基于5G终端的室内3D定位

随着物联网的发展及对基于位置服务的应用需求的增多，高精度的室内定位技术成为当前研究的焦点之一。5G蜂窝网络的广泛应用在为终端提供无线通信的同时，也具备定位功能。然而，当前的定位方法通常在基站侧完成，这可能导致用户隐私泄漏的问题。为解决这一问题，提出了一种基于5G终端的室内3D定位技术，使得定位过程可以在终端设备上完成。首先，终端设备测量接收到的5G小基站发射信号的离开方位角和离开仰角，并利用两个基站之间的到达时间差进行解空间约束；其次，采用基于遗传算法的位置求解优化算法搜索目标位置。实验结果表明，该算法在3D空间中的定位精度中值为1.12 m，并且相较于基站侧的定位方法，终端定位具有更高的安全性。     

基于4G MR无线话单的贝叶斯室内定位技术研究和应用

研究基于4G MR无线话单的贝叶斯机器学习室内定位方法,构建一套4G MR无线话单贝叶斯机器学习定位算法模型和处理流程,在分析4G无线信号特征的基础上,提出高斯正态随机分布无线信号特征处理方法,准确可靠地提取出室内外参考样本信号的无线特征模型,在此基础上研究了可应用于无线随机信号特征的贝叶斯室内定位算法,有效提升移动网络室内外定位的精准度和可靠性,有力支撑了移动网络运营分析和优化建设工作.     

基于随机森林算法的室内可见光指纹定位方法

为进一步提高动态目标室内可见光定位追踪系统性能，提出了一种基于随机森林（RF）算法的室内可见光指纹定位方法。利用发光二极管（LED）的光强信号作为特征构建指纹数据库，应用指纹库中的数据训练决策树，引入RF算法进行初始定位，再通过卡尔曼滤波对初始位置估计进行优化，从而获得更准确的定位轨迹。仿真结果表明：在5 m×5 m×3 m的室内场景下，通过所提定位方法能获得大部分采样点误差分布在4 cm之内的定位效果；此外，通过与不同室内可见光定位算法的性能进行对比，验证了所提算法的技术优势。     

基于pRRU设备的室内覆盖评估方法设计及应用

随着5G到来,不论市场和网络都对室内定位技术有紧迫的需求。本文提出了一种基于pRRU设备的上行场强实现的室内用户定位方法,该方法可高效、精确识别室内局部弱覆盖区域,准确率达92.26%,进而实现了室内网络质量的提升。同时,该方法也可在5G网络中应用,向市场提供完整的位置信息服务,进而可向市场推广店铺客源分析、精准营销或室内导航等业务。     

面向智慧园区的5G室内高精度定位技术研究

5G蜂窝网络在为终端提供无线通信功能的同时,还可以提供定位功能。首先简要概述3GPP 5G定位技术,接着提出5G室内定位技术路线,包括云边协同一体化定位架构、5G+X融合定位方案,以及智慧园区5G定位解决方案,详细分析了智慧园区5G定位架构和流程。这些定位方案路线可无缝解决GNSS信号无法到达区域的人或物的位置定位问题,满足不同场景下的定位精度和定位时效性需求。相关技术方案已落地行业应用,具有米级定位精度和秒级时效性,得到客户的良好评价。     

基于MR位置指纹定位的优化算法分析和实践

基于MR的无线优化方法在无线网络中正逐步推广应用,而其中位置指纹定位算法可应用在2G/3G通信网络的无线优化中。分析比较了几种不同的定位算法优劣性,并就其中位置指纹定位的优化算法作了优化改进,使用余弦距离函数作为与指纹库的匹配算法,兼顾计算量和存储空间2方面,使其具有对传播模型、站间距的依赖度较低、对单次测量的偏差不敏感、定位精度较高等优点。通过现网的数据弱覆盖和邻区优化实践,验证了其有效性。     

"畅优5G"引领5G智慧新未来

随着5G网络规模建设的推进,主要城市核心城区正逐步实现基于NSA组网模式的5G连续覆盖.基于网优大数据系统,对MR数据,用户控制面、业务面数据,5G NR业务面IP信息进行接入整合,根据对NSA组网业务信令特征的研究,结合MR多数据源融合定位技术,实现5G组网特性在现有4G网络数据基础上,高效、准确识别5G终端用户及其业务数据,及时洞察5G用户及业务发展,寻找5G高价值区域,指导5G网络规划和建设,并实现精准的用户感知效果评估.     

