[发明专利]基于MR数据定位的异常指纹识别方法

说明书

本发明提出了一种基于MR数据定位的异常指纹识别方法，包括：步骤S1，剔除指纹离群点，其中，采用DBSCAN聚类算法对采集到的指纹数据进行离群点发现，过滤掉异常数据，完成指纹离群点剔除再进行指纹入库；步骤S2，控制指纹密度；步骤S3，纠偏基站位置，包括：识别错误的MR信息、识别错误的基站基础信息。

技术领域

本发明涉及移动通信技术领域，特别涉及一种基于MR数据定位的异常指纹识别方法。

背景技术

移动终端以一定时间间隔，以测量报告的方式向基站周期性上报所在小区的下行信号强度、质量等测量信息。基站将终端上报的下行信息和自身收集的上行物理信息上传给基站控制器，并由其收集与统计。MR(通信大数据平台)是这类测量数据合成后的总称。MR数据可以为网络质量评估、话务热点分布分析、载频隐性故障分析、越区覆盖分析、网络干扰分析、邻区优化、覆盖优化等提供支撑，为无线优化和网络规划建设提供较准确的依据。

随着移动通信技术的不断发展，把MR数据用于位置定位也得到越来越多的重视和应用。把MR数据用于定位，相关的核心算法有多种，其中定位精度较高、适用场景最广、成熟可推广的方案主要是指纹定位算法。

指纹定位算法通过在已建立的特征库(指纹库)中匹配与当前MR数据特征最接近的位置点来估算MR的位置。基于指纹库的定位方法即特征匹配方法，源于数据库定位。它需要预先创建指纹数据库，指纹数据库里存放的是离散的信号强度和位置坐标。无线信号的传播对环境具有依赖性，因此无线信号在同一位置具有唯一性。位置指纹定位技术就是将每个位置的无线信号特征与位置信息结合起来，构成一条指纹，存储在数据库中，形成位置指纹库。进行位置定位时，待定位终端实测的信号强度与指纹数据库记录的信号强度向量进行匹配来得到待定位终端的位置估计。

位置指纹的计算精度依赖于指纹库数据记录的质量，指纹数据的优劣直接影响到定位效果。由于实际的通信环境较复杂，当移动终端在移动中或者位于遮挡的区域时，移动终端上报的MR数据中的位置信息和场强信息存在数据异常现象。因此，在积累位置指纹库时需要对数据进行清洗、过滤、位置纠偏等工作，以保证指纹库的数据质量。业界把错误或低质量的指纹称为脏指纹。如果没有脏指纹识别技术，指纹库中就无法避免存入错误的指纹，直接导致定位结果出现错误。业内通过MR数据实现大范围定位功能的方案，基本都采用的指纹算法。但是在公开的资料这些指纹定位算法对指纹数据的正确性没有明确的识别方式，所以脏指纹识别装置目前公开资料还没有发现有类似的方案。

指纹正确与否或者指纹质量将直接影响MR指纹算法的定位精确度。现有MR定位系统基本没有指纹质量的识别装置，错误的指纹无法被丢弃而是直接进入指纹库，将直接导致定位结果的错误。如果脏指纹不受控制，积累到一定的数量，则整个MR指纹识别精度就会大幅下降，直接影响定位精度。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种基于MR数据定位的异常指纹识别方法，以解决背景技术中所提到的问题，克服现有技术中存在的不足。

为了实现上述目的，本发明的实施例提供一种基于MR数据定位的异常指纹识别方法，包括如下步骤：

步骤S1，剔除指纹离群点，其中，采用DBSCAN聚类算法对采集到的指纹数据进行离群点发现，过滤掉异常数据，完成指纹离群点剔除再进行指纹入库；

步骤S2，控制指纹密度，包括如下步骤：

步骤S21，根据步骤S1保留的指纹作为后续环节的输入指纹；

步骤S22，根据指纹中带的经纬度信息，转换出对应Cell的值；

步骤S23，该Cell内的现有指纹数是否达到了预设阈值；

步骤S24，如果没有达到所述预设阈值，则直接将该指纹存入指纹库；