位算法。或,第一定位算法可以为AdaBoost定位算法,第二定位算法可以为多项式回归算法。当然,至少一个定位模型还可以包括更多数量的定位模型。例如,可以包括3个定位模型。定位模型对应的定位算法可以其他定位算法,不予限制。
例如,以第一定位模型对应多项式回归算法,第二定位模型对应AdaBoost定位算法为例,也就是说,第一定位模型可以根据多项式回归算法以及训练数据集训练得到,第二定位模型可以根据AdaBoost定位算法以及训练数据集训练得到。其中,该训练数据集为包括坐标数据的多个数据的集合。具体训练过程详见下述描述。
步骤303、定位装置根据终端设备的服务小区的覆盖范围,从至少一个坐标数据中确定终端设备的位置。
其中,服务小区是指为终端设备提供业务数据的小区。例如,当终端设备为图2中的UE1时,服务小区可以为图2中的小区1.1,小区1.2为UE1的邻区。当终端设备为图2中的UE2时,服务小区可以为图2中的小区1.1,小区2.1可以为UE2的邻区。
其中,服务小区的覆盖范围可以为预先设置的参数,该参数可以根据服务小区的软硬件设备确定。或者,服务小区也可以根据多个终端设备的A-GPS数据确定。该多个终端设备为与服务小区通信的终端设备。该多个终端设备的A-GPS数据包括终端设备的坐标数据。该多个终端设备的A-GPS数据可以为上述训练数据集。
例如,定位装置可以根据该多个终端设备中每个终端设备的坐标数据和服务小区的坐标数据,计算终端设备与服务小区之间的距离。如此,定位装置可以计算得到多个距离。服务小区的覆盖范围可以为该多个距离中的一个距离。比如,可以将该多个距离从小到大排序,则服务小区的覆盖范围可以为预设序号对应的距离。例如,训练数据集包括3000个数据。每个数据包括一个坐标数据。该3000个数据对应的距离从小到大排序分别为{L1,L2,…,L3000}。也即,L1<L2<…<L3000。则服务小区的覆盖范围可以为该多个距离中序号为2700的距离,也即,服务小区的覆盖范围=L2700。又例如,若预设序号对应的距离小于预设距离,则服务小区的覆盖范围可以为预设距离;若预设序号对应的距离大于或等于预设距离,则服务小区的覆盖范围可以为预设序号对应的距离。其中,预设距离可以根据需要设置,比如,可以为500米,不予限制。
以预设距离为500米为例,若L2700=300<500,则服务小区的覆盖范围可以为500米;若L2700=800大于500,则服务小区的覆盖范围可以为L2700=800米。
一种可能的实现方式中,定位装置可以根据服务小区的覆盖范围以及该覆盖范围的栅格是否具有A-GPS数据,从至少一个数据坐标中确定终端设备的位置。
其中,该多个栅格可以为根据预设面积将服务小区的覆盖范围划分的多个区域。预设面积可以为N米*N米。N可以根据需要设置,例如,可以为50,不予限制。
其中,A-GPS数据可以是指具有坐标数据的数据。定位装置可以根据栅格的边线的经度范围和纬度范围,确定栅格是否具有A-GPS数据。若栅格存在上述训练数据集中的一个或多个数据,也就是说,上述训练数据集中的坐标数据的经度位于栅格的边线的经度范围,且坐标数据的纬度位于栅格的边线的纬度范围,则说明该栅格具有A-GPS数据,记该栅格具有第一标识。若栅格不存在上述训练数据集中的任一数据,则说明该栅格不具有A-GPS数据,记该栅格具有第二标识。第一标识和第二标识可以为不同的字符或数字,例如,第一标识可以为1,第二标识可以为0。
例如,定位装置可以预先配置有电子地图。定位装置可以根据上述栅格的划分方法,将该电子地图划分为多个栅格。定位装置可以将上述训练数据集中的每个数据的坐标数据与栅格进行匹配,确定服务小区的服务范围的每个栅格是否具有A-GPS数据。若栅格具有A-GPS数据,则将该栅格标记为第一标识;若栅格没有A-GPS数据,则将该栅格标记为第二标识。
一种示例中,若第一坐标数据与服务小区之间的距离大于服务小区的覆盖范围,或第一坐标数据与服务小区之间的距离小于或等于服务小区的覆盖范围,且第一坐标数据对应的栅格具有第一标识,则定位装置可以将第二坐标数据作为终端设备的位置。其中,第一坐标数据与服务小区之间的距离的确定方法可以参照现有技术,不予赘述。
例如,第一坐标数据为(a1,a2),第二坐标数据为(b1,b2)。第一坐标数据对应的栅格为栅格B。服务小区的覆盖范围为L,第一坐标数据与服务小区之间的距离为S。
若S>L,或S≤L且栅格B具有第一标识(例如,具有“1”),则终端设备的位置为(b1,b2)。
另一种示例中,若第一坐标数据与服务小区之间的距离小于或等于服务小区的覆盖范围,且第一坐标数据对应的栅格具有第二标识,则将第一坐标数据作为终端设备的位置。
例如,结合上述示例,若S≤L且栅格具有第二标识(例如,具有“0”),则终端设备的位置为(a1,a2)。
