CN102480784A - 一种指纹定位误差的评估方法和系统 - Google Patents
一种指纹定位误差的评估方法和系统 Download PDFInfo
- Publication number
- CN102480784A CN102480784A CN2010105641723A CN201010564172A CN102480784A CN 102480784 A CN102480784 A CN 102480784A CN 2010105641723 A CN2010105641723 A CN 2010105641723A CN 201010564172 A CN201010564172 A CN 201010564172A CN 102480784 A CN102480784 A CN 102480784A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- cluster
- navigation system
- base station
- sampled point
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种指纹定位误差的评估方法和系统,指纹定位系统设置有各个指纹聚类对应的定位误差预估值,所述指纹聚类包含多个基站信号强度相似的指纹采样点,该方法包括:指纹定位系统接收用户设备上报的用户实测数据,根据所述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所述用户设备的定位结果;所述指纹定位系统查询所述定位结果对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为所述用户设备的指纹定位误差。通过使用本发明,提高了指纹定位误差的估计速度和精度,增强了指纹定位误差的估计方法的通用性、实时性和可用性。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种指纹定位误差的评估方法和系统。
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。指纹定位技术是位置服务中的一种常用技术,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采样和在线定位两个阶段。其中,在离线采样阶段,指纹定位系统获取可见基站在各个指纹采样点处的基站信号强度以及指纹采样点的位置坐标(包括经度、纬度和高度等)等数据,生成相应的指纹记录,并将该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,以提高定位性能。
在线定位阶段中,指纹定位系统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 AP(Wireless Local Area Network Access Point,无线局域网接入点),且移动终端需要具备相应的通信能力。例如,当可见基站为WLAN AP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。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,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,为实现对定位误差的估计,通常在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终端实际位置、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。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(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用户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
本发明实施例的目的在于提供一种指纹定位误差的评估方法和系统,以提高定位误差估计的精确性,为此,本发明实施例采用如下技术方案:
一种指纹定位误差的评估方法,指纹定位系统设置有各个指纹聚类对应的定位误差预估值,所述指纹聚类包含多个基站信号强度相似的指纹采样点,该方法包括:
指纹定位系统接收用户设备上报的用户实测数据,根据所述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所述用户设备的定位结果;
所述指纹定位系统查询所述定位结果对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为所述用户设备的指纹定位误差。
一种指纹定位系统,包括:
存储模块,用于存储各个指纹聚类对应的定位误差预估值,所述指纹聚类包含多个基站信号强度相似的指纹采样点;
接收模块,用于接收用户设备上报的用户实测数据;
确定模块,用于根据所述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所述用户设备的定位结果;
查询模块,用于查询所述定位结果对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为所述用户设备的指纹定位误差。
本发明的上述实施例在指纹定位系统设置各个指纹聚类对应的定位误差预估值,根据定位结果查询对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为指纹定位误差,能够降低存储开销和运算开销,提高了指纹定位误差的估计速度和精度,增强了指纹定位误差的估计方法的通用性、实时性和可用性。
附图说明
图1为本发明实施例中的指纹定位误差的评估方法流程图;
图2为本发明实施例中的设置定位误差预估值的方法流程图;
图3为本发明实施例中的公共可见基站的信号强度的的正态分布函数的重叠部分示意图;
图4为本发明实施例中的指纹定位系统的结构示意图。
具体实施方式
在移动通信系统中,对于特定范围的物理空间区域内的终端而言,其所接收到的同一基站的基站信号强度值落在一定数值区间内的概率大于某一门限值。例如,在室外的一片空地或室内的一个房间内,终端接收到的同一基站的基站信号强度以大于某一门限值(如90%)的概率落在相同的数值区间(如[-58dB,-52dB])内,因而,在上述空间区域内,不同物理位置处采集到的指纹具有非常近似的基站信号强度特性,最优指纹和次优指纹之间的区分度较低。
当在上述空间区域内进行在线定位时,系统搜索并筛选出该空间区域中的次优指纹的概率较高,导致属于同一信号近似性空间区域内的在线定位结果具有相同等级的误差。进一步地,随着信号近似性空间区域的扩大,该空间所包含的指纹采样点的数量也随之增多,指纹采样点的分布覆盖范围也随之扩大,因此,在线定位过程中搜索并匹配得到次优指纹的概率随之增大,次优指纹与最优指纹之间的误差距离也随之增大。
基于上述分析,本发明实施例提供的技术方案中,在离线采样阶段,指纹定位系统根据可见基站的基站信号强度,将具有相同信号近似性的空间区域中的指纹采样点划分到多个指纹聚类,并依据划分得到的各指纹聚类中的指纹采样点之间的物理距离,对各指纹聚类所属指纹的定位误差进行预估和存储。在线定位阶段中,指纹定位系统根据用户设备上报的用户实测数据确定用户设备的定位结果,进而确定该定位结果对应的指纹聚类,将该指纹聚类对应的定位误差预估值作为用户设备的指纹定位误差。
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、完整的描述,显然,所描述的实施例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的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。
如图1所示,为本发明实施例中的指纹定位误差的评估方法流程图,指纹定位系统设置有各个指纹聚类对应的定位误差预估值,该指纹聚类包含多个基站信号强度相似的指纹采样点,可以是由多个指纹采样点构成的集合。指纹数据库中存储有多个指纹采样点的信息,该信息包括指纹采样点的位置、可见基站的基站标识和基站信号强度等。上述评估流程包括以下步骤:
步骤101,指纹定位系统接收用户设备上报的用户实测数据,根据该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。
其中,用户实测数据为用户设备测量到的可见基站的基站标识和基站信号强度,该基站标识可以为蜂窝基站的Cell ID(小区标识)或者WLAN AP的MAC(MediaAccess Control,媒体访问控制)地址。指纹定位系统计算用户实测数据与各个指纹采样点的基站信号强度之间的相似度,可以将相似度最高的指纹采样点作为最优指纹,将该最优指纹的位置作为用户设备的定位结果。指纹定位系统也可以根据计算得到的相似度匹配出优选指纹集合,将优选指纹集合包含的多个指纹采样点的坐标的加权平均值作为用户设备的定位结果。
步骤102,指纹定位系统查询定位结果对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为用户设备的指纹定位误差。
具体地,由于指纹定位系统设置有各个指纹聚类对应的定位误差预估值,指纹定位系统可以查询定位结果所属的指纹聚类,将该指纹聚类对应的定位误差估计值作为用户设备的指纹定位误差;也可以查询定位结果对应的最优指纹所属的指纹聚类,将该指纹聚类对应的定位误差估计值作为用户设备的指纹定位误差。
在上述实施例中的各个指纹聚类对应的定位误差预估值通过以下方式存储到指纹定位系统中:指纹定位系统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;指纹定位系统根据指纹聚类中的多个指纹采样点之间的物理距离,计算各个指纹聚类对应的定位误差预估值,并存储计算得到的定位误差估计值。具体地,如图2所示,为本发明实施例中的设置定位误差预估值的方法流程图,包括以下步骤:
步骤201,指纹定位系统判断指纹数据库中的指纹采样点的数量是否大于预设阈值,如果是,则执行步骤202;否则,执行步骤204。
步骤202,指纹定位系统将多个物理位置相近的指纹采样点划分到同一指纹聚类。
具体地,当指纹数据库中的指纹采样点的数量大于预设阈值(例如,5000)时,指纹定位系统可以通过最近邻居聚类的方法,将物理位置最近的若干个指纹采样点划分到同一指纹聚类,完成对指纹聚类的初始化,并记录各个指纹聚类之间的相邻关系。指纹定位系统也可以将物理距离在预设范围内的多个指纹采样点划分到同一指纹聚类。
步骤203,指纹定位系统根据各个指纹聚类之间的基站信号强度相似度和/或物理位置,对多个指纹聚类进行合并。
其中,两个指纹聚类之间的基站信号强度相似度的计算可以通过比较两个指纹聚类之间的基站信号强度的分布来实现。指纹定位系统可以随机选取一个指纹聚类,计算选取出的指纹聚类与其相邻的指纹聚类之间的基站信号强度相似度,当该基站信号强度相似度大于度量阈值时,将上述两个指纹聚类进行合并。类似地,指纹定位系统可以对所有指纹聚类重复上述操作,直至剩余的所有指纹聚类无法继续合并为止。
具体地,指纹定位系统可以针对每任意两个指纹聚类,执行以下步骤:比较两个指纹聚类中的所有指纹采样点的可见基站,得到该两个指纹聚类中的所有指纹采样点的可见基站的合集,该合集中的基站即为公共可见基站。公共可见基站的数量可以为一个,也可以为多个。对于每个确定出的公共可见基站,指纹定位系统可以针对上述两个指纹聚类,计算该公共可见基站的信号强度的分布参数(包括均值和标准偏差),并根据该分布参数回归该信号强度的正态分布函数,并利用交叉点分段积分的方法计算两个指纹聚类对应该公共可见基站的信号强度的的正态分布函数的重叠部分的面积,如图3所示。
指纹定位系统可以根据上述正态分布函数的重叠部分的面积得到两个指纹聚类之间的基站信号强度相似度。当两个指纹聚类之间的公共可见基站的数量为一个时,指纹定位系统可以将上述计算得到的正态分布函数的重叠部分的面积作为两个指纹聚类之间的基站信号强度相似度;当两个指纹聚类之间的公共可见基站为多个时,指纹定位系统可以按照上述步骤分别计算出多个公共可见基站对应的重叠部分的面积,并将计算得到的多个重叠部分的面积的平均值作为两个指纹聚类之间的基站信号强度相似度。当基站信号强度相似度大于预设的度量阈值时,指纹定位系统对上述两个指纹聚类进行合并。
在上述合并指纹聚类的过程中,过高的度量阈值会使得指纹聚类所包含的指纹采样点的数量急剧下降以及指纹聚类的数量大幅增多,增加了指纹聚类对应的定位误差预估值错误较大的发生概率;相反,过低的度量阈值会使得指纹聚类所包含的指纹采样点的数量急剧增多以及指纹聚类的数量大幅下降,导致指纹聚类对应的定位误差预估值的区分能力下降。为确定合适的度量阈值,可以对不同度量阈值情况下指纹定位误差的评估性能进行测试,测试过程中,在0.3到0.7的范围内对度量阈值进行调整,调整间隔为0.05。经过比较分析,本发明实施例中的度量阈值在0.3到0.7的范围内;优选地,可以选定0.55作为度量阈值,可以使得用户设备的实际位置和定位位置属于同一个指纹聚类的概率为92%。
由于指纹采样点的分布具有不均衡性,经过上述合并处理后的指纹聚类中可能依然存在仅包含一个指纹采样点的指纹聚类,指纹定位系统可以确定与该指纹聚类的物理位置最近似的邻居指纹聚类,直接对上述两个指纹聚类进行合并,而无需判断两个指纹聚类之间的基站信号强度相似度是否大于预设的度量阈值。
需要说明的是,执行完本步骤后,继续执行步骤205。
步骤204,指纹定位系统将每个指纹采样点作为一个指纹聚类,根据各个指纹聚类之间的基站信号强度相似度和/或物理位置,对多个指纹聚类进行合并。
具体地,当指纹数据库中的指纹采样点的数量不大于预设阈值(例如,5000)时,指纹定位系统可以将每个指纹采样点作为一个指纹聚,并按照与步骤203类似的方法对多个指纹聚类进行合并。
步骤205,指纹定位系统根据指纹聚类中的多个指纹采样点之间的物理距离,计算各个指纹聚类对应的定位误差预估值,并存储计算得到的定位误差估计值。
具体地,指纹定位系统划分得到的每个指纹聚类代表一个物理空间区域,该空间区域的形状和大小取决于该区域中的指纹采样点的数量以及各个指纹采样点的位置分布情况。指纹聚类包含的所有指纹采样点的基站信号特征之间的相似性,高于该指纹聚类中的指纹采样点与其他指纹聚类中的指纹采样点的基站信号特征之间的相似性。
含有N个指纹采样点的指纹聚类可以表示为:
Ci={pi},i=1,2...N
指纹聚类对应的定位误差预估值的大小也取决于指纹聚类的空间区域的大小,可以定义为指纹聚类中的任意两个指纹采样点之间的物理距离的平均值,并描述如下:
E=mean{d(p1,p2)},i≠j;i,j=1,2...N........................[1]
其中,E为定位误差预估值,d(p1,p2)为指纹聚类中的两个指纹采样点p1,p2之间的物理距离。
本发明的实施例包括以下优点,因为在指纹定位系统设置各个指纹聚类对应的定位误差预估值,根据定位结果查询对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为指纹定位误差,能够降低存储开销和运算开销,提高了指纹定位误差的估计速度和精度,增强了指纹定位误差的估计方法的通用性、实时性和可用性。当然,实施本发明的实施例的任一产品并不一定需要同时达到以上所述的所有优点。
根据上述实施方式中提供的指纹定位误差的评估方法,本发明实施例还提供了应用上述指纹定位误差的评估方法的系统。
如图4所示,为本发明实施例中的指纹定位系统的结构示意图,包括:
存储模块410,用于存储各个指纹聚类对应的定位误差预估值。
其中,指纹聚类包含多个基站信号强度相似的指纹采样点。
接收模块420,用于接收用户设备上报的用户实测数据。
确定模块430,用于根据接收模块420接收到的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。
查询模块440,用于查询确定模块430确定的定位结果对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为用户设备的指纹定位误差。
具体地,上述查询模块440,具体用于查询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。
优选地,上述指纹定位系统可进一步包括:
划分模块450,用于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。
具体地,上述划分模块450,具体用于在指纹数据库中的指纹采样点的数量大于预设阈值时,将多个物理位置相近的指纹采样点划分到同一指纹聚类;在指纹数据库中的指纹采样点的数量不大于预设阈值时,将每个指纹采样点作为一个指纹聚类。
计算模块460,用于根据指纹聚类中的多个指纹采样点之间的物理距离,计算各个指纹聚类对应的定位误差预估值。其中,指纹聚类对应的定位误差预估值为指纹聚类中的任意两个指纹采样点之间的物理距离的平均值。
上述指纹定位系统还可进一步包括:
合并模块470,用于根据各个指纹聚类之间的基站信号强度相似度和/或物理位置,对多个指纹聚类进行合并。
具体地,上述合并模块470,具体用于针对每任意两个指纹聚类,执行以下步骤:确定两个指纹聚类中的所有指纹采样点的公共可见基站;针对上述两个指纹聚类,计算公共可见基站的信号强度的分布参数,并根据该分布参数回归该信号强度的正态分布函数;计算两个指纹聚类对应的上述公共可见基站的信号强度的正态分布函数的重叠部分的面积,根据该重叠部分的面积得到上述两个指纹聚类之间的基站信号强度相似度,当基站信号强度相似度大于预设的度量阈值时,对上述两个指纹聚类进行合并。其中,度量阈值可以在0.3到0.7的范围内;优选地,度量阈值可以为0.55。
当两个指纹聚类之间的公共可见基站的数量为一个时,上述合并模块470可以将上述计算得到的正态分布函数的重叠部分的面积作为两个指纹聚类之间的基站信号强度相似度;当两个指纹聚类之间的公共可见基站为多个时,上述合并模块470可以按照上述步骤分别计算出多个公共可见基站对应的重叠部分的面积,并将计算得到的多个重叠部分的面积的平均值作为两个指纹聚类之间的基站信号强度相似度。
上述合并模块470还可以在划分得到的指纹聚类仅包含一个指纹采样点时,确定与该指纹聚类物理位置最近似的邻居指纹聚类,对上述指纹聚类和邻居指纹聚类进行合并。
本发明的实施例包括以下优点,因为在指纹定位系统设置各个指纹聚类对应的定位误差预估值,根据定位结果查询对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为指纹定位误差,能够降低存储开销和运算开销,提高了指纹定位误差的估计速度和精度,增强了指纹定位误差的估计方法的通用性、实时性和可用性。当然,实施本发明的实施例的任一产品并不一定需要同时达到以上所述的所有优点。
本领域技术人员可以理解实施例中的系统中的模块可以按照实施例描述进行分布于实施例的系统中,也可以进行相应变化位于不同于本实施例的一个或多个系统中。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。
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终端设备(可以是手机,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。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (19)
1.一种指纹定位误差的评估方法,其特征在于,指纹定位系统设置有各个指纹聚类对应的定位误差预估值,所述指纹聚类包含多个基站信号强度相似的指纹采样点,该方法包括:
指纹定位系统接收用户设备上报的用户实测数据,根据所述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所述用户设备的定位结果;
所述指纹定位系统查询所述定位结果对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为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,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。
3.如权利要求1所述的方法,其特征在于,各个指纹聚类对应的定位误差预估值通过以下方式存储到指纹定位系统中:
所述指纹定位系统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;
所述指纹定位系统根据指纹聚类中的多个指纹采样点之间的物理距离,计算各个指纹聚类对应的定位误差预估值,并存储计算得到的定位误差估计值。
4.如权利要求3所述的方法,其特征在于,所述指纹聚类对应的定位误差预估值为所述指纹聚类中的任意两个指纹采样点之间的物理距离的平均值。
5.如权利要求3所述的方法,其特征在于,所述指纹定位系统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,具体为:
当所述指纹数据库中的指纹采样点的数量大于预设阈值时,所述指纹定位系统将多个物理位置相近的指纹采样点划分到同一指纹聚类。
6.如权利要求5所述的方法,其特征在于,所述指纹定位系统根据指纹数据库中的指纹采样点的基站信号强度,划分指纹聚类之后,还包括:
所述指纹定位系统根据各个指纹聚类之间的基站信号强度相似度和/或物理位置,对多个指纹聚类进行合并。
7.如权利要求3所述的方法,其特征在于,所述指纹定位系统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,具体为:
当所述指纹数据库中的指纹采样点的数量不大于预设阈值时,所述指纹定位系统将每个指纹采样点作为一个指纹聚类;
所述指纹定位系统根据指纹数据库中的指纹采样点的基站信号强度,划分指纹聚类之后,还包括:
所述指纹定位系统根据各个指纹聚类之间的基站信号强度相似度和/或物理位置,对多个指纹聚类进行合并。
8.如权利要求6或7所述的方法,其特征在于,所述指纹定位系统根据各个指纹聚类之间的基站信号强度相似度,对多个指纹聚类进行合并,包括:
所述指纹定位系统针对每任意两个指纹聚类,执行以下步骤:
所述指纹定位系统确定两个指纹聚类中的所有指纹采样点的公共可见基站;
所述指纹定位系统针对所述两个指纹聚类,计算所述公共可见基站的信号强度的分布参数,并根据所述分布参数回归所述信号强度的正态分布函数;
所述指纹定位系统计算所述两个指纹聚类对应的所述公共可见基站的信号强度的正态分布函数的重叠部分的面积,根据所述重叠部分的面积得到所述两个指纹聚类之间的基站信号强度相似度;
当所述基站信号强度相似度大于预设的度量阈值时,所述指纹定位系统对所述两个指纹聚类进行合并。
9.如权利要求8所述的方法,其特征在于,所述度量阈值在0.3到0.7的范围内。
10.如权利要求9所述的方法,其特征在于,所述度量阈值为0.55。
11.如权利要求6或7所述的方法,其特征在于,所述指纹定位系统根据各个指纹聚类的物理位置,对多个指纹聚类进行合并,包括:
当划分得到的指纹聚类仅包含一个指纹采样点时,所述指纹定位系统确定与所述指纹聚类物理位置最近似的邻居指纹聚类,对所述指纹聚类和所述邻居指纹聚类进行合并。
12.一种指纹定位系统,其特征在于,包括:
存储模块,用于存储各个指纹聚类对应的定位误差预估值,所述指纹聚类包含多个基站信号强度相似的指纹采样点;
接收模块,用于接收用户设备上报的用户实测数据;
确定模块,用于根据所述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所述用户设备的定位结果;
查询模块,用于查询所述定位结果对应的指纹聚类,将查询到的指纹聚类对应的定位误差预估值作为所述用户设备的指纹定位误差。
13.如权利要求12所述的指纹定位系统,其特征在于,
所述查询模块,具体用于查询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。
14.如权利要求12所述的指纹定位系统,其特征在于,还包括:
划分模块,用于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;
计算模块,用于根据指纹聚类中的多个指纹采样点之间的物理距离,计算各个指纹聚类对应的定位误差预估值。
15.如权利要求14所述的指纹定位系统,其特征在于,
所述划分模块,具体用于在所述指纹数据库中的指纹采样点的数量大于预设阈值时,将多个物理位置相近的指纹采样点划分到同一指纹聚类。
16.如权利要求15所述的指纹定位系统,其特征在于,还包括:
合并模块,用于根据各个指纹聚类之间的基站信号强度相似度和/或物理位置,对多个指纹聚类进行合并。
17.如权利要求14所述的指纹定位系统,其特征在于,还包括合并模块;
所述划分模块,具体用于在所述指纹数据库中的指纹采样点的数量不大于预设阈值时,将每个指纹采样点作为一个指纹聚类;
所述合并模块,用于根据各个指纹聚类之间的基站信号强度相似度和/或物理位置,对多个指纹聚类进行合并。
18.如权利要求16或17所述的指纹定位系统,其特征在于,
所述合并模块,具体用于针对每任意两个指纹聚类,执行以下步骤:
确定两个指纹聚类中的所有指纹采样点的公共可见基站;针对所述两个指纹聚类,计算所述公共可见基站的信号强度的分布参数,并根据所述分布参数回归所述信号强度的正态分布函数;计算所述两个指纹聚类对应的所述公共可见基站的信号强度的正态分布函数的重叠部分的面积,根据所述重叠部分的面积得到所述两个指纹聚类之间的基站信号强度相似度,当所述基站信号强度相似度大于预设的度量阈值时,对所述两个指纹聚类进行合并。
19.如权利要求16或17所述的指纹定位系统,其特征在于,
所述合并模块,具体用于在划分得到的指纹聚类仅包含一个指纹采样点时,确定与所述指纹聚类物理位置最近似的邻居指纹聚类,对所述指纹聚类和所述邻居指纹聚类进行合并。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105641723A CN102480784A (zh) | 2010-11-24 | 2010-11-24 | 一种指纹定位误差的评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105641723A CN102480784A (zh) | 2010-11-24 | 2010-11-24 | 一种指纹定位误差的评估方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102480784A true CN102480784A (zh) | 2012-05-30 |
Family
ID=46093224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105641723A Pending CN102480784A (zh) | 2010-11-24 | 2010-11-24 | 一种指纹定位误差的评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102480784A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103402256A (zh) * | 2013-07-11 | 2013-11-20 | 武汉大学 | 一种基于WiFi指纹的室内定位方法 |
CN103763731A (zh) * | 2014-02-18 | 2014-04-30 | 百度在线网络技术(北京)有限公司 | 定位检测方法及装置 |
CN104936140A (zh) * | 2015-04-20 | 2015-09-23 | 北京识途科技有限公司 | 一种定位方法和装置及指纹数据获取方法和装置 |
CN105992338A (zh) * | 2015-02-12 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种定位方法和装置 |
WO2017088474A1 (zh) * | 2015-11-23 | 2017-06-01 | 北京百度网讯科技有限公司 | 一种提高定位准确度的方法和装置 |
CN108260201A (zh) * | 2016-12-26 | 2018-07-06 | 中国移动通信有限公司研究院 | 一种信息扩充方法及装置 |
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 |
CN110831149A (zh) * | 2018-08-09 | 2020-02-21 | 普天信息技术有限公司 | 一种lte系统中的终端定位方法和装置 |
CN111818404A (zh) * | 2020-06-13 | 2020-10-23 | 东南大学 | 一种无源光网络用户端反射信号离散化链路状态判别方法 |
CN113096621A (zh) * | 2021-03-26 | 2021-07-09 | 平安科技(深圳)有限公司 | 基于特定风格的音乐生成方法、装置、设备及存储介质 |
CN113301648A (zh) * | 2021-06-17 | 2021-08-24 | 北京红山信息科技研究院有限公司 | 指纹定位评估方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090080656A (ko) * | 2008-01-22 | 2009-07-27 | 주식회사 아이싸이랩 | 보정을 통한 위치추정방법 |
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 |
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 |
-
2010
- 2010-11-24 CN CN2010105641723A patent/CN102480784A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090080656A (ko) * | 2008-01-22 | 2009-07-27 | 주식회사 아이싸이랩 | 보정을 통한 위치추정방법 |
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 |
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 |
Non-Patent Citations (1)
Title |
---|
张明华: "基于WLAN的室内定位技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103402256A (zh) * | 2013-07-11 | 2013-11-20 | 武汉大学 | 一种基于WiFi指纹的室内定位方法 |
CN103402256B (zh) * | 2013-07-11 | 2016-01-13 | 武汉大学 | 一种基于WiFi指纹的室内定位方法 |
CN103763731A (zh) * | 2014-02-18 | 2014-04-30 | 百度在线网络技术(北京)有限公司 | 定位检测方法及装置 |
WO2015124012A1 (zh) * | 2014-02-18 | 2015-08-27 | 百度在线网络技术(北京)有限公司 | 定位检测方法、装置及计算机存储介质 |
CN103763731B (zh) * | 2014-02-18 | 2017-01-18 | 百度在线网络技术(北京)有限公司 | 定位检测方法及装置 |
CN105992338A (zh) * | 2015-02-12 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种定位方法和装置 |
CN104936140A (zh) * | 2015-04-20 | 2015-09-23 | 北京识途科技有限公司 | 一种定位方法和装置及指纹数据获取方法和装置 |
WO2017088474A1 (zh) * | 2015-11-23 | 2017-06-01 | 北京百度网讯科技有限公司 | 一种提高定位准确度的方法和装置 |
CN108260201A (zh) * | 2016-12-26 | 2018-07-06 | 中国移动通信有限公司研究院 | 一种信息扩充方法及装置 |
CN108260201B (zh) * | 2016-12-26 | 2020-07-28 | 中国移动通信有限公司研究院 | 一种信息扩充方法及装置 |
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 |
CN110831149A (zh) * | 2018-08-09 | 2020-02-21 | 普天信息技术有限公司 | 一种lte系统中的终端定位方法和装置 |
CN111818404A (zh) * | 2020-06-13 | 2020-10-23 | 东南大学 | 一种无源光网络用户端反射信号离散化链路状态判别方法 |
CN111818404B (zh) * | 2020-06-13 | 2022-03-08 | 东南大学 | 一种无源光网络用户端反射信号离散化链路状态判别方法 |
CN113096621A (zh) * | 2021-03-26 | 2021-07-09 | 平安科技(深圳)有限公司 | 基于特定风格的音乐生成方法、装置、设备及存储介质 |
CN113301648A (zh) * | 2021-06-17 | 2021-08-24 | 北京红山信息科技研究院有限公司 | 指纹定位评估方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102480784A (zh) | 一种指纹定位误差的评估方法和系统 | |
CN102480677B (zh) | 一种指纹定位误差的确定方法和设备 | |
CN102932911B (zh) | 位置指纹定位方法及定位系统 | |
EP2620024B1 (en) | Generation and use of coverage area models | |
CN102480678B (zh) | 一种指纹定位方法和系统 | |
Pei et al. | Using inquiry-based Bluetooth RSSI probability distributions for indoor positioning | |
EP2111721B1 (en) | System and method for generating non-uniform grid points from calibration data | |
CN110557716B (zh) | 一种基于对数正态模型的室内定位方法 | |
Cramariuc et al. | Clustering benefits in mobile-centric WiFi positioning in multi-floor buildings | |
CN103068035B (zh) | 一种无线网络定位方法、装置及系统 | |
US9279878B2 (en) | Locating a mobile device | |
US20150181378A1 (en) | Determining a designated wireless device lacks a fixed geographic location and using the determination to improve location estimates | |
CN103747519A (zh) | 一种室内定位指纹库的动态建立方法及系统 | |
CN102164405A (zh) | 快速定位方法及系统 | |
CN113596989A (zh) | 一种用于智慧车间的室内定位方法及系统 | |
CN109068272A (zh) | 相似用户识别方法、装置、设备及可读存储介质 | |
Marcus et al. | Dynamic nearest neighbors and online error estimation for SMARTPOS | |
CN112526572B (zh) | 室内外无缝导航的网络切换方法与定位系统 | |
CN110320493B (zh) | 室内定位方法、装置、电子设备和计算机存储介质 | |
Zheng et al. | RSS-based indoor passive localization using clustering and filtering in a LTE network | |
Li et al. | Validation of a probabilistic approach to outdoor localization | |
He et al. | Voronoi diagram based indoor localization in wireless sensor networks | |
KR102253118B1 (ko) | 와이파이 핑거프린트 기반 위치인식용 라디오맵 자동 업데이트 방법 | |
CN111741430B (zh) | 一种基于最优参考点和接入点选取的指纹定位方法和系统 | |
Li et al. | A probabilistic approach to outdoor localization using clustering and principal component transformations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120530 |