基于机器学习的定位的制作方法

专利检索2024-11-01  8



背景技术:

1、现代移动设备(例如,智能电话、电子平板电脑、可穿戴设备)包括导航系统。导航系统可包括执行软件导航应用程序的微处理器,该软件导航应用程序使用来自一个或多个惯性传感器(例如,加速计、陀螺仪、磁力仪)的数据以及来自定位系统(例如,基于卫星、基于网络)的位置坐标来确定移动设备的当前位置和行进方向。导航应用程序允许用户输入期望的目的地并根据用户的偏好计算从当前位置到目的地的路线。地图显示包括用于示出移动设备的当前位置、期望的目的地、以及沿着路线的兴趣点(poi)的标记。一些导航应用程序可向用户提供逐向指引。这些指引可在地图显示器上和/或由导航助手通过音频输出呈现给用户。其他移动设备应用程序可使用位置来实现个性化和情景化。


技术实现思路

1、本公开描述了用于使用机器学习来提高用户设备的定位准确性的方法和系统。更具体地,本公开描述了一种混合定位系统和一种基于用户装备(ue)的指纹识别系统。如下文更详细描述的,这些系统使用机器学习来提高例如无线通信系统中的用户设备的定位准确性。

2、根据本公开的一个方面,一种方法涉及接收用户设备的多个位置估计;将该多个位置估计作为输入提供给经训练的机器学习模型;以及输出该用户设备的混合位置。

3、先前描述的具体实施能够适用于使用计算机实施的方法;非暂态计算机可读介质,该非暂态计算机可读介质存储计算机可读指令以执行该计算机实施的方法;和计算机系统,该计算机系统包括与硬件处理器可操作地耦接的计算机存储器,该硬件处理器被配置为执行该计算机实施的方法或存储在该非暂态计算机可读介质上的指令。这些实施方案和其他实施方案均可任选地包括以下特征中的一个或多个特征。

4、在一些具体实施中,从多种定位方法生成多个位置估计。

5、在一些具体实施中,混合位置是该多个位置估计的加权平均。

6、在一些具体实施中,使用机器学习算法来训练机器学习模型。在一些具体实施中,机器学习算法是监督学习算法。

7、在一些具体实施中,机器学习训练涉及将机器学习模型的输出与参考位置信息进行比较。在一些具体实施中,参考位置信息是已知位置信息。

8、在一些具体实施中,该方法由用户设备执行。

9、在一些具体实施中,该方法由网络实体执行。

10、在一些具体实施中,网络实体是lmf。

11、在一些具体实施中,该方法还涉及:从网络实体接收请求混合位置的第一消息,以及生成第二消息以将混合位置传送给网络实体。

12、在一些具体实施中,第一消息是来自网络的requestlocationinformation消息,并且第二消息是lpp providelocationinformation消息。

13、在一些具体实施中,该方法还包括:生成对机器学习模型的请求;将第一消息中的请求传送给训练节点;以及从训练节点接收第二消息中的机器学习模型。

14、在一些具体实施中,第一消息是lpp requestassistancedata消息,并且第二消息是lpp provideassistancedata消息。

15、在一些具体实施中,第一消息是lpp消息requestueassistancedata,并且第二消息是lpp provideueassistancedata消息。

16、根据本公开的另一方面,一种方法涉及接收射频测量的地图;测量由用户设备接收的一个或多个信号的相应信号强度指示符值;基于由用户设备接收的该一个或多个信号的相应信号强度指示符值来确定用户设备的位置。

17、先前描述的具体实施能够适用于使用计算机实施的方法;非暂态计算机可读介质,该非暂态计算机可读介质存储计算机可读指令以执行该计算机实施的方法;和计算机系统,该计算机系统包括与硬件处理器可操作地耦接的计算机存储器,该硬件处理器被配置为执行该计算机实施的方法或存储在该非暂态计算机可读介质上的指令。这些实施方案和其他实施方案均可任选地包括以下特征中的一个或多个特征。

18、在一些具体实施中,使用地图来确定用户设备的位置涉及:将相应信号强度指示符值与地图进行比较;以及识别与相应信号强度指示符值的k个最近匹配。

19、在一些具体实施中,使用k最近邻(knn)算法来执行比较。

20、在一些具体实施中,识别k个最近匹配涉及使用相应信号强度指示符值与地图中的一个或多个参考值之间的欧几里得距离。

21、在一些具体实施中,该方法还涉及基于k个最近指纹来计算位置。

22、在一些具体实施中,基于k个最近指纹来计算位置涉及对与k个最近匹配相关联的位置求平均。

23、在具体实施方式、附图和权利要求书中阐述了本说明书中的主题的一个或多个具体实施的细节。根据说明书、权利要求书和附图,本主题的其他特征、方面和优点将变得显而易见。



技术特征:

1.一种方法,包括:

2.根据权利要求1所述的方法,其中所述混合位置是所述多个位置估计的加权平均。

3.根据权利要求1所述的方法,其中所述方法由所述用户设备执行。

4.根据权利要求1所述的方法,其中所述方法由网络实体执行。

5.根据权利要求4所述的方法,其中所述网络实体是位置管理功能(lmf)。

6.根据权利要求1所述的方法,还包括:

7.根据权利要求6所述的方法,其中所述第一消息是lpprequestlocationinformation消息,并且所述第二消息是lppprovidelocationinformation消息。

8.一种将由用户设备执行的方法,所述方法包括:

9.根据权利要求8所述的方法,其中使用所述地图来确定所述用户设备的所述位置包括:

10.根据权利要求9所述的方法,其中使用k最近邻(knn)算法来执行所述比较。

11.根据权利要求10所述的方法,其中识别所述k个最近匹配包括:

12.根据权利要求10所述的方法,还包括:

13.根据权利要求12所述的方法,其中基于所述k个最近指纹来计算所述位置包括:

14.一种编码有指令的非暂态计算机存储介质,所述指令在由一个或多个计算机执行时使得所述一个或多个计算机执行根据权利要求1至13中任一项所述的方法。

15.一种包括一个或多个计算机和一个或多个存储设备的系统,在所述一个或多个存储设备上存储有指令,所述指令在由所述一个或多个计算机执行时可操作以使得所述一个或多个计算机执行根据权利要求1至13中任一项所述的方法。


技术总结
公开了用于执行包括以下各项的操作的方法、系统和计算机可读介质:接收用户设备的多个位置估计;将该多个位置估计作为输入提供给经训练的机器学习模型;以及输出该用户设备的混合位置。

技术研发人员:A·西罗特金,吴志斌,胡海静,S·A·A·法科里安,S·曼尼塔拉瓦马南
受保护的技术使用者:苹果公司
技术研发日:
技术公布日:2024/5/29
转载请注明原文地址:https://win.8miu.com/read-1145326.html

最新回复(0)