CN107295465B - 一种定位方法及设备 - Google Patents
一种定位方法及设备 Download PDFInfo
- Publication number
- CN107295465B CN107295465B CN201610194718.8A CN201610194718A CN107295465B CN 107295465 B CN107295465 B CN 107295465B CN 201610194718 A CN201610194718 A CN 201610194718A CN 107295465 B CN107295465 B CN 107295465B
- Authority
- CN
- China
- Prior art keywords
- information
- probability density
- area
- density distribution
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/04—Position of source determined by a plurality of spaced direction-finders
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种定位方法及设备,包括:获取待定位盲节点与锚节点之间交互的信号的测量信息,获取目标定位区域中的盲节点的位置的概率密度分布信息,根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。本发明实施例,有利于修正现有定位方法中盲节点在定位区域均匀分布的不当假设,提高定位精度。
Description
技术领域
本发明涉及定位技术领域,尤其涉及一种定位方法及设备。
背景技术
定位是一种非常重要的技术和应用,精确的定位能够带来很大的价值。定位系统可以包括盲节点、锚节点等设备。盲节点就是待定位盲节点,它的位置是待估算的未知量。锚节点是位置已知的节点,定位系统通常需要利用盲节点与锚节点之间的关系。通常将待定位盲节点即盲节点可能出现的空间区域(如果只关注二维特性则等同于平面区域)称为“定位区域”。比如用户用智能终端在商场内进行定位,则商场的整个空间区域就是定位区域。如果在工厂里定位货物,则货物可能出现的包括厂房仓库、车间等区域都是定位区域。
通常可以根据待定位盲节点与锚节点之间交互的信号的测量信息,估算在测量信息的条件下使得条件概率P{(x,y,z)|T=t}最大的位置坐标(x,y,z)(T=t表示获得的测量条件),作为待定位盲节点的估计位置信息,其中条件概率可通过先验条件概率P{T=t|(x,y,z)}获得。
然而,上述方法是根据盲节点在定位区域内均匀分布的假设实现的,但该假设通常是不符合实际情况的,故而现有定位系统的盲节点位置计算方案的定位准确度不高,难以满足用户需求。
发明内容
本申请提供一种定位方法及设备,以期修正现有定位方法中盲节点在定位区域均匀分布的不当假设,提高定位精度。
第一方面,本发明实施例提供了一种定位方法,包括:
获取待定位盲节点与锚节点之间交互的信号的测量信息,所述待定位盲节点位于目标定位区域,其中,所述待定位盲节点与锚节点之间交互的信号可能是盲节点发射信号,特定锚节点接收信号,或者由特定锚节点发射信号,盲节点接收信号,均由接收信号的节点测量得到测量信息,其中,盲节点为待定位盲节点,所述测量信息至少包括以下任意一种:接收信号强度、信道状态信息CSI(包括多个子信道的信号幅度信息)、信号往返时间等等;
获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述概率密度分布信息根据参考定位区域的估计位置已知的盲节点的估计位置得到,所述参考定位区域为所述参考定位区域的子区域;
根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。
可见,本发明实施例提供的定位方法通过获取待定位盲节点与锚节点之间交互的信号的测量信息,以及获取目标定位区域中的盲节点的位置的概率密度分布信息,并根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。由于盲节点的估计位置是在真实位置附近随机分布的,因此大量的估计位置的分布情况跟实际位置的分布情况具有相似性,故而,用盲节点的估计位置在目标定位区域内的概率密度分布来替代现有方案中的假设均分概率密度分布,参与位置的确定过程,有利于提升定位精度。
结合第一方面,在一些可能的实现方式中,所述获取所述目标定位区域中的盲节点的位置的概率密度分布信息,包括:
向定位服务器发送概率密度获取请求,所述概率密度获取请求包括用于指示所述目标定位区域的区域标识;所述目标定位区域的区域标识包括所述目标定位区域的位置标识,或者所述目标定位区域对应的网关标识。
接收所述定位服务器发送的获取响应,所述获取响应包括所述概率密度分布信息。
结合第一方面,在一些可能的实现方式中,所述概率密度获取请求还包括所述待定位盲节点的节点信息,所述节点信息包括所述待定位盲节点的设备类型、与所述待定位盲节点关联的用户的生理特征参数;
相应的,所述概率密度分布信息包括所述目标定位区域中的具有所述节点信息的盲节点的位置的概率密度分布信息。
结合第一方面,在一些可能的实现方式中,所述参考定位区域还包括与所述目标定位区域地理上相邻的区域;
或者,
所述参考定位区域还包括与所述目标定位区域的区域类型相同、且地理上不相邻的区域。其中,所述目标定位区域的区域类型为格局相同的同类型区域的标识信息,如同一类超市的品牌标识,同种商场或游乐园的名称,等等。
结合第一方面,在一些可能的实现方式中,在所述获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,所述方法还包括:
根据所述测量信息,以及预设的所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
结合第一方面,在一些可能的实现方式中,所述根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息包括:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,Sk为预存的Ck对应的测量信息,Sk可以是向量,Sk里的第i个值表示为Sk(i),f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
第二方面,本发明实施例提供了一种定位方法,包括:
接收定位装置发送的概率密度获取请求,所述概率密度获取请求包括用于标识目标定位区域的区域标识;所述目标定位区域的区域标识包括所述目标定位区域的位置标识,或者所述目标定位区域对应的网关标识;
根据参考定位区中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述目标定位区域为所述参考定位区域的子区域;
向所述定位装置发送获取响应,所述获取响应包括所述概率密度分布信息,所述获取响应用于指示所述定位装置根据所述概率密度分布信息,以及所述目标定位区域中的待定位盲节点与锚节点之间交互的信号的测量信息,确定所述待定位盲节点的估计位置信息。
可见,本发明实施例提供的定位方法通过接收定位装置发送的概率密度获取请求,根据参考定位区中的估计位置已知的盲节点的估计位置,获取目标定位区域中的盲节点的位置的概率密度分布信息,向定位装置发送获取响应,获取响应包括概率密度分布信息,定位装置在接收该概率密度分布信息后,根据概率密度分布信息,以及待定位盲节点与锚节点之间交互的信号的测量信息,确定待定位盲节点的估计位置信息。由于上述概率密度分布信息是目标定位区域中的盲节点的位置的概率密度分布信息,与盲节点的实际位置的分布情况具有相似性,故而,用盲节点的估计位置在目标定位区域内的概率密度分布来替代现有方案中的假设均分概率密度分布,参与位置的确定过程,有利于提升定位精度。
结合第二方面,在一些可能的实现方式中,在所述向所述定位装置发送获取响应之后,所述方法还包括:
接收所述定位装置发送的位置消息,所述位置消息包括所述待定位盲节点的估计位置信息;
根据所述估计位置信息,更新所述概率密度分布信息。
第三方面,本发明实施例提供了一种定位装置,包括:
测量信息获取单元,用于获取待定位盲节点与锚节点之间交互的信号的测量信息,所述待定位盲节点位于目标定位区域;
概率分布获取单元,还用于获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述概率密度分布信息根据参考定位区域的估计位置已知的盲节点的估计位置得到,所述参考定位区域为所述参考定位区域的子区域;
确定单元,用于根据所述概率分布获取单元获取到的所述概率密度分布信息,以及所述测量信息获取单元获取到的所述测量信息,确定所述待定位盲节点的估计位置信息。
结合第三方面,在一些可能的实现方式中,所述概率分布获取单元包括发送单元和接收单元,
所述发送单元用于向定位服务器发送概率密度获取请求,所述概率密度获取请求包括用于指示所述目标定位区域的区域标识;所述目标定位区域的区域标识包括所述目标定位区域的位置标识,或者所述目标定位区域对应的网关标识。
所述接收单元用于接收所述定位服务器发送的获取响应,所述获取响应包括所述概率密度分布信息。
结合第三方面,在一些可能的实现方式中,所述概率密度获取请求还包括所述待定位盲节点的节点信息,所述节点信息包括所述待定位盲节点的设备类型、与所述待定位盲节点关联的用户的生理特征参数;
相应的,所述概率密度分布信息包括所述目标定位区域中的具有所述节点信息的盲节点的位置的概率密度分布信息。
结合第三方面,在一些可能的实现方式中,
所述参考定位区域还包括与所述目标定位区域地理上相邻的区域;
或者,
所述参考定位区域还包括与所述目标定位区域的区域类型相同、且地理上不相邻的区域。其中,所述目标定位区域的区域类型为格局相同的同类型区域的标识信息,如同一类超市的品牌标识,同种商场或游乐园的名称,等等。
结合第三方面,在一些可能的实现方式中,
所述确定单元,还用于在所述获取单元获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述获取单元获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,根据所述测量信息,以及预设的所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
结合第三方面,在一些可能的实现方式中,所述确定单元用于:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,Sk为预存的Ck对应的测量信息,Sk可以是向量,Sk里的第i个值表示为Sk(i),f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
第四方面,本发明实施例提供了一种定位服务器,包括:
获取请求接收单元,用于接收定位装置发送的概率密度获取请求,所述概率密度获取请求包括用于标识目标定位区域的区域标识;所述目标定位区域的区域标识包括所述目标定位区域的位置标识,或者所述目标定位区域对应的网关标识;
概率分布获取单元,用于根据参考定位区中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述目标定位区域为所述参考定位区域的子区域;
获取响应发送单元,用于向所述定位装置发送获取响应,所述获取响应包括所述概率密度分布信息,所述获取响应用于指示所述定位装置根据所述概率密度分布信息,以及所述待定位盲节点与锚节点之间交互的信号的测量信息,确定所述待定位盲节点的估计位置信息。
结合第四方面,在一些可能的实现方式中,所述定位服务器还包括:
位置消息接收单元,用于在所述获取响应发送单元向所述定位装置发送获取响应之后,接收所述定位装置发送的位置消息,所述位置消息包括所述待定位盲节点的估计位置信息;
概率分布更新单元,用于根据所述位置消息接收单元接收到的所述估计位置信息,更新所述概率密度分布信息。
第五方面,本发明实施例提供了一种定位装置,包括:
存储器、处理器和通信总线,所述存储器、所述处理器通过所述通信总线连接并完成相互间的通信;
其中,所述处理器用于读取所述存储器中的代码,以执行:
获取待定位盲节点与锚节点之间交互的信号的测量信息,所述待定位盲节点位于目标定位区域;
获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述概率密度分布信息根据参考定位区域的估计位置已知的盲节点的估计位置得到,所述参考定位区域为所述参考定位区域的子区域;
根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。
结合第五方面,在一些可能的实现方式中,所述定位装置还包括接收器和发送器,所述处理器获取所述目标定位区域中的盲节点的位置的概率密度分布信息的实现方式为:
通过所述发送器向定位服务器发送概率密度获取请求,所述概率密度获取请求包括用于指示所述目标定位区域的区域标识;所述目标定位区域的区域标识包括所述目标定位区域的位置标识,或者所述目标定位区域对应的网关标识。
通过所述接收器接收所述定位服务器发送的获取响应,所述获取响应包括所述概率密度分布信息。
结合第五方面,在一些可能的实现方式中,所述概率密度获取请求还包括所述待定位盲节点的节点信息,所述节点信息包括所述待定位盲节点的设备类型、与所述待定位盲节点关联的用户的生理特征参数;
相应的,所述概率密度分布信息包括所述目标定位区域中的具有所述节点信息的盲节点的位置的概率密度分布信息。
结合第五方面,在一些可能的实现方式中,
所述参考定位区域还包括与所述目标定位区域地理上相邻的区域;
或者,
所述参考定位区域还包括与所述目标定位区域的区域类型相同、且地理上不相邻的区域。其中,所述目标定位区域的区域类型为格局相同的同类型区域的标识信息,如同一类超市的品牌标识,同种商场或游乐园的名称,等等。
结合第五方面,在一些可能的实现方式中,所述处理器在所述获取单元获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述获取单元获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,所述处理器还用于:根据所述测量信息,以及预设的所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
结合第五方面,在一些可能的实现方式中,所述处理器根据所述概率分布获取单元获取到的所述概率密度分布信息,以及所述测量信息获取单元获取到的所述测量信息,确定所述待定位盲节点的估计位置信息的具体实现方式为:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,S为预存的Ck对应的测量信息,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
第六方面,本发明实施例提供了一种定位服务器,包括:
存储器、处理器、接收器、发送器和通信总线,所述存储器、所述处理器、所述发送器和所述接收器通过所述通信总线连接并完成相互间的通信;
其中,所述处理器用于读取所述存储器中的代码,以执行:
通过所述接收器接收定位装置发送的概率密度获取请求,所述概率密度获取请求包括用于标识目标定位区域的区域标识;其中,所述目标定位区域的区域标识包括所述目标定位区域的位置标识,或者所述目标定位区域对应的网关标识。
根据参考定位区中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述目标定位区域为所述参考定位区域的子区域;
通过所述发送器向所述定位装置发送获取响应,所述获取响应包括所述概率密度分布信息,所述获取响应用于指示所述定位装置根据所述目标定位区域中的盲概率密度分布信息,以及所述待定位盲节点与锚节点之间交互的信号的测量信息,确定所述待定位盲节点的估计位置信息。
第七方面,本发明实施例提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储有用于定位装置执行的程序代码,该程序代码具体包括执行指令,所述执行指令用于执行本发明实施例第一方面任一方法中所描述的部分或全部步骤。
第八方面,本发明实施例提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储有用于定位服务器执行的程序代码,该程序代码具体包括执行指令,所述执行指令用于执行本发明实施例第二方面任一方法中所描述的部分或全部步骤。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域低精度技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种定位系统的系统架构图;
图2是本发明实施例提供的一种定位装置的结构示意图;
图3是本发明实施例提供的一种定位服务器的结构示意图;
图4是本发明实施例提供的一种定位方法的流程示意图;
图4.1是本发明实施例提供的一种划分区域示例图;
图5是本发明实施例提供的另一种定位方法的流程示意图;
图6是本发明实施例提供的定位装置的功能单元组成框图;
图7是本发明实施例提供的定位服务器的功能单元组成框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。根据本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为更好的理解本发明技术方案,下面先对本发明实施例提供的定位方法所适用的定位系统进行简要介绍。请参阅图1,图1是本发明实施例提供的一种定位系统的系统架构图,包括盲节点、锚节点、定位服务器以及定位装置,其中,盲节点是位置待估算的节点,锚节点是位置已知的节点,定位装置可以是定位系统中与节点和定位服务器分离的独立计算设备,也可以是定位系统中具备位置估算能力的节点,或者具备位置估算能力的定位服务器。定位装置通常需要利用盲节点与锚节点之间的交互的信号的测量信息,比如信号强度、信道状态信息CSI、信号往返时间等来估算盲节点的估计位置。定位服务器用于根据定位装置确定的盲节点的估计位置,统计定位区域内的盲节点的位置的概率密度分布信息,并向定位装置发送该概率密度分布信息,以便于所述定位装置根据该概率密度信息和获取的测量信息确定盲节点的估计位置信息。定位服务器不包括所述定位装置时,定位服务器可以作为一个提供定位服务优化信息(如概率密度分布信息)的平台,以开放的接口提供定位优化服务;定位服务器包括所述定位装置时,定位服务器与定位装置的交互为内部流程,可以只通过定位服务器内部的接口,比如软件接口或硬件接口的通信方式。
进一步的,请参阅图2,图2是本发明实施例提供的一种定位装置的结构示意图。所述定位装置包括至少一个处理器101,通信总线102,存储器103,所述存储器103、所述处理器101、所述发送器105和所述接收器104通过所述通信总线102连接并完成相互间的通信。其中,处理器101可以是一个中央处理器CPU,或微处理器,或特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本技术方案执行的集成电路。通信总线102可包括一通路,在上述组件之间传送信息。通信接口104可以是使用收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网RAN,无线局域网(Wireless Local Area Networks,WLAN)等。存储器103可以是只读存储器(read-only memory,ROM),或可存储静态信息和指令的其他类型的静态存储设备,或随机存取存储器(random access memory,RAM),或可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。具体实现中,上述定位装置例如可以是台式机、便携式电脑、网络服务器、掌上电脑(Personal Digital Assistant,PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等,本发明实施例不限定定位装置的具体结构类型。
上述定位装置中的处理器101能够耦合所述至少一个存储器103,所述存储器103中预存有可执行程序代码,所述存储器103还进一步存储有内核模块,所述内核模块包括操作系统(如WINDOWSTM,ANDROIDTM,IOSTM等)。
所述定位装置的处理器101通过读取所述存储器103中的代码,以执行:
所述定位装置的处理器101获取待定位盲节点与锚节点之间交互的信号的测量信息,所述待定位盲节点位于目标定位区域;
所述定位装置的处理器101获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述概率密度分布信息根据参考定位区域的估计位置已知的盲节点的估计位置得到,所述参考定位区域为所述参考定位区域的子区域;
所述定位装置的处理器101根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。
可选的,所述定位装置还包括接收器104和发送器105,所述处理器101获取所述目标定位区域中的盲节点的位置的概率密度分布信息的实现方式为:
所述处理器101通过所述发送器105向定位服务器发送概率密度获取请求,所述概率密度获取请求包括用于指示所述目标定位区域的区域标识;其中,所述目标定位区域的区域标识包括目标定位区域的位置标识,比如目标定位区域为室内区域时,对应的位置标识的格式可能是:国家ID+省ID+市ID+区域(街道、镇、乡等)ID+建筑物ID(ID:IDentification,标识),比如目标定位区域为通信网关对应的一片区域时,所述目标定位区域的区域标识还可以是目标定位区域的网关标识,等等。
通过所述接收器104接收所述定位服务器发送的获取响应,所述获取响应包括所述概率密度分布信息。
可选的,所述概率密度获取请求还包括所述待定位盲节点的节点信息,所述节点信息包括所述待定位盲节点的设备类型、与所述待定位盲节点关联的用户的生理特征参数;
相应的,所述概率密度分布信息包括所述目标定位区域中的具有所述节点信息的盲节点的位置的概率密度分布信息。
可选的,所述参考定位区域还包括与所述目标定位区域地理上相邻的区域;
或者,
所述参考定位区域还包括与所述目标定位区域的区域类型相同、且地理上不相邻的区域。其中,所述目标定位区域的区域类型为格局相同的同类型区域的标识信息,如同一类超市的品牌标识,同种商场或游乐园的名称,等等。
可选的,在所述处理器101获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述处理器101获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,所述处理器101还用于:
根据所述测量信息,以及预设的所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
可以看出,本发明实施例提供的定位方法通过获取待定位盲节点与锚节点之间交互的信号的测量信息,以及获取目标定位区域中的盲节点的位置的概率密度分布信息,并根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。由于盲节点的估计位置是在真实位置附近随机分布的,因此大量的估计位置的分布情况跟实际位置的分布情况具有相似性,故而,用盲节点的估计位置在目标定位区域内的概率密度分布来替代现有方案中的假设均分概率密度分布,参与位置的确定过程,有利于提升待定位盲节点的定位精度。
请参阅图3,图3是本发明实施例提供的一种定位服务器的结构示意图。所述定位服务器包括至少一个处理器201,通信总线202,存储器203、接收器204、以及发送器205,所述存储器103、所述处理器101、所述发送器105和所述接收器104通过所述通信总线102连接并完成相互间的通信。其中,处理器201可以是一个中央处理器CPU,或微处理器,或特定应用集成电路ASIC,或一个或多个用于控制本技术方案执行的集成电路。通信总线202可包括一通路,在上述组件之间传送信息。通信接口204可以是使用收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网RAN,无线局域网WLAN等。存储器203可以是只读存储器ROM,或可存储静态信息和指令的其他类型的静态存储设备,或随机存取存储器RAM,或可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器EEPROM、只读光盘CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。具体实现中,上述定位服务器例如可以是台式机、便携式电脑、网络服务器、无线终端设备、通信设备、嵌入式设备等,本发明实施例不限定定位服务器的具体结构类型。
上述定位服务器中的处理器201能够耦合所述至少一个存储器203,所述存储器203中预存有可执行程序代码,所述存储器203还进一步存储有内核模块,所述内核模块包括操作系统(如WINDOWSTM,ANDROIDTM,IOSTM等)。
所述定位服务器的处理器201用于读取所述存储器203中的代码,以执行:
所述定位服务器的处理器201通过所述接收器104接收定位装置发送的概率密度获取请求,所述概率密度获取请求包括用于标识目标定位区域的区域标识;
所述定位服务器的处理器201根据参考定位区中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述目标定位区域为所述参考定位区域的子区域;
所述定位服务器的处理器201通过所述发送器105向所述定位装置发送获取响应,所述获取响应包括所述概率密度分布信息,所述获取响应用于指示所述定位装置根据所述概率密度分布信息,以及所述目标定位区域中的待定位盲节点与锚节点之间交互的信号的测量信息,确定所述待定位盲节点的估计位置信息。
可以看出,本发明实施例提供的定位方法通过接收定位装置发送的概率密度获取请求,根据参考定位区中的估计位置已知的盲节点的估计位置,获取目标定位区域中的盲节点的位置的概率密度分布信息,向定位装置发送获取响应,获取响应包括概率密度分布信息,定位装置在接收该概率密度分布信息后,根据概率密度分布信息,以及待定位盲节点与锚节点之间交互的信号的测量信息,确定待定位盲节点的估计位置信息。由于上述概率密度分布信息是目标定位区域中的盲节点的位置的概率密度分布信息,与盲节点的实际位置的分布情况具有相似性,故而,用盲节点的估计位置在目标定位区域内的概率密度分布来替代现有方案中的假设均分概率密度分布,参与位置的确定过程,有利于提升定位精度。
与上述技术方案一致的,请参阅图4,图4是本发明方法实施例公开的一种定位方法的流程示意图。需要注意的是,虽然本方法实施例能够根据图2所示的定位装置实现,但上述示例定位装置不构成对本发明方法实施例公开的定位方法的唯一限定。
如图4所示,所述定位方法包括以下步骤:
S401,定位装置获取待定位盲节点与锚节点之间交互的信号的测量信息,所述待定位盲节点位于目标定位区域;
其中,所述交互的信号可以是由待定位盲节点发射信号,锚节点接收信号,也可以由锚节点发射信号,待定位盲节点接收信号,均由接收信号的节点测量得到所述测量信息,所述测量信息可以是接收信号强度、信道状态信息CSI(包括多个子信道的信号幅度信息)、信号往返时间等等。
S402,所述定位装置获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述概率密度分布信息根据参考定位区域的估计位置已知的盲节点的估计位置得到,所述参考定位区域为所述参考定位区域的子区域;
本发明实施例中,所述参考定位区域的盲节点的估计位置可以是所述定位装置根据所述测量信息,以及预设的所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息而确定的。其中,所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息可以认为是一个已知的预设分布,如均匀分布。
具体来说,可以根据待定位盲节点与锚节点之间交互的信号的测量信息,估算在测量信息的条件下使得条件概率P{(x,y,z)|T=t}最大的位置坐标(x,y,z)(T=t表示获得的测量条件),并将该位置坐标作为待定位盲节点的估计位置信息,根据如下贝叶斯公式
可知,条件概率P{(x,y,z)|T=t}可通过先验条件概率P{T=t|(x,y,z)}获得。其中,η表示定位区域,要对表达式在定位区域进行积分,一般会预先确定定位区域的几何数值,比如空间或平面坐标范围(如一个矩形区域)。P{x,y,z}是初始概率,具体为一个常数,在连续空间里,则表现为概率密度在定位区域内是一个常数,且等于定位空间体积或定位平面面积的倒数,即所述概率密度分布信息。
可以理解的是,上述根据参考定位区域的盲节点的估计位置得到概率密度分布信息的具体实现方式可以是多种多样的,且该概率密度确定过程的执行主体可以是所述定位装置,也可以是所述定位服务器或则其他具有数据统计能力的类似数据统计设备,本实施例以概率密度确定过程的执行主体为定位服务器为例进行说明。
一个实施例中,可以通过划分区域统计的方式,将参考定位区域划分为两个或两个以上的子区域,统计盲节点的估计位置处于各个子区域的数据量,从而求出估计位置在各个子区域的分布概率,在每一个子区域内,可以近似认为估计位置是均匀分布的。
例如,请参阅图4.1,若参考定位区域是矩形二维平面,用坐标表示,x坐标范围从0~30,y坐标范围从0~18,将其划分为9个子区域,从子区域1~子区域9,每个子区域对应的x坐标和y坐标的范围依次为:
子区域1:x坐标0~10,y坐标0~6;子区域2:x坐标10~20,y坐标0~6;
子区域3:x坐标20~30,y坐标0~6;子区域4:x坐标0~10,y坐标6~12;
子区域5:x坐标10~20,y坐标6~12;子区域6:x坐标20~30,y坐标6~12;
子区域7:x坐标0~10,y坐标12~18;子区域8:x坐标10~20,y坐标12~18;
子区域9:x坐标20~30,y坐标12~18;
假设定位服务器收集了一万个估计位置数据,每个估计位置数据是一个(x,y)坐标,可以知道落在每个子区域的位置的个数。落在子区域1~9的坐标个数分别为832,1098,881,1265,1529,1247,925,1294,929,则可计确定落在各子区域对应的概率(P1~P9)分别为8.32%、10.98%、8.81%、12.65%、15.29%、12.47%、9.25%、12.94%、9.29%,由于这里每个子区域的面积都是Si=60,其中i=1~9,因此在第i个子区域的概率密度可以表示为Pi/Si=Pi/60,如第5个子区域的概率密度为0.002548。
需要说明的是,子区域的面积或体积并不要求一定是相等的,前面的示例并不排除其它区域划分方式。比如在室内场景下,如果知道地图信息,可以按照房间、隔断自然方式来划分子区域。
进一步地,在通过区域划分的方式确定参考定位区域的盲节点的位置的概率密度分布信息之后,还可以进一步通过拟合的方法来得到更细节的概率密度分布信息。比如针对前面的示例,通过二次拟合的方式,设概率密度分布为g(x,y)=ax2+by2+cxy+dx+ey+f,可求得a=-0.000005,b=-0.000015,c=0,d=0.000141,e=0.000299,f=0.000131。这样就得到定位区域内的连续概率密度。当然拟合方式有很多种,比如二维线性插值拟合,此处不做唯一限定。
更进一步地,由于盲节点在参考定位区域内的概率分布情况一般不是一成不变的,但通常变化比较慢,因此可以通过滤波平滑算法来提高参考定位区域的盲节点的位置的概率密度分布信息的准确度。
比如,新的概率密度为g(n)=a*g(n-1)+(1-a)*s(n),其中g(n-1)为原先存储的概率密度,s(n)为最近统计的概率密度,a是加权系数,且a∈[0,1),初次统计时的初始的概率密度分布g(0)可以看作是一个已知的预设分布,如均匀分布。当然也可以用更复杂的滤波平滑算法,比如其中ai均为[0,1)范围的数,且每次统计计算的概率密度,起始和结束的时刻可以用一些阈值来限定,比如用次数作阈值,每次统计完将次数清零,而初始的统计次数也为零。当统计次数达到阈值,比如10000次时,完成一次统计,计算统计的概率密度数据,并将次数清零。也可以用时间作阈值,比如每次统计一天的时间。也可以将两者结合,比如每次统计大于等于10000次并且大于等于一天时间,又比如每次统计大于等于10000次或者大于等于一天时间。当然也还可以用其它阈值,比如各子区域最少次数等等,此处不再赘述。
另外,定位服务器可以用于统计单个参考定位区域的盲节点的位置的概率密度分布信息,也可以用于统计多个参考定位区域对应的概率密度分布信息。具体来说,针对统计单个参考定位区域的概率密度分布信息情况,定位装置请求概率密度分布信息时,可以不提供目标定位区域的区域标识,针对统计多个参考定位区域的概率密度分布信息情况,定位装置请求概率密度分布信息时,可以提供目标定位区域的区域标识。
S403,所述定位装置根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。
可以理解的是,所述定位装置根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息的具体实现方式可以是多种多样的,本发明实施例不做唯一限定。
一个实施例中,所述定位装置可以采用最大似然算法确定所述待定位盲节点的估计位置信息,在获得T=t的测量结果后,结合获取的概率密度分布信息,计算先验条件概率密度f{T=t|(x,y,z)}与对应的概率密度的积f{T=t|(x,y,z)}*f{(x,y,z)}最大时对应的位置坐标(x,y,z)(由于概率是对一定范围内概率密度的积分,每个位置对应的应该是一个概率密度,因此用概率密度计算比较准确)。其中,上述先验条件概率密度f{T=t|(x,y,z)}的确定方式可以是多种多样的,例如可以通过实测或者建模的方式确定,本发明不做唯一限定。
举例来说,所述定位装置可以采用根据实测的方法来确定先验条件概率密度,以盲节点在位置(x0,y0,z0)或者它周围的一小片区域内时进行测量,且测量信号为接收信号强度为例,对同一个锚节点的发射信号的信号强度测量1000次,其中-83dBm、-84dBm、-85dBm、-86dBm、-87dBm的接收信号强度的次数分别为50次、200次、508次、210次、32次,则可以得到该位置处的先验条件概率为:
P{T=-83|(x0,y0,z0)}=0.05、P{T=-84|(x0,y0,z0)}=0.2、
P{T=-85|(x0,y0,z0)}=0.508、P{T=-86|(x0,y0,z0)}=0.21、
P{T=-87|(x0,y0,z0)}=0.032,当t<-87或t>-83时P{T=t|(x0,y0,z0)}=0;
如此,可以求出特定区域内每一个位置或者子区域对应的概率,概率除以子区域的面积或体积即为概率密度。所有概率密度构成特定区域的概率密度分布信息。当然,测量信息也可能是CSI、信号往返时间等,此处不再赘述。
又举例来说,所述定位装置还可以采用根据建模的方式来确定先验条件概率密度,比如盲节点的接收信号强度的信道模型公式采用Pr=P0-10*n*lgd+X,其中Pr是接收信号功率,P0和n是信道模型参数,d为盲节点与特定锚节点之间的距离,X是均值为零的高斯随机变量,均方差为σ。在特定区域进行多次测量,得到多个接收信号强度Pr和距离d的数值,根据信道模型公式Pr=P0-10*n*lgd,采用最小二乘法求出参数P0和n,再把求出来的参数P0和n代入信道模型公式,求出每次测量时的信号均值U,根据每次测量时的信号均值和实际测量值就可以求出均方差σ,从而根据高斯分布情况可以确定先验条件概率密度分布——由盲节点的估计位置坐标和特定锚节点的位置坐标计算出盲节点与特定锚节点之间的距离d,代入前述公式,接收信号强度T就是均值为P0-10*n*lgd,均方差为σ的高斯随机过程,先验条件概率密度分布就是高斯随机过程的概率密度分布。如果是用CSI或者信号往返时间,同样可以根据这种建模的方式来确定先验条件概率密度。
又一个实施例中,所述定位装置可以根据指纹模式匹配算法确定所述待定位盲节点的估计位置信息,一般的模式匹配算法是计算接收信号指纹跟数据库预先存储的多个指纹的相似度,选择最相似的指纹对应的位置作为估计位置,或者选择最相似的n个指纹对应的位置经过处理,如加权或平均运算的位置作为估计位置。比如以每一个接收信号的信号强度Ri(dBm)作为接收信号的一个分量,一共有n个信号,即i=1~n,而每个数据库存储的指纹也包含了n个信号强度{S1,S2,…,Sn},最相似的指纹就是指使得Σ(Ri-Si)2或者Σ|Ri-Si|最小的指纹。而在获取位置概率密度分布信息之后,需要联合接收信号指纹、多个预存指纹,以及每个预存指纹对应位置的概率密度分布来共同计算相似度,比如最相似的指纹变成使得或者最小的指纹,其中f(x,y,z)是指纹坐标为(x,y,,z)时对应的概率密度分布数值(三维定位),f(x,y)是指纹坐标为(x,y)时对应的概率密度分布数值(二维定位)。
可以看出,本发明实施例提供的定位方法通过获取待定位盲节点与锚节点之间交互的信号的测量信息,以及获取目标定位区域中的盲节点的位置的概率密度分布信息,并根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。由于盲节点的估计位置是在真实位置附近随机分布的,因此大量的估计位置的分布情况跟实际位置的分布情况具有相似性,故而,用盲节点的估计位置在目标定位区域内的概率密度分布来替代现有方案中的假设均分概率密度分布,参与位置的确定过程,有利于提升定位精度。
可选的,本发明实施例中,当所述定位装置独立于所述定位服务器时,所述定位装置获取所述目标定位区域中的盲节点的位置的概率密度分布信息的具体实现方式为:
所述定位装置向定位服务器发送概率密度获取请求,所述概率密度获取请求包括用于指示所述目标定位区域的区域标识;其中,所述目标定位区域的区域标识包括目标定位区域的位置标识,比如目标定位区域为室内区域时,对应的位置标识的格式可能是:国家ID+省ID+市ID+区域(街道、镇、乡等)ID+建筑物ID(ID:IDentification,标识),比如目标定位区域为通信网关对应的一片区域时,所述目标定位区域的区域标识还可以是网关标识,等等。
所述定位装置接收所述定位服务器发送的获取响应,所述获取响应包括所述概率密度分布信息。
可选的,本发明实施例中,所述概率密度获取请求还包括所述待定位盲节点的节点信息,所述节点信息包括所述待定位盲节点的设备类型、与所述待定位盲节点关联的用户的生理特征参数;
相应的,所述概率密度分布信息包括所述目标定位区域中的具有所述节点信息的盲节点的位置的概率密度分布信息。
也就是说,定位服务器在确定参考定位区域的盲节点的位置的概率密度分布信息时,可以根据节点信息进行分类统计,以提供更加精确的统计结果。如统计商场中一天时间内男性用户手机(盲节点为用户手机,节点信息为性别:男性)的位置的概率密度分布信息,定位装置向定位服务器发送概率密度获取请求时,该请求需要携带有男性性别这个节点信息,定位装置根据该概率密度分布信息确定商场中待定位男性用户手机时,由于概率密度分布信息在统计阶段已经忽略了商场中女性用户手机的估计位置对男性用户手机的估计位置分布的影响,故而可以更加精确的确定当前待定位男性用户手机的位置信息,提升定位精度。
可选的,本发明实施例中,所述参考定位区域还包括与所述目标定位区域地理上相邻的区域;或者,
所述参考定位区域还包括与所述目标定位区域的区域类型相同、且地理上不相邻的区域。
具体实现中,当所述参考定位区域还包括与所述目标定位区域地理上相邻的区域时,目标定位区域为所述参考定位区域的子区域;也就是说,定位服务器根据获取的参考定位区域的盲节点的估计位置,不仅可以统计参考定位区域的盲节点的概率密度分布信息,进一步地,还可以根据部分位于参考定位区域的子区域的盲节点的估计位置,统计参考定位区域的子区域的盲节点的概率密度分布信息。举例来说,仍以上述区域划分的示例来说,定位服务器可以根据划分的9个子区域来统计参考定位区域的盲节点的概率密度分布信息,同时,定位服务器可以根据估计位置落入由子区域1、子区域2、子区域4、子区域5所组成的子区域中的盲节点的数量,统计出该子区域的盲节点的概率密度分布信息,由落入子区域1、子区域2、子区域4、子区域的坐标个数分别为5832、1098、1265、1529可知(总数为9715),落在子区域1对应的概率为60.03%(5832/9715),落在子区域2对应的概率为11.30%(1098/9715),落在子区域4对应的概率为13.02%(1265/9715),落在子区域5对应的概率为15.74%(1529/9715),由于这里每个子区域的面积都是Si=60,其中i=1、2、4、5,因此在第i个子区域的概率密度可以表示为Pi/Si=Pi/60,如第5个子区域的概率密度为0.002623。
具体实现中,当所述参考定位区域还包括与所述目标定位区域的区域类型相同、且地理上不相邻的区域时,目标定位区域是所述参考定位区域中的一个逻辑子区域,也就是说,参考定位区域是由与所述目标定位区域的区域类型相同、且地理上不相邻的区域,以及所述目标定位区域所组成的一个区域集合;其中,所述目标区域的区域类型例如可以是同一类超市的品牌标识。
举例来说,假设参考定位区域包括3个地区的三家D品牌的超市,分别为超市A,超市B和超市C,且三家超市的区域划分方式参照统一标准,具体划分为生鲜蔬菜区、肉类区、冷冻区、粮油区、零食区、日用品区、图书区7个子区域,定位服务器获取的处于三家超市的盲节点的估计位置为10000个,位于超市A的估计位置为2450个,位于超市B的估计位置为4560个,位于超市C的估计位置为2990个,具体的,位于超市A中的估计位置的具体分布为:生鲜蔬菜区400个、肉类区300个、冷冻区300个、粮油区300个、零食区300个、日用品区300个、图书区550个,超市B中的估计位置的具体分布为:生鲜蔬菜区700个、肉类区700个、冷冻区700个、粮油区700个、零食区700个、日用品区700个、图书区360个,超市C中的估计位置的具体分布为:生鲜蔬菜区400个、肉类区400个、冷冻区400个、粮油区400个、零食区400个、日用品区400个、图书区590个,则定位服务器在统计D品牌超市中的盲节点的概率密度分布信息时,将由超市A、超市B和超市C组成的参考定位区域示意为一个逻辑区域,将生鲜蔬菜区、肉类区、冷冻区、粮油区、零食区、日用品区、图书区7个子区域示意为7个逻辑分区,并统计该7个逻辑分区中的盲节点的估计位置的分布情况,具体为:生鲜蔬菜逻辑分区1500个(400+700+400)、肉类逻辑分区1400个(300+700+400)、冷冻逻辑分区1400个(300+700+400)、粮油逻辑分区1400个(300+700+400)、零食逻辑分区1400个(300+700+400)、日用品逻辑分区1400个(300+700+400)、图书逻辑分区1500个(550+360+590),进一步地,计算出落在各逻辑分区对应的概率分别为15.00%、14.00%、14.00%、14.00%、14.00%、14.00%、15.00%,最后,根据概率和每个分区对应的面积可以计算出对应的概率密度,从而确定D品牌超市作为目标定位区域时,D品牌超市中的盲节点的位置的概率密度分布信息,所述盲节点例如可以是用户手机。
如此,定位服务器可以更加全面的获取D品牌超市这个目标定位区域中大量的用户手机的估计位置数据,从而更加准确的统计出D品牌超市中的用户手机的位置的概率密度分布信息,有利于提高定位装置确定待定位用户手机的定位精度。
可选的,本发明实施例中,所述定位装置在所述获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,所述定位装置还执行以下操作:
根据所述测量信息,以及预设的所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
可选的,本发明实施例中,所述定位装置根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息包括:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,Sk为预存的Ck对应的测量信息,Sk可以是向量,Sk里的第i个值表示为Sk(i),Sk(i)例如可以是交互信号的信号强度、CSI等,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
上述定位装置中执行的部分或全部步骤,具体可以由所述定位装置通过执行上述存储器中的程序代码来实现。例如,所述步骤S401和步骤S402可以由定位装置执行图2所示的获取模块来实现;所述步骤S403可以由定位装置执行图2所示的确定模块来实现。
进一步地,请参阅图5,图5是本发明方法实施例公开的另一种定位方法的流程示意图。需要注意的是,虽然本方法实施例能够根据图3所示的定位服务器实现,但上述示例定位服务器不构成对本发明方法实施例公开的定位方法的唯一限定。
如图5所示,所述定位方法包括以下步骤:
S501,定位服务器接收定位装置发送的概率密度获取请求,所述概率密度获取请求包括用于标识目标定位区域的区域标识;
其中,所述目标定位区域的区域标识包括目标定位区域的位置标识,比如目标定位区域为室内区域时,对应的位置标识的格式可能是:国家ID+省ID+市ID+区域(街道、镇、乡等)ID+建筑物ID(ID:IDentification,标识),比如目标定位区域为通信网关对应的一片区域时,所述目标定位区域的区域标识还可以是网关标识,等等。
S502,定位服务器根据参考定位区中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述目标定位区域为所述参考定位区域的子区域;
其中,上述步骤S501和S502的先后发生顺序本发明实施例不做限定,即定位服务器可以先接收概率密度获取请求,后根据参考定位区中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,也可以是先根据参考定位区中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,后接收概率密度获取请求。
S503,定位服务器向所述定位装置发送获取响应,所述获取响应包括所述概率密度分布信息,所述获取响应用于指示所述定位装置根据所述概率密度分布信息,以及所述目标定位区域中的待定位盲节点与锚节点之间交互的信号的测量信息,确定所述待定位盲节点的估计位置信息。
其中,所述概率密度分布信息可以是所述定位服务器根据参考定位区域的估计位置已知的盲节点的估计位置得到的。
可以看出,本发明实施例提供的定位方法通过接收定位装置发送的概率密度获取请求,根据参考定位区中的估计位置已知的盲节点的估计位置,获取目标定位区域中的盲节点的位置的概率密度分布信息,向定位装置发送获取响应,获取响应包括概率密度分布信息,定位装置在接收该概率密度分布信息后,根据概率密度分布信息,以及待定位盲节点与锚节点之间交互的信号的测量信息,确定待定位盲节点的估计位置信息。由于上述概率密度分布信息是目标定位区域中的盲节点的位置的概率密度分布信息,与盲节点的实际位置的分布情况具有相似性,故而,用盲节点的估计位置在目标定位区域内的概率密度分布来替代现有方案中的假设均分概率密度分布,参与位置的确定过程,有利于提升定位精度。
可选的,本发明实施例中,所述定位服务器在所述向所述定位装置发送获取响应之后,还用于执行以下操作:
接收所述定位装置发送的位置消息,所述位置消息包括所述待定位盲节点的估计位置信息;
根据所述估计位置信息,更新所述概率密度分布信息。
其中,由于盲节点在参考定位区域内的概率分布情况一般不是一成不变的,但通常变化比较慢,因此可以通过滤波平滑算法来提高参考定位区域的盲节点的位置的概率密度分布信息的准确度。
上述定位装置中执行的部分或全部步骤,具体可以由所述定位装置通过执行上述存储器中的程序代码来实现。例如,所述步骤S501可以由定位装置执行图3所示的接收模块来实现;所述步骤S502可以由定位装置执行图3所示的发送模块来实现。
下面为本发明装置实施例,请参阅图6,图6是本发明装置实施例公开的一种定位装置的功能单元组成框图。如图6所示,所述定位装置包括测量信息获取单元601、概率分布获取单元602以及确定单元603,其中:
所述测量信息获取单元601,用于获取待定位盲节点与锚节点之间交互的信号的测量信息,所述待定位盲节点为目标定位区域中的盲节点;
所述概率分布获取单元602,用于获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述概率密度分布信息根据参考定位区域的估计位置已知的盲节点的估计位置得到,所述参考定位区域为所述参考定位区域的子区域;
所述确定单元602,用于根据所述概率分布获取单元获取到的所述概率密度分布信息,以及所述测量信息获取单元获取到的所述测量信息,确定所述待定位盲节点的估计位置信息。
可选的,所述概率分布获取单元602包括发送单元和接收单元,
所述发送单元,用于向定位服务器发送概率密度获取请求,所述概率密度获取请求包括用于指示所述目标定位区域的区域标识;
所述接收单元,用于接收所述定位服务器发送的获取响应,所述获取响应包括所述概率密度分布信息。
可选的,所述概率密度获取请求还包括所述待定位盲节点的节点信息,所述节点信息包括所述待定位盲节点的设备类型、与所述待定位盲节点关联的用户的生理特征参数;
相应的,所述概率密度分布信息包括所述目标定位区域中的具有所述节点信息的盲节点的位置的概率密度分布信息。
可选的,所述参考定位区域还包括与所述目标定位区域地理上相邻的区域;
或者,
所述参考定位区域还包括与所述目标定位区域的区域类型相同、且地理上不相邻的区域。
可选的,所述确定单元603,还用于在所述获取单元获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述获取单元获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,根据所述测量信息,以及预设的所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
可选的,所述确定单元603用于:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,Sk为预存的Ck对应的测量信息,Sk可以是向量,Sk里的第i个值表示为Sk(i),f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
需要注意的是,本发明装置实施例所描述的定位装置是以功能单元的形式呈现。这里所使用的术语“单元”应当理解为尽可能最宽的含义,用于实现各个“单元”所描述功能的对象例如可以是集成电路ASIC、单个电路、用于执行一个或多个软件或固件程序的处理器和存储器、组合逻辑电路、和/或提供实现上述功能的其他合适的组件。
举例来说,本领域技术员人可以知晓该定位装置的硬件载体的组成形式具体可以是图2所示的定位装置。
其中,所述测量信息获取单元601的功能可以由所述定位装置中的处理器101、接收器104以及信号处理电路来实现,具体是所述处理器101指示所述接收器104接收待定位盲节点与锚节点之间交互的信号,接着,所述处理器101控制所述信号处理电路处理所述交互的信号以得到该信号的测量信息;
所述概率分布获取单元602的功能可以由所述定位装置中的处理器101、接收器104、发送器105来实现,具体是所述处理器101控制所述发送器105向定位服务器发送概率密度获取请求,接着,所述处理器101控制所述接收器104接收所述定位服务器发送的获取响应;
所述确定单元603的功能可以由所述定位装置中的处理器101和存储器103来实现,具体是所述处理器101运行存储器103的可执行程序代码中预存的用于计算节点的估计位置信息的软件模块,根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。
可以看出,本发明实施例提供的定位装置通过测量信息获取单元获取待定位盲节点与锚节点之间交互的信号的测量信息,通过概率分布获取单元获取目标定位区域中的盲节点的位置的概率密度分布信息,通过确定单元根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。由于盲节点的估计位置是在真实位置附近随机分布的,因此大量的估计位置的分布情况跟实际位置的分布情况具有相似性,故而,用盲节点的估计位置在目标定位区域内的概率密度分布来替代现有方案中的假设均分概率密度分布,参与位置的确定过程,有利于提升定位精度。
请参阅图7,图7是本发明装置实施例公开的一种定位服务器的功能单元组成框图。如图7所示,所述定位服务器包括获取请求接收单元701、概率分布获取单元702、获取响应发送单元703,其中:
所述获取请求接收单元701,用于接收定位装置发送的概率密度获取请求,所述概率密度获取请求包括用于标识目标定位区域的区域标识;
所述概率分布获取单元702,用于根据参考定位区中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述目标定位区域为所述参考定位区域的子区域;
所述获取响应发送单元703,用于向所述定位装置发送获取响应,所述获取响应包括所述概率密度分布信息,所述获取响应用于指示所述定位装置根据所述概率密度分布信息,以及所述目标定位区域中的待定位盲节点与锚节点之间交互的信号的测量信息,确定所述待定位盲节点的估计位置信息。
需要注意的是,本发明实施例所描述的定位服务器是以功能单元的形式呈现。这里所使用的术语“单元”应当理解为尽可能最宽的含义,用于实现各个“单元”所描述功能的对象例如可以是集成电路ASIC、单个电路、用于执行一个或多个软件或固件程序的处理器和存储器、组合逻辑电路、和/或提供实现上述功能的其他合适的组件。
举例来说,本领域技术员人可以知晓该定位服务器的硬件载体的组成形式具体可以是图3所示的定位服务器。
其中,所述获取请求接收单元701的功能可以由所述定位服务器中的处理器201和接收器204来实现,具体是所述处理器201控制所述接收器204接收定位装置发送的概率密度获取请求;
其中,所述概率分布获取单元702的功能可以由所述定位服务器中的处理器201和存储器203来实现,具体是所述处理器201根据存储器203中的参考定位区中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息;
其中,所述获取响应发送单元703的功能可以由所述定位服务器中的处理器201和发送器205来实现,具体是所述处理器201控制所述发送器205向所述定位装置发送获取响应;
可以看出,本发明实施例提供的定位服务器通过获取请求接收单元通过接收定位装置发送的概率密度获取请求,通过概率分布获取单元根据参考定位区中的估计位置已知的盲节点的估计位置,获取目标定位区域中的盲节点的位置的概率密度分布信息,通过获取响应发送单元向定位装置发送获取响应,获取响应包括目标定位区域中的盲节点的位置的概率密度分布信息,定位装置在接收该概率密度分布信息后,根据概率密度分布信息,以及待定位盲节点与锚节点之间交互的信号的测量信息,确定待定位盲节点的估计位置信息。由于上述概率密度分布信息是目标定位区域中的盲节点的位置的概率密度分布信息,与盲节点的实际位置的分布情况具有相似性,故而,用盲节点的估计位置在目标定位区域内的概率密度分布来替代现有方案中的假设均分概率密度分布,参与位置的确定过程,有利于提升定位精度。
本发明实施例还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时包括上述方法实施例中记载的任何一种定位方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。根据这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上上述,本说明书内容不应理解为对本发明的限制。
Claims (26)
1.一种定位方法,其特征在于,包括:
获取待定位盲节点与锚节点之间交互的信号的测量信息,所述待定位盲节点位于目标定位区域;
获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述概率密度分布信息根据参考定位区域的估计位置已知的盲节点的估计位置得到,所述目标定位区域为所述参考定位区域的子区域;
根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息。
2.根据权利要求1所述的方法,其特征在于,所述获取所述目标定位区域中的盲节点的位置的概率密度分布信息,包括:
向定位服务器发送概率密度获取请求,所述概率密度获取请求包括用于指示所述目标定位区域的区域标识;
接收所述定位服务器发送的获取响应,所述获取响应包括所述概率密度分布信息。
3.根据权利要求2所述的方法,其特征在于,所述概率密度获取请求还包括所述待定位盲节点的节点信息,所述节点信息包括所述待定位盲节点的设备类型、与所述待定位盲节点关联的用户的生理特征参数;
相应的,所述概率密度分布信息包括所述目标定位区域中的具有所述节点信息的盲节点的位置的概率密度分布信息。
4.根据权利要求1-3任一项所述的方法,其特征在于,
所述参考定位区域还包括与所述目标定位区域地理上相邻的区域;
或者,
所述参考定位区域还包括与所述目标定位区域的区域类型相同、且地理上不相邻的区域。
5.根据权利要求1-3任一项所述的方法,其特征在于,在所述获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,所述方法还包括:
根据所述测量信息,以及预设的所述参考定位区域中的盲节点的位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
6.根据权利要求4所述的方法,其特征在于,在所述获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,所述方法还包括:
根据所述测量信息,以及预设的所述参考定位区域中的盲节点的位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息包括:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,Sk为Ck对应的测量信息,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
8.根据权利要求4所述的方法,其特征在于,所述根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息包括:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,Sk为Ck对应的测量信息,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
9.根据权利要求5所述的方法,其特征在于,所述根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息包括:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,Sk为Ck对应的测量信息,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
10.根据权利要求6所述的方法,其特征在于,所述根据所述概率密度分布信息,以及所述测量信息,确定所述待定位盲节点的估计位置信息包括:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,Sk为Ck对应的测量信息,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
11.一种定位方法,其特征在于,包括:
接收定位装置发送的概率密度获取请求,所述概率密度获取请求包括用于标识目标定位区域的区域标识;
根据参考定位区域中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述目标定位区域为所述参考定位区域的子区域;
向所述定位装置发送获取响应,所述获取响应包括所述概率密度分布信息,所述获取响应用于指示所述定位装置根据所述概率密度分布信息,以及所述目标定位区域中的待定位盲节点与锚节点之间交互的信号的测量信息,确定所述待定位盲节点的估计位置信息。
12.根据权利要求11所述的方法,其特征在于,在所述向所述定位装置发送获取响应之后,所述方法还包括:
接收所述定位装置发送的位置消息,所述位置消息包括所述待定位盲节点的估计位置信息;
根据所述估计位置信息,更新所述概率密度分布信息。
13.一种定位装置,其特征在于,包括:
测量信息获取单元,用于获取待定位盲节点与锚节点之间交互的信号的测量信息,所述待定位盲节点位于目标定位区域;
概率分布获取单元,用于获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述概率密度分布信息根据参考定位区域的估计位置已知的盲节点的估计位置得到的,所述参考定位区域为所述参考定位区域的子区域;
确定单元,用于根据所述概率分布获取单元获取到的所述概率密度分布信息,以及所述测量信息获取单元获取到的所述测量信息,确定所述待定位盲节点的估计位置信息。
14.根据权利要求13所述的装置,其特征在于,所述概率分布获取单元包括发送单元和接收单元,
所述发送单元用于向定位服务器发送概率密度获取请求,所述概率密度获取请求包括用于指示所述目标定位区域的区域标识;
所述接收单元用于接收所述定位服务器发送的获取响应,所述获取响应包括所述概率密度分布信息。
15.根据权利要求14所述的装置,其特征在于,所述概率密度获取请求还包括所述待定位盲节点的节点信息,所述节点信息包括所述待定位盲节点的设备类型、与所述待定位盲节点关联的用户的生理特征参数;
相应的,所述概率密度分布信息包括所述目标定位区域中的具有所述节点信息的盲节点的位置的概率密度分布信息。
16.根据权利要求13-15任意一项所述的装置,其特征在于,
所述参考定位区域还包括与所述目标定位区域地理上相邻的区域;
或者,
所述参考定位区域还包括与所述目标定位区域的区域类型相同、且地理上不相邻的区域。
17.根据权利要求13-15任意一项所述的装置,其特征在于,
所述确定单元,还用于在所述获取单元获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述获取单元获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,根据所述测量信息,以及预设的所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
18.根据权利要求16所述的装置,其特征在于,
所述确定单元,还用于在所述获取单元获取待定位盲节点与锚节点之间交互的信号的测量信息之后,在所述获取单元获取所述目标定位区域中的盲节点的位置的概率密度分布信息之前,根据所述测量信息,以及预设的所述参考定位区域中的盲节点的估计位置的初始概率密度分布信息,确定所述待定位盲节点所在的所述目标定位区域。
19.根据权利要求13-15任意一项所述的装置,其特征在于,所述确定单元用于:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,S为预存的Ck对应的测量信息,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
20.根据权利要求16所述的装置,其特征在于,所述确定单元用于:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,S为预存的Ck对应的测量信息,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
21.根据权利要求17所述的装置,其特征在于,所述确定单元用于:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,S为预存的Ck对应的测量信息,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
22.根据权利要求18所述的装置,其特征在于,所述确定单元用于:
确定使得|R-Sk|/f(Ck)的取值最小的Ck,作为所述估计位置信息,其中,R为所述测量信息,Ck为预存的所述目标定位区域中的第k个位置信息,k为小于或等于N的正整数,N为所述预存的所述目标定位区域中的位置信息的数量,S为预存的Ck对应的测量信息,f(Ck)为根据所述概率密度分布信息得到的Ck对应的概率密度值。
23.一种定位服务器,其特征在于,包括:
获取请求接收单元,用于接收定位装置发送的概率密度获取请求,所述概率密度获取请求包括用于标识目标定位区域的区域标识;
概率分布获取单元,用于根据参考定位区域中的估计位置已知的盲节点的估计位置,获取所述目标定位区域中的盲节点的位置的概率密度分布信息,所述目标定位区域为所述参考定位区域的子区域;
获取响应发送单元,用于向所述定位装置发送获取响应,所述获取响应包括所述概率密度分布信息,所述获取响应用于指示所述定位装置根据所述概率密度分布信息,以及所述目标定位区域中的待定位盲节点与锚节点之间交互的信号的测量信息,确定所述待定位盲节点的估计位置信息。
24.根据权利要求23所述的定位服务器,其特征在于,所述定位服务器还包括:
位置消息接收单元,用于在所述获取响应发送单元向所述定位装置发送获取响应之后,接收所述定位装置发送的位置消息,所述位置消息包括所述待定位盲节点的估计位置信息;
概率分布更新单元,用于根据所述位置消息接收单元接收到的所述估计位置信息,更新所述概率密度分布信息。
25.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被硬件执行时能够实现权利要求1至10任意一项所述的方法。
