CN112887897B - 终端的定位方法、装置和计算机可读存储介质 - Google Patents

终端的定位方法、装置和计算机可读存储介质 Download PDF

Info

Publication number
CN112887897B
CN112887897B CN201911195704.8A CN201911195704A CN112887897B CN 112887897 B CN112887897 B CN 112887897B CN 201911195704 A CN201911195704 A CN 201911195704A CN 112887897 B CN112887897 B CN 112887897B
Authority
CN
China
Prior art keywords
base station
terminal
positioning
information
nearby base
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911195704.8A
Other languages
English (en)
Other versions
CN112887897A (zh
Inventor
朱先飞
梁宇杰
庞涛
贾聿庸
宛传东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN201911195704.8A priority Critical patent/CN112887897B/zh
Publication of CN112887897A publication Critical patent/CN112887897A/zh
Application granted granted Critical
Publication of CN112887897B publication Critical patent/CN112887897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本公开涉及一种终端的定位方法、装置和计算机可读存储介质，涉及无线通信技术领域。该方法包括：获取待定位终端发来的各附近基站的身份信息和信号特征信息；根据身份信息，确定各附近基站之间的相对距离；根据相对距离和信号特征信息，生成各附近基站的定位参考信息；根据各定位参考信息，利用机器学习模型，确定待定位终端的位置信息。

Description

终端的定位方法、装置和计算机可读存储介质
技术领域
本公开涉及无线通信技术领域，特别涉及一种终端的定位方法、装置和计算机可读存储介质。
背景技术
特征识别可以用于终端的无线定位。例如，可以通过匹配指纹特征对终端进行定位。
在相关技术中，大都以基站ID(Identity document，身份证标识号)为定位特征，利用神经网络对终端进行定位。
发明内容
本公开的发明人发现上述相关技术中存在如下问题：基站ID只是数字编号，对神经网络没有数值计算意义，导致即使训练数据不断增加，定位精度仍然不高。
鉴于此，本公开提出了一种终端的定位技术方案，能够提高定位精度。
根据本公开的一些实施例，提供了一种终端的定位方法，包括：获取待定位终端发来的各附近基站的身份信息和信号特征信息；根据身份信息，确定各附近基站之间的相对距离；根据相对距离和信号特征信息，生成各附近基站的定位参考信息；根据各定位参考信息，利用机器学习模型，确定待定位终端的位置信息。
在一些实施例中，该方法还包括：根据定位精度需求，将待定位终端所在的目标区域划分成多个网格；根据目标区域内各位置的经纬度，确定各网格的编号。
在一些实施例中，待定位终端的位置信息为待定位终端所在的网格的编号。
在一些实施例中，每一个附近基站的定位参考信息中包含该附近基站与其他附近基站的相对距离，以及该附近基站的信号特征信息。
在一些实施例中，定位参考信息中的相对距离按照大小顺序排列。
在一些实施例中，根据身份信息，确定各附近基站之间的相对距离包括：根据身份信息从数据库中获取各附近基站的位置信息；根据各附近基站的位置信息，确定相对距离。
在一些实施例中，机器学习模型通过如下步骤训练：根据训练终端的各附近基站的相对距离和信号特征信息，生成训练用的定位参考信息；以训练用的定位参考信息为输入，以训练终端的位置信息为标注结果，训练机器学习模型。
在一些实施例中，信号特征信息包括参考信号接收功率和参考信号接收质量中的至少一项。
根据本公开的另一些实施例，提供一种终端的定位装置，包括：获取单元，用于获取待定位终端发来的各附近基站的身份信息和信号特征信息；确定单元，用于根据身份信息，确定各附近基站之间的相对距离；生成单元，用于根据相对距离和信号特征信息，生成各附近基站的定位参考信息；定位单元，用于根据各定位参考信息，利用机器学习模型，确定待定位终端的位置信息。
在一些实施例中，确定单元根据定位精度需求，将待定位终端所在的目标区域划分成多个网格，根据目标区域内各位置的经纬度，确定各网格的编号；待定位终端的位置信息为待定位终端所在的网格的编号。
在一些实施例中，每一个附近基站的定位参考信息中包含该附近基站与其他附近基站的相对距离，以及该附近基站的信号特征信息。
在一些实施例中，定位参考信息中的相对距离按照大小顺序排列。
在一些实施例中，获取单元根据身份信息从数据库中获取各附近基站的位置信息；确定单元根据各附近基站的位置信息，确定相对距离。
在一些实施例中，机器学习模型通过如下步骤训练：根据训练终端的各附近基站的相对距离和信号特征信息，生成训练用的定位参考信息；以训练用的定位参考信息为输入，以训练终端的位置信息为标注结果，训练机器学习模型。
在一些实施例中，信号特征信息包括参考信号接收功率和参考信号接收质量中的至少一项。
根据本公开的又一些实施例，提供一种终端的定位装置，包括：存储器；和耦接至存储器的处理器，处理器被配置为基于存储在存储器装置中的指令，执行上述任一个实施例中的终端的定位方法。
根据本公开的再一些实施例，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一个实施例中的终端的定位方法。
在上述实施例中，根据终端的各附近基站的相对距离等与终端位置相关的信息作为定位参考信息，并利用机器学习方法对终端进行定位。这样，避免了无计算意义的信息对定位的干扰，提高了终端的定位精度。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开：
图1示出本公开的终端的定位方法的一些实施例的流程图；
图2示出本公开的终端的定位装置的一些实施例的示意图；
图3示出本公开的基站相对距离的一些实施例的示意图；
图4示出本公开的终端的定位装置的一些实施例的框图；
图5示出本公开的终端的定位装置的另一些实施例的框图；
图6示出本公开的终端的定位装置的又一些实施例的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：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公开的范围。
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。
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，决不作为对本公开及其应用或使用的任何限制。
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，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。
如前所述，相关技术作为定位参考特征的基站ID编号没有计算意义，导致训练效果难以持续提高。针对上述技术问题，本公开可以采用二维矩阵表示的多基站位置特征作为定位参考特征，与RSRP(Reference Signal Receiving Power，参考信号接收功率)、RSRQ(Reference Signal Receiving Quality，参考信号接收质量)、位置标识形成训练样本集训练定位模型。这样，可以避免没有计算价值的特征数据，深度学习模型具有更好的泛化能力，获得更好的训练效果和定位精度。例如，可以采用下面的实施例来实现。
图1示出本公开的终端的定位方法的一些实施例的流程图。
如图1所示，该方法包括：步骤110，获取基站的身份信息和信号特征信息；步骤120，确定相对距离；步骤130，生成定位参考信息；和步骤140，确定位置信息。
在步骤110中，获取待定位终端发来的各附近基站的身份信息和信号特征信息。例如，信号特征信息包括RSRP和RSRQ中的至少一项；基站的身份信息可以是基站的ID。
在步骤120中，根据身份信息，确定各附近基站之间的相对距离。
在一些实施例中，根据身份信息从数据库中获取各附近基站的位置信息；根据各附近基站的位置信息，确定相对距离。
在步骤130中，根据相对距离和信号特征信息，生成各附近基站的定位参考信息。
在一些实施例中，每一个附近基站的定位参考信息中包含该附近基站与其他附近基站的相对距离，以及该附近基站的信号特征信息。例如，定位参考信息中的相对距离按照大小顺序排列。
例如，可以根据相对距离和信号特征信息，生成各附近基站的定位参考矩阵作为定位参考信息。定位参考矩阵的每一行对应一个附近基站；每一行中包括对应附近基站与其他附近基站之间的相对距离，以及对应附近基站的信号特征信息；每一行中的相对距离按照可以按照大小顺序排列(如从大到小)。
在步骤140中，根据各定位参考信息，利用机器学习模型，确定待定位终端的位置信息。例如，机器学习模型可以是多层神经网络模型。
在一些实施例中，在执行上述步骤之前，还可以根据定位精度需求，将待定位终端所在的目标区域划分成多个网格；根据目标区域内各位置的经纬度，确定各网格的编号。在这种情况下，待定位终端的位置信息可以为待定位终端所在的网格的编号。
在一些实施例中，机器学习模型通过如下步骤训练：根据训练终端的各附近基站的相对距离和信号特征信息，生成训练用的定位参考信息；以训练用的定位参考信息为输入，以训练终端的位置信息为标注结果，训练机器学习模型。
在一些实施例中，基于上述实施例的定位方法的定位装置可以包括：终端无线信号采集模块(如获取单元)、深度学习训练样本数据生成模块(如确定单元、生成单元)、多层网络训练模块、终端位置获取模块(如定位单元)、数据库模块。
在一些实施例中，终端无线信号采集模块可以用于采集终端周边的基站信号数据。
在一些实施例中，深度学习训练样本数据生成模块用于根据终端采集的信号数据；根据基站坐标信息形成多基站位置拓扑特征(如各基站之间的相对距离)；深度学习所需的训练样本数据集。
在一些实施例中，多层网络训练模块可以训练用于预测终端定位的多层全连接误差逆传播网络。训练后可以得到预测终端位置的定位模型。
在一些实施例中，终端位置获取模块可以通过训练得到的定位模型获取终端位置。
在一些实施例中，数据库模块可以保存基站坐标信息、地图网格标识信息等。
图2示出本公开的终端的定位装置的一些实施例的示意图。
如图2所示，在第1步中，可以将目标区域的经纬度转换为二维坐标，并在二维坐标系内将目标区域划分成多个网格。
在一些实施例中，可以根据定位精度要求，将目标区域划分成多个固定大小的网格。例如，每个网格的大小可以为80m×80m或40m×40m等。
在一些实施例中，可以按照网格的排列顺序对网格进行编号(如可以用坐标自然数对网格进行编号)。例如，可以从左上角的网格开始，按照由左至右、由上至下的顺序用自然数对网格进行编号。
在第2步中，终端向终端无线信号采集模块上传采集的位置坐标标识和基站信号数据。
在一些实施例中，位置坐标标识和基站信号数据的格式可以为(Cell idi,RSRPi,RSRQi)，Cell idi为第i个基站的ID，RSRPi为第i个基站的RSRP，RSRQi为第i个基站的RSRQ。例如，某次采集到6个基站的相关数据，分别为(cell1,rsrp1,rsrq1)、(cell2,rsrp2,rsrq2)、(cell3,rsrp3,rsrq3)、(cell4,rsrp4,rsrq4)、(cell5,rsrp5,rsrq5)、(cell6,rsrp6,rsrq6)。
在第3步中，训练样本数据生成模块根据数据库模块中基站坐标和地图网格标识生成样本数据，如多基站位置特征矩阵(定位参考矩阵)：
Figure BDA0002294601280000071
celli_j表示基站i到基站j的相对距离，i和j为大于等于1小于等于6的整数；矩阵一行中的相对距离以从大到小的顺序排序；rsrpi、rsrqi是终端采集到的基站i的rsrp、rsrq；终端采集时刻在地图网格上的编号(Label)为59(作为训练数据的标注结果)。，
例如，可以用图3中的实施例说明基站之间的相对距离。
图3示出本公开的基站相对距离的一些实施例的示意图。
