CN106950535A - 一种基于landmarc的室内定位优化系统及方法 - Google Patents
一种基于landmarc的室内定位优化系统及方法 Download PDFInfo
- Publication number
- CN106950535A CN106950535A CN201710141758.0A CN201710141758A CN106950535A CN 106950535 A CN106950535 A CN 106950535A CN 201710141758 A CN201710141758 A CN 201710141758A CN 106950535 A CN106950535 A CN 106950535A
- Authority
- CN
- China
- Prior art keywords
- association
- label
- angle value
- value
- landmarc
- 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
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
- G01S5/0278—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 involving statistical or probabilistic considerations
Landscapes
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (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
本发明属于无线通信的技术领域,具体涉及一种基于LANDMARC的室内定位优化系统及方法;解决的技术问题为:提供一种能够更精确地反映出参考标签与目标标签的位置关系,有效改善系统的稳定性和定位精度的基于LANDMARC的室内定位优化系统及方法;采用的技术方案为:一种基于LANDMARC的室内定位优化系统和方法,包括:获取参考标签的信号强度矩阵和目标标签的信号强度矩阵;利用含内权重的均方差公式,计算出参考标签和目标标签的关联度;自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度;利用K最近邻方法,选择出距离目标标签最近的K个参考标签;采用加权求和公式计算出目标标签的位置;本发明适用于无线通信领域。
Description
技术领域
本发明属于无线通信的技术领域,具体涉及一种基于LANDMARC的室内定位优化系统及方法。
背景技术
在众多室内定位方法中,基于LANDMARC的室内定位方法用大量廉价的标签替代昂贵的专业设备,降低了整个系统的运行成本,并拥有较强的抗环境干扰能力。因此,国内外学者在研究室内定位技术时,常常参考LANDMARC的实现原理,对定位系统进行优化。
LANDMARC定位方法利用接收信号强度指示来实现定位。当参考标签和目标标签的位置相近时,它们在同一个RFID阅读器中读取的RSSI值也是相近的。根据这一原理,LANDMARC技术通过计算得到参考标签和目标标签之间的关联度值,关联度值越低,表示参考标签与目标距离越接近。该方法采用“K最近邻居”的思想,选取关联度值最低的K个参考标签,根据它们的位置推算出目标的具体位置。然而在上述过程中,由于RFID阅读器读取信号强度等级值具有离散性,当参考标签和目标位置过于接近时,两者信号强度处于同一等级,关联度计算值为零,导致定位过程发生紊乱,大大降低定位精度。
2013年公开的《Enhance LANDMARC from the fundamentals》中介绍了一种改进的室内定位方法,该过程使用LANDMARC技术,对LANDMRAC技术的定位流程进行了优化。该方法认为,当目标十分接近阅读器时,RSSI值呈非线性,而较大的误差通常就发生在那些靠近阅读器的区域。因此需要在计算目标与参考标签关联度时,排除距离目标最近的阅读器所读取得信号强度值。定位过程中识别并标记信号强度矢量中最大的RSSI值,得到优化的关联度计算方法:
这种定位方法减小了定位系统的最小误差,但对目标定位的平均误差没有得到明显地改善,并且不能从根本上解决存在关联度为零的漏洞,容易在定位过程中发生紊乱,影响定位精度。而在2016年公开的《一种基于无源超高频RFID定位系统的阅读器优化部署方法》中提出的优化方案则是通过寻优粒子模型获得各阅读器的最优部署方式,以此来提高定位精度,但此专利并没有提高系统稳定性,对整个系统的定位精度提高的程度也有限。
发明内容
本发明克服现有技术存在的不足,所要解决的技术问题为:提供一种能够更精确地反映出参考标签与目标标签的位置关系,有效改善系统的稳定性和定位精度的基于LANDMARC的室内定位优化系统及方法。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于LANDMARC的室内定位优化系统,包括:获取单元:用于获取参考标签的信号强度矩阵和目标标签的信号强度矩阵;关联度计算单元:用于利用含内权重的均方差公式,计算出参考标签和目标标签的关联度;修复单元:用于自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度;最邻近标签选择单元:用于利用K最近邻方法,选择出距离目标标签最近的K个参考标签;目标位置计算单元:用于采用加权求和公式计算出目标标签的位置。
优选地,所述修复单元包括:检测单元:用于检测是否存在值为零的关联度值;遍历单元:用于遍历全部参考标签的关联度值,找到最小的非零关联度值Emin;生成单元:用于生成修复值α,其取值为替换单元:用于利用修复值,对不合理的关联度值进行替换修复,直到全部标签的关联度值都为非零关联度为止。
优选地,所述关联度的计算公式为:其中:S为目标标签的信号强度矩阵,A为参考标签的信号强度矩阵,内权重p的取值为μ为权重系数,取值为
优选地,所述最邻近标签选择单元包括:选取单元:用于利用K最近邻方法,选取关联度最小的K个参考标签;编号单元:用于对选取出来的距离目标标签最近的K个参考标签进行重新编号。
