[发明专利]一种采用深度学习融合网络模型确定手机用户位置的方法

说明书

本发明公开了一种基于深度学习融合网络模型的手机定位方法，该方法利用深度学习中的栈式自编码器进行用户手机记录数据的处理，得到手机用户所在位置是属于室内还是室外；然后针对室内采用栈式自编码器、卷积神经网络与全连接神经网络顺次处理得到高精度手机用户定位；对于室外采用栈式自编码器、长短时记忆网络与卡尔曼滤波顺次处理得到优化后的手机用户的位置轨迹。本发明方法充分考虑了移动通信工参数据的多源异构性，从而尽可能地消除手机信号在传播过程中产生的噪声干扰，提升定位的精度。

技术领域

本发明涉及大数据的深度学习技术领域，更特别地说，是指一种采用深度学习融合网络模型确定手机用户位置的方法。

背景技术

早在1996年，美国联邦通信委员会(FCC)就在E-911条例中要求移动商提供紧急救援服务，以方便移动用户拨打911时快速获知用户位置信息，其目的在于更为迅速有效的为用户提供公共救助服务。E-911条例对移动网络运营商提出的参数指标为67％的定位成功概率和125m以内的定位精度，当然定位必须在特定时间内完成，否则即使完成定位也不会具有太大意义。E-911条例的发布体现了人们对于时间和空间位置信息的需求量日益增长，其实这是社会发展的必然。随着信息技术的发展以及人类活动的进程一体化，移动定位及导航占据了越来越重要的位置。精确的定位导航信息能够为普通百姓带来方便，提高生活质量；更能够为军事机构提供信息，降低动乱发生的概率，追踪敌人动态，从而降低伤亡率。此外，地理信息系统以及移动通讯的发展，对人员、车辆、事件等移动目标的定位也有着迫切的需求。

因此，移动定位技术有着广泛的应用前景和巨大的市场潜力，很多国家相继提出相关政策或号召大力发展定位技术，针对各行业的商用定位服务层出不穷，研究愈发深入。美国和欧盟发展最为迅速，产品也最为成熟。移动通信网络覆盖了世界大多人口稠密区，用户数以亿计，它的定位导航功能的意义和所牵涉的投资也是不言而喻的。中国是世界上移动通信网络最大，用户最多的国家，其定位功能正在发展之中。因此需要有更多这方面的研究，这对我国移动定位导航技术及通信业务的拓展是有意义的。

目前来看，主流的技术比较完善的定位方法大多是通过对接收到的手机信号的一些参数进行测量，这些参数一般有传输时间、幅度、相位、到达角等，根据一定的算法来判断被测物体的位置。主要的定位方法可以分为基于终端定位、基于网络定位，以及GPS辅助定位这3种方法，但各自都存在一定的问题，如CELL-ID(小区号)定位方法最简单，算法全网适用，速度快，但是精度最低；AOA(基于到达角度)定位方法因为需要接收机具有高精度的智能天线阵列，对系统要求太高；而GPS方法需要手机内置GPS芯片，在天气环境以及周边环境较差时终端无法接收到卫星信号。

深度学习源于人工神经网络的研究。含多隐层的多层感知器(Multi-LayerPerception，MLP)就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习能够获得可更好地表示数据的特征，同时由于模型的层次深、表达能力强，因此有能力表示大规模数据。在人工神经网络领域内，深度学习算法近年来取得了重大的突破，它通过组合低层特征形成更加抽象的高层特征，来发现数据的分布式特征。

发明内容

本发明提供一种基于深度学习融合模型的手机定位方法，以实现高精度的手机定位、室内外位置区分以及用户的移动轨迹纠偏等移动定位方面的功能。

为了实现上述目的，本发明提出了的一种采用深度学习融合网络模型确定手机用户位置的方法，通过三个步骤实现手机定位。