基于图3所示的技术方案中,通过不包括坐标数据的终端设备的MR数据以及至少一个定位模型,可以确定至少一个坐标数据。由于该至少一个定位模型中每个定位模型为根据不同的定位算法构建,因此,每个定位模型确定的坐标数据不同。然后,基于终端设备的服务小区的覆盖范围,从该至少一个坐标数据中确定终端设备的位置,提高了终端设备的定位的准确性。
基于图3的技术方案,如图4所示,本申请实施例提供的定位方法,在步骤301之前,还可以包括:
步骤304、定位装置获取训练数据集。
其中,训练数据集可以参照上述描述,此处不予赘述。
例如,定位装置可以获取多个A-GPS数据,该多个A-GPS数据中每个A-GPS数据可以包括多个特征值。该多个特征值的描述可以参照上述描述。
步骤305、定位装置对训练数据集进行处理,得到处理后的训练数据集。
其中,定位装置对训练数据集进行的处理可以包括剔除异常数据以及数据归一化。
异常数据可以是指数据的坐标数据与服务小区之间的距离超过服务小区的覆盖范围的数据。也即,定位装置可以删除训练数据集中与服务小区的距离超过覆盖范围的数据。
数据归一化可以将同一类型的、数值差异性较大的多个特征值转化为位于预设范围内(如0~1之间),用以避免数据的差异性影响定位模型的准确性。
步骤306、定位装置可以根据处理后的训练数据集以及至少一个定位算法,构建至少一个定位模型。
其中,定位算法可以参照上述描述。
例如,定位装置可以将训练数据集划分第一训练集(也可以称为训练集)和第二训练集(也可以称为测试集)。定位装置根据第一训练集中每个数据的多个特征值、经度以及定位算法,训练得到第一模型。然后,定位装置根据第一训练集中每个数据的多个特征值输入第一模型,得到每个数据的预测经度。定位装置根据每个数据的多个特征值、预测经度、纬度以及定位算法,训练得到第二模型。或者,定位装置可以根据第一训练集中每个数据的多个特征值、经度以及定位算法,训练得到第一模型。定位装置根据第一训练集中每个数据的多个特征值、纬度以及定位算法,训练得到第二模型。
其中,第一模型和第二模型可以组成第一定位模型。第一模型用于确定终端设备的经度,第二模型用于确定终端设备的纬度。
一种示例中,以定位算法包括AdaBoost算法为例,首先,定位装置利用AdaBoost算法、训练数据集的特征值和训练数据集的经度,训练得到用于预测经度的模型。接着。定位装置根据用于预测经度的模型预测训练数据集的预测经度,并将预测出来的经度作为新的特征加入到训练数据集中,并再次利用AdaBoost算法,训练得到用于预测纬度的模型。最终可以得到两个模型,分别为第一经度预测模型(第一模型)、第二纬度预测模型(第二模型)。
又一种示例中,以定位算法为多项式回归算法为例。定位装置可以利用多项式回归算法、训练数据集的特征值和训练数据集的经度,训练得到用于预测经度的模型(也即经度预测模型、第一模型)。定位装置可以利用多项式回归算法、训练数据集的特征值和训练数据集的纬度,训练得到用于预测纬度的模型(也即纬度预测模型、第二模型)。
需要说明的是,在使用多项式回归算法构建模型时,需要确定多项式的阶数。该阶数可以根据需要设置,也可以根据上述第二训练集确定多项式的阶数,具体确定过程可以参照现有技术,不予赘述。例如,多项式的阶数可以为1~4之间的任一数值,比如,可以为1或2。多项式的阶数也可以根据第二训练集进行验证,得到预测结果更准确的阶数,具体的,可以参照现有技术。
其中,定位装置在训练上述经度预测模型和上述纬度预测模型时,多项式的阶数可以一致,也可以不一致。比如,定位装置在训练上述经度预测模型时,多项式的阶数为1;在训练上述纬度预测模型时,多项式的阶数为2。当然,也可以为其他数值,不予限制。
进一步的,在根据第一训练集以及定位算法之后,可以通过第二训练集去验证并调整定位模型的参数,以使得数据的预测经纬度和真实经纬度之间的误差最小。
一种示例中,基于Adaboost算法的定位模型的预测结果如表2所示。其中,该定位模型预测经纬度与实际经纬度的平均误差为44米。
表2
需要说明的是,表2中10米误差率指的是测试数据误差在10米之内的条数占总测试数据条数的百分比。30米误差率和50米误差率以此类推。10米误差率均值大概在37.9%左右,30米误差率均值大概在68.2%左右,50米误差率均值大概在78.2%左右。表2中的测试数据仅以包括表1中的多个特征值为例,还可以包括其他特征值,例如,还可以包括AOA(波大角),不予限制。
需要说明的是,多项式回归算法的定位准确度小于AdaBoost算法的定位准确度。但是多项式回归算法对于新地区的感知性能和灵活性高于AdaBoost算法。
本申请上述实施例中的各个方案在不矛盾的前提下,均可以进行结合。
