一种终端定位方法及装置制造方法及图纸

本发明专利技术公开了一种终端定位方法及装置，该方法包括获取终端上报的测量报告，将各测量小区的小区标识组成小区向量，将各测量小区的覆盖电平值组成电平向量，从测量报告中获取服务小区的小区标识，从测量报告样本库中查找服务小区的小区标识所属基站下的多个训练样本，从多个训练样本中，将与小区向量中小区标识相同的训练小区向量对应的训练样本确定为待比较的训练样本，通过神经网络模型，确定电平向量与各待比较的训练样本的训练电平向量的概率值，将概率值大于概率阈值的待比较的训练样本对应的训练位置信息，确定为终端的位置。根据服务小区的小区标识，查找出该服务小区所属的基站的训练样本，提高了终端定位的速度和效率。

【技术实现步骤摘要】
一种终端定位方法及装置
本专利技术涉及通信
，尤其涉及一种终端定位方法及装置。
技术介绍
随着TD-LTE网络的大规模建设，用户的吞吐量和使用感受都有了大幅度的提高。同时，由于网络结构日趋复杂，终端功能越来越多，这为运维优化带来了新的挑战。为了把网络分析更深入、更贴合用户实际行为，需要精确识别用户所处网络无线环境，因此，用户的定位技术就成为LTE网络运营维护和优化过程中的一个关键技术。目前，终端定位的方法是通过终端上报的测量报告与测量报告库中的存储的测量报告进行匹配。由于移动网络数据量非常庞大，在进行测量报告匹配时，需要将待定位的终端的测量报告与测量报告库中所有的测量报告进行匹配，运算量大，耗费时间长，无法进行快速定位。
技术实现思路
本专利技术实施例提供一种终端定位方法及装置，用以解决的现有技术中存在的终端定位耗费时间长，效率低下的问题。本专利技术实施例提供的一种终端定位方法，包括：获取终端上报的测量报告，所述测量报告中包括各测量小区的小区标识及各测量小区的覆盖电平值；将所述各测量小区的小区标识组成小区向量，将所述各测量小区的覆盖电平值组成电平向量；其中，所述电平向量中的第P位对应的小区标识为所述小区向量中的第P位，P为正整数；从所述测量报告中获取服务小区的小区标识，从测量报告样本库中查找所述服务小区的小区标识所属基站下的多个训练样本，每个训练样本包括训练小区向量、训练电平向量和训练位置信息；从所述多个训练样本中，将与所述小区向量中小区标识相同的训练小区向量对应的训练样本确定为待比较的训练样本；通过神经网络模型，确定所述电平向量与各待比较的训练样本的训练电平向量的概率值；其中，所述待比较的训练样本的训练电平向量与所述电平向量对应的小区标识一致；将所述概率值大于概率阈值的所述待比较的训练样本对应的训练位置信息，确定为所述终端的位置。较佳地，根据下述步骤确定所述训练样本，包括：获取设定地理范围内N个基站以及每个基站的多个测量报告测试样本；针对所述N个基站中的每个基站，从所述基站的多个测量报告测试样本内获取各小区标识，将所述各小区标识构成的集合作为所述基站的小区集合；获取在所述设定地理范围内路测得到的多个训练测量报告；针对每个训练测量报告，若所述训练测量报告中包含小区标识属于基站M的小区集合，则所述训练测量报告确定为所述基站M的训练测量报告样本；将所述训练测量报告样本中的小区标识组成所述训练测量报告样本对应的训练样本的训练小区向量，所述训练测量报告样本中的覆盖电平值组成所述训练测量报告样本对应的训练样本的训练电平向量；其中，所述训练电平向量中的第Q位对应的小区标识为所述训练小区向量中的第Q位，Q为正整数；M为正整数，M小于等于N。较佳地，在所述将所述各小区标识构成的集合作为所述基站的小区集合之前，还包括：将所述各小区标识进行去重。较佳地，所述针对每个训练测量报告，若所述训练测量报告中包含小区标识属于基站M的小区集合，则所述训练测量报告确定为所述基站M的训练测量报告样本，包括：针对每个训练测量报告，获取所述训练测量报告中覆盖电平值大于第一阈值的多个小区标识；若所述覆盖电平值大于第一阈值的多个小区标识中任意一个小区标识属于所述基站M的小区集合，则所述训练测量报告确定为所述基站M的训练测量报告样本。较佳地，所述将所述概率值大于概率阈值的所述待比较的训练样本对应的训练位置信息，确定为所述终端的位置，包括：若所述概率值大于概率阈值的所述待比较的训练样本为多个，则将所述多个概率值大于概率阈值的待比较的训练样本对应的训练位置信息的中心位置，确定为所述终端的位置。相应地，本专利技术实施例提供了一种终端定位装置，包括：获取单元，用于获取终端上报的测量报告，所述测量报告中包括各测量小区的小区标识及各测量小区的覆盖电平值；处理单元，用于将所述各测量小区的小区标识组成小区向量，将所述各测量小区的覆盖电平值组成电平向量；其中，所述电平向量中的第P位对应的小区标识为所述小区向量中的第P位，P为正整数；查找单元，用于从所述测量报告中获取服务小区的小区标识，从测量报告样本库中查找所述服务小区的小区标识所属基站下的多个训练样本，每个训练样本包括训练小区向量、训练电平向量和训练位置信息；第一确定单元，用于从所述多个训练样本中，将与所述小区向量中小区标识相同的训练小区向量对应的训练样本确定为待比较的训练样本；第二确定单元，用于通过神经网络模型，确定所述电平向量与各待比较的训练样本的训练电平向量的概率值；其中，所述待比较的训练样本的训练电平向量与所述电平向量对应的小区标识一致；定位单元，用于将所述概率值大于概率阈值的所述待比较的训练样本对应的训练位置信息，确定为所述终端的位置。较佳地，所述查找单元具体用于：根据下述步骤确定所述训练样本，包括：获取设定地理范围内N个基站以及每个基站的多个测量报告测试样本；针对所述N个基站中的每个基站，从所述基站的多个测量报告测试样本内获取各小区标识，将所述各小区标识构成的集合作为所述基站的小区集合；获取在所述设定地理范围内路测得到的多个训练测量报告；针对每个训练测量报告，若所述训练测量报告中包含小区标识属于基站M的小区集合，则所述训练测量报告确定为所述基站M的训练测量报告样本；将所述训练测量报告样本中的小区标识组成所述训练测量报告样本对应的训练样本的训练小区向量，所述训练测量报告样本中的覆盖电平值组成所述训练测量报告样本对应的训练样本的训练电平向量；其中，所述训练电平向量中的第Q位对应的小区标识为所述训练小区向量中的第Q位，Q为正整数；M为正整数，M小于等于N。较佳地，所述查找单元还用于：在所述将所述各小区标识构成的集合作为所述基站的小区集合之前，将所述各小区标识进行去重。较佳地，所述查找单元具体用于：针对每个训练测量报告，获取所述训练测量报告中覆盖电平值大于第一阈值的多个小区标识；若所述覆盖电平值大于第一阈值的多个小区标识中任意一个小区标识属于所述基站M的小区集合，则所述训练测量报告确定为所述基站M的训练测量报告样本。较佳地，所述定位单元具体用于：若所述概率值大于概率阈值的所述待比较的训练样本为多个，则将所述多个概率值大于概率阈值的待比较的训练样本对应的训练位置信息的中心位置，确定为所述终端的位置。本专利技术实施例表明，通过获取终端上报的测量报告，将各测量小区的小区标识组成小区向量，将各测量小区的覆盖电平值组成电平向量，从测量报告中获取服务小区的小区标识，从测量报告样本库中查找服务小区的小区标识所属基站下的多个训练样本，从多个训练样本中，将与小区向量中小区标识相同的训练小区向量对应的训练样本确定为待比较的训练样本，通过神经网络模型，确定电平向量与各待比较的训练样本的训练电平向量的概率值，将概率值大于概率阈值的待比较的训练样本对应的训练位置信息，确定为终端的位置。根据服务小区的小区标识，查找出该服务小区所属的基站的训练样本，减小了神经网络模型的计算量，降低了终端定位耗费时间，提高了终端定位的速度和效率。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性本文档来自技高网...

【技术保护点】
一种终端定位方法，其特征在于，包括：获取终端上报的测量报告，所述测量报告中包括各测量小区的小区标识及各测量小区的覆盖电平值；将所述各测量小区的小区标识组成小区向量，将所述各测量小区的覆盖电平值组成电平向量；其中，所述电平向量中的第P位对应的小区标识为所述小区向量中的第P位，P为正整数；从所述测量报告中获取服务小区的小区标识，从测量报告样本库中查找所述服务小区的小区标识所属基站下的多个训练样本，每个训练样本包括训练小区向量、训练电平向量和训练位置信息；从所述多个训练样本中，将与所述小区向量中小区标识相同的训练小区向量对应的训练样本确定为待比较的训练样本；通过神经网络模型，确定所述电平向量与各待比较的训练样本的训练电平向量的概率值；其中，所述待比较的训练样本的训练电平向量与所述电平向量对应的小区标识一致；将所述概率值大于概率阈值的所述待比较的训练样本对应的训练位置信息，确定为所述终端的位置。

【技术特征摘要】
1.一种终端定位方法，其特征在于，包括：获取终端上报的测量报告，所述测量报告中包括各测量小区的小区标识及各测量小区的覆盖电平值；将所述各测量小区的小区标识组成小区向量，将所述各测量小区的覆盖电平值组成电平向量；其中，所述电平向量中的第P位对应的小区标识为所述小区向量中的第P位，P为正整数；从所述测量报告中获取服务小区的小区标识，从测量报告样本库中查找所述服务小区的小区标识所属基站下的多个训练样本，每个训练样本包括训练小区向量、训练电平向量和训练位置信息；从所述多个训练样本中，将与所述小区向量中小区标识相同的训练小区向量对应的训练样本确定为待比较的训练样本；通过神经网络模型，确定所述电平向量与各待比较的训练样本的训练电平向量的概率值；其中，所述待比较的训练样本的训练电平向量与所述电平向量对应的小区标识一致；将所述概率值大于概率阈值的所述待比较的训练样本对应的训练位置信息，确定为所述终端的位置。2.如权利要求1所述的方法，其特征在于，根据下述步骤确定所述训练样本，包括：获取设定地理范围内N个基站以及每个基站的多个测量报告测试样本；针对所述N个基站中的每个基站，从所述基站的多个测量报告测试样本内获取各小区标识，将所述各小区标识构成的集合作为所述基站的小区集合；获取在所述设定地理范围内路测得到的多个训练测量报告；针对每个训练测量报告，若所述训练测量报告中包含小区标识属于基站M的小区集合，则所述训练测量报告确定为所述基站M的训练测量报告样本；将所述训练测量报告样本中的小区标识组成所述训练测量报告样本对应的训练样本的训练小区向量，所述训练测量报告样本中的覆盖电平值组成所述训练测量报告样本对应的训练样本的训练电平向量；其中，所述训练电平向量中的第Q位对应的小区标识为所述训练小区向量中的第Q位，Q为正整数；M为正整数，M小于等于N。3.如权利要求2所述的方法，其特征在于，在所述将所述各小区标识构成的集合作为所述基站的小区集合之前，还包括：将所述各小区标识进行去重。4.如权利要求2所述的方法，其特征在于，所述针对每个训练测量报告，若所述训练测量报告中包含小区标识属于基站M的小区集合，则所述训练测量报告确定为所述基站M的训练测量报告样本，包括：针对每个训练测量报告，获取所述训练测量报告中覆盖电平值大于第一阈值的多个小区标识；若所述覆盖电平值大于第一阈值的多个小区标识中任意一个小区标识属于所述基站M的小区集合，则所述训练测量报告确定为所述基站M的训练测量报告样本。5.如权利要求1所述的方法，其特征在于，所述将所述概率值大于概率阈值的所述待比较的训练样本对应的训练位置信息，确定为所述终端的位置，包括：若所述概率值大于概率阈值的所述待比较的训练样本为多个，则将所述多个概率值大于概率阈值的待比较的训练样本对应的训练位置信息的中...

【专利技术属性】
技术研发人员：钱梁，
申请(专利权)人：中国移动通信集团上海有限公司，
类型：发明
国别省市：上海,31