CN101873607A - Wlan室内分步式rd-anfis定位方法 - Google Patents
Wlan室内分步式rd-anfis定位方法 Download PDFInfo
- Publication number
- CN101873607A CN101873607A CN 201010209859 CN201010209859A CN101873607A CN 101873607 A CN101873607 A CN 101873607A CN 201010209859 CN201010209859 CN 201010209859 CN 201010209859 A CN201010209859 A CN 201010209859A CN 101873607 A CN101873607 A CN 101873607A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- signal strength
- anfis
- signal intensity
- wlan
- 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.)
- Granted
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
WLAN室内分步式RD-ANFIS定位方法,涉及模糊聚类型ANFIS室内定位方法,解决了WLAN室内环境下由于定位区域大、模式复杂导致ANFIS系统易产生过匹配、环境适应性降低且定位精度差的问题。该定位方法为:在离线阶段,根据FCM聚类技术将目标定位区域分割为若干相邻、连通子区域,具有相似SNR分布特性的RP属于同一子区域;利用模糊减法聚类方法得到每个连通子区域的初始模糊推理准则,并完成对每个子区域的ANFIS定位系统的建立;在在线阶段,通过比较定位终端处采集的SNR样本均值与不同聚类中心的欧几里得距离,进而获得定位终端位置的预估计区域,最终利用该区域的ANFIS定位系统即可实现对位置的精确坐标估计。本发明可用于模式识别领域。
Description
技术领域
本发明涉及一种模式识别领域中的模糊聚类型ANFIS室内定位方法,具体涉及WLAN室内定位方法。
背景技术
随着人们对环境感知需求的增加,以及短距离无线电通信技术的发展和新业务需求的不断增多,基于位置服务LBS(LocationBasedServices)的应用与需求越来越受到人们广泛的关注。如紧急救援,目标搜索与跟踪,资源探测,智能向导和物资管理等各种军用和民用服务方面。虽然全球定位系统GPS(GlobalPositioningSystem)和蜂窝系统在理论研究和实践应用方面均比较成熟,且能提供室外较高的定位精度;但在室内或高楼密布的遮蔽环境下,由于信号非视距传播所造成的严重衰落现象和多径效应,使得GPS三球交会和蜂窝三角定位法的应用受到了极大的限制。
此外,对于部分基于无线传感器网络WSN(WirelessSensorNetwork)、红外IR(InfraredRay)、超声波UW(UltrasonicWave)、蓝牙Bluetooth、射频ID、Zigbee和超宽带UWB(UltraWideBand)等技术的室内定位系统,由于特殊定位设备配置所带来的经济和时间开销,以及存在的严重非直射路径衰减和较小覆盖范围等缺陷,限制了这些定位系统在人们生活中的广泛应用。相反,无线局域网WLAN(WirelessLocalAreaNetwork)的普及和2.4GHzISM免注册频段的开放,使得WLAN室内定位技术得到了广泛的研究与发展。
此外,20世纪末发展起来的WLAN技术是计算机网络与无线通信技术相结合的产物,它利用射频传输技术进行数据的传送,为用户提供无线宽带接入服务。WLAN的发展,解决了有线网络布线困难的问题,打破了宽带接入的地域限制,满足了用户移动数据通信的需要,实现数据通信的移动化、漫游化和宽带化。另外,可移动性和较低网络成本是WLAN技术的主要核心优势。前者使得用户在使用便携式电脑和数据采集器等设备的同时,能任意地变换终端位置,这极大地方便了工作时需不断移动位置的人员,相对有线网络的固定接入特点来说更为方便;对于后者,由于在通信网络建设中,网络布线是一笔较大的经济开销,且有些地方施工会比较困难,而WLAN网络无需布线,因此,组网成本可以得到大幅度的降低。
然而,在WLAN室内环境下,往往因为目标定位区域过大、模式过于复杂,会导致ANFIS系统容易产生过匹配现象、环境适应性降低且定位精度不尽理想,因此还需进一步改进。其中,ANFIS为AdaptiveNetworkbasedFuzzyInferenceSystem的缩写,译为自适应神经模糊推理。
发明内容
本发明的目的是解决在WLAN室内环境下,由于目标定位区域较大、模式复杂而导致ANFIS系统容易产生过匹配现象、环境适应性降低且定位精度差的问题,提供了一种WLAN室内分步式RD-ANFIS定位方法。
WLAN室内分步式RD-ANFIS定位方法,它的具体过程如下:
步骤一、确定WLAN室内环境下的目标定位区域,根据WLAN无线AP发射信号的覆盖范围和目标定位区域的面积,确定AP、RP和测试点的位置,使每个RP处均能采集到至少来自一个AP的信号SNR值;
步骤二、建立二维坐标系,得到每个RP的二维位置坐标,并在离线定位阶段,将每个RP处采集的来自不同AP的瞬时信号强度值,作为位置指纹数据库中的WLAN信号强度指纹样本进行存储;
步骤三、利用FCM聚类技术,将目标定位区域分割为若干相邻、连通的子区域;
步骤四、利用模糊减法聚类方法,对每个子区域中的WLAN信号强度指纹样本进行分类,对每个子区域分别建立相应的初始模糊推理准则;
步骤五、将所述信号强度指纹样本作为ANFIS系统的输入训练样本,将与所述信号强度指纹样本对应的各个RP的二维位置坐标作为ANFIS系统的输出训练样本,对所述初始模糊推理准则进行迭代优化训练,进而完成对每个子区域ANFIS系统的建立;
步骤六、在在线定位阶段,对定位终端的所在区域进行预估计,获得定位终端的初步位置估计区域;
步骤七、将定位终端处采集的信号强度均值作为所述初步位置估计区域的ANFIS系统的输入值,进而计算获得定位终端的精确位置坐标估计。
本发明的WLAN室内分步式RD-ANFIS定位方法,可以有效解决在WLAN室内环境下,由于目标定位区域较大,模式过于复杂,ANFIS系统容易产生过匹配现象、环境适应性降低且定位精度不尽理想的问题。
附图说明
图1是WLAN室内环境示意图;图2是目标定位区域及AP放置位置示意图;图3是位置指纹数据库的数据结构示意图;图4是ANFIS系统的拓扑结构图;图5是区域分割数目为2时,利用FCM聚类方法得到的区域分割结果示意图;图6是区域分割数目为3时,利用FCM聚类方法得到的区域分割结果示意图;图7是区域分割数目为4时,利用FCM聚类方法得到的区域分割结果示意图;图8是区域分割数目为5时,利用FCM聚类方法得到的区域分割结果示意图;图9是迭代次数为50条件下的ANFIS系统的定位误差图;图10是迭代次数为100条件下的ANFIS系统的定位误差图;图11是迭代次数为200条件下的ANFIS系统的定位误差图;图12是迭代次数为500条件下的ANFIS系统的定位误差图;图13是本发明的WLAN室内分步式RD-ANFIS定位方法的流程图。
具体实施方式
具体实施方式一:结合图13说明本实施方式,本实施方式的WLAN室内分步式RD-ANFIS定位方法,它的具体过程如下:
步骤一、确定WLAN室内环境下的目标定位区域,根据WLAN无线AP发射信号的覆盖范围和目标定位区域的面积,确定AP、RP和测试点的位置,使每个RP处均能采集到至少来自一个AP的信号SNR值;其中,AP为AccessPoint的缩写,它表示接入点;RP为ReferencePoint的缩写,它表示目标定位区域内预先标记的参考点;RP采集的信号功率应大于接收端网卡的灵敏度;SNR值即为信噪比,全称为SignaltoNoiseRatio;
步骤二、建立二维坐标系,得到每个RP的二维位置坐标,并在离线定位阶段,将每个RP处采集的来自不同AP的瞬时信号强度值,作为位置指纹数据库中的WLAN信号强度指纹样本进行存储;其中,所述WLAN信号强度指纹样本,用于ANFIS系统的迭代训练和模糊规则建立;所述二维坐标系参见图2,所述位置指纹数据库的数据结构如图3所示;
步骤三、利用FCM聚类技术,将目标定位区域分割为若干相邻、连通的子区域,即同一类样本所对应的RP位置归为同一子区域;其中,子区域的个数需满足RP的连通性条件;
步骤四、利用模糊减法聚类方法,对每个子区域中的WLAN信号强度指纹样本进行分类,对每个子区域分别建立相应的初始模糊推理准则;
步骤五、将所述信号强度指纹样本作为ANFIS系统的输入训练样本,将与所述信号强度指纹样本对应的各个RP的二维位置坐标作为ANFIS系统的输出训练样本,对所述初始模糊推理准则进行迭代优化训练,进而完成对每个子区域ANFIS系统的建立;其中,ANFIS系统的拓扑结构如图4所示;
