CN103476115A - 一种基于AP集相似度的Wi-Fi指纹定位方法 - Google Patents
一种基于AP集相似度的Wi-Fi指纹定位方法 Download PDFInfo
- Publication number
- CN103476115A CN103476115A CN2013104328082A CN201310432808A CN103476115A CN 103476115 A CN103476115 A CN 103476115A CN 2013104328082 A CN2013104328082 A CN 2013104328082A CN 201310432808 A CN201310432808 A CN 201310432808A CN 103476115 A CN103476115 A CN 103476115A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- similarity
- training
- distance
- group
- 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
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种基于AP集相似度的Wi-Fi指纹定位方法,引入相似系数计算指纹AP集合的相似度,作为指纹匹配的重要指标。在定位阶段,首先利用基于区域相似度的训练指纹选择算法缩小指纹搜索区间,提高指纹匹配的准确度,同时,为提高指纹区域划分的自动性以及准确性,设计了基于室内空间布局以及K均值聚类的训练指纹区域划分方法;然后融合AP集相似度以及信号强度(RSS)信息得到距离计算公式,利用加权的k最近邻(KWNN)方法计算移动目标的位置;最后在实际的WLAN环境下进行定位,结果表明,本发明提出的方法具有更高的定位精度和定位准确率,能够很好地适应采集的指纹AP集差异性大的室内环境。
Description
技术领域
本发明涉及一种基于AP集相似度的Wi-Fi指纹定位方法,属于无线通信、室内定位、计算机算法领域。
背景技术
位置作为一种重要的上下文,在普适计算/物联网等新型计算及其应用中发挥着重要的作用。近年来,随着无线网络和移动计算技术的发展,各种小型计算设备如掌上电脑、手机、传感器、射频标签等逐渐融入人们的生活,尤其是智能手机的普及,使各种新型位置感知技术和服务模式不断涌现。虽然传统的以GPS为代表的全球导航卫星定位系统技术已相对成熟,具有全天候、高精度、自动测量等特点,但在室内环境或复杂城镇环境下,由于信号遮挡以及多径效应导致其定位效果并不理想。定位尤其是室内定位已成为位置感知领域学术界和产业界关注的热点。
在各种室内定位技术中,由于Wi-Fi定位技术可以充分利用现有的WLAN基础设施,覆盖广、成本低,已成为一种目前主流的室内定位技术。基于Wi-Fi等无线定位技术为核心构建的实时定位系统行业应用非常广泛,遍及医疗健康、物流、交通、电力、安防、家居、军事等诸多领域。目前,实时定位系统在国内外已有初步应用,北京地坛医院于2009年就采用美国Ekahau实时定位系统,用于医用垃圾追踪、急症病人追踪、贵重设备追踪等,改善和提高医疗质量和服务水平的同时也降低了成本。另外,对传统产业的带动效应很大,可以不断提升新的产业形态。
Wi-Fi指纹算法作为一种有效的室内定位方法,可以得出较为准确的目标位置,而传统的Wi-Fi指纹定位方法一般都需要使用相同的AP集合计算观测指纹与训练指纹之间的距离,然而在真实环境中,WLAN的 AP需要分散部署,同时Wi-Fi信号也容易受到多径、阴影效应、人员走动的影响,且环境中也有可能添加新的AP或移除损坏的AP,这些因素使得AP集合不完全一致。
发明内容
本发明的目的是为了解决现有技术存在的不足,而提出了一种能够很好地适应AP集合具有差异性的室内环境中的Wi-Fi指纹定位方法,本方法定位精度高、实时性良好、扩展性强且不会增加用户的额外成本。
为实现上述目的,本发明所采用的技术方案是:提供一种基于AP集相似度的Wi-Fi指纹定位方法,按如下步骤操作:
步骤一:给出了4种计算AP集合相似度的相似系数,包括Jaccard、Sorenson、Ochiai以及Kulczynski,相似系数介于0 和1 之间,0表示两个集合完全不相同,1则表示完全相同,四种系数定义如下,其中︱A︱、︱B︱、 以及分别为集合A、B、A与B的交集以及A与B的并集中元素个数;
步骤二:设计区域相似度训练指纹选择算法;
⑴、将训练指纹点划分为m个群,每个群的大小为n i ,i∈1…m,n i 常取4-8,每一个群覆盖Wi-Fi定位实验环境中的部分区域;
⑵、计算观测指纹与每个群的训练指纹AP集合的平均相似度AOS,计算公式如下:
其中,AOS即average of similarity,j为每个群中对应指纹点标识,sim j 为观测指纹与群中第j个指纹点的相似度;
⑶、选择1/T高相似度群的训练指纹参与后续计算;其中,T是一个经验阈值,T值的选取依赖于当前环境;T值过大会过滤掉许多离观测指纹相近的训练指纹点,T值过小则会引入部分低相似度指纹的干扰;
步骤三:集成AP集相似度与RSS的指纹距离计算方法;
利用AP集相似度以及RSS信息计算观测指纹与高相似度区域的训练指纹的距离,定义接收到的AP集合具有差异性的观测指纹与训练指纹间的距离为:
其中为观测指纹与训练指纹的AP交集对应的RSSI距离,P为AP交集的元素个数,s为观测指纹与训练指纹的AP集合相似度,q=1和2时分别是曼哈顿(Manhattan)和欧几里德(Euclidian)距离;
得到观测指纹与训练指纹的距离后,采用KWNN方法计算移动目标位置,选取K(K≥2)个距离最小的训练指纹后,对每个训练指纹坐标乘以一个加权系数,最后求和即可获得目标位置,KWNN方法计算公式如下:
步骤四:融合室内空间布局以及K-Mean的训练指纹区域划分方法;
⑴、根据室内环境布局以及AP的部署方式,将室内环境划分为几个子空间;
⑵、针对每个子空间中的指纹进行K-Mean聚类,结果代入公式①、 ②及③中计算测试点的坐标,通过对当前环境的指纹区域划分结果进行多次聚类,选择适合当前环境的指纹区域划分方式;
⑶、整合多个子空间的最优指纹划分方式作为全区域指纹划分。
本发明步骤二中所述的区域相似度评估标准是群体相似度,或者叫做区域相似度,而不是个体相似度,从而提高数据选择的鲁棒性和准确性。
本发明步骤四中所述的算法的伪代码描述如下:
本发明采用了融合室内空间布局以及K-Mean聚类的训练指纹区域划分方法,既考虑了墙壁、门窗等对RSSI信号的干扰问题,又利用了K-Mean初始聚类中心随机选择特性,以实现自动、快速以及准确的训练指纹区域划分。
本发明在观测指纹与训练指纹进行AP集合相似度匹配实验中发现,和观测指纹位置相近的训练指纹的相似度大部分集中在高相似度区间;而低相似度区间中的训练指纹较少与观测指纹相近。首先应考虑到通过筛选前1/T高相似度区间的训练指纹参与后续计算,以缩小指纹搜索区间,并提高基于相似度的指纹定位方法精度。然而,由于AP信号的波动,将导致选择的训练指纹不一定是相似度高的指纹点。
为了解决该问题,设计的步骤二中所述的区域相似度评估标准是群体相似度,或者叫做区域相似度,而不是个体相似度,从而提高数据选择的鲁棒性和准确性。
所述的群体相似度即Group Similarity,个体相似度即Individual Similarity。
本发明的基于AP集相似度的Wi-Fi指纹定位方法与现有技术相比具有的优点是:
⑴、本发明的方法引入了相似系数计算AP集合的相似度,将指纹AP集合相似度作为衡量指纹相近程度的重要指标,能够很好地适应AP集合具有差异性的室内环境。
⑵、本发明的方法提出的算法具有良好的扩展性,可以通过与其他技术,如PDR、地磁指纹等,进行融合来提高定位精度和实时性,且不会增加用户成本,因而具有较好的实用与推广价值。
附图说明
图1为本发明的区域相似度训练指纹选择算法示意图。
具体实施方式
以下结合附图和实施例对本发明作进一步详述。
实施例1:本发明提供的一种基于AP集相似度的Wi-Fi指纹定位方法,按如下步骤操作:
步骤一:给出了4种计算AP集合相似度的相似系数,包括Jaccard、Sorenson、Ochiai以及Kulczynski,相似系数介于0 和1 之间,0表示两个集合完全不相同,1则表示完全相同,四种系数定义如下,其中︱A︱、︱B︱、以及分别为集合A、B、A与B的交集以及A与B的并集中元素个数。
步骤二:设计区域相似度训练指纹选择算法;
(1)将训练指纹点划分为m个群,每个群的大小为n i ,i∈1…m,n i 常取4-8,每一个群覆盖Wi-Fi定位实验环境中的部分区域;根据室内环境布局以及AP的部署方式,将室内环境划分为几个子空间,以避免两个隔着墙壁的指纹点,由于位置相近而被聚类到同一个群,如将每层的大厅、走廊、教室等划分为子空间。
(2)计算观测指纹与每个群的训练指纹AP集合的平均相似度,即AOS,average of similarity,AOS计算公式如下:
(3)选择1/T高相似度群的训练指纹参与后续计算;其中,T是一个经验阈值,T值的选取依赖于当前环境;T值过大会过滤掉许多离观测指纹相近的训练指纹点,T值过小则会引入部分低相似度指纹的干扰;
区域相似度训练指纹选择算法如图1所示,这里假设每个群的大小都为4,为2,小菱形点为训练指纹点,五星点是与移动终端所在位置的观测指纹AP集相似度最高的训练指纹点,该算法会选择三个圆形区域标识的群的训练指纹点进行最终的距离计算,而不是所有的五星点,从而提高指纹方法的定位精度。
所以此时注意评估相似性的标准应该是群体相似度或者叫做区域相似度,而不是个体相似度,从而提高数据选择的鲁棒性和准确性。
步骤三:集成AP集相似度与RSS的指纹距离计算方法;
高相似度区域的训练指纹筛选完成后,利用AP集相似度以及RSS信息计算观测指纹与高相似度区域的训练指纹的距离,定义接收到的AP集合具有差异性的观测指纹与训练指纹间的距离为:
②
其中为观测指纹与训练指纹的AP交集对应的RSSI距离,P为AP交集的元素个数,s为观测指纹与训练指纹的AP集合相似度,q=1和2时分别是曼哈顿(Manhattan)和欧几里德(Euclidian)距离;
得到观测指纹与训练指纹的距离后,采用KWNN方法计算移动目标位置,选取K(K≥2)个距离最小的训练指纹后,对每个训练指纹坐标乘以一个加权系数,最后求和即可获得目标位置,KWNN方法计算公式如下:
步骤四:融合室内空间布局以及K-Mean的训练指纹区域划分方法;
(1)根据室内环境布局以及AP的部署方式,将室内环境划分为几个子空间;
(2)针对每个子空间中的指纹进行K-Mean聚类,结果代入公式①、②及③中计算测试点的坐标,通过对当前环境的指纹区域划分结果进行多次聚类,选择适合当前环境的指纹区域划分方式;
(3)整合多个子空间的最优指纹划分方式作为全区域指纹划分。该算法的伪代码描述如下:
Claims (3)
1.一种基于AP集相似度的Wi-Fi指纹定位方法,其特征在于:按如下步骤操作:
步骤一:给出了4种计算AP集合相似度的相似系数,包括Jaccard、Sorenson、Ochiai以及Kulczynski,相似系数介于0 和1 之间,0表示两个集合完全不相同,1则表示完全相同,四种系数定义如下,其中︱A︱、︱B︱、 以及分别为集合A、B、A与B的交集以及A与B的并集中元素个数;
步骤二:设计区域相似度训练指纹选择算法;
⑴、将训练指纹点划分为m个群,每个群的大小为n i ,i∈1…m,n i 常取4-8,每一个群覆盖Wi-Fi定位实验环境中的部分区域;
⑵、计算观测指纹与每个群的训练指纹AP集合的平均相似度AOS,计算公式如下:
其中,AOS即average of similarity,j为每个群中对应指纹点标识,sim j 为观测指纹与群中第j个指纹点的相似度;
⑶、选择1/T高相似度群的训练指纹参与后续计算;其中,T是一个经验阈值,T值的选取依赖于当前环境;T值过大会过滤掉许多离观测指纹相近的训练指纹点,T值过小则会引入部分低相似度指纹的干扰;
步骤三:集成AP集相似度与RSS的指纹距离计算方法;
1)利用AP集相似度以及RSS信息计算观测指纹与高相似度区域的训练指纹的距离,定义接收到的AP集合具有差异性的观测指纹与训练指纹间的距离为:
②
其中为观测指纹与训练指纹的AP交集对应的RSSI距离,P为AP交集的元素个数,s为观测指纹与训练指纹的AP集合相似度,q=1和2时分别是曼哈顿(Manhattan)和欧几里德(Euclidian)距离;
得到观测指纹与训练指纹的距离后,采用KWNN方法计算移动目标位置,选取K(K≥2)个距离最小的训练指纹后,对每个训练指纹坐标乘以一个加权系数,最后求和即可获得目标位置,KWNN方法计算公式如下:
步骤四:融合室内空间布局以及K-Mean的训练指纹区域划分方法;
⑴、根据室内环境布局以及AP的部署方式,将室内环境划分为几个子空间;
⑵、针对每个子空间中的指纹进行K-Mean聚类,结果代入公式①、 ②及③中计算测试点的坐标,通过对当前环境的指纹区域划分结果进行多次聚类,选择适合当前环境的指纹区域划分方式;
⑶、整合多个子空间的最优指纹划分方式作为全区域指纹划分。
2.根据权利要求1所述的一种AP集相似度的Wi-Fi指纹定位方法,其特征在于:步骤二中所述的区域相似度评估标准是群体相似度,或者叫做区域相似度,而不是个体相似度,从而提高数据选择的鲁棒性和准确性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310432808.2A CN103476115B (zh) | 2013-09-22 | 2013-09-22 | 一种基于AP集相似度的Wi-Fi指纹定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310432808.2A CN103476115B (zh) | 2013-09-22 | 2013-09-22 | 一种基于AP集相似度的Wi-Fi指纹定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103476115A true CN103476115A (zh) | 2013-12-25 |
CN103476115B CN103476115B (zh) | 2016-03-23 |
Family
ID=49800768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310432808.2A Active CN103476115B (zh) | 2013-09-22 | 2013-09-22 | 一种基于AP集相似度的Wi-Fi指纹定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103476115B (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747524A (zh) * | 2014-01-17 | 2014-04-23 | 西南交通大学 | 一种基于云平台的Android终端室内定位方法 |
CN104349278A (zh) * | 2014-10-15 | 2015-02-11 | 上海交通大学 | 基于隐藏地标的室内定位系统指纹库构建方法 |
CN104469939A (zh) * | 2014-12-16 | 2015-03-25 | 重庆邮电大学 | 基于rss统计分布分块区域误差限的wlan定位网络优化方法 |
CN104655137A (zh) * | 2015-03-05 | 2015-05-27 | 中国人民解放军国防科学技术大学 | 行人航迹推测辅助的Wi-Fi信号指纹定位算法 |
CN105188131A (zh) * | 2015-07-30 | 2015-12-23 | 张欣 | 基于网格的室内区域定位及导航方法 |
CN105704652A (zh) * | 2016-02-16 | 2016-06-22 | 中国科学院光电研究院 | 一种wlan/蓝牙定位中的指纹库采集和优化方法 |
CN106093852A (zh) * | 2016-05-27 | 2016-11-09 | 东华大学 | 一种提高WiFi指纹定位精度与效率的方法 |
CN106304331A (zh) * | 2016-08-19 | 2017-01-04 | 青岛海尔智能技术研发有限公司 | 一种WiFi指纹室内定位方法 |
CN104180805B (zh) * | 2014-08-29 | 2017-02-01 | 中国海洋大学 | 基于智能手机的室内行人定位与跟踪方法 |
CN106376081A (zh) * | 2016-10-28 | 2017-02-01 | 江南大学 | 混合相似度的室内指纹定位方法 |
CN106970351A (zh) * | 2017-05-15 | 2017-07-21 | 河海大学常州校区 | 基于信号传播模型的wlan指纹二次扫描定位方法 |
WO2017185828A1 (zh) * | 2016-04-26 | 2017-11-02 | 中兴通讯股份有限公司 | 指纹定位方法及装置 |
CN107666707A (zh) * | 2017-09-30 | 2018-02-06 | 长沙学院 | 一种基于距离测量和位置指纹的室内定位方法 |
CN107820314A (zh) * | 2017-11-14 | 2018-03-20 | 江南大学 | 基于AP选择的Dwknn位置指纹定位算法 |
US10156629B2 (en) | 2015-10-22 | 2018-12-18 | International Business Machines Corporation | Device positioning |
CN109068272A (zh) * | 2018-08-30 | 2018-12-21 | 北京三快在线科技有限公司 | 相似用户识别方法、装置、设备及可读存储介质 |
CN109121083A (zh) * | 2018-09-25 | 2019-01-01 | 西安电子科技大学 | 一种基于ap序列的指纹相似度的室内定位方法 |
CN109143161A (zh) * | 2018-09-30 | 2019-01-04 | 电子科技大学 | 基于混合指纹质量评价模型的高精度室内定位方法 |
CN109246603A (zh) * | 2018-09-30 | 2019-01-18 | 杭州羿腾科技有限公司 | 一种资源受限的手机指纹定位方法 |
CN109257700A (zh) * | 2018-11-19 | 2019-01-22 | 广东小天才科技有限公司 | 一种基于定位纠偏的定位方法、服务器及系统 |
CN109286900A (zh) * | 2018-08-29 | 2019-01-29 | 桂林电子科技大学 | 一种Wi-Fi样本数据优化方法 |
CN109348416A (zh) * | 2018-09-06 | 2019-02-15 | 西安电子科技大学 | 基于二分k均值的指纹室内定位方法 |
CN109640253A (zh) * | 2018-12-26 | 2019-04-16 | 合肥优控科技有限公司 | 一种移动机器人定位方法 |
JP2019200152A (ja) * | 2018-05-17 | 2019-11-21 | 国立大学法人九州大学 | 端末装置、方法およびプログラム |
CN110599228A (zh) * | 2018-06-13 | 2019-12-20 | 北京智慧图科技有限责任公司 | 一种店铺识别方法 |
CN110948479A (zh) * | 2018-09-26 | 2020-04-03 | 上海云绅智能科技有限公司 | 一种坐标校准方法及系统、机器人 |
CN111148028A (zh) * | 2019-08-08 | 2020-05-12 | 广东小天才科技有限公司 | 一种定位纠偏方法及服务器 |
CN111726765A (zh) * | 2020-05-29 | 2020-09-29 | 山西大学 | 一种面向大规模复杂场景的wifi室内定位方法及系统 |
CN113723240A (zh) * | 2021-08-19 | 2021-11-30 | 武汉大学 | 基于Boosting和样本差异的通用指纹定位方法及系统 |
WO2022143711A1 (zh) * | 2020-12-29 | 2022-07-07 | 华为技术有限公司 | 一种数据处理方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9913092B2 (en) | 2014-06-06 | 2018-03-06 | The Hong Kong University Of Science And Technology | Mitigating signal noise for fingerprint-based indoor localization |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101778399A (zh) * | 2010-01-18 | 2010-07-14 | 哈尔滨工业大学 | 基于fcm和最小二乘曲面拟合法的wlan室内优化ann定位方法 |
CN102711239A (zh) * | 2012-05-10 | 2012-10-03 | 电子科技大学 | 基于rss指纹数据库的二次模糊聚类室内定位方法 |
WO2012139250A1 (en) * | 2011-04-13 | 2012-10-18 | Telefonaktiebolaget L M Ericsson (Publ) | Positioning in a cellular communication network |
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 |
-
2013
- 2013-09-22 CN CN201310432808.2A patent/CN103476115B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101778399A (zh) * | 2010-01-18 | 2010-07-14 | 哈尔滨工业大学 | 基于fcm和最小二乘曲面拟合法的wlan室内优化ann定位方法 |
WO2012139250A1 (en) * | 2011-04-13 | 2012-10-18 | Telefonaktiebolaget L M Ericsson (Publ) | Positioning in a cellular communication network |
CN102711239A (zh) * | 2012-05-10 | 2012-10-03 | 电子科技大学 | 基于rss指纹数据库的二次模糊聚类室内定位方法 |
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 |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747524B (zh) * | 2014-01-17 | 2017-06-06 | 西南交通大学 | 一种基于云平台的Android终端室内定位方法 |
CN103747524A (zh) * | 2014-01-17 | 2014-04-23 | 西南交通大学 | 一种基于云平台的Android终端室内定位方法 |
CN104180805B (zh) * | 2014-08-29 | 2017-02-01 | 中国海洋大学 | 基于智能手机的室内行人定位与跟踪方法 |
CN104349278A (zh) * | 2014-10-15 | 2015-02-11 | 上海交通大学 | 基于隐藏地标的室内定位系统指纹库构建方法 |
CN104349278B (zh) * | 2014-10-15 | 2018-11-16 | 上海交通大学 | 基于隐藏地标的室内定位系统指纹库构建方法 |
CN104469939A (zh) * | 2014-12-16 | 2015-03-25 | 重庆邮电大学 | 基于rss统计分布分块区域误差限的wlan定位网络优化方法 |
CN104469939B (zh) * | 2014-12-16 | 2017-11-10 | 重庆邮电大学 | 基于rss统计分布分块区域误差限的wlan定位网络优化方法 |
CN104655137A (zh) * | 2015-03-05 | 2015-05-27 | 中国人民解放军国防科学技术大学 | 行人航迹推测辅助的Wi-Fi信号指纹定位算法 |
CN104655137B (zh) * | 2015-03-05 | 2017-07-14 | 中国人民解放军国防科学技术大学 | 行人航迹推测辅助的Wi‑Fi信号指纹定位算法 |
CN105188131A (zh) * | 2015-07-30 | 2015-12-23 | 张欣 | 基于网格的室内区域定位及导航方法 |
US10895625B2 (en) | 2015-10-22 | 2021-01-19 | International Business Machines Corporation | Device positioning |
US10156629B2 (en) | 2015-10-22 | 2018-12-18 | International Business Machines Corporation | Device positioning |
CN105704652A (zh) * | 2016-02-16 | 2016-06-22 | 中国科学院光电研究院 | 一种wlan/蓝牙定位中的指纹库采集和优化方法 |
CN105704652B (zh) * | 2016-02-16 | 2019-01-04 | 中国科学院光电研究院 | 一种wlan/蓝牙定位中的指纹库采集和优化方法 |
WO2017185828A1 (zh) * | 2016-04-26 | 2017-11-02 | 中兴通讯股份有限公司 | 指纹定位方法及装置 |
CN106093852A (zh) * | 2016-05-27 | 2016-11-09 | 东华大学 | 一种提高WiFi指纹定位精度与效率的方法 |
CN106304331A (zh) * | 2016-08-19 | 2017-01-04 | 青岛海尔智能技术研发有限公司 | 一种WiFi指纹室内定位方法 |
CN106376081A (zh) * | 2016-10-28 | 2017-02-01 | 江南大学 | 混合相似度的室内指纹定位方法 |
CN106970351B (zh) * | 2017-05-15 | 2019-09-06 | 河海大学常州校区 | 基于信号传播模型的wlan指纹二次扫描定位方法 |
CN106970351A (zh) * | 2017-05-15 | 2017-07-21 | 河海大学常州校区 | 基于信号传播模型的wlan指纹二次扫描定位方法 |
CN107666707A (zh) * | 2017-09-30 | 2018-02-06 | 长沙学院 | 一种基于距离测量和位置指纹的室内定位方法 |
CN107666707B (zh) * | 2017-09-30 | 2020-01-10 | 长沙学院 | 一种基于距离测量和位置指纹的室内定位方法 |
CN107820314A (zh) * | 2017-11-14 | 2018-03-20 | 江南大学 | 基于AP选择的Dwknn位置指纹定位算法 |
CN107820314B (zh) * | 2017-11-14 | 2020-05-05 | 江南大学 | 基于AP选择的Dwknn位置指纹定位方法 |
JP7136437B2 (ja) | 2018-05-17 | 2022-09-13 | 国立大学法人九州大学 | 端末装置、方法およびプログラム |
JP2019200152A (ja) * | 2018-05-17 | 2019-11-21 | 国立大学法人九州大学 | 端末装置、方法およびプログラム |
CN110599228B (zh) * | 2018-06-13 | 2022-08-23 | 北京智慧图科技有限责任公司 | 一种店铺识别方法 |
CN110599228A (zh) * | 2018-06-13 | 2019-12-20 | 北京智慧图科技有限责任公司 | 一种店铺识别方法 |
CN109286900B (zh) * | 2018-08-29 | 2020-07-17 | 桂林电子科技大学 | 一种Wi-Fi样本数据优化方法 |
CN109286900A (zh) * | 2018-08-29 | 2019-01-29 | 桂林电子科技大学 | 一种Wi-Fi样本数据优化方法 |
CN109068272A (zh) * | 2018-08-30 | 2018-12-21 | 北京三快在线科技有限公司 | 相似用户识别方法、装置、设备及可读存储介质 |
CN109068272B (zh) * | 2018-08-30 | 2021-01-08 | 北京三快在线科技有限公司 | 相似用户识别方法、装置、设备及可读存储介质 |
CN109348416B (zh) * | 2018-09-06 | 2020-08-25 | 西安电子科技大学 | 基于二分k均值的指纹室内定位方法 |
CN109348416A (zh) * | 2018-09-06 | 2019-02-15 | 西安电子科技大学 | 基于二分k均值的指纹室内定位方法 |
CN109121083A (zh) * | 2018-09-25 | 2019-01-01 | 西安电子科技大学 | 一种基于ap序列的指纹相似度的室内定位方法 |
CN109121083B (zh) * | 2018-09-25 | 2020-06-19 | 西安电子科技大学 | 一种基于ap序列的指纹相似度的室内定位方法 |
CN110948479A (zh) * | 2018-09-26 | 2020-04-03 | 上海云绅智能科技有限公司 | 一种坐标校准方法及系统、机器人 |
CN109143161A (zh) * | 2018-09-30 | 2019-01-04 | 电子科技大学 | 基于混合指纹质量评价模型的高精度室内定位方法 |
CN109246603A (zh) * | 2018-09-30 | 2019-01-18 | 杭州羿腾科技有限公司 | 一种资源受限的手机指纹定位方法 |
CN109143161B (zh) * | 2018-09-30 | 2023-01-10 | 电子科技大学 | 基于混合指纹质量评价模型的高精度室内定位方法 |
CN109257700A (zh) * | 2018-11-19 | 2019-01-22 | 广东小天才科技有限公司 | 一种基于定位纠偏的定位方法、服务器及系统 |
CN109640253B (zh) * | 2018-12-26 | 2020-09-29 | 东阳市维创工业产品设计有限公司 | 一种移动机器人定位方法 |
CN109640253A (zh) * | 2018-12-26 | 2019-04-16 | 合肥优控科技有限公司 | 一种移动机器人定位方法 |
CN111148028A (zh) * | 2019-08-08 | 2020-05-12 | 广东小天才科技有限公司 | 一种定位纠偏方法及服务器 |
CN111148028B (zh) * | 2019-08-08 | 2021-08-24 | 广东小天才科技有限公司 | 一种定位纠偏方法及服务器 |
CN111726765A (zh) * | 2020-05-29 | 2020-09-29 | 山西大学 | 一种面向大规模复杂场景的wifi室内定位方法及系统 |
WO2022143711A1 (zh) * | 2020-12-29 | 2022-07-07 | 华为技术有限公司 | 一种数据处理方法及装置 |
CN113723240A (zh) * | 2021-08-19 | 2021-11-30 | 武汉大学 | 基于Boosting和样本差异的通用指纹定位方法及系统 |
CN113723240B (zh) * | 2021-08-19 | 2023-08-22 | 武汉大学 | 基于Boosting和样本差异的通用指纹定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103476115B (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103476115A (zh) | 一种基于AP集相似度的Wi-Fi指纹定位方法 | |
Kim Geok et al. | Review of indoor positioning: Radio wave technology | |
EP2524554B1 (en) | Location filtering using mobile country code | |
CN106814345B (zh) | 易于数据采集和高精度的室内定位方法 | |
Aly et al. | semMatch: Road semantics-based accurate map matching for challenging positioning data | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
CN104717744B (zh) | 一种基于无线局域网及分层聚类的室内定位方法 | |
Ibrahim et al. | Enabling wide deployment of GSM localization over heterogeneous phones | |
CN104010364A (zh) | 确定基站的估计位置 | |
CN103501537A (zh) | 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 | |
CN106125045A (zh) | 一种基于Wi‑Fi的自适应混合室内定位方法 | |
CN103747519A (zh) | 一种室内定位指纹库的动态建立方法及系统 | |
CN104239453B (zh) | 数据处理方法及装置 | |
WO2016192085A1 (zh) | 设置定位模式方法和移动终端 | |
CN105243148A (zh) | 一种基于签到数据的时空轨迹相似性度量方法及系统 | |
CN105974361A (zh) | 一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法 | |
Liu et al. | Mobile localization based on received signal strength and Pearson's correlation coefficient | |
CN105682048B (zh) | 蜂窝网环境下基于pca的子空间匹配室内指纹定位方法 | |
CN105989024A (zh) | 确定用户所在的位置区域的方法和装置 | |
CN103167606A (zh) | 基于稀疏表示的wlan室内定位方法 | |
Leu et al. | Received signal strength fingerprint and footprint assisted indoor positioning based on ambient Wi-Fi signals | |
CN104053231A (zh) | 实时定位方法和系统 | |
Wang et al. | Adaptive rfid positioning system using signal level matrix | |
Chen et al. | InferLoc: calibration free based location inference for temporal and spatial fine-granularity magnitude | |
CN105960011B (zh) | 基于传感网和贝叶斯方法的室内目标定位方法 |
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 |