本申请实施例可以根据上述方法示例对网络设备和终端设备进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下,图5示出了一种通信装置50的结构示意图,该通信装置50可以为网络设备,也可以为应用于定位装置的芯片,该通信装置50可以用于执行上述实施例中涉及的定位装置的功能。图5所示的通信装置50可以包括:通信单元502以及处理单元501。
通信单元502,用于获取终端设备的MR数据,该MR数据不包括终端设备的坐标数据。
处理单元501,用于根据MR数据以及至少一个定位模型,确定至少一个坐标数据,该至少一个定位模型与至少一个坐标数据对应,至少一个定位模型中每个定位模型对应一种定位算法。
处理单元501,还用于根据终端设备的服务小区的覆盖范围,从至少一个坐标数据中确定终端设备的位置。
其中,通信装置50的具体实现方式可参考图3或图4所示定位方法中定位装置的行为功能。
一种可能的设计中,图5所示的通信装置50还可以包括存储单元503。存储单元503用于储存程序代码和指令。
一种可能的设计中,至少一个定位模型包括第一定位模型和第二定位模型,第一定位模型用于确定终端设备的第一坐标数据,第二定位模型用于确定终端设备的第二坐标数据,终端设备的位置为第一坐标数据或第二坐标数据。
一种可能的设计中,处理单元501,具体用于:若第一坐标数据与服务小区之间的距离大于覆盖范围,或者,若第一坐标数据与服务小区之间的距离小于或等于覆盖范围,且第一坐标数据对应的栅格具有第一标识,则将第二坐标数据作为终端设备的位置,第一标识用于标识栅格为具有A-GPS数据的栅格,服务小区的覆盖范围包括多个栅格。
一种可能的设计中,处理单元501,具体用于若第一坐标数据与服务小区之间的距离小于或等于覆盖范围,且第一坐标数据对应的栅格具有第二标识,则将第一坐标数据作为终端设备的位置,第二标识用于标识栅格为不具有A-GPS数据的栅格,服务小区的覆盖范围包括多个栅格。
一种可能的设计中,第一定位模型对应多项式回归定位算法,第二定位模型对应AdaBoost定位算法。
作为又一种可实现方式,图5中的处理单元501可以由处理器代替,该处理器可以集成处理单元501的功能。图5中的通信单元502可以由收发器或收发单元代替,该收发器或收发单元可以集成通信单元502的功能。
进一步的,当处理单元501由处理器代替,通信单元502由收发器或收发单元代替时,本申请实施例所涉及的通信装置50可以为图2所示通信装置。
本申请实施例还提供了一种计算机可读存储介质。上述方法实施例中的全部或者部分流程可以由计算机程序来指令相关的硬件完成,该程序可存储于上述计算机可读存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。计算机可读存储介质可以是前述任一实施例的通信装置(包括数据发送端和/或数据接收端)的内部存储单元,例如通信装置的硬盘或内存。上述计算机可读存储介质也可以是上述终端装置的外部存储设备,例如上述终端装置上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,上述计算机可读存储介质还可以既包括上述通信装置的内部存储单元也包括外部存储设备。上述计算机可读存储介质用于存储上述计算机程序以及上述通信装置所需的其他程序和数据。上述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,本申请的说明书、权利要求书及附图中的术语“第一”和“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上,“至少两个(项)”是指两个或三个及三个以上,“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅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装置,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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。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,在本申请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,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例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个设备(可以是单片机,芯片等)或处理器(processor)执行本申请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、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种定位方法,其特征在于,所述方法包括:
