[发明专利]一种MR数据用户的定位方法及系统

说明书

本发明提供一种MR数据用户的定位方法及系统，包括：获取目标用户MR数据；将所述目标用户MR数据输入至预先训练好的定位模型中，得到地理定位结果；其中，所述定位模型是基于MR训练数据，通过分类及回归对深度学习模型进行训练所得到。本发明通过应用神经网络模型对小区MR数据用户进行定位，提高了无线小区用户的定位精度。

技术领域

本发明涉及无线通信技术领域，尤其涉及一种MR数据用户的定位方法及系统。

背景技术

在无线小区优化服务中，通常需要对小区用户进行定位。

通常，对无线小区进行定位时，涉及分析处理众多的性能指标，而目前对于性能指标的预测更多的是使用自回归模型进行向前推算预测，这是一种线性的模型，对序列数据的信息表达有限，对于复杂的信息预测存在较大的误差，也就无法实现精准的用户定位。

因此，需要提出一种新的小区用户定位方法。

发明内容

本发明提供一种MR数据用户的定位方法及系统，用以解决现有技术中存在的缺陷。

第一方面，本发明提供一种MR数据用户的定位方法，包括：

获取目标用户MR数据；

将所述目标用户MR数据输入至预先训练好的定位模型中，得到地理定位结果；其中，所述定位模型是基于MR训练数据，通过分类及回归对深度学习模型进行训练所得到。

进一步地，所述定位模型，通过以下步骤获得：

获取MR数据特征，由所述MR数据特征得到训练数据；

由所述训练数据对深度学习模型进行模型分类和模型回归训练，得到所述定位模型。

进一步地，所述获取MR数据特征，由所述MR特征数据得到训练数据，具体包括：

获取所述MR数据特征；

基于所述MR数据特征，按照预设单元网格大小对目标区域进行网格划分，得到多个网格；

根据预设采样规则对每个网格进行均匀采样，得到网格数据采样；

基于所述网格数据采样，生成所述训练数据。

进一步地，所述MR数据特征包括主小区特征、第一邻小区特征和第二邻小区特征。

进一步地，所述主小区特征包括RSRP、TADV、经纬度、天线挂高和天线方位角；

所述第一邻小区特征和所述第二邻小区特征均包括RSRP、经纬度、天线挂高和天线方位角。

进一步地，所述预设采样规则，具体包括：

对每个网格采集采样点数量最多的主小区下的采样点。

进一步地，所述地理定位结果，具体包括：

目标用户的归属网格，以及距离所述归属网格中心点的偏移量。

第二方面，本发明还提供一种MR数据用户的定位系统，包括：

获取模块，用于获取目标用户MR数据；

处理模块，用于将所述目标用户MR数据输入至预先训练好的定位模型中，得到地理定位结果；其中，所述定位模型是基于MR训练数据，通过分类及回归对深度学习模型进行训练所得到。

第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述MR数据用户的定位方法的步骤。