CN103905992A - 一种基于指纹数据的无线传感器网络的室内定位方法 - Google Patents
一种基于指纹数据的无线传感器网络的室内定位方法 Download PDFInfo
- Publication number
- CN103905992A CN103905992A CN201410077209.8A CN201410077209A CN103905992A CN 103905992 A CN103905992 A CN 103905992A CN 201410077209 A CN201410077209 A CN 201410077209A CN 103905992 A CN103905992 A CN 103905992A
- Authority
- CN
- China
- Prior art keywords
- node
- anchor node
- room
- blind
- rssi
- 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
Abstract
本发明公开了一种基于指纹数据的无线传感器网络的室内定位方法。该方法在二维室内平面图的每个房间中部署M个锚节点,锚节点具有优先识别范围,盲节点位于任意定位区域内,所有节点自组织形成一个无线传感器网络;盲节点发起定位过程,首先根据各个房间内锚节点采集的盲节点信号强度值确定所在的房间号,实现房间级别的定位,然后接收所在房间内锚节点信息,记录所在位置的信号强度指纹数据,利用指纹数据计算盲节点的坐标值,并进行修正,实现坐标级别的定位。本发明采用的信号强度指纹数据具有实时性和环境适应性,可实现房间级别和坐标级别的定位应用,相比传统的指纹数据库技术更简单,操作容易,定位准确性高,能满足室内定位的需求。
Description
技术领域
本发明涉及无线传感器网络的通信技术和室内定位技术,特别是涉及一种基于指纹数据的无线传感器网络的室内定位方法。
背景技术
无线传感器网络(Wireless sensor networks,WSN)是一种由大量传感器节点以无线通信方式形成的多跳自组织网络。WSN具有规模大、自组织、动态性、可靠性及以数据为中心等网络特征,传感器节点具有体型小、硬件配置要求低、成本低、功耗低等特点,在军事、环境监测和预报、智能家居、建筑物状态监控、城市交通等各种领域有广泛的应用。
随着科技水平和生活水平的提高,人们对于室内定位和导航的需求日益强烈,希望能获得像室外GPS定位一样方便的信息,如在医院里跟踪医护人员和病人的位置,在工业现场监测设备运行情况,在矿井下提供工人的位置和活动信息,在大型建筑物内跟踪人员的位置和查询位置等等。但是,在室内,由于墙壁、杂物、人员等造成的信号干扰使得GPS定位效果很不理想,难以满足人们的需求,因此迫切需要一种适合室内定位导航的新技术。目前为止,研究人员提出了多种室内定位技术,包括超声波定位、红外线定位、RFID定位、蓝牙定位、ZigBee定位、wifi定位以及超宽带定位等等,但是很少有能在成本和精度上都满足实际需求的定位技术推出,室内定位技术仍然是当前研究热点之一。
室内定位方法大体可以分为两类:基于距离的定位方法(Range-based)和无需距离的定位方法(Range-free),前者需要对距离或角度直接测量,主要包括信号到达时间法(TOA)、信号到达时间差法(TDOA)、信号到达角度法(AOA)和信号接收强度法(RSSI)等;后者利用网络连通性来定位,主要包括质心算法、DV-Hop算法、Amorphous算法、APIT算法、凸规划算法和MDS-MAP等。这两类方法都给出节点的坐标位置,致力于节点的精确定位。