一种基于UE速度的Radio Map分类定位方法技术

一种基于UE速度的Radio Map分类定位方法，本发明专利技术涉及基于UE速度的Radio Map分类定位方法。本发明专利技术的目的是为了解决在海量用户LTE定位背景下，针对UE低速运动时信号指纹较短、UE高速运动时指纹失配现象严重，导致定位精度低的问题。具体过程为：一、获取DT/CQT/MDT采样点；二、对一获取的DT/CQT/MDT采样点提取RSRP共生向量；三、根据步骤二设计基于Adaboost分类算法的强分类函数；四：利用三中训练得到的强分类函数构建离线Radio Map；五、利用三中训练得到的强分类函数和步骤四得到的离线Radio Map进行在线定位。本发明专利技术用于定位领域。

【技术实现步骤摘要】
一种基于UE速度的RadioMap分类定位方法
本专利技术涉及基于UE速度的RadioMap分类定位方法。
技术介绍
近年来，随着通信技术和信息技术的迅速发展和各种智能设备快速普及，基于位置的服务越来越受到广泛关注。日常生活中的80％的信息与位置有关，足以见得位置的重要性。另一方面，5G革命性的提出了“万物互联”的概念，对于物联网、车联网而言，物体的最基本特性“动”，而如何发现物体的运动、如何实时获知物体的位置显得尤为重要。因而，高精度的定位尤其是高精度的室外定位成为越来越多研究者关注的重点。GNSS(GlobalNavigationSatelliteSystem)作为一种最广泛使用的室外定位技术，虽然能够达到很高的定位精度，但是其对障碍物遮挡、天气的变化等较敏感，另一方面，获取用户的GNSS的定位结果需要用户终端的许可，对于IT行业有终端软件产品的厂家而言是很容易获得的，而对于运营商等提供基础业务的厂家而言，获取这部分数据并非易事，因而需要研究一种无用户参与的移动终端定位方法代替GNSS。随着第四代移动通信技术的普及，城区及大部分乡村已经实现了LTE全覆盖，故基于LTE的定位系统逐渐成为了室外定位的研究热点。基于LTE的定位系统使用的技术非常广泛，主要包括位置指纹方法、TOA(TimeofArrival)方法、AOA(AngleofAttack)方法、TDOA(TimeDifferenceofArrival)方法等。其中位置指纹方法作为一种有监督的定位方法，其位置指纹地图(RadioMap)是基于真实采集的数据建立的，完全保留了实际信号传播环境的特征，例如障碍物遮挡、非视距传播等，即基于位置指纹的定位方法更适用于室外复杂的环境，故本专利技术采用基于位置指纹的定位方法。传统的基于位置指纹的定位方法通过RSRP(ReferenceSignalReceivingPower)特征与数据库进行匹配定位。基于位置指纹的定位包括以下两个阶段：建立RadioMap数据库的离线阶段，以及在线的指纹匹配与定位阶段。离线阶段建立一个包含参考点(RP,ReferencePoint)位置和RSRP指纹的位置指纹数据库(RadioMap)；在线阶段，通常计算RadioMap中的参考点RSRP与在线RSRP之间的信号空间欧氏距离，采用NN(NearestNeighbor)或k-NN(k-NearestNeighbor)算法得到定位结果。LTE系统海量用户的位置指纹定位不同于传统意义的位置指纹定位，具有定位面积大、定位用户多、定位场景广等特点。本专利技术针对LTE海量用户定位背景下特有终端运动速度影响定位精度的问题，对传统位置指纹定位算法进行改进。UE在不同运动速度下上报的MDT报告中的信号指纹是有较大区别的。在基于位置指纹的LTE定位系统中，利用MDT(MinimizationDriveTest)测量报告建立RadioMap的过程中，假设测量报告中的信号指纹信息、位置信息和上报的时间信息是严格同步的。然而在实际应用中，这种假设是很难成立的，尤其是在UE高速移动的情况下。图1为周期性触发的MDT报告位置、指纹与时间错位的示意图。图中三条坐标轴分别为位置信息更新时间、信号指纹信息更新时间和MDT测量报告上报时间。可以看出对于周期性触发的MDT而言，MDT测量报告的上报时间是严格等间隔的，而报告中的位置和信号指纹则并非MDT上报时刻测量的，而是最近一次测量的结果，这就导致了在MDT测量报告中不同类信息之间的时间错位。对于低速运动的UE，由于位置和信号指纹的变化速率都较小，这种错位现象对测量报告的影响不明显，而对于高速运动的UE，这种错位现象将严重影响RadioMap的准确性。在3GPPTS32.422中规定了对于E-UTRAN的MDT两种测量上报模式：loggedMDT和ImmediateMDT。对于LoggedMDT，当UE处于Idle状态时，UE根据网络侧下发的MDT配置信息进行MDT测量、存储，并在此后进入连接状态且网络侧索要测量报告时再上报给网络。而ImmediateMDT在UE连接状态下进行测量，并在测量完后立即将测量报告上报给网络。由于对于定位的实时性要求高，因而在基于位置指纹的LTE定位系统中采用ImmediateMDT模式。ImmediateMDT模式有三种触发方式：周期性测量、A2事件触发和A2事件触发的周期性测量。A2事件是一种同频系统事件，表示当服务质量差于阈值。当满足条件时UE触发A2事件，当满足条件时UE离开A2事件。Ms+Hys<Thresh(1)Ms-Hys>Thresh(2)其中Ms是服务小区的测量结果，当Ms表示RSRP时单位为dBm，当表示RSRQ或RS-SINR时单位为dB；Hys是A2事件的滞后参数，单位为dB；Thresh是A2事件的阈值参数(在reportConfigEUTRA中进行配置)，单位和测量结果Ms相同。当UE高速运动时，由于多普勒效应的影响，RSRQ和RS_SINR都会很差，因而会触发A2事件，从而开启更多的同频邻小区测量，得到的信号指纹长。而低速运动的情况下，通常不会触发A2事件，测量的邻区少，信号指纹长度短。因此可以得出结论，对于高速运动的用户，报告中的时间、位置信息和信号指纹信息的指纹失配现象严重，但是信号指纹通常较长；低速运动的用户的指纹失配现象同样存在，但是对指纹的精度影响不大，且信号指纹通常较短。如果能将这两类指纹分开来定位，就能够发挥运动用户的指纹长度优势和低速运动用户的指纹精度优势，从而提高定位精度。目前仅人工高速DT(DriveTest)测试和低速CQT(CallQualityTest)测试能够确知采样点的大概运动情况，而普通用户上报的MDT测量报告中用户的速度信息是未知的。因而基于MDT测量报告中的信息将对用户速度进行划分，进而将这两类指纹分开建立RadioMap和定位是有必要的。
技术实现思路
本专利技术的目的是为了解决在海量用户LTE定位背景下，针对UE低速运动时信号指纹较短、UE高速运动时指纹失配现象严重，导致定位精度低的问题，而提出一种基于UE速度的RadioMap分类定位方法。一种基于UE速度的RadioMap分类定位方法具体过程为：步骤一、获取DT/CQT/MDT采样点；所述DT为路测；CQT为呼叫质量测试，MDT为最小化路测；步骤二、对步骤一获取的DT/CQT/MDT采样点提取RSRP共生向量；所述RSRP为参考信号接收功率；步骤三、根据步骤二设计基于Adaboost分类算法的强分类函数；步骤四：利用步骤三中训练得到的强分类函数构建离线RadioMap；所述RadioMap为位置指纹地图；步骤五、利用步骤三中训练得到的强分类函数和步骤四得到的离线RadioMap进行在线定位。本专利技术的有益效果为：本专利技术LTE指纹定位系统中一种基于UE速度的RadioMap分类定位方法，在UE速度分类训练模块中，首先对连续的MDT加滑动时间窗，并对每一个时间窗中的RSRP值提取RSRP共生向量，训练以分类回归树(CART,ClassificationAndRegressionTree)为弱分类器的Adaboost分类模型。在UE速度分类模块中，同样对连续MDT本文档来自技高网...

【技术保护点】
一种基于UE速度的Radio Map分类定位方法，其特征在于该方法具体过程为：步骤一、获取DT/CQT/MDT采样点；所述DT为路测；CQT为呼叫质量测试，MDT为最小化路测；步骤二、对步骤一获取的DT/CQT/MDT采样点提取RSRP共生向量；所述RSRP为参考信号接收功率；步骤三、根据步骤二设计基于Adaboost分类算法的强分类函数；步骤四：利用步骤三中训练得到的强分类函数构建离线Radio Map；所述Radio Map为位置指纹地图；步骤五、利用步骤三中训练得到的强分类函数和步骤四得到的离线Radio Map进行在线定位。

【技术特征摘要】
1.一种基于UE速度的RadioMap分类定位方法，其特征在于该方法具体过程为：步骤一、获取DT/CQT/MDT采样点；所述DT为路测；CQT为呼叫质量测试，MDT为最小化路测；步骤二、对步骤一获取的DT/CQT/MDT采样点提取RSRP共生向量；所述RSRP为参考信号接收功率；步骤三、根据步骤二设计基于Adaboost分类算法的强分类函数；步骤四：利用步骤三中训练得到的强分类函数构建离线RadioMap；所述RadioMap为位置指纹地图；步骤五、利用步骤三中训练得到的强分类函数和步骤四得到的离线RadioMap进行在线定位。2.根据权利要求1所述一种基于UE速度的RadioMap分类定位方法，其特征在于：所述步骤一中获取DT/CQT/MDT采样点；具体过程为：步骤一一：从LTE网络优化数据中获取DT/CQT/MDT采样点数据包，将DT采样点标记为高速运动UE，CQT采样点标记为低速运动UE或静止UE，MDT采样点无运动标签；UE为用户终端设备；UE速度大于等于30km/h为高速，UE速度小于30km/h为低速；步骤一二：将DT、CQT和有位置的MDT采样点经纬度进行位置网格化，将采样点位置固定于距离最近的网格节点，设置网格间隔为1米；由公式(3)计算得到1米对应经度差及纬度差，其中，λ为采样点UE经度，为采样点UE纬度，R为地球半径，λA为A点经度，为A点纬度，λB为B点经度，为B点纬度，LAB为A、B两点的距离，取值为1m；步骤一三：从步骤一一中获取的DT/CQT/MDT采样点数据包中提取UE的IMSI以唯一识别UE；IMSI为国际移动用户识别码；步骤一四：从步骤一一中获取的DT/CQT/MDT采样点数据包中提取当前测试采样点测量时间戳；步骤一五：从步骤一一中获取的DT/CQT/MDT采样点数据包中提取服务小区的全球小区识别码，记为CGI0；提取服务小区RSRP测量结果，记为RSRP0；步骤一六：从步骤一一中获取的DT/CQT/MDT采样点数据包中提取邻区小区PCI，最多包含6个邻小区，记为PCI1～PCI6；获取对应于邻区PCI的RSRP测量结果，记为RSRP1～RSRP6；RSRP1为邻区1参考信号接收功率；RSRP6为邻区6参考信号接收功率；PCI为物理小区标识；RSRP为参考信号接收功率；步骤一七：将邻区PCI与工参进行对比，当邻区PCI与工参完全一致，得到邻区CGI，记为CGI1～CGI6；CGI1为邻区1全球小区识别码，CGI6为邻区6全球小区识别码；CGI为邻区全球小区识别码；步骤一八：重复步骤一一～步骤一七直到获取所有DT/CQT/MDT采样点。3.根据权利要求2所述一种基于UE速度的RadioMap分类定位方法，其特征在于：所述步骤二中对步骤一获取的DT/CQT/MDT采样点提取RSRP共生向量；具体过程为：步骤二一：从步骤一获取的DT/CQT/MDT采样点中筛选相同IMSI的采样点，即来自同一终端上报的采样点；将相同IMSI的采样点按Timestamp升序排列；在相同IMSI的采样点序列上加滑动时间窗，窗长度60s，间隔12s滑动；所述IMSI为国际移动用户识别码；Timestamp为当前测试采样点测量时间戳；步骤二二：在一个时间窗内，从UE检测到多个主区或邻区中选择检测比例最高的小区c，提取其RSRP向量Rc，n为当前时间窗内小区c被检测出的次数，取值为正整数；为实数；步骤二三：求Rc向量中元素的最小值rcmin，元素的最大值rcmax，则RSRP的跨度为m＝rcmax-rcmin+1；对Rc进行如下处理：R′c＝Rc-rcmin+1(4)其中rcmin＝[rcminrcmin…rcmin]n×1，1＝[11…1]n×1，如此得到的R′c中的元素均为正整数且最小值为1；R′c为中间变量；步骤二四：初始化RSRP共生矩阵取R′c中任意一元素r′ci及下一时刻元素r′ci+1，即得到一个信号强度变化对(r′ci,r′ci+1)，令GM中第r′ci行第r′ci+1列元素+1；将R′c中所有信号强度变化对取遍，则GM构造完成；m为RSRP的跨度，取值为正整数；步骤二五：R′c中共有n-1个信号强度变化对，对GM进行归一化处理得到归一化RSRP共生矩阵步骤二六：将RSRP共生矩阵PM主对角线方向元素求和，令求和得到的新向量长度为11，如果求和得到的向量长度小于11，则在向量两端补相同个数的0；如果求和得到的向量长度大于11，则在向量两端截断相同个数的0，即得到等长的RSRP共生向量4.根据权利要求3所述一种基于UE速度的RadioMap分类定位方法，其特征在于：所述步骤三中根据步骤二设计基于Adaboost分类算法的强分类函数；具体过程为：步骤三一：对步骤一获取的所有DT/CQT采样点按步骤二中所述方法提取RSRP共生向量；步骤三二：将DT/CQT采样点权重初始化为D1(i)＝0.5/w(class(i))，其中w(class(i))为采样点i所属标签的DT/CQT采样点总数；class(i)为采样点i的先验类别标签；i为DT/CQT采样点中第i个；步骤三三：将CART作为弱分类器；训练每个弱分类器CART时，得到每个弱分类器CART的预测输出，从而得到预测序列gt(x)的预...

【专利技术属性】
技术研发人员：马琳，金宁迪，徐玉滨，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23