CN103235791A - 一种基于秩次的指纹匹配优化定位方法 - Google Patents
一种基于秩次的指纹匹配优化定位方法 Download PDFInfo
- Publication number
- CN103235791A CN103235791A CN2013101070685A CN201310107068A CN103235791A CN 103235791 A CN103235791 A CN 103235791A CN 2013101070685 A CN2013101070685 A CN 2013101070685A CN 201310107068 A CN201310107068 A CN 201310107068A CN 103235791 A CN103235791 A CN 103235791A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- positioning
- over
- grid
- matching
- 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
Images
Landscapes
- Collating Specific Patterns (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种基于秩次的指纹匹配优化定位方法,对定位终端采集的到指纹向量按照RSS值从小到大的规则进行排序;对指纹匹配的过程中,如果该AP缺失将其秩次标记为负值;对指纹数据库建立二级索引,网格的建立分为一级网格和二级网格;基于建立好的空间索引网格,利用初次定位与精确定位相结合的算法,在加快定位速度的基础上提高定位精度。在排除不同定位终端设备对定位精度的影响基础上,充分考虑同一指纹中信号强度的不同对最终定位结果的影响。同时针对指纹匹配的大数据特征提出了空间索引方式进行指纹匹配,这样就大大提高了指纹匹配的速度,该定位方法在保证提高定位响应速度同时,提高了定位的精度。
Description
技术领域
本发明属于模式识别技术领域,具体涉及一种基于秩次的指纹匹配优化定位方法。
背景技术
随着计算机和信息处理技术的发展,人们在二十世纪六十年代开始使用计算机来处理指纹。在世界计多国家开展了自动指纹识别系统的研究与应用,最初这些系统使用在司法鉴定上,经过不断的发展,现在指纹识别技术已经是比较成熟的技术。伴随着现代电子集成制造技术的飞速发展和快速可靠的方法的研究,指纹识别技术的应用已经不再局限于法律、公安领域,现在指纹识别系统被广泛的应用于通讯、保险、医疗卫生、计算机控制系统、门禁系统、考勤系统、网上交易和身份证件等各种领域。
基于WIFI/GSM信息的最新的指纹匹配算法可以向城市和室内的用户提供高效、高精度的定位服务。但是传统的指纹匹配算法定位精度受到定位设备影响较大。尤其是在在众包为基础的定位系统中。基于秩次的指纹匹配算法可以很好的降低不同定位设备的影响,进而可以很好的提高定位精度。
现有技术的基于秩次算法流程简述如下:
1、对定位终端采集的到指纹向量按照RSS值从大到小的规则进行排序;
2、标记指纹向量中AP的秩次。向量中的第一个标记为1,第二个标记为2,以此类推;
3、进入对比阶段:
3.1 将在线阶段向量中的MAC地址与指纹数据库中向量的MAC地址进行对比,提取秩次向量X、Y;
3.2 当数据库中MAC地址存在,则将在线阶段该MAC地址的秩次计入X向量,同时提取数据中该MAC地址的秩次计入Y向量;
3.3 当数据库中MAC地址不存在时,则在Y向量中记秩次为0,同时在线阶段中该MAC地址的秩次计入X向量。
基于秩次的指纹匹配算法降低了不同定位设备对定位精度和性能的影响,使得不同定位设备定位结果取得了很好的一致性,但是现有技术的定位算法中并未考虑同一条指纹中接入点的信号强弱对定位终端位置的影响。同时指纹匹配算法应用牵涉到对大数据的检索匹配等等,因此如何在大数据中高效的匹配到合适的指纹也是个挑战。
有鉴于此,本发明人针对现有技术的缺陷深入研究,并有本案产生。
发明内容
本发明所要解决的技术问题在于提供一种基于秩次的指纹匹配优化定位方法,该方法基于建立好的空间索引网格,利用初次定位与精确定位相结合的算法,在加快定位速度的基础上提高定位精度。
本发明是这样实现的:
一种基于秩次的指纹匹配优化定位方法,包括如下步骤:
步骤1:对定位终端采集的到指纹向量按照RSS值从小到大的规则进行排序;
步骤2、标记指纹向量中AP的秩次:向量中的第一个标记为1,第二个标记为2,以此类推;对指纹匹配的过程中,如果该AP缺失将其秩次标记为负值;
步骤3:对指纹数据库建立二级索引,网格的建立分为一级网格和二级网格;
步骤4:进入对比阶段:
步骤4.1:对用户请求待定位的指纹进行秩次排序,如果上传的为含有基站的混合指纹信息,则将基站数据排在最前面;
步骤4.2:利用指纹中WIFI 热点信息,采用基于MAC地址定位的方法进行定位以获取初始位置,如果定位成功,转入步骤4.3,否则转入步骤4.4;
步骤4.3:根据初始位置索引二级网格数据,转入步骤4.8;
步骤4.4:采用指纹中基站信息进行定位获取初始位置信息,如果定位成功,转入步骤4.5,否则转入步骤4.6;
步骤4.5:根据初始位置索引一级网格数据,转入步骤4.8;
步骤4.6:判断上次定位是否成功,成功则转入步骤4.7,否则定位失败,结束定位;
步骤4.7:判断本次定位与上次定位之间的时间间隔,如果小于给定阈值,转入步骤4.3,否则转入步骤4.5;
步骤4.8:基于优化后的RBF算法匹配指纹;
步骤4.9:基于WKNN精确计算用户位置,算法结束。
进一步地,所述一级网格大小为0.005°*0.005°,即600m*600m,其网格内指纹数为14400;所述二级网格大小约为0.0025°*0.0025°,即300m*300m,其网格内指纹数约3600。
本发明的优点在于:由于定位初始位置的获取方式有多种(包括指纹中WIFI热点信息的MAC地址定位、指纹中基站定位以及上一次定位等等),这样就会导致获取到的初始位置不尽相同。为了适应这种不同定位精度的初始位置获能够索引到合适的指纹,就需要对他们采用不同分辨率的网格进行索引。本发明基于建立好的空间索引网格,利用初次定位与精确定位相结合的算法,在加快定位速度的基础上提高定位精度。
附图说明
下面参照附图结合实施例对本发明作进一步的描述。
图1是本发明中进入对比阶段的各步骤流程示意图。
具体实施方式
一种基于秩次的指纹匹配优化定位方法,包括如下步骤:
步骤1:对定位终端采集的到指纹向量按照RSS值从小到大的规则进行排序,与现有技术是相反的顺序;
步骤2、标记指纹向量中AP的秩次:向量中的第一个标记为1,第二个标记为2,以此类推;对指纹匹配的过程中,如果该AP缺失将其秩次标记为负值(值的绝对值为定位向量该AP 的秩次);
步骤3:对指纹数据库建立二级索引,网格的建立分为一级网格和二级网格;网格分级的原因:因为定位初始位置的获取方式有多种(包括指纹中WIFI热点信息的MAC地址定位、指纹中基站定位以及上一次定位等等),这样就会导致获取到的初始位置不尽相同。为了适应这种不同定位精度的初始位置获能够索引到合适的指纹,就需要对他们采用不同分辨率的网格进行索引。一级网格大小约为0.005°*0.005°(约600m*600m), 网格内指纹数约14400;二级网格大小约为0.0025°*0.0025°(约300m*300m),网格内指纹数约3600。
步骤4:进入对比阶段:具体步骤流程示意图如图1所示。
步骤4.1:对用户请求待定位的指纹进行秩次排序,如果上传的为含有基站的混合指纹信息,则将基站数据排在最前面;
步骤4.2:利用指纹中WIFI 热点信息,采用基于MAC地址定位的方法进行定位以获取初始位置,如果定位成功,转入步骤4.3,否则转入步骤4.4;
步骤4.3:根据初始位置索引二级网格数据,转入步骤4.8;
步骤4.4:采用指纹中基站信息进行定位获取初始位置信息,如果定位成功,转入步骤4.5,否则转入步骤4.6;
步骤4.5:根据初始位置索引一级网格数据,转入步骤4.8;
步骤4.6:判断上次定位是否成功,成功则转入步骤4.7,否则定位失败,结束定位;
步骤4.7:判断本次定位与上次定位之间的时间间隔,如果小于给定阈值,转入步骤4.3,否则转入步骤4.5;
步骤4.8:基于优化后的RBF算法匹配指纹;
步骤4.9:基于WKNN精确计算用户位置,算法结束。
本发明在排除不同定位终端设备对定位精度的影响基础上,充分考虑了同一指纹中信号强度的不同对最终定位结果的影响。同时针对指纹匹配的大数据特征提出了空间索引方式进行指纹匹配,这样就大大提高了指纹匹配的速度,定位响应速度对于定位终端用户体验来说是一个非常重要的指标。该定位方法在保证提高定位响应速度同时,提高了定位的精度。
以上所述仅为本发明的较佳实施用例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于秩次的指纹匹配优化定位方法,其特征在于:包括如下步骤:
步骤1:对定位终端采集的到指纹向量按照RSS值从小到大的规则进行排序;
步骤2、标记指纹向量中AP的秩次:向量中的第一个标记为1,第二个标记为2,以此类推;对指纹匹配的过程中,如果该AP缺失将其秩次标记为负值;
步骤3:对指纹数据库建立二级索引,网格的建立分为一级网格和二级网格;
步骤4:进入对比阶段:
步骤4.1:对用户请求待定位的指纹进行秩次排序,如果上传的为含有基站的混合指纹信息,则将基站数据排在最前面;
步骤4.2:利用指纹中WIFI 热点信息,采用基于MAC地址定位的方法进行定位以获取初始位置,如果定位成功,转入步骤4.3,否则转入步骤4.4;
步骤4.3:根据初始位置索引二级网格数据,转入步骤4.8;
步骤4.4:采用指纹中基站信息进行定位获取初始位置信息,如果定位成功,转入步骤4.5,否则转入步骤4.6;
步骤4.5:根据初始位置索引一级网格数据,转入步骤4.8;
步骤4.6:判断上次定位是否成功,成功则转入步骤4.7,否则定位失败,结束定位;
步骤4.7:判断本次定位与上次定位之间的时间间隔,如果小于给定阈值,转入步骤4.3,否则转入步骤4.5;
步骤4.8:基于优化后的RBF算法匹配指纹;
步骤4.9:基于WKNN精确计算用户位置,算法结束。
2.如权利要求1所述的一种基于秩次的指纹匹配优化定位方法,其特征在于:所述一级网格大小为0.005°*0.005°,即600m*600m,其网格内指纹数为14400;所述二级网格大小约为0.0025°*0.0025°,即300m*300m,其网格内指纹数约3600。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310107068.5A CN103235791B (zh) | 2013-03-29 | 2013-03-29 | 一种基于秩次的指纹匹配优化定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310107068.5A CN103235791B (zh) | 2013-03-29 | 2013-03-29 | 一种基于秩次的指纹匹配优化定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103235791A true CN103235791A (zh) | 2013-08-07 |
CN103235791B CN103235791B (zh) | 2019-03-26 |
Family
ID=48883833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310107068.5A Active CN103235791B (zh) | 2013-03-29 | 2013-03-29 | 一种基于秩次的指纹匹配优化定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103235791B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN105792356A (zh) * | 2016-04-22 | 2016-07-20 | 西安理工大学 | 一种基于wifi的位置指纹定位方法 |
WO2017020735A1 (zh) * | 2015-07-31 | 2017-02-09 | 华为技术有限公司 | 一种数据处理方法、备份服务器及存储系统 |
CN111669699A (zh) * | 2020-05-19 | 2020-09-15 | 国家计算机网络与信息安全管理中心 | 基于移动网络的定位方法、计算机设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000033996A (ko) * | 1998-11-26 | 2000-06-15 | 정선종 | 이기종 데이터베이스 시스템을 지원하는 공간 엔진 장치 및 그를 이용한 공간 데이터 관리 방법 |
CN101231691A (zh) * | 2007-12-24 | 2008-07-30 | 浙江金指码科技有限公司 | 通过指纹数据数量调整的学习型智能指纹识别比对方法 |
US7693875B2 (en) * | 2006-01-09 | 2010-04-06 | International Business Machines Corporation | Method for searching a data page for inserting a data record |
CN101477523B (zh) * | 2008-11-24 | 2011-07-20 | 北京邮电大学 | 超大型指纹库的索引结构和检索方法 |
-
2013
- 2013-03-29 CN CN201310107068.5A patent/CN103235791B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000033996A (ko) * | 1998-11-26 | 2000-06-15 | 정선종 | 이기종 데이터베이스 시스템을 지원하는 공간 엔진 장치 및 그를 이용한 공간 데이터 관리 방법 |
US7693875B2 (en) * | 2006-01-09 | 2010-04-06 | International Business Machines Corporation | Method for searching a data page for inserting a data record |
CN101231691A (zh) * | 2007-12-24 | 2008-07-30 | 浙江金指码科技有限公司 | 通过指纹数据数量调整的学习型智能指纹识别比对方法 |
CN101477523B (zh) * | 2008-11-24 | 2011-07-20 | 北京邮电大学 | 超大型指纹库的索引结构和检索方法 |
Non-Patent Citations (1)
Title |
---|
夏英等: "基于无线局域网接收信号强度分析的混合室内定位方法", 《重庆邮电大学学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
WO2017020735A1 (zh) * | 2015-07-31 | 2017-02-09 | 华为技术有限公司 | 一种数据处理方法、备份服务器及存储系统 |
CN105792356A (zh) * | 2016-04-22 | 2016-07-20 | 西安理工大学 | 一种基于wifi的位置指纹定位方法 |
CN111669699A (zh) * | 2020-05-19 | 2020-09-15 | 国家计算机网络与信息安全管理中心 | 基于移动网络的定位方法、计算机设备以及存储介质 |
CN111669699B (zh) * | 2020-05-19 | 2022-07-19 | 国家计算机网络与信息安全管理中心 | 基于移动网络的定位方法、计算机设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103235791B (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122369B (zh) | 一种业务数据处理方法、装置和系统 | |
CN111343161B (zh) | 异常信息处理节点分析方法、装置、介质及电子设备 | |
CN108062484A (zh) | 一种基于数据敏感特征和数据库元数据的分类分级方法 | |
CN103235791A (zh) | 一种基于秩次的指纹匹配优化定位方法 | |
CN111028016A (zh) | 销量数据预测方法、装置以及相关设备 | |
CN111159243B (zh) | 用户类型识别方法、装置、设备及存储介质 | |
CN109885597B (zh) | 基于机器学习的用户分群处理方法、装置及电子终端 | |
CN104035954A (zh) | 一种基于Hadoop的套牌车识别方法 | |
CN104881675A (zh) | 一种视频场景的识别方法和装置 | |
CN107220557B (zh) | 一种用户越权访问敏感数据行为的检测方法及系统 | |
CN103345639A (zh) | 基于模糊聚类的支持向量机高压断路器故障诊断方法 | |
CN103838744A (zh) | 一种查询词需求分析的方法及装置 | |
CN112770265B (zh) | 一种行人身份信息获取方法、系统、服务器和存储介质 | |
CN104316861A (zh) | 集成电路硬件木马检测方法及系统 | |
CN105488031A (zh) | 一种检测相似短信的方法及装置 | |
CN103679214A (zh) | 基于在线面积估计和多特征决策融合的车辆检测方法 | |
CN113486983A (zh) | 一种用于反欺诈处理的大数据办公信息分析方法及系统 | |
CN102664771A (zh) | 基于svm的网络代理行为检测系统及检测方法 | |
CN104268560A (zh) | 一种基于遥感解译的土地利用识别方法 | |
CN104574179A (zh) | 银行卡资金清算平台的复核验证系统和复核验证方法 | |
CN111738290B (zh) | 图像检测方法、模型构建和训练方法、装置、设备和介质 | |
CN107332806A (zh) | 移动设备标识的设置方法及装置 | |
CN105046217A (zh) | 一种人脸识别大数据量并发方案处理方法 | |
CN103514214A (zh) | 数据查询方法及装置 | |
CN107992590B (zh) | 一种有利于信息比对的大数据系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |