CN103561469B - 一种室内定位方法及系统 - Google Patents
一种室内定位方法及系统 Download PDFInfo
- Publication number
- CN103561469B CN103561469B CN201310573484.4A CN201310573484A CN103561469B CN 103561469 B CN103561469 B CN 103561469B CN 201310573484 A CN201310573484 A CN 201310573484A CN 103561469 B CN103561469 B CN 103561469B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- location
- point
- rssi
- original fingerprint
- 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.)
- Expired - Fee Related
Links
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种室内定位方法及系统。室内定位方法包括:在室内部署第一设定数目M的无线路由器和设置第二设定数目N的采样点;获取各个采样点的原始指纹,组成原始指纹数据矩阵;根据预设的累计方差贡献百分比门限值T,从所述原始指纹数据矩阵的所有成分中选择出主成分,并基于选定的主成分确定任一位置点的定位指纹计算公式;根据所述定位指纹计算公式计算定位位置的定位指纹F和各采样点的定位指纹Fj,计算待定位位置与各采样点的空间距离dj,将令dj值最小的定位指纹Fj对应的采样点坐标作为待定位位置的坐标。本发明的室内定位方法及系统,减小了指纹室内定位模型的计算量,提高了室内定位的处理效率。
Description
技术领域
本发明涉及通信领域,尤其涉及一种室内定位方法及系统。
背景技术
室内定位技术是基于Wi-Fi、Zigbee、Bluetooth(蓝牙)、红外和超声波等无线信号技术,通过测距和相关算法实现室内目标的精确定位,在商业应用、公共安全和军事场景等许多领域有着广泛的需求与应用。室内定位的快速发展将填补室外定位的应用盲区。近年来,诺基亚、三星、苹果等智能手机开始推出针对机场及大型商业区的室内定位导航服务,更是将室内定位技术推广到日常生活中。
指纹(Fingerprint)定位算法利用定位环境中多个无线路由器的信号强度值,通过采集训练建立离线指纹库,然后在定位过程中根据实时采集指纹与指纹库进行匹配,从而获得最佳匹配位置。随着国内外公共环境中Wi-Fi热点的普及,使得指纹定位算法不需要额外地部署无线路由器,利用Wi-Fi网络中现有的无线路由器即可实现定位,这促使指纹定位算法更容易在室内环境中广泛使用。然而室内环境的复杂多变和人身遮挡等实际干扰因素导致无线信号的传播产生多径和阴影现象,这对室内定位的精度提出了严峻的挑战。目前,指纹定位算法精度提高较多的集中于在线匹配算法的改进,由确定性的KNN算法、发展到概略性的贝叶斯估计算法和顺序蒙特卡罗算法均被用于指纹定位算法中的指纹匹配过程。但是这些指纹定位算法很少考虑室内多径和阴影造成的影响。
RADAR算法是最早利用指纹思想在Wi-Fi网络进行定位的系统。该系统在不考虑多径和阴影的情况下,定位误差达到了2.94m。尽管该算法揭示了人身遮挡影响的存在,但是没有提出有效的解决办法,致使定位精度在身体遮挡环境下出现严重下降。现有一些文献也考虑了身体朝向对信号强度的影响。COMPASS算法利用带有数字指南针的节点,在采集信号指纹的同时也采集了人身体的朝向,定位的精度较上述算法有一定的提高,但是仍然无法避免采集非视距信号强度作为指纹数据,并没有完全解决身体遮挡带来的多径和阴影问题,同时还带来了额外的开销。
发明内容
本发明所要解决的技术问题是提供一种室内定位方法及系统,提高室内定位精度,提升指纹定位的处理效率。
为解决上述技术问题,本发明提出了一种室内定位方法,包括:
步骤一,在室内部署第一设定数目M的无线路由器和设置第二设定数目N的采样点,采样点的坐标已知;
步骤二,获取各个采样点的原始指纹,组成原始指纹数据矩阵,所述采样点的原始指纹为一个一维M列的矩阵,该一维矩阵的第i个元素为在该采样点接收到的第i个无线路由器的无线信号强度值,所述原始指纹数据矩阵的第i行数据为第i个采样点的原始指纹,所述原始指纹数据矩阵的每一列为一个成分Z,则所述原始指纹数据矩阵共有M个成分;
步骤三,根据预设的累计方差贡献百分比门限值T,从所述原始指纹数据矩阵的所有成分中选择出主成分,并基于选定的主成分确定任一位置点的定位指纹计算公式,该定位指纹计算公式为
其中,F为任一位置点的定位指纹,m为自然数,m为选定的主成分的数目,Zi为选定的第i个主成分,bi为第i个主成分Zi的方差占全部成分的方差的比例,T为预设的累计方差贡献百分比门限值;
步骤四,根据所述定位指纹计算公式计算定位位置的定位指纹F和各采样点的定位指纹Fj,计算待定位位置与各采样点的空间距离dj,dj=|F-Fj|,其中,“||”为绝对值运算符,将令dj值最小的定位指纹Fj对应的采样点坐标作为待定位位置的坐标。
进一步,上述室内定位方法还可具有以下特点,所述步骤二包括:
在每个采样点位置,按照0°、90°、180°、270°和头顶上方五个方向对无线路由器发出的无线信号进行信号强度值采集,每个方向采集50个数据包,每个方向经过平均处理形成一条具有该方向特征的原始指纹,原始指纹表示为:
Finger={RSSI1,RSSI1,RSSI2,RSSI3,…,RSSIM}
其中,RSSIi表示第i个在采样点处接收到的第i个无线路由器的无线信号强度值。
进一步,上述室内定位方法还可具有以下特点,所述步骤三包括:
设原始指纹数据矩阵的M个成分为Z1~ZM,σi为成分Zi的方差,则通过下式选择出m个主成分,
其中,T为预设的累计方差贡献百分比门限值。
进一步,上述室内定位方法还可具有以下特点,所述累计方差贡献百分比门限值T的值为80%。
为解决上述技术问题,本发明提出了一种室内定位系统,包括顺次相连的部署模块、获取模块、确定模块和定位模块,其中:
部署模块,用于在室内部署第一设定数目M的无线路由器和设置第二设定数目N的采样点,采样点的坐标已知;
获取模块,用于获取各个采样点的原始指纹,组成原始指纹数据矩阵,所述采样点的原始指纹为一个一维M列的矩阵,该一维矩阵的第i个元素为在该采样点接收到的第i个无线路由器的无线信号强度值,所述原始指纹数据矩阵的第i行数据为第i个采样点的原始指纹,所述原始指纹数据矩阵的每一列为一个成分Z,则所述原始指纹数据矩阵共有M个成分;
确定模块,用于根据预设的累计方差贡献百分比门限值T,从所述原始指纹数据矩阵的所有成分中选择出主成分,并基于选定的主成分确定任一位置点的定位指纹计算公式,该定位指纹计算公式为
其中,F为任一位置点的定位指纹,m为自然数,m为选定的主成分的数目,Zi为选定的第i个主成分,bi为第i个主成分Zi的方差占全部成分的方差的比例,T为预设的累计方差贡献百分比门限值;
定位模块,用于根据所述定位指纹计算公式计算定位位置的定位指纹F和各采样点的定位指纹Fj,计算待定位位置与各采样点的空间距离dj,dj=|F-Fj|,其中,“||”为绝对值运算符,将令dj值最小的定位指纹Fj对应的采样点坐标作为待定位位置的坐标。
进一步,上述室内定位系统还可具有以下特点,所述获取模块包括:
采集单元,用于在每个采样点位置,按照0°、90°、180°、270°和头顶上方五个方向对无线路由器发出的无线信号进行信号强度值采集,每个方向采集50个数据包,每个方向经过平均处理形成一条具有该方向特征的原始指纹,原始指纹表示为:
Finger={RSSI1,RSSI1,RSSI2,RSSI3,…,RSSIM}
其中,RSSIi表示第i个在采样点处接收到的第i个无线路由器的无线信号强度值。
进一步,上述室内定位系统还可具有以下特点,所述确定模块包括:
选择单元,设原始指纹数据矩阵的M个成分为Z1~ZM,σi为成分Zi的方差,选择单元用于通过下式选择出m个主成分,
其中,T为预设的累计方差贡献百分比门限值。
进一步,上述室内定位系统还可具有以下特点,所述累计方差贡献百分比门限值T的值为80%。
本发明的室内定位方法及系统,引入了统计学中的主成分分析模型,通过将大量原始冗余的信号强度值信息精简为少数几个主成分信息,大大减小了指纹室内定位模型的计算量,提高了室内定位的处理效率。并且,本发明的室内定位方法及系统,用主成分指纹信息代替原始的信号强度值信息,通过选出影响定位精度的主要成分信息,用综合得分来估计位置坐标,能够提高室内定位的定位精度。
附图说明
图1为本发明实施例中室内定位方法的流程图;
图2为本发明实施例中室内定位系统的结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
考虑人身遮挡造成信号强度指纹的影响,为避免不同位置的信号强度指纹缺少区分度,本发明提出了一种基于主成分分析的指纹定位算法,通过主成分分析技术,更加准确的描述不同位置对应的信号指纹特征,使得通过主成分分析后的指纹具有较高的区分度,以提高指纹匹配的准确度,从而提高指纹定位的精度。同时主成分分析也能够对指纹向量的维数进行降维处理,提升指纹定位算法的处理效率。
本发明根据室内定位复杂环境的特征,在多变量(该变量是指室内定位位置信息)分析中,为了更好的确定被定位节点的位置,需要收集室内多个路由器的信号强度值,每一组信号强度值作为辨识定位节点位置信息的依据,即为每个定位节点形成指纹标识。而这些信号强度值具有很大程度的相关性,并且具有信息重叠的现象,这样的数据结果会影响到定位的精确度。因此,需要利用几个不相关的综合指标来提供节点所需的大部分信息,也就是说将信息的主成分提取出来。这也就是本发明的核心思想,即降维的思想。例如对于n条定位数据来说,分别由k种信号强度值作为一条指纹来描述,那么将k种信号强度值用k个指标x1,x2,…xk表示,这样统计出来的原始数据矩阵为如下的式(1):
在一些特定的研究问题中,这些指标会具有不同的量纲,并且有的指标在数量级上会存在很大的差异,所以为了消除这些差异所带来的不合理的影响,进行主成分分析之前首先要对这些指标进行标准化处理,消除量纲。对于信号强度值来说,由于量纲相同,故标准化这一步骤可以省略。如式(1)所示,得到的数据矩阵为X=(X1X2...Xk),形成的综合指标用Z表示,进行主成分分析后得到的综合指标满足如下的式(2):
由k个指标X1X2...Xk做线性组合会得到不同的综合指标Z,这些综合指标会包含各自特有的信息特性。为了达到很好的效果,Zi的方差尽量大并且Zi之间需要相互独立,对于综合指标的系数还需要满足以下条件:
1)其中i=1,2,...,k。
2)Zi与Zj(i≠j)(i,j,=1,2,...,k)之间不具有相关性。
3)Z1是X1,X2,...,Xk所有线性组合中方差最大的,Z2是与Z1互不相关的X1,X2,...,Xk所有线性组合中方差最大的,以此类推,Zk是与Z1,Z2,...,Zk-1都不相关的所有线性组合中方差最大的。
通过这样的处理后得到的Z1,Z2,...,Zk分别是原指标X1,X2,...,Xk的第一个,第二个,…,第k个主成分。Z1是在总方差中占的比例最大者,Z2,Z3,...,Zk依次减小。
本发明在室内定位过程中,会选取在总方差中占的比例较大的前几个指标(即成分)作为定位的主成分,这样使得定位指标的数目减少,达到了降维的目的,并且这些主成分相比原始数据更具有代表性,是影响定位的主要因素。抓住这些主要因素既能够提高定位的处理效率,又可以得到更高的定位精度。
图1为本发明实施例中室内定位方法的流程图。如图1所示,本实施例中,室内定位方法的流程可以包括如下步骤:
步骤S101,在室内部署第一设定数目(用M表示)的无线路由器和设置第二设定数目(用N表示)的采样点,采样点的坐标已知;
步骤S102,获取各个采样点的原始指纹,组成原始指纹数据矩阵;
采样点的原始指纹为一个一维M列(原始指纹列数等于无线路由器的个数,也即第一设定数目M)的矩阵,该一维矩阵的第i个元素为在该采样点接收到的第i个无线路由器的无线信号强度值,原始指纹数据矩阵的第i行数据为第i个采样点的原始指纹,原始指纹数据矩阵的每一列为一个成分Z,则原始指纹数据矩阵共有M个成分。
步骤S102可以通过如下的子步骤来获取各个采样点的原始指纹:
在每个采样点位置,按照0°、90°、180°、270°和头顶上方五个方向对无线路由器发出的无线信号进行信号强度值采集,每个方向采集50个数据包,每个方向经过平均处理(即取平均值)形成一条具有该方向特征的原始指纹,原始指纹用下面的式(3)表示:
Finger={RSSI1,RSSI1,RSSI2,RSSI3,…,RSSIM}式(3)
其中,RSSIi表示第i个在采样点处接收到的第i个无线路由器的无线信号强度值。
假设在在一个采样点,对于第1个路由器,在5个方向A、B、C、D、E分别采集了50个数据包A1-A50、B1-B50、C1-C50、D1-D50、E1-E50,假设A1-A50这50个数据的平均值为A0,同理其他方向的平均值分别为B0、C0、D0、E0,那么RSSI1分别等于A0、B0、C0、D0、E0,也就是说,每个方向经过平均处理后都会形成一条原始指纹。
例如,假设待定位的接收节点能够接收到8个无线路由器的信号强度值,则原始指纹可以表示为Finger={RSSI1,RSSI1,RSSI2,RSSI3,RSSI4,RSSI5,RSSI6,RSSI7,RSSI8}。
假设在室内不同采样点位置上收集N条无线信号强度值,将收集好的N条数据作为指纹样本,8个路由器的RSSI值作为指标,用RSSI1,RSSI2,...,RSSI8表示,这样就构造出了原始指纹数据矩阵,如式(4)所示:
步骤S103,根据预设的累计方差贡献百分比门限值(用T表示),从原始指纹数据矩阵的所有成分中选择出主成分,并基于选定的主成分确定任一位置点的定位指纹计算公式;
任一位置点的定位指纹也可以称为任一位置点的综合得分。
步骤S103可以通过如下的子步骤来从原始指纹数据矩阵的所有成分中选择出主成分:
设原始指纹数据矩阵的M个成分为Z1~ZM,σi为成分Zi的方差,则通过下面的式(5)选择出m个主成分,
式(6)中,T为预设的累计方差贡献百分比门限值,M为成分的总数。在本发明实施例中,可以将累计方差贡献百分比门限值T的值设定为80%。当然在具体应用中,可以根据需要选取T的取值。
任一位置点的定位指纹计算公式为如下的式(6)
式(6)中,F为任一位置点的定位指纹,m为自然数,m为选定的主成分的数目,Zi为选定的第i个主成分,bi为第i个主成分Zi的方差占全部成分的方差的比例,T为预设的累计方差贡献百分比门限值。由式(6)可见,定位指纹F是各主成分(Z1,Z2,…,Zm)的线性函数。假设m等于4,则
F=(b1Z1+b2Z2+b3Z3+b4Z4)/T
式(6)中的bi通过如下的式(7)计算得到:
式(7)中i=1,2,3,…,m(m为选取的主成分个数),M为成分的总数。
步骤S104,根据定位指纹计算公式计算定位位置的定位指纹F和各采样点的定位指纹Fj,计算待定位位置与各采样点的空间距离dj,将令空间距离dj值最小的定位指纹Fj对应的采样点坐标作为待定位位置的坐标。
空间距离dj通过如下的式(8)计算得到:
dj=|F-Fj| 式(8)
式(8)中,“||”为绝对值运算符,F为定位位置的定位指纹,Fj为第j个采样点的定位指纹。
可见,本发明在在线匹配阶段,是根据定位位置的指纹和采样点位置指纹的空间距离来进行位置估计的。
本发明的室内定位方法,引入了统计学中的主成分分析模型,通过将大量原始冗余的信号强度值信息精简为少数几个主成分信息,大大减小了指纹室内定位模型的计算量,提高了室内定位的处理效率。并且,本发明的室内定位方法,用主成分指纹信息代替原始的信号强度值信息,通过选出影响定位精度的主要成分信息,用综合得分来估计位置坐标,能够提高室内定位的定位精度。
本发明还提出了一种室内定位系统,用以执行上述的室内定位方法。上述对室内定位方法的原理说明均适用于本发明的室内定位系统。
图2为本发明实施例中室内定位系统的结构框图。如图2所示,本实施例中,室内定位系统可以包括部署模块210、获取模块220、确定模块230和定位模块240。部署模块210、获取模块220、确定模块230和定位模块240顺次相连。其中,部署模块210用于在室内部署第一设定数目M的无线路由器和设置第二设定数目N的采样点,采样点的坐标已知。获取模块220用于获取各个采样点的原始指纹,组成原始指纹数据矩阵,所述采样点的原始指纹为一个一维M列的矩阵,该一维矩阵的第i个元素为在该采样点接收到的第i个无线路由器的无线信号强度值,所述原始指纹数据矩阵的第i行数据为第i个采样点的原始指纹,所述原始指纹数据矩阵的每一列为一个成分Z,则所述原始指纹数据矩阵共有M个成分。确定模块230用于根据预设的累计方差贡献百分比门限值T,从所述原始指纹数据矩阵的所有成分中选择出主成分,并基于选定的主成分确定任一位置点的定位指纹计算公式,该定位指纹计算公式即为前述的式(6),式(6)中,F为任一位置点的定位指纹,m为自然数,m为选定的主成分的数目,Zi为选定的第i个主成分,bi为第i个主成分Zi的方差占全部成分的方差的比例,T为预设的累计方差贡献百分比门限值。定位模块240用于根据定位指纹计算公式计算定位位置的定位指纹F和各采样点的定位指纹Fj,计算待定位位置与各采样点的空间距离dj,dj=|F-Fj|,其中,“||”为绝对值运算符,将令dj值最小的定位指纹Fj对应的采样点坐标作为待定位位置的坐标。
在本发明实施例中,获取模块220中可以包括采集单元。采集单元用于在每个采样点位置,按照0°、90°、180°、270°和头顶上方五个方向对无线路由器发出的无线信号进行信号强度值采集,每个方向采集50个数据包,每个方向经过平均处理形成一条具有该方向特征的原始指纹,原始指纹表示为:
Finger={RSSI1,RSSI1,RSSI2,RSSI3,…,RSSIM}
其中,RSSIi表示第i个在采样点处接收到的第i个无线路由器的无线信号强度值。
在本发明实施例中,确定模块230中可以包括选择单元。设原始指纹数据矩阵的M个成分为Z1~ZM,σi为成分Zi的方差,选择单元用于通过前述的式(5)选择出m个主成分,式(5)中T为预设的累计方差贡献百分比门限值。
在本发明实施例中,可以将累计方差贡献百分比门限值T的值设定为80%。当然在具体应用中,可以根据需要选取T的取值。
本发明的室内定位系统,引入了统计学中的主成分分析模型,通过将大量原始冗余的信号强度值信息精简为少数几个主成分信息,大大减小了指纹室内定位模型的计算量,提高了室内定位的处理效率。并且,本发明的室内定位系统,用主成分指纹信息代替原始的信号强度值信息,通过选出影响定位精度的主要成分信息,用综合得分来估计位置坐标,能够提高室内定位的定位精度。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (6)
1.一种室内定位方法,其特征在于,包括:
步骤一,在室内部署第一设定数目M的无线路由器和设置第二设定数目N的采样点,采样点的坐标已知;
步骤二,获取各个采样点的原始指纹,组成原始指纹数据矩阵,所述采样点的原始指纹为一个一维M列的矩阵,该一维矩阵的第i个元素为在该采样点接收到的第i个无线路由器的无线信号强度值,所述原始指纹数据矩阵的第i行数据为第i个采样点的原始指纹,所述原始指纹数据矩阵的每一列为一个成分Z,则所述原始指纹数据矩阵共有M个成分;
步骤三,根据预设的累计方差贡献百分比门限值T,从所述原始指纹数据矩阵的所有成分中选择出主成分,并基于选定的主成分确定任一位置点的定位指纹计算公式,该定位指纹计算公式为
其中,F为任一位置点的定位指纹,m为自然数,m为选定的主成分的数目,Zi为选定的第i个主成分,bi为第i个主成分Zi的方差占全部成分的方差的比例,T为预设的累计方差贡献百分比门限值;
所述步骤三包括:
设原始指纹数据矩阵的M个成分为Z1~ZM,σi为成分Zi的方差,则通过下式选择出m个主成分,
其中,T为预设的累计方差贡献百分比门限值;
步骤四,根据所述定位指纹计算公式计算定位位置的定位指纹F和各采样点的定位指纹Fj,计算待定位位置与各采样点的空间距离dj,dj=|F-Fj|,其中,“| |”为绝对值运算符,将dj值最小的定位指纹Fj对应的采样点坐标作为待定位位置的坐标。
2.根据权利要求1所述的室内定位方法,其特征在于,所述步骤二包括:
在每个采样点位置,按照0°、90°、180°、270°和头顶上方五个方向对无线路由器发出的无线信号进行信号强度值采集,每个方向采集50个数据包,每个方向经过平均处理形成一条具有该方向特征的原始指纹,原始指纹表示为:
Finger={RSSI1,RSSI1,RSSI2,RSSI3,…,RSSIM}
其中,RSSIi表示第i个在采样点处接收到的第i个无线路由器的无线信号强度值。
3.根据权利要求1所述的室内定位方法,其特征在于,所述累计方差贡献百分比门限值T的值为80%。
4.一种室内定位系统,其特征在于,包括顺次相连的部署模块、获取模块、确定模块和定位模块,其中:
部署模块,用于在室内部署第一设定数目M的无线路由器和设置第二设定数目N的采样点,采样点的坐标已知;
获取模块,用于获取各个采样点的原始指纹,组成原始指纹数据矩阵,所述采样点的原始指纹为一个一维M列的矩阵,该一维矩阵的第i个元素为在该采样点接收到的第i个无线路由器的无线信号强度值,所述原始指纹数据矩阵的第i行数据为第i个采样点的原始指纹,所述原始指纹数据矩阵的每一列为一个成分Z,则所述原始指纹数据矩阵共有M个成分;
确定模块,用于根据预设的累计方差贡献百分比门限值T,从所述原始指纹数据矩阵的所有成分中选择出主成分,并基于选定的主成分确定任一位置点的定位指纹计算公式,该定位指纹计算公式为
其中,F为任一位置点的定位指纹,m为自然数,m为选定的主成分的数目,Zi为选定的第i个主成分,bi为第i个主成分Zi的方差占全部成分的方差的比例,T为预设的累计方差贡献百分比门限值;
所述确定模块包括:
选择单元,设原始指纹数据矩阵的M个成分为Z1~ZM,σi为成分Zi的方差,选择单元用于通过下式选择出m个主成分,
其中,T为预设的累计方差贡献百分比门限值;
定位模块,用于根据所述定位指纹计算公式计算定位位置的定位指纹F和各采样点的定位指纹Fj,计算待定位位置与各采样点的空间距离dj,dj=|F-Fj|,其中,“| |”为绝对值运算符,将dj值最小的定位指纹Fj对应的采样点坐标作为待定位位置的坐标。
5.根据权利要求4所述的室内定位系统,其特征在于,所述获取模块包括:
采集单元,用于在每个采样点位置,按照0°、90°、180°、270°和头顶上方五个方向对无线路由器发出的无线信号进行信号强度值采集,每个方向采集50个数据包,每个方向经过平均处理形成一条具有该方向特征的原始指纹,原始指纹表示为:
Finger={RSSI1,RSSI1,RSSI2,RSSI3,…,RSSIM}
其中,RSSIi表示第i个在采样点处接收到的第i个无线路由器的无线信号强度值。
6.根据权利要求4所述的室内定位系统,其特征在于,所述累计方差贡献百分比门限值T的值为80%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310573484.4A CN103561469B (zh) | 2013-11-13 | 2013-11-13 | 一种室内定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310573484.4A CN103561469B (zh) | 2013-11-13 | 2013-11-13 | 一种室内定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103561469A CN103561469A (zh) | 2014-02-05 |
CN103561469B true CN103561469B (zh) | 2017-02-08 |
Family
ID=50015574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310573484.4A Expired - Fee Related CN103561469B (zh) | 2013-11-13 | 2013-11-13 | 一种室内定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103561469B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105163282B (zh) * | 2015-09-22 | 2020-03-24 | 济南东朔微电子有限公司 | 一种基于蓝牙位置指纹的室内定位系统及定位方法 |
CN105301558B (zh) * | 2015-09-22 | 2019-02-05 | 济南东朔微电子有限公司 | 一种基于蓝牙位置指纹的室内定位方法 |
CN105657653B (zh) * | 2015-12-28 | 2020-05-12 | 电子科技大学 | 一种基于指纹数据压缩的室内定位方法 |
CN109239655A (zh) * | 2018-09-21 | 2019-01-18 | 上海中兴易联通讯股份有限公司 | 一种用于室内定位的无线信号采集与处理方法及系统 |
CN110493708A (zh) * | 2019-07-08 | 2019-11-22 | 珠海中科先进技术研究院有限公司 | 一种基于机器学习算法的ble复杂室内环境定位方法及系统 |
CN117480399A (zh) * | 2022-05-30 | 2024-01-30 | 北京小米移动软件有限公司 | 一种定位方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103096466A (zh) * | 2013-01-17 | 2013-05-08 | 哈尔滨工业大学 | Wi-Fi室内定位方法 |
EP2631665A2 (en) * | 2012-02-24 | 2013-08-28 | Broadcom Corporation | Low power location beacon |
-
2013
- 2013-11-13 CN CN201310573484.4A patent/CN103561469B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2631665A2 (en) * | 2012-02-24 | 2013-08-28 | Broadcom Corporation | Low power location beacon |
CN103096466A (zh) * | 2013-01-17 | 2013-05-08 | 哈尔滨工业大学 | Wi-Fi室内定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103561469A (zh) | 2014-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103561469B (zh) | 一种室内定位方法及系统 | |
CN106793082B (zh) | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 | |
CN102638889B (zh) | 基于贝叶斯压缩感知的室内无线终端定位方法 | |
Schmidt et al. | SDR-Fi: Deep-learning-based indoor positioning via software-defined radio | |
CN105163282A (zh) | 一种基于蓝牙位置指纹的室内定位系统及定位方法 | |
CN103702414B (zh) | 定位方法及移动设备、基站 | |
CN112218330B (zh) | 定位方法及通信装置 | |
CN103118333A (zh) | 基于相似度的无线传感器网络移动节点定位方法 | |
CN103297924A (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 | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及系统、设备、存储介质 | |
CN109041218B (zh) | 一种预测用户位置的方法和智能硬件 | |
CN101986757A (zh) | 一种移动终端的定位方法及装置 | |
CN105652235A (zh) | 基于线性回归算法的wlan室内定位多用户rss融合方法 | |
CN105916202A (zh) | 一种概率性的WiFi室内定位指纹库构建方法 | |
CN107547598A (zh) | 一种定位方法、服务器及终端 | |
CN106934773A (zh) | 视频运动目标与Mac地址匹配方法 | |
CN104039008B (zh) | 一种混合定位方法 | |
CN108225332B (zh) | 基于监督的室内定位指纹地图降维方法 | |
CN105866732A (zh) | 一种改进mk模型和wknn算法相结合的混合室内定位方法 | |
CN106792516B (zh) | 基于无线通信基站的三维定位方法 | |
CN109633530B (zh) | 一种定位方法及系统、设备、存储介质 | |
CN105704676B (zh) | 利用信号时间相关性提高指纹室内定位精度的方法 | |
KR101258832B1 (ko) | 액세스 포인트를 이용한 위치 측정 방법 및 그 장치 | |
CN106452627A (zh) | 一种用于宽带频谱感知的噪声功率估计方法和装置 | |
CN102664835B (zh) | 基于逐径干扰消除的多小区信道估计方法 |
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 | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170208 Termination date: 20191113 |
|
CF01 | Termination of patent right due to non-payment of annual fee |