如图3所示，终端附近存在6个基站：基站1～基站6。例如，以基站1为目标基站，则基站1到其他基站的相对距离为:cell1_1～cell1_6；以基站6为目标基站，则基站6到其他基站的相对距离为:cell6_1～cell6_5。
确定了相对距离，就可以利用图2中的其他步骤继续进行定位。
在第4步中，可以定义多层网络包括：输入层，用于输入多基站位置特征矩阵；层1与输入层全连接，包括64个节点和偏差；层2与层1全连接，包括64个节点和偏差；层3与层2全连接，包括32个节点和偏差；层4与层3全连接，包括32个节点和偏差；输出层，输出20×20的矩阵。例如，偏差(bias)为调节参数，用于在训练过程中调节数据的拟合程度。
例如，目标区域被划分为20×20个网格，定位精度为50。多层网络输出的是20×20个网格的相应概率，可以取概率最大的网格作为定位结果。
在一些实施例中，该多层网络的损失函数可以根据位置标识的概率设置，例如，可以通过softmax函数实现。
在第5步中，多层网络训练模块用定义的多层网络，对生成的样本数据进行训练，获得定位模型
在第6步中，位置获取模块装载定位模型；接收终端无线信号采集模块采集的基站信号数据；将数据处理为多基站位置特征矩阵，作为特征输入定位模型，从而获得网格位置标识(网格编号)作为定位结果。
在上述实施例中，根据终端的各附近基站的相对距离等与终端位置相关的信息作为定位参考信息，并利用机器学习方法对终端进行定位。这样，避免了无计算意义的信息对定位的干扰，提高了终端的定位精度。
图4示出本公开的终端的定位装置的一些实施例的框图。
如图4所示，终端的定位装置4包括获取单元41、确定单元42、生成单元43和定位单元44。
获取单元41获取待定位终端发来的各附近基站的身份信息和信号特征信息。例如，信号特征信息包括参考信号接收功率和参考信号接收质量中的至少一项。
在一些实施例中，获取单元41根据身份信息从数据库中获取各附近基站的位置信息；确定单元根据各附近基站的位置信息，确定相对距离。
确定单元42根据身份信息，确定各附近基站之间的相对距离。
在一些实施例中，确定单元42根据定位精度需求，将待定位终端所在的目标区域划分成多个网格，根据目标区域内各位置的经纬度，确定各网格的编号；待定位终端的位置信息为待定位终端所在的网格的编号。
生成单元43根据相对距离和信号特征信息，生成各附近基站的定位参考信息。
在一些实施例中，每一个附近基站的定位参考信息中包含该附近基站与其他附近基站的相对距离，以及该附近基站的信号特征信息。
在一些实施例中，定位参考信息中的相对距离按照大小顺序排列。
定位单元44根据各定位参考信息，利用机器学习模型，确定待定位终端的位置信息。
在一些实施例中，机器学习模型通过如下步骤训练：根据训练终端的各附近基站的相对距离和信号特征信息，生成训练用的定位参考信息；以训练用的定位参考信息为输入，以训练终端的位置信息为标注结果，训练机器学习模型。
在上述实施例中，根据终端的各附近基站的相对距离等与终端位置相关的信息作为定位参考信息，并利用机器学习方法对终端进行定位。这样，避免了无计算意义的信息对定位的干扰，提高了终端的定位精度。
图5示出本公开的终端的定位装置的另一些实施例的框图。
如图5所示，该实施例的终端的定位装置5包括：存储器51以及耦接至该存储器51的处理器52，处理器52被配置为基于存储在存储器51中的指令，执行本公开中任意一个实施例中的终端的定位方法。
其中，存储器51例如可以包括***存储器、固定非易失性存储介质等。***存储器例如存储有操作***、应用程序、引导装载程序、数据库以及其他程序等。
图6示出本公开的终端的定位装置的又一些实施例的框图。
如图6所示，该实施例的终端的定位装置6包括：存储器610以及耦接至该存储器610的处理器620，处理器620被配置为基于存储在存储器610中的指令，执行前述任意一个实施例中的终端的定位方法。
存储器610例如可以包括***存储器、固定非易失性存储介质等。***存储器例如存储有操作***、应用程序、引导装载程序以及其他程序等。
终端的定位装置6还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630、640、650以及存储器610和处理器620之间例如可以通过总线660连接。其中，输入输出接口630为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口。存储接口650为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、***、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质上实施的计算机程序产品的形式。
至此，已经详细描述了根据本公开的终端的定位方法、装置和计算机可读存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法和***。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和***。用于方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (12)

1.一种终端的定位方法，包括：
获取待定位终端发来的各附近基站的身份信息和信号特征信息；
根据所述身份信息，确定所述各附近基站之间的相对距离；
根据所述相对距离和所述信号特征信息，生成所述各附近基站的定位参考矩阵作为所述各附近基站的定位参考信息，所述定位参考矩阵的每一行对应一个附近基站，所述每一行中包括对应附近基站与其他附近基站之间的相对距离和对应附近基站的信号特征信息，其中所述对应附近基站与其他附近基站之间的相对距离按照从大到小顺序排列；
根据各定位参考信息，利用机器学习模型，确定所述待定位终端的位置信息。
2.根据权利要求1所述的定位方法，还包括：
根据定位精度需求，将所述待定位终端所在的目标区域划分成多个网格；
根据所述目标区域内各位置的经纬度，确定各网格的编号；
其中，
所述待定位终端的位置信息为所述待定位终端所在的网格的编号。
3.根据权利要求1所述的定位方法，其中，所述根据所述身份信息，确定所述各附近基站之间的相对距离包括：
根据所述身份信息从数据库中获取所述各附近基站的位置信息；
根据所述各附近基站的位置信息，确定所述相对距离。
4.根据权利要求1-3任一项所述的定位方法，其中，
所述机器学习模型通过如下步骤训练：
根据训练终端的各附近基站的相对距离和信号特征信息，生成训练用的定位参考信息；
以所述训练用的定位参考信息为输入，以所述训练终端的位置信息为标注结果，训练所述机器学习模型。
5.根据权利要求1-3任一项所述的定位方法，其中，
所述信号特征信息包括参考信号接收功率和参考信号接收质量中的至少一项。
6.一种终端的定位装置，包括：
获取单元，用于获取待定位终端发来的各附近基站的身份信息和信号特征信息；
确定单元，用于根据所述身份信息，确定所述各附近基站之间的相对距离；
生成单元，用于根据所述相对距离和所述信号特征信息，生成所述各附近基站的定位参考矩阵作为所述各附近基站的定位参考信息，所述定位参考矩阵的每一行对应一个附近基站，所述每一行中包括对应附近基站与其他附近基站之间的相对距离和对应附近基站的信号特征信息，其中所述对应附近基站与其他附近基站之间的相对距离按照从大到小顺序排列；
定位单元，用于根据各定位参考信息，利用机器学习模型，确定所述待定位终端的位置信息。
7.根据权利要求6所述的定位装置，其中，
所述确定单元根据定位精度需求，将所述待定位终端所在的目标区域划分成多个网格，根据所述目标区域内各位置的经纬度，确定各网格的编号；
所述待定位终端的位置信息为所述待定位终端所在的网格的编号。
8.根据权利要求6所述的定位装置，其中，
所述获取单元根据所述身份信息从数据库中获取所述各附近基站的位置信息；
所述确定单元根据所述各附近基站的位置信息，确定所述相对距离。
9.根据权利要求6-8任一项所述的定位装置，其中，
所述机器学习模型通过如下步骤训练：
根据训练终端的各附近基站的相对距离和信号特征信息，生成训练用的定位参考信息；
以所述训练用的定位参考信息为输入，以所述训练终端的位置信息为标注结果，训练所述机器学习模型。
10.根据权利要求6-8任一项所述的定位装置，其中，
所述信号特征信息包括参考信号接收功率和参考信号接收质量中的至少一项。
11.一种终端的定位装置，包括：
存储器；和
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1-5任一项所述的终端的定位方法。
12.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-5任一项所述的终端的定位方法。
CN201911195704.8A 2019-11-29 2019-11-29 终端的定位方法、装置和计算机可读存储介质 Active CN112887897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911195704.8A CN112887897B (zh) 2019-11-29 2019-11-29 终端的定位方法、装置和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911195704.8A CN112887897B (zh) 2019-11-29 2019-11-29 终端的定位方法、装置和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112887897A CN112887897A (zh) 2021-06-01
CN112887897B true CN112887897B (zh) 2022-07-05

Family

ID=76038386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911195704.8A Active CN112887897B (zh) 2019-11-29 2019-11-29 终端的定位方法、装置和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112887897B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116170871A (zh) * 2021-11-22 2023-05-26 维沃移动通信有限公司 定位方法、装置、终端及网络侧设备
CN116939819A (zh) * 2022-03-29 2023-10-24 索尼集团公司 用于无线通信的方法和电子设备以及计算机可读存储介质
CN117353843A (zh) * 2022-06-27 2024-01-05 华为技术有限公司 通信方法以及通信装置
CN117639974A (zh) * 2022-08-12 2024-03-01 大唐移动通信设备有限公司 信息处理方法、装置、节点设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109495846A (zh) * 2018-12-24 2019-03-19 维沃移动通信有限公司 一种定位方法及移动终端
CN109756970A (zh) * 2019-02-25 2019-05-14 广州市香港科大***研究院 临近关系无线信号定位方法、装置、设备及存储介质
WO2019103258A1 (ko) * 2017-11-23 2019-05-31 가천대학교산학협력단 실내 무선 측위 방법, 장치 및 컴퓨터 판독가능 기록 매체
CN109991591A (zh) * 2018-01-02 2019-07-09 中兴通讯股份有限公司 基于深度学习的定位方法、装置、计算机设备及存储介质
CN110225453A (zh) * 2019-06-24 2019-09-10 鲸数科技（北京）有限公司 移动终端定位方法、装置、电子设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019103258A1 (ko) * 2017-11-23 2019-05-31 가천대학교산학협력단 실내 무선 측위 방법, 장치 및 컴퓨터 판독가능 기록 매체
CN109991591A (zh) * 2018-01-02 2019-07-09 中兴通讯股份有限公司 基于深度学习的定位方法、装置、计算机设备及存储介质
CN109495846A (zh) * 2018-12-24 2019-03-19 维沃移动通信有限公司 一种定位方法及移动终端
CN109756970A (zh) * 2019-02-25 2019-05-14 广州市香港科大***研究院 临近关系无线信号定位方法、装置、设备及存储介质
CN110225453A (zh) * 2019-06-24 2019-09-10 鲸数科技（北京）有限公司 移动终端定位方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112887897A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN112887897B (zh) 终端的定位方法、装置和计算机可读存储介质
WO2022213879A1 (zh) 目标对象检测方法、装置、计算机设备和存储介质
US8442307B1 (en) Appearance augmented 3-D point clouds for trajectory and camera localization
CN105338619B (zh) 定位方法及装置
KR20140043393A (ko) 위치 기반 인식 기법
CN111046752A (zh) 一种室内定位方法、装置、计算机设备和存储介质
WO2023279847A1 (zh) 单元格位置的检测方法、装置和电子设备
CN115880536A (zh) 数据处理方法、训练方法、目标对象检测方法及装置
CN112487871A (zh) 笔迹数据处理方法、装置及电子设备
CN112486338A (zh) 医疗信息处理方法、装置及电子设备
EP2733643A2 (en) System and method facilitating designing of classifier while recognizing characters in a video
CN103970901A (zh) 一种地理信息图形数据整合方法
CN111368860B (zh) 重定位方法及终端设备
CN105005024A (zh) 压缩感知定位方法
CN105144193A (zh) 用于估计成像设备的姿态的方法和设备
CN111885419B (zh) 姿态处理方法及装置、存储介质、电子装置
CN117456280A (zh) 一种岩体结构面识别方法、装置、设备及可读存储介质
CN115457202B (zh) 一种三维模型更新的方法、装置及存储介质
CN115633321B (zh) 一种无线通信网络监控方法及***
CN113873423B (zh) 终端定位方法、装置及***
CN114882115B (zh) 车辆位姿的预测方法和装置、电子设备和存储介质
CN112487897B (zh) 笔迹内容评价方法、装置及电子设备
CN114445716A (zh) 关键点检测方法、装置、计算机设备、介质及程序产品
CN114459482A (zh) 边界简化方法、路径规划方法、装置、设备及***
CN111898462B (zh) 对象属性的处理方法、装置、存储介质以及电子装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210601

Assignee: GUANGDONG ESHORE TECHNOLOGY Co.,Ltd.

Assignor: CHINA TELECOM Corp.,Ltd.

Contract record no.: X2024110000015

Denomination of invention: Positioning methods, devices, and computer-readable storage media for terminals

Granted publication date: 20220705

License type: Common License

Record date: 20240226

EE01 Entry into force of recordation of patent licensing contract