本技术涉及通信，并且更为具体地，涉及一种训练定位模型的方法、终端设备以及网络设备。
背景技术：
1、指纹库定位技术是一种常用的室内定位方法。为了获取较高的定位精度，指纹库定位技术通常需要采集大量的指纹数据来构建指纹库，而大量指纹数据的采集需要消耗大量的时间和成本。
技术实现思路
1、本技术提供一种训练定位模型的方法、终端设备以及网络设备。下面对本技术涉及的各个方面进行介绍。
2、第一方面，提供了一种训练定位模型的方法，包括：终端设备向网络设备发送第一数据，所述第一数据用于确定第二数据，且所述第一数据和所述第二数据为定位模型的训练数据，所述定位模型用于对目标定位区域内的所述终端设备进行定位；其中，所述目标定位区域包括第一网格单元，所述第一数据为所述终端设备位于所述第一网格单元时，获取的参考信号的测量结果。
3、在一些实施例中，所述第二数据通过在所述第一数据的分布范围内进行随机采样获取，和/或所述第二数据基于概率值在所述第一数据的分布范围内进行采样获取。
4、在一些实施例中，所述第一数据的分布特性基于第三数据的分布特性确定，所述第三数据为参考区域的参考信号测量结果，所述参考区域与所述目标定位区域的类型相同。
5、在一些实施例中，所述第一数据的数量基于所述第三数据的数据分布特性确定。
6、在一些实施例中，部分或全部所述第二数据带有位置标签。
7、在一些实施例中，所述第二数据对应的位置标签为在所述第一网格单元内随机生成的位置坐标。
8、在一些实施例中，所述定位模型的输出结果为位置坐标和所述第一网格单元的位置信息，或所述第一网格单元的位置信息。
9、在一些实施例中，所述第一数据的分布特性包括所述第一数据服从高斯分布，所述第一网格单元的联合高斯分布的表达式基于均值矩阵和标准差矩阵确定。
10、第二方面，提供了一种训练定位模型的方法，包括：网络设备接收终端设备发送的第一数据，所述第一数据用于确定第二数据，且所述第一数据和所述第二数据为定位模型的训练数据，所述定位模型用于对目标定位区域内的所述终端设备进行定位；其中，所述目标定位区域包括第一网格单元，所述第一数据为所述终端设备位于所述第一网格单元时，获取的参考信号的测量结果。
11、在一些实施例中，所述第二数据通过在所述第一数据的分布范围内进行随机采样获取，和/或所述第二数据基于概率值在所述第一数据的分布范围内进行采样获取。
12、在一些实施例中，所述第一数据的分布特性基于第三数据的分布特性确定，所述第三数据为参考区域的参考信号测量结果，所述参考区域与所述目标定位区域的类型相同。
13、在一些实施例中，所述第一数据的数量基于所述第三数据的数据分布特性确定。
14、在一些实施例中，部分或全部所述第二数据带有位置标签。
15、在一些实施例中，所述第二数据对应的位置标签为在所述第一网格单元内随机生成的位置坐标。
16、在一些实施例中，所述定位模型的输出结果为位置坐标和所述第一网格单元的位置信息，或所述第一网格单元的位置信息。
17、在一些实施例中，所述第一数据的分布特性包括所述第一数据服从高斯分布，所述第一网格单元的联合高斯分布的表达式基于均值矩阵和标准差矩阵确定。
18、第三方面，提供一种终端设备，该终端设备包括：发送单元，用于向网络设备发送第一数据，所述第一数据用于确定第二数据，且所述第一数据和所述第二数据为定位模型的训练数据，所述定位模型用于对目标定位区域内的所述终端设备进行定位；其中，所述目标定位区域包括第一网格单元，所述第一数据为所述终端设备位于所述第一网格单元时，获取的参考信号的测量结果。
19、在一些实施例中，所述第二数据通过在所述第一数据的分布范围内进行随机采样获取，和/或所述第二数据基于概率值在所述第一数据的分布范围内进行采样获取。
20、在一些实施例中，所述第一数据的分布特性基于第三数据的分布特性确定，所述第三数据为参考区域的参考信号测量结果，所述参考区域与所述目标定位区域的类型相同。
21、在一些实施例中，所述第一数据的数量基于所述第三数据的数据分布特性确定。
22、在一些实施例中，部分或全部所述第二数据带有位置标签。
23、在一些实施例中，所述第二数据对应的位置标签为在所述第一网格单元内随机生成的位置坐标。
24、在一些实施例中，所述定位模型的输出结果为位置坐标和所述第一网格单元的位置信息，或所述第一网格单元的位置信息。
25、在一些实施例中，所述第一数据的分布特性包括所述第一数据服从高斯分布，所述第一网格单元的联合高斯分布的表达式基于均值矩阵和标准差矩阵确定。