室内环境复杂,多径效应显著,并且考虑到系统成本、功耗、体积等问题,通信节点无法精确测量距离或角度,导致基于距离的定位效果很不好;无需距离的定位方法,本身是一种位置估算法,定位精度不高,而且往往需要部署大量节点才能工作良好,由于建筑面积通常是小规模的,没有必要部署大量传感器节点,因此用于室内定位效果不好。指纹数据库技术在定位中得到了应用,从早期的RADAR系统到目前广为研究的wifi指纹定位,似乎是现阶段比较好的一种定位解决方案,但指纹数据库技术需要大量的数据采集工作,而且易受环境变化的影响;Wifi指纹定位,充分利用了建筑物内AP节点,并且研究者提出了自动指纹数据采集和路径约束等方法,但wifi指纹定位依赖AP分布,自动指纹数据采集也只是一种粗略估计方法,难以提高精度,有待进一步改善。
目前WSN的室内定位技术仍有许多困难,定位效果不是很理想,在选择WSN的室内定位方法时,一定要根据应用场合和定位精度要求,采用合适的定位方法。
发明内容
本发明的主要目的是为了实现无线传感器网络在室内的定位应用,充分利用无线传感器网络的特性,提供了一种简单可行和粗略定位与精确定位并行的解决室内节点定位问题的方法。
本发明是通过如下技术方案实现的:
一种基于指纹数据的无线传感器网络的室内定位方法,包括如下步骤:
步骤(1)在二维建筑平面图的每个房间中,布置M个已知房间号和坐标的锚节点,每个锚节点的通信范围都能覆盖所在房间区域,M个锚节点分为1个主锚节点和M-1个辅助锚节点,主锚节点位于房间中间,辅助锚节点位于房间四周,M个锚节点都具有优先识别范围,通过设定一个信号强度的优先定位阈值RS来实现,所有房间的锚节点相互连通,形成一个WSN网络,未知房间号和坐标的盲节点,位于房间的任意定位区域内,其中M为整数,且M至少为5;
步骤(2)盲节点发起定位请求过程,多次广播房间定位信息,处于盲节点一跳通信范围内的锚节点采集每次发送的房间定位信息的接收信号强度RSSI,计算多次采集的房间定位信息RSSI的平均值并发送给盲节点,盲节点估算所在的房间号,实现房间级别的定位;
步骤(3)盲节点在确定所在房间号以后,只接收该房间内锚节点发送的信息,锚节点周期性的发送坐标定位信息,盲节点和锚节点都收集所在房间内各个锚节点发送的坐标定位信息的RSSI,这些RSSI构成了所在位置处的信号强度指纹数据,盲节点根据观察到的信号强度指纹数据和房间内锚节点观察到的信号强度指纹数据,利用加权质心算法计算坐标值,实现坐标级别的定位。
上述方法中,步骤(1)中建筑物内所有锚节点的发射功率P一致,所有锚节点离地面同一高度,锚节点优先识别范围的判定方法为:当锚节点接收另一节点发送信号的RSSI值大于优先定位阈值RS时,该节点位于锚节点的优先识别范围内,当锚节点接收另一节点发送信号的RSSI值小于优先定位阈值RS时,该节点位于锚节点的优先识别范围外,不同大小房间内锚节点的优先定位阈值RS不同。
步骤(2)中所述的方法中,盲节点接收锚节点返回的房间定位信息RSSI平均值,根据主锚节点是否发挥功能,盲节点判断房间号的规则如下:
a、当主锚节点返回的房间定位信息RSSI平均值大于或等于该主锚节点优先定位阈值RS时,采用主锚节点优先定位策略:认为盲节点离该主锚节点很近,盲节点房间号与主锚节点所在的房间号相同,房间级别定位结束;
b、当主锚节点返回的房间定位信息RSSI值小于该主锚节点优先定位阈值RS时,采用辅助锚节点定位策略:主锚节点失去优先定位功能,功能与辅助锚节点相同,计算各个房间内锚节点返回的房间定位信息RSSI平均值的统计平均AS,选择所述AS值最大的房间号作为盲节点房间号,房间级别定位结束。
步骤(3)所述的坐标级别定位方法通过如下步骤实现:
a、盲节点记录的信号强度指纹数据只需要包含所在房间内各个锚节点发送坐标定位信息的RSSI值,可以通过WSN的组播技术实现,每个房间内的锚节点构成一个组,盲节点在确定房间号以后加入到这个组,之后就能收发组内信息,盲节点和锚节点在记录信号强度指纹数据时采用反馈滤波的方法,以较少的采样值更新一次数值,同时减小数据的偶然波动带来的影响,计算表达式(1)如下:
RSSIn=αRSSI′n+(1-α)RSSIn-1 (1)
其中RSSI′n为第n次实际测量的RSSI值,RSSIn-1为第n-1次通过上式计算得到RSSI值,RSSIn为最后计算得到的第n次的信号强度值;α为本次测量值的权重值,显然α越大对本次测量值的影响越大,计算结果更接近于本次值,更新也越快,一般取值为0.5或者以上,小于1。
b、利用信号强度指纹数据,分别计算盲节点与M-1个辅助锚节点的信号强度欧氏距离,将信号强度欧氏距离的大小转换为对应辅助锚节点的坐标权重影响因子,根据M-1个辅助锚节点的坐标,采用加权质心算法计算,得到盲节点初始坐标:
辅助锚节点编号记为1到M-1,主锚节点编号记为M,对于盲节点,假设记录的指纹数据以矢量形式表示为(rssi1,rssi2,…,rssiM,xx,yy),其中rssii是盲节点采集的编号为i的锚节点发送坐标定位信息的接收信号强度,xx和yy为盲节点所在位置的坐标值,是待计算值。对于编号为k的锚节点,记录的指纹数据以矢量形式表示为(RSSI1,RSSI2,…,RSSIM,Xk,Yk),其中RSSIi是该锚节点采集的编号为i的锚节点发送坐标定位信息的接收信号强度,Xk和Yk为该锚节点的自身坐标。盲节点与编号为k的锚节点的信号强度欧式距离DSTk为
如果盲节点与锚节点几何距离比较近,盲节点接收到的RSSI指纹数据会接近该锚节点记录到的RSSI指纹数据,所以通过上式计算得到的信号强度欧式距离会比较小,这与几何距离反映的关系吻合。因此,可以通过信号强度欧式距离来表示盲节点与锚节点的远近,DSTk值越小,盲节点离锚节点越近,坐标权重越大,DSTk值越大,离锚节点越远,坐标权重值越小。编号为k的锚节点的坐标权重值Wk计算公式为
上式中,DSTi是盲节点与编号为i的锚节点的信号强度欧氏距离。有了各个锚节点坐标的权重值以后,可以得到盲节点初始坐标为:
c、根据盲节点是否在锚节点的优先识别范围内,坐标修正规则如下:
对盲节点信号强度指纹数据中各个锚节点发送的坐标定位信息RSSI值进行排序,获得所述RSSI值最大的锚节点编号,将所述最大RSSI值与该锚节点的优先定位阈值RS进行比较,如果大于或等于优先定位阈值RS,说明盲节点在该锚节点的优先识别范围内,用该锚节点坐标对初始坐标进行修正,该锚节点坐标权重w可以较大,取值介于0.5与0.9之间;如果小于优先定位阈值RS,说明盲节点在该锚节点的优先识别范围外,但相比其他锚节点,盲节点离该锚节点最近,利用该锚节点进行坐标修正,此时该锚节点坐标权重w较小,取值介于0.1与0.4之间。盲节点的初始坐标修正方法为:
其中Xp、Yp为所述RSSI值最大的锚节点横纵坐标,xx′、yy′为盲节点的最终估计坐标。
与现有技术相比,本发明具有如下优点和有益效果:
(1)简易方便:相比传统指纹数据定位技术,这种定位方法不需要离线数据采集和维护数据库,工作量大大减少;节点部署方便,计算简单,容易操作,具有实用性。
(2)降低系统成本:本发明充分利用无线传感网络的特性和网络节点自动信号强度计算功能,无需测量距离或角度,不需要额外的硬件设备,有效地控制了系统成本。
(3)提高定位精度和准确度:本发明首先根据信号强度确定房间位置,缩小定位范围,然后利用实时记录地指纹数据计算坐标,有效地降低了环境变化对信号干扰带来的影响,提高了定位精度和准确度。
附图说明
图1是实施例中房间平面分布、节点部署及房间级别定位图。
图2是实施例中房间内坐标级别定位示意图。
图3是盲节点与锚节点的定位通信流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但本发明要求保护的范围并不局限于实施方式表述的范围。
假设有6个邻近的房间,房间平面图及锚节点、盲节点的部署如图1所示,房间编号依次为1、2、3、4、5、6,在每个房间内部署有5个锚节点,其中4个位于房间的角落位置,作为辅助锚节点,1个位于房间的中间,作为主锚节点,盲节点位于任意房间内。在本实施例中最大房间的尺寸为8m×12m,我们调节节点发射功率P使得节点通信半径为15米,以便每个节点的通信范围都可以覆盖整个房间。图1中每个房间内主锚节点周围都画了一个圆圈,表示主锚节点的优先识别范围,半径与房间大小有关,具体大小可以通过信号强度的优先定位阈值RS来设定,我们将房间1、3中的RS值设为-50dbm,房间2、4、5、6中的RS值设为-60dbm。
首先进行房间级别的定位。盲节点发起定位请求,通信流程如图3所示,处于盲节点一跳通信范围内的锚节点都收到请求,做好接收盲节点广播房间定位信息的准备,接下来盲节点连续广播房间定位信息N=10次;锚节点估算每次接收到的房间定位信息的RSSI值,最后计算平均值,并将RSSI平均值、自身房间号、编号和RS信息发送给盲节点;对于每一个锚节点响应信息,盲节点都会保存起来,如果这个锚节点是所在房间的主锚节点,盲节点会判断能否进行优先定位。若能进行优先定位,盲节点将直接确定自己与该主锚节点位于同一房间内,将自身房号更新为这个主锚节点的房号,房间级别定位结束;若不能进行优先定位,盲节点将计算各个房间内锚节点返回的房间定位信息RSSI平均值的统计平均AS,选择所述AS值最大的房间号作为盲节点房间号,房间级别定位结束。在本实例中,各个房间中的主锚节点均没有发挥优先定位功能,盲节点计算并比较各个房间内锚节点AS值,房间5中锚节点的AS值最大,因此盲节点判断自己的房间号为5,即在房间5中。
然后进行坐标级别定位,盲节点加入到房间5中锚节点构成的组,只接收房间5中锚节点的组播信息,记录所在位置处指纹数据。如图2所示,为了方便,我们只给出了所在房间内节点分布及参考坐标系,4个辅助锚节点坐标分别为A(0.5,11),B(7.5,11),C(0.5,1),D(7.5,1),对应编号分别为1、2、3、4,主锚节点坐标为E(4,6),对应编号为5,在测试中记录的RSSI值都是绝对值,绝对值小的对应原来较大RSSI值,绝对值大的对应原来较小的RSSI值,单位是dbm,坐标值单位是米。在一次测试中,盲节点记录到的指纹数据为(70,75,63,65,66,xx,yy),各个锚节点记录的指纹数据为A(0,72,78,78,75,0.5,11)、B(71,0,78,77,72,7.5,11)、C(76,81,0,70,72,0.5,1)、D(79,75,74,0,73,7.5,1)、E(71,72,69,73,0,4,6),其中0表示锚节点不能记录自身信号的信号强度值,用0进行标记。先计算辅助锚节点作用下的加权质心坐标,利用公式(2),盲节点与4个辅助锚节点的信号强度欧式距离分别为DST1=22,DST2=20.1494,DST3=11.5326,DST4=15.8430,进一步根据公式(3)可计算得到权重系数为W1=0.1856,W2=0.2027,W3=0.3541,W4=0.2577,加权各辅助锚节点坐标可得xx=3.7228,yy=4.8831,盲节点指纹数据中,编号为3的锚节点的RSSI绝对值最小,对应的原来RSSI值最大,且其值小于RS,将其坐标权值设为0.3,可以得到盲节点修正坐标X=2.7560,Y=3.7182.
本实例中,盲节点位于房间5中,实际坐标为(1.5,4.4),从定位结果可以看出,房间级别定位成功判断出盲节点所在房间号,坐标级别定位结果为(2.7560,3.7182),与实际坐标的误差距离为1.4291m。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并非用以限定本发明的范围,任何本领域的技术人员,在不脱离本发明的构思和原则的前提下所做出的等同变化与修改,均应属于本发明保护的范围。
Claims (4)
1.一种基于指纹数据的无线传感器网络的室内定位方法,其特征在于包括如下步骤:
步骤(1)在二维建筑平面图的每个房间中,布置M个已知房间号和坐标的锚节点,每个锚节点的通信范围都能覆盖所在房间区域,M个锚节点分为1个主锚节点和M-1个辅助锚节点,主锚节点位于房间中间,辅助锚节点位于房间四周,M个锚节点都具有优先识别范围,通过设定一个信号强度的优先定位阈值RS来实现,所有房间的锚节点相互连通,形成一个WSN网络,未知房间号和坐标的盲节点,位于房间的任意定位区域内,其中M为整数,且M至少为5;
步骤(2)盲节点发起定位请求过程,多次广播房间定位信息,处于盲节点一跳通信范围内的锚节点采集每次发送的房间定位信息的接收信号强度RSSI,计算多次采集的房间定位信息RSSI的平均值并发送给盲节点,盲节点估算所在的房间号,实现房间级别的定位;
步骤(3)盲节点在确定所在房间号以后,只接收该房间内锚节点发送的信息,锚节点周期性的发送坐标定位信息,盲节点和锚节点都收集所在房间内各个锚节点发送的坐标定位信息的RSSI,这些RSSI构成了所在位置处的信号强度指纹数据,盲节点根据观察到的信号强度指纹数据和房间内锚节点观察到的信号强度指纹数据,利用加权质心算法计算坐标值,实现坐标级别的定位。
2.根据权利要求1所述的基于指纹数据的无线传感器网络的室内定位方法,其特征在于步骤(1)中建筑物内所有锚节点的发射功率P一致,所有锚节点离地面同一高度,锚节点优先识别范围的判定方法为:当锚节点接收另一节点发送信号的RSSI值大于优先定位阈值RS时,该节点位于锚节点的优先识别范围内,当锚节点接收另一节点发送信号的RSSI值小于优先定位阈值RS时,该节点位于锚节点的优先识别范围外,不同大小房间内锚节点的优先定位阈值RS不同。
3.根据权利要求1所述的基于指纹数据的无线传感器网络的室内定位方法,其特征在于步骤(2)中,盲节点接收锚节点返回的房间定位信息RSSI平均值,根据主锚节点是否发挥功能,盲节点判断房间号的规则如下:
a、当主锚节点返回的房间定位信息RSSI平均值大于或等于该主锚节点优先定位阈值RS时,采用主锚节点优先定位策略:认为盲节点离该主锚节点很近,盲节点房间号与主锚节点所在的房间号相同,房间级别定位结束;
b、当主锚节点返回的房间定位信息RSSI值小于该主锚节点优先定位阈值RS时,采用辅助锚节点定位策略:主锚节点失去优先定位功能,功能与辅助锚节点相同,计算各个房间内锚节点返回的房间定位信息RSSI平均值的统计平均AS,选择所述AS值最大的房间号作为盲节点房间号,房间级别定位结束。
4.根据权利要求1所述的基于指纹数据的无线传感器网络的室内定位方法,其特征在于步骤(3)中,坐标级别定位方法通过如下步骤实现:
a、盲节点记录的信号强度指纹数据只需要包含所在房间内各个锚节点发送坐标定位信息的RSSI值,锚节点周期性的发送坐标定位信息,盲节点和其他锚节点实时地更新信号强度指纹数据,信号强度指纹数据中各锚节点发送的坐标定位信息RSSI值更新的方法如下:
RSSIn=αRSSI′n+(1-α)RSSIn-1
其中RSSI′n为第n次实际测量的RSSI值,RSSIn-1为第n-1次通过上式计算得到RSSI值,RSSIn为最后计算得到的第n次的信号强度值,α为本次测量值的权重值,一般取值为0.5或者以上,小于1。
b、利用信号强度指纹数据,分别计算盲节点与M-1个辅助锚节点的信号强度欧氏距离,将信号强度欧氏距离的大小转换为对应辅助锚节点的坐标权重影响因子,根据M-1个辅助锚节点的坐标,采用加权质心算法计算,得到盲节点初始坐标;
c、对盲节点信号强度指纹数据中各个锚节点发送的坐标定位信息RSSI值进行排序,获得所述RSSI值最大的锚节点编号,将所述最大RSSI值与该锚节点的优先定位阈值RS进行比较,如果大于或等于优先定位阈值RS,说明盲节点在该锚节点的优先识别范围内,用该锚节点坐标对盲节点初始坐标进行修正,该锚节点坐标权重较大;如果小于优先定位阈值RS,说明盲节点在该锚节点优先识别范围外,但相比其他锚节点,盲节点离该锚节点最近,利用该锚节点坐标对盲节点初始坐标进行修正,此时锚节点坐标权重较小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410077209.8A CN103905992B (zh) | 2014-03-04 | 2014-03-04 | 一种基于指纹数据的无线传感器网络的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410077209.8A CN103905992B (zh) | 2014-03-04 | 2014-03-04 | 一种基于指纹数据的无线传感器网络的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103905992A true CN103905992A (zh) | 2014-07-02 |
CN103905992B CN103905992B (zh) | 2017-04-19 |
Family
ID=50997104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410077209.8A Active CN103905992B (zh) | 2014-03-04 | 2014-03-04 | 一种基于指纹数据的无线传感器网络的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103905992B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407322A (zh) * | 2014-11-26 | 2015-03-11 | 杭州优体科技有限公司 | 一种多核无线复合定位装置 |
CN105592420A (zh) * | 2015-12-17 | 2016-05-18 | 北京百度网讯科技有限公司 | 环境特征库生成及基于环境特征库的室内定位方法和装置 |
CN105682224A (zh) * | 2016-03-22 | 2016-06-15 | 浙江大学城市学院 | 一种免离线训练的分布式无线指纹定位方法 |
CN105960009A (zh) * | 2016-04-15 | 2016-09-21 | 东南大学 | 一种软件定义无线传感器网络中的定位方法 |
CN106535134A (zh) * | 2016-11-22 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 一种基于wifi的多房间定位方法及服务器 |
CN106792553A (zh) * | 2016-11-22 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种基于wifi的多楼层定位方法及服务器 |
CN107040885A (zh) * | 2015-11-30 | 2017-08-11 | 商升特公司 | 用于鲁棒且准确的基于rssi的位置估计的系统和方法 |
CN107318159A (zh) * | 2016-04-26 | 2017-11-03 | 中国人民解放军理工大学 | 一种室内指纹定位方法 |
CN107331136A (zh) * | 2017-05-11 | 2017-11-07 | 深圳市斑点猫信息技术有限公司 | 基于WiFi的室内人体活动检测方法和系统 |
CN107734479A (zh) * | 2017-09-11 | 2018-02-23 | 广东广业开元科技有限公司 | 一种基于无线传感技术的消防人员定位方法、系统和装置 |
WO2019071772A1 (zh) * | 2017-10-10 | 2019-04-18 | 深圳数位传媒科技有限公司 | 自动规划无线信号采集位置的方法、系统及可读存储介质 |
CN109902409A (zh) * | 2019-03-07 | 2019-06-18 | 北京海益同展信息科技有限公司 | 基于uwb技术构建平面图的方法和装置 |
CN110809230A (zh) * | 2018-08-01 | 2020-02-18 | 珠海格力电器股份有限公司 | 定位信息获取方法及装置 |
CN111629324A (zh) * | 2020-04-22 | 2020-09-04 | 南京积能电力科技有限公司 | 一种基于泛在物联网的公共空间定位方法 |
CN112351385A (zh) * | 2020-10-26 | 2021-02-09 | 维沃移动通信有限公司 | 定位方法、装置及电子设备 |
CN112712557A (zh) * | 2020-12-17 | 2021-04-27 | 上海交通大学 | 一种基于卷积神经网络的超分辨率cir室内指纹定位方法 |
CN113029143A (zh) * | 2021-02-24 | 2021-06-25 | 同济大学 | 一种适用于pepper机器人的室内导航方法 |
CN113051976A (zh) * | 2019-12-27 | 2021-06-29 | 广东博智林机器人有限公司 | 指纹定位方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102946635A (zh) * | 2012-10-17 | 2013-02-27 | 上海京颐信息科技有限公司 | 基于激励器技术的room level级室内定位方法及定位系统 |