基于MR指纹库的两步室内外综合定位方法

为了解决仅依靠基站对移动台定位不准确,提高移动台的定位精度,研究了基于MR(Measure Report,测量报告)指纹库的室内外联合定位方法。该算法主要分为两步:第一步是粗定位,区分出室内和室外的MR;第二步是精细化定位,将MR定位到具体的位置。实验结果表明,基于MR指纹库的室内外定位方法可以有效提升定位精准度。     

一键诊断分析工具设计及实现

随着4G网络大规模建设及商用,4G用户持续增长,高效准确的网络问题分析定位迫在眉睫,基于以上背景和需求,设计一键诊断分析工具,整合信令、大数据、性能指标之间关联性,制定关键算法,支持主控小区定位、多维度分析、大数据关联、优化建议输出等功能,为网络优化、投诉处理提供强有力的支撑,提升网络问题处理工作效率和质量。     

基于自注意力的无监督室内定位信号异常检测

基于射频信号的室内指纹定位技术,以其精度高、部署成本低等优点被广泛运用于室内定位领域。室内信号环境的变化会直接影响定位精度。深度神经网络也用于时序数据异常检测,在此基础上,提出了一种基于自注意力机制的无监督室内定位信号异常检测模型。训练模型的输入是易获得的正常信号环境下无位置标签的指纹数据。该模型的注意力模块关注提取指纹数据中不同信号来源之间的相互关联,结合关联误差和重构误差来放大正常与异常的可区分性,从而提升室内定位信号检测的精度。在实验室采集的蓝牙信号数据集和一个公开的Wi-Fi数据集UJIIndoor Loc中进行性能评估,实验结果表明,与其他算法相比,所提模型具有最好的异常检测性能。     

基于MR的小区轮廓和共覆盖识别方法研究与应用

随着移动网络规模的越来越大,无线网络优化的难度也与之俱增,借助大数据技术实现快速、精准的网络分析和优化已经成为运营商的普遍共识。终端上报的MR数据作为用户使用网络的真实反映,对于支撑网络问题分析和处理具有重要作用。文章采用一种基于特征匹配的MR定位算法实现MR数据的精准定位,并进一步实现小区级轮廓识别和共覆盖判断,将MR栅格级数据转换为小区级数据,不仅可以为网络问题分析提供基础信息,而且为客服投诉区域识别提供有效支撑。     

利用MR定位室内用户分布指导5G深度覆盖规划方案的研究

本文分析了现有深度覆盖规划流程,对现有的流程优缺点进行了梳理,分析了利用MR定位室内用户分布指导5G深度覆盖规划的合理性,提出了利用MR数据进行室内外用户采样点区分的方法,提出了利用MR数据精确定位室内外用户分布区域的方案,提出了利用MR定位室内用户分布指导5G深度覆盖规划的流程,对利用MR定位室内用户分布指导5G深度覆盖规划流程应用实现进行了阐述。     

基于移动蜂窝网的机器学习室外指纹定位方案

基于移动蜂窝网络技术的定位方案是提供网络优化、紧急救援、公安巡警和位置服务等应用的重要技术途径之一。传统的基于小区基站位置信息的定位方案定位精度低、定位误差大,无法满足某些定位应用需求。基于指纹定位的方案能够在基于小区粗定位方案基础上大幅度提升定位精度、节约计算成本、增强适用性,成为定位研究的热点。针对室外指纹定位的业务需求,深入研究分析了两种基于机器学习的栅格化和非栅格化室外指纹定位方案。通过参数加权、数据拟合等方法对于大规模指纹数据进行了清洗,提高数据源的有效性。通过划定研究区域、栅格化、构建指纹数据库、训练模型、修正模型、非栅格化、粗定位耦合、匹配参数、训练参数等子模块的实现,分析和优化了算法的运行效率和定位精度,确定了影响算法性能的关键指标。进而结合仿真结果,分析了两种基于指纹的定位方案的性能。最后介绍了基于机器学习的指纹定位方案在实际应用中的典型场景。     

基于MR的位置指纹定位算法

基于MR 的无线优化方法在无线网络中正逐步推广应用,而其中位置指纹定位算法更适合于复杂的室内环境,能够较准确的区分室内外用户并实现室内分层的覆盖评估及业务定位。     

5G SA核心网信令组网方式分析

随着信息通信技术的不断发展,移动通信网络逐步向5G演进。5G SA网络基于服务化接口的新的网络架构,各功能实体间采用基于HTTP2.0协议的信令消息,信令网络如何组网成为5G核心网规划和建设的关键。本文通过分析5G信令的特点,提出信令组网的可行方案,为5G信令网组网提供建议和借鉴。     

浅议数字集群和3G网络PoC业务的关系

数字集群和3G网络PoC业务都可以实现PTT功能。数字集群是基于信令通道的解决方案，在通话过程中，语音数据和信令数据都汇集到事先建立好的通道上传输；3G网络的PoC业务采用VoIP技术，核心网基于IMS架构，在移动终端和业务应用服务器间运行高层信令协议，把话音数据捆绑到IP链路上。数字集群和PoC在技术实现、网络要求和市场定位方面都有很大的差异。数字集群主要应用于移动专网，而PoC业务主要是公众蜂窝移动通信系统的无线增值业务。     

浅议数字集群和3G网络PoC业务的关系

数字集群和3G网络PoC业务都可以实现PTT功能。数字集群是基于信令通道的解决方案，在通话过程中，语音数据和信令数据都汇集到事先建立好的通道上传输；3G网络的PoC业务采用VoIP技术，核心网基于IMS架构，在移动终端和业务应用服务器问运行高层信令协议，把话音数据捆绑到IP链路上。数字集群和PoC在技术实现、网络要求和市场定位方面都有很大的差异。数字集群主要应用于移动专网，而PoC业务主要是公众蜂窝移动通信系统的无线增值业务。     

基于指纹算法的无线室内定位技术

随着人们对基于位置的服务（LBS）需求日益增大,室内定位逐渐成为用户定位领域的研究热点,而指纹定位因具有定位精度高、普适性强和无需额外设备等优点而受到大多数研究者的青睐。首先详细综述了各种主流室内位置指纹定位技术的定位原理,然后归纳了现有的室内定位算法的原理及发展现状,最后搭建楼宇通道的测试场景,对各种典型室内定位算法进行测试验证和比较分析,为室内定位技术的研究与应用人员提供参考。     

基于稀疏训练点和指纹重构的室内可见光三维定位算法

目前构建基于机器学习的室内可见光定位模型主要依赖于光电二极管和指纹数量,为了降低指纹采集的复杂度,提高定位精度,提出一种基于指纹矩阵稀疏重构的室内三维可见光定位算法。该算法利用极限学习机训练稀疏采样点,采用奇异值分解和交替方向乘子法求解稀疏指纹矩阵的重构问题。该算法可以有效降低指纹的采样率,同时可以基于极限学习机算法较强的泛化能力提高定位速度和定位精度。在此基础上,由于可见光的多径反射等因素的影响,定位区域的边界定位误差大于内部定位误差,通过引入一种边界修正定位算法,可以有效降低边界定位误差。仿真和实验结果表明,与传统的机器学习算法相比,该算法在减少其所需指纹数量的同时,具有更高的定位速度和精度。     

基于手机信令数据的大客流监控应用研究

首先分析处理全市用户位置的大数据所需的架构、特点以及当前存在的问题,然后从各个数据源的应用场景和算法特征分析能覆盖2G/3G/4G用户各种应用场景的数据源算法.为了更好地验证所采用的基于手机信令数据的各种算法对大客流监控能力的提升,结合试验结果给出中国电信应用项目场景的成功案例,便于基于手机信令数据的大客流监控在电信信息化的应用实施进行参考.最后对基于基站的定位在高密度人群等大客流监控中的位置和角色以及对此可能带来的变化进行了探讨.