CN102253365B - 基于无线信号源参数估计的室内定位方法 - Google Patents
基于无线信号源参数估计的室内定位方法 Download PDFInfo
- Publication number
- CN102253365B CN102253365B CN 201110101706 CN201110101706A CN102253365B CN 102253365 B CN102253365 B CN 102253365B CN 201110101706 CN201110101706 CN 201110101706 CN 201110101706 A CN201110101706 A CN 201110101706A CN 102253365 B CN102253365 B CN 102253365B
- Authority
- CN
- China
- Prior art keywords
- reference point
- signal source
- radio signal
- signal
- location
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于无线信号源参数估计的室内定位方法,步骤包括:(1)进行定位场所内的参考点样本采集作为训练输入;(2)对采集的参考点数据进行预处理;(3)通过大量数据训练处最适应的无线信号源参数;(4)利用估计出的无线信号源参数进行实时定位计算。本发明能够减少室内定位时的前提部署工作,使得室内定位系统的部署和升级更加便捷和快速。
Description
技术领域
本发明涉及室内定位,特别是基于无线信号源的参数估计的室内移动终端位置估计方法。
背景技术
室内定位技术是基于位置服务的重要底层支持,在医疗、零售、物流、制造以及政府管理中都有着重要的实用价值。
常见的定位技术包括GPS(Global Positioning System),TDOA(Time DifferenceOf Arrival)以及Cell Id等。
GPS利用卫星信号进行实时的位置计算,但由于在大部分室内环境中无法接收到卫星信号,因此GPS定位方法不适和室内环境下的定位。
TDOA利用无线信号到达不同已知位置地点的时间差,利用光速来确定到达两个不同已知位置的距离差,进而利用几何知识来确定目标终端的位置。但这种方法需要发送端和接收端的时钟严格同步,且精度足够高,而且要求已知位置和目标终端之间的距离不能太近。在室内场景中,常用作上述已知位置的信号发射源和目标终端之间的距离通常过近,而且在多数情况下无法做到时间同步,故此TDOA在多数情况下无法在室内环境中应用。
Cell Id法直接用信号强度最大的信号源位置作为待测目标终端的位置,理论上可以应用在室内场景中,但其精度太低,很难满足多数位置服务的要求,因此在室内场景中也没有得到广泛的应用。
截至目前,在室内定位中应用最广泛的方法称为“位置指纹法”。位置指纹法通过大量不同位置的无线信号信息进行采集对定位的特定环境进行抽象和形式化,用一些具体的、量化的参数描述定位环境中的各个位置,并用一个数据库把这些信息集成在一起。这个数据库中的信息称作“位置指纹”,观察者根据待定位物体所在位置的特征查询数据库,并根据特定的位置指纹匹配规则确定物体的位置。其核心是位置特征数据库和匹配规则,它本质上是一种模式识别方法。
但基于位置指纹的定位方法虽然在实际应用可以得到较高的精度,但需要大量的预采集,这种采集包括无线信号的信息以及采集点的位置,需要耗费一定的人力物力,并且当无线环境变化(如无线信号发射源的位置发射变化)时,所有的位置指纹需要进行更新以适应新的变化。需要注意的是,在预采集中,无线信号的信息采集远比位置信息的采集要容易和准确。
发明内容
有鉴于此,本发明的目的在于提供一种基于无线信号源参数估计的,低成本,部署快速并且具备环境同步能力的室内定位系统及方法。
为实现上述目的,本发明提出了一种基于无线信号源参数估计的室内定位方法,其特征在于,包括以下步骤:
步骤1,在定位场所中的M个位置进行无线信号样本采集,这M个采样的地点称作参考点,并保证参考点位置覆盖整个定位场所;在M个参考点中,有m个参考点的信号样本,m的下限值为3,记录了该参考点的信号强度信息和位置信息,该参考点记作位置已知参考点;而其余参考点的信号样本,只记录该参考点的信号强度信息,该参考点记作位置未知参考点;
步骤2,对步骤1中采集到的参考点数据进行信号转换预处理;
步骤3,依据步骤2预处理后的参考点数据对定位场所中的无线信号源进行参数估计,估计的参数包括无线信号源的位置和衰减因子;
步骤4,依据步骤3所估计出的无线信号源的位置和衰减因子参数,利用quasi-Newton法对于任意一组新的实时无线信号采样数据,进行实时位置估计。所述步骤2进一步包括:
步骤21,对步骤1中采集到的参考点数据进行数据分组,具体方法为:假设起始状态下,所有的参考点都隶属于不同的组;分组开始时,以任一参考点为起始,在余下的N-1个点中寻找所有和其信号空间的Euclidean距离小于第一门槛值的所有参考点,对于任意两个参考点r和t,信号空间的Euclidean距离表达式为其中sr,i是第r个参考点上接收到的第i个无线信号源的信号强度值,st,i是第t个参考点上接收到的第i个无线信号源的信号强度值,N是无线信号源总数。第一门槛值其中S是定位场所的面积,M是参考点总数;在上述满足要求的参考点集合中选择与起始参考点的Pearson相关度最大的一个,然后合并二者所属的组,对于任意两个参考点r和t,其Pearson相关度为其中sr,i是第r个参考点上接收到的第i个无线信号源的信号强度值,st,i是第t个参考点上接收到的第i个无线信号源的信号强度值,N是无线信号源总数;接下来对第二个参考点进行类似的操作:在余下的N-2个点中寻找信号空间的Euclidean距离小于第一门槛值的所有参考点,再从所有找到的点中选择Pearson相关度最大的一个合并两者所属的组;依次类推,直到遍历完所有的M个点为止;至此,M个参考点数据被分成了若干个组;
步骤22,对步骤21数据分组后的组进行相邻组判断,具体方法为:任取两个组,设为组1和组2,不失一般性,假设组1中的参考点不多于组2,根据以下条件判断两个组是否相邻:如果组1中存在不大于50%比例的点都能在组2中找到一点使得其Euclidean距离小于第二门槛值,则判定这两个组相邻,第二门槛值Th2=Th1+W1,其中Th1是第一门槛值,W1是相邻组墙壁补偿因子,根据材质和厚度的不同,W1的值可能在2dB到12dB内变化;如果不满足,则这两个组不相邻;依此,对于每一个组,找到其全部的相邻组;
步骤23,信号转换;信号转换的目的是将接收到无线信号尽可能的恢复到自由空间下的数值以供更好的距离估计;信号转换的具体方法为:首先,对于任一无线信号源,找出关于这个信号源的信号采样最大值所出现的参考点,将此信号源划分在此参考点所属的分组中;然后开始对各参考点信号样本进行操作,对于一个参考点所对应的所有信号采样值,若某信号采样值所来自的信号源所处的组与此参考点所在组相同,则不对此采样值做处理;若某信号采样值所来自的信号源所处的组与此参考点所在组相邻,则在此采样值上加上一个相邻组墙壁补偿因子W1;若某信号采样值所来自的信号源所处的组与此参考点所在组既不相同也不相邻,则在此采样值上加上一个相邻组墙壁补偿因子W2=2W1;
按照上述方法对所有参考点数据中的信号强度均进行转换,得到转换后的信号强度信息。
所述步骤3包括:
步骤31,无线信号源位置粗略参数估计;具体方法为:对于任一无线信号源,假设m个位置已知参考点中有k个能接收到其信号,那么分别以这k个参考点为环心,画出k个环形,求其交集,便是此无线信号源的可能存在区域;对于第j个参考点,其环形外径内径其中si,max是在所有参考点中关于第i个无线信号源的信号最大值,si,j是经过信号转换后的第j个参考点上第i个无线信号源的信号强度。若k个环形没有交集,则去除其中此无线信号源信号最弱的一点,考虑剩下的k-1个环形的交集;若还不存在交集则继续减少位置已知的参考点的数量,直到找到交集为止;
步骤32,无线信号源位置具体参数估计;具体方法为:利用遗传算法估计出最“适合”的定位场所内的无线信号源参数;
所述步骤32进一步包括:
步骤321,遗传算法初始化;具体方法为:初始化L个遗传算法个体作为初代群体,每个个体包含N个数据集合,每个集合对应一个无线信号源,其内容包括待估计的所有参数——无线信号源位置坐标以及衰减因子;初始化时为每个个体的所有数据集合中的所有参数在相应范围内随机一组值作为起始数据,其中位置参数的范围必须在步骤31所得到的环形交集内部,衰减因子参数的范围必须在1.2到8之间;
步骤322,位置未知的参考点的位置估计;具体方法为:对于一个完成初始化的个体,对位置未知的M-m个点进行定位;定位方法为:对于任一位置未知参考点,利用quasi-Newton法找到一组位置坐标,使得量最小,其中s′r是该参考点的采集信号中关于第r无线信号源转换后的信号强度,sr,max是在所有参考点关于第r个无线信号源的信号最大值,nr是第r个无线信号源的衰减因子,dr是此参考点到第r个信号源的物理距离;对于此位置未知参考点,比较其与m个位置已知参考点之间的信号空间Euclidean距离,从m个位置已知参考点中选取与此实时信号样本信号空间Euclidean距离最近的一个,并将此参考点的位置坐标设为使用quasi-Newton法求解时所需的坐标初始值;
步骤323,计算适应度;具体方法为:对于一个遗传算法个体,其适应度表示为其中sij是第j个参考点上关于第i个无线信号源的转换后的信号强度,si,max是是在所有参考点中关于第i个无线信号源的信号最大值,ni是第i个无线信号源的衰减因子,dij是第j个参考点与第i个无线信号源之间的物理距离;其适应度的值越小表明这个个体的无线信号源参数估计越“适合”;对于所有的L个个体,均计算出其适应度;
步骤324,进行遗传算法循环或终止判断;具体方法为:对所有的L个个体的适应度数值进行排序,选取最小的一个,如果这个最小的数值在连续g代以上中都无法变得“更小”,那么这个最小的数值所对应的无线信号源参数就是最终的估计结果,至此遗传算法终止;所述g的取值不小于10;前文中的“更小”在实际操作中并非绝对意义,事实上,当下一代的适应度不能比上一代小0.01以上时均可视为没有变小;在遗传算法终止之前,一代群体以保留、交叉、变异、随机四种方式产生下一代群体,并不断循环直至满足终止条件为止。
步骤4所述的quasi-Newton法的具体方法为:找到一组位置坐标,使得量最小,其中s′t是关于第t个无线信号源的转换后的信号强度,st,max是在用于参数估计的所有参考点所包含的所有信号采样值中关于第t个无线信号源的信号最大值,nt是估计出的第t个无线信号源的衰减因子,dt是待测目标终端到第t个无线信号源的物理距离;quasi-Newton法求解时设坐标的初始值为m个位置已知参考点中信号空间的Euclidean距离与此实时信号采样最近的一个参考点的位置坐标。
本发明通过提供一种基于无线信号源参数估计室内定位系统方法。解决了在室内定位中系统部署工作量大,环境变化适应性差等问题。由于采集无线数据远比采集地理位置快速和准确,而且无需了解无线信号源的信息,因此本发明极大地减少了室内定位的部署工作,并且可以根据需求进行快速的实时数据库更新,对于环境变化具有较好的适应性,因此具有较高的使用价值。
附图说明
图1为本发明的实施例中定位方法总体流程图;
图2为本发明实施例中数据预处理流程图;
图3为本发明实施例中无线信号源参数估计流程图;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图及具体实施例对本发明作进一步的详细描述。
本发明中为了描述方便,实施例以在有N个无线局域网无线信号源存在的办公楼层进行2维室内定位为具体场景来进行专利说明。
本发明所述的室内定位方法,包括:
步骤1,数据采集。将所述的定位场景划分为以2米为间隔的网格,在所有未被障碍物遮挡的网格节点上进行无线局域网信号采样。采样内容包括所有能接收到无线局域网无线信号源实时信号强度,为保证信号的可信度,每个采样连续进行10次,取平均值作为采样值。假设一共在M个地点进行了信号采样,这M个采样的地点称作“参考点”。并且对其中的m个进行位置坐标的测量。这些位置坐标已知的参考点称作“位置已知参考点”,其他的参考点称作“位置未知参考点”。m的取值越接近M,则定位精度越高,但是定位取样的成本越高,这显然不符合发明的初衷。为尽量降低取样成本,并且确保定位的精度,通常的m取值为不大于0.1M (向上取整)的整数,但m的取值不能小于3。采集完毕的数据用作下一步骤的输入数据。
步骤2,数据预处理。对输入数据依次进行分组,相邻组判断以及信号转换等处理。
步骤3,无线信号源参数估计。运用遗传算法对所有N个无线信号源的位置以及衰减因子等参数进行最“适合”的估计。
步骤4,实时定位。当无线信号源的参数估计好后,对于任意一组新的实时无线信号采样数据,可以利用估计好的无线信号源参数进行快速的实时位置估计,无需在每次定位前均进行参数估计。具体方法为:找到一组位置坐标,使得量最小,其中s′t是关于第t个无线信号源的转换后的信号强度,st,max是在用于参数估计的所有参考点所包含的所有信号采样值中关于第t个无线信号源的信号最大值,nt是估计出的第t个无线信号源的衰减因子,dt是待测目标终端到第t个无线信号源的物理距离;quasi-Newton法求解时设坐标的初始值为m个位置已知参考点中信号空间的Euclidean距离与此实时信号采样最近的一个参考点的位置坐标。
如图2所示,所述的步骤2进一步包括,
步骤21,对步骤1中采集到的参考点数据进行数据分组,具体方法为:假设起始状态下,所有的参考点都隶属于不同的组;分组开始时,以任一参考点为起始,在余下的N-1个点中寻找所有和其信号空间的Euclidean距离小于第一门槛值的所有参考点,对于任意两个参考点r和t,信号空间的Euclidean距离表达式为其中sr,i是第r个参考点上接收到的第i个无线信号源的信号强度值,st,i是第t个参考点上接收到的第i个无线信号源的信号强度值,N是无线信号源总数。第一门槛值其中S是定位场所的面积,M是参考点总数;在上述满足要求的参考点集合中选择与起始参考点的Pearson相关度最大的一个,然后合并二者所属的组,对于任意两个参考点r和t,其Pearson相关度为其中sr,i是第r个参考点上接收到的第i个无线信号源的信号强度值,st,i是第t个参考点上接收到的第i个无线信号源的信号强度值,N是无线信号源总数;接下来对第二个参考点进行类似的操作:在余下的N-2个点中寻找信号空间的Euclidean距离小于第一门槛值的所有参考点,再从所有找到的点中选择Pearson相关度最大的一个合并两者所属的组;依次类推,直到遍历完所有的M个点为止;至此,M个参考点数据被分成了若干个组;
步骤22,对步骤21数据分组后的组进行相邻组判断,具体方法为:任取两个组,设为组1和组2,不失一般性,假设组1中的参考点不多于组2,根据以下条件判断两个组是否相邻:如果组1中存在不大于50%比例的点都能在组2中找到一点使得其Euclidean距离小于第二门槛值,则判定这两个组相邻,第二门槛值Th2=Th1+W1,其中Th1是第一门槛值,W1是相邻组墙壁补偿因子,根据材质和厚度的不同,W1的值可能在2dB到12dB内变化;如果不满足,则这两个组不相邻;依此,对于每一个组,找到其全部的相邻组;
步骤23,信号转换;信号转换的目的是将接收到无线信号尽可能的恢复到自由空间下的数值以供更好的距离估计;信号转换的具体方法为:首先,对于任一无线信号源,找出关于这个信号源的信号采样最大值所出现的参考点,将此信号源划分在此参考点所属的分组中;然后开始对各参考点信号样本进行操作,对于一个参考点所对应的所有信号采样值,若某信号采样值所来自的信号源所处的组与此参考点所在组相同,则不对此采样值做处理;若某信号采样值所来自的信号源所处的组与此参考点所在组相邻,则在此采样值上加上一个相邻组墙壁补偿因子W1;W1的值可能在2dB到12dB内变化,如果无法根据实际情况获得准确值,可以采用默认值6dB。若某信号采样值所来自的信号源所处的组与此参考点所在组既不相同也不相邻,则在此采样值上加上一个相邻组墙壁补偿因子W2=2W1;
按照上述方法对所有参考点数据中的信号强度均进行转换,得到转换后的信号强度信息。
如图3所示,所述的步骤3进一步为,
步骤31,无线信号源位置粗略估计。对于任意一个无线信号源,假设在m个位置已知参考点中有k个可以接收到其信号,则以这k个位置已知参考点的位置为环形,
其中si,max是在所有参考点中关于第i个无线信号源的信号最大值,si,j是经过信号转换后的第j个参考点上第i个无线信号源的信号强度。k个环形的公共区间,即其交集就是此无线信号源位置的粗略估计区域。若k个环形没有交集,则从中去除接收到此无线信号源信号强度最弱的一个位置已知参考点,利用剩下的k-1个参考点做环形,以此k-1个环形的交集作为无线信号源位置的粗略估计区域。若仍然找不到,则继续减少位置已知参考点的数量,直到剩下的位置已知参考点可以找到交集位置。利用上述方法,对所有的N个无线信号源都找出其位置的粗略估计区域。
步骤32,无线信号源参数估计初始化。对于初代群体中的L个体,在本实施例中L取值为500,即每一代群体中含有500个个体,每个个体的具体内容包括N个无线信号源的坐标(x,y)以及衰减因子n共计3N个参数。
步骤33,判断是否为初代群体。若是,则转向步骤34,若不是则转向步骤38。
步骤34,随机生成无线信号源参数。在最初的一代群体中,每个无线信号源位置在步骤31中求得的位置粗略估计区域中取一个随机值作为初始值,衰减因子从取值区间[1.2,8]中取一个随机值作为初代群体的参数值。
步骤35,位置参考点的位置估计。对于M-m个位置未知的参考点进行基于无线信号源参数的位置估计。对于任意一个参考点,利用quasi-Newton法找到一组位置坐标,使得量最小,其中s′r是该参考点的采集信号中关于第r无线信号源转换后的信号强度,sr,max是在所有参考点关于第r个无线信号源的信号最大值,nr是第r个无线信号源的衰减因子,dr是此参考点到第r个信号源的物理距离。quasi-Newton法求解时需要一个初始坐标值,对于任一个参考点,设定此初始值为m个位置已知参考点中转换后信号强度在信号空间的Euclidean距离与此参考点转换后信号强度最近的一个参考点的坐标。
步骤36,适应度计算。当基于一个个体中的无线信号源参数完成了所有位置未知参考点的位置估计后,通过以下公式计算此个体的适应度其中sij是第j个参考点上关于第i个无线信号源的转换后的信号强度,si,max是是在所有参考点中关于第i个无线信号源的信号最大值,ni是第i个无线信号源的衰减因子,dij是第j个参考点与第i个无线信号源之间的物理距离。其适应度的值越小表明这个个体越“适合”。对于所有的500个个体,均计算出其适应度。
步骤37,判断是否满足终止条件。若群体中所有适应度中的最小值连续十代不能变得更小,在本实施例中,只有当某代群体的适应度最小值不能比其上一代群体适应度最小值小0.01以上,才被视为“更小:则基因算法终止,转向步骤39,否则转向步骤33。
步骤38,通过遗传运算生成个体参数。父代群体产生子代群体的运算规则包括以下四条:(1)保留。对于一代群体中的Q各个体而言,其中适应度最小的一些个体得到保留——在本实施例中保留适应度最小的20%个体;(2)交叉。利用父代群体中的两个个体的相应参数进行对外交叉以产生新的子代个体,即对于任一个参数(坐标或衰减因子),子代和父代的关系为Parachild=a·Paraparent1+(1-a)Paraparent2,a∈[0,1],在本实例中通过交叉产生的子代个体占50%;(3)变异。在前一代群体中的某个个体的基础上进行参数的随机性微调以产生新的子代个体,即对于任一个参数(坐标或衰减因子),子代和父代的关系为Parachild=Paraparent1+Random,在本实例中通过变异产生的子代个体占20%;(4)随机。同初始化时一样,子代个体的数值通过在合理范围内完全随机产生,在本实例中通过随机产生的子代个体占10%。
步骤39,选取适应度最小的一组参数作为估计结果。当遗传算法终止后,任务最终一代群体中适应度最小的个体中所包含的位置坐标和衰减因子参数,就是无线信号源参数的最终估计结果。
综上所述,当进行训练数据采集时只对少量样本采集位置信息,而对大量样本只采集信号信息可以大量的节约人力物力。本发明在此基础上,通过大量的真实数据训练,将室内空间的信号分布特性提炼在无线信号源参数中,并以此参数为基础进行快速的实时定位计算,减少了室内定位的前期部署工作量,并且使系统的更新变得更加简单易行,从而使该方法具有较高的实用价值。
本领域的技术人员在不脱离权利要求书确定的本发明的精神和范围之下,还可以对上述内容进行各种修改。因此本发明的范围并不限于以上说明,而是以权利说明书的范围来确定。
Claims (4)
1.一种基于无线信号源参数估计的室内定位方法,其特征在于,包括以下步骤:
步骤1,在定位场所中的M个位置进行无线信号样本采集,这M个采样的地点称作参考点,并保证参考点位置覆盖整个定位场所;在M个参考点中,有m个参考点的信号样本,m的下限值为3,记录了该参考点的信号强度信息和位置信息,这些参考点记作位置已知参考点;而其余参考点的信号样本,只记录该参考点的信号强度信息,这些参考点记作位置未知参考点;
步骤2,对步骤1中采集到的参考点数据进行信号转换预处理;所述步骤2包括:
步骤21,对步骤1中采集到的参考点数据进行数据分组,具体方法为:假设起始状态下,所有的参考点都隶属于不同的组;分组开始时,以任一参考点为起始,在余下的N-1个点中寻找所有和其信号空间的Euclidean距离小于第一门槛值的所有参考点,对于任意两个参考点r和t,信号空间的Euclidean距离表达式为其中sr,i是第r个参考点上接收到的第i个无线信号源的信号强度值,st,i是第t个参考点上接收到的第i个无线信号源的信号强度值,N是无线信号源总数;第一门槛值其中S是定位场所的面积,M是参考点总数;在上述满足要求的参考点集合中选择与起始参考点的Pearson相关度最大的一个,然后合并二者所属的组,对于任意两个参考点r和t,其Pearson相关度为 其中sr,i是第r个参考点上接收到的第i个无线信号源的信号强度值,st,i是第t个参考点上接收到的第i个无线信号源的信号强度值,N是无线信号源总数;接下来对第二个参考点进行类似的操作:在余下的N-2个点中寻找信号空间的Euclidean距离小于第一门槛值的所有参考点,再从所有找到的点中选择Pearson相关度最大的一个合并两者所属的组;依次类推,直到遍历完所有的M个点为止;至此,M个参考点数据被分成了若干个组;
步骤22,对步骤21数据分组后的组进行相邻组判断,具体方法为:任取两个组,设为组1和组2,不失一般性,假设组1中的参考点不多于组2,根据以下条件判断两个组是否相邻:如果组1中存在不大于50%比例的点都能在组2中找到一点使得其Euclidean距离小于第二门槛值,则判定这两个组相邻,第二门槛值Th2=Th1+W1,其中Th1是第一门槛值,W1是相邻组墙壁补偿因子,根据材质和厚度的不同,W1的值可能在2dB到12dB内变化;如果不满足,则这两个组不相邻;依此,对于每一个组,找到其全部的相邻组;
步骤23,信号转换;信号转换的目的是将接收到无线信号尽可能的恢复到自由空间下的数值以供更好的距离估计;信号转换的具体方法为:首先,对于任一无线信号源,找出关于这个信号源的信号采样最大值所出现的参考点,将此信号源划分在此参考点所属的分组中;然后开始对各参考点信号样本进行操作,对于一个参考点所对应的所有信号采样值,若某信号采样值所来自的信号源所处的组与此参考点所在组相同,则不对此采样值做处理;若某信号采样值所来自的信号源所处的组与此参考点所在组相邻,则在此采样值上加上一个相邻组墙壁补偿因子W1;若某信号采样值所来自的信号源所处的组与此参考点所在组既不相同也不相邻,则在此采样值上加上一个相邻组墙壁补偿因子W2=2W1;
按照上述方法对所有参考点数据中的信号强度均进行转换,得到转换后的信号强度信息;
步骤3,依据步骤2预处理后的参考点数据对定位场所中的无线信号源进行参数估计,估计的参数包括无线信号源的位置和衰减因子;
步骤4,依据步骤3所估计出的无线信号源的位置和衰减因子参数,利用quasi-Newton法对于任意一组新的实时无线信号采样数据,进行实时位置估计。
2.根据权利要求1所述的基于无线信号源参数估计的室内定位方法,其特征在于,所述步骤3包括:
步骤31,无线信号源位置粗略参数估计;具体方法为:对于任一无线信号源,假设m个位置已知参考点中有k个能接收到其信号,那么分别以这k个参考点为环心,画出k个环形,求其交集,便是此无线信号源的可能存在区域;对于第j个参考点,其环形外径 内径 其中si,max是在所有参考点中关于第i个无线信号源的信号最大值,si,j是经过信号转换后的第j个参考点上第i个无线信号源的信号强度;若k个环形没有交集,则去除其中此无线信号源信号最弱的一点,考虑剩下的k-1个环形的交集;若还不存在交集则继续减少位置已知的参考点的数量,直到找到交集为止;
步骤32,无线信号源位置具体参数估计;具体方法为:利用遗传算法估计出最优的定位场所内的无线信号源参数。
3.根据权利要求2所述的基于无线信号源参数估计的室内定位方法,其特征在于,所述步骤32进一步包括:
步骤321,遗传算法初始化;具体方法为:初始化L个遗传算法个体作为初代群体,每个个体包含N个数据集合,每个集合对应一个无线信号源,其内容包括待估计的所有参数——无线信号源位置坐标以及衰减因子;初始化时为每个个体的所有数据集合中的所有参数在相应范围内随机一组值作为起始数据,其中位置参数的范围必须在步骤31所得到的环形交集内部,衰减因子参数的范围必须在1.2到8之间;
步骤322,位置未知的参考点的位置估计;具体方法为:对于一个完成初始化的个体,对位置未知的M-m个点进行定位;定位方法为:对于任一位置未知参考点,利用quasi-Newton法找到一组位置坐标,使得量最小,其中s′r是该参考点的采集信号中关于第r无线信号源转换后的信号强度,sr,max是在所有参考点关于第r个无线信号源的信号最大值,nr是第r个无线信号源的衰减因子,dr是此参考点到第r个信号源的物理距离;对于此位置未知参考点,比较其与m个位置已知参考点之间的信号空间Euclidean距离,从m个位置已知参考点中选取与此实时信号样本信号空间Euclidean距离最近的一个,并将此参考点的位置坐标设为使用quasi-Newton法求解时所需的坐标初始值;
步骤323,计算适应度;具体方法为:对于一个遗传算法个体,其适应度表示为其中sij是第j个参考点上关于第i个无线信号源的转换后的信号强度,si,max是在所有参考点中关于第i个无线信号源的信号最大值,ni是第i个无线信号源的衰减因子,dij是第j个参考点与第i个无线信号源之间的物理距离;其适应度的值越小表明这个个体的无线信号源参数估计越“适合”;对于所有的L个个体,均计算出其适应度;
步骤324,进行遗传算法循环或终止判断;具体方法为:对所有的L个个体的适应度数值进行排序,选取最小的一个,如果这个最小的数值在连续g代以上中都无法变得“更小”,那么这个最小的数值所对应的无线信号源参数就是最终的估计结果,至此遗传算法终止;所述g的取值不小于10;前文中的“更小”在实际操作中并非绝对意义,事实上,当下一代的适应度不能比上一代小0.01以上时均可视为没有变小;在遗传算法终止之前,一代群体以保留、交叉、变异、随机四种方式产生下一代群体,并不断循环直至满足终止条件为止。
4.根据权利要求1所述的基于无线信号源参数估计的室内定位方法,其特征在于,步骤4所述的quasi-Newton法的具体方法为:找到一组位置坐标,使得量最小,其中s't是关于第t个无线信号源的转换后的信号强度,st,max是在用于参数估计的所有参考点所包含的所有信号采样值中关于第t个无线信号源的信号最大值,nt是估计出的第t个无线信号源的衰减因子,dt是待测目标终端到第t个无线信号源的物理距离;quasi-Newton法求解时设坐标的初始值为m个位置已知参考点中信号空间的Euclidean距离与此实时信号采样最近的一个参考点的位置坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110101706 CN102253365B (zh) | 2011-04-22 | 2011-04-22 | 基于无线信号源参数估计的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110101706 CN102253365B (zh) | 2011-04-22 | 2011-04-22 | 基于无线信号源参数估计的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102253365A CN102253365A (zh) | 2011-11-23 |
CN102253365B true CN102253365B (zh) | 2013-04-24 |
Family
ID=44980731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110101706 Expired - Fee Related CN102253365B (zh) | 2011-04-22 | 2011-04-22 | 基于无线信号源参数估计的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102253365B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102638888B (zh) * | 2012-03-19 | 2014-07-23 | 华中科技大学 | 基于信号统计的室内定位指纹分组方法 |
CN105050101B (zh) * | 2014-04-28 | 2020-04-03 | 维亚威解决方案英国有限公司 | 用于导出信号强度衰减特征值的方法和装置 |
CN106199737A (zh) * | 2015-04-29 | 2016-12-07 | 冠捷投资有限公司 | 电子装置及其控制方法 |
US10849205B2 (en) | 2015-10-14 | 2020-11-24 | Current Lighting Solutions, Llc | Luminaire having a beacon and a directional antenna |
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 |
CN106814345B (zh) * | 2017-03-24 | 2019-04-19 | 西北工业大学 | 易于数据采集和高精度的室内定位方法 |
CN109900270B (zh) * | 2017-12-09 | 2023-01-31 | 英业达科技有限公司 | 以常规与模糊演算结果判断干扰源位置的系统及其方法 |
CN113473357B (zh) * | 2021-06-15 | 2024-05-28 | 深圳优地科技有限公司 | 辅助定位方法、装置、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101114964A (zh) * | 2007-08-21 | 2008-01-30 | 北京大学 | 一种无线网状网络的客户机节点定位方法 |
CN101547506A (zh) * | 2009-02-17 | 2009-09-30 | 华中科技大学 | 基于信号接收强度信息指纹的gsm网络定位用户方法 |
CN101620267A (zh) * | 2007-12-07 | 2010-01-06 | 中国移动通信集团广东有限公司 | 一种室内无线定位系统及算法 |
TW201003104A (en) * | 2008-07-10 | 2010-01-16 | Htc Corp | Method and apparatus for updating positioning information and computer program product using the method |
CN101873607A (zh) * | 2010-06-25 | 2010-10-27 | 哈尔滨工业大学 | Wlan室内分步式rd-anfis定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003294416A1 (en) * | 2002-11-27 | 2004-06-23 | Cognio, Inc | System and method for locating sources of unknown wireless radio signals |
US7570213B2 (en) * | 2005-06-14 | 2009-08-04 | The United States Of America As Represented By The Secretary Of The Air Force | Method and apparatus for detecting and locating intrusion in a wireless network |
-
2011
- 2011-04-22 CN CN 201110101706 patent/CN102253365B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101114964A (zh) * | 2007-08-21 | 2008-01-30 | 北京大学 | 一种无线网状网络的客户机节点定位方法 |
CN101620267A (zh) * | 2007-12-07 | 2010-01-06 | 中国移动通信集团广东有限公司 | 一种室内无线定位系统及算法 |
TW201003104A (en) * | 2008-07-10 | 2010-01-16 | Htc Corp | Method and apparatus for updating positioning information and computer program product using the method |
CN101547506A (zh) * | 2009-02-17 | 2009-09-30 | 华中科技大学 | 基于信号接收强度信息指纹的gsm网络定位用户方法 |
CN101873607A (zh) * | 2010-06-25 | 2010-10-27 | 哈尔滨工业大学 | Wlan室内分步式rd-anfis定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102253365A (zh) | 2011-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102253365B (zh) | 基于无线信号源参数估计的室内定位方法 | |
CN108989976B (zh) | 一种智慧教室内的指纹定位方法及系统 | |
CN106792465B (zh) | 一种基于众包指纹的室内指纹地图构建方法 | |
CN108107461B (zh) | 一种基于移动终端室内外定位无缝切换方法 | |
CN102932911B (zh) | 位置指纹定位方法及定位系统 | |
KR102116824B1 (ko) | 딥러닝 기반 측위 시스템 및 이의 구축 방법 | |
CN105635962A (zh) | 自动wlan射电图构建方法和系统 | |
CN105307121B (zh) | 一种信息处理方法及装置 | |
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 | |
CN104270818A (zh) | 一种停车场中车辆的无线定位方法 | |
CN102752855A (zh) | 基于路径规则和预测的室内人员定位系统及方法 | |
CN104038901A (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
CN105491661A (zh) | 基于改进的Kalman滤波算法的室内定位系统及方法 | |
CN104540221A (zh) | 基于半监督sde算法的wlan室内定位方法 | |
CN103249144A (zh) | 一种基于c型的无线传感器网络节点定位方法 | |
CN102984745A (zh) | Wi-Fi AP位置及路径损耗模型的联合估测方法 | |
CN111294841B (zh) | 一种无线网络问题的处理方法、装置及存储介质 | |
CN113596989A (zh) | 一种用于智慧车间的室内定位方法及系统 | |
CN111405461B (zh) | 一种优化等间隔指纹采样个数的无线室内定位方法 | |
CN116148766A (zh) | 一种基于超宽带定位与指纹定位的三维室内定位方法与系统 | |
CN109141420B (zh) | 一种基于众包数据的室内定位方法 | |
Wang et al. | Optimal target tracking based on dynamic fingerprint in indoor wireless network | |
Maaloul et al. | Bluetooth beacons based indoor positioning in a shopping malls using machine learning | |
Meneses et al. | Using GSM CellID positioning for place discovering | |
CN109541537A (zh) | 一种基于测距的普适室内定位方法 |
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: 20130424 Termination date: 20140422 |