CN103068035B - 一种无线网络定位方法、装置及系统 - Google Patents

一种无线网络定位方法、装置及系统 Download PDF

Info

Publication number
CN103068035B
CN103068035B CN201110323778.2A CN201110323778A CN103068035B CN 103068035 B CN103068035 B CN 103068035B CN 201110323778 A CN201110323778 A CN 201110323778A CN 103068035 B CN103068035 B CN 103068035B
Authority
CN
China
Prior art keywords
base station
signal strength
terminal
receiver
grid
Prior art date
Application number
CN201110323778.2A
Other languages
English (en)
Other versions
CN103068035A (zh
Inventor
阎啸天
温亮生
贺赢
邢辉峰
Original Assignee
中国移动通信集团公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 中国移动通信集团公司 filed Critical 中国移动通信集团公司
Priority to CN201110323778.2A priority Critical patent/CN103068035B/zh
Publication of CN103068035A publication Critical patent/CN103068035A/zh
Application granted granted Critical
Publication of CN103068035B publication Critical patent/CN103068035B/zh

Links

Abstract

本发明公开了一种无线网络定位方法、装置及系统。其中该方法包括:A、根据接收的终端定位请求信息,向参考网络中心服务器请求参考网络中接收机装置对所述终端可见基站信号强度的监测数据;B、根据预设的动态指纹预测模型及所述参考网络中心服务器返回的监测数据对所述终端进行定位。本发明通过引入参考接收装置组成的参考网络实时监控和捕捉接收机装置处周边环境下信号强度数据的动态变化趋势,并将动态信号强度数据(即动态指纹信息)用于在线实时定位。在很大程度上削弱了复杂、动态变化的环境因素对传统基于静态指纹数据库指纹定位方法的定位精度的影响。

Description

一种无线网络定位方法、装置及系统

技术领域

[0001] 本发明涉及移动通信技术,尤其涉及一种无线网络定位方法、装置及系统。

背景技术

[0002] 现有无线网络位置业务中的基于信号强度的指纹定位技术,用于解决指纹定位系 统中在维持指纹数据更新以保证指纹定位性能的前提下,降低指纹数据采集成本的技术问 题。

[0003] 指纹定位技术是无线网络中一种基于定位终端接收信号强度等特征参数的定位 技术。通常情况下,指纹定位技术从处理流程步骤角度考虑可以分为:离线采样和在线定位 两个阶段。

[0004] 离线阶段中,采样终端在足够密度采样点处终端接收可见基站(此处的"基站"为 广义概念,既可指蜂窝小区基站,亦可指WLAN接入点或RFID标签)的标识信息(如蜂窝小 区标识CellID或WLAN接入点SSID或RFID、Zigbee、蓝牙等类型无线局域网络的基站接入 设备的唯一标识)、信号强度信息(均值矢量或概率分布数据等)及其采样点处终端位置坐 标(室外用经、炜、高度等表示)等数据。在每个采样点处终端测量得到的上述信息经整理 生成一条样本指纹记录,简称指纹,收集所有采样点处终端的指纹信息,构成指纹数据库。 除采集生成指纹数据库之外,离线阶段通常还会对原始的指纹数据库进行一定的预处理操 作,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精简去重等,以提高在线 阶段指纹在搜索、匹配和优选处理等方面的性能。

[0005] 在线定位阶段,定位平台基于某种确定性方法(如信号空间欧氏距离法)或概率 统计理论(如直方图等方法)对终端实测各可见基站信号强度与指纹数据库中相应基站信 号强度之间的相似度进行计算和比较,确定与实测信号强度最接近(相似度最大)的K个 优选指纹,将各优选指纹信号强度与实测信号强度之间的相似度作为权重,计算并返回此K 个优选指纹所在采样点处终端位置的加权均值作为终端定位的位置结果。这种基于K个优 选指纹的定位方法统称K-最近邻(KNN,K-Nearest Neighbor)方法。

[0006] 无线网络指纹定位技术相比传统GPS定位方式具有更广泛的适用范围,相比传统 蜂窝GSM/CDMA网络定位具有更高的性能(速度和精准度),因而备受关注且有巨大发展潜 力。除了广域GSM/CDMA蜂窝网络外,指纹定位还能够适用于多种无线局域网络,如WLAN、 RFID或蓝牙等。指纹定位技术更加适用于密集城区或室内等传统GPS、蜂窝定位方式所无 法实现或难以实现高精度定位的场景。

[0007] 但是,指纹定位技术存在一定技术难题:指纹的动态变化特性所导致的定位精准 度降低。

[0008] 在指纹定位适用的场景中,相比室外空旷地区,密集楼宇城区和室内等环境的动 态性和复杂性更高。在这些环境下,离线采样点处终端的无线信号传播受周围静态物体位 置改变、动态物体不可预知的移动等复杂环境因素的影响,而存在严重的反射、折射、散射、 绕射、小尺度衰落、多径等各种类型的叠加干扰,即使在相同地点对相同AP的接收信号强 度也可能随着时间的推移(一天中不同时段或采集后一段时期之后)而产生较大波动,因 而造成指纹数据库中记录的信号强度信息失效,最终导致在线定位精度受损。

[0009] 为解决该问题,提高指纹数据库对环境的适应度,维持指纹定位精准度,现有系统 的主要解决方案有:1)手机用户在使用移动位置业务过程中协助采集和上传指纹数据;2) 由服务运营方进行周期性批量采集更新指纹数据库。

[0010] 这两个解决方案有以下缺陷:

[0011] 方案1)涉及用户位置隐私可能引起法律纠纷(可参考Apple和Google相关的报 导),且在移动互联网位置业务尚未形成用户规模的情况下用户上传数量较少难以见效。因 此,方案1)可行性不足。

[0012] 方案2)大众位置业务覆盖的服务区域范围较广,周期性指纹数据库更新的工作 量较大。在实际操作过程中成本较高。

[0013] 综上所述,现有指纹定位技术为满足在大面积业务区域内多种场景下提供高质量 定位服务,在实现离线指纹数据库周期性更新提高指纹数据对动态复杂环境适应性的同 时,存在采集成本高、工作量大的问题,使得业务的运营受到制约。因此,通过提高指纹数据 信息对环境适应度,进而保证定位性能的同时,从降低指纹采集工作量的角度,改善指纹数 据更新的效率,进而提高指纹定位系统的可用性成为现阶段需要解决的技术问题。

发明内容

[0014] 本发明的目的在于,提供一种无线网络定位方法、装置及系统,其定位精度高,降 低了指纹采集工作量。

[0015] 为实现上述目的,根据本发明的一个方面,提供一种无线网络定位方法,包括:A、 根据接收的终端定位请求信息,向参考网络中心服务器请求参考网络中接收机装置对所述 终端可见基站信号强度的监测数据;B、根据预设的动态指纹预测模型及所述参考网络中心 服务器返回的监测数据对所述终端进行定位。

[0016] 为实现上述目的,根据本发明的另一个方面,提供一种定位服务器,包括:请求信 息生成模块,用于根据接收的终端定位请求信息生成数据请求信息发送至参考网络中心服 务器;定位计算模块,用于根据预存的动态指纹预测模型及所述参考网络中心服务器返回 的监测数据对所述终端进行定位;存储模块,用于存储所述动态指纹预测模型。

[0017] 为实现上述目的,根据本发明的另一个方面,提供一种无线网络定位系统,其特征 在于,包括:定位服务器,用于根据接收的终端定位请求信息向参考网络中心服务器发送数 据请求信息;根据预设的动态指纹预测模型及参考网络中心服务器返回的监测数据对所述 终端进行定位;所述参考网络中心服务器,用于根据接收的所述数据请求信息从接收机装 置获取监测数据,并发送给所述定位服务器;所述接收机装置,用于形成参考网络,实时监 测其覆盖的基站信号强度。

[0018] 本发明的一种无线网络定位方法、装置及系统,通过预设的动态指纹预测模型及 接收机装置对终端可见基站信号强度的监测数据对所述终端进行定位。本发明通过引入参 考接收装置组成的参考网络实时监控和捕捉接收机装置处周边环境下信号强度数据的动 态变化趋势,并将动态信号强度数据(即动态指纹信息)用于在线实时定位。在很大程度 上削弱了复杂、动态变化的环境因素对传统基于静态指纹数据库指纹定位方法的定位精度 的影响。另外,通过在离线阶段引入相关流程,利用参考网络采集数据生成动态指纹预测模 型,为在线定位阶段完成动态指纹数据的实时更新,在很大程度上节省了离线阶段繁复重 复的采集数据工作,提高在线定位的精确度。

附图说明

[0019] 图1是本发明无线网络定位系统实施例的结构图;

[0020] 图2是本发明无线网络定位方法实施例的流程图;

[0021] 图3是本发明定位服务器对终端进行定位的流程图;

[0022] 图4是本发明定位服务器实施例的结构图;

[0023] 图5是本发明定位计算模块44实施例的结构图。

具体实施方式

[0024] 以下结合附图对本发明进行详细说明。

[0025] 系统实施例

[0026] 在环境复杂性较高而且对定位精准度要求也很高的目标服务区域,如密集城区 (如中心商业区等)和大型公共场所(如大型购物中心、机场、展览馆、医院等)的室内环境 中,环境的动态特性很强,指纹数据的失效比较快,频繁地批量采集更新指纹数据库不仅成 本高而且效率低。因此,本发明针对该类区域,提出一种无线网络定位系统,如图1所示,在 目标服务区域以较小密度(较小密度指参考接收机装置的信号接收范围互相之间不重叠 能够覆盖所有可见基站即可)部署若干接收机装置组成的参考网络50。

[0027] 参考网络50中的接收机装置应该具备下述功能:1)能够接收指纹定位所使用无 线局域网络(如WLAN、蓝牙、RFID、Zigbee等)的信号,具体获取内容主要包括:基站标识及 其信号强度等;2)能够将周期性接收到的指纹信息实时地通过参考网络上报给参考网络 中心服务器。该接收机装置可以为智能手机(android、iphone等)或者平板电脑(ipad、三 星tab等),只要支持定位所用的无线网络(wifi、蓝牙、rfid等)即可。除上述硬件支持, 还需要软件层面的支持,即在http协议基础上,设计私有协议支持参考网络中心服务器与 参考网络中各接收机装置之间的消息交互,目的是实现接收机装置将自身监测到的无线网 络信息相关信息(基站标识、信号强度等),传送给参考网络中心服务器。系统无需预知参 考网络中各接收机装置的具体位置信息。

[0028] 如图1所示,本发明无线网络定位系统实施例包括:

[0029] 定位服务器30,用于根据接收的终端10的定位请求信息向参考网络中心服务器 40发送数据请求信息;根据预设的动态指纹预测模型及参考网络中心服务器40返回的监 测数据对终端进行定位;

[0030] 参考网络中心服务器40,用于根据接收的数据请求信息从接收机装置51、52获取 监测数据,并发送给定位服务器30 ;

[0031] 接收机装置51、52,用于形成参考网络,实时监测其覆盖的基站信号强度,例如,接 收机装置51监测基站21的信号强度,接收机装置52监测基站21和22的信号强度。

[0032] 接收机装置由传感器网络各节点添加相应的无线网络信号的接收功能单元构成, 并在网络中增加参考网络中心服务器装置用于汇总各参考节点上报信息并与定位服务器 交互。

[0033] 其中,定位服务器30接收终端10的定位请求信息后,首先从定位请求信息中提取 终端10的可见基站标识及相应的信号强度信息,根据可见基站标识生成相应的数据请求 信息发送至参考网络中心服务器40,向参考网络中心服务器40请求参考网络中各接收机 装置51、52对这些可见基站的信号强度接收信息。

[0034] 定位服务器30在收到参考网络中心服务器40返回的信号强度信息后,根据离线 阶段解析训练预先生成的动态指纹预测模型,实时计算能够覆盖终端可见基站的所有采样 点处终端的动态指纹数据,进一步利用动态指纹信号强度信息和终端实测信号强度信息计 算K个优选指纹并基于最近邻原则求解最终定位结果。具体定位过程在方法实施例中进行 描述,在此不再赘述。

[0035] 本实施例的无线网络定位系统,增加了接收机装置组成的参考网络以及参考网络 中心服务器设备。其中,参考网络中心服务器与参考网络相连能够收集汇总、并为定位服务 器提供目标服务区域中全部接收机装置所接收到的可见基站标识及其信号强度信息。使用 参考网络的作用在于利用机器装置代替人力来动态监测跟踪信号传播环境的变化规律,不 仅降低了运营维护成本,而且提高了指纹数据的更新质量。在具体实施中,可以通过在已有 传感器网络(如物联网)中各节点基础上添加相应无线网络信号的接收功能,并增加参考 网络中心服务器汇总各接收机装置上报信息并与定位服务器交互。

[0036] 方法实施例

[0037] 如图2所示,本发明无线网络定位方法实施例的具体流程如下:

[0038] S202,终端向定位服务器发起定位请求,同时携带终端所接收到的可见基站标识 和信号强度信息;

[0039] S204,定位服务器接收终端定位请求后,首先提取终端可见基站标识,根据可见基 站标识向参考网络中心服务器请求接收机装置对终端可见基站信号强度的监测数据;

[0040] S206,参考网络中心服务器从接收机装置获取监测数据发送给定位服务器;

[0041] S208,定位服务器根据预设的动态指纹预测模型及参考网络中心服务器返回的监 测数据对终端进行定位。

[0042] S206中,参考网络中心服务器从接收机装置获取监测数据可以通过以下两种方式 实现:

[0043] (1)参考网络中心服务器根据可见基站标识,获取能够接收所述可见基站的接收 机装置标识列表,实时主动与这些接收机装置建立连接并向列表中的接收机装置发起获取 可见基站的信号强度的监测数据;