US20130079030A1 (en) * | 2011-09-27 | 2013-03-28 | Electronics And Telecommunications Research Institute | Space recognition method and system based on environment information |
CN103152823A (zh) * | 2013-02-26 | 2013-06-12 | 清华大学 | 一种无线室内定位方法 |
-
2014
- 2014-03-04 CN CN201410077209.8A patent/CN103905992B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130079030A1 (en) * | 2011-09-27 | 2013-03-28 | Electronics And Telecommunications Research Institute | Space recognition method and system based on environment information |
CN102946635A (zh) * | 2012-10-17 | 2013-02-27 | 上海京颐信息科技有限公司 | 基于激励器技术的room level级室内定位方法及定位系统 |
CN103152823A (zh) * | 2013-02-26 | 2013-06-12 | 清华大学 | 一种无线室内定位方法 |
Non-Patent Citations (1)
Title |
---|
徐小卜: "无线传感器网络RF定位算法研究", 《中国优秀硕士学位论文全文数据库(电子期刊),2011年第07期》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407322A (zh) * | 2014-11-26 | 2015-03-11 | 杭州优体科技有限公司 | 一种多核无线复合定位装置 |
CN107040885B (zh) * | 2015-11-30 | 2020-09-08 | 商升特公司 | 用于鲁棒且准确的基于rssi的位置估计的系统和方法 |
CN107040885A (zh) * | 2015-11-30 | 2017-08-11 | 商升特公司 | 用于鲁棒且准确的基于rssi的位置估计的系统和方法 |
CN105592420A (zh) * | 2015-12-17 | 2016-05-18 | 北京百度网讯科技有限公司 | 环境特征库生成及基于环境特征库的室内定位方法和装置 |
CN105592420B (zh) * | 2015-12-17 | 2019-11-22 | 北京百度网讯科技有限公司 | 环境特征库生成及基于环境特征库的室内定位方法和装置 |
CN105682224A (zh) * | 2016-03-22 | 2016-06-15 | 浙江大学城市学院 | 一种免离线训练的分布式无线指纹定位方法 |
CN105682224B (zh) * | 2016-03-22 | 2019-07-05 | 浙江大学城市学院 | 一种免离线训练的分布式无线指纹定位方法 |
CN105960009A (zh) * | 2016-04-15 | 2016-09-21 | 东南大学 | 一种软件定义无线传感器网络中的定位方法 |
CN107318159A (zh) * | 2016-04-26 | 2017-11-03 | 中国人民解放军理工大学 | 一种室内指纹定位方法 |
WO2018095009A1 (zh) * | 2016-11-22 | 2018-05-31 | 上海斐讯数据通信技术有限公司 | 一种基于wifi的多房间定位方法及服务器 |
CN106535134A (zh) * | 2016-11-22 | 2017-03-22 | 上海斐讯数据通信技术有限公司 | 一种基于wifi的多房间定位方法及服务器 |
CN106792553A (zh) * | 2016-11-22 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种基于wifi的多楼层定位方法及服务器 |
CN106535134B (zh) * | 2016-11-22 | 2020-02-11 | 上海斐讯数据通信技术有限公司 | 一种基于wifi的多房间定位方法及服务器 |
CN107331136A (zh) * | 2017-05-11 | 2017-11-07 | 深圳市斑点猫信息技术有限公司 | 基于WiFi的室内人体活动检测方法和系统 |
CN107734479A (zh) * | 2017-09-11 | 2018-02-23 | 广东广业开元科技有限公司 | 一种基于无线传感技术的消防人员定位方法、系统和装置 |
WO2019071772A1 (zh) * | 2017-10-10 | 2019-04-18 | 深圳数位传媒科技有限公司 | 自动规划无线信号采集位置的方法、系统及可读存储介质 |
CN110809230A (zh) * | 2018-08-01 | 2020-02-18 | 珠海格力电器股份有限公司 | 定位信息获取方法及装置 |
CN109902409A (zh) * | 2019-03-07 | 2019-06-18 | 北京海益同展信息科技有限公司 | 基于uwb技术构建平面图的方法和装置 |
CN113051976A (zh) * | 2019-12-27 | 2021-06-29 | 广东博智林机器人有限公司 | 指纹定位方法、装置、电子设备及存储介质 |
CN111629324A (zh) * | 2020-04-22 | 2020-09-04 | 南京积能电力科技有限公司 | 一种基于泛在物联网的公共空间定位方法 |
CN112351385A (zh) * | 2020-10-26 | 2021-02-09 | 维沃移动通信有限公司 | 定位方法、装置及电子设备 |
CN112712557A (zh) * | 2020-12-17 | 2021-04-27 | 上海交通大学 | 一种基于卷积神经网络的超分辨率cir室内指纹定位方法 |
CN113029143A (zh) * | 2021-02-24 | 2021-06-25 | 同济大学 | 一种适用于pepper机器人的室内导航方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103905992B (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103905992A (zh) | 一种基于指纹数据的无线传感器网络的室内定位方法 | |
KR102116824B1 (ko) | 딥러닝 기반 측위 시스템 및 이의 구축 방법 | |
WO2019136918A1 (zh) | 一种室内定位的方法、服务器及定位系统 | |
CN109275095B (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
Elbakly et al. | A robust zero-calibration RF-based localization system for realistic environments | |
CN103561463B (zh) | 一种基于样本聚类的rbf神经网络室内定位方法 | |
KR101730269B1 (ko) | 실내 디바이스 위치를 추정하는 방법 | |
CN107580313B (zh) | 结合蓝牙Beacon与智能手机的室内定位系统及其定位方法 | |
CN112533163B (zh) | 基于NB-IoT改进的融合超宽带和蓝牙的室内定位方法 | |
CN105717483B (zh) | 一种基于多源定位方式的位置确定方法及装置 | |
CN106093852A (zh) | 一种提高WiFi指纹定位精度与效率的方法 | |
Tomažič et al. | Confidence-interval-fuzzy-model-based indoor localization | |
CN103152745B (zh) | 一种强自适应性移动节点定位的方法 | |
CN103763678A (zh) | 移动监测终端分级定位实现方法 | |
CN111698774B (zh) | 基于多源信息融合的室内定位方法及装置 | |
CN105704652A (zh) | 一种wlan/蓝牙定位中的指纹库采集和优化方法 | |
CN104066172A (zh) | 一种对无线局域网中的ap进行定位的方法 | |
CN106793085A (zh) | 基于正态假设检验的指纹定位方法 | |
CN106686722A (zh) | 基于css技术的大型室内环境定位的微基站及工作方法 | |
Li et al. | Location estimation in large indoor multi-floor buildings using hybrid networks | |
CN104780606A (zh) | 基于无线局域网的室内定位系统及方法 | |
CN101799532A (zh) | 一种采用单站多信道的室内定位方法 | |
CN109151716A (zh) | 一种基于iBeacon的优选信标节点的室内定位方法 | |
CN105044659A (zh) | 基于环境光谱指纹的室内定位装置及方法 | |
Arai et al. | Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |