CN107995684B - 提升位置指纹的wlan室内定位精度方法及系统 - Google Patents
提升位置指纹的wlan室内定位精度方法及系统 Download PDFInfo
- Publication number
- CN107995684B CN107995684B CN201711433085.2A CN201711433085A CN107995684B CN 107995684 B CN107995684 B CN 107995684B CN 201711433085 A CN201711433085 A CN 201711433085A CN 107995684 B CN107995684 B CN 107995684B
- Authority
- CN
- China
- Prior art keywords
- rss
- matrix
- reference point
- online
- correlation coefficient
- 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
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Abstract
一种提升位置指纹的WLAN室内定位精度方法,其包括如下步骤:S1、将所有在线采集的RSS样本排列成RSS矩阵;S2、利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。本发明还提供一种提升位置指纹的WLAN室内定位精度系统。
Description
技术领域
本发明涉及室内定位技术领域,特别涉及一种提升位置指纹的WLAN室内定位精度方法及系统。
背景技术
现有技术利用在线RSS均值样本计算定位结果的位置指纹定位算法,相关参考点RSS变化没有引入相关系数,导致定位精度不理想。
发明内容
有鉴于此,本发明提出一种提升位置指纹的WLAN室内定位精度方法及系统。
一种提升位置指纹的WLAN室内定位精度方法,其包括如下步骤:
S1、将所有在线采集的RSS样本排列成RSS矩阵;
S2、利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
所述步骤S2中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss′l之间的相关系数通过如下公式获得:
公式1:
,其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss'l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,N表示在每个参考点上所采集的RSS样本数量;M表示AP的数量;其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在参考点RSS变化范围小于预设变化值时,公式1改为:
公式4:
相对于公式1,公式4节省3 3×-T次加法操作、T-2次乘法操作和2次开平方操作。
本发明还提供一种提升位置指纹的WLAN室内定位精度系统,其包括如下单元:
矩阵构建单元,用于将所有在线采集的RSS样本排列成RSS矩阵;
相似度计算单元,用于利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
所述相似度计算单元中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss′l之间的相关系数通过如下公式获得:
公式1:
,其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss'l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在参考点RSS变化范围小于预设变化值时,公式1改为:
实施本发明提供的提升位置指纹的WLAN室内定位精度方法及系统与现有技术相比具有以下有益效果:
本发明可以有效节约终端设备的硬件资源和能耗,更适合在终端设备实际应用。
附图说明
图1是本发明实施例的提升位置指纹的WLAN室内定位精度方法流程图。
具体实施方式
如图1所示,一种提升位置指纹的WLAN室内定位精度方法,其包括如下步骤:
S1、将所有在线采集的RSS样本排列成RSS矩阵;
S2、利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
所述步骤S2中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss′l之间的相关系数通过如下公式获得:
公式1:
,其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss'l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,N表示在每个参考点上所采集的RSS样本数量;M表示AP的数量;其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在参考点RSS变化范围小于预设变化值时,公式1改为:
公式4:
相对于公式1,公式4节省33×-T次加法操作、T-2次乘法操作和2次开平方操作。
本发明还提供一种提升位置指纹的WLAN室内定位精度系统,其包括如下单元:
矩阵构建单元,用于将所有在线采集的RSS样本排列成RSS矩阵;
相似度计算单元,用于利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
所述相似度计算单元中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss′l之间的相关系数通过如下公式获得:
公式1:
,其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss'l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在参考点RSS变化范围小于预设变化值时,公式1改为:
实施本发明提供的提升位置指纹的WLAN室内定位精度方法及系统与现有技术相比具有以下有益效果:
本发明可以有效节约终端设备的硬件资源和能耗,更适合在终端设备实际应用。
可以理解的是,对于本领域的普通技术人员来说,可以根据本发明的技术构思做出其它各种相应的改变与变形,而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (2)
1.一种提升位置指纹的WLAN室内定位精度方法,其特征在于,其包括如下步骤:
S1、将所有在线采集的RSS样本排列成RSS矩阵;
S2、利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度;
所述步骤S2中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关;
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss'l之间的相关系数通过如下公式获得:
公式1:
其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss’l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss’l的均值,其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
在参考点RSS变化范围小于预设变化值时,公式1改为:
其中,N表示在每个参考点上所采集的RSS样本数量;M表示AP的数量。
2.一种提升位置指纹的WLAN室内定位精度系统,其特征在于,其包括如下单元:
矩阵构建单元,用于将所有在线采集的RSS样本排列成RSS矩阵;
相似度计算单元,用于利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度;
所述相似度计算单元中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关;
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss’l之间的相关系数通过如下公式获得:
公式1:
其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss'l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss’l的均值,其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
在参考点RSS变化范围小于预设变化值时,公式1改为:
其中,N表示在每个参考点上所采集的RSS样本数量;M表示AP的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711433085.2A CN107995684B (zh) | 2017-12-26 | 2017-12-26 | 提升位置指纹的wlan室内定位精度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711433085.2A CN107995684B (zh) | 2017-12-26 | 2017-12-26 | 提升位置指纹的wlan室内定位精度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107995684A CN107995684A (zh) | 2018-05-04 |
CN107995684B true CN107995684B (zh) | 2020-06-12 |
Family
ID=62042668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711433085.2A Active CN107995684B (zh) | 2017-12-26 | 2017-12-26 | 提升位置指纹的wlan室内定位精度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107995684B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109991569B (zh) * | 2019-04-03 | 2021-01-15 | 北京邮电大学 | 一种基于毫米波机器人的反射物定位方法及装置 |
CN114040321B (zh) * | 2021-10-18 | 2023-03-24 | 北京邮电大学 | 用于混合网络的自适应无缝切换方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1369856A (zh) * | 2001-02-01 | 2002-09-18 | 松下电器产业株式会社 | 图像处理方法和装置 |
CN102802260A (zh) * | 2012-08-15 | 2012-11-28 | 哈尔滨工业大学 | 基于矩阵相关的wlan室内定位方法 |
CN105277917A (zh) * | 2015-10-30 | 2016-01-27 | 湖南大学 | 一种基于反馈机制的动态指纹库室内定位方法 |
CN106102163A (zh) * | 2016-06-03 | 2016-11-09 | 杭州电子科技大学 | 基于rss线性相关与二次加权质心算法的wlan指纹定位方法 |
CN106485090A (zh) * | 2016-10-21 | 2017-03-08 | 北京联合大学 | 一种基于回归学习的驾驶员视觉感知预测模型生成方法 |
CN107454669A (zh) * | 2016-05-31 | 2017-12-08 | 中国人民解放军理工大学 | 一种基于信号强度相关性分析的群智定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100971683B1 (ko) * | 2008-09-22 | 2010-07-22 | 인하대학교 산학협력단 | 부품의 연관관계를 이용한 설계과정의 구독관계 표현 방법 |
-
2017
- 2017-12-26 CN CN201711433085.2A patent/CN107995684B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1369856A (zh) * | 2001-02-01 | 2002-09-18 | 松下电器产业株式会社 | 图像处理方法和装置 |
CN102802260A (zh) * | 2012-08-15 | 2012-11-28 | 哈尔滨工业大学 | 基于矩阵相关的wlan室内定位方法 |
CN105277917A (zh) * | 2015-10-30 | 2016-01-27 | 湖南大学 | 一种基于反馈机制的动态指纹库室内定位方法 |
CN107454669A (zh) * | 2016-05-31 | 2017-12-08 | 中国人民解放军理工大学 | 一种基于信号强度相关性分析的群智定位方法 |
CN106102163A (zh) * | 2016-06-03 | 2016-11-09 | 杭州电子科技大学 | 基于rss线性相关与二次加权质心算法的wlan指纹定位方法 |
CN106485090A (zh) * | 2016-10-21 | 2017-03-08 | 北京联合大学 | 一种基于回归学习的驾驶员视觉感知预测模型生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107995684A (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105163282B (zh) | 一种基于蓝牙位置指纹的室内定位系统及定位方法 | |
CN107703480B (zh) | 基于机器学习的混合核函数室内定位方法 | |
CN106851573B (zh) | 基于对数路径损耗模型的联合加权k近邻室内定位方法 | |
CN104703143B (zh) | 一种基于wifi信号强度的室内定位方法 | |
CN107333238B (zh) | 一种基于支持向量回归的室内指纹快速定位方法 | |
WO2017185828A1 (zh) | 指纹定位方法及装置 | |
CN106646453B (zh) | 一种基于预测值量测转换的多普勒雷达目标跟踪方法 | |
CN110488222B (zh) | 一种nlos条件下svm与重心坐标相结合的uwb定位方法 | |
CN104869641B (zh) | 基于AP优化的Wi‑Fi室内定位方法 | |
CN107871327A (zh) | 基于特征点线的单目相机位姿估计和优化方法及系统 | |
CN106767772B (zh) | 地磁指纹分布图的构建方法和装置及定位方法和装置 | |
CN114186632B (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
CN109188362B (zh) | 一种麦克风阵列声源定位信号处理方法 | |
CN107995684B (zh) | 提升位置指纹的wlan室内定位精度方法及系统 | |
CN109195110B (zh) | 基于层次聚类技术和在线极限学习机的室内定位方法 | |
CN104102836A (zh) | 一种电力系统快速抗差状态估计方法 | |
CN106295395A (zh) | 基于图划分的不确定轨迹隐私保护方法 | |
CN110595479B (zh) | 一种基于icp算法的slam轨迹评估方法 | |
CN103237320A (zh) | 无线传感器网络基于混合量化卡尔曼融合的目标跟踪方法 | |
CN115952691A (zh) | 多站无源时差交叉联合定位系统的优化布站方法及装置 | |
CN111551897A (zh) | 传感器位置先验观测误差存在下基于加权多维标度和多项式求根的tdoa定位方法 | |
CN107613466B (zh) | 超密集无线网络下基于指纹相似度的室内定位方法 | |
CN110288026A (zh) | 一种基于度量关系图学习的图像分割方法及装置 | |
CN111444467B (zh) | 基于实时定位轨迹数据进行局部线性插值和预测的方法 | |
CN104217458B (zh) | 一种三维点云的快速配准方法 |
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 |