CN102480677A - 一种指纹定位误差的确定方法和设备 - Google Patents
一种指纹定位误差的确定方法和设备 Download PDFInfo
- Publication number
- CN102480677A CN102480677A CN2010105641579A CN201010564157A CN102480677A CN 102480677 A CN102480677 A CN 102480677A CN 2010105641579 A CN2010105641579 A CN 2010105641579A CN 201010564157 A CN201010564157 A CN 201010564157A CN 102480677 A CN102480677 A CN 102480677A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- cluster
- locating platform
- positioning result
- subscriber equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000060 site-specific infrared dichroism spectroscopy Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种指纹定位误差的确定方法和设备,该方法包括:指纹定位平台接收用户设备上报的用户实测数据,并根据所述用户实测数据和指纹数据库中存储的指纹聚类信息查询所述用户设备对应的指纹聚类;所述指纹定位平台根据查询到的指纹聚类确定所述用户设备的指纹定位误差。本发明实施例中,通过使用指纹聚类集合计算用户设备的指纹定位误差,可以高效、准确地估计出在线定位结果的误差,从而有效地改善定位误差估计的整体性能。而且可以省去大量离线和训练阶段的采集、计算处理开销,使得系统对定位环境没有依赖性,有效改善了系统的通用性。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种指纹定位误差的确定方法和设备。
背景技术
随着通信技术的发展,作为移动通信和个人通信服务的一部分,位置服务变得越来越重要。其中,指纹定位技术是位置服务中的一种常用的定位技术,可以在无线网络中基于移动终端接收到的基站信号强度确定移动终端的位置。由于基站信号的多径传播对环境具有依赖性,对于每个位置而言,该位置上信道的多径结构是唯一的,移动终端发射的无线电波经过反射和折射,产生与周围环境密切相关的特定模式的多径信号,这样的多径特征可以作为该位置的“指纹”,指纹定位技术可以基于上述多径特征,实现对移动终端的定位。
通常情况下,指纹定位技术包括离线指纹采样和在线指纹定位两个阶段。在离线指纹采样阶段,移动终端整合在足够密度采样点处接收到的可见基站信号的强度信息及其采样点位置坐标(经度、纬度、高度等)等数据,并由指纹定位平台根据上述数据生成相应的指纹记录,将指纹记录存入指纹数据库中。此外,还可以在离线指纹采样阶段对指纹记录进行预处理(如将指纹数据库中可见基站集合重合且位置坐标相近的指纹剔除等),以提高在线指纹定位阶段指纹搜索、匹配和优选处理等方面的性能。
在线指纹定位阶段中,指纹定位平台基于预设规则或数理统计理论对移动终端上报的实测数据(实测信号强度数据)与指纹数据库中的指纹记录之间的相似性进行度量和匹配,优选出与实测数据最接近的K个样本指纹,并返回该K个优选样本指纹所在位置的均值作为移动终端的位置。
在上述指纹定位过程中,可见基站可以为蜂窝小区基站,也可以为WLAN(Wireless Local Area Network,无线局域网)的AP(Access Point,接入点);且移动终端需要具备相应的通信能力,例如,当可见基站为WLANAP的情况下,移动终端需要具备WLAN通信能力。
随着位置业务的不断发展和创新,位置应用对基础定位能力的要求越来越高,位置能力正在向着开放、智能的方向不断发展。指纹定位平台不仅要具备开放的高质量的定位能力,而且还需要对自身的定位结果的质量有着清晰的认知,因此,指纹定位平台需要对定位误差进行评估,才能够在多样化的位置应用需求、场景和环境条件下为用户提供更加多样化的区分位置服务。
现有的指纹定位技术中,为了实现对定位误差的估计,在离线指纹采样阶段采集和计算无线信号相关特性分析参数(如基站信号强度均值、方差,边缘概率分布等)数据之后,以及在线指纹定位阶段之前增加一个训练阶段。在训练阶段中,通过使用带有GPS(Global Positioning System,全球定位系统)的移动终端等方式实时记录指纹定位过程中的信号实测数据、定位结果和相应的定位误差;针对上述记录数据,可以利用基于统计分析、估计和学习理论的神经网络、机器学习等技术,训练得到通过信号参数求解定位误差的经验模型,使得用户实际在线定位的过程中,可以在利用信号强度参数确定指纹定位坐标的同时,利用训练阶段得到的信号强度参数与误差估计之间的关系模型求解出用户定位结果的估计误差;从而在经过充足的离线训练学习之后,可以在局部相同空间区域内实现较高的误差估计精度。
在实现本发明的过程中,发明人发现现有技术至少存在如下问题:
采用现有的定位误差估计技术时,需要在离线指纹采样阶段耗费大量的计算处理开销来采集和测量范围足够广、密度足够大的指纹数据(如包括无线基站信号强度和基于GPS位置的指纹定位误差),而且在线指纹定位阶段还需要具备相同的机器学习模型来实时估计定位误差,使得现有技术不仅会受到预处理开销的影响而降低其通用性,而且还会因过大的处理开销和离线训练准备而进一步限制其在移动终端上的实时性和可用性。此外,由于不同环境下信号参数与定位误差之间的模型关系并不相同,因此现有的定位误差估计技术的精确性无法得到保证。
发明内容
本发明实施例提供一种指纹定位误差的确定方法和设备,以提高定位误差估计的精确性。
为了达到上述目的,本发明实施例提供一种指纹定位误差的确定方法,指纹定位平台的指纹数据库中存储有包含多个基站信号强度满足预设关系的指纹采样点的指纹聚类,该方法包括:
指纹定位平台接收用户设备上报的用户实测数据,并根据所述用户实测数据和所述指纹数据库中存储的指纹聚类信息查询所述用户设备对应的指纹聚类;
所述指纹定位平台根据查询到的指纹聚类确定所述用户设备的指纹定位误差。
本发明实施例提供一种指纹定位平台,所述指纹定位平台的指纹数据库中存储有包含多个基站信号强度满足预设关系的指纹采样点的指纹聚类,所述指纹定位平台包括:
接收模块,用于接收用户设备上报的用户实测数据;
查询模块,用于根据所述用户实测数据和所述指纹数据库中存储的指纹聚类信息查询所述用户设备对应的指纹聚类;
确定模块,用于根据查询到的指纹聚类确定所述用户设备的指纹定位误差。
与现有技术相比,本发明至少具有以下优点:
通过使用指纹聚类集合计算用户设备的指纹定位误差,可以高效、准确地估计出在线定位结果的误差,从而有效地改善定位误差估计的整体性能。而且可以省去大量离线和训练阶段的采集、计算处理开销,使得系统对定位环境没有依赖性,有效改善了系统的通用性。
附图说明
为了更清楚地说明本发明的技术方案,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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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是本发明实施例应用场景的示意图;
图2是本发明实施例一提供的一种指纹定位误差的确定方法流程示意图;
图3是本发明实施例提供的一种指纹定位平台结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
本发明实施例一提供一种指纹定位误差的确定方法,应用于包括基站、用户设备(即移动终端)和指纹定位平台的系统中,如图1所示的本发明实施例应用场景的示意图,该指纹定位平台中设置有指纹数据库,且该指纹数据库中存储有包含多个基站信号强度满足预设关系(如:多个基站信号强度相似)的指纹采样点的指纹聚类;且指纹数据库中存储有多个指纹采样点的信息,该信息包括但不限于指纹采样点的位置、可见基站的基站标识和基站信号强度等。
如图2所示,本发明实施例一提供的指纹定位误差的确定方法,包括以下步骤:
步骤201,用户设备在各采样点处采集各可见基站的标识信息和信号强度信息,并获取所在采样点的位置坐标。
其中,该标识信息包括但不限于:蜂窝基站的Cell ID(小区标识)或者WLAN AP的SSID(Service Set Identifier,服务集标识);该信号强度信息包括但不限于:RSSI(Received Signal Strength Indication,接收的信号强度指示)。
本发明实施例中,该用户设备为定位场景下相应的终端设备,如WLAN网络下的WLAN终端,蜂窝网络下的GSM(Global System for MobileCommunications,全球移动通讯系统)/CDMA(Code Division Multiple Access,码分多址)终端等。
本步骤中,获取所在采样点的位置坐标的方式包括但不限于通过GPS定位或地址登记等方式获取所在采样点的位置坐标。
具体的,用户设备可在满足一定密度的采样点位置处采集基站发射信号强度(如均值矢量或边缘概率分布直方图等)信息,并记录采样点位置坐标(经度、纬度、高度等)等信息。之后,可生成相应的指纹记录,并存入指纹数据库中,该过程与现有技术类似,在此不再详加赘述。
步骤202,指纹定位平台整合用户设备所采集的指纹数据,并进行一定的预处理操作。例如,将指纹数据库中可见基站集合重合且位置坐标相近的指纹剔除等。
步骤203,指纹定位平台根据指纹数据库中的指纹采样点的基站信号强度划分指纹聚类。即指纹定位平台基于可见基站集合对所有指纹记录进行聚类处理,将可见基站集合相同或者相似的指纹归为相同聚类。
本发明实施例中,在上述采集原始指纹数据的基础上,为了满足在线指纹定位阶段对大面积区域内所采集大量采样点指纹的搜索速度,可以在离线指纹采样阶段对原始的采样点指纹记录进行基于可见基站的指纹聚类预处理,以提高在线指纹定位阶段指纹数据库在搜索、匹配和优选处理等方面的性能。其中,所谓聚类(Clustering)又称为分簇,是指对在某方面具有相同特点或属性的对象进行聚合分类的过程,本发明实施例中的聚类属性为用户设备的可见基站集合(即有哪些可以接收的基站),即具有相同可见基站集合的指纹都划归相同的聚类。
具体的,指纹定位平台可根据无线信号覆盖用户设备的接收位置(可以是离线采样点位置,也可以是在线定位时的观测位置)的基站对采样点指纹进行聚类处理。其过程主要为:设在某用户设备接收位置处有v个基站可见,则根据此v个可见基站可确定该接收位置处测量到的信号指纹所归属的聚类,即将所有被此v个基站覆盖的接收位置指纹都归属为相同聚类。其中,使用v个可见基站组成的无序集合进行聚类操作,归属相同聚类的指纹被分配相同的聚类标识(比如Cluster ID)。
需要注意的是,关于v值的选取和确定,需要保证所有接收位置在大部分时间内都至少被v个基站所覆盖,即要求v小于等于指纹数据库中可见基站数的最小值。
步骤204,指纹定位平台将指纹数据存储到指纹数据库。
步骤205,用户设备实时采集用户实测数据,并将用户实测数据上报给指纹定位平台。其中,该用户实测数据包括但不限于基站的标识信息(如蜂窝基站Cell ID或WLAN热点MAC地址、SSID等)和信号强度信息。
步骤206,指纹定位平台接收用户设备上报的用户实测数据,并根据该用户实测数据和指纹数据库中存储的指纹聚类信息查询该用户设备对应的指纹聚类。
具体的,该指纹定位平台可根据用户实测数据和指纹数据库中存储的指纹采样点的信息确定用户设备的定位结果;并根据定位结果查询定位结果对应的指纹聚类;其中,定位结果对应的指纹聚类包括:定位结果所属的指纹聚类或者定位结果对应的最优指纹所属的指纹聚类。
在确定用户设备的定位结果的过程中,该指纹定位平台可根据用户实测数据在指纹数据库中确定用户实测数据对应的最优指纹聚类,并根据最优指纹聚类确定用户设备的定位结果。
具体的,指纹定位平台可根据用户设备上报的用户实测数据在指纹数据库中搜索匹配与用户实测数据最相近的指纹集合,并根据指纹优选算法确定最优指纹集合,以及经过均值处理等方法(实际应用中还可以为其他的算法)得到用户设备的最终位置(即用户设备的定位结果,为坐标点)。
另外,在查询定位结果对应的指纹聚类的过程中,该指纹定位平台可根据定位结果与指纹聚类的对应关系查询该定位结果所属的指纹聚类。
本发明实施例中,在线指纹定位阶段中,指纹定位平台可根据用户设备上报的可见基站集合确定其所属指纹聚类,其方法是:与在线用户设备可见基站集合交集元素数量最多的聚类即为所需指纹聚类。假设用户设备的可见基站集合为V,离线指纹聚类为:C(i),i=1,2,...,N,其中N为离线聚类的数量,则有与在线可见基站集合交集最大的交集元素个数为:
k=argmaxi{|V∩C(i)|,i=1,...,N},其中,argmaxi{·}代表使{·}取得最大值的参数i,|S|为集合S的大小即元素个数。由此可知,定位用户设备实测结果所属聚类为:C(k)。
进一步的,在确定在线观测数据所属指纹聚类的基础上,基于某种确定性规则或数理统计理论对用户设备实测信号强度观测数据与指纹数据库中其所属聚类C(k),所包含的全部指纹记录信号强度信息之间的相似性进行度量和匹配;如通过信号空间欧氏距离或信号强度边缘概率联合估计等方式计算实测信号强度与聚类中候选指纹的相似性,然后按照相似性从高到低的顺序,对聚类C(k)中的所有候选指纹进行排序,从而得到与实测数据信号强度相似性最高的最优指纹;假设该最优指纹的索引序号为j,则j可以描述如下:
j=argmaxj{s(l,fk(i)),i=1,...,Mk},其中,s(a,b)代表两组信号强度相关数据之间相似性度量函数,如信号空间距离或各可见基站信号强度的联合分布概率密度函数等,fk(i)表示N个指纹聚类中的第k个聚类C(k)中的第i条指纹数据,Mk表示聚类C(k)中所包含的指纹数量,根据上述索引序号可以得到最优指纹为:fk(j)。
步骤207,指纹定位平台根据查询到的指纹聚类确定用户设备的指纹定位误差。
其中,该指纹定位平台可根据指纹聚类中的优选指纹和候选指纹确定用户设备的指纹定位误差。例如,指纹定位平台计算指纹聚类中的优选指纹和候选指纹之间的平均指纹采样点距离,并将计算结果作为用户设备的指纹定位误差。当然,实际应用中,指纹定位平台还可以通过其他方式确定指纹定位误差,例如,将(优选指纹的采样点距离*2+候选指纹的采样点距离)/3的计算结果作为用户设备的指纹定位误差等,本发明实施例中对该确定方式不再赘述。
因此,本发明实施例中,可根据在线指纹搜索结果确定最优指纹及其所属聚类,并计算最优指纹与所属聚类中其他候选指纹之间的平均距离,作为对当前定位结果的最终的指纹定位误差(范围半径)。
当采用优选指纹和候选指纹之间的平均指纹采样点距离作为用户设备的指纹定位误差时,在上述确定了在线实测数据所属聚类,并基于某种相似性度量对其中所包含的全部指纹进行排序得到最优的指纹,与实测信号强度最近似的指纹的基础上,计算最优指纹与其他候选指纹之间的采样点距离均值作为最终定位误差估计结果E,E可以使用数学方式描述如下:
E=∑i=1,...,Mk,i≠j[d(fk(j),fk(i))]/(Mk-1)
综上所述,本发明实施例中,利用在线指纹搜索匹配后得到的优选指纹聚类,计算该优选指纹聚类中的优选指纹与候选指纹之间的平均指纹采样点距离,作为最终定位误差的估计结果。与现有技术相比,可以实现对在线定位误差的高效、准确的估计,从而改善定位误差估计的性能;而且可以省去大量离线和训练阶段的采集、计算处理开销,同时使得系统对定位环境没有依赖性,有效改善了系统的通用性,而且在线定位误差估计基于现成的指纹数据库和定位结果相关数据(优选聚类及其包含的优选指纹),无需复杂的计算处理,从而也提高了在移动终端上的可用性。
基于与上述方法同样的发明构思,本发明实施例中还提供了一种指纹定位平台,所述指纹定位平台的指纹数据库中存储有包含多个基站信号强度满足预设关系的指纹采样点的指纹聚类,如图3所示,所述指纹定位平台包括:
接收模块11,用于接收用户设备上报的用户实测数据;
查询模块12,用于根据所述用户实测数据和所述指纹数据库中存储的指纹聚类信息查询所述用户设备对应的指纹聚类;
确定模块13,用于根据查询到的指纹聚类确定所述用户设备的指纹定位误差。
本发明实施例中,该指纹定位平台还包括:
划分模块14,用于根据所述指纹数据库中的指纹采样点的基站信号强度划分指纹聚类。
本发明实施例中,所述查询模块12,具体包括:
确定子模块121,用于根据所述用户实测数据和所述指纹数据库中存储的指纹采样点的信息确定所述用户设备的定位结果;
查询子模块122,用于根据所述定位结果查询所述定位结果对应的指纹聚类;其中,所述定位结果对应的指纹聚类包括:所述定位结果所属的指纹聚类或者所述定位结果对应的最优指纹所属的指纹聚类。
所述确定子模块121,具体用于根据所述用户实测数据在所述指纹数据库中确定所述用户实测数据对应的最优指纹聚类,并根据所述最优指纹聚类确定所述用户设备的定位结果。
所述查询子模块122,具体用于根据定位结果与指纹聚类的对应关系查询所述定位结果所属的指纹聚类。
所述确定模块13,具体用于根据所述指纹聚类中的优选指纹和候选指纹确定所述用户设备的指纹定位误差。
所述确定模块13,进一步用于计算所述指纹聚类中的优选指纹和候选指纹之间的平均指纹采样点距离,并将计算结果作为所述用户设备的指纹定位误差。
其中,本发明装置的各个模块可以集成于一体,也可以分离部署。上述模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
本领域技术人员可以理解附图只是一个优选实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上公开的仅为本发明的几个具体实施例,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (14)
1.一种指纹定位误差的确定方法,其特征在于,指纹定位平台的指纹数据库中存储有包含多个基站信号强度满足预设关系的指纹采样点的指纹聚类,该方法包括:
指纹定位平台接收用户设备上报的用户实测数据,并根据所述用户实测数据和所述指纹数据库中存储的指纹聚类信息查询所述用户设备对应的指纹聚类;
所述指纹定位平台根据查询到的指纹聚类确定所述用户设备的指纹定位误差。
2.如权利要求1所述的方法,其特征在于,根据所述用户实测数据和所述指纹数据库中存储的指纹聚类信息查询所述用户设备对应的指纹聚类,之前还包括:
所述指纹定位平台根据所述指纹数据库中的指纹采样点的基站信号强度划分指纹聚类。
3.如权利要求1所述的方法,其特征在于,根据所述用户实测数据和所述指纹数据库中存储的指纹聚类信息查询所述用户设备对应的指纹聚类,包括:
所述指纹定位平台根据所述用户实测数据和所述指纹数据库中存储的指纹采样点的信息确定所述用户设备的定位结果;并根据所述定位结果查询所述定位结果对应的指纹聚类;其中,
所述定位结果对应的指纹聚类包括:所述定位结果所属的指纹聚类或者所述定位结果对应的最优指纹所属的指纹聚类。
4.如权利要求3所述的方法,其特征在于,所述指纹定位平台根据所述用户实测数据和所述指纹数据库中存储的指纹采样点的信息确定所述用户设备的定位结果,包括:
所述指纹定位平台根据所述用户实测数据在所述指纹数据库中确定所述用户实测数据对应的最优指纹聚类,并根据所述最优指纹聚类确定所述用户设备的定位结果。
5.如权利要求3所述的方法,其特征在于,根据所述定位结果查询所述定位结果对应的指纹聚类,包括:
所述指纹定位平台根据定位结果与指纹聚类的对应关系查询所述定位结果所属的指纹聚类。
6.如权利要求1所述的方法,其特征在于,所述指纹定位平台根据查询到的指纹聚类确定所述用户设备的指纹定位误差,包括:
所述指纹定位平台根据所述指纹聚类中的优选指纹和候选指纹确定所述用户设备的指纹定位误差。
7.如权利要求6所述的方法,其特征在于,所述指纹定位平台根据所述指纹聚类中的优选指纹和候选指纹确定所述用户设备的指纹定位误差,包括:
所述指纹定位平台计算所述指纹聚类中的优选指纹和候选指纹之间的平均指纹采样点距离,并将计算结果作为所述用户设备的指纹定位误差。
8.一种指纹定位平台,其特征在于,所述指纹定位平台的指纹数据库中存储有包含多个基站信号强度满足预设关系的指纹采样点的指纹聚类,所述指纹定位平台包括:
接收模块,用于接收用户设备上报的用户实测数据;
查询模块,用于根据所述用户实测数据和所述指纹数据库中存储的指纹聚类信息查询所述用户设备对应的指纹聚类;
确定模块,用于根据查询到的指纹聚类确定所述用户设备的指纹定位误差。
9.如权利要求8所述的指纹定位平台,其特征在于,还包括:
划分模块,用于根据所述指纹数据库中的指纹采样点的基站信号强度划分指纹聚类。
10.如权利要求8所述的指纹定位平台,其特征在于,所述查询模块,具体包括:
确定子模块,用于根据所述用户实测数据和所述指纹数据库中存储的指纹采样点的信息确定所述用户设备的定位结果;
查询子模块,用于根据所述定位结果查询所述定位结果对应的指纹聚类;其中,
所述定位结果对应的指纹聚类包括:所述定位结果所属的指纹聚类或者所述定位结果对应的最优指纹所属的指纹聚类。
11.如权利要求10所述的指纹定位平台,其特征在于,
所述确定子模块,具体用于根据所述用户实测数据在所述指纹数据库中确定所述用户实测数据对应的最优指纹聚类,并根据所述最优指纹聚类确定所述用户设备的定位结果。
12.如权利要求10所述的指纹定位平台,其特征在于,
所述查询子模块,具体用于根据定位结果与指纹聚类的对应关系查询所述定位结果所属的指纹聚类。
13.如权利要求8所述的指纹定位平台,其特征在于,
所述确定模块,具体用于根据所述指纹聚类中的优选指纹和候选指纹确定所述用户设备的指纹定位误差。
14.如权利要求13所述的指纹定位平台,其特征在于,
所述确定模块,进一步用于计算所述指纹聚类中的优选指纹和候选指纹之间的平均指纹采样点距离,并将计算结果作为所述用户设备的指纹定位误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010564157.9A CN102480677B (zh) | 2010-11-24 | 2010-11-24 | 一种指纹定位误差的确定方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010564157.9A CN102480677B (zh) | 2010-11-24 | 2010-11-24 | 一种指纹定位误差的确定方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102480677A true CN102480677A (zh) | 2012-05-30 |
CN102480677B CN102480677B (zh) | 2015-11-25 |
Family
ID=46093124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010564157.9A Expired - Fee Related CN102480677B (zh) | 2010-11-24 | 2010-11-24 | 一种指纹定位误差的确定方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102480677B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932738A (zh) * | 2012-10-31 | 2013-02-13 | 北京交通大学 | 一种改进的基于分簇神经网络的室内指纹定位方法 |
CN103458502A (zh) * | 2013-08-27 | 2013-12-18 | 西北工业大学 | 基于位置指纹的定位误差估计方法 |
CN103561465A (zh) * | 2013-10-28 | 2014-02-05 | 厦门雅迅网络股份有限公司 | 一种基于概率指纹的多基站定位方法 |
CN103916954A (zh) * | 2013-01-07 | 2014-07-09 | 华为技术有限公司 | 基于wlan的概率定位方法及定位装置 |
CN104113909A (zh) * | 2013-04-16 | 2014-10-22 | 苏州和积信息科技有限公司 | 数字标牌的定位方法和系统 |
CN104853434A (zh) * | 2015-01-13 | 2015-08-19 | 中山大学 | 一种基于svm和k均值聚类的室内定位方法 |
CN104883735A (zh) * | 2015-05-18 | 2015-09-02 | 彭春莲 | 一种基于移动互联网的精准位置判断方法 |
CN105938562A (zh) * | 2016-04-13 | 2016-09-14 | 中国科学院信息工程研究所 | 一种自动化网络应用指纹提取方法及系统 |
CN106455056A (zh) * | 2016-11-14 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 定位方法和装置 |
CN106535097A (zh) * | 2016-11-14 | 2017-03-22 | 安徽华米信息科技有限公司 | 室内定位方法、装置及服务器 |
CN106686547A (zh) * | 2016-12-23 | 2017-05-17 | 南京邮电大学 | 一种基于区域划分和网络拓扑的室内指纹定位改进方法 |
CN103702414B (zh) * | 2013-12-11 | 2017-05-24 | 北京智谷睿拓技术服务有限公司 | 定位方法及移动设备、基站 |
CN107727095A (zh) * | 2017-09-08 | 2018-02-23 | 西安电子科技大学 | 基于谱聚类和加权反向传播神经网络的3d室内定位方法 |
CN107852588A (zh) * | 2014-07-25 | 2018-03-27 | 通用电气公司 | 用于有源rfid识别和位置跟踪的无线桥硬件系统 |
CN108024197A (zh) * | 2016-10-31 | 2018-05-11 | 中国电信股份有限公司 | 定位方法和装置 |
CN108260076A (zh) * | 2016-12-28 | 2018-07-06 | 中国电信股份有限公司 | 无人机运行轨迹监控的方法、平台和系统 |
CN108540926A (zh) * | 2017-03-02 | 2018-09-14 | 中国移动通信有限公司研究院 | 一种无线信号指纹的构建方法及装置 |
CN108966341A (zh) * | 2017-05-27 | 2018-12-07 | 中国移动通信有限公司研究院 | 一种定位方法和定位装置 |
CN109121074A (zh) * | 2017-06-23 | 2019-01-01 | 赫尔环球有限公司 | 用于评估室内定位系统的度量标准 |
CN109991591A (zh) * | 2018-01-02 | 2019-07-09 | 中兴通讯股份有限公司 | 基于深度学习的定位方法、装置、计算机设备及存储介质 |
CN110307839A (zh) * | 2019-05-09 | 2019-10-08 | 南京工程学院 | 一种基于特定光频率的矿井下定位系统及定位方法 |
CN112153620A (zh) * | 2020-09-22 | 2020-12-29 | 重庆大学 | 一种基于UWB技术的离线WiFi指纹库快速构建及定位方法 |
WO2021036829A1 (zh) * | 2019-08-30 | 2021-03-04 | 华为技术有限公司 | 一种定位、离线指纹库的生成方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040203926A1 (en) * | 2003-04-14 | 2004-10-14 | Ville Ruutu | Selection of measurement apparatus for location of user equipment |
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 |
CN101572857A (zh) * | 2009-06-18 | 2009-11-04 | 杭州华三通信技术有限公司 | 一种无线局域网中的定位方法和装置 |
CN101620270A (zh) * | 2009-07-23 | 2010-01-06 | 重庆邮电大学 | 基于聚类融合的无线定位方法 |
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 |
CN101883424A (zh) * | 2010-04-23 | 2010-11-10 | 哈尔滨工业大学 | 基于近邻点数优化的wlan室内knn定位方法 |
-
2010
- 2010-11-24 CN CN201010564157.9A patent/CN102480677B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040203926A1 (en) * | 2003-04-14 | 2004-10-14 | Ville Ruutu | Selection of measurement apparatus for location of user equipment |
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 |
CN101572857A (zh) * | 2009-06-18 | 2009-11-04 | 杭州华三通信技术有限公司 | 一种无线局域网中的定位方法和装置 |
CN101620270A (zh) * | 2009-07-23 | 2010-01-06 | 重庆邮电大学 | 基于聚类融合的无线定位方法 |
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 |
CN101883424A (zh) * | 2010-04-23 | 2010-11-10 | 哈尔滨工业大学 | 基于近邻点数优化的wlan室内knn定位方法 |
Non-Patent Citations (1)
Title |
---|
张明华: "基于WLAN的室内定位技术研究", 《中国优秀硕士论文全文数据库》 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932738A (zh) * | 2012-10-31 | 2013-02-13 | 北京交通大学 | 一种改进的基于分簇神经网络的室内指纹定位方法 |
CN103916954A (zh) * | 2013-01-07 | 2014-07-09 | 华为技术有限公司 | 基于wlan的概率定位方法及定位装置 |
CN103916954B (zh) * | 2013-01-07 | 2017-11-03 | 华为技术有限公司 | 基于wlan的概率定位方法及定位装置 |
CN104113909A (zh) * | 2013-04-16 | 2014-10-22 | 苏州和积信息科技有限公司 | 数字标牌的定位方法和系统 |
CN104113909B (zh) * | 2013-04-16 | 2018-04-17 | 苏州和积信息科技有限公司 | 数字标牌的定位方法和系统 |
CN103458502A (zh) * | 2013-08-27 | 2013-12-18 | 西北工业大学 | 基于位置指纹的定位误差估计方法 |
CN103458502B (zh) * | 2013-08-27 | 2016-04-20 | 西北工业大学 | 基于位置指纹的定位误差估计方法 |
CN103561465A (zh) * | 2013-10-28 | 2014-02-05 | 厦门雅迅网络股份有限公司 | 一种基于概率指纹的多基站定位方法 |
CN103561465B (zh) * | 2013-10-28 | 2018-10-26 | 厦门雅迅网络股份有限公司 | 一种基于概率指纹的多基站定位方法 |
CN103702414B (zh) * | 2013-12-11 | 2017-05-24 | 北京智谷睿拓技术服务有限公司 | 定位方法及移动设备、基站 |
CN107852588A (zh) * | 2014-07-25 | 2018-03-27 | 通用电气公司 | 用于有源rfid识别和位置跟踪的无线桥硬件系统 |
CN107852588B (zh) * | 2014-07-25 | 2021-09-07 | 通用电气公司 | 用于有源rfid识别和位置跟踪的无线桥硬件系统 |
CN104853434A (zh) * | 2015-01-13 | 2015-08-19 | 中山大学 | 一种基于svm和k均值聚类的室内定位方法 |
CN104883735A (zh) * | 2015-05-18 | 2015-09-02 | 彭春莲 | 一种基于移动互联网的精准位置判断方法 |
CN105938562A (zh) * | 2016-04-13 | 2016-09-14 | 中国科学院信息工程研究所 | 一种自动化网络应用指纹提取方法及系统 |
CN105938562B (zh) * | 2016-04-13 | 2019-06-11 | 中国科学院信息工程研究所 | 一种自动化网络应用指纹提取方法及系统 |
CN108024197A (zh) * | 2016-10-31 | 2018-05-11 | 中国电信股份有限公司 | 定位方法和装置 |
CN106535097A (zh) * | 2016-11-14 | 2017-03-22 | 安徽华米信息科技有限公司 | 室内定位方法、装置及服务器 |
CN106455056A (zh) * | 2016-11-14 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 定位方法和装置 |
CN106535097B (zh) * | 2016-11-14 | 2019-11-08 | 安徽华米信息科技有限公司 | 室内定位方法、装置及服务器 |
CN106686547A (zh) * | 2016-12-23 | 2017-05-17 | 南京邮电大学 | 一种基于区域划分和网络拓扑的室内指纹定位改进方法 |
CN108260076A (zh) * | 2016-12-28 | 2018-07-06 | 中国电信股份有限公司 | 无人机运行轨迹监控的方法、平台和系统 |
CN108540926A (zh) * | 2017-03-02 | 2018-09-14 | 中国移动通信有限公司研究院 | 一种无线信号指纹的构建方法及装置 |
CN108540926B (zh) * | 2017-03-02 | 2021-01-15 | 中国移动通信有限公司研究院 | 一种无线信号指纹的构建方法及装置 |
CN108966341A (zh) * | 2017-05-27 | 2018-12-07 | 中国移动通信有限公司研究院 | 一种定位方法和定位装置 |
CN108966341B (zh) * | 2017-05-27 | 2021-04-27 | 中国移动通信有限公司研究院 | 一种定位方法和定位装置 |
US11012832B2 (en) | 2017-06-23 | 2021-05-18 | Here Global B.V. | Metric for evaluating indoor positioning systems |
CN109121074A (zh) * | 2017-06-23 | 2019-01-01 | 赫尔环球有限公司 | 用于评估室内定位系统的度量标准 |
CN109121074B (zh) * | 2017-06-23 | 2021-09-21 | 赫尔环球有限公司 | 用于评估室内定位系统的设备和方法 |
CN107727095A (zh) * | 2017-09-08 | 2018-02-23 | 西安电子科技大学 | 基于谱聚类和加权反向传播神经网络的3d室内定位方法 |
CN107727095B (zh) * | 2017-09-08 | 2021-10-19 | 西安电子科技大学 | 基于谱聚类和加权反向传播神经网络的3d室内定位方法 |
CN109991591A (zh) * | 2018-01-02 | 2019-07-09 | 中兴通讯股份有限公司 | 基于深度学习的定位方法、装置、计算机设备及存储介质 |
CN109991591B (zh) * | 2018-01-02 | 2023-08-22 | 中兴通讯股份有限公司 | 基于深度学习的定位方法、装置、计算机设备及存储介质 |
CN110307839A (zh) * | 2019-05-09 | 2019-10-08 | 南京工程学院 | 一种基于特定光频率的矿井下定位系统及定位方法 |
WO2021036829A1 (zh) * | 2019-08-30 | 2021-03-04 | 华为技术有限公司 | 一种定位、离线指纹库的生成方法及装置 |
CN112153620A (zh) * | 2020-09-22 | 2020-12-29 | 重庆大学 | 一种基于UWB技术的离线WiFi指纹库快速构建及定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102480677B (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102480677B (zh) | 一种指纹定位误差的确定方法和设备 | |
CN102480678B (zh) | 一种指纹定位方法和系统 | |
Pu et al. | Indoor positioning system based on BLE location fingerprinting with classification approach | |
CN109275095B (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
EP2111721B1 (en) | System and method for generating non-uniform grid points from calibration data | |
Pei et al. | Using inquiry-based Bluetooth RSSI probability distributions for indoor positioning | |
CN106454722B (zh) | 一种移动通信终端基于地图匹配的动态差分定位方法 | |
EP2620024B1 (en) | Generation and use of coverage area models | |
US6944465B2 (en) | Estimating the location of a mobile unit based on the elimination of improbable locations | |
CN104010364B (zh) | 用于确定基站的估计的地理位置的方法和系统 | |
Janssen et al. | Outdoor fingerprinting localization using sigfox | |
CN103068035B (zh) | 一种无线网络定位方法、装置及系统 | |
CN102480784A (zh) | 一种指纹定位误差的评估方法和系统 | |
CN102932911A (zh) | 位置指纹定位方法及定位系统 | |
Fang et al. | Dynamic fingerprinting combination for improved mobile localization | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及系统、设备、存储介质 | |
CN110557716A (zh) | 一种基于对数正态模型的室内定位方法 | |
CN110719602B (zh) | 指纹定位方法和装置 | |
CN113596989B (zh) | 一种用于智慧车间的室内定位方法及系统 | |
US10454597B1 (en) | Systems and methods for locating telecommunication cell sites | |
Apte et al. | Improving the accuracy of wireless LAN based location determination systems using Kalman filter and multiple observers | |
CN109889975B (zh) | 一种基于NB-IoT的终端指纹定位方法 | |
Li et al. | Outdoor location estimation using received signal strength feedback | |
Zheng et al. | RSS-based indoor passive localization using clustering and filtering in a LTE network | |
WO2019158210A1 (en) | Similarity metric customized to radio measurement in heterogeneous wireless networks and use thereof |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151125 |