CN112911502B - 基于mdt技术和rsrp测距的基站经纬度估计方法 - Google Patents

基于mdt技术和rsrp测距的基站经纬度估计方法 Download PDF

Info

Publication number
CN112911502B
CN112911502B CN202110072246.XA CN202110072246A CN112911502B CN 112911502 B CN112911502 B CN 112911502B CN 202110072246 A CN202110072246 A CN 202110072246A CN 112911502 B CN112911502 B CN 112911502B
Authority
CN
China
Prior art keywords
base station
coordinate
latitude
longitude
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
Application number
CN202110072246.XA
Other languages
English (en)
Other versions
CN112911502A (zh
Inventor
胡静
宋铁成
王艺蓉
夏玮玮
燕锋
沈连丰
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202110072246.XA priority Critical patent/CN112911502B/zh
Publication of CN112911502A publication Critical patent/CN112911502A/zh
Application granted granted Critical
Publication of CN112911502B publication Critical patent/CN112911502B/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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于MDT技术和RSRP测距的基站经纬度估计方法，收集并处理基站下所有小区的MDT数据，针对每一个小区，对该小区内所有用户点的坐标取均值，将其作为坐标原点；依据对数路径损耗模型，得到发射功率和基站坐标的最大似然估计公式，并换成WLS问题；使用SR‑LS方法求解WLS问题，进而求得基站坐标估计值；求出小区内所有用户点到该基站坐标估计值的距离，并将该距离作为用户点到基站实际距离的估计值，完成测距；利用基站下所有用户点的坐标及距离，将初始迭代点设为所有小区基站坐标估计值的均值，使用Taylor定位方法得到基站坐标的最终估计值，并转换成经纬度，本发明解决了用户到基站的距离缺失问题，有效提高了基站定位精度。

Description

基于MDT技术和RSRP测距的基站经纬度估计方法
技术领域
本发明涉及无线通信技术领域，尤其是一种基于MDT技术和RSRP测距的基站经纬度估计方法。
背景技术
基站经纬度是网络规划中的重要参数，对网络优化具有重要的作用。基站工参表中基站经纬度的误差大小取决于测量仪器的精度，同时可能还会出现人工记录错误的情况，另外工参表记录的是建站前规划的位置，实际建设中可能与之有较大偏差，因此当前基站指纹库中有很大一部分基站经纬度信息存在问题。
人工测量基站经纬度并更新工参表会耗费大量人力物力成本，因此有必要开发一种基站经纬度估计算法。现有文献大多研究的是根据基站的位置确定用户终端的位置，常见的有基于TDOA定位算法、基于AOA定位算法、基于RSRP定位算法等。最小化路测MDT(Minimization of Drive Test)提供了从用户设备UE(User Equipment)收集有关无线网络性能信息的能力，信息包含UE的经纬度、参考信号接收强度RSRP、时间提前量TA等，数据量大，容易获取，但是MDT数据并不包含UE到基站的距离。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于MDT技术和RSRP测距的基站经纬度估计方法，本发明在MDT数据可以获得的基础上，基于RSRP测距的方法，解决距离缺失问题，然后使用Taylor定位方法完成基站经纬度的估计，提高了基站定位的精度和稳定性，节省了人力物力成本。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于MDT技术和RSRP测距的基站经纬度估计方法，收集该基站下所有小区的MDT数据，并对MDT数据处理，针对每一个小区，用墨卡托投影变换将经纬度转换成平面坐标，并对该小区内所有用户点的坐标取均值，将其作为坐标原点。针对每一个小区，依据对数路径损耗模型，得到发射功率和基站坐标的最大似然估计公式，并将该问题转换成加权最小二乘问题(WLS)。使用SR-LS方法求解该WLS问题，首先求出其对应的矩阵A，矩阵D，向量b，向量f，然后根据这些值得到λ，最后根据λ求得基站坐标估计值。针对每一个小区得到的基站坐标估计值，求出该小区内所有用户点到该估计点的距离，并将该距离作为用户点到基站实际距离的估计值，完成测距。将所有小区求出的基站坐标估计值取平均作为初始迭代点，利用基站下所有用户点的坐标及距离，使用Taylor定位方法得到基站坐标的最终估计值，并转换成经纬度，具体包括以下步骤：
步骤1，收集基站下所有小区的MDT数据，MDT数据由用户设备UE上报得到，MDT数据包括经纬度、RSRP、TA，其中，RSRP表示参考信号接收强度，TA表示时间提前量。
步骤2，对于基站下的每一个小区，求解基站坐标估计值和用户设备UE到基站距离的估计值，具体步骤如下：
步骤2-1，筛选出TA＝0的MDT数据，对筛选得到的MDT数据的经纬度再进行3sigma的筛选。使用墨卡托投影变换将经纬度转换为平面坐标，并将坐标原点移至小区所有用户点坐标均值点。
步骤2-2，根据对数路径损耗模型，将求解发射功率和基站坐标的联合最大似然估计问题转换为WLS问题。
对数路径损耗模型为：
Figure BDA0002906300420000021
其中，Pi表示si处的参考信号接收强度，si表示第i个用户设备的坐标向量，P0表示d0处的参考信号接收强度，d0表示参考距离，一般设为1km，N表示共有N个用户点，γ表示路径损耗指数，
Figure BDA0002906300420000022
表示信道环境差异导致的阴影效应，
Figure BDA0002906300420000023
表示vi是满足正态分布的随机变量，
Figure BDA0002906300420000024
表示vi的方差，x为基站坐标向量。
在发射功率未知的情况下，估计发射功率等价于估计P0，因此P0和x的联合最大似然估计为：
Figure BDA0002906300420000025
令
Figure BDA0002906300420000026
yi＝log10||x-si||2-vi/5γ，由对数路径损耗模型得
Figure BDA0002906300420000027
因此最大似然估计转换成非线性WLS问题：
Figure BDA0002906300420000028
其中，
Figure BDA0002906300420000031
表示zi的均值，
Figure BDA0002906300420000032
表示zi的方差。
当yi服从高斯分布的时候：
Figure BDA0002906300420000033
Figure BDA0002906300420000034
其中，
Figure BDA0002906300420000035
是一个常量。
由于
Figure BDA0002906300420000036
是x和u的非线性函数不容易获得，因此在噪声vi的标准差
Figure BDA0002906300420000037
落在4db～10db之间的情况下，我们将其忽略并得到一个估计值
Figure BDA0002906300420000038
代替
Figure BDA0002906300420000039
Figure BDA00029063004200000310