获取终端设备的测量报告MR数据,所述MR数据不包括所述终端设备的坐标数据;
根据所述MR数据以及至少一个定位模型,确定至少一个坐标数据,所述至少一个定位模型与所述至少一个坐标数据对应,所述至少一个定位模型中每个定位模型对应一种定位算法;
根据所述终端设备的服务小区的覆盖范围,从所述至少一个坐标数据中确定所述终端设备的位置。
2.根据权利要求1所述的定位方法,其特征在于,所述至少一个定位模型包括第一定位模型和第二定位模型,所述第一定位模型用于确定所述终端设备的第一坐标数据,所述第二定位模型用于确定所述终端设备的第二坐标数据,所述终端设备的位置为所述第一坐标数据或所述第二坐标数据。
3.根据权利要求2所述的定位方法,其特征在于,根据所述终端设备的服务小区的覆盖范围,从所述至少一个坐标数据中确定所述终端设备的坐标数据,包括:
若所述第一坐标数据与所述服务小区之间的距离大于所述覆盖范围,或者,若所述第一坐标数据与所述服务小区之间的距离小于或等于所述覆盖范围,且所述第一坐标数据对应的栅格具有第一标识,则将所述第二坐标数据作为所述终端设备的位置,所述第一标识用于标识所述栅格为具有辅助全球定位系统A-GPS数据的栅格,所述服务小区的覆盖范围包括多个栅格。
4.根据权利要求2所述的定位方法,其特征在于,根据所述终端设备的服务小区的覆盖范围,从所述至少一个坐标数据中确定所述终端设备的位置,包括:
若所述第一坐标数据与所述服务小区之间的距离小于或等于所述覆盖范围,且所述第一坐标数据对应的栅格具有第二标识,则将所述第一坐标数据作为所述终端设备的位置,所述第二标识用于标识所述栅格为不具有A-GPS数据的栅格,所述服务小区的覆盖范围包括多个栅格。
5.根据权利要求2-4任一项所述的定位方法,其特征在于,所述第一定位模型对应多项式回归定位算法,所述第二定位模型对应AdaBoost定位算法。
6.一种通信装置,其特征在于,所述通信装置包括:通信单元和处理单元;
所述通信单元,用于获取终端设备的测量报告MR数据,所述MR数据不包括所述终端设备的坐标数据;
所述处理单元,用于根据所述MR数据以及至少一个定位模型,确定至少一个坐标数据,所述至少一个定位模型与所述至少一个坐标数据对应,所述至少一个定位模型中每个定位模型对应一种定位算法;
所述处理单元,还用于根据所述终端设备的服务小区的覆盖范围,从所述至少一个坐标数据中确定所述终端设备的位置。
7.根据权利要求6所述的通信装置,其特征在于,所述至少一个定位模型包括第一定位模型和第二定位模型,所述第一定位模型用于确定所述终端设备的第一坐标数据,所述第二定位模型用于确定所述终端设备的第二坐标数据,所述终端设备的位置为所述第一坐标数据或所述第二坐标数据。
8.根据权利要求7所述的通信装置,其特征在于,所述处理单元,具体用于:
若所述第一坐标数据与所述服务小区之间的距离大于所述覆盖范围,或者,若所述第一坐标数据与所述服务小区之间的距离小于或等于所述覆盖范围,且所述第一坐标数据对应的栅格具有第一标识,则将所述第二坐标数据作为所述终端设备的位置,所述第一标识用于标识所述栅格为具有辅助全球定位系统A-GPS数据的栅格,所述服务小区的覆盖范围包括多个栅格。
9.根据权利要求7所述的通信装置,其特征在于,所述处理单元,具体用于:
若所述第一坐标数据与所述服务小区之间的距离小于或等于所述覆盖范围,且所述第一坐标数据对应的栅格具有第二标识,则将所述第一坐标数据作为所述终端设备的位置,所述第二标识用于标识所述栅格为不具有A-GPS数据的栅格,所述服务小区的覆盖范围包括多个栅格。
10.根据权利要求7-9任一项所述的通信装置,其特征在于,所述第一定位模型对应多项式回归定位算法,所述第二定位模型对应AdaBoost定位算法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令被执行时,实现如权利要求1至5中任一项的方法。
12.一种通信装置,其特征在于,包括:处理器、存储器和通信接口;其中,通信接口用于所述通信装置和其他设备或网络通信;所述存储器用于存储一个或多个程序,该一个或多个程序包括计算机执行指令,当该通信装置运行时,处理器执行该存储器存储的该计算机执行指令,以使该通信装置执行权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011303252.3A CN112218330B (zh) | 2020-11-19 | 2020-11-19 | 定位方法及通信装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011303252.3A CN112218330B (zh) | 2020-11-19 | 2020-11-19 | 定位方法及通信装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112218330A true CN112218330A (zh) | 2021-01-12 |
CN112218330B CN112218330B (zh) | 2023-11-03 |
Family
ID=74067907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011303252.3A Active CN112218330B (zh) | 2020-11-19 | 2020-11-19 | 定位方法及通信装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112218330B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113115202A (zh) * | 2021-03-23 | 2021-07-13 | 中国联合网络通信集团有限公司 | 终端设备经纬度信息获取方法及装置 |
CN113225675A (zh) * | 2021-05-12 | 2021-08-06 | 北京红山信息科技研究院有限公司 | 一种指纹库生成方法、系统、服务器和存储介质 |
CN113316246A (zh) * | 2021-05-13 | 2021-08-27 | Oppo广东移动通信有限公司 | 基于射频指纹定位的方法、装置、电子设备及存储介质 |
CN114845317A (zh) * | 2022-05-30 | 2022-08-02 | 深圳市有方科技股份有限公司 | 运营商覆盖情况的分析方法、装置和存储介质 |
CN115022965A (zh) * | 2022-07-25 | 2022-09-06 | 中国联合网络通信集团有限公司 | 小区定位方法、装置、电子设备及存储介质 |
WO2023134653A1 (zh) * | 2022-01-14 | 2023-07-20 | 维沃移动通信有限公司 | 通信网络预测方法、终端及网络侧设备 |
WO2023179617A1 (zh) * | 2022-03-25 | 2023-09-28 | 维沃移动通信有限公司 | 定位方法、装置、终端及网络侧设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110156952A1 (en) * | 2009-12-31 | 2011-06-30 | Polaris Wireless, Inc. | Positioning System and Positioning Method |
WO2012024845A1 (zh) * | 2010-08-27 | 2012-03-01 | 中兴通讯股份有限公司 | 一种在3g小区覆盖边缘发现2g邻区的方法及装置 |
CN104469676A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种移动终端的定位方法及系统 |
US20170055161A1 (en) * | 2014-05-05 | 2017-02-23 | Huawei Technologies Co., Ltd. | Information Processing Method and Apparatus |
WO2017071271A1 (zh) * | 2015-10-29 | 2017-05-04 | 华为技术有限公司 | 一种定位方法及装置 |
CN108303093A (zh) * | 2018-01-31 | 2018-07-20 | 中国联合网络通信集团有限公司 | 一种室内定位方法及装置 |
CN109246592A (zh) * | 2017-06-15 | 2019-01-18 | 中国移动通信集团浙江有限公司 | 一种用户终端位置信息的获取方法及装置 |
CN109600792A (zh) * | 2019-02-01 | 2019-04-09 | 中南民族大学 | 一种lte mr数据的定位方法 |
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 |
CN110719602A (zh) * | 2018-07-11 | 2020-01-21 | 中国电信股份有限公司 | 指纹定位方法和装置 |
CN110972261A (zh) * | 2019-12-05 | 2020-04-07 | 北京红山信息科技研究院有限公司 | 一种基站指纹库建立方法、装置、服务器及存储介质 |
