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 PDF

Info

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
Application number
CN201711433085.2A
Other languages
English (en)
Other versions
CN107995684A (zh
Inventor
刘芬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Creative Sky Information Technology Co ltd
Original Assignee
Wuhan Creative Sky Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Creative Sky Information Technology Co ltd filed Critical Wuhan Creative Sky Information Technology Co ltd
Priority to CN201711433085.2A priority Critical patent/CN107995684B/zh
Publication of CN107995684A publication Critical patent/CN107995684A/zh
Application granted granted Critical
Publication of CN107995684B publication Critical patent/CN107995684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

提升位置指纹的WLAN室内定位精度方法及系统
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：
Figure BDA0001525328320000021
，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：
Figure BDA0001525328320000022
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：
Figure BDA0001525328320000023
其中{MAX_K(r1，…，rL)}表示最大的K个相关系数的集合；loci表示所选择的近邻参考点i的位置坐标；
Figure BDA0001525328320000024
表示最终的定位坐标。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中，
在用户在同一位置采集到多个在线RSS样本，并利用公式1计算所有L个相关系数时，公式1中的
Figure BDA0001525328320000031
项为常数。
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：
Figure BDA0001525328320000032
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：
Figure BDA0001525328320000041
，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：
Figure BDA0001525328320000042
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：
Figure BDA0001525328320000043
其中{MAX_K(r1，…，rL)}表示最大的K个相关系数的集合；loci表示所选择的近邻参考点i的位置坐标；
Figure BDA0001525328320000051
表示最终的定位坐标。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中，
在用户在同一位置采集到多个在线RSS样本，并利用公式1计算所有L个相关系数时，公式1中的
Figure BDA0001525328320000052
项为常数。
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：
Figure BDA0001525328320000053
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：
Figure BDA0001525328320000061
，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：
Figure BDA0001525328320000062
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：
Figure BDA0001525328320000071
其中{MAX_K(r1，…，rL)}表示最大的K个相关系数的集合；loci表示所选择的近邻参考点i的位置坐标；
Figure BDA0001525328320000072
表示最终的定位坐标。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中，
在用户在同一位置采集到多个在线RSS样本，并利用公式1计算所有L个相关系数时，公式1中的
Figure BDA0001525328320000073
项为常数。
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：
Figure BDA0001525328320000074
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：
Figure BDA0001525328320000081
，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：
Figure BDA0001525328320000091
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：
Figure BDA0001525328320000092
其中{MAX_K(r1，…，rL)}表示最大的K个相关系数的集合；loci表示所选择的近邻参考点i的位置坐标；
Figure BDA0001525328320000093
表示最终的定位坐标。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中，
在用户在同一位置采集到多个在线RSS样本，并利用公式1计算所有L个相关系数时，公式1中的
Figure BDA0001525328320000094
项为常数。
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：
Figure BDA0001525328320000101
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：
Figure FDA0002420719250000011
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：
Figure FDA0002420719250000021
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：
Figure FDA0002420719250000022
其中{MAX_K(r1，…，rL)}表示最大的K个相关系数的集合；loci表示所选择的近邻参考点i的位置坐标；
Figure FDA0002420719250000023
表示最终的定位坐标；
在用户在同一位置采集到多个在线RSS样本，并利用公式1计算所有L个相关系数时，公式1中的
Figure FDA0002420719250000024
项为常数；
在参考点RSS变化范围小于预设变化值时，公式1改为：
Figure FDA0002420719250000031
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：
Figure FDA0002420719250000032
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：
Figure FDA0002420719250000041
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：
Figure FDA0002420719250000042
其中{MAX_K(r1，…，rL)}表示最大的K个相关系数的集合；loci表示所选择的近邻参考点i的位置坐标；
Figure FDA0002420719250000043
表示最终的定位坐标；
在用户在同一位置采集到多个在线RSS样本，并利用公式1计算所有L个相关系数时，公式1中的
Figure FDA0002420719250000044
项为常数；
在参考点RSS变化范围小于预设变化值时，公式1改为：
Figure FDA0002420719250000051
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。
CN201711433085.2A 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 Active CN107995684B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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