CN103297924A - 基于信道估计的新型定位指纹设计方法及室内定位系统 - Google Patents
基于信道估计的新型定位指纹设计方法及室内定位系统 Download PDFInfo
- Publication number
- CN103297924A CN103297924A CN2013101993163A CN201310199316A CN103297924A CN 103297924 A CN103297924 A CN 103297924A CN 2013101993163 A CN2013101993163 A CN 2013101993163A CN 201310199316 A CN201310199316 A CN 201310199316A CN 103297924 A CN103297924 A CN 103297924A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- finger print
- print data
- eesm
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明提出了一种基于信道估计的新型定位指纹设计方法及室内定位系统,包括采用指数有效信噪比映射(Exponential Effective SIR Mapping,EESM)作为指纹信息。EESM是将WLAN信道中,OFDM的不同子载波的信噪比映射为指数等价的信噪比,用以作为WLAN信道特点的表征,借鉴了利用RSS功率谱作为指纹具有更加稳定方差的基本原理,同时EESM在OFDM系统里面可以由信道估计模块直接提取出来,克服了计算RSS功率谱时采样时间过长,计算复杂度高的缺点,使得该新型指纹应用到实际的定位系统变为可能。进一步地,该新型定位指纹提高了室内定位系统的精度及稳定性。
Description
技术领域
本发明涉及一种通信技术领域的室内定位系统设计方法,具体是一种基于无线局域网的定位指纹提取以及基于该指纹的室内定位系统设计方法。
背景技术
随着智能终端技术的发展以及基于位置信息的互联网服务(Location BasedService,LBS)的兴起,室内定位技术的研究引发了越来越多的关注。室内定位技术作为一项基础性的技术,可以提供智能终端或者携带智能终端用户的位置信息,此位置信息可以被用来帮助大型商场的消费者进行导购,定位医疗中心的老年患者以及跟踪需要被特殊照顾的儿童。由于室内环境中,尤其是大型商场或者公众场合,大量的WLAN接入点(Access Point,AP)被部署,并且智能终端能够从IEEE802.11MAC层轻易地提取出来自不同AP的信号强度(Received Signal Strength,RSS),因此WLAN环境中基于RSS的室内定位系统变得越来越重要并且引起了越来越多的商业关注。目前,基于RSS的室内定位系统最主要的架构为基于指纹库的架构,即收集并建立参考点的指纹数据库,定位时匹配出数据库最为相似的指纹。然而,室内信道通常存在多径效应,即RSS不仅仅是发射信号的视距(Line of Sight,LOS)衰落,而且还包括经过不同发射路径接收到的其他衰落信号。因此RSS变得不稳定,方差变大,由此导致的问题为:由于室内多径效应的存在,采用不稳定的RSS作为定位指纹,使得指纹数据库的数据变得不是十分可靠,进一步影响了定位的精度。
经对现有技术的文献检索发现,Shih-Hau Fang和Tsung-Nan Lin于2008年在IEEETransactions on Wireless Communications,vol.7,no.9,2008发表了“A NovelAlgorithm for Multipath Fingerprinting in Indoor WLAN Environments”(2008年无线通信期刊,第7卷第9页,《无线局域网环境中一种新型的多径信道指纹算法》),提出了RSS功率谱平均的算法,这种算法考虑了室内无线信道的多径影响,将多径效应建模为卷积噪声后,将RSS变换至频域,计算功率谱后进行平均,从功率谱的角度看卷积噪声功率谱和原信号功率谱在对数域下为加性关系,通过功率谱的平均降低了此加性噪声的影响,使得基于RSS功率谱得到的新型指纹更加稳定。但Shih-Hau Fang等人提出的这种方法存在缺点,具体为:为了得到RSS的功率谱,必须采样足够时间长度的RSS值用以估计功率谱(90-100次),因此导致定位时间过长,同时增加了计算的复杂度。定位时间过长,计算复杂度过高是该算法不能从理论直接转为工程应用的主要瓶颈。
发明内容
本发明针对现有技术的不足,提出了一种基于WLAN信道估计原理,采用指数有效信噪比映射(Exponential Effective SIR Mapping,EESM)作为指纹信息。EESM是将WLAN信道中,OFDM的不同子载波的信噪比映射为指数等价的信噪比,用以作为WLAN信道特点的表征,借鉴了利用RSS功率谱作为指纹具有更加稳定方差的基本原理,同时EESM在OFDM系统里面可以由信道估计模块直接提取出来,克服了计算RSS功率谱时采样时间过长,计算复杂度高的缺点,使得该新型指纹应用到实际的定位系统变为可能。
根据本发明的一个方面,提供一种基于信道估计的新型定位指纹设计方法,包括如下步骤:
步骤A:多径效应消除,EESM算法提取指纹,具体为,利用RSS值估计出接收信号的功率谱从而计算出指数有效信噪比映射作为指纹信息,即计算出指数有效信噪比映射指纹数据;
步骤B:指纹匹配,具体为,将实时计算得到的指数有效信噪比映射指纹数据与指纹数据库中的参考点指纹数据进行匹配,利用模式匹配算法计算采集点指纹与指纹数据库中的参考点指纹的相似度,从而给出位置信息的估计。
优选地,所述的步骤A包括如下步骤:
-步骤A1:将接收到的RSS时间序列离散值进行加窗处理,窗的大小取为N,之后所有的计算步骤都是针对窗内的RSS序列;
-步骤A2:将窗内的RSS序列进行自相关计算,得到自相关计算的结果;
-步骤A3:将所述自相关计算的结果作傅里叶变换得到RSS功率谱;
-步骤A4:将计算得到的RSS功率谱根据OFDM子载波数量计算指数有效信噪比映射值;
-步骤A5:将得到的指数有效信噪比映射值取对数,得到对数域下的值,作为指纹信息;在定位的离线模式下,即采集参考点的指纹信息时,得到的指数有效信噪比映射指纹数据直接存储进入指纹数据库;在定位的在线模式下,即根据采集到的指纹信息匹配指纹数据库中的参考点指纹数据时,得到的指数有效信噪比映射指纹数据与指纹数据库进行匹配。
优选地,所述的步骤B包括如下步骤:
-步骤B1:计算采集点指纹与指纹数据库中参考点指纹的距离,具体为:假设指纹数据库中参考点指纹数据为m个,采集得到的指纹数据包含n个来自不同WLAN接入点的指纹,每个指纹数据表示为sj,j=1...n,m个参考点指纹数据对应于n个WLAN接入点的指纹表示为Sij,i=1...m,j=1...n,则采集得到的采集点指纹数据与指纹数据库中的参考点指纹数据的距离Li为i=1...m,其中,q为指数因子,通常取平方运算;
-步骤B2:从步骤B1得到的m个参考指纹间的距离选取其中最小的K个距离,由这K个参考点给出位置信息的估计,假设K个参考点的位置为(xi,yi),i=1...K,则位置信息估计根据来估计,由此给出了位置信息的估计。
根据本发明另一个方面,还提供一种基于信道估计利用EESM值作为定位指纹的室内定位系统,包括如下模块:
-多径效应消除EESM算法提取指纹模块:多径效应消除EESM算法提取指纹模块利用得到的RSS时间序列,进行加窗、自相关计算、傅里叶变换得到接收信号的功率谱;进一步地,多径效应消除EESM算法提取指纹模块得到功率谱后,根据OFDM子载波的数量,利用EESM算法计算出指数有效信噪比映射作为指纹信息;
-离线模式下的指纹采集模块:离线模式下的指纹采集模块指在指纹数据库建立初期,利用指数有效信噪比映射作为指纹信息,采集参考点的指纹数据,参考点的划分精细到定位精度以下;同时建立指纹数据时,将指纹的经纬度信息、海拔信息、还有方向信息同时加入到指纹数据包中作为一条指纹,不同的经纬度、海拔表示不同的地理位置,同一个地理位置的指纹信息以不同方向进行划分;
-在线模式下的指纹匹配模块:在线模式下的指纹匹配模块指在定位过程中,利用指数有效信噪比映射作为指纹信息,将实时采集到的采集点指纹与指纹数据库中的参考点指纹进行匹配,匹配时用模式匹配中的最小邻居算法,即计算采集点指纹数据与指纹数据库中的参考点指纹数据的距离,进行排序,选择最小的K个距离,得到K个最相似的数据点,根据K个最相似数据点进行平均,得到位置估计信息。
优选地,指数有效信噪比映射值通过OFDM系统的信道估计模块进行提取,以简化获取EESM值的计算复杂度。
更为具体地,在本发明的一个优选例中,本发明是通过以下技术方案实现的,本发明包括以下步骤:
第一步:离线模式下,建立指纹数据库。将目标区域进行划分,若要求定位精度为3m,则划分区域小于3×3m。对应于参考点,计算其EESM值作为指纹信息存入指纹数据库,同时指纹数据包还应该包括经纬度、海拔、方向等信息。EESM值的计算可以采用通过RSS值加窗、自相关、傅里叶变换来计算功率谱,由功率谱根据子载波数量得到指数有效信噪比映射(EESM)的方法,或者可以由OFDM系统中的信道模块直接提取出信道当前实时的指数有效信噪比映射(EESM)值。
第二步:在线模式下,实时采集采集点的指纹数据,利用EESM值作为指纹信息的主要表征。同样地,EESM值的计算可以采用通过RSS值加窗、自相关、傅里叶变换来计算功率谱,由功率谱根据子载波数量得到指数有效信噪比映射(EESM)的方法,或者可以由OFDM系统中的信道模块直接提取出信道当前实时的指数有效信噪比映射(EESM)值。
第三步:在线模式下,采集得到实时的采集点指纹信息后,传入指纹数据库,进行匹配。匹配时采用最小邻居算法,计算传入的采集点指纹数据与指纹数据库中的参考点指纹数据之间的距离后进行排序,取出最小的K个距离后得到相应的K个相似数据点,由K个相似数据点进行平均,得到最后的位置信息估计,完成定位过程。
与现有技术相比,本发明具有如下有益效果:
通过大量的计算机仿真实验证实,本发明中利用信道估计中的指数有效信噪比(EESM)映射作为室内定位系统的指纹,在室内多径环境下,该指纹具有更好的对抗多径干扰的效用,以统计学中随机变量的发散距离来衡量,则EESM指纹具有更小的发散距离,统计学意义上,该随机变量更加稳定。具有更加稳定的指纹意味着在指纹数据库中的指纹数据可靠性增强,匹配定位时,对抗室内多径的干扰的效果增强,提升了定位精度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是采用新型指纹实现的室内定位系统的总体架构;
图2是OFDM子载波信噪比映射为指数有效信噪比示意图;
图3是基于OFDM系统框图提出的在信道估计模块直接提取EESM值示意图;
图4是不同室内单径、多径环境下仿真RSS统计分布对比示意图;
图5是不同室内单径、多径环境下仿真RSS功率谱平均统计分布对比示意图;
图6是不同室内单径、多径环境下仿真EESM统计分布对比示意图;
图7是不同室内单径、多径环境下RSS,RSS功率谱平均,EESM发散距离对比柱状图。
图4中:
曲线C41对应cleanChannel,alfa=0.25,beta=0.7,
曲线C42对应multiChannel,alfa=0.25,beta=0.7,
曲线C43对应cleanChannel,alfa=0.36,beta=0.6,
曲线C44对应multiChannel,alfa=0.36,beta=0.6。
图5中:
曲线C51对应cleanChannel,alfa=0.25,beta=0.7,
曲线C52对应multiChannel,alfa=0.25,beta=0.7,
曲线C53对应cleanChannel,alfa=0.36,beta=0.6,
曲线C54对应multiChannel,alfa=0.36,beta=0.6。
图6中:
曲线C61对应cleanChannel,alfa=0.25,beta=0.7,
曲线C62对应multiChannel,alfa=0.25,beta=0.7,
曲线C63对应cleanChannel,alfa=0.36,beta=0.6,
曲线C64对应multiChannel,alfa=0.36,beta=0.6。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
如图1所示,室内定位系统分为离线模式和在线模式。离线模式下主要为建立目标定位区域的指纹数据库。将目标区域进行划分,若要求定位精度为3m,则划分区域小于3×3m。测量参考点的指纹时,采用信道估计产生的指数有效信噪比映射(EESM)作为指纹,同时指纹信息应该包括经纬度,海拔以及方向等信息。将以上信息组成的指纹数据包由智能终端测量得到然后上传至服务器端的指纹数据库。
图1中还示意了室内定位系统的在线模式。在线模式下,在测试位置点上,由智能终端实时测量得到RSS序列值,然后进行自相关、傅里叶变换等处理计算得到功率谱。得到功率谱后根据OFDM子载波的数目计算出对应的指数有效信噪比映射(EESM),作为测量指纹。如图2所示,OFDM的不同子载波具有不同的功率谱,将不同子载波的功率谱作融合能够得到最终的指数有效信噪比映射,更加真实地反应信道情况。或者可以从OFDM系统的信道估计模块中直接实时提取出当前信道的EESM值,简化计算过程。如图3所示,OFDM系统的接收机端在作反傅里叶变换之后,需要进行信道估计,此时信道估计模块的输出结果中就包含了EESM值的信息,以此EESM值作为指纹数据,上传至服务器端进行匹配。
如图1所示,在线模式下,上传至服务器端的指纹数据与服务器数据库中的参考指纹数据进行模式匹配。本例中采用模式匹配算法中的最小邻居算法进行匹配。测试指纹与所有的参考指纹数据之间计算距离,排序后得到最小的K个距离,相应地能够进一步得到K个最佳相似数据点。由此K个最佳相似数据点进行位置信息平均即可得到最后的位置信息估计。
在计算机仿真过程中,我们模拟了室内的多径环境,假设室内环境中多径数目为4,即h(1),h(2),h(3),h(4),其中h(1)~U(0,2α),h(2)~U(-α,α),h(3)~N(0.2,α),h(4)~N(0.1,α),U(·)为均匀分布,而N(·)为正态分布,α为控制多径效应影响大小的因子。同时在仿真过程中我们还假设了一个开关阈值β,随机产生0-1之间的随机数,若大于β则该多径将对原信号产生作用,而小于则不产生影响。
在上述的仿真环境下,我们仿真了RSS,RSS功率谱平均值以及EESM值的统计分布,得到的统计分布如图4,图5,图6所示。在仿真过程中,我们模拟了两组室内多径环境:α=0.25,β=0.7以及α=0.36,β=0.6。对比图4,图5,图6可以看出EESM值在室内多径环境下具有最小的发散距离,即可证明EESM作为指纹信息具有更加稳定的统计学特征。
进一步的,详细的仿真结果可以由表1得到。表1是不同室内单径、多径环境下RSS,RSS功率谱平均,EESM均值、方差、发散距离对比表。表1列举了不同室内信道环境下,RSS,RSS功率谱平均值以及EESM值不考虑多径的情况以及考虑多径影响下的统计分布的均值、方差和发散距离。
表1
(α为控制多径效应影响大小的因子,α越大,多径效应越显著;β为决定多径效应是否起作用的阈值,β越小,多径效应越容易起作用)
图7给出了RSS,RSS功率谱平均值以及EESM在不同多径环境下影响下对比单径信号的发散距离。由图7可以看出,EESM值具有最小的发散距离,即具有更加稳定的统计学特征。适用于作为定位系统的指纹,提高定位系统的精度。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (5)
1.一种基于信道估计的新型定位指纹设计方法,其特征在于,包括如下步骤:
步骤A:多径效应消除,EESM算法提取指纹,具体为,利用RSS值估计出接收信号的功率谱从而计算出指数有效信噪比映射作为指纹信息,即计算出指数有效信噪比映射指纹数据;
步骤B:指纹匹配,具体为,将实时计算得到的指数有效信噪比映射指纹数据与指纹数据库中的参考点指纹数据进行匹配,利用模式匹配算法计算采集点指纹与指纹数据库中的参考点指纹的相似度,从而给出位置信息的估计。
2.根据权利要求1所述的基于信道估计的新型定位指纹设计方法,其特征在于,所述的步骤A包括如下步骤:
-步骤A1:将接收到的RSS时间序列离散值进行加窗处理,窗的大小取为N,之后所有的计算步骤都是针对窗内的RSS序列;
-步骤A2:将窗内的RSS序列进行自相关计算,得到自相关计算的结果;
-步骤A3:将所述自相关计算的结果作傅里叶变换得到RSS功率谱;
-步骤A4:将计算得到的RSS功率谱根据OFDM子载波数量计算指数有效信噪比映射值;
-步骤A5:将得到的指数有效信噪比映射值取对数,得到对数域下的值,作为指纹信息;在定位的离线模式下,即采集参考点的指纹信息时,得到的指数有效信噪比映射指纹数据直接存储进入指纹数据库;在定位的在线模式下,即根据采集到的指纹信息匹配指纹数据库中的参考点指纹数据时,得到的指数有效信噪比映射指纹数据与指纹数据库进行匹配。
3.根据权利要求1所述的基于信道估计的新型定位指纹设计方法,其特征在于,所述的步骤B包括如下步骤:
-步骤B1:计算采集点指纹与指纹数据库中参考点指纹的距离,具体为:假设指纹数据库中参考点指纹数据为m个,采集得到的指纹数据包含n个来自不同WLAN接入点的指纹,每个指纹数据表示为sj,j=1...n,m个参考点指纹数据对应于n个WLAN接入点的指纹表示为Sij,i=1...m,j=1...n,则采集得到的采集点指纹数据与指纹数据库中的参考点指纹数据的距离Li为i=1...m,其中,q为指数因子;
4.一种基于信道估计利用EESM值作为定位指纹的室内定位系统,其特征在于,包括如下模块:
-多径效应消除EESM算法提取指纹模块:多径效应消除EESM算法提取指纹模块利用得到的RSS时间序列,进行加窗、自相关计算、傅里叶变换得到接收信号的功率谱;进一步地,多径效应消除EESM算法提取指纹模块得到功率谱后,根据OFDM子载波的数量,利用EESM算法计算出指数有效信噪比映射作为指纹信息;
-离线模式下的指纹采集模块:离线模式下的指纹采集模块指在指纹数据库建立初期,利用指数有效信噪比映射作为指纹信息,采集参考点的指纹数据,参考点的划分精细到定位精度以下;同时建立指纹数据时,将指纹的经纬度信息、海拔信息、还有方向信息同时加入到指纹数据包中作为一条指纹,不同的经纬度、海拔表示不同的地理位置,同一个地理位置的指纹信息以不同方向进行划分;
-在线模式下的指纹匹配模块:在线模式下的指纹匹配模块指在定位过程中,利用指数有效信噪比映射作为指纹信息,将实时采集到的采集点指纹与指纹数据库中的参考点指纹进行匹配,匹配时用模式匹配中的最小邻居算法,即计算采集点指纹数据与指纹数据库中的参考点指纹数据的距离,进行排序,选择最小的K个距离,得到K个最相似的数据点,根据K个最相似数据点进行平均,得到位置估计信息。
5.根据权利要求4所述的基于信道估计利用EESM值作为定位指纹的室内定位系统,其特征在于,指数有效信噪比映射值通过OFDM系统的信道估计模块进行提取,以简化获取EESM值的计算复杂度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310199316.3A CN103297924B (zh) | 2013-05-24 | 2013-05-24 | 基于信道估计的新型定位指纹设计方法及室内定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310199316.3A CN103297924B (zh) | 2013-05-24 | 2013-05-24 | 基于信道估计的新型定位指纹设计方法及室内定位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103297924A true CN103297924A (zh) | 2013-09-11 |
CN103297924B CN103297924B (zh) | 2016-03-02 |
Family
ID=49098120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310199316.3A Active CN103297924B (zh) | 2013-05-24 | 2013-05-24 | 基于信道估计的新型定位指纹设计方法及室内定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103297924B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747519A (zh) * | 2013-12-11 | 2014-04-23 | 中国科学院深圳先进技术研究院 | 一种室内定位指纹库的动态建立方法及系统 |
CN105785454A (zh) * | 2016-03-04 | 2016-07-20 | 四川星网云联科技有限公司 | 基于信道频域响应的室内运动检测方法 |
CN105813192A (zh) * | 2014-12-29 | 2016-07-27 | 上海奕通信息科技有限公司 | 一种基于复合指纹特征的WiFi指纹定位方法 |
CN103702414B (zh) * | 2013-12-11 | 2017-05-24 | 北京智谷睿拓技术服务有限公司 | 定位方法及移动设备、基站 |
CN107290714A (zh) * | 2017-07-04 | 2017-10-24 | 长安大学 | 一种基于多标识指纹定位的定位方法 |
CN107370553A (zh) * | 2017-08-28 | 2017-11-21 | 电子科技大学 | 一种电磁频谱伞罩干扰机的自干扰序列选择系统与方法 |
CN107947830A (zh) * | 2017-11-15 | 2018-04-20 | 电子科技大学 | 一种可抵抗多径干扰的射频指纹识别方法 |
CN108534779A (zh) * | 2018-03-09 | 2018-09-14 | 华中科技大学 | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 |
CN108593121A (zh) * | 2018-04-03 | 2018-09-28 | 上海交通大学 | 超短脉冲自相关测量装置和测量方法 |
CN110611952A (zh) * | 2019-09-20 | 2019-12-24 | 北京眸星科技有限公司 | 指纹匹配定位方法 |
CN111343576A (zh) * | 2020-04-20 | 2020-06-26 | 广州掌淘网络科技有限公司 | 室内定位方法及设备 |
CN112823289A (zh) * | 2018-10-12 | 2021-05-18 | 因温特奥股份公司 | 用于建筑物中的位置确定的系统和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110116564A (ko) * | 2010-04-19 | 2011-10-26 | 목포대학교산학협력단 | Knn/fcm 혼합 알고리즘을 이용한 실내 측위 방법 |
CN102340868A (zh) * | 2011-11-09 | 2012-02-01 | 广州市香港科大霍英东研究院 | 基于无线网络信道状态信息的室内定位方法 |
CN103036628A (zh) * | 2012-12-14 | 2013-04-10 | 中国石油大学(华东) | 一种超宽带无线信道品质因子估计方法 |
-
2013
- 2013-05-24 CN CN201310199316.3A patent/CN103297924B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110116564A (ko) * | 2010-04-19 | 2011-10-26 | 목포대학교산학협력단 | Knn/fcm 혼합 알고리즘을 이용한 실내 측위 방법 |
CN102340868A (zh) * | 2011-11-09 | 2012-02-01 | 广州市香港科大霍英东研究院 | 基于无线网络信道状态信息的室内定位方法 |
CN103036628A (zh) * | 2012-12-14 | 2013-04-10 | 中国石油大学(华东) | 一种超宽带无线信道品质因子估计方法 |
Non-Patent Citations (2)
Title |
---|
K. DIVYA等: "Implementation of Dynamic System Approach for Radio Location Fingerprinting in WLANs", 《INTERNATIONAL JOURNAL OF COMPUTER APPLICATIONS》 * |
SHIH-HAU FANG: "A Novel Algorithm for Multipath Fingerprinting in Indoor WLAN Environments", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747519B (zh) * | 2013-12-11 | 2017-04-19 | 中国科学院深圳先进技术研究院 | 一种室内定位指纹库的动态建立方法及系统 |
CN103702414B (zh) * | 2013-12-11 | 2017-05-24 | 北京智谷睿拓技术服务有限公司 | 定位方法及移动设备、基站 |
CN103747519A (zh) * | 2013-12-11 | 2014-04-23 | 中国科学院深圳先进技术研究院 | 一种室内定位指纹库的动态建立方法及系统 |
CN105813192B (zh) * | 2014-12-29 | 2019-07-23 | 奕通信息科技(上海)股份有限公司 | 一种基于复合指纹特征的WiFi指纹定位方法 |
CN105813192A (zh) * | 2014-12-29 | 2016-07-27 | 上海奕通信息科技有限公司 | 一种基于复合指纹特征的WiFi指纹定位方法 |
CN105785454A (zh) * | 2016-03-04 | 2016-07-20 | 四川星网云联科技有限公司 | 基于信道频域响应的室内运动检测方法 |
CN105785454B (zh) * | 2016-03-04 | 2018-03-27 | 电子科技大学 | 基于信道频域响应的室内运动检测方法 |
CN107290714A (zh) * | 2017-07-04 | 2017-10-24 | 长安大学 | 一种基于多标识指纹定位的定位方法 |
CN107370553A (zh) * | 2017-08-28 | 2017-11-21 | 电子科技大学 | 一种电磁频谱伞罩干扰机的自干扰序列选择系统与方法 |
CN107947830A (zh) * | 2017-11-15 | 2018-04-20 | 电子科技大学 | 一种可抵抗多径干扰的射频指纹识别方法 |
CN108534779A (zh) * | 2018-03-09 | 2018-09-14 | 华中科技大学 | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 |
CN108593121A (zh) * | 2018-04-03 | 2018-09-28 | 上海交通大学 | 超短脉冲自相关测量装置和测量方法 |
CN108593121B (zh) * | 2018-04-03 | 2020-02-07 | 上海交通大学 | 超短脉冲自相关测量装置和测量方法 |
CN112823289A (zh) * | 2018-10-12 | 2021-05-18 | 因温特奥股份公司 | 用于建筑物中的位置确定的系统和方法 |
CN110611952A (zh) * | 2019-09-20 | 2019-12-24 | 北京眸星科技有限公司 | 指纹匹配定位方法 |
CN111343576A (zh) * | 2020-04-20 | 2020-06-26 | 广州掌淘网络科技有限公司 | 室内定位方法及设备 |
CN111343576B (zh) * | 2020-04-20 | 2021-06-25 | 广州掌淘网络科技有限公司 | 室内定位方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103297924B (zh) | 2016-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103297924B (zh) | 基于信道估计的新型定位指纹设计方法及室内定位系统 | |
Li et al. | AF-DCGAN: Amplitude feature deep convolutional GAN for fingerprint construction in indoor localization systems | |
WO2021003757A1 (zh) | 一种基于信号多径传播测量的室内定位方法及系统 | |
EP2798366B1 (en) | Method and system for localization | |
CN103596266B (zh) | 一种人体检测和定位的方法、装置及系统 | |
CN108650628B (zh) | 基于Wi-Fi网络的测距和指纹相结合的室内定位方法 | |
CN106411436B (zh) | 使用匹配追踪确定到达时间的通信系统 | |
CN106488557B (zh) | 基于WiFi信号的LDCC-PDF分级时延估计方法 | |
CN101541078A (zh) | 一种tdoa的估计方法、系统和装置 | |
CN110290581A (zh) | 一种5g系统中的快速时频同步方法及终端 | |
CN103702414B (zh) | 定位方法及移动设备、基站 | |
CN112235215B (zh) | 一种无线信道探测方法、存储介质及终端设备 | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及系统、设备、存储介质 | |
CN110381436A (zh) | 一种基于大规模mimo单站系统的快速指纹定位方法 | |
CN103118333A (zh) | 基于相似度的无线传感器网络移动节点定位方法 | |
CN101425855B (zh) | 宽带信道参数抽取方法、宽带信道仿真方法及其装置 | |
CN105554882A (zh) | 基于能量检测的60GHz非视距识别与无线指纹定位方法 | |
CN101075999B (zh) | 室内ofdm系统toa训练符号构建及toa估计方法与装置 | |
CN105611629A (zh) | 基于能量检测的60GHz毫米波非视距识别与无线指纹定位方法 | |
CN105704676B (zh) | 利用信号时间相关性提高指纹室内定位精度的方法 | |
Escudero et al. | An indoor positioning method using ieee 802.11 channel state information | |
CN112954791B (zh) | 一种基于子载波筛选的信道状态信息csi定位方法 | |
CN104199064B (zh) | 基于相关波动的boc信号参数盲估计方法 | |
Fan et al. | Single-site indoor fingerprint localization based on MIMO-CSI | |
Xie et al. | An enhanced TDoA approach handling multipath interference in Wi-Fi based indoor localization systems |
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 |