CN102685886A - 一种应用于移动传感网的室内定位方法 - Google Patents
一种应用于移动传感网的室内定位方法 Download PDFInfo
- Publication number
- CN102685886A CN102685886A CN2012101120001A CN201210112000A CN102685886A CN 102685886 A CN102685886 A CN 102685886A CN 2012101120001 A CN2012101120001 A CN 2012101120001A CN 201210112000 A CN201210112000 A CN 201210112000A CN 102685886 A CN102685886 A CN 102685886A
- Authority
- CN
- China
- Prior art keywords
- node
- mobile
- anchor
- location
- nodes
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种应用于移动传感网的室内定位方法,充分利用节点的移动性来提高定位方法的精确度,以克服上述现有技术的缺陷和不足。移动节点定位方法包括如下过程:1)锚节点位置部署;2)移动节点位置部署以及初始位置估计;3)预测阶段;4)滤波阶段;如果经过滤波后符合要求的位置采样集合中的采样数小于N,则重复上述3)、4)过程重新进行预测点选取和滤波,直到找到满足要求的足够的点;5)位置修正:对节点的估计位置进行修正得到节点的修正估计位置。本发明的有益效果充分利用移动传感网的节点移动性和节点间的相互关系,在移动无线传感器网络中,提出了移动节点自身位置确定的新方法,主要用于解决移动传感网的室内环境中的节点自身定位问题,通过这种方法,不需要给传感器节点添加额外的硬件,并且可以提高传感器节点的定位精度和定位实时性。
Description
技术领域
本发明涉及一种应用于移动传感网的室内定位方法,具体的说,涉及一种无线传感网络中的移动目标节点相对于固定锚节点的分布式定位方法。
背景技术
无线传感器网络具有自组织、低成本、低功耗等特点,它军事领域、医疗护理、环境的检测和保护等领域有广阔的应用前景。位置信息是传感器节点采集数据必不可少的部分,没有位置信息的监测消息通常毫无意义。确定事件发生的位置或采集数据的节点估计位置是传感器网络最基本的功能之一,而传感器节点自身的正确定位是提供监测事件位置信息的前提。目前常用的方式是使用GPS接收器,但每个传感器节点都装上GPS接收器会受到成本、功耗等问题的限制,而且GPS系统适用于无遮拦的室外环境,室内环境无法收到GPS信号,因此需要设计合适的室内定位算法来实现无线传感器网络节点的自定位。
目前,大部分室内定位算法使用了多种测距技术,如测量无线电、红外线、激光信号强度,测量无线电信号相位差,测量声波、超声波与无线电信号到达时间差等,这些技术受室内环境影响较大,因而在实际应用中误差较大,如AT&T Laboratories Cambridge在1992年开发出的Active Badge室内定位系统以及基于超声波和射频信号的到达时间差实现定位的Cricket系统等都使用了上述技术。然而这些技术并未考虑节点的移动性或者没有充分利用节点的移动性导致定位精度不准确,其应用场景都有其局限性,通用型较差。
与静态传感网相比,移动传感网在定位算法中引入了实时性。无线传感器网络通常被认为是可容忍延时的,然而移动性要求传感器网络中信息的采集和计算是及时的,这意味着定位方法要避免依赖网络的全局知识,比如要避免多跳的信息或节点到所有锚节点的距离计算。假设时间分为离散的时隙,移动节点需要在每个时隙进行重定位,因为一个节点可能离开它原来的位置。因为节点保持在网络中移动,前一个位置信息也变得不精确。由于节点与锚节点之间通讯,以及节点和锚节点的计算都要花费一定的时间,每次确定当前时刻节点的位置时,该节点已经在下一个位置了。传统定位方法能够通过在一些时间间隔后反复的运行定位算法来获取移动节点的位置的信息,然而这种信息已经不是当前时刻节点的实际位置,定位算法的效果大大降低。因此无法通过传统定位方法获取当前时刻节点的实际位置。
发明内容
本发明所要解决的技术方案是:提供一种应用于移动传感网的室内定位方法,充分利用节点的移动性来提高定位方法的精确度,以克服上述现有技术的缺陷和不足。
为了解决上述问题,本发明采用以下技术方案:
一种应用于移动传感网的室内定位方法,其特征在于所述移动节点定位方法包括如下过程:
(1)锚节点位置部署:在室内固定区域放置M个锚节点,每个锚节点都有自己的网络ID号,指定区域内某个角落的锚节点的位置坐标为坐标原点,其他锚节点根据与这个已知自身位置的锚节点的位置关系来确定其相应坐标,建立室内移动传感网的相对坐标系;
(2)移动节点位置部署以及初始位置估计:将移动节点随机放入步骤(1)中的固定区域内,移动节点根据与其通信的1跳锚节点和2跳锚节点得出移动节点可能存在的范围,在此范围内随机选择N个节点可能存在的位置,形成节点的初始位置采样集合
(3)预测阶段:假设时间分为离散的时间,在每一个时刻移动节点根据其前一时刻的位置采样集合,利用与其通信的1跳锚节点和2跳锚节点对移动节点的当前位置进行预测估计,并形成当前时刻的节点位置采样集合;
(4)滤波阶段:根据当前时刻的节点位置采样集合中的采样位置能否与预测阶段使用的1跳和2跳锚节点通信,滤除不符合条件的采样位置;
(5)如果经过滤波后符合要求的位置采样集合中的采样数小于N,则重复上述(3)、(4)过程重新进行预测点选取和滤波,直到找到满足要求的足够的点;
(6)位置修正:当采样集合已填满后,移动节点利用其定位精度较高的1跳邻居节点的位置信息来帮助定位,对采样集合里的每个采样点进行加权,使得有更大可能接近节点实际位置的采样点具有更大的权重,从而对节点的估计位置进行修正得到节点的修正估计位置。
本发明的有益效果:本发明方法充分利用移动传感网的节点移动性和节点间的相互关系,在移动无线传感器网络中,提出了移动节点自身位置确定的新方法,主要用于解决移动传感网的室内环境中的节点自身定位问题,通过这种方法,不需要给传感器节点添加额外的硬件,并且可以提高传感器节点的定位精度和定位实时性。下面给出具体的说明:
(1)本发明很好地利用了节点的移动性,使得节点定位有更好的实时性,同时对节点在实际环境中的运动情况进行了预测,使得节点的采样集合更接近节点的实际位置,减少了采样集合中一些明显不符合实际情况的采样点,从而减少了节点的计算量;
(2)本发明利用了节点定位精度较高的1跳邻居节点的估计位置(一个位置)的信息对节点的采样点进行加权,用估计定位误差来估计节点初步计算出的估计位置的误差情况,使得节点在应用邻居节点的位置信息时对这个位置的误差有一定的容忍,不仅在很大程度上减少了通信开销,而且对无线电射程的不规则性有着较好的适用性,进一步提高了定位的精度;
(3)本发明采用分布式定位法,网络环境中无需中心节点,一定程度上减少了由于中心节点通信吞吐量过大导致的无法定位问题。
附图说明
图1是本发明方法节点部署示意图
图2是本发明方法移动节点初始位置估计示意图
图3是本发明方法节点定位基本方法流程图
图4是本发明方法移动节点历史记录队列更新流程图
图5是本发明方法节点位置估计修正流程图
具体实施方式
图1是本发明方法节点部署示意图。本发明包含两种节点:锚节点和移动节点(也称未知节点)。锚节点固定地布置在室内环境中,锚节点间在节点的通信范围内可以相互通信,构成移动传感网的骨干结构,其位置通过构建相对坐标系而确定。移动节点在网络中可以不受控制地移动,其位置信息初始时不确定。移动节点间以及移动节点和锚节点间在节点的通信范围内无线通信。节点A可以与节点B、C、D通信说明节点B、C、D是节点A的邻居节点;节点C可以与节点a、b、c通信说明节点a、b、c是节点C的1跳锚节点;节点A不能与节点a、b、c通信但是节点A的邻居节点B、C可以分别与节点a、b、c、d通信说明节点a、b、c、d是节点A的2跳锚节点。
图2是本发明方法移动节点初始位置估计示意图。图中的Z区域表示的是初始时,移动节点收到三个1跳锚节点的位置信息后可能存在的范围。
参见图3,一种应用于移动传感网的室内定位方法,它包括以下步骤:
(1)锚节点位置部署:在室内固定区域放置M个锚节点,每个锚节点都有自己的网络ID号,指定区域内某个角落的锚节点的位置坐标为坐标原点,其他锚节点根据与这个已知自身位置的锚节点的位置关系来确定其相应坐标,建立室内移动传感网的相对坐标系;
(2)移动节点初始位置估计:将移动节点随机放入步骤(1)中的固定区域内,移动节点根据与其通信的1跳锚节点和2跳锚节点得出移动节点可能存在的范围,在此范围内随机选择N个节点可能存在的位置,形成节点的初始位置采样集合初始位置时,移动节点是不知道自身的位置信息。锚节点向其通信半径内发送自身位置信息,移动节点收到与其通信的锚节点的信息后,判断是1跳锚节点还是2跳锚节点。当为1跳锚节点时,根据其位置(xi,yi)和最大射频发送距离r确定移动节点可能存在的范围为当为2跳锚节点时,同理可以确定移动节点可能存在的范围为如果锚节点在边界位置,则上述位置缩小到不超过边界。
(3)预测阶段:假设时间分为离散的时间,在每一个时刻移动节点根据其前一时刻的位置采样集合,利用与其通信的1跳锚节点和2跳锚节点对移动节点的当前位置进行预测估计,并形成当前时刻的节点位置采样集合。时刻t时,节点利用t-1时刻的采样集合Lt-1,选择合适的运动模型来预测节点下一时刻的可能位置形成当前时刻节点的采样集合Lt,并使用一个历史记录队列记录节点前k个时刻的节点估计位置信息和时刻信息。
(a)当历史记录队列中的记录数小于k时,新采样点lt在以旧采样点lt-1为圆心,υmax为半径的圆盘区域随机选取一个可能位置作为节点的预测位置。在已知前一时刻的节点的可能位置lt-1时,而且节点的移动速度在区间[0,vmax]上服从均匀分布,节点基于先前位置的当前位置估计的概率分布可以表示为:
其中,d(lt,lt-1)表示点lt与点lt-1的距离,转移方程p(lt|lt-1)描述基于t-1时刻的节点位置分布预测t时刻的位置分布。
(b)当历史记录队列中的记录数等于k时,节点利用t-1时刻的采样集合Lt-1,得到此时刻的节点估计位置loca_estit-1,并通过构建高斯-马尔可夫移动模型对节点的运动轨迹及运动的速度vt-1和方向(以θ角表示)进行预测。以loca_estit-1(位置坐标为(xt-1,yt-1))为坐标原点,min{vt-1,vmax}为半径,在假定的节点运动方向顺时针和逆时针各展开θ角得到一个扇形,在该扇形区域中随机选取N个点作为预测值。满足上述情况的节点集合可以表示为:
(4)滤波阶段:根据当前时刻的节点位置采样集合中的采样位置能否与预测阶段使用的1跳和2跳锚节点通信,滤除不符合条件的采样位置。
根据节点所侦听到的1跳和2跳锚节点,所有不可能的位置lt从Lt中被移出。假设S表示节点A侦听到的所有1跳锚节点,T表示节点A侦听到的所有2跳锚节点。这样,位置l的滤波条件为:
其中,d(l,s)表示点l与点s的距离,一般在没有特殊说明的情况下,移动节点和锚节点具有相同的无线电射程。
(5)如果经过滤波后符合要求的预测点数小于N,则将扇形的θ角扩大一倍。重复上述(3)(4)过程重新进行预测点选取和滤波,直到找到满足要求的足够的点。
(6)对任意节点A,在t时刻应用上述方法对其定位,在采样和过滤过程结束后得到采样集合 被认为是节点的估计位置。
(7)当采样集合已填满后,移动节点利用其定位精度较高的1跳邻居节点的位置信息(估计位置loca_esti)来帮助定位,对采样集合里的每个采样点进行加权,使得有更大可能接近节点实际位置的采样点具有更大的权重,从而对节点的估计位置进行修正得到节点的修正估计位置pos_esti。
图4是本发明方法移动节点历史记录队列更新流程图。初始时,每个移动节点按照(a)算法中获取自己前k个时刻的位置坐标,并存放在一个历史记录队列{ti,(xi,yi)}(i=1,2,...,k),然后根据记录来预测移动节点下一时刻的运动趋势。对于历史记录队列,始终维持一个包含k个样本点的队列,用来对节点的运动轨迹进行插值,这k个采样点是节点前k个时刻的预测位置的修正值。当移动节点产生新的定位值时,将预测位置的插值点添加到队列的末尾,如果队列长度超过k,则丢弃队列的第一项,保证队列保存的是最新的k个历史记录。得到滤波后的修正值之后,比较修正值和插值所得点的位置,如果两者方向一致,距离差别不大,则无需更新历史记录队列,减少计算量;否则,更新历史记录队列,用修正值替换队列中的最新插值。
图5是本发明方法节点位置估计修正流程图。利用定位精度较高的1跳邻居节点对滤波后的节点估计位置进行修正的方法如下:
(2)当节点的采样集合不为空时,每个移动节点在得到自身的估计位置loca_esti,根据当前时刻k节点的采样集合计算节点的估计误差若error_esti≤0.7r,则当前节点的定位精度较高,无需再用定位精度较高的1跳邻居节点对节点自身的估计位置loca_esti进行修正,即节点的修正估计位置pos_esti为节点的估计位置loca_esti;
(3)当节点的采样集合不为空并且估计定位误差error_esti>0.7r时,说明节点的估计位置loca_esti离节点的实际位置之间有较大的误差,需要利用定位精度较高的邻居节点修正节点的估计位置。具体方法如下:
对任意节点A,当节点t时刻的采样集合不为空时,假设A能侦听到M个error_esti≠-1的邻居节点,分别记为B1,...,BM,邻居节点Bi(i=1,...,M)的定位估计位置记为估计定位误差为(用来代替实际定位误差),集合中的每个采样点对应着一个权重初始时因为A能侦听到Bi,所以d(A,Bi)≤r,则也即说明若满足此条件,则有更大的可能接近A的实际位置,对应的权重应更大。对A的每个可能位置把他和(此条件下Bi的位置估计较为准确)进行比较,若 时,的值不变;若 其中i=0,1,...,N-1,k=1,...,M。把和门限值threshold进行比较,当大于等于门限值threshold时,其相应的采样值才被用来参与节点A的位置估计。否则,采样值舍去,不参与节点A的位置估计。设置门限值时为了极可以尽量多的应用离节点实际位置相对较近的采样点的信息,也可以尽量多的消除离节点实际位置相对较远的采样点信息对定位的干扰。
Claims (7)
1.一种应用于移动传感网的室内定位方法,其特征在于它包括以下步骤:
(1)锚节点位置部署:在室内固定区域放置M个锚节点,每个锚节点都有自己的网络ID号,指定区域内某个角落的锚节点的位置坐标为坐标原点,其他锚节点根据与这个已知自身位置的锚节点的位置关系来确定其相应坐标,建立室内移动传感网的相对坐标系;
(2)移动节点位置部署以及初始位置估计:将移动节点随机放入步骤(1)中的固定区域内,移动节点根据与其通信的1跳锚节点和2跳锚节点得出移动节点可能存在的范围,在此范围内随机选择N个节点可能存在的位置,形成节点的初始位置采样集合
(3)预测阶段:假设时间分为离散的时间,在每一个时刻移动节点根据其前一时刻的位置采样集合,利用与其通信的1跳锚节点和2跳锚节点对移动节点的当前位置进行预测估计,并形成当前时刻的节点位置采样集合;
(4)滤波阶段:根据当前时刻的节点位置采样集合中的采样位置能否与预测阶段使用的1跳和2跳锚节点通信,滤除不符合条件的采样位置;
(5)如果经过滤波后符合要求的位置采样集合中的采样数小于N,则重复上述(3)、(4)过程重新进行预测点选取和滤波,直到找到满足要求的足够的点;
(6)位置修正:当采样集合已填满后,移动节点利用其定位精度较高的1跳邻居节点的位置信息来帮助定位,对采样集合里的每个采样点进行加权,使得有更大可能接近节点实际位置的采样点具有更大的权重,从而对节点的估计位置进行修正得到节点的修正估计位置。
3.如权利要求1所述一种应用于移动传感网的室内定位方法,其特征在于所述步骤(3)中预测节点的估计位置的方法如下:时刻t时,节点利用t-1时刻的采样集合选择合适的运动模型来预测节点下一时刻的可能位置形成当前时刻节点的采样集合并同时使用一个历史记录队列来记录节点前k个时刻的节点估计位置信息和时刻信息;
(31)当历史记录队列中的记录数小于k时,采用随机运动模型来预测节点的估计位置,新采样点(i=0,1,...,N-1)在以前一时刻的采样点(i=0,1,...,N-1)为圆心,υmax(移动节点的最大移动速度)为半径的圆盘区域随机选取一个可能位置作为节点的预测位置,在已知前一时刻的节点的可能位置(i=0,1,...,N-1)时,而且节点的移动速度在区间[0,υmax]上服从均匀分布,节点基于前一位置的当前位置估计的概率分布可以表示为:
(32)当历史记录队列中的记录数等于k时,节点利用t-1时刻的采样集合Lt-1,得到此时刻的节点估计位置loca_estit-1,并通过构建高斯-马尔可夫移动模型对节点的运动轨迹及运动的速度υt-1和方向(以θ角表示)进行预测;以loca_estit-1(位置坐标为(xt-1,yt-1))为坐标原点,min{υt-1,vmax}为半径,在假定的节点运动方向顺时针和逆时针各展开θ角得到一个扇形,在该扇形区域中随机选取N个点作为预测值,满足上述情况的节点集合可以表示为:
4.如权利要求1或者权利要求3所述一种应用于移动传感网的室内定位方法,其特征在于:在预测阶段,使用的高斯-马尔可夫运动模型来预测节点的运动轨迹的方法如下:利用前k个时刻的历史记录,采用牛顿二次插值对节点的位置坐标预测出k+1时刻的位置,传感器节点的资源和计算能力相对有限,故选择k=3来减少节点的计算复杂度,同时保证预测的准确性;
假设f(ti)表示节点是时刻ti上的函数值,历史记录队列中的前3个时刻的记录信息为{t1,(x1,y1)}、{t2,(x2,y2)}、{t3,(x3,y3)},t1<t2<t3,则当前时刻t节点的位置坐标可以表示为:
xt=f(t1)+f[t1,t2](t-t1)+f[t1,t2,t3](t-t2)(t-t2)+f[t,t1,t2,t3](t-t1)(t-t2)(t-t3)
6.如权利要求1或者权利要求3所述一种应用于移动传感网的室内定位方法,其特征在于:初始时,每个移动节点按照随机运动模型方式获取自己前k个时刻的位置坐标,并存放在一个历史记录队列{ti,(xi,yi)}(i=1,2,...,k),然后根据记录来预测移动节点下一时刻的运动趋势,对于历史记录队列,始终维持一个包含k个样本点的队列,用来对节点的运动轨迹进行插值,这k个采样点是节点前k个时刻的预测位置的修正值,当移动节点产生新的定位值时,将预测位置的插值点添加到队列的末尾,如果队列长度超过k,则丢弃队列的第一项,保证队列保存的是最新的k个历史记录,得到滤波后的修正值之后,比较修正值和插值所得点的位置,如果两者方向一致,距离差别不大,则无需更新历史记录队列,减少计算量;否则,更新历史记录队列,用修正值替换队列中的最新插值。
7.如权利要求1所述一种应用于移动传感网的室内定位方法,其特征在于:利用定位精度较高的1跳邻居节点对滤波后的节点估计位置进行修正的方法如下:
(a)对任意移动节点A,当节点的采样集合为空时,设定节点的定位估计误差error_esti=-1,节点的位置为它所能侦听到的所有邻居节点Bi的质心,即节点A的估计位置为
(b)当移动节点的采样集合不为空时,每个移动节点得到自身的估计位置loca_esti,根据当前时刻k节点的采样集合计算节点的估计误差若error_esti≤0.7r,则当前节点的定位精度较高,无需再用定位精度较高的1跳邻居节点对节点自身的估计位置loca_esti进行修正,即节点的修正估计位置pos_esti为节点的估计位置loca_esti;
(c)当节点的采样集合不为空并且估计定位误差error_esti>0.7r时,说明节点的估计位置loca_esti离节点的实际位置之间有较大的误差,需要利用定位精度较高的邻居节点修正节点的估计位置,具体实施方法如下:
对任意移动节点A,当节点t时刻的采样集合不为空时,假设A能侦听到M个error_esti≠-1的邻居节点,分别记为B1,...,BM,邻居节点Bi(i=1,...,M)的定位估计位置记为估计定位误差为(用来代替实际定位误差),集合中的每个采样点对应着一个权重(i=1,2,...,N),初始时因为A能侦听到Bi,所以d(A,Bi)≤r,则也即说明若满足此条件,则有更大的可能接近A的实际位置,对应的权重应更大,对A的每个可能位置把它和(此条件下Bi的位置估计较为准确)的Bi估计位置进行比较,若 时,的值不变;若 其中i=0,1,...,N-1,k=1,...,M,把和门限值threshold进行比较,当大于等于门限值threshold时,其相应的采样值才被用来参与节点A的位置估计,否则,采样值舍去,不参与节点A的位置估计,设置门限值时为了极可以尽量多的应用离节点实际位置相对较近的采样点的信息,也可以尽量多的消除离节点实际位置相对较远的采样点信息对定位的干扰,然后,对节点A的可能位置的权重进行归一化:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101120001A CN102685886A (zh) | 2012-04-16 | 2012-04-16 | 一种应用于移动传感网的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101120001A CN102685886A (zh) | 2012-04-16 | 2012-04-16 | 一种应用于移动传感网的室内定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102685886A true CN102685886A (zh) | 2012-09-19 |
Family
ID=46817079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101120001A Pending CN102685886A (zh) | 2012-04-16 | 2012-04-16 | 一种应用于移动传感网的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102685886A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024669A (zh) * | 2012-11-30 | 2013-04-03 | 广东工业大学 | 一种网状网络节点定位方法 |
CN103152745A (zh) * | 2013-03-26 | 2013-06-12 | 华南师范大学 | 一种强自适应性移动节点定位的方法 |
CN103442437A (zh) * | 2013-09-03 | 2013-12-11 | 重庆大学 | 一种基于可信邻居距离的无线传感网节点定位校准方法 |
CN105510876A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 一种基于电磁波传播特性的室内测距定位方法 |
CN105554879A (zh) * | 2015-05-07 | 2016-05-04 | 中国科学院信息工程研究所 | 一种室内区域定位优化方法及系统 |
CN105578593A (zh) * | 2015-12-23 | 2016-05-11 | 华南师范大学 | 基于小波变换预测的移动节点定位方法 |
CN106332004A (zh) * | 2016-08-25 | 2017-01-11 | 电子科技大学 | 一种基于多径衰落信道的移动无线传感网节点定位方法 |
CN106412817A (zh) * | 2015-07-29 | 2017-02-15 | 中国移动通信集团设计院有限公司 | 一种移动终端的定位方法及其装置 |
CN107073714A (zh) * | 2014-11-21 | 2017-08-18 | 库卡罗伯特有限公司 | 用于修正机器人引导工具的加工轨迹的方法和系统 |
WO2017220031A1 (zh) * | 2016-06-24 | 2017-12-28 | 中兴通讯股份有限公司 | 定位方法及装置 |
CN107770748A (zh) * | 2017-11-09 | 2018-03-06 | 海信集团有限公司 | 一种对终端进行定位的方法及设备 |
CN107850660A (zh) * | 2015-07-17 | 2018-03-27 | 株式会社村田制作所 | 位置检测系统以及计算机程序 |
CN108375754A (zh) * | 2018-02-10 | 2018-08-07 | 沈阳理工大学 | Wsn中基于移动节点初始状态和移动状态的节点定位方法 |
CN109600706A (zh) * | 2017-09-29 | 2019-04-09 | 北京布科思科技有限公司 | 探测并计算uwb锚点坐标的方法及系统 |
CN109803234A (zh) * | 2019-03-27 | 2019-05-24 | 成都电科慧安科技有限公司 | 基于权值重要度约束的无监督融合定位方法 |
CN110267193A (zh) * | 2019-05-29 | 2019-09-20 | 南京理工大学 | 基于马尔科夫决策过程模型的车辆位置跟踪方法 |
CN112218234A (zh) * | 2020-09-07 | 2021-01-12 | 天地(常州)自动化股份有限公司 | 一种基于双天线的定位分站、定位方法及装置 |
WO2021098028A1 (zh) * | 2019-11-21 | 2021-05-27 | 刘镇崇 | 渐进式全球定位系统及其方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101420749A (zh) * | 2008-12-02 | 2009-04-29 | 中国科学技术大学苏州研究院 | 无线传感网络室内节点区域的判定方法 |
US20100248637A1 (en) * | 2009-03-31 | 2010-09-30 | Zafer Sahinoglu | Method for Estimating Location of Nodes in Wireless Networks |
-
2012
- 2012-04-16 CN CN2012101120001A patent/CN102685886A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101420749A (zh) * | 2008-12-02 | 2009-04-29 | 中国科学技术大学苏州研究院 | 无线传感网络室内节点区域的判定方法 |
US20100248637A1 (en) * | 2009-03-31 | 2010-09-30 | Zafer Sahinoglu | Method for Estimating Location of Nodes in Wireless Networks |
Non-Patent Citations (3)
Title |
---|
汪炀,黄刘生等: "一种基于Monte Carlo的移动传感网络精确定位算法", 《小型微型计算机系统》 * |
王妮: "分布式无需测距(range-free)的移动无线传感器网络节点的定位方法", 《信息科技辑》 * |
黄梅根,常新峰: "一种基于蒙特卡罗法的无线传感器网络移动节点定位算法研究", 《传感技术学报》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024669B (zh) * | 2012-11-30 | 2015-03-25 | 广东工业大学 | 一种网状网络节点定位方法 |
CN103024669A (zh) * | 2012-11-30 | 2013-04-03 | 广东工业大学 | 一种网状网络节点定位方法 |
CN103152745B (zh) * | 2013-03-26 | 2015-06-03 | 华南师范大学 | 一种强自适应性移动节点定位的方法 |
CN103152745A (zh) * | 2013-03-26 | 2013-06-12 | 华南师范大学 | 一种强自适应性移动节点定位的方法 |
CN103442437A (zh) * | 2013-09-03 | 2013-12-11 | 重庆大学 | 一种基于可信邻居距离的无线传感网节点定位校准方法 |
CN107073714B (zh) * | 2014-11-21 | 2020-09-18 | 库卡罗伯特有限公司 | 用于修正机器人引导工具的加工轨迹的方法和系统 |
CN107073714A (zh) * | 2014-11-21 | 2017-08-18 | 库卡罗伯特有限公司 | 用于修正机器人引导工具的加工轨迹的方法和系统 |
CN105554879A (zh) * | 2015-05-07 | 2016-05-04 | 中国科学院信息工程研究所 | 一种室内区域定位优化方法及系统 |
CN105554879B (zh) * | 2015-05-07 | 2019-01-22 | 中国科学院信息工程研究所 | 一种室内区域定位优化方法及系统 |
CN107850660A (zh) * | 2015-07-17 | 2018-03-27 | 株式会社村田制作所 | 位置检测系统以及计算机程序 |
CN107850660B (zh) * | 2015-07-17 | 2021-06-15 | 株式会社村田制作所 | 位置检测系统以及计算机程序 |
CN106412817B (zh) * | 2015-07-29 | 2019-09-17 | 中国移动通信集团设计院有限公司 | 一种移动终端的定位方法及其装置 |
CN106412817A (zh) * | 2015-07-29 | 2017-02-15 | 中国移动通信集团设计院有限公司 | 一种移动终端的定位方法及其装置 |
CN105578593A (zh) * | 2015-12-23 | 2016-05-11 | 华南师范大学 | 基于小波变换预测的移动节点定位方法 |
CN105578593B (zh) * | 2015-12-23 | 2019-04-02 | 华南师范大学 | 基于小波变换预测的移动节点定位方法 |
CN105510876A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 一种基于电磁波传播特性的室内测距定位方法 |
WO2017220031A1 (zh) * | 2016-06-24 | 2017-12-28 | 中兴通讯股份有限公司 | 定位方法及装置 |
CN106332004A (zh) * | 2016-08-25 | 2017-01-11 | 电子科技大学 | 一种基于多径衰落信道的移动无线传感网节点定位方法 |
CN109600706A (zh) * | 2017-09-29 | 2019-04-09 | 北京布科思科技有限公司 | 探测并计算uwb锚点坐标的方法及系统 |
CN107770748A (zh) * | 2017-11-09 | 2018-03-06 | 海信集团有限公司 | 一种对终端进行定位的方法及设备 |
CN107770748B (zh) * | 2017-11-09 | 2020-12-04 | 海信集团有限公司 | 一种对终端进行定位的方法及设备 |
CN108375754A (zh) * | 2018-02-10 | 2018-08-07 | 沈阳理工大学 | Wsn中基于移动节点初始状态和移动状态的节点定位方法 |
CN109803234A (zh) * | 2019-03-27 | 2019-05-24 | 成都电科慧安科技有限公司 | 基于权值重要度约束的无监督融合定位方法 |
CN110267193A (zh) * | 2019-05-29 | 2019-09-20 | 南京理工大学 | 基于马尔科夫决策过程模型的车辆位置跟踪方法 |
WO2021098028A1 (zh) * | 2019-11-21 | 2021-05-27 | 刘镇崇 | 渐进式全球定位系统及其方法 |
GB2604491A (en) * | 2019-11-21 | 2022-09-07 | Jenn Chorng Liou | Progressive global positioning system and method |
CN112218234A (zh) * | 2020-09-07 | 2021-01-12 | 天地(常州)自动化股份有限公司 | 一种基于双天线的定位分站、定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102685886A (zh) | 一种应用于移动传感网的室内定位方法 | |
US8938255B2 (en) | Devices, methods, and systems for radio map generation | |
JP6025790B2 (ja) | 位置データベースを用いた移動装置の位置の判定 | |
Baggio et al. | Monte Carlo localization for mobile wireless sensor networks | |
KR100671283B1 (ko) | 순차 송수신 방식을 이용한 비동기 무선 측위 시스템 및방법 | |
RU2489800C2 (ru) | Система и способ эффективного пополнения сотовой сетевой модели | |
EP1224826B1 (en) | Location determination in telecommunication network | |
US20160077185A1 (en) | Terrestrial positioning system calibration | |
US8823585B2 (en) | Sensor-assisted location-aware mobile device | |
US9863773B2 (en) | Indoor global positioning system | |
KR20180093684A (ko) | 무선 통신 시스템에서 핸드오프를 수행하는 장치 및 이를 위한 방법 | |
CN103404189A (zh) | 无线站的自定位 | |
CN103517204A (zh) | 一种移动终端的定位方法和设备 | |
US20160219409A1 (en) | Methods, Wireless Device and Network Node for Managing Positioning Method Based on Prediction | |
CN101363909A (zh) | 一种基于单元格的无线传感器网络定位方法 | |
CN111148057B (zh) | 室内定位方法、系统、计算机设备及可读存储介质 | |
WO2013024279A1 (en) | Context-awareness statistics on mobile devices | |
CN105208651A (zh) | 基于地图结构的Wi-Fi位置指纹非监督训练方法 | |
CN106413082B (zh) | 地理位置监测方法及设备 | |
KR102052519B1 (ko) | 저전력 블루투스 기반의 실내 측위 방법 및 장치 | |
Gu et al. | Challenges in mobile localisation in wireless sensor networks for disaster scenarios | |
Martins et al. | OTMCL: Orientation tracking-based Monte Carlo localization for mobile sensor networks | |
KR20130017990A (ko) | 음영지역 환경에서 멀티홉을 이용한 점진적 위치인식 시스템 및 그 방법 | |
US11809199B2 (en) | Method and apparatus for predicting demand for personal mobility vehicle and redistributing personal mobility vehicle | |
CN112954591B (zh) | 一种协同分布式定位方法及系统 |
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: 20120919 |