CN113759311A - 一种定位方法、装置及存储介质 - Google Patents
一种定位方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113759311A CN113759311A CN202111316692.7A CN202111316692A CN113759311A CN 113759311 A CN113759311 A CN 113759311A CN 202111316692 A CN202111316692 A CN 202111316692A CN 113759311 A CN113759311 A CN 113759311A
- Authority
- CN
- China
- Prior art keywords
- base station
- distance
- characteristic data
- equation
- signal characteristic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 58
- 238000011478 gradient descent method Methods 0.000 claims abstract description 57
- 230000006870 function Effects 0.000 claims description 62
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 5
- 238000012216 screening Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
Abstract
本发明公开了一种定位方法、装置及存储介质,包括:在获取到UE在同一时刻接收到的基站标识及信号特征数据之后,将UE、基站以及信号特征数据进行关联;根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置。采用本发明实施例提供的技术方案,大大节省了三角定位系统建设的效率和可行性,能够适用于高阶不可线性化的方程组的解算,能够使用多种形式的方程组求解及用户位置计算,使得用户位置计算更为精确,定位精度高。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种定位方法、装置及存储介质。
背景技术
随着时代飞速变迁,科学技术迅猛发展,信息服务质量效率提高,人们对于定位需求日益增加;在自然环境下存在因为没有卫星信号从而无法通过卫星定位实现位置定位的大量场景,同时在复杂环境下,如图书馆、商场、医院、体育馆、地下车库、货品仓库等场所对于人员以及物品的定位需求越来越多,因此基于泛在无线数据的定位技术应运而生,此类数据定位技术实现方案,现阶段定位技术多种多样,从实现方案分为有近邻法、三边(角)测量法和指纹法,具体方法如下所示:
近邻法:最简单的方式,直接选定那个信号强度最大的AP(接入点,Access Point)的位置,定位结果是热点位置数据库中存储的当前连接的AP的位置;
其不足在于:近邻法简单,实现快,但是定位精度得不到保证,依赖信标部署密度,成本高、精度差。
三边(角)测量法: 通过信号的各种参数得到目标与AP的距离或者角度,用几何方法计算出位置。包括到达时间法、相对到达时间法、到达角度法、基于信号强度的测距方法,及其混合算法。
其不足在于:三角测量法理论上精度较高,相关算法主要集中在解决wifi、蓝牙等数据源的参数解算,使用方法多为最小二乘方法,此方法需要进行复杂的矩阵运算,对于线性相关或者近似线性相关的数据存在盲区,对于高阶方程组解算适用性差。
指纹法:事先把各个位置上的信号特征采集并建模,存入指纹数据库。实时定位时,将当前的信号特征与指纹库中的数据进行匹配,从而确定目标位置。
其不足在于:传统指纹定位法利用采集的信号特征数据,建立信号强度数据库,并利用欧式距离模型或概率模型实时计算用户匹配度。此方法对于指纹采集过程中信号波动处理不科学,指纹定位方法定位精度有一定局限性,无法满足高精度定位需求;同时,指纹采集工作量巨大,严重影响了室内定位系统建设的效率和可行性。
综上,现有技术的不足在于,难以兼顾计算方便,以及定位精度高。
发明内容
本发明提供了一种定位方法、装置及存储介质,用以解决定位技术中计算方便,以及定位精度高不能兼顾的问题。
本发明提供以下技术方案:
一种定位方法,包括:
在获取到基站标识及信号特征数据之后,将用户设备UE、基站以及信号特征数据进行关联,其中,所述基站标识及信号特征数据是UE在同一时刻接收到的基站标识及信号特征数据;
根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;
在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置。
实施中,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组,是依据信号路损传播模型建立的。
实施中,在使用三角定位法确定UE位置时,采用梯度下降法,通过方程组确定UE的位置,包括:
在使用三角定位法确定UE位置时,使用所述信号路损传播模型建立每个UE同时连接的四个基站的等式;
对于所述四个等式,采用依次两两相减后,得到三个等式;
根据所述三个等式计算UE的位置。
实施中,通过方程组确定出的函数的极小值作为UE的位置时,是求下式的极小值:
其中,UE位置为(X,Y,H),四个基站位置分别为(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),Dm21=DB2-DB1,Dm31=DB3-DB1,Dm41=DB4-DB1,K为路径损耗系数,发射强度为A,接收强度为DB,PL1=A-DB1,PL2=A-DB2,PL3=A-DB3,PL4=A-DB4,PL1、PL2、PL3、PL4分别为UE与四个基站根据路损传播模型建立的等式中的信号强度路径损耗。
实施中,采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置时,使用如下式的迭代公式:
其中:
Xn:为当前迭代位置;
Xn+1:为当下一次迭代位置;
α:为下降步长;
β:为学习率;
vn:为增加动量的下降的量,v0为0;
f’(xn):为函数在xn处导数值。
实施中,采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置,包括:
选择初始点x、y;
求x、y的偏导函数;
利用梯度下降法计算下一个点位置;
进行迭代计算,并设置跳出条件,判断计算后两个点的距离是否满足跳出条件;
满足跳出条件,则两个点的距离已收敛,跳出迭代,否则重复直到满足结果收敛跳出迭代;
满足条件的位置为UE的最终位置。
实施中,利用梯度下降法计算下一个点位置时,设置步长Step为1米;
进行迭代计算时,设置跳出条件为T=0.2米。
实施中,进一步包括:
获取UE同一时刻接收到的基站时,使用局部异常因子算法剔除离散基站。
一种定位装置,包括:
处理器,用于读取存储器中的程序,执行下列过程:
在获取到基站标识及信号特征数据之后,将用户设备UE、基站以及信号特征数据进行关联,其中,所述基站标识及信号特征数据是UE在同一时刻接收到的基站标识及信号特征数据;
根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;
在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置;
收发机,用于在处理器的控制下接收和发送数据。
实施中,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组,是依据信号路损传播模型建立的。
实施中,在使用三角定位法确定UE位置时,采用梯度下降法,通过方程组确定UE的位置,包括:
在使用三角定位法确定UE位置时,使用所述信号路损传播模型建立每个UE同时连接的四个基站的等式;
对于所述四个等式,采用依次两两相减后,得到三个等式;
根据所述三个等式计算UE的位置。
实施中,通过方程组确定出的函数的极小值作为UE的位置时,是求下式的极小值:
其中,UE位置为(X,Y,H),四个基站位置分别为(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),Dm21=DB2-DB1,Dm31=DB3-DB1,Dm41=DB4-DB1,K为路径损耗系数,发射强度为A,接收强度为DB,PL1=A-DB1,PL2=A-DB2,PL3=A-DB3,PL4=A-DB4,PL1、PL2、PL3、PL4分别为UE与四个基站根据路损传播模型建立的等式中的信号强度路径损耗。
实施中,采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置时,使用如下式的迭代公式:
其中:
Xn:为当前迭代位置;
Xn+1:为当下一次迭代位置;
α:为下降步长;
β:为学习率;
vn:为增加动量的下降的量,v0为0;
f’(xn):为函数在xn处导数值。
实施中,采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置,包括:
选择初始点x、y;
求x、y的偏导函数;
利用梯度下降法计算下一个点位置;
进行迭代计算,并设置跳出条件,判断计算后两个点的距离是否满足跳出条件;
满足跳出条件,则两个点的距离已收敛,跳出迭代,否则重复直到满足结果收敛跳出迭代;
满足条件的位置为UE的最终位置。
实施中,利用梯度下降法计算下一个点位置时,设置步长Step为1米;
进行迭代计算时,设置跳出条件为T=0.2米。
实施中,进一步包括:
获取UE同一时刻接收到的基站时,使用局部异常因子算法剔除离散基站。
一种定位装置,包括:
数据模块,用于在获取到基站标识及信号特征数据之后,将用户设备UE、基站以及信号特征数据进行关联,其中,所述基站标识及信号特征数据是UE在同一时刻接收到的基站标识及信号特征数据;
建模模块,用于根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;
定位模块,用于在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置。
实施中,建模模块进一步用于在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组,是依据信号路损传播模型建立的。
实施中,定位模块进一步用于在使用三角定位法确定UE位置时,采用梯度下降法,通过方程组确定UE的位置,包括:
在使用三角定位法确定UE位置时,使用所述信号路损传播模型建立每个UE同时连接的四个基站的等式;
对于所述四个等式,采用依次两两相减后,得到三个等式;
根据所述三个等式计算UE的位置。
实施中,定位模块进一步用于通过方程组确定出的函数的极小值作为UE的位置时,是求下式的极小值:
其中,UE位置为(X,Y,H),四个基站位置分别为(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),Dm21=DB2-DB1,Dm31=DB3-DB1,Dm41=DB4-DB1,K为路径损耗系数,发射强度为A,接收强度为DB,PL1=A-DB1,PL2=A-DB2,PL3=A-DB3,PL4=A-DB4,PL1、PL2、PL3、PL4分别为UE与四个基站根据路损传播模型建立的等式中的信号强度路径损耗。
实施中,定位模块进一步用于采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置时,使用如下式的迭代公式:
其中:
Xn:为当前迭代位置;
Xn+1:为当下一次迭代位置;
α:为下降步长;
β:为学习率;
vn:为增加动量的下降的量,v0为0;
f’(xn):为函数在xn处导数值。
实施中,定位模块进一步用于采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置,包括:
选择初始点x、y;
求x、y的偏导函数;
利用梯度下降法计算下一个点位置;
进行迭代计算,并设置跳出条件,判断计算后两个点的距离是否满足跳出条件;
满足跳出条件,则两个点的距离已收敛,跳出迭代,否则重复直到满足结果收敛跳出迭代;
满足条件的位置为UE的最终位置。
实施中,定位模块进一步用于利用梯度下降法计算下一个点位置时,设置步长Step为1米;
进行迭代计算时,设置跳出条件为T=0.2米。
实施中,数据模块进一步用于获取UE同一时刻接收到的基站时,使用局部异常因子算法剔除离散基站。
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存储有执行上述定位方法的计算机程序。
本发明有益效果如下:
本发明实施例提供的技术方案中,通过采集无线信号,建立用户与基站之间距离和信号强度的关联方程组,根据函数特性,将方程组解算转换为求取函数的极小值问题,并利用梯度下降方法完成用户位置计算,因此,与传统三角定位技术相比至少具有以下优点之一:
效率高,相比指纹定位方法,节省了指纹采集的工作量,大大节省了三角定位系统建设的效率和可行性,在基于无线信号强度的三角定位建设领域具有广阔的前景。
适用性好,使用梯度下降方法进行用户位置计算,相比传统的最小二乘方法,省去了大量的矩阵运算,同时,能够适用于高阶不可线性化的方程组的解算,能够使用多种形式的方程组求解及用户位置计算。
精度高,基于用户信号强度建立方程组,实现用户位置计算,克服了指纹定位方法中只能定位到采集的特征点上的缺陷,使得用户位置计算更为精确,定位精度高。
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,构成本发明的一部分,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为本发明实施例中定位方法实施流程示意图;
图2为本发明实施例中定位装置结构示意图。
具体实施方式
本发明实施例提供的技术方案中,通过局部因子异常因子进行基站数筛选,选择数据网型优、质量高的数据进行下一步计算,通过无线信号传播模型差分计算,建立用户与基站之间距离和信号强度的关联方程组,根据函数特性,将方程组解算转换为求取函数的极小值问题,并利用梯度下降方法完成用户位置计算,具有计算方便,精度高的优点。下面结合附图对本发明的具体实施方式进行说明。
图1为定位方法实施流程示意图,如图所示,可以包括:
步骤101、在获取到基站标识及信号特征数据之后,将用户设备UE、基站以及信号特征数据进行关联,其中,所述基站标识及信号特征数据是UE在同一时刻接收到的基站标识及信号特征数据;
步骤102、根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;
步骤103、在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置。
LOF(局部异常因子算法,Local Outlier Factor)通过计算“局部可达密度”来反映一个样本的异常程度,一个样本点的局部可达密度越大,这个点就越有可能是异常点。
在利用无线信号进行用户三角定位方法中,在只能获取无线基站的位置、用户接入基站的信号强度等信息的情况下,根据基站站址分布,使用局部异常因子算法进行网型优化和筛选,剔除离散基站对于用户位置的计算的误差;并且根据无线信号传播模型,建立用户位置与信号强度的关联关系,也就是建立用户位置与信号强度的方程组。方程组解算采用改进的梯度下降方法,能够很好的解决了复杂方程组的计算难题,提升用户位置计算精度和效率。
下面结合实例,主要按基站数据筛选、数据建模和用户位置求解三部分来进行说明。在实例中,也会采用用户这一称谓,这是考虑到业界有人员习惯于使用用户来描述方案,因此实施例中同时采用两种描述,使用用户描述的含义与使用UE(用户设备,UserEquipment)是相同的,仅仅是为了使本领域技术人员更好地、更容易理解本方案的实施。
一、基站数据筛选。
实施中,还可以进一步包括:获取UE同一时刻接收到的基站时,使用局部异常因子算法剔除离散基站。
具体的,根据数据特征,可以获取用户在同一时刻能够接收到的基站标识及RSRP(参考信号接收功率,Reference Signal Receiving Power)数据,根据基站标识,结合基站站址表,可以将用户此时刻关联的所有基站数据统计,形成基站站址分布数据,针对上述数据利用LOF(局部异常因子算法)算法进行离散基站筛选,具体处理可以如下:
1、将所有基站数据看作一个数据点的集合C。
2、从集合中顺序选两个点p和o,计算两个点的之间的距离d(p,o)。
3、计算点p的第K距离,也就是距离p第K远的点的距离,不包括p,记为dK(p)
,计算方法如下所示:
dk(p)=d(p,o),且d(p,o)满足如下两个条件:
1)在集合中至少有不包括p在内的k个点o’∈C{x≠p},满足d(p,o’)≤d(p,o);
2) 在集合中最多有不包括p在内的K-1个点o’∈C{x≠p},满足d(p,o’)< d(p,o)。
4、计算点p的第K邻域,记为Nk(p),就是p的第k距离即以内的所有点,包括第k距离。同时计算点p的K邻域内的点的个数,记为∣Nk(p)∣。
5、计算集合内各个点与点p的可达距离,记为:reach_dk(p,o),计算方法为:
reach_dk(p,o)=max{dk(o), d(p,o)}。
点o到点p的第k可达距离,至少是o的第k距离,或者为o、p间的真实距离,需要注意的是可达距离具有方向性, reach_dk(p,o)和reach_dk(o,p)并不相等。
6、计算点p的局部可达密度,记为lrdK(p),具体计算公式如下所示:
上述公式的含义为表示点p的第k邻域内点到p的平均可达距离的倒数。
7、计算点p的局部离群因子,记为LOFK(p),具体计算公式如下所示:
上述公式点p的邻域点NK(p)的局部可达密度与点p的局部可达密度之比的平均数,如果这个比值越接近1,说明p的其邻域点密度差不多,p可能和邻域同属一簇;如果这个比值越小于1,说明p的密度高于其邻域点密度,p为密集点;如果这个比值越大于1,说明p的密度小于其邻域点密度,p越可能是异常点。
8、计算所有点的K邻域的局部离群因子,并根据预设条件判断当前点是否为离散点。根据算法要求,需要明确K邻域的K值,并且需要明确局部离散因子的阈值,因此特定义K值取值方案如下:
其中,当集合C中点的个数小于等于4个的时候,不适用局部异常因子算法进行过滤,当C中点的个数大于等于5个的时候,K取值为点的个数减1;
局部离散因子的阈值LOFT(C),经过实验分析,可以选择为1.8,即当点的局部离散因子大于1.8的时候判定为离群点。
二、数据建模。
实施中,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组,是依据信号路损传播模型建立的。
具体的实施将在下述第1点进行说明。
实施中,在使用三角定位法确定UE位置时,采用梯度下降法,通过方程组确定UE的位置,包括:
在使用三角定位法确定UE位置时,使用所述信号路损传播模型建立每个UE同时连接的四个基站的等式;
对于所述四个等式,采用依次两两相减后,得到三个等式;
根据所述三个等式计算UE的位置。
具体的实施将在下述第2、3、4、5、6、7、8点进行说明。
实施中,通过方程组确定出的函数的极小值作为UE的位置时,是求下式的极小值:
其中,UE位置为(X,Y,H),四个基站位置分别为(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),Dm21=DB2-DB1,Dm31=DB3-DB1,Dm41=DB4-DB1,K为路径损耗系数,发射强度为A,接收强度为DB,PL1=A-DB1,PL2=A-DB2,PL3=A-DB3,PL4=A-DB4,PL1、PL2、PL3、PL4分别为UE与四个基站根据路损传播模型建立的等式中的信号强度路径损耗。
具体的实施将在下述第8点进行说明。
在基站数据筛选过后,需要根据基站位置及用户关联的信号特征数据进行数据建模,根据信号路损传播模型,计算用户到基站之间的距离,建立至少三个等式,求取用户位置,该算法需要根据信号路损计算距离,从而推断用户位置,适用于空旷场景,比如展馆、机场等。
1、ITU(国际电信联盟,International Telecommunication Union)推荐使用的路损传播模型为:
其中:
PL标识信号强度路径损耗(发射强度-接收强度,一般同一场所基站发射强度固定,接收强度因距离原因不同);
f为频率,单位MHZ;
K为路径损耗系数;
d表示用户和基站之间的距离;
Lf为楼层穿透损耗系数;
xδ为慢衰落余量。
2、为了使用三角定位方法计算用户位置,要求满足每个用户同时连接四个基站,并使用所述信号路损传播模型建立等式,比如建立如下四个等式:
3、对于上述四个等式,采用依次两两相减,得到三个等式,具体如下:
4、由PL的含义可知,PL=发射强度A-接收强度DB,因此设某场所发射强度为A,则有:
则,
且,
5、因此3中的等式可以化简为:
6、令Dm21=DB2-DB1,Dm31=DB3-DB1,Dm41=DB4-DB1,并对于5中的公式进行去对数化简得到如下公式:
7、设用户位置为(X,Y,H),四个基站位置分别为(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),则6中式可以整理为:
8、至此,三角定位可以根据接上述三个等式计算用户的位置,具体计算思路是将三个等式右侧移项到左侧,使右侧等0;并对三个等式求绝对值并相加得到如下等式:
则,令:
上述用户位置求解即可转换为计算f(X,Y)的极小值点问题。
三、用户求解。
实施中,采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置时,使用如下式的迭代公式:
其中:
Xn:为当前迭代位置;
Xn+1:为当下一次迭代位置;
α:为下降步长;
β:为学习率;
vn:为增加动量的下降的量,v0为0;
f’(xn):为函数在xn处导数值。
设函数f(x),求的最小值点,根据迭代梯度下降方法原理,则:
式中:
Xn+1:为下一次迭代位置;
Xn:为当前迭代位置;
α:为下降步长;
f’(xn):为函数在xn处导数值。
但是此方式在计算过程中,固定步长,对于函数适用性差,收敛速度慢,也可能会造成区间震荡。因此实施例中将使用改进的梯度下降方法,在计算下一个位置时,充分考虑代价函数在下一个位置的梯度,进行动态调整步长,能够有效避免震荡收敛,且提升收敛速度,公式具体为:
式中:
Xn:为当前迭代位置;
Xn+1:为当下一次迭代位置;
α:为下降步长;
β:为学习率,一般设置为0.9;
vn:为增加动量的下降的量,v0为0。
实施中,采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置,包括:
选择初始点x、y;
求x、y的偏导函数;
利用梯度下降法计算下一个点位置;
进行迭代计算,并设置跳出条件,判断计算后两个点的距离是否满足跳出条件;
满足跳出条件,则两个点的距离已收敛,跳出迭代,否则重复直到满足结果收敛跳出迭代;
满足条件的位置为UE的最终位置。
具体实施中,利用梯度下降法计算下一个点位置时,设置步长Step为1米;
进行迭代计算时,设置跳出条件为T=0.2米。
具体的,因此根据上述梯度下降原理,结合实施例中的数据,计算可以如下所示:
2、计算f(X,Y)对于x、y的偏导函数,具体如下所示:
3、利用改进的梯度下降方法计算下一个点位置,设置步长Step为1米,具体公式如下所示:
4、使用3中的公式进行迭代计算,并设置跳出条件为T=0.2米,判断计算后两个点的距离是否满足跳出条件,令:
基于同一发明构思,本发明实施例中还提供了一种定位装置、及计算机可读存储介质,由于这些设备解决问题的原理与定位方法相似,因此这些设备的实施可以参见方法的实施,重复之处不再赘述。
在实施本发明实施例提供的技术方案时,可以按如下方式实施。
图2为定位装置结构示意图,如图所示,装置中包括:
处理器200,用于读取存储器220中的程序,执行下列过程:
在获取到基站标识及信号特征数据之后,将用户设备UE、基站以及信号特征数据进行关联,其中,所述基站标识及信号特征数据是UE在同一时刻接收到的基站标识及信号特征数据;
根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;
在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置;
收发机210,用于在处理器200的控制下接收和发送数据。
实施中,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组,是依据信号路损传播模型建立的。
实施中,在使用三角定位法确定UE位置时,采用梯度下降法,通过方程组确定UE的位置,包括:
在使用三角定位法确定UE位置时,使用所述信号路损传播模型建立每个UE同时连接的四个基站的等式;
对于所述四个等式,采用依次两两相减后,得到三个等式;
根据所述三个等式计算UE的位置。
实施中,通过方程组确定出的函数的极小值作为UE的位置时,是求下式的极小值:
其中,UE位置为(X,Y,H),四个基站位置分别为(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),Dm21=DB2-DB1,Dm31=DB3-DB1,Dm41=DB4-DB1,K为路径损耗系数,发射强度为A,接收强度为DB,PL1=A-DB1,PL2=A-DB2,PL3=A-DB3,PL4=A-DB4,PL1、PL2、PL3、PL4分别为UE与四个基站根据路损传播模型建立的等式中的信号强度路径损耗。
实施中,采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置时,使用如下式的迭代公式:
其中:
Xn:为当前迭代位置;
Xn+1:为当下一次迭代位置;
α:为下降步长;
β:为学习率;
vn:为增加动量的下降的量,v0为0;
f’(xn):为函数在xn处导数值。
实施中,采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置,包括:
选择初始点x、y;
求x、y的偏导函数;
利用梯度下降法计算下一个点位置,设置步长Step为1米;
进行迭代计算,并设置跳出条件,判断计算后两个点的距离是否满足跳出条件,设置跳出条件为T=0.2米;
满足跳出条件,则两个点的距离已收敛,跳出迭代,否则重复直到满足结果收敛跳出迭代;
满足条件的位置为UE的最终位置。
实施中,利用梯度下降法计算下一个点位置时,设置步长Step为1米;
进行迭代计算时,设置跳出条件为T=0.2米。
实施中,进一步包括:
获取UE同一时刻接收到的基站时,使用局部异常因子算法剔除离散基站。
其中,在图2中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器200代表的一个或多个处理器和存储器220代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机210可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元。处理器200负责管理总线架构和通常的处理,存储器220可以存储处理器200在执行操作时所使用的数据。
本发明实施例中还提供了一种定位装置,包括:
数据模块,用于在获取到基站标识及信号特征数据之后,将用户设备UE、基站以及信号特征数据进行关联,其中,所述基站标识及信号特征数据是UE在同一时刻接收到的基站标识及信号特征数据;
建模模块,用于根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;
定位模块,用于在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置。
实施中,建模模块进一步用于在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组,是依据信号路损传播模型建立的。
实施中,定位模块进一步用于在使用三角定位法确定UE位置时,采用梯度下降法,通过方程组确定UE的位置,包括:
在使用三角定位法确定UE位置时,使用所述信号路损传播模型建立每个UE同时连接的四个基站的等式;
对于所述四个等式,采用依次两两相减后,得到三个等式;
根据所述三个等式计算UE的位置。
实施中,定位模块进一步用于通过方程组确定出的函数的极小值作为UE的位置时,是求下式的极小值:
其中,UE位置为(X,Y,H),四个基站位置分别为(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),Dm21=DB2-DB1,Dm31=DB3-DB1,Dm41=DB4-DB1,K为路径损耗系数,发射强度为A,接收强度为DB,PL1=A-DB1,PL2=A-DB2,PL3=A-DB3,PL4=A-DB4,PL1、PL2、PL3、PL4分别为UE与四个基站根据路损传播模型建立的等式中的信号强度路径损耗。
实施中,定位模块进一步用于采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置时,使用如下式的迭代公式:
其中:
Xn:为当前迭代位置;
Xn+1:为当下一次迭代位置;
α:为下降步长;
β:为学习率;
vn:为增加动量的下降的量,v0为0;
f’(xn):为函数在xn处导数值。
实施中,定位模块进一步用于采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置,包括:
选择初始点x、y;
求x、y的偏导函数;
利用梯度下降法计算下一个点位置;
进行迭代计算,并设置跳出条件,判断计算后两个点的距离是否满足跳出条件;
满足跳出条件,则两个点的距离已收敛,跳出迭代,否则重复直到满足结果收敛跳出迭代;
满足条件的位置为UE的最终位置。
实施中,定位模块进一步用于利用梯度下降法计算下一个点位置时,设置步长Step为1米;
进行迭代计算时,设置跳出条件为T=0.2米。
实施中,数据模块进一步用于获取UE同一时刻接收到的基站时,使用局部异常因子算法剔除离散基站。
为了描述的方便,以上所述装置的各部分以功能分为各种模块或单元分别描述。当然,在实施本发明时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
本发明实施例中还提供了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存储有执行上述定位方法的计算机程序。
具体实施可以参见定位方法的实施。
综上所述,本发明实施例提供的技术方案中,利用无线信号强度进行三角定位计算,利用信号传播模型,建立用户位置与信号强度的方程组,为三角定位求解奠定基础。
进一步的,利用了梯度下降方法进行方程组求解,解决复杂函数方程组用户位置计算难题。
进一步的,提供的用户位置估算方案,利用梯度下降方法完成用户位置计算,给出了完整的计算方案,保证了用户能够计算到精准位置上。
由于本发明实施例提供的技术方案中,通过局部因子异常因子进行基站数筛选,选择数据网型优、质量高的数据进行下一步计算,并基于改进的梯度下降的方法实现用户位置计算,通过采集无线信号传播模型,建立用户与基站之间距离和信号强度的关联方程组,根据函数特性,将方程组解算转换为求取函数的极小值问题,并利用梯度下降方法完成用户位置计算,因此,与传统三角定位技术相比至少具有以下优点之一:
1、效率高,相比指纹定位方法,节省了指纹采集的工作量,大大节省了三角定位系统建设的效率和可行性,在基于无线信号强度的三角定位建设领域具有广阔的前景。
2、适用性好,使用梯度下降方法进行用户位置计算,相比传统的最小二乘方法,省去了大量的矩阵运算,同时,能够适用于高阶不可线性化的方程组的解算,能够使用多种形式的方程组求解及用户位置计算。
3、精度高,基于用户信号强度建立方程组,实现用户位置计算,克服了指纹定位方法中只能定位到采集的特征点上的缺陷,将用户位置计算到更为精确的位置上,定位精度高。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种定位方法,其特征在于,包括:
在获取到基站标识及信号特征数据之后,将用户设备UE、基站以及信号特征数据进行关联,其中,所述基站标识及信号特征数据是UE在同一时刻接收到的基站标识及信号特征数据;
根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;
在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置。
2.如权利要求1所述的方法,其特征在于,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组,是依据信号路损传播模型建立的。
3.如权利要求2所述的方法,其特征在于,在使用三角定位法确定UE位置时,采用梯度下降法,通过方程组确定UE的位置,包括:
在使用三角定位法确定UE位置时,使用所述信号路损传播模型建立每个UE同时连接的四个基站的等式;
对于所述四个基站的等式,采用依次两两相减后,得到三个等式;
根据所述三个等式计算UE的位置。
6.如权利要求5所述的方法,其特征在于,采用梯度下降法,将通过方程组确定出的函数的极小值作为UE的位置,包括:
选择初始点x、y;
求x、y的偏导函数;
利用梯度下降法计算下一个点位置,设置步长Step为1米;
进行迭代计算,并设置跳出条件,判断计算后两个点的距离是否满足跳出条件,设置跳出条件为T=0.2米;
满足跳出条件,则两个点的距离已收敛,跳出迭代,否则重复直到满足结果收敛跳出迭代;
满足条件的位置为UE的最终位置。
7.如权利要求1至6任一所述的方法,其特征在于,进一步包括:
获取UE同一时刻接收到的基站时,使用局部异常因子算法剔除离散基站。
8.一种定位装置,其特征在于,包括:
处理器,用于读取存储器中的程序,执行下列过程:
在获取到基站标识及信号特征数据之后,将用户设备UE、基站以及信号特征数据进行关联,其中,所述基站标识及信号特征数据是UE在同一时刻接收到的基站标识及信号特征数据;
根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;
在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置;
收发机,用于在处理器的控制下接收和发送数据。
9.一种定位装置,其特征在于,包括:
数据模块,用于在获取到基站标识及信号特征数据之后,将用户设备UE、基站以及信号特征数据进行关联,其中,所述基站标识及信号特征数据是UE在同一时刻接收到的基站标识及信号特征数据;
建模模块,用于根据基站位置及UE关联的信号特征数据进行数据建模,其中,数据建模中包括有计算UE到基站之间的距离,在计算UE到基站之间的距离时,建立求取UE位置与信号强度的等式方程组;
定位模块,用于在使用三角定位法确定UE位置时,采用梯度下降法,将通过等式方程组确定出的函数的极小值作为UE的位置。
10.一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存储有执行权利要求1至7任一所述方法的计算机程序。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316692.7A CN113759311B (zh) | 2021-11-09 | 2021-11-09 | 一种定位方法、装置及存储介质 |
PCT/CN2022/128767 WO2023083041A1 (zh) | 2021-11-09 | 2022-10-31 | 一种定位方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316692.7A CN113759311B (zh) | 2021-11-09 | 2021-11-09 | 一种定位方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113759311A true CN113759311A (zh) | 2021-12-07 |
CN113759311B CN113759311B (zh) | 2022-03-15 |
Family
ID=78784661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111316692.7A Active CN113759311B (zh) | 2021-11-09 | 2021-11-09 | 一种定位方法、装置及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113759311B (zh) |
WO (1) | WO2023083041A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023083041A1 (zh) * | 2021-11-09 | 2023-05-19 | 中移(上海)信息通信科技有限公司 | 一种定位方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107820206A (zh) * | 2017-11-15 | 2018-03-20 | 玉林师范学院 | 基于信号强度的非视距定位方法 |
CN108627798A (zh) * | 2018-04-04 | 2018-10-09 | 北京工业大学 | 基于线性判别分析和梯度提升树的wlan室内定位算法 |
CN108696931A (zh) * | 2018-03-26 | 2018-10-23 | 北京数字联盟网络科技有限公司 | 基于移动通信网络的定位方法及计算机可读存储介质 |
CN111225439A (zh) * | 2018-11-23 | 2020-06-02 | 中兴通讯股份有限公司 | 确定终端位置的方法、装置及存储介质 |
CN111343664A (zh) * | 2018-12-18 | 2020-06-26 | 中国移动通信集团江西有限公司 | 用户定位方法、装置、设备及介质 |
CN112533144A (zh) * | 2019-09-19 | 2021-03-19 | 中国移动通信集团辽宁有限公司 | 室内定位方法、装置、计算设备及计算机存储介质 |
CN113329492A (zh) * | 2021-08-04 | 2021-08-31 | 深圳市海豚科技创新有限公司 | 基于tdoa的定位方法、装置、计算机设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100137005A1 (en) * | 2008-11-29 | 2010-06-03 | Inventec Appliances Corp. | Method for positioning portable communication device |
CN104301993B (zh) * | 2013-07-15 | 2018-02-23 | 中国移动通信集团设计院有限公司 | 一种基站站址定位的方法及装置 |
CN105678990A (zh) * | 2015-12-31 | 2016-06-15 | 赵旭 | 一种遥控器及其检测、控制方法 |
CN109298396A (zh) * | 2018-11-12 | 2019-02-01 | 广州杰赛科技股份有限公司 | 一种无人机定位方法、装置及计算机可读存储介质 |
CN113759311B (zh) * | 2021-11-09 | 2022-03-15 | 中移(上海)信息通信科技有限公司 | 一种定位方法、装置及存储介质 |
-
2021
- 2021-11-09 CN CN202111316692.7A patent/CN113759311B/zh active Active
-
2022
- 2022-10-31 WO PCT/CN2022/128767 patent/WO2023083041A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107820206A (zh) * | 2017-11-15 | 2018-03-20 | 玉林师范学院 | 基于信号强度的非视距定位方法 |
CN108696931A (zh) * | 2018-03-26 | 2018-10-23 | 北京数字联盟网络科技有限公司 | 基于移动通信网络的定位方法及计算机可读存储介质 |
CN108627798A (zh) * | 2018-04-04 | 2018-10-09 | 北京工业大学 | 基于线性判别分析和梯度提升树的wlan室内定位算法 |
CN111225439A (zh) * | 2018-11-23 | 2020-06-02 | 中兴通讯股份有限公司 | 确定终端位置的方法、装置及存储介质 |
CN111343664A (zh) * | 2018-12-18 | 2020-06-26 | 中国移动通信集团江西有限公司 | 用户定位方法、装置、设备及介质 |
CN112533144A (zh) * | 2019-09-19 | 2021-03-19 | 中国移动通信集团辽宁有限公司 | 室内定位方法、装置、计算设备及计算机存储介质 |
CN113329492A (zh) * | 2021-08-04 | 2021-08-31 | 深圳市海豚科技创新有限公司 | 基于tdoa的定位方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
YUANCHAO SHU ET AL.: "Gradient-Based Fingerprinting for Indoor Localization and Tracking", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 * |
闫大禹等: "国内室内定位技术发展现状综述", 《导航定位学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023083041A1 (zh) * | 2021-11-09 | 2023-05-19 | 中移(上海)信息通信科技有限公司 | 一种定位方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023083041A1 (zh) | 2023-05-19 |
CN113759311B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Smith et al. | Tracking moving devices with the cricket location system | |
US7196662B2 (en) | Probabilistic model for a positioning technique | |
CN109275095B (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
WO2018176511A1 (zh) | 一种指纹定位方法及相关设备 | |
EP1592273A2 (en) | Method and apparatus for generating a signal strength model for an access point at an arbitrary location | |
JP5388221B2 (ja) | パターン分類を使用した、無線端末が屋内にあるかどうかの推定 | |
CN102984745B (zh) | Wi-Fi AP位置及路径损耗模型的联合估测方法 | |
CN107305246B (zh) | 基于接收信号强度指示的定位方法和装置 | |
CN103581831A (zh) | 基于WiFi以及移动终端的室内定位算法 | |
CN108174343A (zh) | 一种面向电力室内通信运维场景的无线定位方法及系统 | |
CN111698695A (zh) | 一种基于神经网络的lte指纹式定位方法 | |
CN113759311B (zh) | 一种定位方法、装置及存储介质 | |
EP3657841A1 (en) | Method and device for obtaining emission probability, transfer probability and sequence positioning | |
CN114585082A (zh) | 一种电力物联网设备的无线定位方法、装置及存储介质 | |
CN112533144A (zh) | 室内定位方法、装置、计算设备及计算机存储介质 | |
CN107104747B (zh) | 无线时变信道中的多径分量的分簇方法 | |
CN115942231A (zh) | 一种基于rss的5g室外定位方法 | |
CN112887909B (zh) | 一种基于Wi-Fi信号的室内定位方法 | |
CN106063317B (zh) | 业务热点的定位方法及装置 | |
CN111356152B (zh) | 基站位置矫正方法、装置、设备及介质 | |
CN109884587B (zh) | 一种用于雾计算环境的无线传感器网络定位方法 | |
CN108093364B (zh) | 一种基于rssi不均匀空间分辨率的改进加权定位方法 | |
CN108632740A (zh) | 用户设备的定位方法和装置 | |
CN109581288B (zh) | 室内定位方法、设备及存储介质 | |
CN107979818B (zh) | 一种无线指纹库初始数据的处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |