CN105916113A - 一种定位方法和装置 - Google Patents

一种定位方法和装置 Download PDF

Info

Publication number
CN105916113A
CN105916113A CN201610379466.6A CN201610379466A CN105916113A CN 105916113 A CN105916113 A CN 105916113A CN 201610379466 A CN201610379466 A CN 201610379466A CN 105916113 A CN105916113 A CN 105916113A
Authority
CN
China
Prior art keywords
grid
coarse
weight
coarse grid
thin
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
Application number
CN201610379466.6A
Other languages
English (en)
Other versions
CN105916113B (zh
Inventor
梁栋
刘淑伊
张兆静
吕浩然
曹馨月
鲁晨
禤睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201610379466.6A priority Critical patent/CN105916113B/zh
Publication of CN105916113A publication Critical patent/CN105916113A/zh
Application granted granted Critical
Publication of CN105916113B publication Critical patent/CN105916113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/021Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W64/00Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种定位方法和装置,技术方案为:预先对待定位区域进行一种细栅格化和K种粗栅格化并确定每种粗栅格化对应的权重;需要定位待定位区域内中待定位物体的位置时,对每种粗栅格化后的待定位区域中的待定位物体进行定位,根据定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的定位得分;统计各细栅格在K种粗栅格化下的定位得分总和,将定位得分总和最大的细栅格确定为待定位物体的定位结果。本发明能够减少计算定位结果时的计算量,提高定位效率。

Description

一种定位方法和装置
技术领域
本发明涉及无线通信系统中的无线定位技术领域,特别涉及一种定位方法和装置。
背景技术
实现定位目前有许多种方法,在宽阔、无遮挡、无障碍物的室外环境中,全球定位系统(GPS)、北斗卫星定位系统(BDS)和蜂窝网定位系统都可以提供满足各种精度需求的室外环境定位信息。然而在室内环境中,特别是在人流较密集的区域,如影剧场、医院、展览场馆、超市、学校、图书馆等地方,由于有物体遮挡,上述技术很难达到定位的理想效果。
在这种情况下,许多相关领域中的学术界和工程界等都对此开展了一系列广泛、深入的专门研究。目前,比较获得广泛认可的无线局域网(WLAN)室内定位方法被认为是当前最合适的一种定位技术,因为其所需要的接收信号强度RSS(Received Signal Strength)值较易获得,可以完全基于现有的WLAN基础设施和移动终端,就能够独立地实现定位,且成本低,适应的场合也相对广泛,还能满足大多数室内定位应用的精度需求,因此,这种方法已经成为室内定位技术的研究热点。
在WLAN室内定位技术中,目前比较受认可的是RSS指纹定位法。RSS指纹定位法是采集参考点位置的信号强度样本,再构建离线RSS指纹库,然后通过对样本中的指纹进行匹配来得出定位结果。
传统的指纹匹配采用的算法是将一个区域划分为形状大小相同的栅格,然后离线在每一个栅格上采集离线指纹。当在线定位时将自己手机收到的在线指纹与每一个离线指纹相匹配,计算欧氏距离,最后选出欧氏距离最短的点作为定位结果。
传统指纹匹配算法十分简单明了,但同时也存在着许多问题:如果定位目标区域大,栅格很多,就会导致目标离线指纹库数据量非常庞大,在线指纹与离线指纹一个一个匹配会导致计算量很大,计算速度与效率十分低下,计算出定位结果所需的时间很长,从而导致客户端响应速度很慢。
发明内容
有鉴于此,本发明的目的在于提供一种适用于室内定位的定位方法和装置,能够减少计算定位结果时的计算量,提高定位效率。
为了达到上述目的,本发明提供了如下技术方案:
一种定位方法,预先对待定位区域进行一种细栅格化和K种粗栅格化并确定每种粗栅格化对应的权重;该方法包括:
需要定位待定位区域内中待定位物体的位置时,对每种粗栅格化后的待定位区域中的待定位物体进行定位,并根据该种粗栅格化后待定位物体的定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的加权定位得分;
统计各细栅格在K种粗栅格化下的加权定位得分总和,将加权定位得分总和最大的细栅格确定为待定位物体的定位结果。
一种定位装置,该装置包括:栅格化单元、权重计算单元、定位单元、决策单元;
所述栅格化单元,用于预先对待定位区域进行一种细栅格化和K种粗栅格化;
所述权重计算单元,用于确定每种粗栅格化对应的权重;
所述定位单元,用于需要定位待定位物体在待定位区域内的位置时,对每种粗栅格化后的待定位区域中的待定位物体进行定位;
所述决策单元,用于根据定位单元对每种粗栅格化后待定位物体的定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的加权定位得分;用于统计各细栅格在K种粗栅格化下的加权定位得分总和,将加权定位得分总和最大的细栅格确定为待定位物体的定位结果。
由上面的技术方案可知,本发明中,通过对待定位区域进行多种粗栅格化并确定每种粗栅格化对应的权重;在对待定位区域中的待定位物体进行那个定位时,利用每种粗栅格化对应的权重和每种粗栅格化后待定位区域中待定位物体的定位结果计算各细栅格的加权定位得分总和,将加权定位得分总和最大的细栅格作为定位结果。由于粗栅格化得到的粗栅格数量远小于现有方案中细栅格化得到的细栅格数量,因此,相对于现有技术通过细栅格化对待定位物体进行定位的计算量,本发明中利用多种粗栅格化对待定位物体进行定位的计算量大幅减少,可以有效提高定位效率;而且,因为在定位过程中使用了多种粗栅格化,能够保证精度只在可接受范围内下降。
附图说明
图1是本发明实施例第一种粗栅格化示意图;
图2是本发明实施例第二种粗栅格化示意图;
图3是本发明实施例第三种粗栅格化示意图;
图4是本发明实施例定位方法流程图;
图5是本发明实施例定位装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图并据实施例,对本发明的技术方案进行详细说明。
本发明中,对待定位区域按照传统方式进行细栅格化,同时还以细栅格化为基础,对待定位区域进行多种粗栅格化,每种粗栅格化后得到的每个粗栅格都包括多个细栅格。通常情况下,粗栅格化得到的粗栅格数量要远小于细栅格化得到的细栅格数量。
对于每种粗栅格化,均计算确定该粗栅格化对应的权重,在进行定位计算时,对每种粗栅格化后的待定位区域进行定位,根据定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的定位得分;通过累加可以得到各细栅格在所有粗栅格化下的总定位得分,其中,总定位得分最小的细栅格即可被认定为最终定位结果。
在实际实现中,每种粗栅格化后得到的粗栅格数远远小于细栅格化得到的细栅格总数,因此,通过对待定位区域进行多种粗栅格化并据此对待定位区域进行定位的过程中,运算量会大幅减少;而且,通过利用多种粗栅格化进行定位,综合考虑了多种粗栅格化下的定位结果,因此,在运算量大幅减少的同时,仍然可以保证精度只在可接受范围内下降,这对于快速且准确的取得大范围的区域定位,特别是大范围的室内区域定位结果具有重要意义。
下面对本发明的实现过程进行详细说明:
首先,对待定位区域进行细栅格化,并采集各细栅格的离线指纹,此过程与现有技术相同,不再赘述。
其次,对待定位区域进行K种粗栅格化,计算确定每种粗栅格化后得到的各粗栅格的离线指纹,计算确定每种粗栅格化对应的权重。其中,K大于0。
K值由工作人员根据实际需求确定,例如,K=3,表明对待定位区域进行3种粗栅格化,具体如图1、图2、图3所示,分别示出了对待定位区域进行第一种、第二种、第三种粗栅格化后的效果图。其中,待定位区域中,以细线分割的多个栅格为细栅格,以粗线分割出的多个栅格为粗栅格。
在本发明中,粗栅格的离线指纹由其包含的细栅格的离线指纹决定,也即,基于细栅格化后各细栅格的离线指纹计算每种粗栅格化后各粗栅格的离线指纹,具体实现方法为:将各粗栅格包含的多个细栅格的离线指纹均值作为该粗栅格的离线指纹。
计算确定每种粗栅格化对应的权重的过程如下:
步骤S101、在待定位物体在待定位区域中的位置确定的情况下,对每种粗栅格化后的待定位区域中的待定位物体进行定位;
步骤S101的具体实现过程为:
采集待定位区域中待定位物体的在线指纹(待定位物体在待定位区域的位置确定,其在线指纹可以利用现有方法采集得到);
将待定位物体的在线指纹与每种粗栅格化后各粗栅格的离线指纹进行比较,计算欧式距离,最终可以得到待定位物体的在线指纹与该种粗栅格化后得到的每个粗栅格的离线指纹之间的欧式距离,如果有一个粗栅格,其离线指纹与待定位物体的在线指纹之间的欧式距离最小,则可以认定该粗栅格与待定位物体的位置最接近,因此,可以将该粗栅格作为待定位物体在该种粗栅格化下的定位结果。
步骤S102,根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重。
为了实现步骤S102,需要预先设置N个权重取值,所有粗栅格化,其对应的权重只能是N个权重取值中的一个,每种粗栅格化对应的权重取值都有K种可能,因此K种粗栅格化一共可以有NK种权重配置。
在每种权重配置下,如果某一个细栅格在K种粗栅格化下的加权定位得分总和最高,则说明该细栅格是定位结果,如果该定位结果与待定位物体实际所在位置之间偏离距离较小(小于预设偏离距离,可根据实际需求设定),则说明采用该种权重配置可以较为准确地定位待定位物体,根据此原理,可以预先为每种权重配置设置一个优选值,并初始化为0,然后通过计算每种权重配置下,每个细栅格在K种粗栅格化下的加权定位得分总和,将加权定位得分总和最高的细栅格与待定位物体的真实位置进行比较,如果偏离距离较小,则可以对该种权重配置对应的优选值增加预设值(例如1)。最终,可以得到每种权重配置的优选值。优选值越大的权重配置,则按照该种权重配置时,对待定位物体的定位结果越准确,因此,可以将该种权重配置下每种粗栅格化的权重作为该种粗栅格化对应的权重,并用于后续的在线定位过程中。
基于上述说明,可知步骤S102的具体实现方法如下:
针对每种粗栅格化,根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分;
针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和,如果加权定位得分总和最高的细栅格与待定位物体的真实位置之间的偏离距离小于预设偏离距离,则将该种权重配置的优选值增加一预设值(例如1);
确定优选值最大的一种权重配置,将该权重配置下每种粗栅格化的权重作为该种粗栅格化对应的权重。
在上述具体实现方法中,
根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分的具体方法如下:
若第w个细栅格包含于第i种粗栅格化后待定位物体的定位结果所指向的粗栅格中,则将第w个细栅格在第i种粗栅格化下的定位得分值设置为1,否则,将值设置为0;
针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和的方法为采用以下公式:
S w = Σ i = 1 K S w i = P w 1 × α 1 + ... ... + P w i × α i + ... ... + P w K × α K ;
其中,
Sw为该种权重配置下,第w个细栅格在K种粗栅格化下的加权定位得分总和;
是第w个粗栅格在第i种粗栅格化下的加权定位得分,
该种权重配置为:第1到第K种粗栅格化的权重分别为:α1、……、αi、……、αK;αi表示第i种粗栅格化对应的权重。
上述过程给出了一个具体的计算每种粗栅格化对应的权重的一种具体方法,然而,在实际应用中,只要遵循如下规律得到的每种粗栅格化对应的权重均可用于本发明:对于任意一种粗栅格化,如果其对待定位物体的定位结果与待定位物体的真实位置之间的偏差越大,则说明其误差较大,因此其对应的权重则越小,偏差越小则说明其误差较小,因此其对应的权重则应该越大;同时,还应该考虑该种粗栅格化的粒度,如果其粗栅格化的粒度较大,则其定位精准度越小,因此其对应的权重越小,粒度越小,则其定位精准度越大,因此,其对应的权重越大。
最后,利用每种粗栅格化对应的权重,执行对待定位区域中未知位置的待定位物体执行定位操作。
利用每种粗栅格化对应的权重,对待定位区域中未知位置的待定位物体执行定位操作过程如下:
步骤S201、对每种粗栅格化后的待定位区域中的待定位物体进行定位,根据定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的加权定位得分。
本步骤中,待定位物体的位置未知。
对每种粗栅格化后的待定位区域中的待定位物体进行定位的方法为:
采集待定位区域中待定位物体的在线指纹;
将待定位物体的在线指纹与该种粗栅格化后各粗栅格的离线指纹进行比较,计算欧式距离,最终可以得到待定位物体的在线指纹与该种粗栅格化后得到的每个粗栅格的离线指纹之间的欧式距离,如果有一个粗栅格,其离线指纹与待定位物体的在线指纹之间的欧式距离最小,则可以认定该粗栅格与待定位物体的位置最接近,因此,可以将该粗栅格作为待定位物体在该种粗栅格化下的定位结果。
根据定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的加权定位得分,具体计算方法为采用以下公式:
其中,是第w个细栅格在第i种粗栅格化下的加权定位得分;是第w个细栅格在第i种粗栅格化下的定位得分;αi是第i种粗栅格化对应的权重。
步骤202,统计各细栅格在K种粗栅格化下的加权定位得分总和,将加权定位得分总和最大的细栅格确定为待定位物体的定位结果。
如果某一细栅格,其在K种粗栅格化下的定位得分总和定位得分总和最大,则说明该粗栅格最接近于待定位物体,因此,可以将定位得分总和最大的细栅格确定为待定位物体的定位结果。
以上对本发明的实现过程进行详细说明,基于以上实现过程,本发明提供了一种定位方法和一种定位装置,下面结合图4、图5进行详细说明。
参加图4,图4是本发明实施例定位方法流程图,在该方法中,预先对待定位区域进行一种细栅格化和K种粗栅格化并确定每种粗栅格化对应的权重;对带定位区域中位置未知的待定位物体的定位过程包括以下步骤:
步骤401、需要定位待定位区域内中待定位物体的位置时,对每种粗栅格化后的待定位区域中的待定位物体进行定位,根据定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的加权定位得分;
步骤402、统计各细栅格在K种粗栅格化下的加权定位得分总和,将加权定位得分总和最大的细栅格确定为待定位物体的定位结果。
图4所示方法中,
确定每种粗栅格化对应的权重的方法为:
在待定位物体在待定位区域中的位置确定的情况下,对每种粗栅格化后的待定位区域中的待定位物体进行定位;
根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重。
图4所示方法中,
对待定位区域进行细栅格化后,进一步包括:采集细栅格化后各细栅格的离线指纹;
对待定位区域进行K种粗栅格化后,进一步包括:基于细栅格化后各细栅格的离线指纹计算每种粗栅格化后得到的各粗栅格的离线指纹;
对每种粗栅格化后的待定位区域中的待定位物体进行定位的方法为:采集待定位物体所在位置的在线指纹,计算该种粗栅格化后得到的各粗栅格的离线指纹和待定位物体所在位置的在线指纹的欧式距离,将欧式距离最小的粗栅格确定为待定位物体的定位结果。
图4所示方法中,
基于细栅格化后各细栅格的离线指纹计算每种粗栅格化后得到的各粗栅格的离线指纹的方法为:将各粗栅格包含的多个细栅格的离线指纹的均值作为该粗栅格的离线指纹。
图4所示方法中,
预先设定N个权重取值,则K种粗栅格化对应NK种权重配置;
根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重的方法为:
针对每种粗栅格化,根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分;
针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和,如果加权定位得分总和最高的细栅格与待定位物体的真实位置之间的偏差距离小于预设偏离距离,则将该种权重配置的优选值增加一预设值;
确定优选值最大的一种权重配置,将该权重配置下每种粗栅格化的权重作为该种粗栅格化对应的权重。
图4所示方法中,
根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分的方法为:
若第w个细栅格包含于第i种粗栅格化后待定位物体的定位结果所指向的粗栅格中,则将第w个细栅格在第i种粗栅格化下的定位得分值设置为1,否则,将值设置为0;
根据该种粗栅格化后待定位物体的定位结果和该种粗栅格化对应的权重确定各细栅格在该种粗栅格化下的加权定位得分的方法为采用以下公式:
其中,是第w个细栅格在第i种粗栅格化下的加权定位得分,αi是第i种粗栅格化对应的权重;
针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和的方法为采用以下公式:
其中,Sw为该种权重配置下,第w个细栅格在K种粗栅格化下的加权定位得分总和;该种权重配置为:第1到第K种粗栅格化下的权重分别为:α1、……、αi、……、αK
参见图5,图5是本发明实施例定位装置的结构示意图,如图5所示,该装置包括:栅格化单元501、权重计算单元502、定位单元503、决策单元504;其中,
栅格化单元501,用于预先对待定位区域进行一种细栅格化和K种粗栅格化;
权重计算单元502,用于确定每种粗栅格化对应的权重;
定位单元503,用于需要定位待定位物体在待定位区域内的位置时,对每种粗栅格化后的待定位区域中的待定位物体进行定位;
决策单元504,用于根据定位单元503对每种粗栅格化后待定位物体的定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的加权定位得分;用于统计各细栅格在K种粗栅格化下的加权定位得分总和,将加权定位得分总和最大的细栅格确定为待定位物体的定位结果。
图5所示装置中,
所述权重计算单元502,确定每种粗栅格化对应的权重时,用于:
在待定位物体在待定位区域中的位置确定的情况下,对每种粗栅格化后的待定位区域中的待定位物体进行定位;
根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重。
图5所示装置中,
所述栅格化单元501,对待定位区域进行细栅格化后,进一步用于:采集细栅格化后各细栅格的离线指纹;待定位区域进行K种粗栅格化后,进一步用于:基于细栅格化后各细栅格的离线指纹计算每种粗栅格化后得到的各粗栅格的离线指纹;
所述定位单元503,对每种粗栅格化后的待定位区域中的待定位物体进行定位时,用于:采集待定位物体所在位置的在线指纹,计算该种粗栅格化后得到的各粗栅格的离线指纹和待定位物体所在位置的在线指纹的欧式距离,将欧式距离最小的粗栅格确定为待定位物体的定位结果。
图5所示装置中,
所述栅格化单元501,基于细栅格化后各细栅格的离线指纹计算每种粗栅格化后得到的各粗栅格的离线指纹时,用于:将各粗栅格包含的多个细栅格的离线指纹的均值作为该粗栅格的离线指纹。
图5所示装置中,
该装置还包括配置单元505;
所述配置单元505用于预先设定N个权重取值,则K种粗栅格化对应NK种权重配置;
所述权重计算单元502根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重时,用于:
针对每种粗栅格化,根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分;
针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和,如果加权定位得分总和最高的细栅格与待定位物体的真实位置之间的偏差距离小于预设偏离距离,则将该种权重配置的优选值增加一预设值;
确定优选值最大的一种权重配置,将该权重配置下每种粗栅格化的权重作为该种粗栅格化对应的权重。
图5所示装置中,
所述权重计算单元502,根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分时,用于:
若第w个细栅格包含于第i种粗栅格化后待定位物体的定位结果所指向的粗栅格中,则将第w个细栅格在第i种粗栅格化下的定位得分值设置为1,否则,将值设置为0;
所述决策单元504,根据该种粗栅格化后待定位物体的定位结果和该种粗栅格化对应的权重确定各细栅格在该种粗栅格化下的加权定位得分时,用于采用以下公式:
其中,是第w个细栅格在第i种粗栅格化下的加权定位得分,αi是第i种粗栅格化对应的权重;
所述权重计算单元502,针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和时,用于采用以下公式:
其中,Sw为该种权重配置下,第w个细栅格在K种粗栅格化下的加权定位得分总和;该种权重配置为:第1到第K种粗栅格化下的权重分别为:α1、……、αi、……、αK
所述权重计算单元502根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重时,用于:计算每种粗栅格化后待定位物体的定位结果和待定位物体的真实位置之间的偏差距离,利用多元线性回归方法得到每种粗栅格化对应的权重。
图5所示装置中,
所述决策单元504,根据定位结果和该种粗栅格化对应的权重确定各细栅格在该种粗栅格化下的定位得分时,采用以下公式:
细栅格的定位得分=Pi×第i种粗栅格化对应的权重;其中,若该细栅格包含于第i种粗栅格化的定位结果所指向的粗栅格中,则Pi取值为1,否则,Pi取值为0。
从上面的技术方案可以看出,本发明具有以下创新特点:
(1)对于待定位区域多种粗栅格化,每种粗栅格化均将待定位区域划分为不同大小不同数量的若干粗栅格。
在传统的RSS指纹定位算法中,离线阶段只对待定位区域进行单一的细栅格划分,并采集此划分方法下的指纹数据作为在线定位时比对用的指纹库。在实际定位时,若待定位区域范围很大时,传统方法所确定的离线指纹库会导致在定位阶段对比细栅格的欧氏距离时产生十分巨大的计算量,严重影响定位速度。本发明在传统待定位区域单一的细栅格化方法的基础上,将细栅格作为整个区域的最小划分单位,并在离线阶段利用多种粗栅格化将待定位区域划分为不同大小,不同形状,不同数量(数量远小于传统细栅格化)的若干粗栅格,每种粗栅格化产生的粗栅格都将包含大于1个的若干个细栅格。由于粗栅格的数量远远小于传统细栅格化下的栅格数量,即使多种粗栅格化之后,其指纹库也将远远小于传统RSS指纹库,因而可以保证在待定位区域范围很大时在在线定位阶段减少大量的计算量,而且精度只会在可容许的范围内一定程度的小幅下降。
(2)基于细栅格化得到的细栅格的离线指纹,对每种粗栅格化产生的新的划分区域的方式都重新计算离线指纹库(包括该种粗栅格化得到的所有粗栅格的离线指纹)。
在传统的RSS指纹定位算法中,经过细栅格化之后采集每个细栅格的RSS就作为了在线阶段比对用的RSS指纹库。在实际定位中该指纹库过于庞大会导致定位计算速度很慢,在待定位区域范围很大时影响更为明显。本发明在多种粗栅格化的基础上,在每种粗栅格化产生的新的划分区域的方式都重新计算离线指纹库,新的离线指纹库的计算方式为:每个粗栅格的离线指纹表示为该粗栅格下包含的所有细栅格的离线指纹的均值。由于每次划分出的粗栅格的数量远远小于细栅格,所以本发明也可以保证即使对待定位区域进行多种粗栅格化,其所产生的指纹库也将相应远远小于传统单一细栅格化下的指纹库,而且为下一步在线阶段的定位算法运行提供了更细化更多面的指纹数据,提高定位算法运行速度。
(3)计算每种粗栅化对应的权重。
在传统的RSS指纹定位算法中,在现阶段完成的工作只有采集待定位点的指纹数据并与离线阶段产生的指纹库进行对比,找出欧氏距离最小的点即作为算法的输出。但是这种单次的测量比对没有考虑到在实际定位中不同AP对于不同定位点定位精度可能有很大不同,或者忽略了不同栅格化条件下对于不同待定位点的精度影响。本发明在多种粗栅格化的基础上,根据多个定位结果以及其准确性,利用多元线性回归方法得到每次粗栅格化后定位结果的权重,所得出的权重值在在线阶段定位时作为各种粗栅格化对于不同细栅格定位结果精度的影响大小判断依据,在最终定位时计算多种粗栅格化完成后所有细栅格的总定位得分,总定位得分最高者即为算法输出。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。

Claims (12)

1.一种定位方法,其特征在于,预先对待定位区域进行一种细栅格化和K种粗栅格化并确定每种粗栅格化对应的权重;该方法包括:
需要定位待定位区域内中待定位物体的位置时,对每种粗栅格化后的待定位区域中的待定位物体进行定位,并根据该种粗栅格化后待定位物体的定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的加权定位得分;
统计各细栅格在K种粗栅格化下的加权定位得分总和,将加权定位得分总和最大的细栅格确定为待定位物体的定位结果。
2.根据权利要求1所述的方法,其特征在于,
确定每种粗栅格化对应的权重的方法为:
在待定位物体在待定位区域中的位置确定的情况下,对每种粗栅格化后的待定位区域中的待定位物体进行定位;
根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重。
3.根据权利要求1或2所述的方法,其特征在于,
对待定位区域进行细栅格化后,进一步包括:采集细栅格化后各细栅格的离线指纹;
对待定位区域进行K种粗栅格化后,进一步包括:基于细栅格化后各细栅格的离线指纹计算每种粗栅格化后得到的各粗栅格的离线指纹;
对每种粗栅格化后的待定位区域中的待定位物体进行定位的方法为:采集待定位物体所在位置的在线指纹,计算该种粗栅格化后得到的各粗栅格的离线指纹和待定位物体所在位置的在线指纹的欧式距离,将欧式距离最小的粗栅格确定为待定位物体的定位结果。
4.根据权利要求3所述的方法,其特征在于,
基于细栅格化后各细栅格的离线指纹计算每种粗栅格化后得到的各粗栅格的离线指纹的方法为:将各粗栅格包含的多个细栅格的离线指纹的均值作为该粗栅格的离线指纹。
5.根据权利要求1所述的方法,其特征在于,
预先设定N个权重取值,则K种粗栅格化对应NK种权重配置;
根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重的方法为:
针对每种粗栅格化,根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分;
针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和,如果加权定位得分总和最高的细栅格与待定位物体的真实位置之间的偏差距离小于预设偏离距离,则将该种权重配置的优选值增加一预设值;
确定优选值最大的一种权重配置,将该权重配置下每种粗栅格化的权重作为该种粗栅格化对应的权重。
6.根据权利要求5所述的方法,其特征在于,
根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分的方法为:
若第w个细栅格包含于第i种粗栅格化后待定位物体的定位结果所指向的粗栅格中,则将第w个细栅格在第i种粗栅格化下的定位得分值设置为1,否则,将值设置为0;
根据该种粗栅格化后待定位物体的定位结果和该种粗栅格化对应的权重确定各细栅格在该种粗栅格化下的加权定位得分的方法为采用以下公式:
其中,是第w个细栅格在第i种粗栅格化下的加权定位得分,αi是第i种粗栅格化对应的权重;
针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和的方法为采用以下公式:
其中,Sw为该种权重配置下,第w个细栅格在K种粗栅格化下的加权定位得分总和;该种权重配置为:第1到第K种粗栅格化下的权重分别为:α1、……、αi、……、αK
7.一种定位装置,其特征在于,该装置包括:栅格化单元、权重计算单元、定位单元、决策单元;
所述栅格化单元,用于预先对待定位区域进行一种细栅格化和K种粗栅格化;
所述权重计算单元,用于确定每种粗栅格化对应的权重;
所述定位单元,用于需要定位待定位物体在待定位区域内的位置时,对每种粗栅格化后的待定位区域中的待定位物体进行定位;
所述决策单元,用于根据定位单元对每种粗栅格化后待定位物体的定位结果和该种粗栅格化对应的权重计算各细栅格在该种粗栅格化下的加权定位得分;用于统计各细栅格在K种粗栅格化下的加权定位得分总和,将加权定位得分总和最大的细栅格确定为待定位物体的定位结果。
8.根据权利要求7所述的装置,其特征在于,
所述权重计算单元,确定每种粗栅格化对应的权重时,用于:
在待定位物体在待定位区域中的位置确定的情况下,对每种粗栅格化后的待定位区域中的待定位物体进行定位;
根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重。
9.根据权利要求7或8所述的装置,其特征在于,
所述栅格化单元,对待定位区域进行细栅格化后,进一步用于:采集细栅格化后各细栅格的离线指纹;待定位区域进行K种粗栅格化后,进一步用于:基于细栅格化后各细栅格的离线指纹计算每种粗栅格化后得到的各粗栅格的离线指纹;
所述定位单元,对每种粗栅格化后的待定位区域中的待定位物体进行定位时,用于:采集待定位物体所在位置的在线指纹,计算该种粗栅格化后得到的各粗栅格的离线指纹和待定位物体所在位置的在线指纹的欧式距离,将欧式距离最小的粗栅格确定为待定位物体的定位结果。
10.根据权利要求9所述的装置,其特征在于,
所述栅格化单元,基于细栅格化后各细栅格的离线指纹计算每种粗栅格化后得到的各粗栅格的离线指纹时,用于:将各粗栅格包含的多个细栅格的离线指纹的均值作为该粗栅格的离线指纹。
11.根据权利要求10所述的装置,其特征在于,该装置还包括配置单元;
所述配置单元用于预先设定N个权重取值,则K种粗栅格化对应NK种权重配置;
所述权重计算单元根据K种粗栅格化后待定位物体的定位结果和待定位物体的真实位置确定每种粗栅格化对应的权重时,用于:
针对每种粗栅格化,根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分;
针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和,如果加权定位得分总和最高的细栅格与待定位物体的真实位置之间的偏差距离小于预设偏离距离,则将该种权重配置的优选值增加一预设值;
确定优选值最大的一种权重配置,将该权重配置下每种粗栅格化的权重作为该种粗栅格化对应的权重。
12.根据权利要求11所述的装置,其特征在于,
所述权重计算单元,根据该种粗栅格化后待定位物体的定位结果计算各细栅格在该种粗栅格化下的定位得分时,用于:
若第w个细栅格包含于第i种粗栅格化后待定位物体的定位结果所指向的粗栅格中,则将第w个细栅格在第i种粗栅格化下的定位得分值设置为1,否则,将值设置为0;
所述决策单元,根据该种粗栅格化后待定位物体的定位结果和该种粗栅格化对应的权重确定各细栅格在该种粗栅格化下的加权定位得分时,用于采用以下公式:
其中,是第w个细栅格在第i种粗栅格化下的加权定位得分,αi是第i种粗栅格化对应的权重;
所述权重计算单元,针对K种粗栅格化对应的每种权重配置,计算各细栅格在K种粗栅格化下的加权定位得分总和时,用于采用以下公式:
其中,Sw为该种权重配置下,第w个细栅格在K种粗栅格化下的加权定位得分总和;该种权重配置为:第1到第K种粗栅格化下的权重分别为:α1、……、αi、……、αK
CN201610379466.6A 2016-06-01 2016-06-01 一种定位方法和装置 Active CN105916113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610379466.6A CN105916113B (zh) 2016-06-01 2016-06-01 一种定位方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610379466.6A CN105916113B (zh) 2016-06-01 2016-06-01 一种定位方法和装置

Publications (2)

Publication Number Publication Date
CN105916113A true CN105916113A (zh) 2016-08-31
CN105916113B CN105916113B (zh) 2019-04-12

Family

ID=56743011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610379466.6A Active CN105916113B (zh) 2016-06-01 2016-06-01 一种定位方法和装置

Country Status (1)

Country Link
CN (1) CN105916113B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106412835A (zh) * 2016-11-18 2017-02-15 中国联合网络通信集团有限公司 一种用户出行模式识别的方法及装置
CN107426685A (zh) * 2017-04-20 2017-12-01 北京邮电大学 一种获取多模定位指纹数据库的方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279383A (zh) * 2011-04-22 2011-12-14 华南理工大学 一种基于有源rfid的室内定位方法
CN102573049A (zh) * 2010-12-14 2012-07-11 北京智慧图科技发展有限责任公司 一种室内定位方法及系统
CN103763769A (zh) * 2013-12-26 2014-04-30 北京邮电大学 基于接入点重选择和自适应簇分裂的室内指纹定位方法
CN103796305A (zh) * 2014-02-11 2014-05-14 上海交通大学 一种基于Wi-Fi位置指纹的室内定位方法
CN104066058A (zh) * 2014-07-14 2014-09-24 大连理工大学 一种基于双套指纹叠加的wlan室内定位方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102573049A (zh) * 2010-12-14 2012-07-11 北京智慧图科技发展有限责任公司 一种室内定位方法及系统
CN102279383A (zh) * 2011-04-22 2011-12-14 华南理工大学 一种基于有源rfid的室内定位方法
CN103763769A (zh) * 2013-12-26 2014-04-30 北京邮电大学 基于接入点重选择和自适应簇分裂的室内指纹定位方法
CN103796305A (zh) * 2014-02-11 2014-05-14 上海交通大学 一种基于Wi-Fi位置指纹的室内定位方法
CN104066058A (zh) * 2014-07-14 2014-09-24 大连理工大学 一种基于双套指纹叠加的wlan室内定位方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106412835A (zh) * 2016-11-18 2017-02-15 中国联合网络通信集团有限公司 一种用户出行模式识别的方法及装置
CN106412835B (zh) * 2016-11-18 2019-11-26 中国联合网络通信集团有限公司 一种用户出行模式识别的方法及装置
CN107426685A (zh) * 2017-04-20 2017-12-01 北京邮电大学 一种获取多模定位指纹数据库的方法和装置
CN107426685B (zh) * 2017-04-20 2019-12-20 北京邮电大学 一种获取多模定位指纹数据库的方法和装置

Also Published As

Publication number Publication date
CN105916113B (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN103945332B (zh) 一种接收信号强度和多径信息联合神经网络室内定位方法
CN104469676B (zh) 一种移动终端的定位方法及系统
CN105704652B (zh) 一种wlan/蓝牙定位中的指纹库采集和优化方法
KR102116824B1 (ko) 딥러닝 기반 측위 시스템 및 이의 구축 방법
CN103402256B (zh) 一种基于WiFi指纹的室内定位方法
CN105334495B (zh) 一种无线网络中基于信号到达时间的非视距稳健定位方法
Ye et al. A method of indoor positioning by signal fitting and PDDA algorithm using BLE AOA device
CN107607122B (zh) 面向室内定位的位置指纹库构建和动态更新方法
CN105120433A (zh) 基于连续采样及模糊聚类处理的wlan室内定位方法
CN109640269A (zh) 基于csi与时域融合算法的指纹定位方法
CN106781478A (zh) 一种基于lte信令数据的轨迹跟踪方法
CN103596267A (zh) 一种基于欧氏距离的指纹图匹配方法
CN102932738A (zh) 一种改进的基于分簇神经网络的室内指纹定位方法
CN105717483B (zh) 一种基于多源定位方式的位置确定方法及装置
CN106304331A (zh) 一种WiFi指纹室内定位方法
CN105933975A (zh) 一种基于WiFi指纹的精度改善的室内定位方法
CN112881979B (zh) 一种基于ekf滤波的初始状态自适应融合定位方法
CN105872981A (zh) 基于信号合成和人工神经网络的室内定位方法
CN109041218B (zh) 一种预测用户位置的方法和智能硬件
CN108307301A (zh) 基于rssi测距和轨迹相似性的室内定位方法
CN108882363A (zh) 一种多方向采集结合聚类的WiFi指纹室内定位方法
Xu et al. An efficient indoor localization method based on the long short-term memory recurrent neuron network
CN105467361A (zh) 联合无线电信号复包络和载波相位信息的超视距目标直接定位方法
CN104038901A (zh) 一种减少指纹数据采集工作量的室内定位方法
CN107426816A (zh) 一种WiFi定位与地图匹配融合的实现方法

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