CN104853434A - 一种基于svm和k均值聚类的室内定位方法 - Google Patents
一种基于svm和k均值聚类的室内定位方法 Download PDFInfo
- Publication number
- CN104853434A CN104853434A CN201510031014.4A CN201510031014A CN104853434A CN 104853434 A CN104853434 A CN 104853434A CN 201510031014 A CN201510031014 A CN 201510031014A CN 104853434 A CN104853434 A CN 104853434A
- Authority
- CN
- China
- Prior art keywords
- positioning
- svm
- algorithm
- rssi
- mean value
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012706 support-vector machine Methods 0.000 claims abstract description 29
- 238000003064 k means clustering Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明采用一种基于支持向量机(Support Vector Machine,SVM)与K均值聚类算法的方法实现室内定位，旨在改善室内定位的定位精度和稳定性，降低定位算法的复杂度。定位的主要过程：第一步，在定位区域内均匀选取若干个参考点并在这个点上采集RSSI样本，与参考点位置坐标组成一个指纹，所有指纹构成指纹库；第二步，对指纹库采用K均值聚类算法，将定位区域自动划分为若干小范围的子区域；第三步，在定位子区域中采用SVM算法，对每个子区域构建定位子模型；第四步，计算每个子区域内RSSI的平均值，作为该子区域的聚类中心；第五步，计算实时RSSI信号与所有子区域聚类中心的欧氏距离，确定最近的一个子区域，再利用第三步中构建出来的定位模型中实现精确定位。
Description
技术领域
本发明涉及基于一种支持向量机(Support Vector Machine，SVM)和K均值聚类的室内定位方法，是属于物联网应用领域。
背景技术
随着物联网技术的兴起，基于位置的服务越来越受到人们的关注，对于室外的定位，已经有很成熟的定位技术，应用也十分的成功，比如全球定位系统、北斗导航系统等。相对于室外定位而言，室内环境表现得更复杂，尤其在室内无线信号传播时，比如多径效应、阴影效应等特殊性，使得成熟的室外定位技术不能够直接应用到室内定位上来。为此，学者们研究了许多的定位方法来实现对室内的定位。
本发明采用的支持向量机是以统计学理论为基础的，具有严格的数学基础，其结构的设计不依赖于设计者的经验知识和先验知识。而且，支持向量机是基于结构风险最小化原则，保证了良好的泛化能力，使得支持向量机在模式识别、回归分析、函数估计、时间序列预测等领域得到广泛的应用。目前，支持向量机在室内定位上的应用主要采用的是支持向量机回归的功能。其定位的过程分为两个阶段：一是离线建模阶段；一是在线测量阶段。离线建模阶段，在定位区域采集样本点数据，包括样本点的位置坐标以及接受到的RSSI值，采用支持向量机回归算法建立位置坐标与RSSI之间的函数关系模型。在线测量阶段，测量待定位节点的RSSI值，输入到离线阶段建立的函数关系模型中，由此得到待定位节点的位置坐标。
传统的支持向量机回归算法都是在整个定位区域进行训练，得出定位学习模型，或者利用支持向量分类算法得到目标所在的子区域，再利用子区域的质心坐标作为目标位置坐标。虽然支持向量机算法应用于室内定位领域具有许多的优势，但同样的存在以下问题：第一，支持向量机算法的参数选择一直没有统一的标准，大多数依据经验采取试凑的方法，导致支持向量机回归算法应用于室内定位时定位精确度的下降；第二，RSSI信号的统计特性随着物理位置变化而变化，建立在整个区域的SVM学习模型都是次优的；第三，整个定位区域的RSSI与物理位置的映射过于复杂，且由于AP(Access Point)的覆盖范围有限，很可能出现某些参考点上来自某些AP的RSSI接收不到的情况，使输入空间存在大量冗余，容易导致过学习，降低学习模型的泛化能力；第四，对整个定位区域的定位指纹进行训练，将增加定位学习算法的维数，增加了算法的复杂度。
发明内容
本发明的目的在于提供一种基于SVM和K均值聚类的室内定位方法，主要用于解决大范围定位区域中定位学习算法复杂度高，RSSI信号变化幅度大，RSSI信号与物理位置映射复杂等问题，从而提高室内定位的精度和结果的稳定性，同时也降低了定位算法的复杂度，加快定位时间，更适用于实际场景。
为解决上述的技术问题，本发明采用的方案如下：
第一步，在定位区域内均匀选取若干个参考点，每个参考点采集RSSI样本，并与参考点位置坐标组成一个指纹，所有指纹构成指纹库。
第二步，对第一步生成的指纹库采用K均值聚类算法，将整个大范围的定位区域自动划分为若干小范围的定位子区域。
第三步，在第二步中得到的每一个定位子区域中采用SVM算法，对每一个定位子区域构建定位子模型。
第四步，在每一个定位子区域中，计算该子区域内所有RSSI信号的平均值，并用该平均值代表该子区域的聚类中心。
第五步，计算实时RSSI信号与所有子区域的聚类中心的欧氏距离，确定最近的一个子区域，然后再利用第三步中构建出来的定位模型中实现精确定位。
有益效果
本发明对比已有的室内定位方法，具有以下创新点：
a.采用聚类分块的方法，将定位模型限制在定位子区域中，一方面，可以减小定位模型的指纹库，降低定位计算复杂度；另一方面，可以使得RSSI与物理位置的映射模式更加简单，有利于提高后续学习算法的定位精度。
b.聚类分块采用K均值聚类的算法，该算法计算简单，参数k代表定位子区域的个数，较易调整，可以实现定位区域的有效划分，但是K均值聚类算法的欧氏距离测量过于简单，降低了聚类分块的稳定性和准确性，故在聚类分块后结合SVM(支持向量机)中的SVR(支持向量回归)进行精确定位。
本发明对比已有定位方法具有以下显著优点：
1、提高了室内定位的精确度。
2、提高了定位结果的稳定性。
3、降低了定位算法的复杂度。
附图说明
附图1：基于支持向量机和K均值聚类相结合的室内定位方法的总体流程图。
具体的实施方式
下面结合说明书附图和具体实施方式对本发明作进一步的说明。
为解决上述的技术问题，本发明采用的技术方案是一种基于支持向量机和K均值聚类的室内定位方法，包括以下的步骤：
S1、在定位区域内均匀选取若干个参考点，每个参考点采集RSSI样本，并与参考点位置坐标组成一个指纹，所有指纹构成指纹库。
S2、对S1生成的指纹库采用K均值聚类算法，将整个大范围的定位区域自动划分为若干小范围的定位子区域。
S3、在S2中得到的每一个定位子区域中采用SVM算法，对每一个定位子区域构建定位子模型。
S4、在每一个定位子区域中，计算该子区域内所有RSSI信号的平均值，并用该平均值代表该子区域的聚类中心；
S5、计算实时RSSI信号与所有子区域的聚类中心的欧氏距离，确定最近的一个子区域，然后再利用S3中构建出来的定位模型中实现精确定位。
Claims (4)
1.一种基于SVM和K均值聚类的室内定位方法，其特征在于，采用SVM(支持向量机)与K均值聚类相结合的算法实现室内定位，其具体的步骤如下：
S1、在定位区域内均匀选取若干参考点，每个参考点采集RSSI信号，并与参考点位置坐标组成一个指纹，所有指纹构成一个指纹库；
S2、对S1生成的指纹库采用K均值聚类算法，将整个大范围的定位区域自动划分为若干小范围的定位子区域；
S3、在S2中得到的每一个定位子区域中采用SVM算法，对每一个定位子区域构建定位子模型；
S4、在每一个定位子区域中，计算该子区域内所有RSSI信号的平均值，并用该平均值代表该子区域的聚类中心；
S5、计算实时RSSI信号与所有子区域的聚类中心的欧氏距离，确定最近的一个子区域，然后再利用S3中构建出来的定位模型中实现精确定位。
2.根据权利要求1所述的SVM和K均值聚类的室内定位方法，其特征在于，利用K均值聚类算法把大范围的定位区域，自动划分成为小范围的定位子区域，具体步骤如下：
第一步，在定位区域均匀选取k个初始聚类中心，以尽可能实现按照物理位置空间的一致性进行聚类；
第二步，计算每个参考点的RSSI信号到k个聚类中心的欧氏距离；
第三步，将参考点分配到最近的聚类中心所在的子区域，重新计算各个聚类中心；
第四步，若各个聚类中心不再变化或者变化幅度小于设定的门限，则执行第五步，否则，执行第二步；
第五步，得到k个聚类中心，即k个定位子区域，以及每个定位子区域的参考点的RSSI信号集合。
3.根据权利要求1-2所述的SVM和K均值聚类的室内定位方法，其特征在于，定位模型的构建是基于K均值聚类算法自动划分的子区域，以解决在整个定位区域上，RSSI的统计特性与物理位置映射过于复杂的问题。
4.根据权利要求1所述的SVM和K均值聚类的室内定位方法，其特征在于，训练定位模型的算法采用SVM中的SVR(支持向量回归)，该算法可以直接得到欲定位目标的坐标位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510031014.4A CN104853434A (zh) | 2015-01-13 | 2015-01-13 | 一种基于svm和k均值聚类的室内定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510031014.4A CN104853434A (zh) | 2015-01-13 | 2015-01-13 | 一种基于svm和k均值聚类的室内定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104853434A true CN104853434A (zh) | 2015-08-19 |
Family
ID=53852702
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510031014.4A Pending CN104853434A (zh) | 2015-01-13 | 2015-01-13 | 一种基于svm和k均值聚类的室内定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104853434A (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105682048A (zh) * | 2016-03-16 | 2016-06-15 | 重庆邮电大学 | 蜂窝网环境下基于pca的子空间匹配室内指纹定位方法 |
| CN106028446A (zh) * | 2016-07-15 | 2016-10-12 | 西华大学 | 室内停车场定位方法 |
| CN106162529A (zh) * | 2016-07-08 | 2016-11-23 | 北京邮电大学 | 室内定位方法与装置 |
| CN106162868A (zh) * | 2016-06-08 | 2016-11-23 | 南京理工大学 | 基于位置指纹的高效室内定位方法 |
| 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 |
| CN106535097A (zh) * | 2016-11-14 | 2017-03-22 | 安徽华米信息科技有限公司 | 室内定位方法、装置及服务器 |
| CN106612495A (zh) * | 2015-10-23 | 2017-05-03 | 北斗导航位置服务（北京）有限公司 | 一种基于传播损耗学习的室内定位方法及系统 |
| CN106686547A (zh) * | 2016-12-23 | 2017-05-17 | 南京邮电大学 | 一种基于区域划分和网络拓扑的室内指纹定位改进方法 |
| CN106792524A (zh) * | 2016-12-12 | 2017-05-31 | 太原理工大学 | 一种基于动态环境双向校正的混合室内定位系统算法 |
| CN106851553A (zh) * | 2016-09-30 | 2017-06-13 | 广州丰石科技有限公司 | 根据软采信令的自适应指纹定位方法 |
| CN106845522A (zh) * | 2016-12-26 | 2017-06-13 | 华北理工大学 | 一种冶金成球过程中的分类判别系统 |
| CN107360548A (zh) * | 2017-08-21 | 2017-11-17 | 山东师范大学 | 基于rfid的室内物品定位方法和系统 |
| CN107607118A (zh) * | 2017-08-10 | 2018-01-19 | 浙江科技学院 | 一种室内停车场的车辆定位方法 |
| CN107655478A (zh) * | 2017-08-25 | 2018-02-02 | 中山大学深圳研究院 | 基于svm‑knn的室内定位方法 |
| CN107819513A (zh) * | 2017-11-01 | 2018-03-20 | 苏州大学 | 用于64‑qam相干光传输系统的缓和光纤非线性方法 |
| CN107885208A (zh) * | 2017-11-10 | 2018-04-06 | 广东工业大学 | 一种机器人定位方法、系统及机器人 |
| CN108924756A (zh) * | 2018-06-30 | 2018-11-30 | 天津大学 | 基于WiFi双频带的室内定位方法 |
| CN109447133A (zh) * | 2018-10-11 | 2019-03-08 | 东南大学 | 一种基于svr算法的位置信息野值的剔除方法 |
| CN110049549A (zh) * | 2019-01-29 | 2019-07-23 | 上海无线通信研究中心 | 基于WiFi指纹的多融合室内定位方法及其系统 |
| CN110084728A (zh) * | 2019-04-08 | 2019-08-02 | 山东瀚岳智能科技股份有限公司 | 一种基于无线定位的监所服刑人员与物品匹配方法及系统 |
| CN110084336A (zh) * | 2019-04-08 | 2019-08-02 | 山东瀚岳智能科技股份有限公司 | 一种基于无线定位的监所物品管理系统和方法 |
| CN110300372A (zh) * | 2019-07-11 | 2019-10-01 | 桂林电子科技大学 | 一种基于位置指纹的wifi室内定位方法 |
| CN112985400A (zh) * | 2021-01-29 | 2021-06-18 | 宁夏荣光电节能科技实业有限公司 | 一种三维定位方法及三维定位装置 |
Citations (5)
| 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 |
| CN102480677A (zh) * | 2010-11-24 | 2012-05-30 | 中国移动通信集团公司 | 一种指纹定位误差的确定方法和设备 |
| CN102932738A (zh) * | 2012-10-31 | 2013-02-13 | 北京交通大学 | 一种改进的基于分簇神经网络的室内指纹定位方法 |
| CN103702416A (zh) * | 2013-12-24 | 2014-04-02 | 北京交通大学 | 基于支持向量机的半监督学习室内定位方法 |
| CN104185275A (zh) * | 2014-09-10 | 2014-12-03 | 北京航空航天大学 | 一种基于wlan的室内定位方法 |
-
2015
- 2015-01-13 CN CN201510031014.4A patent/CN104853434A/zh active Pending
Patent Citations (5)
| 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 |
| CN102480677A (zh) * | 2010-11-24 | 2012-05-30 | 中国移动通信集团公司 | 一种指纹定位误差的确定方法和设备 |
| CN102932738A (zh) * | 2012-10-31 | 2013-02-13 | 北京交通大学 | 一种改进的基于分簇神经网络的室内指纹定位方法 |
| CN103702416A (zh) * | 2013-12-24 | 2014-04-02 | 北京交通大学 | 基于支持向量机的半监督学习室内定位方法 |
| CN104185275A (zh) * | 2014-09-10 | 2014-12-03 | 北京航空航天大学 | 一种基于wlan的室内定位方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘莎莉 等: "基于压缩感知信号重构的wifi室内定位算法研究", 《激光杂志 2014年09期》 * |
| 邓志安: "基于学习算法的WLAN室内定位技术研究", 《中国优秀博士学位论文全文数据库 信息科技辑 2014年第04期》 * |
Cited By (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106612495A (zh) * | 2015-10-23 | 2017-05-03 | 北斗导航位置服务（北京）有限公司 | 一种基于传播损耗学习的室内定位方法及系统 |
| CN106612495B (zh) * | 2015-10-23 | 2019-10-25 | 北斗导航位置服务（北京）有限公司 | 一种基于传播损耗学习的室内定位方法及系统 |
| CN105682048B (zh) * | 2016-03-16 | 2018-09-18 | 重庆邮电大学 | 蜂窝网环境下基于pca的子空间匹配室内指纹定位方法 |
| CN105682048A (zh) * | 2016-03-16 | 2016-06-15 | 重庆邮电大学 | 蜂窝网环境下基于pca的子空间匹配室内指纹定位方法 |
| CN106162868A (zh) * | 2016-06-08 | 2016-11-23 | 南京理工大学 | 基于位置指纹的高效室内定位方法 |
| CN106162529A (zh) * | 2016-07-08 | 2016-11-23 | 北京邮电大学 | 室内定位方法与装置 |
| CN106028446A (zh) * | 2016-07-15 | 2016-10-12 | 西华大学 | 室内停车场定位方法 |
| CN106028446B (zh) * | 2016-07-15 | 2019-04-02 | 西华大学 | 室内停车场定位方法 |
| 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 |
| CN106851553A (zh) * | 2016-09-30 | 2017-06-13 | 广州丰石科技有限公司 | 根据软采信令的自适应指纹定位方法 |
| CN106535097A (zh) * | 2016-11-14 | 2017-03-22 | 安徽华米信息科技有限公司 | 室内定位方法、装置及服务器 |
| CN106535097B (zh) * | 2016-11-14 | 2019-11-08 | 安徽华米信息科技有限公司 | 室内定位方法、装置及服务器 |
| CN106792524A (zh) * | 2016-12-12 | 2017-05-31 | 太原理工大学 | 一种基于动态环境双向校正的混合室内定位系统算法 |
| CN106792524B (zh) * | 2016-12-12 | 2019-11-22 | 太原理工大学 | 一种基于动态环境双向校正的混合室内定位方法 |
| CN106686547A (zh) * | 2016-12-23 | 2017-05-17 | 南京邮电大学 | 一种基于区域划分和网络拓扑的室内指纹定位改进方法 |
| CN106845522A (zh) * | 2016-12-26 | 2017-06-13 | 华北理工大学 | 一种冶金成球过程中的分类判别系统 |
| CN107607118A (zh) * | 2017-08-10 | 2018-01-19 | 浙江科技学院 | 一种室内停车场的车辆定位方法 |
| CN107607118B (zh) * | 2017-08-10 | 2020-11-20 | 浙江科技学院 | 一种室内停车场的车辆定位方法 |
| CN107360548A (zh) * | 2017-08-21 | 2017-11-17 | 山东师范大学 | 基于rfid的室内物品定位方法和系统 |
| CN107655478A (zh) * | 2017-08-25 | 2018-02-02 | 中山大学深圳研究院 | 基于svm‑knn的室内定位方法 |
| CN107819513A (zh) * | 2017-11-01 | 2018-03-20 | 苏州大学 | 用于64‑qam相干光传输系统的缓和光纤非线性方法 |
| CN107819513B (zh) * | 2017-11-01 | 2019-07-05 | 苏州大学 | 用于64-qam相干光传输系统的缓和光纤非线性方法 |
| CN107885208A (zh) * | 2017-11-10 | 2018-04-06 | 广东工业大学 | 一种机器人定位方法、系统及机器人 |
| CN108924756A (zh) * | 2018-06-30 | 2018-11-30 | 天津大学 | 基于WiFi双频带的室内定位方法 |
| CN108924756B (zh) * | 2018-06-30 | 2020-08-18 | 天津大学 | 基于WiFi双频带的室内定位方法 |
| CN109447133A (zh) * | 2018-10-11 | 2019-03-08 | 东南大学 | 一种基于svr算法的位置信息野值的剔除方法 |
| CN109447133B (zh) * | 2018-10-11 | 2021-09-24 | 东南大学 | 一种基于svr算法的位置信息野值的剔除方法 |
| CN110049549A (zh) * | 2019-01-29 | 2019-07-23 | 上海无线通信研究中心 | 基于WiFi指纹的多融合室内定位方法及其系统 |
| CN110084336A (zh) * | 2019-04-08 | 2019-08-02 | 山东瀚岳智能科技股份有限公司 | 一种基于无线定位的监所物品管理系统和方法 |
| CN110084728A (zh) * | 2019-04-08 | 2019-08-02 | 山东瀚岳智能科技股份有限公司 | 一种基于无线定位的监所服刑人员与物品匹配方法及系统 |
| CN110084728B (zh) * | 2019-04-08 | 2023-07-14 | 山东瀚岳智能科技股份有限公司 | 一种基于无线定位的监所服刑人员与物品匹配方法及系统 |
| CN110300372A (zh) * | 2019-07-11 | 2019-10-01 | 桂林电子科技大学 | 一种基于位置指纹的wifi室内定位方法 |
| CN112985400A (zh) * | 2021-01-29 | 2021-06-18 | 宁夏荣光电节能科技实业有限公司 | 一种三维定位方法及三维定位装置 |
| CN112985400B (zh) * | 2021-01-29 | 2022-09-27 | 宁夏荣光电节能科技实业有限公司 | 一种三维定位方法及三维定位装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104853434A (zh) | 一种基于svm和k均值聚类的室内定位方法 | |
| CN107371129B (zh) | 基于高度辅助修正的室内定位的tdoa定位方法 | |
| CN109444813B (zh) | 一种基于bp和dnn双神经网络的rfid室内定位方法 | |
| CN111948602A (zh) | 基于改进Taylor级数的二维UWB室内定位方法 | |
| CN105813194B (zh) | 基于指纹数据库二次校正的室内定位方法 | |
| CN106441311B (zh) | 一种基于激光成像雷达的非合作航天器相对位姿测量方法 | |
| CN104038901B (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
| CN107392875A (zh) | 一种基于k近邻域划分的点云数据去噪方法 | |
| CN103220777A (zh) | 一种移动设备定位系统 | |
| CN107703480A (zh) | 基于机器学习的混合核函数室内定位方法 | |
| CN109511085B (zh) | 一种基于MeanShift和加权k近邻算法的UWB指纹定位方法 | |
| CN106612495B (zh) | 一种基于传播损耗学习的室内定位方法及系统 | |
| CN104619014A (zh) | 一种基于svm-knn的室内定位方法 | |
| CN103278126B (zh) | 一种基于最小区域的零件球度误差评定方法 | |
| CN106646453A (zh) | 一种基于预测值量测转换的多普勒雷达目标跟踪方法 | |
| CN108627798A (zh) | 基于线性判别分析和梯度提升树的wlan室内定位算法 | |
| CN110187333B (zh) | 一种基于合成孔径雷达技术的rfid标签定位方法 | |
| CN101561495A (zh) | 一种无线传感器网络节点三维定位方法 | |
| CN101216546B (zh) | 一种无线传感器网络目标定位的位置估计方法 | |
| CN109661030A (zh) | 无线传感器网络中基于动态网格的未知目标定位算法 | |
| CN104507097A (zh) | 一种基于WiFi位置指纹的半监督训练方法 | |
| CN103888979B (zh) | 一种基于无线局域网的室内定位方法 | |
| CN111157943A (zh) | 在异步网络中基于toa的传感器位置误差抑制方法 | |
| CN108871365A (zh) | 一种航向约束下的状态估计方法及系统 | |
| CN103096465A (zh) | 一种环境自适应的多目标直接定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| CB03 | Change of inventor or designer information |
Inventor after: Tang Chengpei Inventor after: Sun Qiang Inventor after: Tan Dukang Inventor after: Li Jie Inventor after: Yan Jin Inventor after: Ye Haowen Inventor after: Yang Nian Inventor after: Xin Yue Inventor after: Zhang Ming Inventor after: Liu Youning Inventor after: Zou Jun Inventor after: Sun Hui Inventor after: Yang Wei Inventor before: Tang Chengpei Inventor before: Xin Yue Inventor before: Zhang Ming Inventor before: Liu Youning Inventor before: Tan Dukang |
|
| COR | Change of bibliographic data | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20151211 Address after: 510275 Xingang West Road, Guangdong, China, No. 135, No. Applicant after: Sun Yat-sen University Applicant after: China Construction Fourth Engineering Bureau Ltd. Applicant after: The First Construction Engineering Company of China Construction No.3 Bureau Applicant after: GUANGZHOU WUWEI INFORMATION TECHNOLOGY CO., LTD. Address before: 510275 Xingang West Road, Guangdong, China, No. 135, No. Applicant before: Sun Yat-sen University |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150819 |