CN105898866A - 一种WiFi室内定位中指纹库的构建方法 - Google Patents
一种WiFi室内定位中指纹库的构建方法 Download PDFInfo
- Publication number
- CN105898866A CN105898866A CN201610443881.3A CN201610443881A CN105898866A CN 105898866 A CN105898866 A CN 105898866A CN 201610443881 A CN201610443881 A CN 201610443881A CN 105898866 A CN105898866 A CN 105898866A
- Authority
- CN
- China
- Prior art keywords
- reference point
- signal intensity
- router
- rss
- jth
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Abstract
本发明公开了一种WiFi室内定位中指纹库的构建方法,其特征是按如下步骤进行:1采集WiFi室内定位区域一个参考点的信号强度时间序列;2利用相空间重构理论对信号强度时间序列进行相空间重构提取信号特性;3根据已提取的信号特征采集其他参考点的信号强度;4利用已采集参考点信号强度预测未采样参考点信号强度。本发明能利用相空间重构理论减少采样数据的冗余度,利用预测未采样参考点信号强度的方法减少信号采样强度,从而达到快速构建WiFi室内定位中指纹库的目的。
Description
技术领域
本发明涉及室内定位领域,具体涉及一种WiFi室内定位中指纹库的构建方法。
背景技术:
随着移动互联网技术的快速发展,基于位置的服务需求与应用越来越广泛的应用于生活当中。以智能终端为平台,基于WLAN的室内定位系统是近年来的一个研究热点,其具有操作简单,成本低等特点。目前对室内定位系统的研究,主要集中在离线阶段指纹库的构建和在线阶段实施定位两个方面。如何高效地建立并维护指纹库是室内定位一个重要的研究点。由于室内环境复杂,同一位置接收到的信号强度具有不稳定性和时变性,而且信号采集也是一个人工与时间成本都很高的过程,所以,研究一种高效准确的指纹库构建方法很有必要。
发明内容
本发明为解决上述现有技术中存在的不足之处,提供的一种WiFi室内定位中指纹库的构建方法,以期能利用相空间重构理论减少采样数据的冗余度,利用预测未采样参考点位置信号强度的方法减少信号采样强度,从而达到快速构建WiFi室内定位中的指纹库的目的。
为了达到上述目的,本发明所采用的技术方案为:
本发明一种WiFi室内定位中指纹库的构建方法的特点是按如下步骤进行:
步骤1:以室内区域的外接矩形所包括的整个区域作为WiFi室内定位区域,以外接矩形的任意顶点为原点o,与原点相邻两条边分别为x轴和y轴,建立直角坐标系oxy;
将WiFi室内定位区域均匀划分为d个网格,以每个网格的中心点作为参考点,从而形成参考点集合,记为RP={RP1,RP2,…,RPi,…,RPd},RPi表示第i个网格内的参考点;1≤i≤d;
在所述WiFi室内定位区域设置有n个路由器,记为AP={AP1,AP2,…,APj,…,APn},APj表示第j个路由器;1≤j≤n;
第i个参考点RPi在一段时间内按照采样速率v连续采集第j个路由器APj发送的K个信号强度;从而构成第i个参考点RPi采集第j个路由器APj的信号强度时间序列 表示第i个参考点RPi接收第j个路由器APj发送的第k个信号强度;1≤k≤K;
步骤2:用C-C法确定所述信号强度时间序列RSSij重构相空间的时间延迟τ和嵌入维数m;
步骤3:以时间延迟τ和嵌入维数m对所述信号强度时间序列RSSij进行相空间重构,获得第i个参考点RPi采集第j个路由器APj信号强度时间序列的相空间,记为 表示第i个参考点RPi采集第j个路由器APj信号强度时间序列的相空间中第K-(m-1)τ个相点;并有:
表示第i个参考点RPi接收第j个路由器APj发送的第(m-1)vτ+1个信号强度;
以所述相空间RSS′ij作为样本相空间;
步骤4:初始化j=1;
步骤5:从所述样本相空间中第j次选取前Q个相点,记为 表示所述样本相空间中第i个参考点RPi第j次选取的第q个相点;1≤Q≤K-(m-1)τ;将第j次选取的Q个相点所包含的信号强度作为第i个参考点RPi采集第j个路由器APj的信号强度集合并保存在指纹库中;
步骤6:将j+1赋值给j,并判断j>n是否成立,若成立,则获得第i个参考点RPi采集n个路由器的信号强度集合,并执行步骤7,否则,返回步骤5执行;
步骤7:初始化j=1;
步骤8:从所述第i个参考点RPi以外的d-1个参考点中选取个参考点,记为RP′={RP′1,RP′2,…,RP′c,…,RP′C};RP′c表示所抽取的第c个参考点;
步骤9:初始化c=1;
步骤10:第c个参考点RP′c在一段时间内按照采样速率v连续采集第j个路由器APj发送的样本相空间中前Q个相点所包含的信号强度;从而构成第c个参考点RP′c采集第j个路由器APj的信号强度时间序列
步骤11:将j+1赋值给j,并判断j>n是否成立,若成立,则表示获得所述第c个参考点RP′c采集n个路由器的信号强度集合并保存在指纹库中,并执行步骤12,否则,返回步骤10执行;
步骤12:将c+1赋值给c,并判断c>C是否成立,若成立,则表示获得C个参考点采集n个路由器的信号强度集合,并执行步骤13,否则,返回步骤10执行;
步骤13:初始化w=1;
步骤14:初始化j=1;
步骤15:对所述WiFi室内定位区域中剩余的W=d-(C+1)个未采样参考点中第w个未采样参考点采集第j个路由器APj的信号强度进行预测,获得第w个未采样参考点处的信号强度预测值PRsswj;
步骤16:将j+1赋值给j,并判断j>n是否成立,若成立,则表示获得所述第w个未采样参考点采集n个路由器的信号强度预测值集合PRSSw并保存在指纹库中,并执行步骤17,否则,返回步骤15执行;
步骤17:将w+1赋值给w,并判断w>W是否成立,若成立,则表示获得W个未采样参考点采集n个路由器的信号强度预测值集合PRSS={PRSS1,…,PRSSw,…,PRSSW},并执行步骤18,否则,返回步骤14执行;
步骤18:由第i个参考点RPi的信号强度集合、C个参考点的信号强度集合和W个未采样参考点的信号强度预测值集合PRSS共同构建指纹库。
本发明所述的WiFi室内定位中指纹库的构建方法的特点也在于,所述步骤15是按如下步骤进行:
步骤15.1:利用式(1)获得第i个参考点RPi采集第j个路由器APj信号强度集合的平均值
步骤15.2:利用式(2)获得C个参考点RP′={RP′1,RP′2,…,RP′c,…,RP′C}中第c个参考点采集第j个路由器APj信号强度集合的平均值从而获得C个参考点采集第j个路由器APj信号强度集合的平均值
步骤15.3:从第i个参考点RPi与C个参考点RP′中选取与所述剩余的W=d-(C+1)个未采样参考点中第w个未采样参考点邻近的L个参考点;记L个参考点的信号强度为 是第l个参考点的信号强度集合的平均值;
步骤15.4:令Y=Xβ+ε;X为L个参考点位置坐标组成的多项式矩阵其中X是L×6的多项式矩阵;其中xl代表第l个参考点在直角坐标系oxy中的横坐标;yl代表第l个参考点在直角坐标系oxy中的纵坐标;β为多项式矩阵X的系数;ε为L个参考点信号强度的残余量所组成的矩阵,且ε=[ε1j,…,εlj,…,εLj]T;εlj表示第l个参考点与第j个路由器的信号强度的残余量;
步骤15.5:利用式(3)获得矩阵ε:
ε≈(I-X(XTX)-1XT)Y (3)
步骤15.6:令矩阵ε中第l个参考点与第j个路由器的信号强度的残余量εlj与第l个参考点与第j个路由器的信号强度的残余量εrj的关系函数为σlr=f(hlr);hlr表示残余量εlj所属参考点与残余量εrj所属参考点之间的欧式距离;则矩阵ε中L个参考点的关系函数矩阵为
步骤15.7:利用式(4)获得多项式矩阵X的系数β:
β=(X'S-1X)-1X'S-1Y (4)
步骤15.8:记第w个未采样参考点的位置坐标为(xw,yw);记第w个未采样参考点与L个参考点组成关系函数矩阵为S(xw,yw)=[σ1w,σ2w,…,σLw]T;
步骤15.9:利用式(5)获得第w个未采样参考点采集第j个路由器APj的信号强度预测值PRsswj;
与现有技术相比,本发明的有益效果体现在:
1、本发明利用已采样参考点的信号强度预测未采样参考点的信号强度,在构建WiFi室内定位中的指纹库的过程中大大降低了信号采集强度,从而能快速构建指纹库。
2、本发明首次利用相空间重构理论对室内RSSI信号进行特征提取,降低了RSSI数据冗余度。在保证特征提取后的RSSI数据能表征参考点信号强度特征的前提下大大降低了信号采样强度。
3、本发明利用相邻参考点信强度的相关性,建立已采样参考点之间的相关函数和待预测参考点与已采样参考点之间的相关函数,通过距离待预测参考点最近的几个已采样参考点预测待预测参考点的信号强度,较为准确的预测出未采样参考点的信号强度。
附图说明
图1为本发明方法的流程图;
图2为本发明实例中实验室定位区域参考点分布图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本实施例中,一种WiFi室内定位中指纹库的构建方法;如图1所示,包括:1采集WiFi室内定位区域一个参考点的信号强度时间序列;2利用相空间重构理论对信号强度时间序列进行相空间重构提取信号特性;3根据已提取的信号特征采集其他参考点的信号强度;4利用已采集参考点信号强度预测未采样参考点信号强度,具体的说是按如下步骤进行:
步骤1:以室内区域的外接矩形所包括的整个区域作为WiFi室内定位区域,以外接矩形的任意顶点为原点o,与原点相邻两条边分别为x轴和y轴,建立直角坐标系oxy;在具体建立坐标系的过程中,使定位区域位于坐标系oxy的第一象限。
将WiFi室内定位区域均匀划分为d个网格,以每个网格的中心点作为参考点,从而形成参考点集合,记为RP={RP1,RP2,…,RPi,…,RPd},RPi表示第i个网格内的参考点;1≤i≤d;本实施例中,如图2所示,实际定位环境为作者所处的实验室,d的值定为12。每行相邻参考点的间距是2米,相邻两列参考点的间距也是2米。
在WiFi室内定位区域设置有n个路由器,记为AP={AP1,AP2,…,APj,…,APn},APj表示第j个路由器;1≤j≤n;本实施例中,n的值定为4。如图2所示,将4个AP放置于室内区域中。
第i个参考点RPi在一段时间内按照采样速率v连续采集第j个路由器APj发送的K个信号强度;从而构成第i个参考点RPi采集第j个路由器APj的信号强度时间序列 表示第i个参考点RPi接收第j个路由器APj发送的第k个信号强度;1≤k≤K;本实施例中,K的值定为500,采样速率v定为1秒采集一次。如图1所示,我们以1秒采集一次的速率采集参考点RP1处接收自AP1的500个信号强度值。实验室环境实测的500个信号强度值为(单位是dbm)
{-37,-33,-33,-32,-35,-40,-38,-33,-33,-37,-36,-40,-38,-33,-33,-37,-32,-35,-40,-38,-33,-34,-33,-37,-33,-37,-32,-33,-40,-38,-33,-33,-37,-35,-38,-20,-33,-34,-33,-37,-38,-33,-34,-32,-37,-32,-37,-36,-33,-32,-40,-38,-36,-41,……,-36,-33,-33,-36,-32,-33,-37,-36,-40,-38,-33,-33,-31,-32,-35,-38,-33,-34,-32,-37,-33,-37,-37,-40,-38,-40,-38,-33,-34,-32,-37,-32,-37,-32,-35,-35,-40,-38,-33,-34,-33,-37,-37,-34,-32,-40,-38,-35,-31,-37,-40,-38,-33,-32,-34,-33,-37,-38,-36,-41,-38,-31,-33,-31,-33}
步骤2:用C-C法确定信号强度时间序列RSSij重构相空间的时间延迟τ和嵌入维数m;在本实例中,根据C-C法求得时间序列的嵌入维数m=5,时间延迟τ=10。
步骤3:以时间延迟τ和嵌入维数m对信号强度时间序列RSSij进行相空间重构,获得第i个参考点RPi采集第j个路由器APj信号强度时间序列的相空间,记为 表示第i个参考点RPi采集第j个路由器APj信号强度时间序列的相空间中第K-(m-1)τ个相点;并有:
表示第i个参考点RPi接收第j个路由器APj发送的第(m-1)vτ+1个信号强度;
以相空间RSSi′j作为样本相空间;本实施例中,参考点RP1处500个信号强度值的重构相空间为
步骤4:初始化j=1;
步骤5:从所述样本相空间中第j次选取前Q个相点,记为 表示所述样本相空间中第i个参考点RPi第j次选取第q个相点;1≤Q≤K-(m-1)τ;将第j次选取的Q个相点所包含的信号强度作为第i个参考点RPi采集第j个路由器APj的信号强度集合并保存在指纹库中;本实施例中,Q的值定为6。
步骤6:将j+1赋值给j,并判断j>n是否成立,若成立,则获得第i个参考点RPi采集n个路由器的信号强度集合,并执行步骤7,否则,返回步骤5执行;
步骤7:初始化j=1;
步骤8:从所述第i个参考点RPi以外的d-1个参考点中选取个参考点,记为RP′={RP′1,RP′2,…,RP′c,…,RP′C};RP′c表示所抽取的第c个参考点;本实施例中,如图2所示,C的值定为7,C个参考点选取的是RP2,RP4,RP5,RP7,RP9,RP11,RP12。
步骤9:初始化c=1;
步骤10:第c个参考点RP′c在一段时间内按照采样速率v连续采集第j个路由器APj发送的样本相空间中前Q个相点所包含的信号强度;从而构成第c个参考点RP′c采集第j个路由器APj的信号强度时间序列本实施例中,以1秒每次的速度连续采集第c个参考点RP′c第j个路由器APj发送的前30个信号强度。
步骤11:将j+1赋值给j,并判断j>n是否成立,若成立,则表示获得所述第c个参考点RP′c采集n个路由器的信号强度集合,并执行步骤12,否则,返回步骤10执行;
步骤12:将c+1赋值给c,并判断c>C是否成立,若成立,则表示获得C个参考点采集n个路由器的信号强度集合,并执行步骤13,否则,返回步骤10执行;
步骤13:初始化w=1;
步骤14:初始化j=1;
步骤15:对所述WiFi室内定位区域中剩余的W=d-(C+1)个未采样参考点中第w个未采样参考点采集第j个路由器APj的信号强度进行预测,获得第w个未采样参考点处的信号强度预测值PRsswj;
步骤15.1:利用式(1)获得第i个参考点RPi采集第j个路由器APj信号强度集合的平均值
本实施例中,RPi是图2中的RP1。通过式(1)求得RP1的信号强度均值为-35。
步骤15.2:利用式(2)获得C个参考点RP′={RP′1,RP′2,…,RP′c,…,RP′C}中第c个参考点采集第j个路由器APj信号强度集合的平均值从而获得C个参考点采集第j个路由器APj信号强度集合的平均值
本实施例中,RP′={RP′1,RP′2,…,RP′c,…,RP′C}是图2中的RP2,RP4,RP5,RP7,RP9,RP11,RP12。
根据实验室环境实测值分别测出RP2,RP4,RP5,RP7,RP9,RP11,RP12参考点的信号强度均值。
步骤15.3:从第i个参考点RPi与C个参考点RP′中选取与所述剩余的W=d-(C+1)个未采样参考点中第w个未采样参考点邻近的L个参考点;记L个参考点的信号强度为 是第l个参考点的信号强度集合的平均值;本实施例中,L的值定为4。
步骤15.4:令Y=Xβ+ε;X为L个参考点位置坐标组成的多项式矩阵其中X是L×6的多项式矩阵;其中xl代表第l个参考点在直角坐标系oxy中的横坐标;yl代表第l个参考点在直角坐标系oxy中的纵坐标;β为多项式矩阵X的系数;ε为L个参考点信号强度的残余量所组成的矩阵,且ε=[ε1j,…,εlj,…,εLj]T;εlj表示第l个参考点与第j个路由器的信号强度的残余量;本实施例中,当w=1时,待预测参考点是图2中的RP3,与RP3邻近的点是4个参考RP1,RP2,RP4,RP7。多项式矩阵则由图2中RP1,RP2,RP4,RP74个参考点的坐标构成。
步骤15.5:利用式(3)获得矩阵ε:
ε≈(I-X(XTX)-1XT)Y (3)
步骤15.6:令矩阵ε中第l个参考点与第j个路由器的信号强度的残余量εlj与第l个参考点与第j个路由器的信号强度的残余量εrj的关系函数为σlr=f(hlr);hlr表示残余量εlj所属参考点与残余量εrj所属参考点之间的欧式距离;则矩阵ε中L个参考点的关系函数矩阵为本实施例中,
步骤15.7:利用式(4)获得多项式矩阵X的系数β:
β=(X'S-1X)-1X'S-1Y (4)
步骤15.8:记第w个未采样参考点的位置坐标为(xw,yw);记第w个未采样参考点与L个参考点组成关系函数矩阵为S(xw,yw)=[σ1w,σ2w,…,σLw]T;
步骤15.9:利用式(5)获得第w个未采样参考点采集第j个路由器APj的信号强度预测值PRsswj:
步骤16:将j+1赋值给j,并判断j>n是否成立,若成立,则表示获得所述第w个未采样参考点采集n个路由器的信号强度预测值集合PRSSw,并执行步骤17,否则,返回步骤15执行;
步骤17:将w+1赋值给w,并判断w>W是否成立,若成立,则表示获得W个未采样参考点采集n个路由器的信号强度预测值集合PRSS={PRSS1,…,PRSSw,…,PRSSW},并执行步骤18,否则,返回步骤14执行;
步骤18:由第i个参考点RPi的信号强度集合、C个参考点的信号强度集合和W个未采样参考点的信号强度预测值集合PRSS共同构建指纹库。
Claims (2)
1.一种WiFi室内定位中指纹库的构建方法,其特征是按如下步骤进行:
步骤1:以室内区域的外接矩形所包括的整个区域作为WiFi室内定位区域,以外接矩形的任意顶点为原点o,与原点相邻两条边分别为x轴和y轴,建立直角坐标系oxy;
将WiFi室内定位区域均匀划分为d个网格,以每个网格的中心点作为参考点,从而形成参考点集合,记为RP={RP1,RP2,…,RPi,…,RPd},RPi表示第i个网格内的参考点;1≤i≤d;
在所述WiFi室内定位区域设置有n个路由器,记为AP={AP1,AP2,…,APj,…,APn},APj表示第j个路由器;1≤j≤n;
第i个参考点RPi在一段时间内按照采样速率v连续采集第j个路由器APj发送的K个信号强度;从而构成第i个参考点RPi采集第j个路由器APj的信号强度时间序列 表示第i个参考点RPi接收第j个路由器APj发送的第k个信号强度;1≤k≤K;
步骤2:用C-C法确定所述信号强度时间序列RSSij重构相空间的时间延迟τ和嵌入维数m;
步骤3:以时间延迟τ和嵌入维数m对所述信号强度时间序列RSSij进行相空间重构,获得第i个参考点RPi采集第j个路由器APj信号强度时间序列的相空间,记为 表示第i个参考点RPi采集第j个路由器APj信号强度时间序列的相空间中第K-(m-1)τ个相点;并有:
……,
表示第i个参考点RPi接收第j个路由器APj发送的第(m-1)vτ+1个信号强度;
以所述相空间RSS′ij作为样本相空间;
步骤4:初始化j=1;
步骤5:从所述样本相空间中第j次选取前Q个相点,记为 表示所述样本相空间中第i个参考点RPi第j次选取的第q个相点;1≤Q≤K-(m-1)τ;将第j次选取的Q个相点所包含的信号强度作为第i个参考点RPi采集第j个路由器APj的信号强度集合并保存在指纹库中;
步骤6:将j+1赋值给j,并判断j>n是否成立,若成立,则获得第i个参考点RPi采集n个路由器的信号强度集合,并执行步骤7,否则,返回步骤5执行;
步骤7:初始化j=1;
步骤8:从所述第i个参考点RPi以外的d-1个参考点中选取个参考点,记为RP′={RP′1,RP′2,…,RP′c,…,RP′C};RP′c表示所抽取的第c个参考点;
步骤9:初始化c=1;
步骤10:第c个参考点RP′c在一段时间内按照采样速率v连续采集第j个路由器APj发送的样本相空间中前Q个相点所包含的信号强度;从而构成第c个参考点RP′c采集第j个路由器APj的信号强度时间序列
步骤11:将j+1赋值给j,并判断j>n是否成立,若成立,则表示获得所述第c个参考点RP′c采集n个路由器的信号强度集合并保存在指纹库中,并执行步骤12,否则,返回步骤10执行;
步骤12:将c+1赋值给c,并判断c>C是否成立,若成立,则表示获得C个参考点采集n个路由器的信号强度集合,并执行步骤13,否则,返回步骤10执行;
步骤13:初始化w=1;
步骤14:初始化j=1;
步骤15:对所述WiFi室内定位区域中剩余的W=d-(C+1)个未采样参考点中第w个未采样参考点采集第j个路由器APj的信号强度进行预测,获得第w个未采样参考点处的信号强度预测值PRsswj;
步骤16:将j+1赋值给j,并判断j>n是否成立,若成立,则表示获得所述第w个未采样参考点采集n个路由器的信号强度预测值集合PRSSw并保存在指纹库中,并执行步骤17,否则,返回步骤15执行;
步骤17:将w+1赋值给w,并判断w>W是否成立,若成立,则表示获得W个未采样参考点采集n个路由器的信号强度预测值集合PRSS={PRSS1,…,PRSSw,…,PRSSW},并执行步骤18,否则,返回步骤14执行;
步骤18:由第i个参考点RPi的信号强度集合、C个参考点的信号强度集合和W个未采样参考点的信号强度预测值集合PRSS共同构建指纹库。
2.根据权利要求1所述的WiFi室内定位中指纹库的构建方法,其特征是,所述步骤15是按如下步骤进行:
步骤15.1:利用式(1)获得第i个参考点RPi采集第j个路由器APj信号强度集合的平均值
步骤15.2:利用式(2)获得C个参考点RP′={RP1′,RP′2,…,RP′c,…,RP′C}中第c个参考点采集第j个路由器APj信号强度集合的平均值从而获得C个参考点采集第j个路由器APj信号强度集合的平均值
步骤15.3:从第i个参考点RPi与C个参考点RP′中选取与所述剩余的W=d-(C+1)个未采样参考点中第w个未采样参考点邻近的L个参考点;记L个参考点的信号强度为 是第l个参考点的信号强度集合的平均值;
步骤15.4:令Y=Xβ+ε;X为L个参考点位置坐标组成的多项式矩阵其中X是L×6的多项式矩阵;其中xl代表第l个参考点在直角坐标系oxy中的横坐标;yl代表第l个参考点在直角坐标系oxy中的纵坐标;β为多项式矩阵X的系数;ε为L个参考点信号强度的残余量所组成的矩阵,且ε=[ε1j,…,εlj,…,εLj]T;εlj表示第l个参考点与第j个路由器的信号强度的残余量;
步骤15.5:利用式(3)获得矩阵ε:
ε≈(I-X(XTX)-1XT)Y (3)
步骤15.6:令矩阵ε中第l个参考点与第j个路由器的信号强度的残余量εlj与第l个参考点与第j个路由器的信号强度的残余量εrj的关系函数为σlr=f(hlr);hlr表示残余量εlj所属参考点与残余量εrj所属参考点之间的欧式距离;则矩阵ε中L个参考点的关系函数矩阵为
步骤15.7:利用式(4)获得多项式矩阵X的系数β:
β=(X'S-1X)-1X'S-1Y (4)
步骤15.8:记第w个未采样参考点的位置坐标为(xw,yw);记第w个未采样参考点与L个参考点组成关系函数矩阵为S(xw,yw)=[σ1w,σ2w,…,σLw]T;
步骤15.9:利用式(5)获得第w个未采样参考点采集第j个路由器APj的信号强度预测值PRsswj;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610443881.3A CN105898866B (zh) | 2016-06-16 | 2016-06-16 | 一种WiFi室内定位中指纹库的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610443881.3A CN105898866B (zh) | 2016-06-16 | 2016-06-16 | 一种WiFi室内定位中指纹库的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105898866A true CN105898866A (zh) | 2016-08-24 |
CN105898866B CN105898866B (zh) | 2019-04-05 |
Family
ID=56730831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610443881.3A Active CN105898866B (zh) | 2016-06-16 | 2016-06-16 | 一种WiFi室内定位中指纹库的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105898866B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106507475A (zh) * | 2016-11-14 | 2017-03-15 | 华南理工大学 | 基于EKNN的室内区域WiFi定位方法及系统 |
CN107966151A (zh) * | 2017-11-22 | 2018-04-27 | 合肥工业大学 | 一种基于多传感器融合技术的室内行人航位推算方法 |
CN108882189A (zh) * | 2018-06-07 | 2018-11-23 | 福州大学 | 一种基于自适应杠杆抽样的WiFi室内定位方法 |
CN113556699A (zh) * | 2020-04-24 | 2021-10-26 | 北京沃东天骏信息技术有限公司 | 样本集构建、室内定位模型构建、室内定位方法和装置 |
CN114422379A (zh) * | 2022-01-20 | 2022-04-29 | 昕锐至成(江苏)光电科技有限公司 | 一种多平台设备无线组网的分析方法 |
CN114629602A (zh) * | 2022-05-17 | 2022-06-14 | 光谷技术有限公司 | 一种物联网数据的冗余度控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477523A (zh) * | 2008-11-24 | 2009-07-08 | 北京邮电大学 | 超大型指纹库的索引结构和检索方法 |
US20100106745A1 (en) * | 2008-10-23 | 2010-04-29 | Electronics And Telecommunications Research Institute | Method and apparatus for generating fingerprint database for wireless location |
CN104076327A (zh) * | 2014-07-15 | 2014-10-01 | 福建师范大学 | 基于搜索空间缩减的连续定位方法 |
CN104270816A (zh) * | 2014-10-14 | 2015-01-07 | 西北工业大学 | Led可见光室内定位系统的自适应动态指纹库构建方法 |
CN105277917A (zh) * | 2015-10-30 | 2016-01-27 | 湖南大学 | 一种基于反馈机制的动态指纹库室内定位方法 |
CN105338498A (zh) * | 2015-09-29 | 2016-02-17 | 北京航空航天大学 | 一种WiFi室内定位系统中指纹库的构建方法 |
-
2016
- 2016-06-16 CN CN201610443881.3A patent/CN105898866B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106745A1 (en) * | 2008-10-23 | 2010-04-29 | Electronics And Telecommunications Research Institute | Method and apparatus for generating fingerprint database for wireless location |
CN101477523A (zh) * | 2008-11-24 | 2009-07-08 | 北京邮电大学 | 超大型指纹库的索引结构和检索方法 |
CN104076327A (zh) * | 2014-07-15 | 2014-10-01 | 福建师范大学 | 基于搜索空间缩减的连续定位方法 |
CN104270816A (zh) * | 2014-10-14 | 2015-01-07 | 西北工业大学 | Led可见光室内定位系统的自适应动态指纹库构建方法 |
CN105338498A (zh) * | 2015-09-29 | 2016-02-17 | 北京航空航天大学 | 一种WiFi室内定位系统中指纹库的构建方法 |
CN105277917A (zh) * | 2015-10-30 | 2016-01-27 | 湖南大学 | 一种基于反馈机制的动态指纹库室内定位方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106507475A (zh) * | 2016-11-14 | 2017-03-15 | 华南理工大学 | 基于EKNN的室内区域WiFi定位方法及系统 |
CN106507475B (zh) * | 2016-11-14 | 2019-07-16 | 华南理工大学 | 基于EKNN的室内区域WiFi定位方法及系统 |
CN107966151A (zh) * | 2017-11-22 | 2018-04-27 | 合肥工业大学 | 一种基于多传感器融合技术的室内行人航位推算方法 |
CN108882189A (zh) * | 2018-06-07 | 2018-11-23 | 福州大学 | 一种基于自适应杠杆抽样的WiFi室内定位方法 |
CN108882189B (zh) * | 2018-06-07 | 2020-11-10 | 福州大学 | 一种基于自适应杠杆抽样的WiFi室内定位方法 |
CN113556699A (zh) * | 2020-04-24 | 2021-10-26 | 北京沃东天骏信息技术有限公司 | 样本集构建、室内定位模型构建、室内定位方法和装置 |
CN114422379A (zh) * | 2022-01-20 | 2022-04-29 | 昕锐至成(江苏)光电科技有限公司 | 一种多平台设备无线组网的分析方法 |
CN114422379B (zh) * | 2022-01-20 | 2023-02-28 | 昕锐至成(江苏)光电科技有限公司 | 一种多平台设备无线组网的分析方法 |
CN114629602A (zh) * | 2022-05-17 | 2022-06-14 | 光谷技术有限公司 | 一种物联网数据的冗余度控制方法 |
CN114629602B (zh) * | 2022-05-17 | 2022-07-19 | 光谷技术有限公司 | 一种物联网数据的冗余度控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105898866B (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105898866A (zh) | 一种WiFi室内定位中指纹库的构建方法 | |
CN104239556B (zh) | 基于密度聚类的自适应轨迹预测方法 | |
Yeh et al. | Entropy and kriging approach to rainfall network design | |
CN104038901B (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
CN106404620A (zh) | 地统计插值与卫星遥感联合反演地面pm2.5的方法及系统 | |
CN104936287A (zh) | 基于矩阵补全的传感网室内指纹定位方法 | |
CN103220777A (zh) | 一种移动设备定位系统 | |
CN103901398A (zh) | 一种基于组合排序分类的位置指纹定位方法 | |
Singer et al. | STORM 1.0: a simple, flexible, and parsimonious stochastic rainfall generator for simulating climate and climate change | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN105652235A (zh) | 基于线性回归算法的wlan室内定位多用户rss融合方法 | |
CN103455612B (zh) | 基于两阶段策略的非重叠与重叠网络社区检测方法 | |
CN106886564B (zh) | 一种基于空间聚类订正nwp风能图谱的方法及装置 | |
CN108154271A (zh) | 一种基于空间相关性和曲面拟合的地面气温质量控制方法 | |
CN107979817A (zh) | 一种移动终端二维指纹定位方法 | |
CN113189305A (zh) | 一种孔隙型可渗透岩石的仿真模拟方法及系统 | |
CN103258001A (zh) | 一种基于局部线性嵌入算法的射频地图无监督分类方法 | |
CN105488253A (zh) | 一种确定地面沉降和区域静载荷相关性的方法 | |
CN101873605A (zh) | 一种网络规划中自适应传播环境分类方法 | |
CN112235823A (zh) | 一种基于文化基因算法的三维空口测试探头选择方法 | |
CN110059972B (zh) | 基于泛函深度信念网络的日太阳辐射资源评估方法 | |
CN105513051B (zh) | 一种点云数据处理方法和设备 | |
CN105744485B (zh) | 基于传播模型的室内定位rss指纹库恢复方法 | |
CN104807973A (zh) | 基于同位素雨量效应的地下水面状潜在补给量测定方法 | |
CN105512941A (zh) | 一种水景观生态工程生态服务功能测定方法和评价方法 |
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 |