(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210901073.2 (22)申请日 2022.07.28 (71)申请人 中国信息通信研究院 地址 100083 北京市海淀区花园北路52号 申请人 广州汇智通信技 术有限公司 (72)发明人 林美玉　姜楠　阎伟萍　刘校矢　 张力　祁晶涵　 (74)专利代理 机构 北京中企鸿阳知识产权代理 事务所(普通 合伙) 11487 专利代理师 苏艳 (51)Int.Cl. H04W 4/02(2018.01) H04W 64/00(2009.01) G06V 40/12(2022.01) G06V 10/762(2022.01) (54)发明名称 基于MR数据定位的异常指纹识别方法 (57)摘要 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 。 权利要求书2页 说明书7页 附图4页 CN 115209343 A 2022.10.18 CN 115209343 A 1.一种基于 MR数据定位的异常指纹识别方法， 其特 征在于， 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Cel l的值； 步骤S23， 该Cel l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； 步骤S25， 如果Cell 内的现有指纹已经达到预设阈值， 则检查现有指纹是否达到老化条 件； 步骤S26， 如果有旧指纹达 到老化条件则 删除最早老化的指纹， 采用本指纹入库； 步骤S27， 如果没有旧指纹达 到老化条件， 则丢弃 该指纹。 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 。 2.如权利要求1所述的基于MR数据定位的异常指纹识别方法， 其特征在于， 在所述步骤 S1中， 在指纹库中的数据是以服务小区ID为索引进行存储的， 将每条指纹组成N维指纹向 量， 对相同服务小 区下积累的指纹向量进行DBSCAN聚类， 聚类完成后输出的离群点即为异 常指纹数据， 将上述异常指纹数据从指纹库中进行删除。 3.如权利要求1所述的基于MR数据定位的异常指纹识别方法， 其特征在于， 在所述步骤 S1中， 核心对象： 以该对象为圆心， 以DBSCAN聚类半径做覆盖的圆内如果指纹对象数目大于 最小对象数则该指纹为核心对象； 边缘对象： 以该对象为圆心， 以DBSCAN聚类半径做覆盖的圆内如果指纹对象数目小于 最小对象数， 但是至少包 含一个核心对象则该指纹为 边缘对象； 异常指纹对象： 属于指纹对象但是既不是核心对象也不是边缘对象的指纹则为异常指 纹。 4.如权利要求1所述的基于MR数据定位的异常指纹识别方法， 其特征在于， 在所述步骤 S2中， 采用Google S2算法库将地理位置进行栅格化， 按照栅格级别对地图进行分块， 每个块 中按照服务小区与邻小区的特征进行密度控制； 待处理指纹数据经过数据清洗后， 如果同 一栅格内相同服务小区与邻小区的指纹数据密度未达到设定阈值， 则数据可以进入指纹 库， 否则数据抛 弃。 5.如权利要求1所述的基于MR数据定位的异常指纹识别方法， 其特征在于， 在所述步骤 S3中， 所述识别错 误的MR信息， 包括如下步骤： 步骤S31a， MR系统持续接收现网MR数据， 对其中包含有采样时刻UE经纬度的MR数据进 行分析； 步骤S32a， 分析本条MR数据， 检查是否存在TA项内容， 如果存在按照S31、 S32、 S33进行 处理， 如果不存在则按照步骤S31、 S32、 S34进行处 理； 步骤S33a： TA 1是本条MR数据中自带的经纬度与该MR所属基站经纬度之间距离/速度系 数阈值， 计算所 得， 计算TA1与本条MR自带的TA的差值；权　利　要　求　书 1/2 页 2 CN 115209343 A 2步骤S34a： 本条MR数据中自带的经纬度与该MR所属基站经纬度之间距离； 步骤S35a： 如果计算 值大于TA差阈值 步骤S36a： 如果计算值大于距离阈值； 步骤S37a： 满足这两类情况的数据代表本条MR数 据为异常数据。 6.如权利要求1所述的基于MR数据定位的异常指纹识别方法， 其特征在于， 所述识别错 误的基站基础信息， 包括如下步骤： 步骤S31b， MR系统持续接收现网MR数据， 对其中包含有采样时刻UE经纬度的MR数据进 行分析； 步骤S32b， 当收集时间达 到预设时长， 将这部分数据作为分析 数据； 步骤S33b， 对分析 数据以各基站为单位， 分别计算异常MR数据的占比； 步骤S34b， 如果异常MR数据的占比值大于异常阈值， 则判断该基站为基础信息错误的 基站； 步骤S35b， 将识别为基础信息错 误的基站信息反馈 至MR系统。 7.如权利要求6所述的基于MR数据定位的异常指纹识别方法， 其特征在于， 在所述步骤 S33b中， 设某基站下的分析 数据为M条， 其中N条 是异常MR数据， 则异常MR数据的占比＝ N/M。权　利　要　求　书 2/2 页 3 CN 115209343 A 3