步骤六、在在线定位阶段,对定位终端的所在区域进行预估计,获得定位终端的初步位置估计区域;
步骤七、将定位终端处采集的信号强度均值作为所述初步位置估计区域的ANFIS系统的输入值,进而计算获得定位终端的精确位置坐标估计。
其中,RD为RegionDivision的缩写,中文意思为区域分割。本发明的WLAN室内分步式RD-ANFIS定位方法,包括离线和在线定位两个阶段,在离线阶段,首先根据FCM聚类技术,将目标定位区域分割为若干相邻、连通子区域,且具有相似SNR分布特性的RP属于同一子区域,从而将ANFIS系统的训练限制在较小的定位区域,以保证了模式的单一和集中;然后,利用模糊减法聚类方法,得到每个连通子区域的初始模糊推理准则,并将每个RP处采集到的SNR样本与所对应的平面二维坐标,作为ANFIS系统中隶属度函数参数的迭代训练样本,完成对每个子区域的ANFIS定位系统的建立;最后,在在线阶段,通过比较定位终端处采集的SNR样本均值与不同聚类中心的欧几里得距离,选择具有最小距离的聚类中心所属区域,作为定位终端位置的预估计区域,进而,利用该区域的ANFIS定位系统实现对位置的精确坐标估计。本发明可以有效解决在WLAN室内环境下,由于目标定位区域较大,模式过于复杂,ANFIS系统容易产生过匹配现象、环境适应性降低且定位精度不尽理想的问题。
具体实施方式二:本实施方式是对实施方式一的WLAN室内分步式RD-ANFIS定位方法的进一步说明,步骤三所述内容的具体过程为:
通过对模糊聚类中心的迭代修正,使目标函数T(W,V)最小化,所述目标函数T(W,V),它表示整体信号样本与不同聚类中心的隶属度加权和,T(W,V)的定义如公式一:
其中,S为信号强度指纹样本的个数,C为模糊聚类中心的个数;表示模糊聚类中心的集合,且表示第i个子区域的模糊聚类中心;表示信号强度指纹样本的集合,且表示第j个信号强度指纹样本;表示加权指数;表示S行×S列的单位阵;为第j个信号强度指纹样本与第i个子区域模糊聚类中心的欧几里得距离;
FCM方法的约束优化目标函数如公式二:
利用拉格朗日乘数法,使上式中的目标函数T(W,V)取得最小值,需要满足公式三:
其中,F表示。。。,λ表示。。。;
当第j个信号强度指纹样本对第i个模糊聚类中心具有最大隶属度时,即时,定义第j个信号强度指纹样本所对应的RP位置归属第i个子区域,进而可获得多个相邻、连通的子区域;
具体实施方式三:本实施方式是对实施方式一或二的WLAN室内分步式RD-ANFIS定位方法的进一步说明,步骤四所述内容的具体过程为:
根据公式六,令具有最大密度值的信号强度指纹样本作为第1个模糊聚类中心;
然后令第k次迭代时、具有最大密度值的信号强度指纹样本,作为第k+1个模糊聚类中心;
当满足终止条件时,停止迭代计算,所述终止条件为:
表1
具体实施方式四:本实施方式是对实施方式一、二或三的WLAN室内分步式RD-ANFIS定位方法的进一步说明,步骤六所述内容的具体过程为:
本发明的WLAN室内环境示意图如图1所示,得到的目标定位区域及AP放置位置示意图如图2所示,该目标定位区域形状规整,且在区域中的任意位置,均能检测到至少来自5个不同AP的WLAN信号SNR值。图1中WLAN室内环境面积为66.4×24.9m2,层高3m,砖质墙面,铝合金窗户和金属门,9个AP放置在同一楼层,所述9个AP分别为AP1、AP2、AP3、AP4、AP5、AP6、AP7、AP8和AP9,Nr.01、Nr.02、Nr.03、Nr.04、Nr.05、Nr.06、Nr.07、Nr.08及Nr.09分别为9个房间的编号,AP选择为LinksysWAP54G,固定在2m高度,支持IEEE802.11a/b/g标准,传输速率为54Mbps,定位终端为装有IntelPRO/Wireless3945ABG无线网卡的ASUSA8F笔记本电脑,距离地面1.2m。图2中包含72个RP点和56个测试点,且每个测试点位于邻近4个RP的几何位置中心,点“X”为RP位置,点“”为测试点位置,在每个RP和AP处,分别进行3分钟和1分钟的WLAN信号采集,获得的原始的WLAN信号强度指纹样本的数据结构如表2所示。
图3是位置指纹数据库的数据结构示意图,其中Q1为位置指纹数据库,Q2为WLAN信号强度指纹样本,(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)分别为各个参考点的二维位置坐标。
图4是ANFIS系统的拓扑结构图,根据具体实施方式三,对于第p个聚类中心,表示N维信号强度样本关于第l维分量的隶属度函数中心;表示N维信号强度样本的第l维分量对于第p个聚类中心的隶属度;等于的乘积,即;为的归一化形式,即;反模糊化过程即为得到X和Y方向估计位置坐标,其中,且,和均为该ANFIS定位系统预先设定的线性变换参数,最初设定的参数值不一定为系统最优值,需要利用第1层的ANN系统进行迭代训练修正;此外,第1层的ANN系统采用三层前馈型BP人工神经网络,实现对线性变换参数的训练,从而得到使得定位误差最小的最优线性变换参数。
图5至图8给出了利用FCM聚类方法得到的定位区域分割结果,其中图5至图8中区域分割数目分别为2个、3个、4个和5个,其中D1、D2、D3、D4和D5分别为第一区域、第二区域、第三区域、第四区域和第五区域;实验证明,当区域分割数目大于4时,将不能保证同一子区域内参考点位置的连通性,即连通性条件不能满足,例如图8。
图9至图12给出了在不同训练迭代次数条件下的ANFIS系统的定位误差,其中,图9至图12相应的迭代次数分别为k=50、k=100、k=200和k=500;由图可见,当迭代次数k=100时,ANFIS系统的定位性能达到最优;而当k=500时,人工神经网络对隶属度函数的训练出现过匹配现象,从而使得ANFIS系统的定位精度急剧恶化。因此,在实际ANFIS系统的建立过程中,应尽量保证系统的泛化能力,如采用基于遗传算法优化的人工神经网络来对系统进行训练,实现对最优解的全局遍历,避免隶属度函数参数陷入局部最优的情况。
表2
Claims (4)
1.WLAN室内分步式RD-ANFIS定位方法,其特征在于它的具体过程如下:
步骤一、确定WLAN室内环境下的目标定位区域,根据WLAN无线AP发射信号的覆盖范围和目标定位区域的面积,确定AP、RP和测试点的位置,使每个RP处均能采集到至少来自一个AP的信号SNR值;
步骤二、建立二维坐标系,得到每个RP的二维位置坐标,并在离线定位阶段,将每个RP处采集的来自不同AP的瞬时信号强度值,作为位置指纹数据库中的WLAN信号强度指纹样本进行存储;
步骤三、利用FCM聚类技术,将目标定位区域分割为若干相邻、连通的子区域;
步骤四、利用模糊减法聚类方法,对每个子区域中的WLAN信号强度指纹样本进行分类,对每个子区域分别建立相应的初始模糊推理准则;
步骤五、将所述信号强度指纹样本作为ANFIS系统的输入训练样本,将与所述信号强度指纹样本对应的各个RP的二维位置坐标作为ANFIS系统的输出训练样本,对所述初始模糊推理准则进行迭代优化训练,进而完成对每个子区域ANFIS系统的建立;
步骤六、在在线定位阶段,对定位终端的所在区域进行预估计,获得定位终端的初步位置估计区域;
步骤七、将定位终端处采集的信号强度均值作为所述初步位置估计区域的ANFIS系统的输入值,进而计算获得定位终端的精确位置坐标估计。
2.根据权利要求1所述的WLAN室内分步式RD-ANFIS定位方法,其特征在于步骤三所述内容的具体过程为:
通过对模糊聚类中心的迭代修正,使目标函数T(W,V)最小化,T(W,V)的定义如下:
其中,S为信号强度指纹样本的个数,C为模糊聚类中心的个数;表示模糊聚类中心的集合,且表示第i个子区域的模糊聚类中心;表示信号强度指纹样本的集合,且表示第j个信号强度指纹样本;表示加权指数;表示S行×S列的单位阵;为第j个信号强度指纹样本与第i个子区域模糊聚类中心的欧几里得距离;
FCM方法的约束优化目标函数如下:
利用拉格朗日乘数法,使上式中的目标函数T(W,V)取得最小值,需要满足下式:
其中,F表示拉格朗日乘数法的优化目标函数,λ表示拉格朗日乘子;
其中,,;Φ表示空集;
3.根据权利要求1所述的WLAN室内分步式RD-ANFIS定位方法,其特征在于步骤四所述内容的具体过程为:
,j=1,2,…,S;
令具有最大密度值的信号强度指纹样本作为第1个模糊聚类中心;
然后令第k次迭代时、具有最大密度值的信号强度指纹样本,作为第k+1个模糊聚类中心;
当满足终止条件时,停止迭代计算,所述终止条件为:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010209859A CN101873607B (zh) | 2010-06-25 | 2010-06-25 | Wlan室内分步式rd-anfis定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010209859A CN101873607B (zh) | 2010-06-25 | 2010-06-25 | Wlan室内分步式rd-anfis定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101873607A true CN101873607A (zh) | 2010-10-27 |
CN101873607B CN101873607B (zh) | 2012-10-03 |
Family
ID=42998216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010209859A Expired - Fee Related CN101873607B (zh) | 2010-06-25 | 2010-06-25 | Wlan室内分步式rd-anfis定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101873607B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253365A (zh) * | 2011-04-22 | 2011-11-23 | 华中科技大学 | 基于无线信号源参数估计的室内定位方法 |
CN102395194A (zh) * | 2011-08-25 | 2012-03-28 | 哈尔滨工业大学 | Wlan环境下改进ga优化的anfis室内定位方法 |
CN103313383A (zh) * | 2013-05-15 | 2013-09-18 | 华中科技大学 | 一种基于区域分割和曲面拟合的室内定位方法 |
CN103974414A (zh) * | 2014-05-16 | 2014-08-06 | 中国舰船研究设计中心 | 基于简化布点的室内定位方法 |
WO2014139446A1 (en) * | 2013-03-13 | 2014-09-18 | Huawei Technologies Co., Ltd. | System and method for localizing wireless devices |
CN104717744A (zh) * | 2014-12-19 | 2015-06-17 | 浙江大学城市学院 | 一种基于无线局域网及分层聚类的室内定位方法 |
CN105872972A (zh) * | 2016-04-29 | 2016-08-17 | 武汉大学 | 基于多目标优化的自适应ap选取方法 |
WO2016165459A1 (zh) * | 2015-09-23 | 2016-10-20 | 中兴通讯股份有限公司 | 一种室内定位方法和设备 |
CN106303954A (zh) * | 2016-08-05 | 2017-01-04 | 合肥工业大学 | 一种基于区域定位判别算法的蓝牙自助导游装置 |
CN106686042A (zh) * | 2015-11-11 | 2017-05-17 | 中国电信股份有限公司 | 反向位置指纹识别定位方法、装置和系统 |
CN107135541A (zh) * | 2017-04-21 | 2017-09-05 | 广东技术师范学院 | 基于optics密度聚类和bp神经网络的超宽带室内定位方法 |
CN107292270A (zh) * | 2017-06-23 | 2017-10-24 | 哈尔滨工业大学 | 一种用于脑电信号特征分类的anfis规则库优化算法 |
CN107431995A (zh) * | 2015-03-17 | 2017-12-01 | 赫尔环球有限公司 | 实现对移动装置的估计位置的验证 |
CN108761435A (zh) * | 2018-04-25 | 2018-11-06 | 西安交通大学 | 一种基于正态分布信号的指纹优化方法 |
CN108989986A (zh) * | 2018-09-06 | 2018-12-11 | 西安电子科技大学 | 基于迭代分割空间法的Wi-Fi室内定位方法 |
CN109257703A (zh) * | 2018-10-09 | 2019-01-22 | 江苏满运软件科技有限公司 | 司机聚集点的展示方法、装置、电子设备、存储介质 |
CN109788432A (zh) * | 2019-02-25 | 2019-05-21 | 广州市香港科大霍英东研究院 | 室内定位方法、装置、设备及存储介质 |
CN111385805A (zh) * | 2018-12-29 | 2020-07-07 | 中兴通讯股份有限公司 | 射频指纹信息库生成、栅格定位方法及装置 |
CN111935818A (zh) * | 2020-07-09 | 2020-11-13 | 重庆邮电大学 | 一种基于最大信息系数的模糊聚类冗余接入点约简方法 |
CN113075717A (zh) * | 2021-03-30 | 2021-07-06 | 太原理工大学 | 小波自适应神经网络减法聚类模糊推理方法、系统及定位设备、存储介质 |
TWI764842B (zh) * | 2021-10-13 | 2022-05-11 | 英屬維爾京群島商飛思捷投資股份有限公司 | 基於眾包校正的測距型定位系統及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060217132A1 (en) * | 2005-03-23 | 2006-09-28 | 3Com Corporation | High resolution localization for indoor environments |
CN101639527A (zh) * | 2009-09-03 | 2010-02-03 | 哈尔滨工业大学 | 基于rss-p的k近邻模糊聚类wlan室内定位方法 |
CN101742545A (zh) * | 2009-12-15 | 2010-06-16 | 中国科学院计算技术研究所 | WiFi环境中的定位方法及其系统 |
-
2010
- 2010-06-25 CN CN201010209859A patent/CN101873607B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060217132A1 (en) * | 2005-03-23 | 2006-09-28 | 3Com Corporation | High resolution localization for indoor environments |
CN101639527A (zh) * | 2009-09-03 | 2010-02-03 | 哈尔滨工业大学 | 基于rss-p的k近邻模糊聚类wlan室内定位方法 |
CN101742545A (zh) * | 2009-12-15 | 2010-06-16 | 中国科学院计算技术研究所 | WiFi环境中的定位方法及其系统 |
Non-Patent Citations (1)
Title |
---|
《International Conference on Wireless communication,Networking and Mobile Computing,2009.WiCom"09.5th》 20090926 Weixiao Meng等 ANFIS-Based Wireless LAN indoor positioning algortiom 全文 , * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253365B (zh) * | 2011-04-22 | 2013-04-24 | 华中科技大学 | 基于无线信号源参数估计的室内定位方法 |
CN102253365A (zh) * | 2011-04-22 | 2011-11-23 | 华中科技大学 | 基于无线信号源参数估计的室内定位方法 |
CN102395194A (zh) * | 2011-08-25 | 2012-03-28 | 哈尔滨工业大学 | Wlan环境下改进ga优化的anfis室内定位方法 |
CN102395194B (zh) * | 2011-08-25 | 2014-01-08 | 哈尔滨工业大学 | Wlan环境下改进ga优化的anfis室内定位方法 |
WO2014139446A1 (en) * | 2013-03-13 | 2014-09-18 | Huawei Technologies Co., Ltd. | System and method for localizing wireless devices |
CN103313383B (zh) * | 2013-05-15 | 2016-06-22 | 华中科技大学 | 一种基于区域分割和曲面拟合的室内定位方法 |
CN103313383A (zh) * | 2013-05-15 | 2013-09-18 | 华中科技大学 | 一种基于区域分割和曲面拟合的室内定位方法 |
CN103974414B (zh) * | 2014-05-16 | 2017-10-24 | 中国舰船研究设计中心 | 基于简化布点的室内定位方法 |
CN103974414A (zh) * | 2014-05-16 | 2014-08-06 | 中国舰船研究设计中心 | 基于简化布点的室内定位方法 |
CN104717744B (zh) * | 2014-12-19 | 2019-04-12 | 浙江大学城市学院 | 一种基于无线局域网及分层聚类的室内定位方法 |
CN104717744A (zh) * | 2014-12-19 | 2015-06-17 | 浙江大学城市学院 | 一种基于无线局域网及分层聚类的室内定位方法 |
CN107431995B (zh) * | 2015-03-17 | 2020-08-28 | 赫尔环球有限公司 | 实现对移动装置的估计位置的验证 |
CN107431995A (zh) * | 2015-03-17 | 2017-12-01 | 赫尔环球有限公司 | 实现对移动装置的估计位置的验证 |
WO2016165459A1 (zh) * | 2015-09-23 | 2016-10-20 | 中兴通讯股份有限公司 | 一种室内定位方法和设备 |
CN106686042A (zh) * | 2015-11-11 | 2017-05-17 | 中国电信股份有限公司 | 反向位置指纹识别定位方法、装置和系统 |
CN105872972A (zh) * | 2016-04-29 | 2016-08-17 | 武汉大学 | 基于多目标优化的自适应ap选取方法 |
CN105872972B (zh) * | 2016-04-29 | 2017-03-15 | 武汉大学 | 基于多目标优化的自适应ap选取方法 |
CN106303954A (zh) * | 2016-08-05 | 2017-01-04 | 合肥工业大学 | 一种基于区域定位判别算法的蓝牙自助导游装置 |
CN106303954B (zh) * | 2016-08-05 | 2019-04-19 | 合肥工业大学 | 一种基于区域定位判别算法的蓝牙自助导游装置 |
CN107135541A (zh) * | 2017-04-21 | 2017-09-05 | 广东技术师范学院 | 基于optics密度聚类和bp神经网络的超宽带室内定位方法 |
CN107292270A (zh) * | 2017-06-23 | 2017-10-24 | 哈尔滨工业大学 | 一种用于脑电信号特征分类的anfis规则库优化算法 |
CN108761435A (zh) * | 2018-04-25 | 2018-11-06 | 西安交通大学 | 一种基于正态分布信号的指纹优化方法 |
CN108989986A (zh) * | 2018-09-06 | 2018-12-11 | 西安电子科技大学 | 基于迭代分割空间法的Wi-Fi室内定位方法 |
CN108989986B (zh) * | 2018-09-06 | 2020-09-04 | 西安电子科技大学 | 基于迭代分割空间法的Wi-Fi室内定位方法 |
CN109257703A (zh) * | 2018-10-09 | 2019-01-22 | 江苏满运软件科技有限公司 | 司机聚集点的展示方法、装置、电子设备、存储介质 |
CN109257703B (zh) * | 2018-10-09 | 2020-08-25 | 江苏满运软件科技有限公司 | 司机聚集点的展示方法、装置、电子设备、存储介质 |
CN111385805A (zh) * | 2018-12-29 | 2020-07-07 | 中兴通讯股份有限公司 | 射频指纹信息库生成、栅格定位方法及装置 |
CN111385805B (zh) * | 2018-12-29 | 2022-08-19 | 中兴通讯股份有限公司 | 射频指纹信息库生成、栅格定位方法及装置 |
CN109788432A (zh) * | 2019-02-25 | 2019-05-21 | 广州市香港科大霍英东研究院 | 室内定位方法、装置、设备及存储介质 |
CN111935818A (zh) * | 2020-07-09 | 2020-11-13 | 重庆邮电大学 | 一种基于最大信息系数的模糊聚类冗余接入点约简方法 |
CN113075717A (zh) * | 2021-03-30 | 2021-07-06 | 太原理工大学 | 小波自适应神经网络减法聚类模糊推理方法、系统及定位设备、存储介质 |
TWI764842B (zh) * | 2021-10-13 | 2022-05-11 | 英屬維爾京群島商飛思捷投資股份有限公司 | 基於眾包校正的測距型定位系統及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101873607B (zh) | 2012-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101873607B (zh) | Wlan室内分步式rd-anfis定位方法 | |
CN101778399B (zh) | 基于fcm和最小二乘曲面拟合法的wlan室内优化ann定位方法 | |
CN103476118B (zh) | 一种用于实时监控的wlan室内位置指纹定位方法 | |
CN103686999B (zh) | 基于WiFi信号的室内无线定位方法 | |
Talvitie et al. | Distance-based interpolation and extrapolation methods for RSS-based localization with indoor wireless signals | |
CN102325369B (zh) | 基于参考点位置优化的wlan室内单源线性wknn定位方法 | |
CN103796305B (zh) | 一种基于Wi‑Fi位置指纹的室内定位方法 | |
CN103747419B (zh) | 一种基于信号强度差值与动态线性插值的室内定位方法 | |
Matic et al. | Tuning to your position: FM radio based indoor localization with spontaneous recalibration | |
CN103905992B (zh) | 一种基于指纹数据的无线传感器网络的室内定位方法 | |
Wang et al. | Optimizing node localization in wireless sensor networks based on received signal strength indicator | |
CN102170697A (zh) | 一种室内定位方法及装置 | |
CN107333276A (zh) | 基于加权卡方距离的WiFi位置指纹定位方法 | |
CN103209478A (zh) | 基于分类阈值及信号强度权重的室内定位方法 | |
CN100566345C (zh) | 基于超宽带的无线传感器网络节点定位方法 | |
CN104053129A (zh) | 一种基于稀疏射频指纹插值的无线传感器网络室内定位方法和装置 | |
CN103298107B (zh) | 一种基于加权无向图的室内无线定位ap快速部署方法 | |
CN105451244B (zh) | 一种小型基站协作的覆盖概率估计方法 | |
CN107801147A (zh) | 一种基于rssi测距改进的多区域自适应室内定位方法 | |
CN107302794A (zh) | 利用wifi信号作为移动定位与导航的方法 | |
Guan et al. | Robust, cost-effective and scalable localization in large indoor areas | |
Chai et al. | A new indoor positioning algorithm of cellular and Wi-Fi networks | |
CN109541537B (zh) | 一种基于测距的普适室内定位方法 | |
Achroufene | RSSI-based hybrid centroid-K-nearest neighbors localization method | |
CN109239656A (zh) | 一种位置指纹定位中的射频地图建立方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121003 Termination date: 20130625 |