论文笔记:Localizing Cell Towers fromCrowdsourced Measurements

2015

1 Intro

1.1 motivation

  • opensignal.com 、cellmapper.net  和 opencellid.org 都是提供天线(antenna)位置的网站
    • 他们提供的天线位置相当准确,但至少在大多数情况下不完全正确
    • 这个目标难以实现的原因是蜂窝网络供应商没有义务提供有关天线位置的数据,只有在少数特定国家才知道一些正确的蜂窝网络天线位置
    • 那么这些网站如何知道其余的天线在哪里呢?答案是众包(crowdsourcing)
      • 众包涉及使用大量人群来完成任务或解决问题
      • 将某事外包给一个未定义的人群。
      • 这样的人群通常彼此不认识,就像在线社区或一般公众一样。
      • 当众包过程启动时,发起者向目标人群提出请求。
        • App收集手机连接的天线、接收信号的强度和智能手机的位置等数据
        • 这种数据收集,也称为测量
  • 这篇论文进行的研究是:我们如何基于众包数据估计蜂窝网络天线的位置?

1.2 OpencellID的方法

  • OpenCellID 用来计算蜂窝网络天线位置的算法非常简单。
    • 基于为天线收集的测量数据,将天线的经纬度坐标设置为这些测量的经纬度的平均值
  • 不是一个好方法,因为天线以通常水平方向120度的披萨片形状广播信号。全向天线非常罕见
    • 这意味着 OpenCellID 中的大多数天线被估计位于披萨片形扇区的大约中间,而正确的位置应该是每次测量都在天线120度范围内的某个方向

1.3 了解天线位置的好处

  • 最直接的应用是作为GPS的替代品
    • GPS 为接收到四个以上 GPS 卫星信号的设备提供不到 1 米的定位误差,但需要特殊的硬件技术,这既昂贵又耗能
    • 假设我们知道每个蜂窝网络天线的正确位置,以及每个天线正在向哪些移动设备广播。那么我们可以使用这些信息来定位和跟踪个别设备
    • GPS 的一种经济有效的替代方案
    • 特别是在 GPS 不可用的地方,通过蜂窝网络进行定位可以是一项宝贵的资产
  • 对于个人用户来说,了解蜂窝网络天线位置可以帮助他们在居住地区找到最佳网络提供商
    • 如果用户担心无线电波的辐射,他可以根据追踪蜂窝网络天线位置收集到的无线电发射数据来选择居住区域
  • 社会也可以从移动设备的蜂窝网络天线定位中受益
    • 通过收集连接到数十个移动设备的天线数据,例如在一天或一年中的特定时间,或在下雨或阳光明媚时,可以帮助发展基础设施或文化游览地点。
    • 例如,这样的数据可以证明在许多人经过的路径沿线建新路,或在夏天阳光明媚时许多人经过的地方建游乐园的决策是合理的

1.4 Preliminary

  • 一个“小区”(cell)是由蜂窝网络天线(antenna)覆盖的地理区域​​。
    • 来自这个天线的信号有潜力到达小区内的每个移动设备
  • 天线位于一个小区塔(cell tower)上,或更一般地说是一个基站(base station)
  • 一个小区的覆盖区域为“小区扇区”(cell sector),小区扇区的角度为“小区扇区角度”(cell sector angle),小区扇区的边缘为“小区边缘”(cell edges)。这些组件,连同测量数据,构成了一个小区
    • 小区扇区角度在大多数情况下总是120°。一些蜂窝网络提供商也使用小区扇区角度更小的小区,例如60°。这在例如城市地区可能是有益的。
    • 通常,三个或更多小区共享一个小区塔以覆盖小区塔周围360°角度内的所有内容。
    • 小区塔将有几个指向不同方向的天线
  • 为了避免断开连接并支持高需求,小区和小区塔理论上如下图组织
    • 将小区想象为一个六边形系统
    • 每个六边形至少由三个不同的小区塔覆盖
    • 小区塔或天线的强度可能覆盖超过自己的六边形
      • 这确保了对用户的有效重叠和蜂窝网络的持续连接
  • 实际上,维护六边形系统是困难的
    • 小区塔需要放置在一定高度,且在试图覆盖特定区域时必须考虑建筑物、山脉或其他障碍物
    • 城市地区可能需要多个天线来覆盖有许多障碍物的小区域,而农村地区可能比理论上需要的少

2 方法1:Cell Tower Localization based on Distance (D-CTL)

2.1 小cell angle

  • 假设小区在狭窄的扇区内广播,比如10°而不是120°,来简化我们的问题定义。
    • ——>意味着小区覆盖的区域更集中
  • 还假设接收信号强度(RSS)不可用,并且从小区塔到测量点的最大距离为113。
    • ——>利用小区内测量点之间的距离来估算小区塔的位置

2.2  子步骤1: D-DL(基于距离的方向线)子程序

2.2.1 问题举例

  • 在图4.1a中,显示了一个具有10°小区扇区和20个随机分布的测量点的生成小区
  • 现在假设我们不知道小区塔的位置或小区边缘的角度,如图4.1b所示
  • 我们提出以下问题:当我们只知道测量点的位置时,小区塔位于测量点的哪个方向?
    • 通过观察图形我们可以轻松猜测答案,但我们需要以算法的方式得出答案。

2.2.2 D-DL 算法

2.3 子步骤2 & 子步骤3 :计算扇区 & 查找扇区

  • 我们现在假设我们已经使用了D-DL来计算 l_direction,其端点为 ep1 和 ep2
    • l_direction 提供了关于我们估计小区塔位于测量点的哪个方向的信息。
  • 由于我们对测量点没有比它们的位置更多的信息,因此我们无法知道正确的小区塔是位于 ep1 还是 ep2。
    • 因此,我们为两个端点各自计算估计的小区扇区
  • D-CTL算法的第二和第三个子程序:计算扇区(CS)和查找扇区(FS)
    • CS和FS的目的是计算由 l_direction 的一个端点生成的小区扇区 C_{heuristic},以便每个测量点 m ∈ M 都适合其中
    • FS通过进行多次迭代来计算C_{heuristic}。对于每次迭代,如果每个 m 不适合当前计算的小区扇区,FS 将对 CS 进行新的调用,延长 l_direction,从而计算出新的小区扇区
  • 下边对于CS和FS的介绍,都以小区塔在ep1为例,ep2同理

2.3.1 计算扇区

  • CS以 l_direction 和 α 为输入,其中 α 是小区扇区角度。
  • 它首先围绕 ep1 向两个方向各旋转 l_direction,角度为 α/2
  • 然后,它返回,ep1 作为小区塔位置,以及从旋转 l_direction 得到的两条线作为小区边缘

2.3.2 查找扇区

  • FS 以 M、l_direction、d_{extend}和 α 为输入,其中d_{extend}是一个常数
  • 它首先声明变量C_{heuristic}
  • 然后它调用 CS 来计算初始估计的小区扇区,原始的 ep1 作为小区塔位置,并将其存储在 C_{heuristic}
  • 然后它进行多次迭代。
    • 对于每次迭代:如果 m 不适合C_{heuristic},它将 l_direction 沿着 ep1 以常数长度 d_{extend} 扩展
    • 对 CS 进行新的调用,将新的 l_direction 作为输入
  • 当每个 m 都适合C_{heuristic}时,迭代停止

2.4 步骤4:根据距离选择方向(D-CD)

  • 现在假设我们已经使用了D-DL来计算 l_direction,其端点为 ep1 和 ep2,并且使用了FS来计算两个估计的小区扇区解决方案 Cheuristic1 和 Cheuristic2。
  • 现在我们想选择其中一个作为最终估计的小区扇区解决方案和相应的小区塔位置

2.4.1 假设

  • 在一个小区扇区中,我们离小区塔越远,形成小区边缘的两条线 l1 和 l2 之间的距离就越大
  • 一个完美代表小区指向的线 l 应该与小区塔相交,并在 l1 和 l2 之间,使得从 l 到 l1 的距离和从 l 到 l2 的距离始终相等

  • 这意味着离小区塔较远的测量点可能比靠近它的测量点离 l 更远。
  • 现在考虑 l 的两个端点 lep1 和 lep2,以及我们随机分布的测量点。
    • 设 S1 为更接近 lep1 的测量点子集,S2 为 更接近 lep2 的测量点子集。
    • 我们计算 S1 中测量点到 l 的最小可能距离的平均值 mean1,以及 S2 中测量点到 l 的最小可能距离的平均值 mean2。
    • 如果 mean1 < mean2,则 lep1 是 l 在正确的小区塔位置的端点。
    • 如果 mean2 < mean1,则 lep2 是 l 在正确的小区塔位置的端点。
  • 这个假设对于每个 10 <= α <= 120 都适用。

2.4.2 D-CD 算法

  • 我们没有这样一个完美的方向线 l,所以我们改用 l_direction,其端点为 ep1 和 ep2

2.5 方法1 对应的实验

2.5.1 d_extend(子步骤3每次l_direction增加长度)对于结果的影响

2.5.2 max_distance(每个信号站的最远波及范围)的影响

2.5.3 小区夹角的影响

3 方法2:Cell Tower Localization based on Received Signal Strength (RSS-CTL)

  • 基于属于小区的测量数据中的接收信号强度(RSS)值来估算小区塔的位置

3.1 大cell angle——基于接收信号强度估计基站位置

  • 这一章假设α=120°
  • 假设每个测量都配备了 RSS。我们现在将利用 RSS 而不是测量点之间的距离来估算小区塔位置

3.2 基于RSS 计算direction LIne(RSS-DL)

RSS-DL与D-DL子程序的唯一区别在于,RSS-DL比较的是两个测量点之间的RSS值,而不是距离

3.3 基于RSS 计算扇区& 查找扇区

CS和FS不做修改

3.4 基于RSS 选择方向

和前面的D-CD类似,区别是这里计算S1和S2 RSS的平均值,而不是距离的平均值

3.5 方法2对应的实验

3.5.1 d_extend

3.5.2 max_distance

4 OpenCellId上进行测试

(这里研究的主要是挪威的数据)

4.1 数据结构

  • OpenCellID 数据的结构如下所述。其中包含小区(cell)和测量(measurement)对象
    • 当收集到的测量数据是之前未见过的小区时,会创建一个新的小区对象
    • 每次为小区添加新测量时,小区对象的几个数据字段都会更新

论文给出的opencellId 数据结构我并没有在官网上 找到。。。

4.2 数据梗概

4.2.1 Identification

一个小区通过四个不同的值来识别;mcc(移动国家码)、net(网络运营商码)、area(区域码)和cell(小区码)。这些分别告诉我们哪个国家、哪个蜂窝网络提供商、该国内的哪个区域以及哪个ID属于该小区。

4.2.2 基站的实际位置是否已知

  • OpenCellID通过计算小区测量点的经度和纬度的平均值来估算该小区的小区塔位置
  • 但也有一些例外情况
  • changeable字段告诉我们小区塔位置是否已经使用可用测量数据计算过
    • 为0,则该小区塔的位置是正确的
    • 在这种情况下,OpenCellID已经从某些国家的某些蜂窝网络提供商那里获得了关于正确小区塔位置的数据。这涉及的国家包括俄罗斯、德国和波兰
  • 论文代数据库中的每个小区,检查每个小区的changeable值,并存储changeable值为0的每个小区的mcc值

4.3 过滤数据

4.3.1 GSM

论文选择GSM小区作为测试算法的数据集合

4.3.2 changeable

只考虑changeable为0,也即运营商提供数据的部分

4.4 清洗数据

4.4.1 r_include 验证测量到小区塔的距离

  • 小区塔的广播范围不是无限远的,有些测量距离其所属小区塔太远,不能视为有效
    • 如果测量距离正确的小区塔位置超过 rinclude 的值,我们在运行 D-CTL 和 RSS-CTL 算法时不会包括这个测量
    • 当我们不知道正确的小区塔位置时,我们计算测量的经度和纬度的平均值,并使用这个测量的几何中心作为r_include的原点
  • Macro-cell 是具有最强广播能力的小区类型
    • 标准理论范围是35公里
    • 使用这个距离作为验证测量到其小区塔距离的最大 r_include 值

4.4.2 接收信号强度(RSS)验证

  • 测量的 RSS 要么是 dBm 值,要么是 0 到 31(包含)之间的数字
    • 蜂窝信号的 dBm 值总是负数
      • ——>定义了从负 dBm 值到正数的映射

\

  • RSS 值大于 31 的测量将不被视为有效。当在包含 0 到 31 的 RSS 值的测量的小区上运行 D-CTL 和 RSS-CTL 算法时,论文将这些转换为 dBm 值(2x-113)

4.4.3 小区测量中的接收信号强度值

  • 需要考虑一个小区的所有测量中不同 RSS 值的总数
    • ——阈值设置为3

4.4.4 m_max,m_min

  • 每个小区的测量数量

4.4.5 有效测量标准

  • 与正确的小区塔位置的距离小于或等于 rinclude。
  • RSS 值小于或等于 31

4.4.6 有效小区标准

  • 测量中不同 RSS 值的总数大于或等于 3。
  • 测量总数不少于 mmin 且不超过 mmax。

5 在挪威卑尔根的实验结果

5.1 和OpenCellID相比的结果

其实没有OpenCellID能打。。。

5.2 运行时间

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/158852.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

.NET 使用配置文件

我简单测试了一下json格式配置文件&#xff0c;在这里记录一下&#xff0c;方便以后查看。 需要引用的库&#xff1a; Microsoft.Extensions.Hosting 创建json格式文件&#xff1a;appsettings.json 在工程文件中包含json文件&#xff1a; <ItemGroup><Content In…

面试题:数据库日期类型字段,需要兼容不同数据库,应该如何选择?

当设计一个产品&#xff0c;其中很多地方要把日期类型保存到数据库中&#xff0c;如果产品有兼容不同数据库产品的需求&#xff0c;那么&#xff0c;应当怎样设计呢&#xff1f; 当然&#xff0c;首先想到的是&#xff0c;使用数据库的 Date 或 DateTime 类型&#xff0c;可是…

wincc定时器功能介绍

1定时器功能介绍 WinCC中定时器的使用可以使WinCC按照指定的周期或者时间点去执行任务&#xff0c;比如周期执行变量归档、在指定的时间点执行全局脚本或条件满足时打印报表。WinCC已经提供了一些简单的定时器&#xff0c;可以满足大部分定时功能。但是在有些情况下&#xff0c…

Python 基础语法 Hello, World!

Python 基础语法 import concurrent.futures import threading import timedef switch_case(argument):switch {1: "这是第一种情况",2: "这是第二种情况",3: "这是第三种情况"}return switch.get(argument, "这是默认情况")def my_…

【计算机网络】多路复用的三种方案

文章目录 1. selectselect函数select的工作特性select的缺点 2. pollpoll函数poll与select的对比 3. epollepoll的三个接口epoll的工作原理epoll的优点LT和ET模式epoll的应用场景 &#x1f50e;Linux提供三种不同的多路转接&#xff08;又称多路复用&#xff09;的方案&#xf…

6、信息打点——Web架构篇语言中间件数据库系统源码获取

1、信息搜集搜集哪些东西&#xff1f; 架构信息收集&#xff0c;主要包括&#xff1a;操作系统、开发语言、中间件容器、数据库类型、第三方软件等&#xff1b; web源码信息收集&#xff0c;CMS开源&#xff1f;闭源&#xff1f;售卖&#xff1f;自主研发&#xff1f; 进行web…

【python FastAPI】fastapi中如何限制输入参数,如何让docs更好看,如何自定义错误码json返回

原则&#xff1a; 输入输出都基于BaseModel依靠JSONResponse制定返回错误的json信息依靠装饰器中app.post制定responses字典从而让docs文档更丰富 import uvicorn from pydantic import BaseModel, Field from fastapi import FastAPI, HTTPException from fastapi.middleware…

Python之pyc文件的生成与反编译

目录 1、什么是pyc文件 2、手动生成pyc文件 3、pyc文件的执行 4、pyc文件的反编译 1、什么是pyc文件 pyc文件&#xff08;PyCodeObject&#xff09;是Python编译后的结果。当python程序运行时&#xff0c;编译的结果是保存于PyCodeObject&#xff0c;程序运行结束后&#x…

(动手学习深度学习)第13章 实战kaggle竞赛:狗的品种识别

文章目录 1. 导入相关库2. 加载数据集3. 整理数据集4. 图像增广5. 读取数据6. 微调预训练模型7. 定义损失函数和评价损失函数9. 训练模型 1. 导入相关库 import os import torch import torchvision from torch import nn from d2l import torch as d2l2. 加载数据集 - 该数据…

编程中的各种常见的文件编码有哪些?

在计算机编程中&#xff0c;常见的文件编码有很多种。下面是一些常见的文件编码&#xff1a; UTF-8&#xff08;Unicode Transformation Format - 8-bit&#xff09;&#xff1a; 它是一种变长字符编码&#xff0c;能够表示世界上几乎所有的字符&#xff0c;是最常用的 Unicode…

java抽象类和static

抽象类 并不是所有的类都是用来描绘对象的, 如果一个类中没有包含足够的信息来描绘一个具体的对象,这样的类就是抽象类. 抽象类 使用abstract 修饰类抽象类不能被实例化。在抽象类当中&#xff0c;可以有抽象方法&#xff0c;或者 非抽象方法!什么是抽象方法&#xff0c;一个方…

基于野马算法优化概率神经网络PNN的分类预测 - 附代码

基于野马算法优化概率神经网络PNN的分类预测 - 附代码 文章目录 基于野马算法优化概率神经网络PNN的分类预测 - 附代码1.PNN网络概述2.变压器故障诊街系统相关背景2.1 模型建立 3.基于野马优化的PNN网络5.测试结果6.参考文献7.Matlab代码 摘要&#xff1a;针对PNN神经网络的光滑…

【FPGA】Verilog:计数器 | 异步计数器 | 同步计数器 | 2位二进制计数器的实现 | 4位十进制计数器的实现

目录 Ⅰ. 实践说明 0x00 计数器(Counter) 0x01 异步计数器(Asynchronous Counter)

深度学习中的图像融合:图像融合论文阅读与实战

个人博客:Sekyoro的博客小屋 个人网站:Proanimer的个人网站 abs 介绍图像融合概念&#xff0c;回顾sota模型&#xff0c;其中包括数字摄像图像融合&#xff0c;多模态图像融合&#xff0c; 接着评估一些代表方法 介绍一些常见应用&#xff0c;比如RGBT目标跟踪&#xff0c;…

鸿蒙4.0开发笔记之DevEco Studio启动时不直接打开原项目(二)

1、想要在DevEco Studio启动时不直接打开关闭前的那个项目&#xff0c;可以在设置中进行。 有两个位置可以进入“设置”&#xff0c;一个是左上角的File>Settings&#xff0c;二是右上方的设置图标。 2、进入Settings界面以后&#xff0c;选择Appearance&Behavior下面…

Java Stream中的API你都用过了吗?

公众号「架构成长指南」&#xff0c;专注于生产实践、云原生、分布式系统、大数据技术分享。 在本教程中&#xff0c;您将通过大量示例来学习 Java 8 Stream API。 Java 在 Java 8 中提供了一个新的附加包&#xff0c;称为 java.util.stream。该包由类、接口和枚举组成&#x…

AIGC创作系统ChatGPT网站系统源码,支持最新GPT-4-Turbo模型

一、AI创作系统 SparkAi创作系统是基于OpenAI很火的ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统&#xff0c;支持OpenAI-GPT全模型国内AI全模型。本期针对源码系统整体测试下来非常完美&#xff0c;可以说SparkAi是目前国内一款的ChatGPT对接OpenAI软件系统。那么如…

万宾科技智能井盖的效果怎么样?

日常出行过程中&#xff0c;人们最不想看到交通拥堵或者道路维修等现象&#xff0c;因为这代表出行受到影响甚至会导致不能按时赴约等。所以城市路面的安全和稳定&#xff0c;是市民朋友非常关心的话题。骑行在路上的时候&#xff0c;如果经过井盖时发出异常声响&#xff0c;骑…

Apache配置文件详解

引言: Apache是一种功能强大的Web服务器软件,通过配置文件可以对其行为进行高度定制。对于初学者来说,理解和正确配置Apache的配置文件是非常重要的。本文将详细解释Apache配置文件的各个方面,并给出一些入门指南,帮助读者快速上手。 1、主配置文件(httpd.conf): 主…