CN103561462A - 一种完全基于智能移动终端平台的室内定位系统和方法 - Google Patents
一种完全基于智能移动终端平台的室内定位系统和方法 Download PDFInfo
- Publication number
- CN103561462A CN103561462A CN201310465990.1A CN201310465990A CN103561462A CN 103561462 A CN103561462 A CN 103561462A CN 201310465990 A CN201310465990 A CN 201310465990A CN 103561462 A CN103561462 A CN 103561462A
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- intelligent mobile
- location
- gait
- result
- 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
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000005021 gait Effects 0.000 claims abstract description 48
- 230000001133 acceleration Effects 0.000 claims description 24
- 230000033001 locomotion Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000005311 autocorrelation function Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 230000036961 partial effect Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 25
- 230000006854 communication Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Abstract
本发明公开了一种完全基于智能移动终端平台的室内定位系统和方法,该系统包括基于智能移动终端的Wi-Fi定位模块和步态定位模块。本发明所述完全基于智能移动终端平台的室内定位系统和方法,可以克服现有技术中精度低、结构复杂和能耗高等缺陷,以实现精度高、结构简单和能耗低的优点。
Description
技术领域
本发明涉及移动通信领域,具体地,涉及一种完全基于智能移动终端平台的室内定位系统和方法。
背景技术
随着移动设备的渐渐普及,基于位置的服务(Location-Based Service,简称LBS)的应用大量出现并被广泛的应用于生产生活中。作为提供基于位置服务的核心技术,移动客户的定位技术的研究也随之逐渐深入。移动定位系统具有广泛的应用领域,移动定位技术不仅可用于对物体的定位,如仓储货品管理、医院医疗设备管理、生产过程管理,还可用于人员的定位,如煤矿井下人员定位、公园和博物馆游客导观、医院需要看护的病人定位、监狱犯人监管等重要领域。从实际应用角度来看,移动定位技术极大地提高了管理水平、工作效率,并在生活中极大的丰富了获取信息的方式。
目前,无线定位系统根据定位环境可以分为室外定位和室内定位。
室外定位主要包括全球定位系统(Global Positioning System,简称GPS)和基于蜂窝网络(Cellular Network)的定位系统。1978年,美国国防部启动了全球定位系统,旨在提高武器的打击精度。而今天,成千上万的小汽车都配备了GPS接收器,主要用于城市交通导航。GPS民用最高精度可达到5m。而基于蜂窝网络的定位系统有三种:基于移动台的定位系统,基于网络的定位系统和混合定位系统。其中普遍使用的是基于移动台(现在手机成为主流移动台)的定位系统,其定位原理与GPS相似。
然而,在室外定位中占据优势地位的GPS系统在室内却遇到了定位精度低,信号差,甚至无法定位的情况,这给了室内定位这一研究方向以极大的刺激和推动,随着十年多的发展,室内定位已经发展出多种室内定位技术有很多种,基本上可分为以下几个大类:
⑴基于短距离无线通信的定位技术:
根据频段与定位机制的不同,基于短距离的无线定位技术大致可以分为:基于红外线的定位技术、基于超宽带的定位技术、基于射频识别的定位技术。
基于红外线的定位技术:红外线是一种波长介于微波与可见光之间的电磁波,红外线室内定位技术定位的原理是,红外线IR标识发射调制的红外射线,通过安装在室内的光学传感器接收进行定位。红外线具有相对较高的室内定位精度,但是直线视距和传输距离较短这两大主要缺点使其室内定位的效果很差。当标识被遮挡时就不能正常工作,需要在每个房间、走廊安装接收天线,造价较高。
基于超宽带的定位技术:超宽带(UWB)技术不需要使用传统通信体制中的载波,而是通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据,从而具有GHz量级的带宽,可以应用于室内静止或者移动物体以及人的定位跟踪与导航,且能提供十分精确的定位精度。目前UWB定位的精度为15~30cm,但成本造价较高,不适宜大规模应用。
基于射频识别的定位技术:射频识别(RFID)技术是一种操控简易的自动识别技术。射频识别室内定位系统包括:电子标签、射频读写器、中间件以及数据库。电子标签与射频读写器之间进行信号传输,根据射频读写器的位置信息可计算出电子标签坐标。可以在几毫秒内得到厘米级定位精度的信息,且传输范围很大,成本较低。但是作用距离近,不具有通信能力,而且不便于整合到其他系统之中。
⑵基于惯性传感器的定位技术:
随着微机电系统(MEMS)的快速发展,各种传感器尺寸在不断的减小,被广泛应用于各种设备中。基于惯性传感器的室内定位技术,具有定位的自主性和连续性。惯性传感器定位使用的传感器涉及到加速器、陀螺仪、磁力计等。基于不同的物理特性和应用环境,这些传感器可以互相结合实现不同的配置方案。
基于惯性传感器的室内定位技术主要分为两种。一种是传统的惯性传感器积分定位,其依据牛顿运动定律,通过三个方向的加速度值积分计算出三维速度和相对位置。理论上计算结果应该精确,但实际应用中,由于加速度计存在抖动,两次积分计算后会产生持续的累积误差,几十秒时间内误差可达几十米,甚至几百米;另一种定位方法是航迹推算方法,基于惯性传感器的航迹推算方法依据人行走的步数和步长进行定位,定位效果比传统惯性传感器积分定位更准确。但是由于航迹推算方法根据人行走的位移与航向进行位置推算,定位精度依赖于计步效果、行人航向以及行人的步长等因素,随着行走时间增加,惯性传感器定位的误差也在不断积累。
⑶基于Wi-Fi的定位技术:
Wi-Fi(Wireless Fidelity)技术是无线保真技术的缩写,由“无线以太网相容联盟”发布的一个证书,用于保证802.11标准的无线网络产品之间的互通性。
目前,基于Wi-Fi的室内定位技术主要有位置指纹法、概率分布法、信号传播衰减模型等,这些技术都是基于RSSI(Received Signal Strength Indication,接收信号强度)的室内定位的典型算法。射频指纹匹配方法属于位置指纹法,从指纹库中查找最接近的K个邻居,取它们坐标的平均作为坐标估计。多元高斯概率分布是概率分布法的重要模型,其定位过程分为学习阶段和估计阶段,不需要额外的硬件支持。MK模型则是典型的信号传播衰减模型,其考虑了在发射端与接收端的传播过程中,由墙壁和地板引起的信号衰减。基于Wi-Fi的室内定位技术覆盖范围广泛,适合大规模定位应用,有较高的定位精度(1m~5m)。其成本较低,通用性好,穿透能力强,抗多径干扰效应强,且有统一的标准。其缺点是很容易受到其他环境因素的干扰,从而影响其定位精度。
以上是根据所用设备不同的分类,将所用方法抽象出来,所有定位方式从原理上基本可以分为以下几种模式:信号到达时间(Time of Arrival,简称TOA)、信号到达时间差(Time Difference of Arrival,简称TDOA)、信号到达角(Angle of Arrival,简称AOA)和接收信号强度(Received Signal Strength Indication,简称RSSI)。
按照信号到达时间定位:该种方法主要应用于三边定位法。到达时间法定位的基本原理是利用对信号在发送方和接收方两端间传播时间的测量,将传播时间乘以传播速度(对电磁波来说,一般取光速)得到发送方与接收方之间的距离。用3个以上的接收机接收同一信号源发射的无线电信号,通过测量同一信号到达不同接收机的时间可以计算出接收机到信号源的距离,从而达到定位的目的。目前,利用TOA进行定位的技术主要有圆周模型和相交线模型。因为TOA是利用对时间的测量得到距离信息,加之电磁波传播速度极快,所以由微小的时间测量误差导致的距离误差是非常大的,因此TOA要求较高精度的时钟,以获得可以接受的估计精度。
按照信号到达时间差定位:该种方法主要应用于双曲线定位法。到达时间差法定位基本原理与TOA类似,也是利用测量信号发送端与多个信号接收端的到达时间来得到待测目标的位置。不同的是此法测量的是信号发送端到多个信号接收端的到达时间之差。测量TDOA有两种方式,其一是测量多个TOA,以TOA相减得到TDOA;其二是利用多个接收端接收信号的相关性(Correlation)来得到TDOA。分别在3个不同的监测站同步接收信号源发出的无线电信号,通过一定的算法可以确定同一信号到达3个不同监测站的时间,求出任意 2个信号到达的时间差,就可获得信号源到不同监测站的距离差,由距离差可以确定2条双曲线,2条双曲线相交的交点即为信号源的位置。
按照信号到达角定位:该种方法主要用于三角定位法。到达角度法定位的基本原理是利用具方向性的天线(Directional Antenna)或天线阵列(Antenna Array),根据电子标签信号的到达方向确定电子标签的位置。理论上,在不考虑误差的情况下,运用两个具方向性的天线分别测量出标签信号的到达方向,以RFID阅读器为起点的两条到达方向上的直线的交点即为电子标签的可能位置。
按照接收信号强度定位:接收信号强度(RSSI)的基本原理是利用无线信号在传播过程中的衰减,从接收信号强度中推算出距离。最初使用接收信号强度法的定位系统原理是利用室内信道传输模型描述路径损耗与传输距离的关系。使用此法的系统首先构造该环境的传输损耗模型,利用信号强度的衰减或者接收信号的强度来估算待定位目标与已知位置的信号发送端的距离。而后,有人提出了基于RSSI的位置指纹法,它是利用参考点预先建立好的指纹数据库,将接收到的信号强度与指纹数据库中的样本作对比,找出最接近的信号样本,确定其位置。其精确度随着样本密度的增加而提高。
对于室内定位而言,现有系统或实现简便而精度不足,或精度较好却过于复杂、需要额外设备或消耗更多能源。
在实现本发明的过程中,发明人发现现有技术中至少存在精度低、结构复杂和能耗高等缺陷。
发明内容
本发明的目的在于,针对上述问题,提出一种完全基于智能移动终端平台的室内定位系统,以实现精度高、结构简单和能耗低的优点。
本发明的第二目的在于,针对上述问题,提出一种完全基于智能移动终端平台的室内定位方法,以实现精度高、结构简单和能耗低的优点。
为实现上述目的,本发明采用的技术方案是:一种完全基于智能移动终端平台的室内定位系统,包括基于智能移动终端的Wi-Fi定位模块和步态定位模块;其中:
所述Wi-Fi定位模块,用于使用RSSI值作为定位依据,使用指纹识别的方法给出初步定位结果;
所述步态定位模块,用于通过智能移动终端自带的手机传感器进行步态计算,获取人体步行周期和运动方向;将所得人体步行周期和运动方向结合基本步长进行计算,得到位移信息;基于得到的位移信息,通过移动筛选算法,对Wi-Fi定位模块得到的初步定位结果进行修正,得到最终定位结果。
进一步地,所述手机传感器,包括智能移动终端自带的加速度传感器和方向传感器;所述手机传感器,通过加速度传感器计算人体步行周期,并通过方向传感器检测人体运动方向。
进一步地,所述Wi-Fi定位模块和步态定位模块,利用智能移动终端自带的SQLite数据库存储相应数据,并利用智能移动终端自带的CPU进行相应计算。
同时,本发明采用的另一技术方案是:一种与以上所述的完全基于智能移动终端平台的室内定位系统匹配的完全基于智能移动终端平台的室内定位方法,包括:
a、使用RSSI值作为定位依据,使用指纹识别的方法给出初步定位结果;
b、通过智能移动终端自带的手机传感器进行步态计算,获取人体步行周期和运动方向;将所得人体步行周期和运动方向结合基本步长进行计算,得到位移信息;基于得到的位移信息,通过移动筛选算法,对Wi-Fi定位模块得到的初步定位结果进行修正,得到最终定位结果;
在步骤b中,所述通过移动筛选算法,对Wi-Fi定位模块得到的初步定位结果进行修正的操作,具体包括:
⑴Wi-Fi定位初始点产生四个匹配定位结果O={A1,A2,A3,A4};
⑵移动k秒,刷新,产生新的四个定位匹配结果R={B1,B2,B3,B4};
⑶对k秒内传感器数据处理计算,将运动距离和方向换算成坐标方位的变化;
⑷从集合O和R中遍历取点(例A1和B1),两两进行欧式距离计算,得到欧式距离最小值,并记录对应的两点(An,Bn),是否采信依据阈值MIN:
①小于阈值MIN,认为步态反映了真实行进状况,将Bn作为真实定位点反馈给用户;
②大于阈值MIN,仍然使用集合R的KNN平均的计算结果反馈给用户。
进一步地,所述步骤a具体包括:
a1、训练阶段:
a11、在待定位区域进行网格划分,网格的大小代表了定位的精度极限;
a12、根据Wi-Fi分布特点进行分区;
a2、进入测量阶段:
a21、智能移动终端根据方向传感器得到智能移动终端所处方向,同时搜索能够检测到的Wi-Fi点及其RSSI值;
a212、得到测量信息之后,只和相同方向上的数据库内容进行比对。
进一步地,在步骤a11中,所述网格,包括至少包含正方形的规则图形;
和/或,
在步骤a12中,所述根据Wi-Fi分布特点进行分区的操作,具体包括:
寻找标志Wi-Fi点,探索标志Wi-Fi点覆盖范围,以来进行分区,考虑到周围环境对RSSI的影响,每个小区的都由多个标志Wi-Fi信号来确定,分区时使用强准入制度,亦即测量到的信号值必须满足的标志Wi-Fi最低数量和信号强度阈值;
如果不能满足,将被归属整个大区而不是随便划入其他小区;将MAC地址和RSSI值记录下来,为了防止身体对Wi-Fi信号遮挡,选择多个方向进行训练,每个方向上采集多组数据求平均值,之后处理后的信息和训练位置信息一道作为指纹信息存入数据库,使用智能移动终端自带数据库进行存储,每个训练坐标存一张表,分方向区别记录的信息;
和/或,
所述步骤a21和步骤a22,具体包括:
首先根据和标志Wi-Fi点的比对情况确定所属小区,从而将范围缩小;然后根据公式(1),计算测量点与数据库中该小区内每一个指纹点的欧式距离,取欧式距离结果最小的k个点,即 最小的四个点,同时读取所属网格坐标 :
在公式(1)中,表示测量点与小区内数据库记录指纹的欧式距离;表示在当前位置测量到的Wi-Fi信号值中第j个和小区内数据库MAC地址匹配的RSSI值;表示数据库指定坐标下存储的第j个匹配MAC地址的RSSI均值;
得到网格坐标之后,根据KNN算法得到Wi-Fi定位的初步结果【公式(2)-公式(3)】:
在加权计算得到结果后,得到的四个备选结果并不被删除,而是被保留直到得到下一组数据;
其次,使用Kalman滤波器处理数据以稳定示数的操作,具体为:
当传感器判断人体处于持续静止状态时,时刻n的计算结果受到之前状态、时刻n-1的制约(公式(4):
进一步地,所述步骤b具体包括:
b1、航向判别:对人体行走进行实时定位的定位坐标系,采用地理坐标系,取运动物体所在地球表面某点为原点,Ox指向正东方向,Oy指向正北方向,Oz垂直Oxy平面向上;
当人体行走时,携带的移动终端坐标系与固定的地磁坐标系产生夹角,根据这个夹角就可以获得人体运动的航向变化;通过移动终端内置的方向传感器获得数据来估计人体行走时的实时航向;
b2、步态检测:利用智能移动终端内置的加速度传感器;智能移动终端内置的加速度传感器坐标轴与人体行走的坐标系类似,水平放置终端z轴正方向即为人体的竖直方向,y轴正方向为人体前进方向;
在行人走路时,三轴加速度里变化最明显且最具有周期性的是人体的竖直向上方向即z轴,利用z轴进行步态检测,在人体步态检测过程中实时的剔除或者减弱人体轻微的震动造成的干扰;人体的行走具有随机性,如突然停止前进,静止即没有迈步,一段时间后再次行走;
取N组加速度传感器的相邻时间间隔,取平均得到平均传感器频率值;通过计算自相关函数的无偏估计确定步态周期;使用的自相关函数的无偏估计采用公式(5)计算:
进一步地,在所述步骤b2中,还包括:
为了减小由于传感器初始化带来的测量误差,每次记录传感器的数值时,剔除前20组数据,然后取N组数据进行自相关函数的计算,N由实验得出;N为自然数;
为了减小误差,剔除第一个峰值和最后一个峰值,并计算剩余的q-2个峰值间隔的平均,作为最终计算得到的步态周期【公式(6)】:
得到步态周期后,根据不同人输入不同的步幅St,即可计算一段时间(T)内人行走的距离Dis【公式(7)】:
得到行走距离和方向后,使用移动筛选的方法来修正Wi-Fi定位结果。
进一步地,在所述步骤b2中,还包括:
在得到的多组数据中,分别与行走距离作差并取绝对值,找到和步态计算结果相差最小的一组数据【公式(9)-(10)】:
若最小绝对值MinED小于某一误差阈值MinDis,则利用取得最小绝对值的这组坐标结果修正由于Wi-Fi定位误差得到的坐标,否则,不改变原来Wi-Fi定位由KNN算法得出的坐标。
本发明各实施例的完全基于智能移动终端平台的室内定位系统和方法,由于该系统包括基于智能移动终端的Wi-Fi定位模块和步态定位模块;可以仅使用智能移动终端(如智能手机)即可完成定位,能够有效保护用户的隐私,同时减小室内定位系统整体功耗;从而可以克服现有技术中精度低、结构复杂和能耗高的缺陷,以实现精度高、结构简单和能耗低的优点。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明完全基于智能移动终端平台的室内定位系统的总体架构示意图;图1显示:Android智能手机接收Wi-Fi点的信号,手机的四个软硬件部分分别对应完全基于智能移动终端平台的室内定位系统的一项功能;
图2为本发明完全基于智能移动终端平台的室内定位方法的流程示意图;
图3为本发明完全基于智能移动终端平台的室内定位系统和方法中Wi-Fi端定位的训练阶段和实际测量流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
为了采用在效率和有效性两方面兼顾从而整体较优的策略,从而实现较好的定位方案,如图1-图3所示,本发明提供了一种完全基于智能移动终端平台的室内定位系统和方法,仅使用智能手机即可完成定位,能够有效保护用户的隐私,同时减小室内定位系统整体功耗。
随着移动互联网迅速发展,基于位置的服务(Location-Based Service,简称LBS)应用在生活中已经非常普及并产生大量经济价值,这使得本发明的完全基于智能移动终端平台的室内定位系统和方法有着重要的意义,同时本发明的完全基于智能移动终端平台的室内定位系统和方法所使用的方法在定位时不需要连接网络,降低了系统能耗,也有效保护了用户隐私。
系统实施例
根据本发明实施例,如图1和图3所示,提供了一种完全基于智能移动终端平台的室内定位系统,包括基于智能移动终端的Wi-Fi定位模块和步态定位模块。该智能移动终端,包括支持Android的智能手机和支持Android的平板电脑等。
本实施例的完全基于智能移动终端平台的室内定位系统,主要可分为两大模块,即Wi-Fi定位模块和步态定位模块,和已有技术相比具有节能安全简便的优势。关于Wi-Fi定位模块和步态定位模块的具体说明,如下:
⑴Wi-Fi定位模块使用接收信号强度(Received Signal Strength Indication,简称RSSI)值作为定位依据,使用指纹识别的方法给出初步结果。
Wi-Fi定位模块的工作流程,可分为两大流程:训练阶段和测量阶段。由于去除了服务器,所以不再有传统意义上的离线和在线之分。存储由Android手机自带的SQLite数据库完成,计算则由手机CPU进行。
a、训练阶段:
①首先在待定位区域进行网格划分,为方便计算,网格建议划分为规则图形,正方形最佳。网格的大小代表了定位的精度极限,因为定位结果是以网格的坐标形式反映出来的。虽然网格过大会降低精度,但是不能因此过度缩小网格,过小的网格既增加了数据库存储量和运算量,对精度增加也很有限。因为Wi-Fi信号本身受多种环境因素干扰,在发表的论文中精度普遍在数米这一级别。选择适当的网格大小非常关键,该完全基于智能移动终端平台的室内定位系统中选取边长1.2m正方形作为基本网格。
②然后,根据Wi-Fi分布特点进行分区。由于本实施例小组不进行自主架设Wi-Fi,完全利用手机搜寻记录周围所能检测到的所有Wi-Fi点,为了提高精度,节约数据库搜索时间,本实施例要寻找标志Wi-Fi点(基本要求为信号强度较强,覆盖不是很广),探索标志Wi-Fi点覆盖范围,以来进行分区,考虑到周围环境对RSSI的影响,每个小区的都由多个标志Wi-Fi信号来确定,分区时使用强准入制度,亦即测量到的信号值必须满足的标志Wi-Fi最低数量和信号强度阈值,如果不能满足,将被归属整个大区而不是随便划入其他小区。将MAC地址和RSSI值记录下来,为了防止身体对Wi-Fi信号遮挡,本实施例选择四个方向进行训练,每个方向上采集五组数据求平均值,之后处理后的信息和训练位置信息一道作为指纹信息存入数据库,使用Android系统自带数据库进行存储,每个训练坐标存一张表,分方向区别记录的信息。
b、进入测量阶段:
①首先手机要根据方向传感器得到自己的方向,同时搜索能够检测到的Wi-Fi点及其RSSI值。得到测量信息之后,只和相同方向上的数据库内容进行比对。
首先根据和标志Wi-Fi点的比对情况确定所属小区,从而将范围缩小;然后根据公式(1),计算测量点与数据库中该小区内每一个指纹点的欧式距离,取欧式距离结果最小的k个点(同时兼顾效率和效果,在本方案中建议选择k=4),即最小的四个点,同时读取所属网格坐标 :
在公式(1)中,表示测量点与小区内数据库记录指纹的的欧式距离;表示在当前位置测量到的Wi-Fi信号值中第j个和小区内数据库MAC地址匹配的RSSI值;表示数据库指定坐标下存储的第j个匹配MAC地址的RSSI均值。
得到网格坐标之后,根据KNN算法得到Wi-Fi定位的初步结果【公式(2)-公式(3)】:
值得一提的是,在加权计算得到结果后,得到的四个备选结果并不被删除,而是被保留直到得到下一组数据。这是因为在实践中本发明小组发现,虽然四个值的均值很好减少了误差,但是这四个值有较大的概率包括真实坐标点(RSSI值波动问题使得这个备选值未必使得欧式距离最小),这个真实坐标点将由下文提出的移动筛选算法获得。
在实际示数中,由于Wi-Fi的RSSI值时刻在进行变化,示数也在剧烈抖动,为减小示数抖动情况,本发明使用Kalman滤波器处理数据从而稳定示数。当传感器判断人体处于持续静止状态时,时刻n的计算结果受到之前状态、时刻n-1的制约【(公式(4)】:
⑵步态定位模块通过加速度传感器计算出的人体步行周期、方向传感器得到的运动方向,两者结合基本步长得到位移信息,然后通过本实施例的移动筛选算法修正得到最终定位结果。移动筛选算法中,两个计算结果间隔的k秒和处理器速度,Wi-Fi模块刷新速度,计算周期所需要数据数息息相关,本实施例采用k=3进行实验。
手机传感器,本实施例着重使用智能手机自带的加速度传感器和方向传感器来进行步态计算。随着移动通信的快速发展,智能移动终端越来越多,已经占据目前移动终端市场的主流。智能终端设备大多数都已经包含了各种传感器硬件,借助它们自带的传感器硬件进行定位拓展了行人导航定位的使用范围,也给未来的室内定位提供了更多的可能性。
航迹推算方法是目前基于惯性传感器的行人定位系统中最主要定位方法。航迹推算方法是指从上一个已知的位置开始,根据行走的时间段内,行人走过的位移和航向,在已知上一个时刻位置的坐标、航向的基础上,推算出行人当前的位置和航向。但是这种方法也有明显的局限性,亦即一旦不能够精确计算距离,误差将会持续累积。为解决该种问题,本实施例提出的传感器辅助定位算法(即移动筛选算法),利用航迹推算方法来判断人体在过去短时间内行走的轨迹,并利用Wi-Fi定位的结果与轨迹作对比,可以修正Wi-Fi定位的误差。本实施例提出的完全基于智能移动终端平台的室内定位系统中,传感器定位为无记忆方案,不会带来累积误差,该方案可以分为两个方面:
a、航向判别:对人体行走进行实时定位的定位坐标系,常用的有两种坐标系统,一种是地球坐标系统,使用经纬度坐标来表示,是绝对的地理位置信息;另一种是地理坐标系,取运动物体所在地球表面某点为原点,Ox指向正东方向,Oy指向正北方向,Oz垂直Oxy平面向上。本定位系统采用地理坐标系。
当人体行走时,携带的移动终端坐标系与固定的地磁坐标系产生夹角,根据这个夹角就可以获得人体运动的航向变化。通过移动终端内置的方向传感器获得数据来估计人体行走时的实时航向。理论上,方向传感器获取的方向角度范围:0°~359°,正北方向度数为359°或0°,正东方向为90°,正南方向为180°,正西方向为270°。
判别方向的目的有二,一是配合训练阶段分方向记录数据,降低人为因素造成的RSSI值的路径损耗,在这个模式下,根据所得角度进行方向大致判断。其中,大于315°或小于45°,则判定为正北方向;大于45°且小于135°,则判定为正东方向;大于135°且小于225°,则判定为正南方向;大于225°且小于315°,则判定为正西方向。二是根据方向确定人体行进时位移的角度。
b、步态检测:步态检测主要利用的传感器是加速度传感器。本发明使用智能终端内置的加速度传感器。智能手机终端加速度传感器坐标轴与人体行走的坐标系类似,水平放置终端z轴正方向即为人体的竖直方向,y轴正方向为人体前进方向。
在行人走路时,三轴加速度里变化最明显且最具有周期性的是人体的竖直向上方向(即z轴)。利用z轴进行步态检测,需要考虑几个问题:人体迈步时,移动终端会出现轻微震动,这些震动会影响竖直方向加速度的变化规律,所以需要在人体步态检测过程中实时的剔除或者减弱人体轻微的震动造成的干扰;人体的行走具有随机性,如突然停止前进,静止(没有迈步),一段时间后再次行走。静止期间可能也会包含了轻微的震动,会干扰正常步态的检测,所以需要检查出人体的静止状态,在步数统计过程中剔除这段静止状态的震动干扰;手机自带传感器的频率并不是恒定的不变的,即使通过调用Android系统的传感器API来更改频率值,但也会存在漂移。针对智能Android手机可能存在的传感器频率不稳定问题,本方案提出如下解决方案:取N组加速度传感器的相邻时间间隔,取平均得到平均传感器频率值;通过计算自相关函数的无偏估计确定步态周期。传统周期计算时,通过判断时域信号的极值点来确定周期,这样做首先不适合精确识别,其次在手机传感器精度有限的情况下效果不佳。本系统使用的自相关函数的无偏估计采用公式(5)计算:
(5);
为了减小由于传感器初始化带来的测量误差,每次记录传感器的数值时,剔除前20组数据,然后取N组数据进行自相关函数的计算,N由实验得出,本系统建议采取N=150。
计算出无偏自相关函数后,取得该函数的q个峰值对应的时间点,判断这q个峰值的大小,若峰值小于0.1,则认为终端是静止的,反之则认为终端是移动的。为了减小误差,剔除第一个峰值和最后一个峰值,并计算剩余的q-2个峰值间隔的平均,作为最终计算得到的步态周期【公式(6)】: (6);
得到步态周期后,根据不同人输入不同的步幅St,即可计算一段时间(T)内人行走的距离Dis【公式(7)】。
(7);
得到行走距离和方向后,本发明使用移动筛选的方法来修正Wi-Fi定位结果,具体如下:
Wi-Fi定位初始点产生四个匹配定位结果O={A1,A2,A3,A4};
移动k秒,刷新,产生新的四个定位匹配结果R={B1,B2,B3,B4};
对k秒内传感器数据处理计算,将运动距离和方向换算成坐标方位的变化;
从集合O和R中遍历取点(例A1和B1),两两进行欧式距离计算,得到欧式距离最小值,并记录对应的两点(An,Bn),是否采信依据阈值MIN:
①小于阈值MIN,认为步态反映了真实行进状况,将Bn作为真实定位点反馈给用户;
②大于阈值MIN,仍然使用集合R的KNN平均的计算结果反馈给用户。
一共得到16组数据。在这些数据中,分别与行走距离作差并取绝对值,找到和步态计算结果相差最小的一组数据【公式(9)-(10)】:
若最小绝对值MinED小于某一误差阈值MinDis,则利用取得最小绝对值的这组坐标结果修正由于Wi-Fi定位误差得到的坐标,否则,不改变原来Wi-Fi定位由KNN算法得出的坐标。
本实施例为确保所得结果不失一般意义,使用实验设备为Android中低端智能手机,可以预见任何同级别或中高端手机可以毫无压力、流畅运行本套方案。
本实施例所处实验环境为一栋大楼的一层,面积约为5300m2(约70m*74m),为了使得基本网格模块便于识别,大小适中,本实施例选择边长1.2m的正方形作为基本定位网格。
关于本实施例的完全基于智能移动终端平台的室内定位系统的实现方法,可以参见下面的方法实施例中关于与本实施例的完全基于智能移动终端平台的室内定位系统相匹配的完全基于智能移动终端平台的室内定位方法的相关说明,在此不再赘述。
方法实施例
根据本发明实施例,如图2和图3所示,提供了一种完全基于智能移动终端平台的室内定位方法,主要包括以下步骤:
a、将Wi-Fi的接收信号强度(Received Signal Strength Indication,简称RSSI)指纹库,存储在Android智能手机自带的数据库中;
b、对测量到信号的分区、匹配计算工作,完全由智能手机的CPU进行;
c、测量阶段,使用kalman滤波器对数据进行处理,减少信号抖动对测量结果造成的影响;
d、对检测到的步态信息,使用自相关函数计算周期;
e、提出结合步态辅助传感器的修正算法。
在步骤e中,在步态辅助定位中,采用移动筛选算法,有效降低累积误差,具体算法如下:
⑴Wi-Fi定位初始点产生四个匹配定位结果O={A1,A2,A3,A4};
⑵移动k秒(和处理器速度,Wi-Fi模块刷新速度,计算周期所需要数据数相关),刷新,产生新的四个定位匹配结果R={B1,B2,B3,B4};
⑶对k秒内传感器数据处理计算,将运动距离和方向换算成坐标方位的变化;
⑷从集合O和R中遍历取点(例A1和B1),两两进行欧式距离计算,得到欧式距离最小值,并记录对应的两点(An,Bn),是否采信依据阈值MIN(应结合实验场地和步速确定):
①小于阈值MIN,认为步态反映了真实行进状况,将Bn作为真实定位点反馈给用户;
②大于阈值MIN,仍然使用集合R的KNN平均的计算结果反馈给用户。
参见图2,具体实施时,上述实施例的完全基于智能移动终端平台的室内定位方法,具体步骤如下:
⑴打开程序,完成各模块初始化;
⑵Wi-Fi定位模块和手机传感器同时开始工作;
⑶传感器模块持续检测加速度传感器和方向传感器的状态,其中加速度传感器用于步骤7;方向传感器可用于步骤5和步骤8;
⑷Wi-Fi定位模块工作基于附图3,训练阶段在待定位区域进行空间预处理和Wi-Fi指纹的采集处理工作;
⑸Wi-Fi定位模块测量阶段,首先根据和标志Wi-Fi点比对确定所属小区,如不能确定则属于整个大区,之后结合方向传感器,与数据库内相应数据进行匹配计算;
⑹匹配计算得到的结果作为备选结果,将在步骤⑼中使用;
⑺传感器模块由加速度传感器一直检测运动状态,检测到用户开始运动,持续记录加速度数据执行步骤⑻;
⑻利用自相关函数计算步态周期,结合步长,方向传感器确定一段运动时间内的位移;
⑼步骤⑹获得的备选定位数据根据移动筛选算法得到参考位移,和步骤⑻传感器计算得到的位移做绝对值差,如果小于阈值,执行步骤⑽,否则步骤⑾;
⑽步骤⑻中使得绝对值差最小的结果对中,当前状态的定位结果被作为最终结果显示给用户,之后执行步骤⑿;
⑾步骤⑹得到的备选结果进行KNN算法,结果被作为最终结果显示给用户,之后执行步骤⑿;
⑿用户决定是否继续进行定位,继续则重新从步骤⑵执行,否则退出。
本实施例的完全基于智能移动终端平台的室内定位方法,与上述系统实施例的完全基于智能移动终端平台的室内定位系统相配套。关于与本实施例的完全基于智能移动终端平台的室内定位方法相配套的完全基于智能移动终端平台的室内定位系统,参见系统实施例的相关说明,在此不再赘述。
本发明上述各实施例的完全基于智能移动终端平台的室内定位系统和方法,实验使用设备为Android中低端智能机,基本代表了绝大多数智能机的性能。该完全基于智能移动终端平台的室内定位系统和方法,充分结合了时代技术发展背景,捕捉到了智能手机已经可以完成更加繁重存储处理任务的事实。同时配以合理的解决方案,达到了不降低定位精度的情况下节能安全的目的。
综上所述,本发明上述各实施例的完全基于智能手机(如Android智能手机、Android平板电脑等)平台的室内定位系统和方法,旨在于不损失精度的情况下,提供一种高效、简洁、节能、安全的室内定位系统和方法。该完全基于智能移动终端平台的室内定位系统和方法,完全基于手机,不自行架设实验环境、不使用后台服务器;在移动互联网高速发展的大潮之下,手机自身性能大幅提升,原本必须由服务器完成的存储计算工作可以交由手机完成。现在的应用,存在用户位置泄露导致自身受到不法分子侵害的案件,由于该完全基于智能移动终端平台的室内定位系统和方法不通过网络和外界通信亦可完成定位,有效实现了对用户隐私的保护。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种完全基于智能移动终端平台的室内定位系统,其特征在于,包括基于智能移动终端的Wi-Fi定位模块和步态定位模块;其中所述Wi-Fi定位模块,用于使用RSSI值作为定位依据,使用指纹识别的方法给出初步定位结果;
所述步态定位模块,用于通过智能移动终端自带的手机传感器进行步态计算,获取人体步行周期和运动方向;将所得人体步行周期和运动方向结合基本步长进行计算,得到位移信息;基于得到的位移信息,通过移动筛选算法,对Wi-Fi定位模块得到的初步定位结果进行修正,得到最终定位结果。
2.根据权利要求1所述的完全基于智能移动终端平台的室内定位系统,其特征在于,所述手机传感器,包括智能移动终端自带的加速度传感器和方向传感器;所述手机传感器,通过加速度传感器计算人体步行周期,并通过方向传感器检测人体运动方向。
3.根据权利要求1所述的完全基于智能移动终端平台的室内定位系统,其特征在于,所述Wi-Fi定位模块和步态定位模块,利用智能移动终端自带的SQLite数据库存储相应数据,并利用智能移动终端自带的CPU进行相应计算。
4.一种与权利要求1-3中任一项所述的完全基于智能移动终端平台的室内定位系统匹配的完全基于智能移动终端平台的室内定位方法,其特征在于,包括:
a、使用RSSI值作为定位依据,使用指纹识别的方法给出初步定位结果;
b、通过智能移动终端自带的手机传感器进行步态计算,获取人体步行周期和运动方向;将所得人体步行周期和运动方向结合基本步长进行计算,得到位移信息;基于得到的位移信息,通过移动筛选算法,对Wi-Fi定位模块得到的初步定位结果进行修正,得到最终定位结果;
在步骤b中,所述通过移动筛选算法,对Wi-Fi定位模块得到的初步定位结果进行修正的操作,具体包括:
⑴Wi-Fi定位初始点产生四个匹配定位结果O={A1,A2,A3,A4};
⑵移动k秒,刷新,产生新的四个定位匹配结果R={B1,B2,B3,B4};
⑶对k秒内传感器数据处理计算,将运动距离和方向换算成坐标方位的变化;
⑷从集合O和R中遍历取点(例A1和B1),两两进行欧式距离计算,得到欧式距离最小值,并记录对应的两点(An,Bn),是否采信依据阈值MIN:
①小于阈值MIN,认为步态反映了真实行进状况,将Bn作为真实定位点反馈给用户;
②大于阈值MIN,仍然使用集合R的KNN平均的计算结果反馈给用户。
5.根据权利要求4所述的完全基于智能移动终端平台的室内定位方法,其特征在于,所述步骤a具体包括:
a1、训练阶段:
a11、在待定位区域进行网格划分,网格的大小代表了定位的精度极限;
a12、根据Wi-Fi分布特点进行分区;
a2、进入测量阶段:
a21、智能移动终端根据方向传感器得到智能移动终端所处方向,同时搜索能够检测到的Wi-Fi点及其RSSI值;
a212、得到测量信息之后,只和相同方向上的数据库内容进行比对。
6.根据权利要求5所述的完全基于智能移动终端平台的室内定位方法,其特征在于,在步骤a11中,所述网格,包括至少包含正方形的规则图形;
和/或,
在步骤a12中,所述根据Wi-Fi分布特点进行分区的操作,具体包括:
寻找标志Wi-Fi点,探索标志Wi-Fi点覆盖范围,以来进行分区,考虑到周围环境对RSSI的影响,每个小区的都由多个标志Wi-Fi信号来确定,分区时使用强准入制度,亦即测量到的信号值必须满足的标志Wi-Fi最低数量和信号强度阈值;
如果不能满足,将被归属整个大区而不是随便划入其他小区;将MAC地址和RSSI值记录下来,为了防止身体对Wi-Fi信号遮挡,选择多个方向进行训练,每个方向上采集多组数据求平均值,之后处理后的信息和训练位置信息一道作为指纹信息存入数据库,使用智能移动终端自带数据库进行存储,每个训练坐标存一张表,分方向区别记录的信息;
和/或,
所述步骤a21和步骤a22,具体包括:
首先根据和标志Wi-Fi点的比对情况确定所属小区,从而将范围缩小;然后根据公式(1),计算测量点与数据库中该小区内每一个指纹点的欧式距离,取欧式距离结果最小的k个点,即 最小的四个点,同时读取所属网格坐标 :
在公式(1)中,表示测量点与小区内数据库记录指纹的的欧式距离;表示在当前位置测量到的Wi-Fi信号值中第j个和小区内数据库MAC地址匹配的RSSI值;表示数据库指定坐标下存储的第j个匹配MAC地址的RSSI均值;
得到网格坐标之后,根据KNN算法得到Wi-Fi定位的初步结果【公式(2)-公式(3)】:
在加权计算得到结果后,得到的四个备选结果并不被删除,而是被保留直到得到下一组数据;
其次,使用Kalman滤波器处理数据以稳定示数的操作,具体为:
当传感器判断人体处于持续静止状态时,时刻n的计算结果受到之前状态、时刻n-1的制约(公式(4):
7.根据权利要求5所述的完全基于智能移动终端平台的室内定位方法,其特征在于,所述步骤b具体包括:
b1、航向判别:对人体行走进行实时定位的定位坐标系,采用地理坐标系,取运动物体所在地球表面某点为原点,Ox指向正东方向,Oy指向正北方向,Oz垂直Oxy平面向上;
当人体行走时,携带的移动终端坐标系与固定的地磁坐标系产生夹角,根据这个夹角就可以获得人体运动的航向变化;通过移动终端内置的方向传感器获得数据来估计人体行走时的实时航向;
b2、步态检测:利用智能移动终端内置的加速度传感器;智能移动终端内置的加速度传感器坐标轴与人体行走的坐标系类似,水平放置终端z轴正方向即为人体的竖直方向,y轴正方向为人体前进方向;
在行人走路时,三轴加速度里变化最明显且最具有周期性的是人体的竖直向上方向即z轴,利用z轴进行步态检测,在人体步态检测过程中实时的剔除或者减弱人体轻微的震动造成的干扰;人体的行走具有随机性,如突然停止前进,静止即没有迈步,一段时间后再次行走;
取N组加速度传感器的相邻时间间隔,取平均得到平均传感器频率值;通过计算自相关函数的无偏估计确定步态周期;使用的自相关函数的无偏估计采用公式(5)计算:
8.根据权利要求7所述的完全基于智能移动终端平台的室内定位方法,其特征在于,在所述步骤b2中,还包括:
为了减小由于传感器初始化带来的测量误差,每次记录传感器的数值时,剔除前20组数据,然后取N组数据进行自相关函数的计算,N由实验得出;N为自然数;
为了减小误差,剔除第一个峰值和最后一个峰值,并计算剩余的q-2个峰值间隔的平均,作为最终计算得到的步态周期【公式(6)】:
得到步态周期后,根据不同人输入不同的步幅St,即可计算一段时间(T)内人行走的距离Dis【公式(7)】:
得到行走距离和方向后,使用移动筛选的方法来修正Wi-Fi定位结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310465990.1A CN103561462B (zh) | 2013-10-09 | 2013-10-09 | 一种完全基于智能移动终端平台的室内定位系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310465990.1A CN103561462B (zh) | 2013-10-09 | 2013-10-09 | 一种完全基于智能移动终端平台的室内定位系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103561462A true CN103561462A (zh) | 2014-02-05 |
CN103561462B CN103561462B (zh) | 2017-04-12 |
Family
ID=50015567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310465990.1A Expired - Fee Related CN103561462B (zh) | 2013-10-09 | 2013-10-09 | 一种完全基于智能移动终端平台的室内定位系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103561462B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932911A (zh) * | 2012-09-26 | 2013-02-13 | 上海顶竹通讯技术有限公司 | 位置指纹定位方法及定位系统 |
CN104483658A (zh) * | 2014-12-30 | 2015-04-01 | 杭州云象网络技术有限公司 | 基于Wi-Fi和地磁场的室内定位方法 |
CN104622649A (zh) * | 2015-03-05 | 2015-05-20 | 中南大学 | 一种基于蓝牙肌电采集器的轮椅系统及其控制方法 |
US9167554B1 (en) | 2014-09-30 | 2015-10-20 | Walkbase Oy | Method and system for tracking communication devices in a radio communication network in a facility |
CN105242241A (zh) * | 2015-10-28 | 2016-01-13 | 国家电网公司 | 一种基于Wi-Fi的室内定位方法 |
CN105629791A (zh) * | 2015-11-05 | 2016-06-01 | 中华电信股份有限公司 | 基于无线信号强度的节能系统及方法 |
CN106525031A (zh) * | 2015-09-11 | 2017-03-22 | 王庆文 | 一种组合的室内定位方法 |
CN106574959A (zh) * | 2014-06-30 | 2017-04-19 | 微软技术许可有限责任公司 | 基于光的定位 |
CN106850958A (zh) * | 2016-12-22 | 2017-06-13 | 中国科学院光电研究院 | 一种手机位置服务中的位置信息伪造识别方法及装置 |
CN106851573A (zh) * | 2017-01-22 | 2017-06-13 | 西安交通大学 | 基于对数路径损耗模型的联合加权k近邻室内定位方法 |
CN106899930A (zh) * | 2015-12-17 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 指纹数据库构建方法、定位方法及装置 |
WO2018000881A1 (zh) * | 2016-06-27 | 2018-01-04 | 华为技术有限公司 | 一种定位方法、服务器及终端 |
CN107576330A (zh) * | 2017-09-07 | 2018-01-12 | 西北大学 | 一种基于wlan指纹的室内动态感知策略的定位方法 |
CN107786942A (zh) * | 2017-09-30 | 2018-03-09 | 平安科技(深圳)有限公司 | 基于无线设备的定位装置、方法及计算机可读存储介质 |
CN107820230A (zh) * | 2017-11-02 | 2018-03-20 | 成都吱吖科技有限公司 | 一种计步功能辅助蓝牙定位技术 |
CN108233959A (zh) * | 2018-01-05 | 2018-06-29 | 浙江集速合芯科技有限公司 | 一种消除数字相控阵子阵间干扰的方法 |
CN108377462A (zh) * | 2016-11-16 | 2018-08-07 | 中国电信股份有限公司 | 定位方法、室内智能网关、定位装置和终端 |
CN108600375A (zh) * | 2018-04-27 | 2018-09-28 | 广州仁星数位时代科技有限公司 | 基于区块链的设备数据收集方法、装置、服务器及客户端 |
CN108810809A (zh) * | 2013-03-15 | 2018-11-13 | 耐克斯特纳威公司 | 用于使用三维位置信息改进定位服务的系统和方法 |
CN108810802A (zh) * | 2018-06-08 | 2018-11-13 | 杭州电子科技大学 | 一种基于iBeacon的室内停车场车辆定位方法 |
CN109286499A (zh) * | 2018-09-21 | 2019-01-29 | 武汉大学 | 一种基于行为特征的在场认证方法 |
CN111123199A (zh) * | 2019-12-30 | 2020-05-08 | 泰康保险集团股份有限公司 | 定位方法及装置、计算机可读存储介质、电子设备 |
US10660062B1 (en) | 2019-03-14 | 2020-05-19 | International Business Machines Corporation | Indoor positioning |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7296046B2 (en) * | 2003-01-28 | 2007-11-13 | Nec Corporation | Mobile terminal provided with positioning system and method of positioning |
CN102419180A (zh) * | 2011-09-02 | 2012-04-18 | 无锡智感星际科技有限公司 | 一种基于惯性导航系统和wifi的室内定位方法 |
CN102932911A (zh) * | 2012-09-26 | 2013-02-13 | 上海顶竹通讯技术有限公司 | 位置指纹定位方法及定位系统 |
CN103200678A (zh) * | 2013-04-09 | 2013-07-10 | 南京信息工程大学 | 基于位置指纹识别算法的安卓设备WiFi室内定位方法 |
-
2013
- 2013-10-09 CN CN201310465990.1A patent/CN103561462B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7296046B2 (en) * | 2003-01-28 | 2007-11-13 | Nec Corporation | Mobile terminal provided with positioning system and method of positioning |
CN102419180A (zh) * | 2011-09-02 | 2012-04-18 | 无锡智感星际科技有限公司 | 一种基于惯性导航系统和wifi的室内定位方法 |
CN102932911A (zh) * | 2012-09-26 | 2013-02-13 | 上海顶竹通讯技术有限公司 | 位置指纹定位方法及定位系统 |
CN103200678A (zh) * | 2013-04-09 | 2013-07-10 | 南京信息工程大学 | 基于位置指纹识别算法的安卓设备WiFi室内定位方法 |
Non-Patent Citations (1)
Title |
---|
胡天琨: "基于Android的室内导航定位系统设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 7, 15 July 2013 (2013-07-15) * |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932911B (zh) * | 2012-09-26 | 2015-02-04 | 上海顶竹通讯技术有限公司 | 位置指纹定位方法及定位系统 |
CN102932911A (zh) * | 2012-09-26 | 2013-02-13 | 上海顶竹通讯技术有限公司 | 位置指纹定位方法及定位系统 |
CN108810809A (zh) * | 2013-03-15 | 2018-11-13 | 耐克斯特纳威公司 | 用于使用三维位置信息改进定位服务的系统和方法 |
CN106574959A (zh) * | 2014-06-30 | 2017-04-19 | 微软技术许可有限责任公司 | 基于光的定位 |
US9167554B1 (en) | 2014-09-30 | 2015-10-20 | Walkbase Oy | Method and system for tracking communication devices in a radio communication network in a facility |
CN104483658A (zh) * | 2014-12-30 | 2015-04-01 | 杭州云象网络技术有限公司 | 基于Wi-Fi和地磁场的室内定位方法 |
CN104622649A (zh) * | 2015-03-05 | 2015-05-20 | 中南大学 | 一种基于蓝牙肌电采集器的轮椅系统及其控制方法 |
CN104622649B (zh) * | 2015-03-05 | 2016-09-28 | 中南大学 | 一种基于蓝牙肌电采集器的轮椅系统及其控制方法 |
CN106525031B (zh) * | 2015-09-11 | 2019-08-06 | 王庆文 | 一种组合的室内定位方法 |
CN106525031A (zh) * | 2015-09-11 | 2017-03-22 | 王庆文 | 一种组合的室内定位方法 |
CN105242241A (zh) * | 2015-10-28 | 2016-01-13 | 国家电网公司 | 一种基于Wi-Fi的室内定位方法 |
CN105629791A (zh) * | 2015-11-05 | 2016-06-01 | 中华电信股份有限公司 | 基于无线信号强度的节能系统及方法 |
CN106899930A (zh) * | 2015-12-17 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 指纹数据库构建方法、定位方法及装置 |
CN106899930B (zh) * | 2015-12-17 | 2020-07-28 | 阿里巴巴集团控股有限公司 | 指纹数据库构建方法、定位方法及装置 |
WO2018000881A1 (zh) * | 2016-06-27 | 2018-01-04 | 华为技术有限公司 | 一种定位方法、服务器及终端 |
CN107547598A (zh) * | 2016-06-27 | 2018-01-05 | 华为技术有限公司 | 一种定位方法、服务器及终端 |
US11218986B2 (en) | 2016-06-27 | 2022-01-04 | Huawei Technologies Co., Ltd. | Positioning method and server, and terminal |
CN107547598B (zh) * | 2016-06-27 | 2020-07-24 | 华为技术有限公司 | 一种定位方法、服务器及终端 |
CN108377462A (zh) * | 2016-11-16 | 2018-08-07 | 中国电信股份有限公司 | 定位方法、室内智能网关、定位装置和终端 |
CN106850958A (zh) * | 2016-12-22 | 2017-06-13 | 中国科学院光电研究院 | 一种手机位置服务中的位置信息伪造识别方法及装置 |
CN106851573A (zh) * | 2017-01-22 | 2017-06-13 | 西安交通大学 | 基于对数路径损耗模型的联合加权k近邻室内定位方法 |
CN106851573B (zh) * | 2017-01-22 | 2020-03-17 | 西安交通大学 | 基于对数路径损耗模型的联合加权k近邻室内定位方法 |
CN107576330A (zh) * | 2017-09-07 | 2018-01-12 | 西北大学 | 一种基于wlan指纹的室内动态感知策略的定位方法 |
CN107786942A (zh) * | 2017-09-30 | 2018-03-09 | 平安科技(深圳)有限公司 | 基于无线设备的定位装置、方法及计算机可读存储介质 |
CN107820230A (zh) * | 2017-11-02 | 2018-03-20 | 成都吱吖科技有限公司 | 一种计步功能辅助蓝牙定位技术 |
CN108233959A (zh) * | 2018-01-05 | 2018-06-29 | 浙江集速合芯科技有限公司 | 一种消除数字相控阵子阵间干扰的方法 |
CN108233959B (zh) * | 2018-01-05 | 2021-02-26 | 浙江集速合芯科技有限公司 | 一种消除数字相控阵子阵间干扰的方法 |
CN108600375A (zh) * | 2018-04-27 | 2018-09-28 | 广州仁星数位时代科技有限公司 | 基于区块链的设备数据收集方法、装置、服务器及客户端 |
CN108810802A (zh) * | 2018-06-08 | 2018-11-13 | 杭州电子科技大学 | 一种基于iBeacon的室内停车场车辆定位方法 |
CN109286499A (zh) * | 2018-09-21 | 2019-01-29 | 武汉大学 | 一种基于行为特征的在场认证方法 |
CN109286499B (zh) * | 2018-09-21 | 2020-08-07 | 武汉大学 | 一种基于行为特征的在场认证方法 |
US10660062B1 (en) | 2019-03-14 | 2020-05-19 | International Business Machines Corporation | Indoor positioning |
CN111123199A (zh) * | 2019-12-30 | 2020-05-08 | 泰康保险集团股份有限公司 | 定位方法及装置、计算机可读存储介质、电子设备 |
CN111123199B (zh) * | 2019-12-30 | 2022-04-05 | 泰康保险集团股份有限公司 | 定位方法及装置、计算机可读存储介质、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103561462B (zh) | 2017-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103561462A (zh) | 一种完全基于智能移动终端平台的室内定位系统和方法 | |
Asaad et al. | A comprehensive review of indoor/outdoor localization solutions in IoT era: Research challenges and future perspectives | |
CN102419180B (zh) | 一种基于惯性导航系统和wifi的室内定位方法 | |
CN103363988B (zh) | 一种利用智能手机传感器实现地磁室内定位导航的方法 | |
CN105547305B (zh) | 一种基于无线定位和激光地图匹配的位姿解算方法 | |
EP3213031B1 (en) | Simultaneous localization and mapping by using earth's magnetic fields | |
CN106248107B (zh) | 一种基于室内地磁轨迹匹配的航迹推断校准方法和装置 | |
CN107339990A (zh) | 多模式融合定位系统及方法 | |
CN107094319A (zh) | 一种高精度室内外融合定位系统和方法 | |
CN110118549A (zh) | 一种多源信息融合定位方法和装置 | |
CN103068043B (zh) | 一种基于wifi和加速度传感器的室内精确定位方法 | |
CN104849740A (zh) | 集成卫星导航与蓝牙技术的室内外无缝定位系统及其方法 | |
CN107179079A (zh) | 基于pdr与地磁融合的室内定位方法 | |
CN113706612B (zh) | 融合uwb和单目视觉slam的煤矿井下车辆定位方法 | |
CN107014375B (zh) | 超低部署的室内定位系统及方法 | |
Ali et al. | Tightly coupling fusion of UWB ranging and IMU pedestrian dead reckoning for indoor localization | |
CN102932742A (zh) | 基于惯性传感器与无线信号特征的室内定位方法及系统 | |
Zwirello et al. | Sensor data fusion in UWB-supported inertial navigation systems for indoor navigation | |
CN104977003A (zh) | 基于共享轨迹的室内寻人方法、云端服务器及系统 | |
JP2015534643A (ja) | 歩行者モーション認識基盤の歩行者位置推定装置、及びその方法 | |
Liu et al. | Research and development of indoor positioning | |
CN112729301A (zh) | 一种基于多源数据融合的室内定位方法 | |
CN114828211A (zh) | 一种智能手机和可穿戴设备的音频定位系统、方法及终端 | |
CN104237846A (zh) | 自主式移动对象室内三维定位跟踪系统与方法 | |
CN106197418B (zh) | 一种基于滑动窗口的指纹法与传感器融合的室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170412 Termination date: 20171009 |
|
CF01 | Termination of patent right due to non-payment of annual fee |