[發明專利]移動終端定位方法、裝置、電子設備及存儲介質

在審

• 申請號: 201910551856.0
• 申請日: 2019-06-24
• 公開（公告）號: CN110225453A
• 公開（公告）日: 2019-09-10
• 發明（設計）人: 徐起;李泉應;黃秋鈞;胡冰;王曉萍;姜鳳芹
• 申請（專利權）人: 鯨數科技（北京）有限公司
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/021;H04W64/00;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 劉亞飛

本公開提供一種移動終端定位方法、裝置、電子設備及存儲介質，涉及通信技術領域。本公開提供的移動終端定位方法、裝置、電子設備及存儲介質，通過將包括多個基站的區域劃分為多個柵格，并獲取該區域內各基站所位于柵格的位置，在獲取該區域內各基站所位于柵格的位置后，基于預先訓練得到的定位模型，對該區域內的各移動終端與各基站的特征數據進行計算，得到各移動終端位于各柵格的概率分布，進而得到各移動終端的位置在該區域內的概率分布，實現了移動終端的準確定位。

技術領域

本公開涉及通信技術領域，具體而言，涉及一種移動終端定位方法、裝置、電子設備及存儲介質。

背景技術

移動定位是指通過特定的定位技術來獲取移動終端的位置信息。目前，移動終端定位方法大多是基于支持向量機算法進行定位，這種方法準確度較低。

發明內容

基于上述研究，本公開提供一種移動終端定位方法、裝置、電子設備及存儲介質。

本公開提供的移動終端定位方法，包括：

將包括多個基站的區域劃分為多個柵格，獲取該區域內各所述基站所位于柵格的位置。

基于預先訓練得到的定位模型，對該區域內的各移動終端與各所述基站的特征數據進行計算，得到各所述移動終端位于各所述柵格的概率分布，以得到各所述移動終端的位置在該區域內的概率分布。

進一步的，所述得到各所述移動終端的位置在該區域內的概率分布的步驟包括：

獲取各所述柵格中心和邊界的經緯度，并根據各所述柵格中心和邊界的經緯度，將各所述移動終端位于各所述柵格的概率分布映射成各所述移動終端位于經緯度的概率分布，得到各所述移動終端的位置在該區域內的概率分布。

進一步的，所述定位模型通過以下步驟訓練得到：

將區域劃分為多個柵格，并對每個柵格進行標號，以每個柵格的標號為類別標識，以各移動終端與各基站的特征數據構建訓練數據集。

將所述訓練數據集輸入至神經網絡模型中進行訓練，基于預設損失函數，通過反向傳播算法對所述神經網絡的參數進行調整，直到所述預設損失函數的輸出小于預設閾值，得到所述定位模型。

進一步的，所述神經網絡模型包括輸出層，所述輸出層的輸出元數量為所述柵格的數量。

本公開提供一種移動終端定位裝置，所述裝置包括數據讀取模塊以及處理模塊。

所述數據讀取模塊用于將包括多個基站的區域劃分為多個柵格，獲取該區域內各所述基站所位于柵格的位置。

所述處理模塊用于基于預先訓練得到的定位模型，對該區域內的各移動終端與各所述基站的特征數據進行計算，得到各所述移動終端位于各所述柵格的概率分布，以得到各所述移動終端的位置在該區域內的概率分布。

進一步的，所述處理模塊用于：

獲取各所述柵格中心和邊界的經緯度，并根據各所述柵格中心和邊界的經緯度，將各所述移動終端位于各所述柵格的概率分布映射成各所述移動終端位于經緯度的概率分布，得到各所述移動終端的位置在該區域內的概率分布。

進一步的，所述移動終端定位裝置還包括構建模塊以及訓練模塊。

所述構建模塊用于將區域劃分為多個柵格，并對每個柵格進行標號，以每個柵格的標號為類別標識，以各移動終端與各基站的特征數據構建訓練數據集。

所述訓練模塊用于將所述訓練數據集輸入至神經網絡模型中進行訓練，基于預設損失函數，通過反向傳播算法對所述神經網絡的參數進行調整，直到所述預設損失函數的輸出小于預設閾值，得到所述定位模型。

進一步的，所述神經網絡模型的輸出層的輸出元數量為所述柵格的數量。