基站指纹定位方法、装置和系统、计算机可读存储介质制造方法及图纸

本发明专利技术公开一种基站指纹定位方法、装置和系统、计算机可读存储介质。该基站指纹定位方法包括：获取终端采集数据，其中，所述终端采集数据为终端采集的基站信号数据；采用预定指纹特征提取网络对终端采集数据进行处理生成终端指纹特征向量；在数据库中找出欧式距离与终端指纹特征向量最近的两个指纹特征向量；将所述三个指纹特征向量输入预定位置网格计算网络模型，获取终端的位置网格。本发明专利技术通过将平面地图网格化，通过神经网络模型建立网格与多指纹特征的关联关系，提高了定位的鲁棒性和准确性。

Base station fingerprint location method, device and system, computer readable storage medium

【技术实现步骤摘要】
基站指纹定位方法、装置和系统、计算机可读存储介质
本专利技术涉及终端定位领域，特别涉及一种基站指纹定位方法、装置和系统、计算机可读存储介质。
技术介绍
指纹定位是一种基于特征识别技术的无线定位方法，通常是通过采集可测量的无线信号特征集，生成指纹特征并和相关位置信息建立关联关系保存于数据库中，在定位时候通过匹配指纹特征进行定位。神经网络深度学习在特征识别领域中有广泛应用。
技术实现思路
申请人发现：相关技术基站指纹定位采用指纹特征查询匹配的方式，需先确定好要匹配的信号特征，采用近邻匹配或模式识别的方法，但容易受到信号干扰，终端移动等影响，导致指纹匹配失败或粗粒度匹配的位置与实际位置有较大的误差。鉴于以上技术问题中的至少一项，本专利技术提供了一种基站指纹定位方法、装置和系统、计算机可读存储介质，提高了定位的鲁棒性和准确性。根据本专利技术的一个方面，提供一种基站指纹定位方法，包括：获取终端采集数据，其中，所述终端采集数据为终端采集的基站信号数据；采用预定指纹特征提取网络对终端采集数据进行处理生成终端指纹特征向量；在数据库中找出欧式距离与终端指纹特征向量最近的两个指纹特征向量；将所述三个指纹特征向量输入预定位置网格计算网络模型，获取终端的位置网格。在本专利技术的一些实施例中，所述基站指纹定位方法还包括：将平面地图划分为n×m个的网格，其中，n和m均为大于1的自然数，n为网格总列数，m为网格总行数；采用位置网格(i，j)标识每个网格的位置，其中，i为所述网格的列数，j为所述网格的行数，1≤i≤n，1≤j≤m。在本专利技术的一些实施例中，所述基站指纹定位方法还包括：通过位置网格计算网络对参考采集点数据迭代训练，获取预定位置网格计算网络模型，其中，所述预定位置网格计算网络模型包含指纹特征向量和位置网格的对应关系。在本专利技术的一些实施例中，所述通过位置网格计算网络对参考采集点数据迭代训练包括：获取参考采集点的指纹特征向量和参考采集点的位置网格；采用特征向量欧式距离接近的三个参考采集点的指纹特征向量作为输入，采用第三个参考采集点的位置网格作为目标输出，通过位置网格计算网络对参考采集点数据进行迭代训练。在本专利技术的一些实施例中，所述获取参考采集点的指纹特征向量和参考采集点的位置网格包括：获取参考采集点数据，其中，所述参考采集点数据包括参考采集点设备采集的基站信号数据和参考采集点的位置网格；对参考采集点数据进行归一化处理；采用预定指纹特征提取网络对归一化处理后的参考采集点数据进行非监督特征学习生成指纹特征向量；保存指纹特征向量和参考采集点的位置网格的对应关系。在本专利技术的一些实施例中，指纹特征提取网络为多层神经网络。在本专利技术的一些实施例中，位置网格计算网络为多层神经网络。在本专利技术的一些实施例中，所述基站信号数据包括小区标识、信号强度、到达时间、功率时延中的至少一项。根据本专利技术的另一方面，提供一种基站指纹定位装置，包括：终端采集数据获取模块，用于获取终端采集数据，其中，所述终端采集数据为终端采集的基站信号数据；终端特征向量生成模块，用于采用预定指纹特征提取网络对终端采集数据进行处理生成终端指纹特征向量；终端位置网格获取模块，用于在数据库中找出欧式距离与终端指纹特征向量最近的两个指纹特征向量；将所述三个指纹特征向量输入预定位置网格计算网络模型，获取终端的位置网格。在本专利技术的一些实施例中，所述基站指纹定位装置用于执行实现如上述任一实施例所述的基站指纹定位方法的操作。根据本专利技术的另一方面，提供一种基站指纹定位装置，包括：存储器，用于存储指令；处理器，用于执行所述指令，使得所述基站指纹定位装置执行实现如上述任一实施例所述的基站指纹定位方法的操作。根据本专利技术的另一方面，提供一种基站指纹定位系统，包括：终端，用于采集基站信号数据，并将所述基站信号数据作为终端采集数据发送给基站指纹定位装置；基站指纹定位装置，为如上述任一实施例所述的基站指纹定位装置。在本专利技术的一些实施例中，所述基站指纹定位系统还包括：参考采集点设备，用于采集基站信号数据和参考采集点的位置网格，并将基站信号数据和参考采集点的位置网格作为终端采集数据发送给基站指纹定位装置。根据本专利技术的另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例所述的基站指纹定位方法。本专利技术通过将平面地图网格化，通过神经网络模型建立网格与多指纹特征的关联关系，提高了定位的鲁棒性和准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术基站指纹定位方法一些实施例的示意图。图2为本专利技术基站指纹定位方法另一些实施例的示意图。图3为本专利技术基站指纹定位方法一些具体实施例的示意图。图4为本专利技术基站指纹定位装置一些实施例的示意图。图5为本专利技术基站指纹定位装置另一些实施例的示意图。图6为本专利技术基站指纹定位系统一些实施例的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。图1为本专利技术基站指纹定位方法一些实施例的示意图。优选的，本实施例可由本专利技术基站指纹定位装置或本专利技术基站指纹定位系统执行。该方法包括以下步骤：步骤11，获取终端采集数据，其中，所述终端采集数据为终端采集的基站信号数据。在本专利技术的一些实施例中，所述基站信号数据是终端采集并上传给本专利技术基站指纹定本文档来自技高网...

【技术保护点】
1.一种基站指纹定位方法，其特征在于，包括：/n获取终端采集数据，其中，所述终端采集数据为终端采集的基站信号数据；/n采用预定指纹特征提取网络对终端采集数据进行处理生成终端指纹特征向量；/n在数据库中找出欧式距离与终端指纹特征向量最近的两个指纹特征向量；/n将所述三个指纹特征向量输入预定位置网格计算网络模型，获取终端的位置网格。/n

【技术特征摘要】
1.一种基站指纹定位方法，其特征在于，包括：
获取终端采集数据，其中，所述终端采集数据为终端采集的基站信号数据；
采用预定指纹特征提取网络对终端采集数据进行处理生成终端指纹特征向量；
在数据库中找出欧式距离与终端指纹特征向量最近的两个指纹特征向量；
将所述三个指纹特征向量输入预定位置网格计算网络模型，获取终端的位置网格。


2.根据权利要求1所述的基站指纹定位方法，其特征在于，还包括：
将平面地图划分为n×m个的网格，其中，n和m均为大于1的自然数，n为网格总列数，m为网格总行数；
采用位置网格(i，j)标识每个网格的位置，其中，i为所述网格的列数，j为所述网格的行数，1≤i≤n，1≤j≤m。


3.根据权利要求1或2所述的基站指纹定位方法，其特征在于，还包括：
通过位置网格计算网络对参考采集点数据迭代训练，获取预定位置网格计算网络模型，其中，所述预定位置网格计算网络模型包含指纹特征向量和位置网格的对应关系。


4.根据权利要求3所述的基站指纹定位方法，其特征在于，所述通过位置网格计算网络对参考采集点数据迭代训练包括：
获取参考采集点的指纹特征向量和参考采集点的位置网格；
采用特征向量欧式距离接近的三个参考采集点的指纹特征向量作为输入，采用第三个参考采集点的位置网格作为目标输出，通过位置网格计算网络对参考采集点数据进行迭代训练。


5.根据权利要求4所述的基站指纹定位方法，其特征在于，所述获取参考采集点的指纹特征向量和参考采集点的位置网格包括：
获取参考采集点数据，其中，所述参考采集点数据包括参考采集点设备采集的基站信号数据和参考采集点的位置网格；
对参考采集点数据进行归一化处理；
采用预定指纹特征提取网络对归一化处理后的参考采集点数据进行非监督特征学习生成参考采集点的指纹特征向量；
保存参考采集点指纹特征向量和参考采集点的位置网格的对应关系。


6.根据权利要求1或2所...

【专利技术属性】
技术研发人员：朱先飞，贾聿庸，梁宇杰，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：北京;11