[0044] (2)由参考网络中各接收机装置定期上报实时监测的不同基站信号强度信息给参 考网络中心服务器,参考网络中心服务器将所有接收机装置上报的基站标识及其信号强度 信息记录缓存;参考网络中心服务器根据可见基站标识,从缓存中获取接收机装置最新上 报的监测数据。

[0045] 如图3所示,S208中,定位服务器对终端进行定位的具体流程如下:

[0046] s301,接收参考网络中心服务器返回的对终端的可见基站的信号强度的监测数 据;

[0047] s302,根据监测数据和动态指纹预测模型计算各接收机装置对可见基站的信号强 度的预测值,即生成动态指纹数据;

[0048] s303,计算预测值与可见基站相应的信号强度信息之间的近似度;

[0049] s304,选取最邻近的K个预测值作为优选动态指纹;

[0050] s305,将优选动态指纹的近似度作为权重值,计算K个优选动态指纹对应接收机 装置的所处位置的加权均值作为对终端的定位结果。

[0051] 上述s302中的动态指纹数据,即为用户发起定位的时间段内,各采样点处终端的 实时准确的指纹数据。相比离线静态的指纹数据库而言动态指纹数据更准确地反映了采样 点处终端位置处的实时信号强度状态。定位服务器可以将该更新后的指纹数据在本地记录 缓存,以便在同一时段内接受到类似请求时能够直接使用。

[0052] 上述s303中,计算近似度的方法可以有以下两种方式:

[0053] a)若终端请求定位时携带的是可见基站的信号强度均值或单次测量值,则使用基 于确定性规则的方法,如信号空间欧氏距离法;

[0054] b)若终端请求定位是携带的是可见基站信号强度的统计数据,如直方图信息,则 使用基于概率统计理论的方法,如概率统计直方图法。

[0055] 上述s305中,当K为0或1时,处理方法如下:

[0056] 当K = 1时直接返回该采样点处终端对应的位置作为定位结果。

[0057] 当K = 0时则定位失败。

[0058] 本实施例中,定位服务器在离线阶段训练生成动态指纹预测模型。接收机装置与 采样点处终端共同收集目标区域内各可见基站的指纹信号强度等信息。终端在各采样点处 终端采集各可见基站的标识(如CID或SSID)和信号强度(如RSSI)信息,终端同时获取 终端所在采样点处终端的位置坐标(通过定位或地址登记等方式)。二者所收集内容的不 同之处在于采样点处终端需要收集完整指纹信息,而参考接收节点只需要收集基站的标识 及其信号强度即可,无需采集采样点处终端坐标位置信息。

[0059] 定位服务器获得接收机装置和采样点处终端收集的信息后,整合终端所采集指纹 数据,并进行一定的预处理操作(如均值处理等),并对二者所接收相同基站j (1 < j < P, P为目标区域中基站的总数)的信号强度之间的关系f进行分析,得出相应数学规律并建立 由接收机装置信号强度推导出采样点处终端i (I < i < n,n为目标服务区域中采样点处终 端总数)处终端接收信号强度的动态指纹预测模型:

Figure CN103068035BD00091

[0061] 其中,Slj表示在采样点处终端i处终端接收到的基站j的信号强度,r kj表示接收 机装置k(l SkSm)接收可见基站j的信号强度,目标服务区域中接收机装置的数量为m, 采样点处终端数量为n,可见基站数量为p。

[0062] 由此可得所有采样点处终端各可见基站信号强度与接收机装置信号强度之间的 关系式。从而建立起由接收机装置信号强度动态推导出所有采样点处终端信号强度(即全 部信号强度指纹信息)的预测模型。

[0063] 具体地,可以采用多元回归的方法实现动态指纹预测模型的生成,建立一个用来 描述单个因变量与多个相互独立自变量之间关系的简单线性模型。在本系统中的物理意义 为:建立采样点处终端各可见基站信号强度矢量与多个接收机装置相同可见基站信号强度 矢量之间的线性关系模型。进一步可以具体描述为下述数学关系:将采样点处终端i处用 户终端对可见基站j的接收信号强度S,,表示为覆盖这些可见基站的多个接收机装置的接 收信号强度矢量的线性聚合或线性组合(Linear Aggregation或Linear Combination)。 上述数学关系具体可通过下述数学公式来表示:

Figure CN103068035BD00101

[0065] 其中,rk]表示接收机装置k(l < k < m)接收可见基站j的信号强度,接收机装置 数量为m,模型系数也即线性组合权值ak]的物理意义为:各接收机装置所测信号强度(相 互独立)对预测采样点处终端终端接收信号强度的贡献比例。 e]是均值为零且呈正态分布 的随机误差。上式中rk]和s u是已知量。

[0066] 因此,在离线阶段建立动态指纹预测模型的主要任务为:在采样点处终端以及接 收机装置观测接收到的一组(q次接收测量,且q > m+1)信号强度基础上,为可见基站j计 算线性组合权值或模型系数矢量:

Figure CN103068035BD00102

[0068] 基于上述条件,对于采样点处终端和接收机装置都可见的基站j而言,能够建立q 个线性方程,取其中m+1个方程构成线性方程组,计算出m+1个未知量aw,aij,...,B nij,线 性方程组的解即为对该m+1个模型系数的最小二乘估计。

[0069] 同理,在每一个采样点处终端,利用上述方法针对每一个可见基站计算其模型 系数aj,l < = j <=p,p为可见基站的数目。最终可得所有采样点处终端针对各可 见基站的由接收机装置信号强度计算得到该采样点处终端接收信号强度的预测模型: Si(I ^ i ^ η),

Figure CN103068035BD00103

[0071] 本实施例中,s302~s305具体实施方式如下:定位服务器根据各接收机装置对终 端可见基站信号强度的监测值,使用离线训练得到的动态指纹预测模型推导出各采样点处 终端对这些可见基站的接收信号强度预测值:S iQ彡i彡n) ,Si= (S^s2, S3,…sp) ,Sij = ίΆυ,r2.i,...rW),1 彡 J·彡 Ρ。

[0072] 利用这些动态预测的指纹数据信号强度信息,计算各采样点处终端动态指纹信号 强度与终端实测信号强度

Figure CN103068035BD00104

1之间的近似度,例如通过计算信号空间欧氏 距离的大小来评估信号强度之间的近似度的弱强,信号强度近似度可以用数学方式描述如 下:

Figure CN103068035BD00105

[0074] 上式中,Cl1表示采样点处终端i处预测的动态指纹信号强度与终端实测信号强度 之间的信号空间距离。在针对所有采样点处终端计算得到上述信号空间距离的基础上,对 这i个信号空间距离进行比较排序,确定其中最小的K个,即优选K个与实测信号最为接近 的动态指纹作为后续加权平均计算最终定位结果的候选指纹。其中K为一个静态的经验数 值或者动态确定的整数值。

[0075] 本实施例的方法,通过预设的动态指纹预测模型及接收机装置对终端可见基站信 号强度的监测数据对所述终端进行定位。本发明通过引入参考接收装置组成的参考网络实 时监控和捕捉接收机装置处周边环境下信号强度数据的动态变化趋势,并将动态信号强度 数据(即动态指纹信息)用于在线实时定位。在很大程度上削弱了复杂、动态变化的环境 因素对传统基于静态指纹数据库指纹定位方法的定位精度的影响。另外,通过在离线阶段 引入相关流程,利用参考网络采集数据生成动态指纹预测模型,为在线定位阶段完成动态 指纹数据的实时更新,在很大程度上节省了离线阶段繁复重复的采集数据工作,提高在线 定位的精确度。

[0076] 服各器实施例

[0077] 如图4所示,本发明定位服务器实施例包括以下模块:

[0078] 请求信息生成模块42,用于根据接收的终端定位请求信息生成数据请求信息发送 至参考网络中心服务器;

[0079] 定位计算模块44,用于根据预存的动态指纹预测模型及所述参考网络中心服务器 返回的监测数据对所述终端进行定位;

[0080] 存储模块46,用于存储所述动态指纹预测模型。

[0081] 优选地,该定位服务器还包括:模型生成模块48,用于根据接收到的采样点处终 端和接收机装置采集的目标区域内各可见基站的信号强度信息,生成采样点处终端接收信 号强度的动态指纹预测模型。

[0082] 其中,如图5所示,定位计算模块44包括:

[0083] 预测子模块441,用于根据所述监测数据和所述动态指纹预测模型计算各接收机 装置对所述可见基站的信号强度的预测值;

[0084] 近似度计算子模块442,用于计算所述预测值与所述可见基站相应的信号强度信 息之间的近似度;

[0085] 优选子模块443,用于选取最邻近的多个预测值作为优选动态指纹;

[0086] 加权计算子模块444,用于将所述优选动态指纹的近似度作为权重值,计算所述优 选动态指纹对应接收机装置的所处位置的加权均值作为对所述终端的定位结果。

[0087] 本实施例的定位服务器,通过预设的动态指纹预测模型及接收机装置对终端可见 基站信号强度的监测数据对所述终端进行定位。本发明通过引入参考接收装置组成的参考 网络实时监控和捕捉接收机装置周边环境下信号强度数据的动态变化趋势,并将动态信号 强度数据(即动态指纹信息)用于在线实时定位。在很大程度上削弱了复杂、动态变化的 环境因素对传统基于静态指纹数据库指纹定位方法的定位精度的影响。另外,通过在离线 阶段引入相关流程,利用参考网络采集数据生成动态指纹预测模型,为在线定位阶段完成 动态指纹数据的实时更新,在很大程度上节省了离线阶段繁复重复的采集数据工作,提高 在线定位的精确度。

[0088] 应说明的是:以上实施例仅用以说明本发明而非限制,本发明也并不仅限于上述 举例,一切不脱离本发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利 要求范围中。

Claims (13)

1. 一种无线网络定位方法,其特征在于,包括: A、 根据接收的终端定位请求信息,向参考网络中心服务器请求参考网络中接收机装置 对所述终端可见基站信号强度的监测数据; B、 根据预设的动态指纹预测模型及所述参考网络中心服务器返回的监测数据对所述 终端进行定位; 所述步骤B包括: 接收所述参考网络中心服务器返回的对所述终端的可见基站的信号强度的监测数 据; 根据所述监测数据和所述动态指纹预测模型计算各接收机装置对所述可见基站的信 号强度的预测值; 计算所述预测值与所述可见基站相应的信号强度信息之间的近似度; 选取最邻近的多个预测值作为优选动态指纹; 将所述优选动态指纹的近似度作为权重值,计算所述优选动态指纹对应接收机装置的 所处位置的加权均值作为对所述终端的定位结果。
2. 根据权利要求1所述的无线网络定位方法,其特征在于,所述步骤A之前还包括: 接收采样点处终端和接收机装置采集到的目标区域内各可见基站的信号强度信息; 根据所述采样点处终端和接收机装置采集到的信号强度信息生成采样点处终端接收 信号强度的动态指纹预测模型。
3. 根据权利要求1或2所述的无线网络定位方法,其特征在于,所述步骤A包括: 接收终端定位请求信息; 从所述定位请求信息中提取所述终端的可见基站标识及相应的信号强度信息; 根据所述终端的可见基站标识向参考网络中心服务器请求接收机装置对终端可见基 站信号强度的监测数据。
4. 根据权利要求3所述的无线网络定位方法,其特征在于,所述步骤A还包括:所述参 考网络中心服务器通过以下方式从所述接收机装置获取所述可见基站信号强度的监测数 据: 所述参考网络中心服务器根据所述可见基站标识,获取能够接收所述可见基站的接收 机装置标识列表,向所述列表中的接收机装置发起获取所述可见基站的信号强度的监测数 据的请求; 或 所述参考网络中心服务器接收所述接收机装置定期上报的对不同基站信号强度的监 测数据,根据可见基站标识,获取所述接收机装置最新上报的监测数据。
5. 根据权利要求1所述的无线网络定位方法,其特征在于,所述计算所述预测值与所 述可见基站相应的信号强度信息之间的近似度的操作包括: 使用信号空间欧氏距离法或概率统计直方图法计算所述预测值与所述可见基站相应 的信号强度信息之间的近似度。
6. 根据权利要求2所述的无线网络定位方法,其特征在于,所述根据所述终端和接 收机装置采集到的信号强度信息生成采样点处终端接收信号强度的动态指纹预测模型包 括: 利用多元回归的方法建立采样点处终端可见基站信号强度矢量与接收机装置可见基 站信号强度矢量之间的线性关系模型作为所述动态指纹预测模型。
7. -种定位服务器,其特征在于,包括: 请求信息生成模块,用于根据接收的终端定位请求信息生成数据请求信息发送至参考 网络中心服务器; 定位计算模块,用于根据预存的动态指纹预测模型及所述参考网络中心服务器返回的 参考网络中接收机装置对终端可见基站信号强度的监测数据对所述终端进行定位; 存储模块,用于存储所述动态指纹预测模型; 所述定位计算模块包括: 预测子模块,用于根据所述监测数据和所述动态指纹预测模型计算各接收机装置对所 述可见基站的信号强度的预测值; 近似度计算子模块,用于计算所述预测值与所述可见基站相应的信号强度信息之间的 近似度; 优选子模块,用于选取最邻近的多个预测值作为优选动态指纹; 加权计算子模块,用于将所述优选动态指纹的近似度作为权重值,计算所述优选动态 指纹对应接收机装置的所处位置的加权均值作为对所述终端的定位结果。
8. 根据权利要求7所述的定位服务器,其特征在于,所述请求信息生成模块,用于接收 终端定位请求信息,从所述定位请求信息中提取所述终端的可见基站标识及相应的信号强 度信息;根据所述终端的可见基站标识生成相应的数据请求信息发送至参考网络中心服务 器。
9. 根据权利要求7所述的定位服务器,其特征在于,还包括: 模型生成模块,用于根据接收到的采样点处终端和接收机装置采集的目标区域内各可 见基站的信号强度信息,生成采样点处接收信号强度的动态指纹预测模型,并将所述动态 指纹预测模型存储到所述存储模块。
10. -种无线网络定位系统,其特征在于,包括: 定位服务器,用于根据接收的终端定位请求信息向参考网络中心服务器发送数据请求 信息;根据预设的动态指纹预测模型及参考网络中心服务器返回的参考网络中接收机装置 对终端可见基站信号强度的监测数据对所述终端进行定位; 所述参考网络中心服务器,用于根据接收的所述数据请求信息从接收机装置获取监测 数据,并发送给所述定位服务器; 所述接收机装置,用于形成参考网络,实时监测其覆盖的基站信号强度; 其中,所述定位服务器,具体用于接收所述参考网络中心服务器返回的对所述终端的 可见基站的信号强度的监测数据;根据所述监测数据和所述动态指纹预测模型计算各接收 机装置对所述可见基站的信号强度的预测值;计算所述预测值与所述可见基站相应的信号 强度信息之间的近似度;选取最邻近的多个预测值作为优选动态指纹;将所述优选动态指 纹的近似度作为权重值,计算所述优选动态指纹对应接收机装置的所处位置的加权均值作 为对所述终端的定位结果。
11. 根据权利要求10所述的无线网络定位系统,其特征在于,所述定位服务器,用于从 所述定位请求信息中提取所述终端的可见基站标识及相应的信号强度信息,根据所述终端 的可见基站标识生成相应的数据请求信息发送至参考网络中心服务器。
12. 根据权利要求11所述的无线网络定位系统,其特征在于,所述参考网络中心服务 器,用于根据接收的数据请求信息中的可见基站标识,获取能够接收所述可见基站的接收 机装置标识列表,向所述列表中的接收机装置发起获取所述可见基站的信号强度的监测数 据; 或所述参考网络中心服务器,用于根据可见基站标识,从所述接收机装置定期上报的 对不同基站信号强度的监测数据中获取所述接收机装置最新上报的监测数据。
13. 根据权利要求10所述的无线网络定位系统,其特征在于,所述接收机装置由传感 器网络各节点添加相应的无线网络信号的接收功能单元构成,并在所述传感器网络中增加 参考网络中心服务器装置用于汇总各节点上报信息并与定位服务器交互。
CN201110323778.2A 2011-10-21 2011-10-21 一种无线网络定位方法、装置及系统 CN103068035B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110323778.2A CN103068035B (zh) 2011-10-21 2011-10-21 一种无线网络定位方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110323778.2A CN103068035B (zh) 2011-10-21 2011-10-21 一种无线网络定位方法、装置及系统

Publications (2)

Publication Number Publication Date
CN103068035A CN103068035A (zh) 2013-04-24
CN103068035B true CN103068035B (zh) 2016-03-02

Family

ID=48110452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110323778.2A CN103068035B (zh) 2011-10-21 2011-10-21 一种无线网络定位方法、装置及系统

Country Status (1)

Country Link
CN (1) CN103068035B (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103209478B (zh) * 2013-04-27 2016-01-06 福建师范大学 基于分类阈值及信号强度权重的室内定位方法
CN103237291B (zh) * 2013-05-10 2015-08-05 阿坝师范高等专科学校 移动终端的整合定位方法和信息服务主动推荐方法
US9197998B2 (en) 2013-05-16 2015-11-24 Marvell World Trade Ltd. Method and system for positioning wireless device
CN103442432B (zh) * 2013-08-09 2016-06-15 京信通信系统(中国)有限公司 指纹定位方法与服务器
US9686766B2 (en) 2013-08-26 2017-06-20 Telefonaktiebolaget Lm Ericsson (Publ) Location positioning using M2M ecosystem
CN103501537A (zh) * 2013-09-24 2014-01-08 北京大学 基于智能手机和Wi-Fi无线网络的楼宇内部定位方法和系统
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
CN103702411B (zh) * 2013-11-01 2017-01-18 清华大学 一种移动环境下的精确定位方法及装置
JP2015087356A (ja) * 2013-11-01 2015-05-07 株式会社日立製作所 位置情報取得システム、端末及びその方法
CN103945526B (zh) * 2014-03-14 2017-06-09 中国科学院信息工程研究所 基于诱发探测技术的无线设备定位方法及系统
CN104640201A (zh) * 2014-12-31 2015-05-20 智慧城市信息技术有限公司 基于wifi指纹技术的定位方法和装置
CN104780604B (zh) * 2015-03-11 2018-03-16 南京邮电大学 一种基于gmp算法的高目标识别性能的无线网络定位方法
CN106612543B (zh) * 2015-10-22 2020-06-09 北京金坤科创技术有限公司 一种室内定位自适应采样方法和装置
WO2017084596A1 (en) * 2015-11-19 2017-05-26 The Hong Kong University Of Science And Technology Facilitation of indoor localization and fingerprint updates of altered access point signals
CN105407156A (zh) * 2015-11-23 2016-03-16 北京百度网讯科技有限公司 一种客户端定位方法和装置
CN106792510B (zh) * 2016-11-25 2019-05-24 大连理工大学 一种指纹定位中的预测式指纹图搜索方法
CN106842264A (zh) * 2017-02-16 2017-06-13 南京大学 基于安卓平台的可通信室内外无缝定位系统及定位方法
CN107071708B (zh) * 2017-03-31 2020-02-04 湖南农业大学 智能移动终端被动无线信号采集及定位方法
CN107040595B (zh) * 2017-04-11 2020-03-31 盐城工学院 污水处理管理方法及系统
CN108668218A (zh) * 2017-11-28 2018-10-16 中兴通讯股份有限公司 一种终端定位方法及装置
CN111464938A (zh) * 2020-03-30 2020-07-28 滴图(北京)科技有限公司 定位方法、装置、电子设备和计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2010109361A1 (en) * 2009-03-23 2010-09-30 Koninklijke Philips Electronics, N.V. Location detection system and method with fingerprinting
KR20110026229A (ko) * 2009-09-07 2011-03-15 연세대학교 산학협력단 핑거 프린트 방식의 위치 추적 시스템 및 그 방법
CN102056293A (zh) * 2010-12-10 2011-05-11 北京星网锐捷网络技术有限公司 射频指纹定位方法、系统、无线控制器及定位服务器
CN102111872A (zh) * 2009-12-23 2011-06-29 中国移动通信集团公司 基于指纹定位技术的定位方法及装置
CN102186239A (zh) * 2011-04-13 2011-09-14 福建星网锐捷网络有限公司 射频指纹定位方法、装置及网络设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2010109361A1 (en) * 2009-03-23 2010-09-30 Koninklijke Philips Electronics, N.V. Location detection system and method with fingerprinting
KR20110026229A (ko) * 2009-09-07 2011-03-15 연세대학교 산학협력단 핑거 프린트 방식의 위치 추적 시스템 및 그 방법
CN102111872A (zh) * 2009-12-23 2011-06-29 中国移动通信集团公司 基于指纹定位技术的定位方法及装置
CN102056293A (zh) * 2010-12-10 2011-05-11 北京星网锐捷网络技术有限公司 射频指纹定位方法、系统、无线控制器及定位服务器
CN102186239A (zh) * 2011-04-13 2011-09-14 福建星网锐捷网络有限公司 射频指纹定位方法、装置及网络设备

Also Published As

Publication number Publication date
CN103068035A (zh) 2013-04-24

Similar Documents

Publication Publication Date Title
Shu et al. Gradient-based fingerprinting for indoor localization and tracking
EP3342192B1 (en) Method and arrangement for locating a mobile device
JP6297094B2 (ja) 近接フィンガープリントによる位置推定
Zafari et al. Enhancing ibeacon based micro-location with particle filtering
CN106687773B (zh) 基于上下文事件检测的传感器节点定位和传感器网络组织
Farid et al. Recent advances in wireless indoor localization techniques and system
US20170164157A1 (en) Using smart meters as reliable crowd-sourcing agents
Sen et al. You are facing the Mona Lisa: Spot localization using PHY layer information
Yilmaz et al. Radio environment map as enabler for practical cognitive radio networks
US20170223656A1 (en) Location measuring method and apparatus using access point for wireless local area network service and method for estimating location coordinate of access point
Chen et al. A localization method for the Internet of Things
US9165288B2 (en) Inferring relationships based on geo-temporal data other than telecommunications
Patwari Location estimation in sensor networks
JP4866361B2 (ja) ロケーションビーコンデータベースおよびサーバ、ロケーションビーコンデータベースを構築する方法、ならびにこれを使用するロケーションベースのサービス
US8989774B2 (en) Method and system of semnatic indoor positioning using significant places as satellites
Baniukevic et al. Improving wi-fi based indoor positioning using bluetooth add-ons
Varshavsky et al. GSM indoor localization
CN102985841B (zh) 对添加到无线通信网络的无线收发机的位置的确定
CN101940055B (zh) 以基于邻近性的自组织网络为基础的位置跟踪
Golden et al. Sensor measurements for Wi-Fi location with emphasis on time-of-arrival ranging
Luo et al. Pallas: Self-bootstrapping fine-grained passive indoor localization using WiFi monitors
US9591455B2 (en) Methods and apparatus to determine a base station location
Kim et al. Robust localization with unknown transmission power for cognitive radio
Abedi et al. Bluetooth and Wi-Fi MAC address based crowd collection and monitoring: benefits, challenges and enhancement
Jiang et al. Communicating is crowdsourcing: Wi-Fi indoor localization with CSI-based speed estimation

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