CN111107497A (zh) * | 2019-12-30 | 2020-05-05 | 红山信息科技研究院(杭州)有限公司 | 基站指纹库数据源补充方法、装置、服务器及存储介质 |
WO2020215783A1 (zh) * | 2019-04-25 | 2020-10-29 | 华为技术有限公司 | 定位方法、装置及存储介质 |
-
2020
- 2020-11-19 CN CN202011303252.3A patent/CN112218330B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110156952A1 (en) * | 2009-12-31 | 2011-06-30 | Polaris Wireless, Inc. | Positioning System and Positioning Method |
WO2012024845A1 (zh) * | 2010-08-27 | 2012-03-01 | 中兴通讯股份有限公司 | 一种在3g小区覆盖边缘发现2g邻区的方法及装置 |
US20170055161A1 (en) * | 2014-05-05 | 2017-02-23 | Huawei Technologies Co., Ltd. | Information Processing Method and Apparatus |
CN104469676A (zh) * | 2014-11-21 | 2015-03-25 | 北京拓明科技有限公司 | 一种移动终端的定位方法及系统 |
WO2017071271A1 (zh) * | 2015-10-29 | 2017-05-04 | 华为技术有限公司 | 一种定位方法及装置 |
CN109246592A (zh) * | 2017-06-15 | 2019-01-18 | 中国移动通信集团浙江有限公司 | 一种用户终端位置信息的获取方法及装置 |
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 |
CN108303093A (zh) * | 2018-01-31 | 2018-07-20 | 中国联合网络通信集团有限公司 | 一种室内定位方法及装置 |
CN110719602A (zh) * | 2018-07-11 | 2020-01-21 | 中国电信股份有限公司 | 指纹定位方法和装置 |
CN109600792A (zh) * | 2019-02-01 | 2019-04-09 | 中南民族大学 | 一种lte mr数据的定位方法 |
WO2020215783A1 (zh) * | 2019-04-25 | 2020-10-29 | 华为技术有限公司 | 定位方法、装置及存储介质 |
CN111867049A (zh) * | 2019-04-25 | 2020-10-30 | 华为技术服务有限公司 | 定位方法、装置及存储介质 |
CN110972261A (zh) * | 2019-12-05 | 2020-04-07 | 北京红山信息科技研究院有限公司 | 一种基站指纹库建立方法、装置、服务器及存储介质 |
CN111107497A (zh) * | 2019-12-30 | 2020-05-05 | 红山信息科技研究院(杭州)有限公司 | 基站指纹库数据源补充方法、装置、服务器及存储介质 |
Non-Patent Citations (3)
Title |
---|
梁松柏;于长松;许强;: "基于NB-IoT网络覆盖的最小投资方法研究", 邮电设计技术, no. 01 * |
熊珊;: "基于用户群模型及体验构建自主型网优系统", 移动通信, no. 06 * |
赵志民;覃德林;罗林宇;: "基于大数据精准定位干扰源的策略及应用", 广西通信技术, no. 02 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113115202A (zh) * | 2021-03-23 | 2021-07-13 | 中国联合网络通信集团有限公司 | 终端设备经纬度信息获取方法及装置 |
CN113115202B (zh) * | 2021-03-23 | 2022-08-12 | 中国联合网络通信集团有限公司 | 终端设备经纬度信息获取方法及装置 |
CN113225675A (zh) * | 2021-05-12 | 2021-08-06 | 北京红山信息科技研究院有限公司 | 一种指纹库生成方法、系统、服务器和存储介质 |
CN113316246A (zh) * | 2021-05-13 | 2021-08-27 | Oppo广东移动通信有限公司 | 基于射频指纹定位的方法、装置、电子设备及存储介质 |
WO2023134653A1 (zh) * | 2022-01-14 | 2023-07-20 | 维沃移动通信有限公司 | 通信网络预测方法、终端及网络侧设备 |
WO2023179617A1 (zh) * | 2022-03-25 | 2023-09-28 | 维沃移动通信有限公司 | 定位方法、装置、终端及网络侧设备 |
CN114845317A (zh) * | 2022-05-30 | 2022-08-02 | 深圳市有方科技股份有限公司 | 运营商覆盖情况的分析方法、装置和存储介质 |
CN115022965A (zh) * | 2022-07-25 | 2022-09-06 | 中国联合网络通信集团有限公司 | 小区定位方法、装置、电子设备及存储介质 |
CN115022965B (zh) * | 2022-07-25 | 2024-04-09 | 中国联合网络通信集团有限公司 | 小区定位方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112218330B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112218330B (zh) | 定位方法及通信装置 | |
CN107209248B (zh) | 支持无线电模型质量保证的方法和设备、计算机存储介质 | |
CN103874118B (zh) | WiFi室内定位中基于贝叶斯回归的Radio Map校正方法 | |
CN110557716B (zh) | 一种基于对数正态模型的室内定位方法 | |
CN111867049B (zh) | 定位方法、装置及存储介质 | |
Janssen et al. | Outdoor fingerprinting localization using sigfox | |
CN107250830A (zh) | 用于定位的方法、设备和计算机程序产品 | |
CN106454747B (zh) | 手机终端的无线定位方法 | |
CN106912103B (zh) | 一种终端定位方法及装置 | |
US8433250B2 (en) | Estimating whether a wireless terminal is indoors using pattern classification | |
Grzechca et al. | Analysis of object location accuracy for iBeacon technology based on the RSSI path loss model and fingerprint map | |
CN107509175A (zh) | 蓝牙室内定位方法、系统、存储介质及终端 | |
Adege et al. | Applying Deep Neural Network (DNN) for large-scale indoor localization using feed-forward neural network (FFNN) algorithm | |
CN109936820B (zh) | 一种用户终端定位方法及装置 | |
CN107850656A (zh) | 用于定位目的的模型参数的确定 | |
JP6696859B2 (ja) | 品質推定装置及び品質推定方法 | |
CN108259097B (zh) | 基于mr数据的修正无线传播模型的方法及装置 | |
CN111698695A (zh) | 一种基于神经网络的lte指纹式定位方法 | |
CN112867147B (zh) | 定位方法和定位装置 | |
CN108574927B (zh) | 一种移动终端定位方法及装置 | |
CN109302706A (zh) | 一种伪基站的定位方法、装置及计算机可读存储介质 | |
CN110320493B (zh) | 室内定位方法、装置、电子设备和计算机存储介质 | |
CN108540926B (zh) | 一种无线信号指纹的构建方法及装置 | |
Li et al. | Validation of a probabilistic approach to outdoor localization | |
Zheng et al. | RSS-based indoor passive localization using clustering and filtering in a LTE network |
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 |