将非线性WLS问题转化为需要求解的WLS问题：
Figure BDA00029063004200000311
subject to||x||2＝ρ
其中，υ＝1/u，是关于P0的未知量，ρ表示基站坐标向量x的模的平方，si为第i个用户设备的坐标向量，
Figure BDA00029063004200000312
表示第i个用户设备的坐标向量的转置，||si||表示第i个用户设备的坐标向量的模。
步骤2-3，使用SR-LS方法求解需要求解的WLS问题，得到基站坐标估计值。
步骤2-4，求出小区内所有用户设备UE到基站坐标估计值的距离，完成测距。由于步骤2-1中坐标原点被移至小区所有用户点坐标均值点，因此步骤2-3求得的解需加上小区所有用户点坐标的均值，得到该小区最终的基站坐标估计值。
步骤3，将每个小区的基站坐标估计值取平均作为初始迭代点，并结合基站下所有用户设备UE的坐标及步骤2-4得到的用户设备UE到基站坐标估计值的距离，使用Taylor定位方法求解得到基站坐标的最终解，并转换成经纬度，完成估计。
优选的：步骤1中MDT数据中的TA＝i表示用户设备UE到基站的距离在[i*78,(i+1)*78]范围内，i表示时间提前量，取值为0,1,2…。
优选的：步骤2-1中3sigma筛选指计算小区内所有用户设备UE的经度均值μlo、纬度均值μla、经度标准差stdlo、纬度标准差stdla，只保留经度在[μlo-3*stdlo,μlo+3*stdlo]范围内并且纬度在[μla-3*stdla,μla+3*stdla]范围内的MDT数据。
优选的：步骤2-3中使用SR-LS方法求解需要求解的WLS问题的方法：
步骤2-3-1，令y＝(xT,υ,ρ)T，
Figure BDA0002906300420000041
Figure BDA0002906300420000042
Figure BDA0002906300420000043
则需要求解的WLS问题的等价WLS问题为：
Figure BDA0002906300420000044
其中，y表示需要求解的未知向量，其中前两个元素是基站坐标向量x，第三个元素是关于P0的未知量υ，第四个元素是基站坐标向量x的模的平方ρ，Γ表示由
Figure BDA0002906300420000045
组成的对角权值矩阵，N表示共有N个用户设备，A表示根据需要求解的WLS问题得到的系数矩阵，b表示根据需要求解的WLS问题得到的常数向量。此外由于y的前两个元素构成的向量x的模的平方需要等于y的第四个元素ρ，所以y还需满足yTDy+2fTy＝0。
步骤2-3-2，令
Figure BDA0002906300420000051
Figure BDA0002906300420000052
其中，
Figure BDA0002906300420000053
表示y关于λ的函数，λ表示自变量，≡表示恒等于。
当且仅当λ满足
Figure BDA0002906300420000054
λ∈I时，
Figure BDA0002906300420000055
为等价WLS问题的全局最优解，I表示区间。
由于
Figure BDA0002906300420000056
在区间I上单调递减，因此用二分法求得λ，继而求得
Figure BDA0002906300420000057
Figure BDA0002906300420000058
的前两个分量即为基站坐标估计值。
根优选的：步骤2-3-2中区间
Figure BDA0002906300420000059
λ1(D,ATA)表示矩阵
Figure BDA00029063004200000510
最大的特征值。
本发明相比现有技术，具有以下有益效果：
本发明基于接收信号强度定位实现测距功能，解决MDT技术距离缺失问题，使用算法实现预测，节省人力物力成本，提高基站定位准确性和稳定性。
附图说明
图1是基站经纬度估计场景图。
图2基于MDT技术和RSRP测距的基站经纬度估计方法的流程图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种基于MDT技术和RSRP测距的基站经纬度估计方法，如图1、2所示，包括以下步骤：
步骤1，收集该基站下所有小区上报的MDT数据。MDT数据由用户设备(UE)上报得到，其包含UE的经纬度、RSRP、TA，其中，RSRP表示参考信号接收强度，TA表示时间提前量。
步骤2，遍历基站下的每一个小区，针对每一个小区都进行如下步骤：
步骤2-1，首先筛选出该小区内所有满足TA＝0的用户点，因为这些用户点距离基站较近，进行三角定位时精度较高。
步骤2-2，由于终端高速移动以及数据上传存在延迟，导致部分MDT数据异常，因此对剩下的MDT数据进行经纬度3sigma筛选，计算小区内所有UE的经度均值μlo，纬度均值μla，经度标准差stdlo，纬度标准差stdla，只保留经度在[μlo-3*stdlo,μlo+3*stdlo]范围内并且纬度在[μla-3*stdla,μla+3*stdla]范围内的MDT数据。
步骤2-3，使用墨卡托投影变换将UE的经纬度转换成平面坐标，并计算所有UE的坐标均值，将其作为坐标原点，以避免坐标数值过大，影响计算精度。
步骤2-4，根据对数路径损耗模型：
Figure BDA0002906300420000061
其中Pi表示si处的参考信号接收强度RSRP，si为第i个用户设备的坐标向量。P0表示参考位置d0处的参考信号接收强度，d0表示参考距离，一般设为1km，N表示共有N个用户点。γ表示路径损耗指数，一般在3-6之间。
Figure BDA0002906300420000062
表示信道环境差异导致的阴影效应，是一个零均值高斯随机变量，本发明假设其标准差
Figure BDA0002906300420000063
为4，
Figure BDA0002906300420000064
表示vi是满足正态分布的随机变量，
Figure BDA0002906300420000065
表示vi的方差，x为基站坐标向量。
在发射功率未知的情况下，估计发射功率等价于估计P0，因此P0和x的联合最大似然估计为：
Figure BDA0002906300420000066
令
Figure BDA0002906300420000067
yi＝log10||x-si||2-vi/5γ，由对数路径损耗模型可得
Figure BDA0002906300420000068
因此最大似然估计问题可转换成非线性WLS问题(非线性加权最小二乘问题)：
Figure BDA0002906300420000071
其中
Figure BDA0002906300420000072
和
Figure BDA0002906300420000073
表示zi的均值和方差。当yi服从高斯分布的时候，
Figure BDA0002906300420000074
Figure BDA0002906300420000075
Figure BDA0002906300420000076
其中
Figure BDA0002906300420000077
是一个常量。
由于
Figure BDA0002906300420000078
是x和u的非线性函数不容易获得，因此在噪声vi的标准差
Figure BDA0002906300420000079
落在4db～10db之间的情况下，我们将其忽略并得到一个估计值
Figure BDA00029063004200000710
代替
Figure BDA00029063004200000711
Figure BDA00029063004200000712
因此需要求解的WLS问题可表示为：
Figure BDA00029063004200000713
subject to||x||2＝ρ
其中υ＝1/u，是关于P0的变量。
步骤2-5，使用SR-LS方法求解该WLS问题。具体步骤如下：
(1)令y＝(xT,υ,ρ)T，
Figure BDA00029063004200000714
Figure BDA00029063004200000715
Figure BDA0002906300420000081
则该WLS问题等价为：
Figure BDA0002906300420000082
其中，y表示需要求解的未知向量，其中前两个元素是基站坐标向量x，第三个元素是关于P0的未知量υ，第四个元素是基站坐标向量x的模的平方ρ，Γ表示由
Figure BDA0002906300420000083
组成的对角权值矩阵，N表示共有N个用户设备，A表示根据需要求解的WLS问题得到的系数矩阵，b表示根据需要求解的WLS问题得到的常数向量。此外由于y的前两个元素构成的向量x的模的平方需要等于y的第四个元素ρ，所以y还需满足yTDy+2fTy＝0。
(2)令
Figure BDA0002906300420000084
Figure BDA0002906300420000085
其中，
Figure BDA0002906300420000086
表示y关于λ的函数，λ表示自变量，≡表示恒等于。
经证明得当且仅当λ满足
Figure BDA0002906300420000087
时，
Figure BDA0002906300420000088
为式子(1)中的全局最优解。区间
Figure BDA0002906300420000089
其中λ1(D,ATA)表示矩阵
Figure BDA00029063004200000810
最大的特征值。
由于
Figure BDA00029063004200000811
在I上单调递减，因此可以用简单的二分法求得λ，继而求得
Figure BDA00029063004200000812
Figure BDA00029063004200000813
的前两个分量即为基站坐标估计值。
步骤2-6，计算小区内所有UE到该基站坐标估计值的距离，作为UE到基站实际距离的估计值，完成测距。由于步骤2-3中坐标原点被移至小区所有用户点坐标均值点，因此步骤2-5求得的解需加上小区所有用户点坐标的均值，得到该小区最终的基站坐标估计值
步骤3，将每个小区的基站坐标估计值取平均作为初始迭代点，使用三角定位求出基站坐标最终预测值，使用Taylor算法求解三角定位。将预测值用反墨卡托投影变换转换成经纬度，完成预测。
本发明综合利用MDT数据和信号路损模型，解决了用户到基站的距离缺失问题，并保证了Taylor定位算法迭代收敛，有效提高了基站定位精度。
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 (3)

1.一种基于MDT技术和RSRP测距的基站经纬度估计方法，其特征在于，包括如下步骤：
步骤1，收集基站下所有小区的MDT数据，MDT数据由用户设备UE上报得到，MDT数据包括经纬度、RSRP、TA，其中，RSRP表示参考信号接收强度，TA表示时间提前量；
步骤2，对于基站下的每一个小区，求解基站坐标估计值和用户设备UE到基站距离的估计值，具体步骤如下：
步骤2-1，筛选出TA＝0的MDT数据，对筛选得到的MDT数据的经纬度再进行3sigma的筛选；使用墨卡托投影变换将经纬度转换为平面坐标，并将坐标原点移至小区所有用户点坐标均值点；
步骤2-2，根据对数路径损耗模型，将求解发射功率和基站坐标的联合最大似然估计问题转换为WLS问题；
对数路径损耗模型为：
Figure FDA0003650011220000011
其中Pi表示si处的接收功率，si表示i个用户设备的坐标向量，P0表示d0处的参考信号接收强度，d0表示参考距离，N表示共有N个用户点，γ表示路径损耗指数，
Figure FDA0003650011220000012
表示信道环境差异导致的阴影效应，
Figure FDA0003650011220000013
表示v是满足正态分布的随机变量，
Figure FDA0003650011220000014
表示vi的方差，x为基站坐标向量；
在发射功率未知的情况下，估计发射功率等价于估计P0，因此P0和x的联合最大似然估计为：
Figure FDA0003650011220000015
令
Figure FDA0003650011220000016
yi＝log10||x-si||2-vi/5γ，由对数路径损耗模型得
Figure FDA0003650011220000017
因此最大似然估计转换成非线性WLS问题：
Figure FDA0003650011220000018
其中
Figure FDA0003650011220000019
表示zi的均值，
Figure FDA00036500112200000110
表示zi的方差；
当yi服从高斯分布的时候：
Figure FDA0003650011220000021
Figure FDA0003650011220000022
其中
Figure FDA0003650011220000023
是一个常量；
由于
Figure FDA0003650011220000024
是x和u的非线性函数不容易获得，因此在噪声vi的标准差
Figure FDA0003650011220000025
落在4db～10db之间情况下，我们将其忽略并得到一个估计值
Figure FDA0003650011220000026
代替
Figure FDA0003650011220000027
Figure FDA0003650011220000028
将非线性WLS问题转化为需要求解的WLS问题：
Figure FDA0003650011220000029
subject to||x||2＝ρ
其中υ＝1/u，是关于P0的变量，ρ表示基站坐标向量x的模的平方，si为第i个用户设备的坐标向量，
Figure FDA00036500112200000210
表示第i个用户设备的坐标向量的转置，||si||表示第i个用户设备的坐标向量的模；
步骤2-3，使用SR-LS方法求解需要求解的WLS问题，得到基站坐标估计值；
步骤2-4，求出该小区内所有用户设备UE到基站坐标估计值的距离，完成测距；由于步骤2-1中坐标原点被移至小区所有用户点坐标均值点，因此步骤2-3求得的解需加上小区所有用户点坐标的均值，得到该小区最终的基站坐标估计值；
步骤3，将每个小区的基站坐标估计值取平均作为初始迭代点，并结合基站下所有UE的坐标及步骤2-4得到的用户设备UE到基站坐标估计值的距离，使用Taylor定位方法求解得到基站坐标的最终解，并转换成经纬度，完成估计；
所述步骤2-3中使用SR-LS方法求解需要求解的WLS问题的方法：
步骤2-3-1，令y＝(xT,υ,ρ)T，
Figure FDA00036500112200000211
Figure FDA0003650011220000031
Figure FDA0003650011220000032
则需要求解的WLS问题的等价WLS问题为：
Figure FDA0003650011220000033
其中，y表示需要求解的未知向量，其中前两个元素是基站坐标向量x，第三个元素是关于P0的未知量υ，第四个元素是基站坐标向量x的模的平方ρ，Γ表示由
Figure FDA0003650011220000034
组成的对角权值矩阵，A表示根据需要求解的WLS问题得到的系数矩阵，b表示根据需要求解的WLS问题得到的常数向量；此外由于y的前两个元素构成的向量x的模的平方需要等于y的第四个元素ρ，所以y还需满足yTDy+2fTy＝0；
步骤2-3-2，令
Figure FDA0003650011220000035
Figure FDA0003650011220000036
其中，
Figure FDA0003650011220000037
表示y关于λ的函数，λ表示自变量，≡表示恒等于；
当且仅当λ满足
Figure FDA0003650011220000038
λ∈I时，
Figure FDA0003650011220000039
为等价WLS问题的全局最优解，I表示区间；
由于
Figure FDA00036500112200000310
在区间I上单调递减，因此用二分法求得λ，继而求得
Figure FDA00036500112200000311
Figure FDA00036500112200000312
的前两个分量即为基站坐标估计值；
所述步骤2-3-2中区间
Figure FDA00036500112200000313
λ1(D,ATA)表示矩阵
Figure FDA00036500112200000314
最大的特征值。
2.根据权利要求1所述的一种基于MDT技术和RSRP测距的基站经纬度估计方法，其特征在于，步骤1中MDT数据中的TA＝i表示该用户设备到基站的距离在[i*78,(i+1)*78]范围内，i表示时间提前量，取值为0,1,2…。
3.根据权利要求2所述的一种基于MDT技术和RSRP测距的基站经纬度估计方法，其特征在于，步骤2-1中3sigma筛选指计算小区内所有用户设备UE的经度均值μlo，纬度均值μla，经度标准差stdlo，纬度标准差stdla，只保留经度在[μlo-3*stdlo,μlo+3*stdlo]范围内并且纬度在[μla-3*stdla,μla+3*stdla]范围内的MDT数据。
CN202110072246.XA 2021-01-20 2021-01-20 基于mdt技术和rsrp测距的基站经纬度估计方法 Active CN112911502B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110072246.XA CN112911502B (zh) 2021-01-20 2021-01-20 基于mdt技术和rsrp测距的基站经纬度估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110072246.XA CN112911502B (zh) 2021-01-20 2021-01-20 基于mdt技术和rsrp测距的基站经纬度估计方法

Publications (2)

Publication Number Publication Date
CN112911502A CN112911502A (zh) 2021-06-04
CN112911502B true CN112911502B (zh) 2022-07-01

Family

ID=76116249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110072246.XA Active CN112911502B (zh) 2021-01-20 2021-01-20 基于mdt技术和rsrp测距的基站经纬度估计方法

Country Status (1)

Country Link
CN (1) CN112911502B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115529605A (zh) * 2021-06-24 2022-12-27 中国移动通信集团广西有限公司 一种小区配置直放站的识别方法、装置及电子设备
CN114374990B (zh) * 2021-12-23 2024-03-22 北京红山信息科技研究院有限公司 一种提升基于ta计算mr与基站间距离精度方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108111965B (zh) * 2016-11-23 2020-07-10 中国移动通信集团公司 一种基站位置的确定方法和装置
CN109302714A (zh) * 2018-12-07 2019-02-01 南京华苏科技有限公司 基于用户数据实现基站位置研判及越区覆盖识别的方法
CN111031474B (zh) * 2019-12-11 2021-05-07 南京华苏科技有限公司 基于用户mdt数据的基站经纬度的预测方法

Also Published As

Publication number Publication date
CN112911502A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN112911502B (zh) 基于mdt技术和rsrp测距的基站经纬度估计方法
US9369986B2 (en) Wireless communication network for estimating the accuracy of fingerprinting positioning algorithms
CN108307301B (zh) 基于rssi测距和轨迹相似性的室内定位方法
CN106912105A (zh) 基于pso_bp神经网络的三维定位方法
KR101213363B1 (ko) 수신신호강도의 거리추정방식에 의거하여 4개 이상의 앵커노드를 이용한 실내 무선 측위 방법 및 이 방법을 실시하기 위한 프로그램이 기록된 기록매체
KR20110112829A (ko) 일반화된 에러 분포를 사용하는 위치 추정 방법
US9402188B2 (en) Geo-location error correction for small cell placement
CN109490826B (zh) 一种基于无线电波场强rssi的测距与位置定位方法
WO2013000073A9 (en) An improved system and method for wireless positioning in wireless network-enabled environments
CN106851821B (zh) 一种基于无线通信基站的室内三维定位方法
KR101163335B1 (ko) 수신신호강도의 거리 추정 방식에 의거한 실내 무선 측위 방법 및 이 방법을 실시하기 위한 프로그램이 기록된 기록매체
CN110933630A (zh) 基于超宽带通信的室内三维定位方法及装置
CN102984745A (zh) Wi-Fi AP位置及路径损耗模型的联合估测方法
Zhao et al. Particle filtering for positioning based on proximity reports
CN116359838A (zh) 一种面向室内低功耗蓝牙的定位解算模型
CN105187139B (zh) 一种基于群智感知的室外无线信号接收强度地图构建方法
US8797899B2 (en) System and method for probabilistic WLAN positioning
CN108761384B (zh) 一种抗差的传感器网络目标定位方法
CN110727752A (zh) 位置指纹库处理方法、设备及计算机可读存储介质
CN111770528B (zh) 基于信道参数萃取方法的视距与非视距识别方法及装置
Arai et al. Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation
CN111238480B (zh) 基于距离残差的nlos识别方法及在室内定位中的应用
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
CN110996248B (zh) 一种基于rss的凸优化无线传感器网络定位方法
Bernardin et al. Estimating the range to the cell edge from signal strength measurements

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