[發明專利]一種獲取發射概率、轉移概率以及序列定位的方法和裝置

有效

• 申請號: 201710698562.1
• 申請日: 2017-08-15
• 公開（公告）號: CN109413683B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 朱方舟;袁明軒;曾嘉;饒衛雄
• 申請（專利權）人: 華為技術有限公司
• 主分類號: H04W24/08
• 分類號: H04W24/08;H04W64/00
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

本申請提供了一種獲得發射概率的方法，該方法包括：獲取目標區域內終端的多個測量報告MR和基站的工程參數；根據參數信息和工程參數得到每個MR各自對應的特征向量；通過機器學習模型處理位置信息和特征向量得到單點定位模型；根據單點定位模型、位置信息和特征向量計算發射概率。本申請提供的獲得發射概率的方法應用了機器學習模型，屬于人工智能AI技術領域。

技術領域

本發明涉及電信定位領域，尤其涉及獲得用于序列定位的發射概率的方法和裝置。

背景技術

電信定位是指通過移動設備發送到管道側(例如電信運營商)的數據和基站側數據計算出該移動設備的位置。目前，常見的電信定位技術有Range‐Based方法、Fingerprint方法、序列定位方法，其中序列定位方法(或序列方法)的主要思想是將定位過程描述成從觀測序列到隱含序列的匹配模型，經緯度位置作為隱狀態，信號強度作為觀測值。在定位的時候，以一個觀測值序列作為輸入，輸出一個最佳的隱狀態序列與輸入的觀測值序列一一對應來作為定位結果。這類定位方法的核心是要定義發射概率(emission probability)和轉移概率(transition probability)發射概率是指從隱狀態到觀測值的映射，轉移概率是指不同隱狀態之間的轉換。

序列定位方法的主要優點是利用了位置的上下文信息，使得每個位置的預測結果都能夠受到前一個位置的約束，進而得到的軌跡比較平滑，可以有效避免出現如Range‐Based方法和Fingerprint方法得到的預測結果“亂跳”的情況。發射概率和轉移概率的獲取直接影響序列定位方法的定位能力，現有技術中通過對信號強度的均值方差進行建模得到發射概率，通過該方法得到的發射概率無法表述復雜的觀測信息，直接影響序列定位方法的定位精度、可靠性。

發明內容

針對現有技術中存在的技術問題，本申請提供了一種獲得發射概率的方法，使得獲得的發射概率能夠表述復雜的觀測信息，將該發射概率用于序列定位能夠提高序列定位方法的定位精度、可靠性。

第一方面，本申請提供了一種獲得發射概率(emission probability)的方法，該方法包括：獲取目標區域內終端的多個測量報告MR和所述目標區域內至少一個基站的工程參數，其中，所述目標區域為預定的地理區域，具體地，可以根據人口數量、行政區域劃分目標區域，例如某一城市的郊區為目標區域，或某一城市的市區為目標區域，本申請并不限制目標區域的面積大小、地理位置等，一般情況而言，根據某一區域的終端的MR得到的發射概率應用于該某一區域；需要說明的是，獲取的目標區域內終端的多個MR可以是獲取目標區域內的一個終端的多個MR；也可以是獲取目標區域內的多個終端的多個MR，且不限定一個終端的MR的數量，多個終端的MR可以是一個也可以多個。所述多個MR中的每個MR包含位置信息和參數信息,所述位置信息用于指示包含所述位置信息的MR對應的終端在所述目標區域內的位置；本申請對MR的參數信息不做限定，一般是指MR中除位置信息之外的其他信息均可以歸于參數信息；根據所述多個MR中的每個MR的參數信息和所述至少一個基站的工程參數，得到所述多個MR中的每個MR各自對應的特征向量，參數信息包括很多信息，以參數信息及相應基站的工程參數得到的特征向量能夠表達復雜的觀測信息；通過機器學習模型處理所述多個MR中的每個MR的位置信息和所述多個MR中的每個MR各自對應的特征向量，得到單點定位模型；根據所述單點定位模型、所述多個MR中的每個MR的位置信息和所述多個MR中的每個MR各自對應的特征向量，計算所述多個MR中的每個MR各自對應的特征向量的發射概率,其中，所述發射概率包括至少一個發射概率值，所述發射概率值用于指示某一特征向量對應某一位置信息的概率；需要注意的，輸入單點定位模型的MR和用于訓練單點定位模型的MR可以不限于相同終端的，也可以是目標區域終端之外的其他終端的MR，即用于得到單點定位模型的MR和用于輸入單點定位模型計算發射概率的MR可以是目標區域內不同的終端上傳的MR。通過目標區域終端的MR訓練得到單點定位模型，再將該目標區域內的終端的MR輸入該單點定位模型，利用單點定位模型的空間模型統計特征向量與位置信息的對應關系，使得對應關系更加可靠。