CN103200520B - 一种利用Wi-Fi的移动终端快速精确定位方法 - Google Patents
一种利用Wi-Fi的移动终端快速精确定位方法 Download PDFInfo
- Publication number
- CN103200520B CN103200520B CN201310072521.3A CN201310072521A CN103200520B CN 103200520 B CN103200520 B CN 103200520B CN 201310072521 A CN201310072521 A CN 201310072521A CN 103200520 B CN103200520 B CN 103200520B
- Authority
- CN
- China
- Prior art keywords
- feature
- collection
- access point
- cluster
- reference 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.)
- Active
Links
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种利用Wi-Fi的移动终端快速精确定位方法,首先对每个参考点位置包含的Wi-Fi接入点按照RSS的大小进行排序,选取k个最大RSS的Wi-Fi接入点作为参考点的特征AP集;然后根据每个参考点的特征AP集对指纹信息数据库进行聚类划分;当移动终端定位时,利用加扰技术对选取的特征AP集进行重新构造;最后利用新构造的特征AP集匹配查找相应的聚类集合进行精确定位。本发明能够与传统的Wi-Fi定位系统结合,并且易于实现,成本低。本发明通过构造特征AP集的方法,对指纹信息数据库进行聚类划分,显著降低了Wi-Fi定位计算量。
Description
技术领域
本发明属于无线通信技术和智能信息处理技术领域,特别是一种基于特征AP(Access Point,接入点简称AP)集和加扰技术的利用Wi-Fi的移动终端快速精确定位方法。
背景技术
基于Wi-Fi的定位系统具有成本低,精度高,应用范围广(室内和室外)等优点,在基于位置的服务中如紧急救援、智能交通和室内定位导航等方面取得了很大的成功。但是Wi-Fi定位技术仍存在以下两个问题亟需解决:(1)随着定位区域的不断增加,特别是对于市区Wi-Fi定位系统,位置指纹信息数据库将会变的很大,对于计算能力差、能量有限的智能终端,如果仍然像室内Wi-Fi定位系统那样,在整个指纹信息数据库中进行特征匹配将会导致高的定位计算量和大的定位延迟;(2)多径和环境干扰等因素引起的接收信号强度(Received Signal Strengthen,RSS)时域浮动严重恶化了Wi-Fi定位精度。
为了解决上述问题,研究者提出了多种方法,具体可以分为以下三类:
1.基于差异性显著的Wi-Fi接入点(Access Point,AP)定位方法
基于差异性显著的Wi-Fi接入点定位方法的基本思想是:选择差异性显著或者相关性小的Wi-Fi接入点进行特征匹配,通过抛弃差异性小的Wi-Fi接入点来降低定位计算量,这对于Wi-Fi接入点比较密集的室内Wi-Fi定位系统比较有效。但是对于大区域定位系统如市区Wi-Fi定位系统而言,定位计算量是由指纹信息数据库大小来决定,这种方法很难有效降低智能终端定位计算量。同时对于大区域定位系统而言,某一区域Wi-Fi接入点数量本身就是一种指纹信息,能改善定位系统性能,因此抛弃部分Wi-Fi接入点将会降低Wi-Fi定位系统性能。
2.基于时间分集和概率分布模型的Wi-Fi定位方法
基于时间分集和概率分布模型的Wi-Fi定位方法的基本思想是:在定位区域内固定位置利用时间分集来获得接收信号强度的多个样本,根据多个样本信息来建立接收信号强度的概率分布模型,将接收信号强度的概率分布模型存储到指纹信息数据库中;在定位阶段,移动目标利用时间分集获得接收信号强度的多个样本,通过求取样本均值来获得稳定的接收信号强度来进行定位。由于时间分集需要消耗大量的时间,增加了定位延迟,无法实现实时定位,在移动定位中无法使用。
3.Wi-Fi/GPS组合定位方法
Wi-Fi/GPS组合定位方法的基本思想是:利用滤波融合算法来是实现异构互补的两种定位技术的结合,从而提高定位性能。Wi-Fi/GPS组合定位可以在室外获得更好的定位性能,但是由于没有进一步降低Wi-Fi定位计算量,导致智能终端大的能量消耗,同时在室内环境下,由于GPS信号被遮挡,无法改善Wi-Fi室内定位精度。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种利用Wi-Fi的移动终端快速精确定位方法。
为了解决上述技术问题,本发明公开了一种利用Wi‐Fi的移动终端快速精确定位方法,包括构造特征AP集对指纹信息数据库聚类以及利用加扰技术和特征AP集快速精确定位两个部分:
构造特征AP集对指纹信息数据库聚类。
(1)在参考点(Reference Point,RP)处扫描周围Wi-Fi接入点,记录检测到的Wi-Fi接入点的RSS、MAC地址、和对应的物理位置信息,并将这些信息存储到指纹信息数据库中。所述参考点为在目标区域采用人为标定的方法随机设置一些自身位置已知的点,为移动目标的定位提供基准。
(2)然后对每个参考点位置包含的Wi-Fi接入点按照RSS的大小进行排序,选取前k个RSS最大的Wi-Fi接入点构造对应参考点的特征AP集。其中k的大小可以根据实际情况选取。
(3)根据每个参考点构造的特征AP集,对指纹信息数据库中的参考点进行聚类,具体原则是:包含相同特征AP集的参考点组合成一个聚类。其中两个特征AP集相同的定义是指两个特征AP集所包含的AP的MAC是相同的。
(4)用特征AP集所包括的Wi-Fi接入点的MAC地址作为对应聚类的索引,用于定位阶段聚类的快速匹配查找。
利用加扰技术和特征AP集快速精确定位。
(1)移动终端扫描周围环境中的Wi-Fi接入点,记录检测到的接入点的RSS、MAC地址。
(2)然后移动终端对检测到的Wi-Fi接入点按照RSS的大小排序,选取前k个最大RSS的Wi-Fi接入点作为当前未知位置的特征AP集。
(3)利用加扰技术对选取的特征AP集进行重新构造。加扰技术的具体实现是首先设置扰动值m(0<m<k,且m∈Z),然后从由k个特征AP组成的特征AP集中任意选取(k-m)个特征AP,由选取的(k-m)个特征AP加上m个不确定AP构成新的特征AP集,其中不确定AP定义为具有可变MAC地址的AP。通过这种方法生成的新的特征AP集个数为
(4)根据新构造的个特征AP集分别在指纹信息数据库中快速查找相应的聚类,查找的方法是以(k-m)个特征AP的MAC地址作为索引进行快速查找匹配。匹配成功的判决条件是:遍历指纹信息数据库中所有的聚类,检测每个聚类的索引是否包含(k-m)个特征AP的MAC地址,如果包含,则匹配成功。匹配成功的聚类构成特征AP集对应的聚类集合。
(5)最后在查找出来的聚类集合中按照基于接收信号强度空间的n最近邻算法(可以参考文献[1]:刘兴川,张盛,徐立强,等.基于空间分集和轨迹连续的实时Fingerprint定位算法,清华大学学报,2011,51(2):176-179.)进行位置估计,获得移动终端的位置信息。其中基于接收信号强度空间的n最近邻算法就是在对应的聚类集合中选取每个参考点,在信号域内计算与移动终端之间的欧氏距离,然后选取n个最小欧氏距离的参考点,用它们位置的加权平均作为用户移动终端的位置估计。
本发明方法通过构造特征AP集对指纹信息数据库进行聚类,当移动终端定位时,只需在相应的聚类中进行特征匹配即可,无需在整个指纹信息数据库中进行特征匹配,这极大降低了Wi-Fi定位计算量。同时针对接收信号强度时域浮动导致的找错聚类问题,设计了加扰技术来提高定位精度。
本发明首先对每个参考点位置包含的Wi-Fi接入点按照RSS的大小进行排序,选取k个最大RSS的Wi-Fi接入点作为参考点的特征AP集;然后根据每个参考点的特征AP集对指纹信息数据库进行聚类划分;当移动终端定位时,利用加扰技术对选取的特征AP集进行重新构造;最后利用新构造的特征AP集匹配查找相应的聚类集合进行精确定位。
有益效果:本发明的优势主要体现以下几个方面:
(1)本发明能够与传统的Wi-Fi定位系统结合,并且易于实现,成本低。
(2)现有的Wi-Fi定位系统未对指纹信息数据库进行优化,本发明通过构造特征AP集的方法,对指纹信息数据库进行聚类划分,显著降低了Wi-Fi定位计算量。
(3)针对接收信号强度的时域浮动问题,本发明提出了加扰技术来扩充特征AP集,进而扩大了聚类集合,有效提高了定位精度。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是构造特征AP对指纹信息数据库进行聚类过程示意图。
图2是基于加扰技术和特征AP集的快速精确定位过程示意图。
具体实施方式
本发明基于特征AP集和加扰技术的Wi-Fi定位方法的实施过程主要分为两个阶段:训练阶段和定位阶段,每个阶段的具体实现步骤如下所示:
训练阶段:训练阶段的目的就是通过构造特征AP集对指纹信息数据库进行聚类,具体实现原理如图1所示。
如图1所示,假设定位目标区域内存在a1、a2、a3、a4、a5和a6六个Wi-Fi接入点,纵坐标和横坐标表示Wi-Fi接入点在不同位置的接收信号强度,区域内的参考点用小三角符号表示,同时设定特征AP集的大小即k=3,扰动值m=1。接下来将通过构造特征AP集来对指纹信息数据库进行聚类,具体步骤如下:
(1)在参考点处扫描周围Wi-Fi接入点,记录检测到的Wi-Fi接入点的RSS、MAC地址、和对应的物理位置信息,并将这些信息存储到指纹信息数据库中。
(2)然后对每个参考点位置包含的Wi-Fi接入点按照RSS的大小进行排序,选取3个RSS最大的Wi-Fi接入点构造对应参考点的特征AP集。如图1所示,对上面的参考点分别构造对应的特征AP集,可以获得特征AP集ω1、ω2和ω3,分别为(a6,a1,a5)、(a2,a3,a1)和(a4,a5,a3),其中特征AP集中的Wi-Fi接入点并不需要按照接收信号强度的排序进行区分,只要两个参考点的特征AP集包含相同的Wi-Fi接入点,则这两个参考点就具有相同的特征AP集。
(3)根据构造的特征AP集ω1、ω2和ω3,对指纹信息数据库中的参考点进行聚类,具有相同特征AP集的参考点归属与同一个聚类。如图1所示,根据特征AP集ω1、ω2和ω3将指纹信息数据库划分为三个聚类C1、C2和C3。通过上面的分析可知,特征AP集k的取值决定了每个聚类所包含的参考点个数即每个聚类的大小,因此k的取值应根据定位系统需要选取合适的值,本发明建议k的选择为2-5。
(4)用特征AP集所包括的Wi-Fi接入点的MAC地址作为对应聚类的索引,例如特征AP集ω1包含3个Wi-Fi接入点:a6,a1,a5,因此用它们的MAC地址作为聚类C1的索引,用于定位阶段聚类的快速匹配查找。
定位阶段:定位阶段的目的主要是利用加扰技术和特征AP集快速查找相应的聚类集合,并在聚类集合中进行定位计算,获得移动终端的位置估计。具体实现原理如图2所示,具体实施步骤如下:
(1)如图2所示,当移动终端处于标记为1的小三角处时,移动终端扫描周围环境中的Wi-Fi接入点,记录检测到的接入点的RSS、MAC地址。
(2)然后移动终端对检测到的Wi-Fi接入点按照RSS的大小排序,选取前3个最大RSS的Wi-Fi接入点作为当前未知位置的特征AP集,即移动终端在标记为1的小三角处获得的特征AP集ω为(a5,a4,a6)。
正常情况下,移动终端可以通过特征AP集ω选择对应的聚类C3。但是实际环境中,由于多径和周围环境干扰,导致了Wi-Fi接入点a3或a6的信号强度出现了时域浮动,结果在当前位置构造的特征AP集ω为(a5,a4,a6)而不是预期的ω3(a4,a5,a3)。这时,如果不通过其他技术来修正特征AP集ω(a5,a4,a6),将会导致错误地选择其他的聚类进行定位计算,从而造成比较大的定位误差。接下来介绍如何利用加扰技术来解决这个问题。
(3)利用加扰技术对选取的特征AP集ω进行重新构造,来解决由Wi-Fi接入点时域浮动所引起的定位误差问题。加扰技术是通过扩充特征AP集来扩大聚类集合。例如特征AP集ω(a5,a4,a6),如果设置扰动值m=1,就可以用任意一个Wi-Fi接入点(用*表示)代替特征AP集ω中的任一个特征AP,从而构造了3个特征AP集,分别为ω(a5,a4,*),ω(a5,a6,*),ω(a4,a6,*)。
(4)然后根据新构造的3个特征AP集ω(a5,a4,*),ω(a5,a6,*),ω(a4,a6,*)分别进行聚类快速查找,例如特征AP集ω(a5,a4,*)查找到的对应聚类集合为C3,特征AP集ω(a5,a6,*)查找到的对应聚类集合为C1,特征AP集ω(a4,a6,*)没有对应聚类集合,因此最终通过加扰技术获得的聚类集合为聚类C1和聚类C3的并集,移动目标将在这两个聚类集合中进行定位匹配即可,而不需要在整个指纹信息数据库中进行匹配,因此显著降低了定位计算量,同时加扰技术也有效解决了信号时域浮动引起的定位误差问题。
(5)最后在查找出来的聚类集合C1∪C3中,按照任意经典的匹配算法如k-加权最近邻算法进行位置估计即可获得移动终端的位置信息。
实施例
本实施例在保密条件下进行了实验:实验环境选择为深圳市荔园大厦商业区,供检测到742个Wi-Fi接入点,部分Wi-Fi接入点的MAC地址及RSS值如下表1所示,同时采用人为标定的方式选取了266个参考点,记录下参考点的位置坐标。实验中采用配备了Intel(R)PRO/Wireless3945ABG Network Connection网卡的IBM X61笔记本电脑收集AP信息;选用TK-158-USB收集GPS信息,以其作为准确的位置信息,为Wi-Fi定位结果提供比较基准。软件部分则采用WirelessMon3.0扫描周围AP信号,记录相应的MAC、RSS、GPS经纬度、时间等信息;选用SQL Server 2000建立数据库;利用C++进行定位处理。
对典型的最近邻算法——NN算法、典型的K最近邻算法——KNN算法和本实施例中定位方法进行实验对比,三种定位方法的定位结果如表2所示。
表1部分Wi-Fi接入点的MAC地址及RSS值
MAC地址 | RSS值 |
00 25 86 21 a9 e8 | -91dBm |
00 16 01 0d 2a 93 | -82dBm |
00 1478 c702 58 | -66dBm |
00 18 4d 4e d9 8a | -88dBm |
00 13 10 7c 9f e7 | -80dBm |
…… | …… |
表2三种定位方法的实验比较
从以上表格可以明显看出,本发明所述的方法在定位过程中,无论是定位精度还是定位需要的时间都大大优于现有技术。
本发明提供了一种利用Wi-Fi的移动终端快速精确定位方法,具体实现该技术方案的方法和途径很多,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为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (2)
1.一种利用Wi-Fi的移动终端快速精确定位方法,其特征在于,包括构造特征AP集对指纹信息数据库聚类以及利用加扰技术和特征AP集快速精确定位两个部分:
所述构造特征AP集对指纹信息数据库聚类包括以下步骤:
随机设置一组参考点,并记录下参考点的位置坐标,在参考点处扫描周围Wi-Fi接入点,记录检测到的Wi-Fi接入点的接收信号强度RSS、MAC地址、和对应的物理位置数据,并将所述数据存储到指纹信息数据库中;
对每个参考点位置包含的Wi-Fi接入点按照接收信号强度RSS的大小进行排序,选取前k个接收信号强度RSS最大的Wi-Fi接入点构造对应参考点的特征AP集;k取值为自然数且小于Wi-Fi接入点的总数;
根据每个参考点的特征AP集,对指纹信息数据库中的参考点进行聚类,聚类方法为:包含相同特征AP集的参考点组合成一个聚类;其中相同特征指两个特征AP集所包含的AP的MAC地址相同;
用特征AP集所包括的Wi-Fi接入点的MAC地址作为对应聚类的索引,用于定位阶段聚类的快速匹配查找;
所述利用加扰技术和特征AP集快速精确定位包括以下步骤:
移动终端扫描周围环境中的Wi-Fi接入点,记录检测到的Wi-Fi接入点的接收信号强度RSS、MAC地址;
移动终端对检测到的Wi-Fi接入点按照RSS的大小排序,选取前k个最大接收信号强度RSS的Wi-Fi接入点作为当前位置的特征AP集;
利用加扰技术对选取的特征AP集进行重新构造,从而生成个新的特征AP集,其中m为扰动值;
根据新的个特征AP集分别在指纹信息数据库中查找相应的聚类;
在查找出来的聚类集合中按照基于接收信号强度空间的n最近邻算法进行位置估计,获得移动终端的位置信息;n为选取的最小欧氏距离的参考点的数量;
加扰技术包括以下步骤:首先设置扰动值m,0<m<k,且m∈Z,Z表示整数,然后从上步骤中获得的特征AP集中任意选取k-m个特征AP,由选取的k-m个特征AP加上m个不确定接入点AP构成新的特征AP集,其中不确定接入点AP为具有可变MAC地址的接入点AP,由此生成的新的特征AP集个数为
2.根据权利要求1所述的一种利用Wi-Fi的移动终端快速精确定位方法,其特征在于,根据新的个特征AP集分别在指纹信息数据库中查找相应的聚类包括以下步骤:以k-m个特征接入点AP的MAC地址作为索引进行查找匹配;
匹配算法为:遍历指纹信息数据库中所有的聚类,检测每个聚类的索引是否包含k-m个特征接入点AP的MAC地址,如果包含,则匹配成功,匹配成功的聚类构成特征AP集对应的聚类集合,否则匹配不成功。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310072521.3A CN103200520B (zh) | 2013-03-06 | 2013-03-06 | 一种利用Wi-Fi的移动终端快速精确定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310072521.3A CN103200520B (zh) | 2013-03-06 | 2013-03-06 | 一种利用Wi-Fi的移动终端快速精确定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103200520A CN103200520A (zh) | 2013-07-10 |
CN103200520B true CN103200520B (zh) | 2015-08-26 |
Family
ID=48722845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310072521.3A Active CN103200520B (zh) | 2013-03-06 | 2013-03-06 | 一种利用Wi-Fi的移动终端快速精确定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103200520B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9237418B2 (en) * | 2013-07-26 | 2016-01-12 | Marvell World Trade Ltd. | Positioning database management applied to server-based positioning system |
CN103561380A (zh) * | 2013-08-19 | 2014-02-05 | 北京邮电大学 | 位置指纹定位方法及装置 |
CN104427610B (zh) * | 2013-08-28 | 2017-12-12 | 中国电信集团公司 | WiFi室内定位方法与服务器 |
CN103796163A (zh) * | 2013-11-03 | 2014-05-14 | 北京工业大学 | 一种接收信号强度排序指纹的室内定位方法 |
CN103916820B (zh) * | 2014-03-31 | 2017-06-06 | 浙江大学 | 基于接入点稳定度的无线室内定位方法 |
CN105516887B (zh) * | 2014-09-25 | 2019-03-26 | 阿里巴巴集团控股有限公司 | 基于蓝牙的定位方法及其装置 |
CN104540219B (zh) * | 2014-12-29 | 2018-05-01 | 北京工业大学 | 一种低复杂度的Wi-Fi指纹室内定位方法 |
CN106162636B (zh) * | 2015-04-09 | 2019-05-17 | 厦门众联世纪科技有限公司 | 截图解锁wifi热点的方法 |
CN104965192A (zh) * | 2015-05-22 | 2015-10-07 | 南京邮电大学 | 一种基于决策树的分布式室内定位方法 |
CN106550331B (zh) * | 2015-09-23 | 2020-10-16 | 南京中兴新软件有限责任公司 | 一种室内定位方法和设备 |
CN105530609B (zh) * | 2015-12-16 | 2018-09-21 | 上海交通大学 | 基于Wi-Fi指纹的高效隐私保护的室内定位方法 |
CN105722032B (zh) * | 2016-01-20 | 2019-03-22 | 上海交通大学 | 基于最优指纹上报策略的无线室内定位方法 |
CN106162529B (zh) * | 2016-07-08 | 2020-02-14 | 北京邮电大学 | 室内定位方法与装置 |
CN106211321B (zh) * | 2016-07-28 | 2018-03-30 | 上海掌门科技有限公司 | 用于确定用户设备的位置信息的方法与设备 |
CN107249216A (zh) * | 2017-05-23 | 2017-10-13 | 成都联宇云安科技有限公司 | 一种基于辅助定位设备实现对智能终端精确定位的方法 |
CN107517446A (zh) * | 2017-09-28 | 2017-12-26 | 知谷(上海)网络科技有限公司 | 基于Wi‑Fi热点的室内定位方法及装置 |
CN109899932B (zh) * | 2017-12-11 | 2021-03-02 | 香港城市大学深圳研究院 | 空调的控制方法和装置 |
CN108307308B (zh) * | 2018-01-25 | 2021-09-14 | 北京小米移动软件有限公司 | 无线局域网设备的定位方法、装置和存储介质 |
CN111328012B (zh) * | 2018-12-14 | 2021-08-27 | 中国移动通信集团广东有限公司 | 一种基于楼宇WiFi立体分层定位方法及装置 |
CN109905840B (zh) * | 2019-03-18 | 2021-04-20 | 成都西加云杉科技有限公司 | 定位方法、装置、系统及无线接入设备 |
CN112437485B (zh) * | 2020-10-29 | 2021-11-12 | 北京邮电大学 | 一种基于神经网络的指纹空间插值法的定位方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102821465A (zh) * | 2012-09-07 | 2012-12-12 | 哈尔滨工业大学 | 基于分区信息熵增益的wlan室内定位方法 |
CN102883262A (zh) * | 2012-09-17 | 2013-01-16 | 北京大学 | 一种基于指纹匹配的Wi-Fi室内定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8369264B2 (en) * | 2005-10-28 | 2013-02-05 | Skyhook Wireless, Inc. | Method and system for selecting and providing a relevant subset of Wi-Fi location information to a mobile client device so the client device may estimate its position with efficient utilization of resources |
-
2013
- 2013-03-06 CN CN201310072521.3A patent/CN103200520B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102821465A (zh) * | 2012-09-07 | 2012-12-12 | 哈尔滨工业大学 | 基于分区信息熵增益的wlan室内定位方法 |
CN102883262A (zh) * | 2012-09-17 | 2013-01-16 | 北京大学 | 一种基于指纹匹配的Wi-Fi室内定位方法 |
Non-Patent Citations (2)
Title |
---|
刘兴川,林孝康.基于聚类的快速Wi-Fi定位算法.《计算机工程》.2011, * |
基于空间分集和轨迹连续的实时Fingerprint 定位算法;刘兴川, 张盛, 徐立强, 林孝康;《 清华大学学报(自然科学版)》;20111231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103200520A (zh) | 2013-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103200520B (zh) | 一种利用Wi-Fi的移动终端快速精确定位方法 | |
CN102291817B (zh) | 移动通信网络中的基于位置测量样本的群定位方法 | |
Liu et al. | Improving positioning accuracy using GPS pseudorange measurements for cooperative vehicular localization | |
CN108696932A (zh) | 一种利用csi多径及机器学习的室外指纹定位方法 | |
CN102932911B (zh) | 位置指纹定位方法及定位系统 | |
AU4466899A (en) | Pattern recognition-based geolocation | |
Fang et al. | Application of an improved K nearest neighbor algorithm in WiFi indoor positioning | |
CN101963962B (zh) | 兴趣点数据关联方法及装置 | |
Liang et al. | Fingerprint-based location positoning using improved KNN | |
CN104050196A (zh) | 一种兴趣点数据冗余检测方法及装置 | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及系统、设备、存储介质 | |
Liu et al. | Localization algorithm of indoor Wi-Fi access points based on signal strength relative relationship and region division. | |
CN106658704A (zh) | 一种室内定位的起点位置的定位方法和系统 | |
CN103368984A (zh) | 一种信息分享方法及系统 | |
CN100407852C (zh) | 一种移动通讯中移动终端的定位方法 | |
Ibrahim et al. | Enabling wide deployment of GSM localization over heterogeneous phones | |
CN110049549A (zh) | 基于WiFi指纹的多融合室内定位方法及其系统 | |
CN105916153A (zh) | 一种不依赖移动终端gps信号的定位方法 | |
Li et al. | A novel method of Wi-Fi indoor localization based on channel state information | |
Zhang et al. | WiFi fingerprint positioning based on clustering in mobile crowdsourcing system | |
Zhong et al. | WiFi indoor localization based on K-means | |
CN111405461A (zh) | 一种优化等间隔指纹采样个数的无线室内定位方法 | |
CN106446102A (zh) | 基于地图围栏的终端定位方法和装置 | |
CN109388758B (zh) | 人口迁徙目的确定方法、装置、设备及存储介质 | |
Wu et al. | Research on WiFi Location Fingerprint Positioning Algorithm Based on DPC‐FCM Clustering |
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 |