26、第四方面，提供一种网络设备，该网络设备包括：接收单元，用于接收终端设备发送的第一数据，所述第一数据用于确定第二数据，且所述第一数据和所述第二数据为定位模型的训练数据，所述定位模型用于对目标定位区域内的所述终端设备进行定位；其中，所述目标定位区域包括第一网格单元，所述第一数据为所述终端设备位于所述第一网格单元时，获取的参考信号的测量结果。
27、在一些实施例中，所述第二数据通过在所述第一数据的分布范围内进行随机采样获取，和/或所述第二数据基于概率值在所述第一数据的分布范围内进行采样获取。
28、在一些实施例中，所述第一数据的分布特性基于第三数据的分布特性确定，所述第三数据为参考区域的参考信号测量结果，所述参考区域与所述目标定位区域的类型相同。
29、在一些实施例中，所述第一数据的数量基于所述第三数据的数据分布特性确定。
30、在一些实施例中，部分或全部所述第二数据带有位置标签。
31、在一些实施例中，所述第二数据对应的位置标签为在所述第一网格单元内随机生成的位置坐标。
32、在一些实施例中，所述定位模型的输出结果为位置坐标和所述第一网格单元的位置信息，或所述第一网格单元的位置信息。
33、在一些实施例中，所述第一数据的分布特性包括所述第一数据服从高斯分布，所述第一网格单元的联合高斯分布的表达式基于均值矩阵和标准差矩阵确定。
34、第五方面，提供一种终端设备，包括处理器以及存储器，所述存储器用于存储一个或多个计算机程序，所述处理器用于调用所述存储器中的计算机程序使得所述终端设备执行第一方面的方法中的部分或全部步骤。
35、第六方面，提供一种网络设备，包括处理器、存储器以及收发器，所述存储器用于存储一个或多个计算机程序，所述处理器用于调用所述存储器中的计算机程序使得所述网络设备执行第二方面的方法中的部分或全部步骤。
36、第七方面，本技术实施例提供了一种通信系统，该系统包括上述的终端设备和/或网络设备。在另一种可能的设计中，该系统还可以包括本技术实施例提供的方案中与该终端设备或网络设备进行交互的其他设备。
37、第八方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得终端设备和/或网络设备执行上述各个方面的方法中的部分或全部步骤。
38、第九方面，本技术实施例提供了一种计算机程序产品，其中，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使终端设备和/或网络设备执行上述各个方面的方法中的部分或全部步骤。在一些实现方式中，该计算机程序产品可以为一个软件安装包。
39、第十方面，本技术实施例提供了一种芯片，该芯片包括存储器和处理器，处理器可以从存储器中调用并运行计算机程序，以实现上述各个方面的方法中所描述的部分或全部步骤。
40、申请人经过研究发现，一定区域内指纹数据具有一定的相关性，或者说许多采集到的指纹数据实际上是相似或冗余的，因此，这种密集的数据采集并不是必需的。基于此，本技术实施例提供的方法可以基于实际采集的指纹数据(即第一数据)，获取一些扩展的指纹数据(即第二数据)，并将第一数据以及第二数据用于训练定位模型。如此一来，在建立指纹库的过程中，可以减少指纹数据的采集数量，从而有助于降低建立指纹库的时间和资源消耗。
1.一种训练定位模型的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第二数据通过在所述第一数据的分布范围内进行随机采样获取，和/或所述第二数据基于概率值在所述第一数据的分布范围内进行采样获取。
3.根据权利要求1或2所述的方法，其特征在于，所述第一数据的分布特性基于第三数据的分布特性确定，所述第三数据为参考区域的参考信号测量结果，所述参考区域与所述目标定位区域的类型相同。
4.根据权利要求3所述的方法，其特征在于，所述第一数据的数量基于所述第三数据的数据分布特性确定。
5.根据权利要求1-4中任一项所述的方法，其特征在于，部分或全部所述第二数据带有位置标签。
6.根据权利要求5所述的方法，其特征在于，所述第二数据对应的位置标签为在所述第一网格单元内随机生成的位置坐标。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述定位模型的输出结果为位置坐标和所述第一网格单元的位置信息，或所述第一网格单元的位置信息。
8.根据权利要求1-7中任一项所述的方法，其特征在于，所述第一数据的分布特性包括所述第一数据服从高斯分布，所述第一网格单元的联合高斯分布的表达式基于均值矩阵和标准差矩阵确定。
9.一种训练定位模型的方法，其特征在于，包括：
10.根据权利要求9所述的方法，其特征在于，所述第二数据通过在所述第一数据的分布范围内进行随机采样获取，和/或所述第二数据基于概率值在所述第一数据的分布范围内进行采样获取。
11.根据权利要求9或10所述的方法，其特征在于，所述第一数据的分布特性基于第三数据的分布特性确定，所述第三数据为参考区域的参考信号测量结果，所述参考区域与所述目标定位区域的类型相同。
12.根据权利要求11所述的方法，其特征在于，所述第一数据的数量基于所述第三数据的数据分布特性确定。
13.根据权利要求9-12中任一项所述的方法，其特征在于，部分或全部所述第二数据带有位置标签。
14.根据权利要求13所述的方法，其特征在于，所述第二数据对应的位置标签为在所述第一网格单元内随机生成的位置坐标。
15.根据权利要求9-14中任一项所述的方法，其特征在于，所述定位模型的输出结果为位置坐标和所述第一网格单元的位置信息，或所述第一网格单元的位置信息。
16.根据权利要求9-15中任一项所述的方法，其特征在于，所述第一数据的分布特性包括所述第一数据服从高斯分布，所述第一网格单元的联合高斯分布的表达式基于均值矩阵和标准差矩阵确定。
17.一种终端设备，其特征在于，包括：
18.根据权利要求17所述的设备，其特征在于，所述第二数据通过在所述第一数据的分布范围内进行随机采样获取，和/或所述第二数据基于概率值在所述第一数据的分布范围内进行采样获取。
19.根据权利要求17或18所述的设备，其特征在于，所述第一数据的分布特性基于第三数据的分布特性确定，所述第三数据为参考区域的参考信号测量结果，所述参考区域与所述目标定位区域的类型相同。
20.根据权利要求19所述的设备，其特征在于，所述第一数据的数量基于所述第三数据的数据分布特性确定。
21.根据权利要求17-20中任一项所述的设备，其特征在于，部分或全部所述第二数据带有位置标签。
22.根据权利要求21所述的设备，其特征在于，所述第二数据对应的位置标签为在所述第一网格单元内随机生成的位置坐标。
23.根据权利要求17-22中任一项所述的设备，其特征在于，所述定位模型的输出结果为位置坐标和所述第一网格单元的位置信息，或所述第一网格单元的位置信息。
24.根据权利要求17-23中任一项所述的设备，其特征在于，所述第一数据的分布特性包括所述第一数据服从高斯分布，所述第一网格单元的联合高斯分布的表达式基于均值矩阵和标准差矩阵确定。
25.一种网络设备，其特征在于，包括：
26.根据权利要求25所述的设备，其特征在于，所述第二数据通过在所述第一数据的分布范围内进行随机采样获取，和/或所述第二数据基于概率值在所述第一数据的分布范围内进行采样获取。
27.根据权利要求25或26所述的设备，其特征在于，所述第一数据的分布特性基于第三数据的分布特性确定，所述第三数据为参考区域的参考信号测量结果，所述参考区域与所述目标定位区域的类型相同。
28.根据权利要求27所述的设备，其特征在于，所述第一数据的数量基于所述第三数据的数据分布特性确定。
29.根据权利要求25-28中任一项所述的设备，其特征在于，部分或全部所述第二数据带有位置标签。
30.根据权利要求29所述的设备，其特征在于，所述第二数据对应的位置标签为在所述第一网格单元内随机生成的位置坐标。
31.根据权利要求25-30中任一项所述的设备，其特征在于，所述定位模型的输出结果为位置坐标和所述第一网格单元的位置信息，或所述第一网格单元的位置信息。
32.根据权利要求25-31中任一项所述的设备，其特征在于，所述第一数据的分布特性包括所述第一数据服从高斯分布，所述第一网格单元的联合高斯分布的表达式基于均值矩阵和标准差矩阵确定。
33.一种终端设备，其特征在于，包括存储器和处理器，所述存储器用于存储程序，所述处理器用于调用所述存储器中的程序，以使所述终端设备执行如权利要求1-8中任一项所述的方法。
34.一种网络设备，其特征在于，包括存储器和处理器，所述存储器用于存储程序，所述处理器用于调用所述存储器中的程序，以使所述网络设备执行如权利要求9-16中任一项所述的方法。
35.一种装置，其特征在于，包括处理器，用于从存储器中调用程序，以使所述装置执行如权利要求1-16中任一项所述的方法。
36.一种芯片，其特征在于，包括处理器，用于从存储器调用程序，使得安装有所述芯片的设备执行如权利要求1-16中任一项所述的方法。
37.一种计算机可读存储介质，其特征在于，其上存储有程序，所述程序使得计算机执行如权利要求1-16中任一项所述的方法。
38.一种计算机程序产品，其特征在于，包括程序，所述程序使得计算机执行如权利要求1-16中任一项所述的方法。
39.一种计算机程序，其特征在于，所述计算机程序使得计算机执行如权利要求1-16中任一项所述的方法。