26.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被硬件执行时能够实现权利要求11至12任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610194718.8A CN107295465B (zh) | 2016-03-31 | 2016-03-31 | 一种定位方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610194718.8A CN107295465B (zh) | 2016-03-31 | 2016-03-31 | 一种定位方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107295465A CN107295465A (zh) | 2017-10-24 |
CN107295465B true CN107295465B (zh) | 2020-10-23 |
Family
ID=60087654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610194718.8A Active CN107295465B (zh) | 2016-03-31 | 2016-03-31 | 一种定位方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107295465B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108882155B (zh) * | 2018-07-10 | 2020-11-10 | 深圳无线电检测技术研究院 | 基于粒子群算法的盲信号功率及盲源位置确定方法、系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350635A (zh) * | 2008-09-05 | 2009-01-21 | 清华大学 | 稀疏测量集上基于最短路径的传感器网络节点自定位方法 |
CN101657014A (zh) * | 2009-09-11 | 2010-02-24 | 哈尔滨工业大学 | 基于近邻概率法的wlan室内定位方法 |
CN101772156A (zh) * | 2008-12-30 | 2010-07-07 | 阿德利亚科技(北京)有限责任公司 | 一种无线局域网设备定位方法及装置 |
CN102045837A (zh) * | 2009-10-20 | 2011-05-04 | 华为技术有限公司 | 移动节点定位方法及装置 |
CN104066172A (zh) * | 2014-06-16 | 2014-09-24 | 南京航空航天大学 | 一种对无线局域网中的ap进行定位的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7250907B2 (en) * | 2003-06-30 | 2007-07-31 | Microsoft Corporation | System and methods for determining the location dynamics of a portable computing device |
-
2016
- 2016-03-31 CN CN201610194718.8A patent/CN107295465B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350635A (zh) * | 2008-09-05 | 2009-01-21 | 清华大学 | 稀疏测量集上基于最短路径的传感器网络节点自定位方法 |
CN101772156A (zh) * | 2008-12-30 | 2010-07-07 | 阿德利亚科技(北京)有限责任公司 | 一种无线局域网设备定位方法及装置 |
CN101657014A (zh) * | 2009-09-11 | 2010-02-24 | 哈尔滨工业大学 | 基于近邻概率法的wlan室内定位方法 |
CN102045837A (zh) * | 2009-10-20 | 2011-05-04 | 华为技术有限公司 | 移动节点定位方法及装置 |
CN104066172A (zh) * | 2014-06-16 | 2014-09-24 | 南京航空航天大学 | 一种对无线局域网中的ap进行定位的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107295465A (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zafari et al. | Enhancing ibeacon based micro-location with particle filtering | |
US8634853B2 (en) | Method for enhancing location identity through incorporation of shorter-range communication and sensing (nearlocate) | |
KR101556711B1 (ko) | 도달 시간 기초의 무선 위치결정 시스템 | |
CN111352069B (zh) | 一种室内定位方法、服务器、存储介质及程序产品 | |
EP2928243B1 (en) | Method for the indoor positioning of wireless local area network (wlan) devices | |
Peng et al. | Probabilistic localization for outdoor wireless sensor networks | |
CN107850656B (zh) | 用于确定定位目的的模型参数的方法、装置和系统 | |
CN105430745A (zh) | 一种基于rssi无线网络定位方法 | |
US10034262B2 (en) | Beacon sensor based network fingerprint | |
AU2006321675A1 (en) | System and method for computing the position of a mobile device operating in a wireless network | |
Rashid et al. | Dead reckoning localisation technique for mobile wireless sensor networks | |
EP3201645A1 (en) | Positioning method and system for wireless communication networks | |
CN103167607A (zh) | 一种无线传感器网络中未知节点定位方法 | |
US20120039316A1 (en) | Method of generating map, and method of measuring location of terminal using the map | |
US11927685B2 (en) | Estimating user risk based on wireless location determination | |
CN108200534B (zh) | 一种对终端进行定位的方法及设备 | |
CN110730413A (zh) | 一种终端定位方法和装置 | |
Huang et al. | Scout: Outdoor localization using active RFID technology | |
CN107295465B (zh) | 一种定位方法及设备 | |
WO2013096209A1 (en) | System and method for probablistic wlan positioning | |
US20210243560A1 (en) | Distributed signal processing for radiofrequency indoor localization | |
KR20190001386A (ko) | 저전력 블루투스 기반의 실내 측위 방법 및 장치 | |
Labinghisa et al. | Improved indoor localization system based on virtual access points in a Wi-Fi environment by filtering schemes | |
RU2701864C2 (ru) | Способ и система для уточненного позиционирования через пересечение гиперзон | |
US20210242951A1 (en) | Distributed signal processing for radiofrequency indoor localization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |