CN103634904B - 一种特征点处理方法及装置 - Google Patents

Abstract

本发明公开了一种特征点处理方法及装置，能够减少非视距误差，从而提高定位精度。所述方法包括：根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，该矩阵S中的元素用于标识N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；对该矩阵S中的元素进行合并，得到矩阵S₁，并对该矩阵S₁中的元素进行分类；去除该矩阵S₁中每一类元素对应的特征点中的除孤立点，每一类元素对应的特征点中去除孤立点后剩余的特征点用于定位。这样，通过对特征点进行分类并去除孤立点，从而减少非视距误差，应用去除孤立点后剩余的特征点进行定位能够提高定位精度。

Description

一种特征点处理方法及装置

技术领域

本发明涉及计算机领域，特别涉及一种特征点处理方法及装置。

背景技术

通信基站覆盖范围广，推广成本低，基于通信基站实现定位是实现室内位置服务的重要手段。在基于通信基站的室内定位中，非视距(简称为NLOS，英文全称为None Lineof Sight)误差是重要误差来源。例如，信号受建筑物遮挡时将产生非视距传播现象，造成定位终端测得的信号传播距离大于定位终端与通信基站之间的真实距离，形成非视距误差。

随着通信基站密度的增大，NLOS误差相对减小，但仍可造成数十米甚至上百米的误差。故基于通信基站实现定位时，需要对选取的特征点进行处理减小非视距误差，应用处理后的特征点进行定位计算可以有效提高定位精度。

因此，如何对特征点进行处理，减小非视距误差，以提高定位精度是当前需要解决的问题。

发明内容

本发明实施例提供一种特征点处理方法及装置，能够减少非视距误差，从而提高定位精度。

本发明实施例采用如下技术方案：

一种特征点处理方法，包括：

根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，所述矩阵S中的元素用于标识所述N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；

对所述矩阵S中的元素进行合并，得到矩阵S₁，并对所述矩阵S₁中的元素进行分类；

去除所述矩阵S₁中每一类元素对应的特征点中的孤立点，每一类元素对应的特征点中去除孤立点后剩余的特征点用于定位。

一种特征点处理装置，包括：

建立单元，用于根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，所述矩阵S中的元素用于标识所述N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；

第一处理单元，用于对所述矩阵S中的元素进行合并，得到矩阵S₁，并对所述矩阵S₁中的元素进行分类；

第二处理单元，用于去所述除矩阵S₁中每一类元素对应的特征点中的孤立点，每一类元素对应的特征点中去除孤立点后剩余的特征点用于定位。

基于上述技术方案，本发明实施例的特征点处理方法及装置根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，矩阵S中的元素用于标识N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；对矩阵S中的元素进行合并，得到矩阵S₁，并对矩阵S₁中的元素进行分类；去除矩阵S₁中每一类元素对应的特征点中的孤立点。这样，通过对特征点进行分类并去除孤立点，从而减少非视距误差，应用去除孤立点后剩余的特征点进行定位能够提高定位精度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1提供的一种特征点处理方法的流程图；

图2为本发明实施例1提供的一种特征点选取示意图；

图3为本发明实施例2提供的一种特征点处理方法的流程图；

图4a为本发明实施例2提供的特征点聚类结果示意图之一；

图4b为本发明实施例2提供的特征点聚类结果示意图之二；

图5为本发明实施例3提供的一种定位方法的流程图；

图6为本发明实施例4提供的一种特征点处理装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例1

如图1所示，本实施例提供一种特征点处理方法，包括：

110、根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，该矩阵S中的元素用于标识N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数。

其中，特征点为预先选取，本发明实施例不限定特征点的选取方式。图2为一个具体室内场景示意图，图2中圆点即为选定的特征点。

120、对该矩阵S中的元素进行合并，得到矩阵S₁，并对该矩阵S₁中的元素进行分类。

可选地，可以对矩阵S中的相同的元素进行合并得到矩阵S₁。

130、去除该矩阵S₁中每一类元素对应的特征点中的孤立点，每一类元素对应的特征点中去除孤立点后剩余的特征点用于定位。

其中，孤立点为特征点中误差较大的点，应用孤立点进行定位影响定位精度。

上述110-130的执行主体可以为特征点处理装置，如定位终端、计算机终端、通信终端等。

本发明实施例的特征点处理方法根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，矩阵S中的元素用于标识N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；对矩阵S中的元素进行合并，得到矩阵S₁，并对矩阵S₁中的元素进行分类；去除矩阵S₁中每一类元素对应的特征点中的孤立点。这样，通过对特征点进行分类并去除孤立点，从而减少非视距误差，应用去除孤立点后剩余的特征点进行定位能够提高定位精度。

实施例2

如图3所示，本实施例提供一种特征点处理方法，包括：

210、根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，该矩阵S中的元素用于标识该N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数。

本实施例中，可以根据

$\left|{\mathrm{\Δe}}_{a,b}^{(1,2)}\right|\≤4d^{(1,2)}+n---\left(1\right)$

确定该N个特征点中每两个特征点能否聚为一类，如式(1)成立，则所述N个特征点中对应的两个特征点能聚为一类，否则不能聚为一类。

其中，n为噪声系统，

$\begin{array}{c}{\mathrm{\Δe}}_{a,b}^{(1,2)}=c\·{\mathrm{\τ}}_{a,b}(x_1,y_1,z_1)-\sqrt{{(x_a-x_1)}^2+{(y_a-y_1)}^2+{(z_a-z_1)}^2}\\ -c\·{\mathrm{\τ}}_{a,b}(x_2,y_2,z_2)+\sqrt{{(x_a-x_2)}^2+{(y_a-y_2)}^2+{(z_a-z_2)}^2}\end{array}$

c为光速，(x₁,y₁,z₁)为特征点1的坐标，(x₂,y₂,z₂)为特征点2的坐标，τ_a,b(x₁,y₁,z₁)为在特征点1测量的基站a、b的信号到达时间差，τ_a,b(x₂,y₂,z₂)为在特征点2测量的基站a、b的信号到达时间差，(x_a,y_a,z_a)为基站a的坐标，(x_b,y_b,z_b)为基站b的坐标。

具体地，本实施例中可以针对一路TDOA(到达时间差，Time Difference OfArrival)的非视距分布模型，判断N个特征点中每两个是否可能聚为同一类，建立N×N的矩阵S。矩阵S中的元素S(k,j)表示第k个特征点与第j个特征点是否可能聚为同一类，当式(1)的等式成立时，特征点k、j属于同一类，定义特征点k、j为可通达特征点，此时元素S(k,j)＝1；当式(1)的等式不成立时，特征点k、j不属于同一类，定义特征点k、j为不可通达特征点，此时元素S(k,j)＝-1。遍历N中所有特征点，由此建立N×N的矩阵S。

上述式(1)根据如下方法得出：

采集的特征点中某些特征点接收的信号传播路径与其它特征点不同(如由不同散射体反射到达)，其TDOA与其它TDOA将有明显不同。定位过程需要通过多个特征点进行非视距分布拟合，参与拟合的特征点的TDOA需来自同一散射体或均为直射信号。

例如，对于基站a、b信号的TDOA测量值，特征点1、2为能够聚为一类的(即同一类)的特征点。基站a、b的坐标分别为(x_a,y_a,z_a)、(x_b,y_b,z_b)，特征点1、2的坐标分别为(x₁,y₁,z₁)、(x₂,y₂,z₂)。

则特征点1、2由非视距产生的误差满足式(2)：

$\begin{array}{c}\left|{\mathrm{\Δe}}_{a,b}^{(1,2)}\right|\≤4\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2+{(z_1-z_2)}^2}\\ =4d^{(1,2)}\end{array}---\left(2\right)$

考虑噪声因素，可以得出式1，即：

$\left|{\mathrm{\Δe}}_{a,b}^{(1,2)}\right|=4d^{(1,2)}+n---\left(1\right)$

220、对该矩阵S中包含相同元素的进行合并，并对相同元素所对应的特征点进行处理，得到矩阵S₁。

对矩阵S中元素相同的各行进行合并，得到聚类矩阵S₂。聚类矩阵S₂的每行表示一类，该行中元素值为1的各列对应的特征点为属于该类的特征点。

初次聚类需将每个特征点唯一的划归至某一类之中，因此，需要继续对矩阵S₂进行处理，使得矩阵S₂中每列有且仅有一个值为1的元素，处理过程如下：遍历矩阵S₂中各列，对于第h列元素，进行如下操作：从矩阵S₂中提取该列元素值为1的M行，假定第M行有J_m个值为1元素，对此J_m个值所对应的特征点求两两之间的不可通达性之和E_m，令E_m初始值为0，遍历J_m个特征点的种组合，如特征点k、j有S(k,j)＝-1，则第m行的不可通达性E_m加1。

本实施例中根据式(3)确定不可通达性E_m，式3如下：

$i_h=\arg \underset{i_h}{min}\left(E_{i_h}\right)---\left(3\right)$

其中，式(3)表示求i_h使得取值为最小。

式(3)表示使最小时的i_h值(1<i_h<m)。将矩阵S₂第h列中除i_h行外其余各行元素置为-1，如有多行使E_m最小值相等，h列中则此多行的元素值均不改变。

对矩阵S₂中元素相同的各行再次进行合并，得到矩阵S₁。

230、对该矩阵S₁中的元素进行分类。

根据矩阵S₁得带初次聚类结果。S₁中每一行为数值为“1”的各列带表的特征点为同一类。以下为一个S1的实例：

$S_1=\left[\begin{array}{cccccc}1& 1& -1& 1& -1& -1\\ -1& -1& 1& -1& 1& 1\end{array}\right]$

上述实例中，由S₁的第一行可得数值为“1”的三个可通达点为第1、2、4点，则这三个点为第一类特征点；由S₁的第二行可得数值为“1”的三个可通达点为第3、5、6点，则这三个点为第二类特征点。

240、去除该矩阵S₁中每一类元素对应的特征点中的孤立点，每一类元素对应的特征点中去除孤立点后剩余的特征点用于定位。

本实施例中，每一类元素对应的特征点中第一NLOS误差减去第二NLOS误差所得到的值大于预设值的特征点为孤立点，将孤立点去除。

具体地，可以根据确定该矩阵S₁中每一类元素对应的特征点中每个特征点的第一非视距NLOS误差，其中，NLOS_a，b(x，y)为第一非视距NLOS误差， $R_{a,b}^{LOS}(x,y,z)=\sqrt{{(x_a-x)}^2+{(y_a-y)}^2+{(z_a-z)}^2}-\sqrt{{(x_b-x)}^2+{(y_b-y)}^2+{(z_b-z)}^2},$ $R_{a,b}^M(x,y,z)=c\&CenterDot;{\mathrm{\&tau;}}_{a,b}(x,y,z);$

其中，(x,y,z)为特征点坐标，τ_a,b(x,y,z)为在坐标为(x,y,z)的特征点上测量得到的基站a、b的信号到达时间差。

根据NLOS_a,b(x,y)＝a₁x+a₂y+a₃确定该矩阵S₁中每一类元素对应的特征点中每个特征点的第二NLOS误差，其中，a1至a3为系数，首先利用多个(三个或三个以上)不同特征点求得的NLOS_a,b(x,y)，再采用最小二乘法可求得该系数。

例如，第一NLOS误差减去第二NLOS误差所得到的值为e_n，则在聚类细化过程中，对于e_n＞a·σ_e的特征点，作为孤立点，从该类中予以去除。其中，σ_e为序列{e₁,e₂,…,e_N}的标准差，根据不同的场景，系数a的取值可设置在2至3之间，并且可以根据需要变更a的取值。

为充分去除孤立点，可以将去掉孤立点特征点后剩余特征点重新进行上述步骤220至240，至无孤立点为止。

上述为一类特征点去除孤立点的方法，可以用于上述去除孤立点的方法去除其它类的特征点中的孤立点。本实施例中，还可以设定每一类特征点的最少数量，如设定特征点的最少数量3个特征点，当一类特征点的个数小于3时，该类特征点为孤立点。

利用上述实施例的方法对两基站的TDOA测量值进行特征点聚类，聚类结果如图4a、图4b所示。图4a中X、Y坐标对应特征点的位置，图4b中的纵轴表示特征点对应的一路TDOA信号的非视距值。

本实施例的执行主体可以为特征点处理装置，如定位终端、计算机终端、通信终端等。

本实施例的特征点处理方法根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，矩阵S中的元素用于标识N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；对矩阵S中的元素进行合并，得到矩阵S₁，并对矩阵S₁中的元素进行分类；去除矩阵S₁中每一类元素对应的特征点中的孤立点。这样，通过对特征点进行分类并去除孤立点，从而减少非视距误差，应用去除孤立点后剩余的特征点进行定位能够提高定位精度。另外，本实施例建立非视距分布模型，通过特征点进行非视距分布模型拟合，从而在未进行预先测量的地点，可通过该模型实现对非视距误差的补偿。本实施例可对用于非视距误差补偿的预先测量的特征点进行聚类，以类为单位进行非视距分布模型拟合，提高非视距分布模型拟合精度，从而提高非视距环境下的定位精度。

实施例3

图5为本实施例提供的一种定位方法，上述实施例1或2的特征点处理方法处理后，该定位方法应用处理后的特征点实现定位，该方法包括：

510、定位装置将收到的X路TDOA信号与预存的特征信号进行匹配，得到TDOA最相似的目标特征点，X为大于或等于2的整数。

具体地，定位装置经接收到的多路TDOA信号与预存储的特征信号进行匹配，得到TDOA最相似的特征点，即为该目标特征点。

并根据实施例1或2的特征点处理方法，得到与该目标特征点同一类的共M个特征点。

520、定位装置对包含该目标特征点的N个特征点进行分类，确定该N个特征点中与该目标特征点为同一类的特征点，N为大于或等于3的整数。

进一步可选地，定位装置对包含该目标特征点的N个特征点进行分类，确定N个特征点中与该目标特征点为同一类的特征点时，可以根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，矩阵S中的元素用于标识N个特征点中每两个特征点能否聚为一类；对矩阵S中的元素进行合并，得到矩阵S₁，并对矩阵S₁中的元素进行分类；去除矩阵S₁中每一类元素对应的特征点中的孤立点，每一类元素对应的特征点中去除孤立点后剩余的特征点为同一类特征点。

530、定位装置获取与该目标特征点同一类的M个特征点，其中M为大于或等于2的整数。

应当理解，根据不同的场景，该M个特征点可以为该目标特征点同一类的全部或部分特征点。本发明实施例不限定获取与该目标特征点同一类的M个特征点的方法，例如，可以选取与该目标特征点较近的M个特征点。

540、定位装置应用该X路TDOA信号中第n路TDOA信号对应的非视距分布函数的系数及该M个特征点的坐标进行定位，得到定位装置的位置坐标。

可选地，定位装置根据该M个特征点的坐标，确定X路TDOA信号中第n路TDOA信号对应的非视距分布函数的系数。

具体地，本发明实施例中非视距分布函数为：

NLOS_a,b(x,y)＝a₁x+a₂y+a₃ (5)

其中，a₁至a₃为分布函数系数，NLOS_a,b(x,y)为坐标(x,y)处对应的到达距离差的非视距误差，定义为：

${\mathrm{NLOS}}_{a,b}(x,y)=R_{a,b}^{LOS}(x,y,z)-R_{a,b}^M(x,y,z)---\left(6\right)$

$R_{a,b}^{LOS}(x,y,z)=\sqrt{{(x_a-x)}^2+{(y_a-y)}^2+{(z_a-z)}^2}-\sqrt{{(x_b-x)}^2+{(y_b-y)}^2+{(z_b-z)}^2}---\left(7\right)$

$R_{a,b}^M(x,y,z)=c\&CenterDot;{\mathrm{\&tau;}}_{a,b}(x,y,z)---\left(8\right)$

其中，x,y为水平位置坐标，c为光速，τ_a,b(x,y,z)为用户在特征点坐标(x,y,z)处实测的基站a、b之间的TDOA值。

对于接收到的多路TDOA，分别根据m个特征点的坐标(x_m,y_m)，该m个特征点包括目标特征点，由式(5)至(7)计算得到：

$\left\{\begin{array}{c}{\mathrm{NLOS}}_{a,b}(x_1,y_1)=a_1{x}_1+a_2{y}_1+a_3\\ {\mathrm{NLOS}}_{a,b}(x_2,y_2)=a_1{x}_2+a_2{y}_2+a_3\\ ...\\ {\mathrm{NLOS}}_{a,b}(x_M,y_M)=a_1{x}_M+a_2{y}_M+a_3\end{array}\right.---\left(8\right)$

利用最小二乘法，计算各路TDOA对应的非视距分布函数的系数，其中第n路，TDOA的系数为a_1,n，a_2,n，a_3,n，本实施例中，定位时接收机测量多路TDOA，对每路TDOA分别以(9)式求解，确定定位的TDOA。可以得出：

$\left\{\begin{array}{c}{\mathrm{\&rho;}}_1-{\mathrm{\&rho;}}_0+a_{1,1}x+a_{2,1}y+a_{3,1}={\mathrm{c\&tau;}}_{1,0}\\ {\mathrm{\&rho;}}_2-{\mathrm{\&rho;}}_0+a_{1,2}x+a_{2,2}y+a_{3,2}={\mathrm{c\&tau;}}_{2,0}\\ ...\\ {\mathrm{\&rho;}}_{N-1}-{\mathrm{\&rho;}}_0+a_{1,N-1}x+a_{2,N-1}y+a_{2,N-1}={\mathrm{c\&tau;}}_{N-1,0}\end{array}\right.---\left(9\right)$

其中

${\mathrm{\&rho;}}_n=\sqrt{{(x-x_n)}^2+{(y-y_n)}^2+{(z-z_n)}^2},n=0,1,...,N-1$

τ_i,0为接收机测量的基站i与基站0之间的TDOA，c为光速。

根据式(9)可以得到用户坐标(x，y)，式(9)中x，y为待求解量，其余均为已知量。τ_n,0(n＝1,…,N-1)表示接收机接收到的基站n与基站0之间的TDOA值，c为光速。

应当理解，上述利用最小二乘法计算各路TDOA对应的非视距分布函数的系数，本发明其他实施例中还可以应用其他方法计算各路TDOA对应的非视距分布函数的系数，对此，本发明实施例不做限定。

应当理解，具体实现时可以根据具体应用场景进行变更图5所示步骤的执行顺序，也可以根据具体应用场景增减图5所示步骤。

本实施例中的定位装置可以为定位终端、计算机终端、通信终端等。

本发明实施例的定位方法将收到的X路到达时间差TDOA信号与预存的特征信号进行匹配，得到TDOA最相似的目标特征点，X为大于或等于2的整数；定位装置获取与目标特征点同一类的M个特征点，其中M为大于或等于2的整数；定位装置应用M个特征点的坐标进行定位。这样，通过对特征点进行分类并去除孤立点减少非视距误差，应用于目标特征同类的特征点进行定位，能够提高定位精度。

实施例4

如图6所示，本实施例提供一种特征点处理装置，包括建立单元61、第一处理单元62、第二处理单元63，其中：

建立单元61，用于根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，矩阵S中的元素用于标识N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；

第一处理单元62，用于对矩阵S中的元素进行合并，得到矩阵S₁，并对矩阵S₁中的元素进行分类；

第二处理单元63，用于去除矩阵S₁中每一类元素对应的特征点中的孤立点，每一类元素对应的特征点中去除孤立点后剩余的特征点用于定位。

可选的，建立单元61具体用于，如则所述N个特征点中对应的两个特征点能聚为一类，否则不能聚为一类。其中n为噪声系统，

$\begin{array}{c}{\mathrm{\&Delta;e}}_{a,b}^{(1,2)}=c\&CenterDot;{\mathrm{\&tau;}}_{a,b}(x_1,y_1,z_1)-\sqrt{{(x_a-x_1)}^2+{(y_a-y_1)}^2+{(z_a-z_1)}^2}\\ -c\&CenterDot;{\mathrm{\&tau;}}_{a,b}(x_2,y_2,z_2)+\sqrt{{(x_a-x_2)}^2+{(y_a-y_2)}^2+{(z_a-z_2)}^2}\end{array}$

c为光速，(x₁,y₁,z₁)为特征点1的坐标，(x₂,y₂,z₂)为特征点2的坐标，τ_a,b(x₁,y₁,z₁)为在特征点1测量的基站a、b的信号到达时间差，τ_a,b(x₂,y₂,z₂)为在特征点2测量的基站a、b的信号到达时间差，(x_a,y_a,z_a)为基站a的坐标，(x_b,y_b,z_b)为基站b的坐标。

可选的，第一处理单元62具体用于，对矩阵S中包含相同元素的进行合并，并对相同元素所对应的特征点进行处理，得到矩阵S₁。

可选的，第二处理单元63具体用于，每一类元素对应的特征点中第一NLOS误差减去第二NLOS误差所得到的值大于预设值的特征点为孤立点，将孤立点去除。

可选的，第二处理单元63具体用于，根据确定矩阵S₁中每一类元素对应的特征点中每个特征点的第一非视距NLOS误差，其中 $R_{a,b}^{LOS}(x,y,z)=\sqrt{{(x_a-x)}^2+{(y_a-y)}^2+{(z_a-z)}^2}-\sqrt{{(x_b-x)}^2+{(y_b-y)}^2+{(z_b-z)}^2},$ (x,y,z)为特征点坐标，τ_a,b(x,y,z)为在坐标为(x,y,z)的特征点上测量得到的基站a、b的信号到达时间差。

$R_{a,b}^{LOS}(x,y,z)=\sqrt{{(x_a-x)}^2+{(y_a-y)}^2+{(z_a-z)}^2}-\sqrt{{(x_b-x)}^2+{(y_b-y)}^2+{(z_b-z)}^2},$ $R_{a,b}^M(x,y,z)=c\&CenterDot;{\mathrm{\&tau;}}_{a,b}(x,y,z);$

第二处理单元63具体用于，根据NLOS_a,b(x,y)＝a₁x+a₂y+a₃确定矩阵S₁中每一类元素对应的特征点中每个特征点的第二NLOS误差，其中，a1至a3为系数，首先利用多个不同特征点求得的NLOS_a,b(x,y)，再采用最小二乘法可求得该系数，优选地，不同特征点的个数为三个或三个以上。

本实施例的可以为定位终端、计算机终端、通信终端等。

本发明实施例的测距装置可以实现上述方法实施例，该装置的组成模块及各个模块的功能仅作简要描述，详细表述请参阅上述方法实施例。

本发明实施例的特征点处理装置根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，矩阵S中的元素用于标识N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；对矩阵S中的元素进行合并，得到矩阵S₁，并对矩阵S₁中的元素进行分类；去除矩阵S₁中每一类元素对应的特征点中的孤立点。这样，通过对特征点进行分类并去除孤立点，从而减少非视距误差，应用去除孤立点后剩余的特征点进行定位能够提高定位精度。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

本说明书中的各个实施例均采用递进的方式描述，各个实施例相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，通用硬件包括通用集成电路、通用CPU、通用存储器、通用元器件等，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘，硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

以上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 (2)

1.一种特征点处理方法，其特征在于，包括：

根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，所述矩阵S中的元素用于标识所述N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；

对所述矩阵S中的元素进行合并，得到矩阵S₁，并对所述矩阵S₁中的元素进行分类；

去除所述矩阵S₁中每一类元素对应的特征点中的孤立点，每一类元素对应的特征点中去除孤立点后剩余的特征点用于定位；

每一类元素对应的特征点中，第一NLOS误差减去第二NLOS误差所得到的值大于预设值的特征点为所述孤立点；

所述根据N个特征点中每两个特征点能否聚为一类，建立矩阵S包括：

如则所述N个特征点中对应的两个特征点能聚为一类，否则不能聚为一类；

其中，n为噪声系统，

c为光速，(x₁,y₁,z₁)为特征点1的坐标，(x₂,y₂,z₂)为特征点2的坐标，τ_a,b(x₁,y₁,z₁)为在特征点1测量的基站a、b的信号到达时间差，τ_a,b(x₂,y₂,z₂)为在特征点2测量的基站a、b的信号到达时间差，(x_a,y_a,z_a)为基站a的坐标；

其中，

所述对矩阵S中的元素进行合并，得到矩阵S₁，并对所述矩阵S₁中的元素进行分类包括：

对所述矩阵S中包含相同元素的进行合并，并对相同元素所对应的特征点进行处理，得到所述矩阵S₁；

根据矩阵S₁得到初次聚类结果，S₁中每一行为数值为“1”的各列带表的特征点为同一类；

根据确定所述矩阵S₁中每一类元素对应的特征点中每个特征点的第一NLOS误差，其中， (x,y,z)为特征点坐标，τ_a,b(x,y,z)为在坐标为(x,y,z)的特征点上测量得到的基站a、b的信号到达时间差；

根据NLOS_a,b(x,y)＝a₁x+a₂y+a₃确定所述矩阵S₁中每一类元素对应的特征点中每个特征点的第二NLOS误差，其中，a₁至a₃为系数，首先利用多个不同特征点求得的NLOS_a,b(x,y)，再采用最小二乘法可求得该系数。

2.一种特征点处理装置，其特征在于，包括：

建立单元，用于根据N个特征点中每两个特征点能否聚为一类，建立矩阵S，所述矩阵S中的元素用于标识所述N个特征点中每两个特征点能否聚为一类，其中N为大于或等于2的整数；

第一处理单元，用于对所述矩阵S中的元素进行合并，得到矩阵S₁，并对所述矩阵S₁中的元素进行分类；

第二处理单元，用于去除所述矩阵S₁中每一类元素对应的特征点中的孤立点，每一类元素对应的特征点中去除孤立点后剩余的特征点用于定位；

每一类元素对应的特征点中，第一NLOS误差减去第二NLOS误差所得到的值大于预设值的特征点为所述孤立点；

所述建立单元具体用于，如则所述N个特征点中对应的两个特征点能聚为一类，否则不能聚为一类；

其中，n为噪声系统，

c为光速，(x₁,y₁,z₁)为特征点1的坐标，(x₂,y₂,z₂)为特征点2的坐标，τ_a,b(x₁,y₁,z₁)为在特征点1测量的基站a、b的信号到达时间差，τ_a,b(x₂,y₂,z₂)为在特征点2测量的基站a、b的信号到达时间差，(x_a,y_a,z_a)为基站a的坐标；

其中，

所述第一处理单元具体用于，对所述矩阵S中包含相同元素的进行合并，并对相同元素所对应的特征点进行处理，得到所述矩阵S₁；根据矩阵S₁得到初次聚类结果，S₁中每一行为数值为“1”的各列带表的特征点为同一类；

所述第二处理单元具体用于，根据确定所述矩阵S₁中每一类元素对应的特征点中每个特征点的第一NLOS误差，其中 (x,y,z)为特征点坐标，τ_a,b(x,y,z)为在坐标为(x,y,z)的特征点上测量得到的基站a、b的信号到达时间差；

所述第二处理单元具体用于，根据NLOS_a,b(x,y)＝a₁x+a₂y+a₃确定所述矩阵S₁中每一类元素对应的特征点中每个特征点的第二NLOS误差，其中，a₁至a₃为系数，首先利用多个不同特征点求得的NLOS_a,b(x,y)，再采用最小二乘法可求得该系数。