CN106772235B - 基于rssi衰减特性和相似性的室内定位方法 - Google Patents
基于rssi衰减特性和相似性的室内定位方法 Download PDFInfo
- Publication number
- CN106772235B CN106772235B CN201710085377.5A CN201710085377A CN106772235B CN 106772235 B CN106772235 B CN 106772235B CN 201710085377 A CN201710085377 A CN 201710085377A CN 106772235 B CN106772235 B CN 106772235B
- Authority
- CN
- China
- Prior art keywords
- rssi
- sampling
- point
- network access
- points
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005070 sampling Methods 0.000 claims abstract description 102
- 230000000694 effects Effects 0.000 claims abstract description 12
- 230000000875 corresponding effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于RSSI衰减特性和相似性的室内定位方法,包括以下步骤:S1、对采集指纹数据的采样点进行统一编号;S2、计算每个网络接入点在该采样点的多组RSSI的均值;S3、以相关系数作为指标,剔除每个采样点冗余的RSSI数据;S4、依据RSSI衰减特性删除对定位效果贡献率低RSSI数据;S5、采用实际匹配算法对步骤S4得到的数据进行位置估计,得出定位终端的实际位置。本发明清除了位置相近的多个AP对定位的重复贡献这一因素导致的冗余数据,有力的降低了在线阶段的计算量;本发明利用RSSI衰减特性删除对定位效果贡献率低RSSI数据,能够提高定位精度,也降低了在线阶段定位匹配时的运算量。
Description
技术领域
本发明属于室内定位技术领域,特别设计一种基于RSSI衰减特性和相似性的室内定位方法。
背景技术
目前,室外定位系统如:GPS、中国的北斗、俄罗斯GLONASS等已经非常成熟,部分已经成功的实现了商用,大大方便了人们的出行,但是室内的环境中检测不到卫星信号,所以卫星定位系统在室内的环境中的使用效果非常差。正是在这样的背景下,针对室内位置服务的需求日渐增强,室内定位也成了研究的热门方向。针对室内环境的多样性多种技术和方式被提出。如利用超声波方式、红外线方式、RFID等等,但是最多的是利用WLAN进行室内定位。目前WIFI的普及程度已经非常之高,基本上随处都可以搜到WIFI信号。因此对利用WIFI进行室内定位已经成为一个研究热点。本发明针对的是基于WLAN的室内定位技术。
为方便对本发明及其背景技术的理解,首先对使用的的一些专业名词作如下说明:
WLAN:Wireless Local Area Network的简称,即无线本地局域网。
AP:Access Point的简称,即网络接入点,提供无线局域网络到有线网络的访问服务。
WIFI:Wireless Fidelity的简称,一种无线局域网的物理层协议。
RSSI:Received Signal Strength Indication的简称,接收信号强度指示,是接收到的无线信号强度的指标。
MAC:Medium/Media Access Control的简称,用来表示互联网上每一个站点的标识符,采用十六进制数表示,共六个字节(48位)。
离线阶段:是指构建指纹数据库阶段,主要有采集指纹数据和对数据进行预处理操作。
在线阶段:是指定位阶段,该阶段处于定位区域的定位终端采集周围的AP信号,再使用该数据与指纹数据库中的数据通过匹配算法估计出定位终端的实际位置。
WLAN定位系统大致可以分为两类,基于传播模型的定位和基于位置指纹的定位。
由于室内环境比较复杂,而且无线电信号在传播过程中会发生衍射、反射、散射和多径传输,造成传播模型的一些参数难以确定,传播模型难以准确的描述电磁波的实际分布情况。这造成基于传播模型的定位系统定位精度普遍较差,或者需要额外的信号测量专用硬件,且需要对网络重新部署,成本较高,造成基于传播模型的定位方式应用范围受到限制。
基于位置指纹的定位方式主要是对定位空间内的环境特征进行抽象和形式化描述,使用定位环境中各个AP的RSSI序列描述定位环境中的位置信息,并汇集这些RSSI序列构成位置指纹数据库。最后,将实时测量的RSSI序列与位置数据库中的位置指纹进行匹配,根据指纹库的匹配相似度,完成对用户位置的估计。此种定位方法主要包含两个阶段:离线训练阶段和在线定位阶段。离线训练阶段,目的在于建立一个位置指纹数据库,定位前定位系统部署人员在定位环境中遍历所有位置,同时在每个参考点收集来自不同AP的RSSI值,将各个AP的MAC地址、RSSI值和采样点的位置信息组成一个关联的三元组数据,保存在位置指纹库中。在线阶段,在定位区域中实时采集所有AP接入点的RSSI,并将MAC地址和RSSI值组成二元组,作为位置匹配算法的数据输入,并通过特定的匹配算法进行位置估计。在线阶段常见的位置匹配算法是最近邻法(NNSS)和朴素贝叶斯法(Naive Bayes)。NNSS是基于类比学习的匹配方法,使用在线阶段的采样数据和训练阶段的采样数据进行相似度匹配。。
以上的基于位置的指纹定位方法,受到室内复杂多变的环境点的影响,造成定位精度的波动性比较大和抗干扰能力弱,在定位区域变大时指纹数据库也相应变得庞大,这将导致定位匹配时的计算量变大。本发明将通过对指纹数据库的预处理减小室内环境的影响,减少定位时的数据量,提高数据有效性,进而提高定位的精度和提高定位响应速度。
发明内容
本发明的目的在于克服现有技术的不足,提供一种清除了位置相近的多个AP对定位的重复贡献这一因素导致的冗余数据,提出的利用RSSI衰减特性删除对定位效果贡献率低RSSI数据,能够提高定位精度,降低了运算量的基于RSSI衰减特性和相似性的室内定位方法。
本发明的目的是通过以下技术方案来实现的:基于RSSI衰减特性和相似性的室内定位方法,包括以下步骤:
S1、对采集指纹数据的采样点进行统一编号;
S2、计算每个网络接入点在每个采样点的多组RSSI的均值;
S3、以相关系数作为指标,剔除每个采样点冗余的RSSI数据;
S4、依据RSSI衰减特性删除对定位效果贡献率低RSSI数据;
S5、采用实际匹配算法对步骤S4得到的数据进行位置估计,得出定位终端的实际位置。
进一步地,所述步骤S1中对采样点进行统一编号的方法为:设采样点的总数为I,将采样点标记为i,i=1,2,…,I,采样点i的位置记为(xi,yi);采样点i每次采样获得的指纹数据表示为其中,Li为采样点i的网络接入点的个数;设每个采样点共采样J次,则采样点i第j次采样获得的数据表示为采样点i的指纹数据由Ri,1,Ri,2,…,Ri,J组成;所有采样点的指纹数据组成指纹数据库。
进一步地,所述步骤S2具体实现方法为:设定位场景中能够检测到的网络接入点的总数为A,第a个网络接入点在采样点i被检测到的RSSI序列表示为Ri,a=(rssii,a,1,rssii,a,2,…,rssii,a,M),其中,a=1,2,…A,M为该网络接入点在采样点i被检测到的次数,序列Ri,a的均值记为ei,a。
进一步地,所述步骤S3包括以下分步骤:
S31、将以采样点为中心,半径为R的区域内所有采样点的集合记为Ω,其中,R=2d,d为采样点之间的间距;
S32、Ra=(rssia,1,rssia,2,...,rssia,N)表示第a个网络接入点APa在集合Ω中每个采样点被测得的RSSI的数列;其中,rssia,n为第a个网络接入点在集合Ω中采样点n被检测M次所得到RSSI序列的均值;1≤n≤N,N表示集合Ω中的采样点个数;所有网络接入点在集合Ω中每个采样点被测得RSSI的数列组成的集合记为B;
S33、对集合B中的数列两两进行如下处理:Ra,Ra±x∈B,x为正整数,1≤a±x≤A,求两个数列的公共采样点数据形成的子序列R′a,R′a±x,求出R′a,R′a±x两个序列的相关系数ρ;如果ρ>0.8,则认为两个网络接入点在该区域内强相关,删除对应的采样点APa或者APa±x在该区域内所有采样点的RSSI数据;否则不操作。
进一步地,所述步骤S4具体包括以下分步骤:
S41、将以采样点为中心,半径为R0的区域内所有采样点的集合记为Ω′,R0初值为2d;比较Ω′中采样点的数量与每个网络接入点在中心采样点被检测到的次数的大小,若采样点的数量大于网络接入点APa在中心采样点被检测到的次数,则对该网络接入点APa执行步骤S44的操作,否则执行步骤S43;
S43、R0增加一个采样点间距的长度,即R0=R0+d,返回步骤S42;
S44、对该网络接入点的信号进行以下操作:将该网络接入点被采集到的RSSI按从大到小的顺序排列,并取前Y个RSSI值,记为集合Rmax,,Y小于该网络接入点在中心采样点被检测到的次数;将Rmax中元素的均值记为Emax,中心采样点的RSSI均值记为E0,若Emax-E0<δe,则删除该采样点中该网络接入点对应的RSSI数据,否则不对该网络接入点进行操作;其中,δe为预设的阈值。
本发明的有益效果是:本发明没有在定位区域中特地部署AP,而是直接采集周围能够检测到的AP信号;并清除了位置相近的多个AP对定位的重复贡献这一因素导致的冗余数据,有力的降低了在线阶段的计算量;本发明从RSSI的衰减曲线出发,针对不同RSSI对在线阶段定位贡献度不同,距离AP越远的位置检测到的RSSI对定位效果的贡献越小,而且距离AP较远的区域,RSSI变化较平缓,本发明提出的利用RSSI衰减特性删除对定位效果贡献率低RSSI数据,能够提高定位精度,也降低了在线阶段定位匹配时的运算量。
附图说明
图1为本发明的基于RSSI衰减特性和相似性的室内定位方法流程图;
图2为本发明的冗余数据的AP布局图。
具体实施方式
本发明是在指纹定位法的基础上提出来的,通常的指纹定位法对采集到的数据不加处理或者只是进行统计学上的处理。本发明应用的场景为:待定位区域为部署有适当密度的AP的室内环境,保证定位区域中任意位置能够检测到多个AP的信号,理论上只有任意位置能够检测到3个AP的信号就可以了,但是为获得较好的定位效果,可以适当增加任意位置检测到AP的数量。不需要获得每个AP的部署位置。随着里AP距离增大,检测到该AP的RSSI值将越小,最终趋于恒定。不同AP在同一区域的RSSI值可能具有强相关性。本算法分为两个基本步骤,第一步是以不同AP间RSSI的相似性对指纹数据库中冗余数据进行剔除;第二步以RSSI衰减曲线为依据对指纹数据库进行预处理。在线阶段时将实时数据与指纹数据库中的数据进行匹配,得到该点的坐标。下面结合附图进一步说明本发明的技术方案。
如图1所示,基于RSSI衰减特性和相似性的室内定位方法,包括以下步骤:
S1、对采集指纹数据的采样点进行统一编号;具体方法为:设采样点的总数为I,将采样点标记为i,i=1,2,…,I,采样点i的位置记为(xi,yi);采样点i每次采样获得的指纹数据表示为其中,Li为采样点i的网络接入点的个数;设每个采样点共采样J次,则采样点i第j次采样获得的数据表示为采样点i的指纹数据由Ri,1,Ri,2,…,Ri,J组成;所有采样点的指纹数据组成指纹数据库;
S2、计算每个网络接入点在每个采样点的多组RSSI的均值;具体实现方法为:设定位场景中能够检测到的网络接入点的总数为A,第a个网络接入点在采样点i被检测到的RSSI序列表示为Ri,a=(rssii,a,1,rssii,a,2,…,rssii,a,M),其中,a=1,2,…A,M为该网络接入点在采样点i被检测到的次数,序列Ri,a的均值记为ei,a;
S3、以相关系数作为指标,剔除每个采样点冗余的RSSI数据;包括以下分步骤:
S31、将以采样点为中心,半径为R的区域内所有采样点的集合记为Ω,其中,R=2d,d为采样点之间的间距;
S32、Ra=(rssia,1,rssia,2,...,rssia,N)表示第a个网络接入点APa在集合Ω中每个采样点被测得的RSSI的数列;其中,rssia,n为第a个网络接入点在集合Ω中采样点n被检测M次所得到RSSI序列的均值,即步骤S2中,ei,a中落在集合Ω中的值;1≤n≤N,N表示集合Ω中的采样点个数;所有网络接入点在集合Ω中每个采样点被测得RSSI的数列组成的集合记为B;
S33、对集合B中的数列两两进行如下处理:Ra,Ra±x∈B,x为正整数,1≤a±x≤A,求两个数列的公共采样点数据形成的子序列R′a,R′a±x,求出R′a,R′a±x两个序列的相关系数ρ;如果ρ>0.8,则认为两个网络接入点在该区域内强相关,删除对应的采样点APa或者APa±x在该区域内所有采样点的RSSI数据;否则不操作;如图2所示,AP1和AP2的RSSI值在采样点附近区域具有强相关性,AP3和AP1、AP2在采样点附近有可能有强相关性,所以利用这一特性提出冗余的RSSI数据对提供定位精度和减小定位计算运算量具有有益效果;
S4、依据RSSI衰减特性删除对定位效果贡献率低RSSI数据;AP的RSSI值随着与AP距离的增大在不断减小,在离AP较远的距离是,随着距离的增大RSSI减小的程度越来越小,甚至不再减小。(参见文献:Mazuelas S,Bahillo A,Lorenzo R M,et al.Robust IndoorPositioning Provided by Real-Time RSSI Values in Unmodified WLAN Networks[J].IEEE Journal of Selected Topics in Signal Processing,2009,3(5):821-831.)这一特性使得在离AP较远距离区域的RSSI值对定位没有贡献甚至负面效果;本发明依据RSSI衰减特性删除对定位效果贡献率低RSSI数据具体包括以下分步骤:
S41、将以采样点为中心,半径为R0的区域内所有采样点的集合记为Ω′,R0初值为2d;比较Ω′中采样点的数量与每个网络接入点在中心采样点被检测到的次数的大小,若采样点的数量大于网络接入点APa在中心采样点被检测到的次数,则对该网络接入点APa执行步骤S44的操作,否则执行步骤S43;
S43、R0增加一个采样点间距的长度,即R0=R0+d,返回步骤S42;
S44、对该网络接入点的信号进行以下操作:将该网络接入点被采集到的RSSI按从大到小的顺序排列,并取前Y个RSSI值,记为集合Rmax,,Y小于该网络接入点在中心采样点被检测到的次数;将Rmax中元素的均值记为Emax,中心采样点的RSSI均值记为E0,若Emax-E0<δe,则删除该采样点中该网络接入点对应的RSSI数据,否则不对该网络接入点进行操作;其中,δe为预设的阈值。
S5、采用实际匹配算法对步骤S4得到的数据进行位置估计,得出定位终端的实际位置。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (1)
1.基于RSSI衰减特性和相似性的室内定位方法,其特征在于,包括以下步骤:
S1、对采集指纹数据的采样点进行统一编号;对采样点进行统一编号的方法为:设采样点的总数为I,将采样点标记为i,i=1,2,…,I,采样点i的位置记为(xi,yi);采样点i每次采样获得的指纹数据表示为其中,Li为采样点i的网络接入点的个数;设每个采样点共采样J次,则采样点i第j次采样获得的数据表示为采样点i的指纹数据由Ri,1,Ri,2,…,Ri,J组成;所有采样点的指纹数据组成指纹数据库;
S2、计算每个网络接入点在每个采样点的多组RSSI的均值;具体实现方法为:设定位场景中能够检测到的网络接入点的总数为A,第a个网络接入点在采样点i被检测到的RSSI序列表示为Ri,a=(rssii,a,1,rssii,a,2,…,rssii,a,M),其中,a=1,2,…A,M为该网络接入点在采样点i被检测到的次数,序列Ri,a的均值记为ei,a;
S3、以相关系数作为指标,剔除每个采样点冗余的RSSI数据;包括以下分步骤:
S31、将以采样点为中心,半径为R的区域内所有采样点的集合记为Ω,其中,R=2d,d为采样点之间的间距;
S32、Ra=(rssia,1,rssia,2,...,rssia,N)表示第a个网络接入点APa在集合Ω中每个采样点被测得的RSSI的数列;其中,rssia,n为第a个网络接入点在集合Ω中采样点n被检测M次所得到RSSI序列的均值;1≤n≤N,N表示集合Ω中的采样点个数;所有网络接入点在集合Ω中每个采样点被测得RSSI的数列组成的集合记为B;
S33、对集合B中的数列两两进行如下处理:Ra,Ra±x∈B,x为正整数,1≤a±x≤A,求两个数列的公共采样点数据形成的子序列R′a,R′a±x,求出R′a,R′a±x两个序列的相关系数ρ;如果ρ>0.8,则认为两个网络接入点在该区域内强相关,删除对应的采样点APa或者APa±x在该区域内所有采样点的RSSI数据;否则不操作;
S4、依据RSSI衰减特性删除对定位效果贡献率低RSSI数据;具体包括以下分步骤:
S41、将以采样点为中心,半径为R0的区域内所有采样点的集合记为Ω′,R0初值为2d;比较Ω′中采样点的数量与每个网络接入点在中心采样点被检测到的次数的大小,若采样点的数量大于网络接入点APa在中心采样点被检测到的次数,则对该网络接入点APa执行步骤S44的操作,否则执行步骤S43;
S43、R0增加一个采样点间距的长度,即R0=R0+d,返回步骤S42;
S44、对该网络接入点的信号进行以下操作:将该网络接入点被中心采样点采集到的RSSI按从大到小的顺序排列,并取前Y个RSSI值,记为集合Rmax,Y小于该网络接入点在中心采样点被检测到的次数;将Rmax中元素的均值记为Emax,中心采样点的RSSI均值记为E0,若Emax-E0<δe,则删除该采样点中该网络接入点对应的RSSI数据,否则不对该网络接入点进行操作;其中,δe为预设的阈值;
S5、采用实际匹配算法对步骤S4得到的数据进行位置估计,得出定位终端的实际位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710085377.5A CN106772235B (zh) | 2017-02-17 | 2017-02-17 | 基于rssi衰减特性和相似性的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710085377.5A CN106772235B (zh) | 2017-02-17 | 2017-02-17 | 基于rssi衰减特性和相似性的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106772235A CN106772235A (zh) | 2017-05-31 |
CN106772235B true CN106772235B (zh) | 2020-10-23 |
Family
ID=58957970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710085377.5A Expired - Fee Related CN106772235B (zh) | 2017-02-17 | 2017-02-17 | 基于rssi衰减特性和相似性的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106772235B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109525337B (zh) * | 2017-09-20 | 2021-04-16 | 腾讯科技(深圳)有限公司 | WiFi指纹获取方法、装置、存储介质以及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103916820A (zh) * | 2014-03-31 | 2014-07-09 | 浙江大学 | 基于接入点稳定度的无线室内定位方法 |
CN104093203A (zh) * | 2014-07-07 | 2014-10-08 | 浙江师范大学 | 一种用于无线室内定位的接入点选择算法 |
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 |
WO2016086994A1 (en) * | 2014-12-04 | 2016-06-09 | Here Global B.V. | Supporting positioning quality assurance |
CN106376080A (zh) * | 2016-11-09 | 2017-02-01 | 北京邮电大学 | 一种ap过滤方法及装置 |
Family Cites Families (1)
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 |
-
2017
- 2017-02-17 CN CN201710085377.5A patent/CN106772235B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103916820A (zh) * | 2014-03-31 | 2014-07-09 | 浙江大学 | 基于接入点稳定度的无线室内定位方法 |
CN104093203A (zh) * | 2014-07-07 | 2014-10-08 | 浙江师范大学 | 一种用于无线室内定位的接入点选择算法 |
WO2016086994A1 (en) * | 2014-12-04 | 2016-06-09 | Here Global B.V. | Supporting positioning quality assurance |
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 |
CN106376080A (zh) * | 2016-11-09 | 2017-02-01 | 北京邮电大学 | 一种ap过滤方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106772235A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108536851B (zh) | 一种基于移动轨迹相似度比较的用户身份识别方法 | |
CN106851573B (zh) | 基于对数路径损耗模型的联合加权k近邻室内定位方法 | |
Cramariuc et al. | Clustering benefits in mobile-centric WiFi positioning in multi-floor buildings | |
CN103402256B (zh) | 一种基于WiFi指纹的室内定位方法 | |
CN106604228B (zh) | 一种基于lte信令数据的指纹定位方法 | |
CN105120433B (zh) | 基于连续采样及模糊聚类处理的wlan室内定位方法 | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及系统、设备、存储介质 | |
CN103916954B (zh) | 基于wlan的概率定位方法及定位装置 | |
Ding et al. | Efficient indoor fingerprinting localization technique using regional propagation model | |
CN111479231A (zh) | 一种用于毫米波大规模mimo系统的室内指纹定位方法 | |
Xu et al. | Self-adapting multi-fingerprints joint indoor positioning algorithm in WLAN based on database of AP ID | |
CN107677989B (zh) | 一种基于rssi最大值进行rssi去除噪声的室内位置定位方法 | |
CN108650626A (zh) | 一种基于泰森多边形的指纹定位算法 | |
CN104540219A (zh) | 一种低复杂度的Wi-Fi指纹室内定位方法 | |
CN103313383B (zh) | 一种基于区域分割和曲面拟合的室内定位方法 | |
CN106793085A (zh) | 基于正态假设检验的指纹定位方法 | |
CN106992822A (zh) | 一种无线传感器网络盲节点的定位方法 | |
CN113015093A (zh) | 一种基于三维深度残差神经网络的室内无线定位方法 | |
CN108632763A (zh) | 一种基于WiFi指纹的室内定位加权K近邻方法 | |
CN106772235B (zh) | 基于rssi衰减特性和相似性的室内定位方法 | |
Schüssel et al. | Coverage gaps in fingerprinting based indoor positioning: The use of hybrid gaussian processes | |
CN108445443B (zh) | 一种基于knn的指纹点聚类方法 | |
Chen et al. | Deep neural network based on feature fusion for indoor wireless localization | |
CN109633530A (zh) | 一种定位方法及系统、设备、存储介质 | |
CN108696818B (zh) | Wi-Fi指纹定位的距离度量方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201023 |
|
CF01 | Termination of patent right due to non-payment of annual fee |