TWI751880B - 判斷用戶設備位置的電子裝置及方法 - Google Patents
判斷用戶設備位置的電子裝置及方法 Download PDFInfo
- Publication number
- TWI751880B TWI751880B TW110100822A TW110100822A TWI751880B TW I751880 B TWI751880 B TW I751880B TW 110100822 A TW110100822 A TW 110100822A TW 110100822 A TW110100822 A TW 110100822A TW I751880 B TWI751880 B TW I751880B
- Authority
- TW
- Taiwan
- Prior art keywords
- user equipment
- time point
- base station
- machine learning
- location
- Prior art date
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
- Telephone Function (AREA)
Abstract
提供一種判斷用戶設備位置的電子裝置及方法。電子裝置的處理器經配置以：自至少一基地台接收至少一記錄檔，其中至少一記錄檔指示在至少一時間點時至少一基地台是否與第一用戶設備通訊連接；根據至少一記錄檔計算在第一時間點時與第一用戶設備通訊連接的至少一基地台的第一數量，並且計算在第二時間點時與第一用戶設備通訊連接的至少一基地台的第二數量；將第一數量以及第二數量輸入至機器學習模型，並且判斷第一用戶設備在第二時間點的第一位置。
Description
本揭露是有關於一種判斷用戶設備位置的電子裝置及判斷用戶設備位置的方法。
目前，若要判斷用戶設備的位置，則用戶設備上需安裝特定的應用程式，以藉由應用程式來收集用戶設備的位置資訊。此方法必須要求使用用戶設備的用戶額外安裝應用程式，較為不便。
本揭露提供一種判斷用戶設備位置的電子裝置及判斷用戶設備位置的方法，可在用戶設備不需額外安裝應用程式的情況下，判斷用戶設備在特定時間點時的位置。
本揭露的判斷用戶設備位置的電子裝置，包括收發器、儲存媒體以及處理器。收發器通訊連接至第一用戶設備以及至少一基地台。儲存媒體儲存機器學習模型。處理器耦接儲存媒體和收發器，其中處理器經配置以：通過收發器自至少一基地台接收至少一記錄檔，其中至少一記錄檔指示在至少一時間點時至少一基地台是否與第一用戶設備通訊連接；根據至少一記錄檔計算在第一時間點時與第一用戶設備通訊連接的至少一基地台的第一數量，並且計算在第二時間點時與第一用戶設備通訊連接的至少一基地台的第二數量，其中第一時間點和第二時間點包含於至少一時間點，並且第二時間點晚於第一時間點；以及將第一數量以及第二數量輸入至機器學習模型，並且根據機器學習模型的輸出結果，判斷第一用戶設備在第二時間點時的第一位置。
本揭露的判斷用戶設備位置的方法，包括：通過收發器自至少一基地台接收至少一記錄檔，其中至少一記錄檔指示在至少一時間點時至少一基地台是否與第一用戶設備通訊連接；根據至少一記錄檔計算在第一時間點時與第一用戶設備通訊連接的至少一基地台的第一數量，並且計算在第二時間點時與第一用戶設備通訊連接的至少一基地台的第二數量，其中第一時間點和第二時間點包含於至少一時間點，並且第二時間點晚於第一時間點；以及將第一數量以及第二數量輸入至機器學習模型，並且根據機器學習模型的輸出結果，判斷第一用戶設備在第二時間點時的第一位置。
基於上述，本揭露的判斷用戶設備位置的電子裝置及判斷用戶設備位置的方法可將用戶設備所通訊連接的基地台的數量輸入至機器學習模型。基此，可判斷用戶設備的位置。
為讓本揭露的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
圖1是根據本揭露一實施例的判斷用戶設備位置的電子裝置的示意圖。判斷用戶設備位置的電子裝置100可包括收發器110、儲存媒體120以及處理器130。
收發器110可以無線或有線的方式傳送及接收訊號。收發器110還可以執行例如低噪聲放大、阻抗匹配、混頻、向上或向下頻率轉換、濾波、放大以及類似的操作。
儲存媒體120例如是任何型態的固定式或可移動式的隨機存取記憶體（random access memory，RAM）、唯讀記憶體（read-only memory，ROM）、快閃記憶體（flash memory）、硬碟（hard disk drive，HDD）、固態硬碟（solid state drive，SSD）或類似元件或上述元件的組合。儲存媒體120可儲存機器學習模型121。機器學習模型121可以是卷積神經網路（Convolutional Neural Network, CNN）、遞迴神經網路 （Recurrent Neural Network，RNN）、長短期記憶（Long Short Term Memory，LSTM）遞迴神經網路或是其它機器學習模型，本揭露不限制機器學習模型121的種類。
處理器130可耦接收發器110和儲存媒體120。處理器130例如是中央處理單元（central processing unit，CPU），或是其他可程式化之一般用途或特殊用途的微控制單元（micro control unit，MCU）、微處理器（microprocessor）、數位信號處理器（digital signal processor，DSP）、可程式化控制器、特殊應用積體電路（application specific integrated circuit，ASIC）、圖形處理器（graphics processing unit，GPU）、算數邏輯單元（arithmetic logic unit，ALU）、複雜可程式邏輯裝置（complex programmable logic device，CPLD）、現場可程式化邏輯閘陣列（field programmable gate array，FPGA）或其他類似元件或上述元件的組合。
第一用戶設備200例如可以是一般常見的電子裝置，包括智慧型手機、平版電腦或是個人電腦等。
基地台300-1、基地台300-2或基地台300-3可以是高級基地台（advanced base station，ABS）、基地台收發器系統（base transceiver system，BTS）、接入點(Access point)、歸屬基地台(home base station)、中繼站(relay station)、散射體(scatter)、中繼器(repeater)、中間節點(intermediate node)、中間設備和/或基於衛星的通訊基地台，本揭露不限於此。
在本實施例中，收發器110可通訊連接至第一用戶設備200以及基地台300-1、基地台300-2與基地台300-3。值得說明的是，圖1所示基地台的數量僅為示意，本揭露不對此限制。舉例來說，收發器110可通訊連接至N個基地台，其中N可為任意的正整數。
在一實施例中，為了訓練機器學習模型121，處理器130可經配置以通過收發器110取得歷史記錄檔和歷史位置資訊。歷史記錄檔和歷史位置資訊可來自基地台300-1、基地台300-2或基地台300-3，但本揭露不限於此。表1、表2以及表3是歷史記錄檔和歷史位置資訊的實例。
表1 自基地台300-1接收的歷史記錄檔和歷史位置資訊
表2 自基地台300-2接收的歷史記錄檔和歷史位置資訊
表3 自基地台300-3接收的歷史記錄檔和歷史位置資訊
| 歷史記錄檔 | 歷史位置資訊 | ||
| 歷史時間點 | 與第二用戶設備通訊連接？ | 歷史時間點 | 第二用戶設備的歷史位置（以經緯度座標為例） |
| 20201001 -1000am | 是 | 20201001 -1000am | 25.02687,121.52310 |
| 20201001 -1005am | 是 | 20201001 -1005am | 25.02687,121.52310 |
| 20201001 -1010am | 是 | 20201001 -1010am | 25.02687,121.52310 |
| 20201001 -1015am | 否 | 20201001 -1015am | 25.02722 121.51599 |
| 歷史記錄檔 | 歷史位置資訊 | ||
| 歷史時間點 | 與第二用戶設備通訊連接？ | 歷史時間點 | 第二用戶設備的歷史位置（以經緯度座標為例） |
| 20201001 -1000am | 是 | 20201001 -1000am | 25.02687,121.52310 |
| 20201001 -1005am | 是 | 20201001 -1005am | 25.02687,121.52310 |
| 20201001 -1010am | 否 | 20201001 -1010am | 25.02687 121.52310 |
| 20201001 -1015am | 否 | 20201001 -1015am | 25.02722 121.51599 |
| 歷史記錄檔 | 歷史位置資訊 | ||
| 歷史時間點 | 與第二用戶設備通訊連接？ | 歷史時間點 | 第二用戶設備的歷史位置（以經緯度座標為例） |
| 20201001 -1000am | 是 | 20201001 -1000am | 25.02687,121.52310 |
| 20201001 -1005am | 否 | 20201001 -1005am | 25.02687,121.52310 |
| 20201001 -1010am | 否 | 20201001 -1010am | 25.02687 121.52310 |
| 20201001 -1015am | 否 | 20201001 -1015am | 25.02722 121.51599 |
在表1、表2及表3的實例中，歷史記錄檔中的歷史時間點（以「年月日-時分」表示）可包括歷史時間點20201001-1000am、歷史時間點20201001-1005am、歷史時間點20201001-1010am以及歷史時間點20201001-1010am。歷史記錄檔可指示在歷史時間點20201001-1000am、歷史時間點20201001-1005am、歷史時間點20201001-1010am以及歷史時間點20201001-1010am時基地台300-1、基地台300-2或基地台300-1是否與第二用戶設備（圖未繪示）通訊連接。另一方面，歷史位置資訊可指示在歷史時間點20201001-1000am、歷史時間點20201001-1005am、歷史時間點20201001-1010am以及歷史時間點20201001-1010am歷史時間點20201001-1000am、歷史時間點20201001-1005am、歷史時間點20201001-1010am以及歷史時間點20201001-1010am時第二用戶設備的歷史位置。
處理器130可經配置以根據歷史記錄檔和歷史位置資訊訓練機器學習模型121。本揭露不限制訓練機器學習模型121的實施方式。
在本實施例中，在完成機器學習模型121的訓練之後，處理器130可經配置以通過收發器130自基地台300-1、基地台300-2以及基地台300-3接收記錄檔。記錄檔可指示在各個時間點時基地台300-1、基地台300-2或基地台300-3是否與第一用戶設備200通訊連接。表4是記錄檔的實例。
表4 記錄檔的範例
| 自基地台300-1接收的記錄檔 | 自基地台300-2接收的記錄檔 | 自基地台300-3接收的記錄檔 | |||
| 時間點 | 與第一用戶設備200通訊連接？ | 時間點 | 與第一用戶設備200通訊連接？ | 時間點 | 與第一用戶設備200通訊連接？ |
| 20201214 -1000am （亦稱，第一時間點） | 是 | 20201214 -1000am （亦稱，第一時間點） | 是 | 20201214 -1000am （亦稱，第一時間點） | 是 |
| 20201214 -1005am | 是 | 20201214 -1005am | 是 | 20201214 -1005am | 否 |
| 20201214 -1010am （亦稱，第二時間點） | 是 | 20201214 -1010am （亦稱，第二時間點） | 否 | 20201214 -1010am （亦稱，第二時間點） | 否 |
| 20201214 -1015am （亦稱，第三時間點） | 否 | 20201214 -1015am （亦稱，第三時間點） | 否 | 20201214 -1015am （亦稱，第三時間點） | 否 |
在表4的例子中，記錄檔中的多個時間點（以「年月日-時分」表示）可包括時間點20201214-1000am、時間點20201214-1005am、時間點20201214-1010am以及時間點20201214-1015am。記錄檔可指示在各個時間點時基地台300-1、基地台300-2或基地台300-1是否與第一用戶設備200通訊連接。
在本實施例中，時間點20201214-1000am、時間點20201214-1005am、時間點20201214-1010am以及時間點20201214-1015am可包括第一時間點和第二時間點，並且第二時間點晚於第一時間點。在此假設第一時間點為20201214-1000am，而第二時間點為20201214-1010am。
處理器130可經配置以根據記錄檔計算在第一時間點（即20201214-1000am）時與第一用戶設備200通訊連接的基地台300-1、基地台300-2或基地台300-3的第一數量，並且計算在第二時間點（即20201214-1010am）時與第一用戶設備200通訊連接的基地台300-1、基地台300-2或基地台300-3的第二數量。請參照表4，在第一時間點時，基地台300-1與第一用戶設備200通訊連接、基地台300-2與第一用戶設備200通訊連接並且基地台300-3與第一用戶設備200通訊連接，因此處理器130可計算出在第一時間點時與第一用戶設備200通訊連接的基地台的第一數量為3。另一方面，在第二時間點時，基地台300-1與第一用戶設備200通訊連接、基地台300-2與第一用戶設備200未通訊連接並且基地台300-3與第一用戶設備200未通訊連接，因此處理器130可計算出在第二時間點時與第一用戶設備200通訊連接的基地台的的第二數量為1。
處理器130可經配置以將第一數量以及第二數量輸入至機器學習模型121，並且根據機器學習模型121的輸出結果，判斷第一用戶設備200在第二時間點時的第一位置。
在一實施例中，表4的記錄檔可包括第三時間點（在此假設第三時間點為20201214-1015am），其中第三時間點晚於第二時間點。處理器130可經配置以計算在第三時間點時與第一用戶設備200通訊連接的基地台300-1、基地台300-2或基地台300-3的第三數量為0（第三時間點時基地台300-1與第一用戶設備200未通訊連接、基地台300-2與第一用戶設備200未通訊連接並且基地台300-3與第一用戶設備200未通訊連接），並將第二數量（即1）與第三數量（即0）輸入至機器學習模型121，並且根據機器學習模型121的輸出結果，判斷第一用戶設備200在第三時間點時的第二位置。
在判斷出第一用戶設備200在第三時間點時的第二位置之後，處理器130可經配置以根據第二時間點、（第一用戶設備200在第二時間點時的）第一位置、第三時間點以及（第一用戶設備200在第三時間點時的）第二位置，判斷第一用戶設備200的使用者所搭乘的交通工具。舉例來說，處理器130可根據第二時間點、第一位置、第三時間點以及第二位置計算出第一用戶設備200的速率，並且根據速率來判斷第一用戶設備200的使用者所搭乘的交通工具。
在一實施例中，記錄檔還可包括對應於基地台300-1、基地台300-2以及基地台300-3的位置資訊。處理器130可經配置以將第一數量、第二數量以及位置資訊輸入至機器學習模型121，並且根據機器學習模型121的輸出結果，判斷第一用戶設備200在第二時間點時的第一位置。
在一實施例中，表4中的記錄檔還可指示在時間點20201214-1000am、時間點20201214-1005am、時間點20201214-1010am以及時間點20201214-1015am時基地台300-1、基地台300-2或基地台300-3是否與不同於第一用戶設備的第三用戶設備（圖未繪示）通訊連接。
相似於前述實施例，處理器130可經配置以根據記錄檔計算在第一時間點時與第三用戶設備通訊連接的基地台300-1、基地台300-2或基地台300-3的第三數量，並且計算在第二時間點時與第三用戶設備通訊連接的基地台300-1、基地台300-2或基地台300-3的第四數量。處理器130可經配置以將第三數量以及第四數量輸入至機器學習模型121，並且根據機器學習模型121的第二輸出結果，判斷第三用戶設備在第二時間點的第三位置。
在前述實施例中，由於處理器130可判斷出第一用戶設備200在第二時間點時的第一位置，並可判斷出第三用戶設備在第二時間點時的第三位置，故處理器130可判斷第一位置是否在一區域（例如一特定旅遊景點），並且可判斷第三位置是否在此區域。響應於（第一用戶設備200在第二時間點時的）第一位置和（第三用戶設備在第二時間點時的）第三位置在區域之中，處理器130可根據第一用戶設備200和第三用戶設備判斷此區域的使用者密度變化。舉例來說，處理器130可判斷在第二時間點時，區域中的多個使用者至少包括第一用戶設備200的使用者和第三用戶設備的使用者。
圖2是根據本揭露一實施例的判斷用戶設備位置的方法流程圖，其中判斷用戶設備位置的方法可由如圖1所示的電子裝置100實施。在步驟S201中，通過收發器自至少一基地台接收至少一記錄檔，其中至少一記錄檔指示在至少一時間點時至少一基地台是否與第一用戶設備通訊連接。在步驟S202中，根據至少一記錄檔計算在第一時間點時與第一用戶設備通訊連接的至少一基地台的第一數量，並且計算在第二時間點時與第一用戶設備通訊連接的至少一基地台的第二數量，其中第一時間點和第二時間點包含於至少一時間點，並且第二時間點晚於第一時間點。在步驟S203中，將第一數量以及第二數量輸入至機器學習模型，並且根據機器學習模型的輸出結果，判斷第一用戶設備在第二時間點時的第一位置。
綜上所述，本揭露的判斷用戶設備位置的電子裝置及判斷用戶設備位置的方法可將用戶設備所通訊連接的基地台的數量輸入至機器學習模型。基此，可判斷用戶設備的位置。除此之外，基地台的位置資訊也可與用戶設備所通訊連接的基地台的數量同時輸入機器學習模型，從而得到更準確的用戶設備的位置。
雖然本揭露已以實施例揭露如上，然其並非用以限定本揭露，任何所屬技術領域中具有通常知識者，在不脫離本揭露的精神和範圍內，當可作些許的更動與潤飾，故本揭露的保護範圍當視後附的申請專利範圍所界定者為準。
100:電子裝置
110:收發器
120:儲存媒體
121:機器學習模型
130:處理器
200:第一用戶設備
300-1、300-2、300-3:基地台
S201、S202、S203:步驟
圖1是根據本揭露一實施例的判斷用戶設備位置的電子裝置的示意圖。
圖2是根據本揭露一實施例的判斷用戶設備位置的方法流程圖。
S201、S202、S203:步驟
Claims (5)
- 一種判斷用戶設備位置的電子裝置，包括：收發器，通訊連接至第一用戶設備以及至少一基地台；儲存媒體，儲存機器學習模型；以及處理器，耦接所述儲存媒體和所述收發器，其中所述處理器經配置以：通過所述收發器自所述至少一基地台接收至少一記錄檔，其中所述至少一記錄檔指示在至少一時間點時所述至少一基地台是否與所述第一用戶設備通訊連接，且指示在所述至少一時間點時所述至少一基地台是否與第二用戶設備通訊連接；根據所述至少一記錄檔計算在第一時間點時與所述第一用戶設備通訊連接的所述至少一基地台的第一數量，並且計算在第二時間點時與所述第一用戶設備通訊連接的所述至少一基地台的第二數量，其中所述第一時間點和所述第二時間點包含於所述至少一時間點，並且所述第二時間點晚於所述第一時間點；將所述第一數量以及所述第二數量輸入至所述機器學習模型，並且根據所述機器學習模型的輸出結果，判斷所述第一用戶設備在所述第二時間點時的第一位置；根據所述至少一記錄檔計算在所述第一時間點時與所述第二用戶設備通訊連接的所述至少一基地台的第三數量，並且計算在所述第二時間點時與所述第二用戶設備通訊連接的所述至少一基地台的第四數量； 將所述第三數量以及所述第四數量輸入至所述機器學習模型，並且根據所述機器學習模型的第二輸出結果，判斷所述第二用戶設備在所述第二時間點時的第二位置；以及響應於所述第一位置和所述第二位置在區域之中，根據所述第一用戶設備和所述第二用戶設備判斷所述區域的使用者密度變化。
- 如請求項1所述的判斷用戶設備位置的電子裝置，其中所述處理器更經配置以：通過所述收發器自所述至少一基地台接收至少一歷史記錄檔和歷史位置資訊，其中所述至少一歷史記錄檔指示在至少一歷史時間點時所述至少一基地台是否與第三用戶設備通訊連接，其中所述歷史位置資訊指示在所述至少一歷史時間點時所述第三用戶設備的歷史位置；以及根據所述至少一歷史記錄檔和所述歷史位置資訊訓練所述機器學習模型。
- 如請求項1所述的判斷用戶設備位置的電子裝置，其中所述處理器更經配置以：根據所述至少一記錄檔判斷所述第一用戶設備在第三時間點時的第三位置，其中所述第三時間點晚於所述第二時間點；根據所述第二時間點、所述第一位置、所述第三時間點以及所述第三位置判斷所述第一用戶設備的使用者所搭乘的交通工具。
- 如請求項1所述的判斷用戶設備位置的電子裝置，其中所述至少一記錄檔更包括對應於所述至少一基地台的位置資訊，其中所述處理器更經配置以：將所述第一數量、所述第二數量以及所述位置資訊輸入至所述機器學習模型，並且根據所述機器學習模型的所述輸出結果，判斷所述第一用戶設備在所述第二時間點時的所述第一位置。
- 一種判斷用戶設備位置的方法，包括：通過收發器自至少一基地台接收至少一記錄檔，其中所述至少一記錄檔指示在至少一時間點時所述至少一基地台是否與第一用戶設備通訊連接，且指示在所述至少一時間點時所述至少一基地台是否與第二用戶設備通訊連接；根據所述至少一記錄檔計算在第一時間點時與所述第一用戶設備通訊連接的所述至少一基地台的第一數量，並且計算在第二時間點時與所述第一用戶設備通訊連接的所述至少一基地台的第二數量，其中所述第一時間點和所述第二時間點包含於所述至少一時間點，並且所述第二時間點晚於所述第一時間點；將所述第一數量以及所述第二數量輸入至機器學習模型，並且根據所述機器學習模型的輸出結果，判斷所述第一用戶設備在所述第二時間點時的第一位置；根據所述至少一記錄檔計算在所述第一時間點時與所述第二用戶設備通訊連接的所述至少一基地台的第三數量，並且計算在 所述第二時間點時與所述第二用戶設備通訊連接的所述至少一基地台的第四數量；將所述第三數量以及所述第四數量輸入至所述機器學習模型，並且根據所述機器學習模型的第二輸出結果，判斷所述第二用戶設備在所述第二時間點時的第二位置；以及響應於所述第一位置和所述第二位置在區域之中，根據所述第一用戶設備和所述第二用戶設備判斷所述區域的使用者密度變化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110100822A TWI751880B (zh) | 2021-01-08 | 2021-01-08 | 判斷用戶設備位置的電子裝置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110100822A TWI751880B (zh) | 2021-01-08 | 2021-01-08 | 判斷用戶設備位置的電子裝置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI751880B true TWI751880B (zh) | 2022-01-01 |
| TW202227854A TW202227854A (zh) | 2022-07-16 |
Family
ID=80809179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW110100822A TWI751880B (zh) | 2021-01-08 | 2021-01-08 | 判斷用戶設備位置的電子裝置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI751880B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201231925A (en) * | 2010-09-09 | 2012-08-01 | Sony Corp | Position estimating apparatus, position estimating method, and computer program product |
| TW201233222A (en) * | 2011-01-17 | 2012-08-01 | Htc Corp | Method of handling coordinated scheduling for base stations and mobile devices and related communication device |
| TW201817254A (zh) * | 2016-09-27 | 2018-05-01 | 日商新力股份有限公司 | 電路、基地台、方法及記錄媒體 |
| WO2020150128A1 (en) * | 2019-01-17 | 2020-07-23 | T-Mobile Usa, Inc. | Pattern recognition based on millimeter wave transmission in wireless communication networks |
| TW202040157A (zh) * | 2018-12-25 | 2020-11-01 | 日商因艾伯爾股份有限公司 | 位置資訊提供系統及位置資訊提供方法 |
| TW202046750A (zh) * | 2019-04-25 | 2020-12-16 | 美商高通公司 | 用於定位參考信號交錯組態之系統及方法 |
| TWM612669U (zh) * | 2021-01-08 | 2021-06-01 | 遠傳電信股份有限公司 | 判斷用戶設備位置的電子裝置 |
-
2021
- 2021-01-08 TW TW110100822A patent/TWI751880B/zh active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201231925A (en) * | 2010-09-09 | 2012-08-01 | Sony Corp | Position estimating apparatus, position estimating method, and computer program product |
| TW201233222A (en) * | 2011-01-17 | 2012-08-01 | Htc Corp | Method of handling coordinated scheduling for base stations and mobile devices and related communication device |
| TW201817254A (zh) * | 2016-09-27 | 2018-05-01 | 日商新力股份有限公司 | 電路、基地台、方法及記錄媒體 |
| TW202040157A (zh) * | 2018-12-25 | 2020-11-01 | 日商因艾伯爾股份有限公司 | 位置資訊提供系統及位置資訊提供方法 |
| WO2020150128A1 (en) * | 2019-01-17 | 2020-07-23 | T-Mobile Usa, Inc. | Pattern recognition based on millimeter wave transmission in wireless communication networks |
| TW202046750A (zh) * | 2019-04-25 | 2020-12-16 | 美商高通公司 | 用於定位參考信號交錯組態之系統及方法 |
| TWM612669U (zh) * | 2021-01-08 | 2021-06-01 | 遠傳電信股份有限公司 | 判斷用戶設備位置的電子裝置 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202227854A (zh) | 2022-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5897153B2 (ja) | ソーシャルネットワークにおけるユーザ検索方法、ユーザ検索システム、およびユーザ検索装置 | |
| JP6689515B2 (ja) | ユーザ地理的ロケーションのタイプを識別するための方法および装置 | |
| US10616350B1 (en) | Systems and methods for location-based content sharing | |
| US8792513B2 (en) | Wireless sensor network information swarming | |
| WO2022213538A1 (zh) | 仿真测试平台的建立方法、装置和电子设备 | |
| CN104771317A (zh) | 一种婴幼儿健康喂奶系统及方法 | |
| WO2019000472A1 (zh) | 导航方法、装置、存储介质以及服务器 | |
| US9591510B2 (en) | Systems and methods to create message traffic | |
| WO2018090531A1 (zh) | 一种用户身高数据的预警分析方法和装置 | |
| CN109690248A (zh) | 用于确定与移动设备的估计海拔相关联的海拔误差值的系统和方法 | |
| TWM612669U (zh) | 判斷用戶設備位置的電子裝置 | |
| JP2020509444A (ja) | データ記憶及び呼出の方法及び装置 | |
| TWI751880B (zh) | 判斷用戶設備位置的電子裝置及方法 | |
| WO2018233541A1 (zh) | Csi传输方法、装置、计算机可读存储介质 | |
| CN102737048A (zh) | 用于修正社交网站中保存的poi的方法和设备 | |
| CN103218377A (zh) | 辅助用户选择兴趣点的方法和设备 | |
| CN110906942A (zh) | Poi点提醒导航方法、系统、存储介质及设备 | |
| WO2021195956A1 (zh) | 时钟校准方法及装置 | |
| US20150281643A1 (en) | Video reply system and method | |
| CN110287625B (zh) | 存储系统性能评估装置、方法、电子设备及存储介质 | |
| CN108834053B (zh) | 一种定位方法、装置及设备 | |
| CN111506676A (zh) | 地理数据校正方法、装置、设备和存储介质 | |
| CN108287890B (zh) | 数据管理方法及装置 | |
| US20160335277A1 (en) | Determining a location and area of a place | |
| KR101876245B1 (ko) | 지능형전자장치 성능검증 장치, 지능형전자장치 성능검증 시스템 및 컴퓨터 판독가능 기록 매체 |