优选地,所述目标标签的位置计算公式为:其中这里使用的K个坐标位置就是上一阶段中选出的K个最近标签的位置信息。
相应地,一种基于LANDMARC的室内定位优化方法,包括以下步骤:S101、获取参考标签的信号强度矩阵和目标标签的信号强度矩阵;S102、利用含内权重的均方差公式,计算出参考标签和目标标签的关联度;S103、自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度;S104、利用K最近邻方法,选择出距离目标标签最近的K个参考标签;S105、采用加权求和公式计算出目标标签的位置。
优选地,所述自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度,具体包括以下步骤:S201、检测是否存在值为零的关联度值,如是,执行步骤S202,否则,直接进行目标定位;S202、遍历全部参考标签的关联度值,找到最小的非零关联度值Emin;S203、生成修复值α;S204、利用修复值,对不合理的关联度值进行替换修复;S205、检测是否仍存在值为零的关联度值,如是,执行步骤S204,否则,直接进行目标定位。
优选地,所述关联度的计算公式为:其中:S为目标标签的信号强度矩阵,A为参考标签的信号强度矩阵,内权重p的取值为μ为权重系数,取值为
优选地,所述利用K最近邻方法,选择出距离目标标签最近的K个参考标签,具体包括:利用K最近邻方法,选取关联度最小的K个参考标签;对选取出来的距离目标标签最近的K个参考标签进行重新编号。
优选地,所述目标标签的位置计算公式为:其中这里使用的K个坐标位置就是上一阶段中选出的K个最近标签的位置信息。
本发明与现有技术相比具有以下有益效果:
本发明在获取目标标签与参考标签的信号强度矩阵之后,通过含内权重的关联度计算方法,更为准确地得到目标与参考标签的关联度,接着增加关联度检测机制,用修复值自动修复不合理的关联度值,然后利用k最近邻方法选出距离目标标签最近的k个参考标签,从而获得目标位置。本发明相较于现有技术,优化了关联度的计算方法,提出了含内权重的关联度计算方法,更精确地反映出参考标签与目标标签的位置关系,并在计算出关联度之后,增加了关联度检测机制,能够有效改善系统的稳定性和定位精度,使系统具有自我修复能力。
附图说明
下面结合附图对本发明做进一步详细的说明;
图1为本发明实施例一提供的一种基于LANDMARC的室内定位优化系统的结构示意图;
图2为本发明实施例二提供的一种基于LANDMARC的室内定位优化系统的结构示意图;
图3为本发明实施例三提供的一种基于LANDMARC的室内定位优化系统的结构示意图;
图4为本发明实施例一提供的一种基于LANDMARC的室内定位优化方法的流程示意图;
图5为本发明实施例一提供的一种基于LANDMARC的室内定位优化方法中关联度自动修复的流程示意图;
图6为使用matlab对本发明进行仿真实验的布局环境示意图;
图7为使用matlab对普通的室内定位系统进行仿真实验的结果示意图;
图8为使用matlab对本发明一种基于LANDMARC的室内定位优化系统进行仿真实验的结果示意图;
图中:101为获取单元,102为关联度计算单元,103为修复单元,104为最邻近标签选择单元,105为目标位置计算单元,1031为检测单元,1032为遍历单元,1033为生成单元,1034为替换单元,1041为选取单元,1042为编号单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例;基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
RFID(Radio Frequency Identification,射频识别技术),采用射频方式进行非接触双向无线通信,由阅读器、标签与天线等部分组成,特点是成本较低却具有较高的抗干扰能力和强大的穿透性;RSSI(Received Signal Strength Indication),接收的信号强度指示,它的实现是在反向通道基带接收滤波器之后进行的;LANDMARC,LANDMARC技术是基于有源RFID的典型定位方法,其核心思想是利用引入的参考标签作为辅助,通过信号强度值和测距法计算出目标标签的位置,从而实现定位;E值,参考标签和目标标签的关联度值,用于描绘辅助参考标签与目标位置的距离远近程度;K最近邻(k-NearestNeighbor),就是k个最近的邻居的意思,用最接近目标的k个邻居来代表,是数据挖掘分类技术中的典型方法。
图1为本发明实施例一提供的一种基于LANDMARC的室内定位优化系统的结构示意图,如图1所示一种基于LANDMARC的室内定位优化系统,包括:
获取单元101:用于获取参考标签的信号强度矩阵和目标标签的信号强度矩阵。
关联度计算单元102:用于利用含内权重的均方差公式,计算出参考标签和目标标签的关联度。
修复单元103:用于自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度。
最邻近标签选择单元104:用于利用K最近邻方法,选择出距离目标标签最近的K个参考标签。
目标位置计算单元105:用于采用加权求和公式计算出目标标签的位置。
具体地,所述关联度的计算公式为:其中:S为目标标签的信号强度矩阵,A为参考标签的信号强度矩阵,内权重p的取值为μ为权重系数,取值为
本实施例中,信号强度矩阵的获取阶段是基于LANDMARC技术的室内定位方法中最基础的阶段,所有参考标签与目标标签的RSSI值都是在该阶段获取。假设该定位区域有n个RFID阅读器,m个参考标签,和u个待测的目标标签。在信号强度矩阵的获取阶段中,RFID阅读器能够读取定位区域内所有标签的信号强度,得到参考标签信号强度矩阵A和目标标签信号强度矩阵S:
其中Aij表示第j个阅读器读取到的第i个参考标签的信号强度等级值,而Sij表示第j个阅读器读取到的第i个目标标签的信号强度等级值。有了参考标签信号强度矩阵A和目标信号强度矩阵S作为基础,就能够在后面的阶段中对参考标签和目标标签的相关程度进行估算。
关联度值是参考标签和目标标签距离远近的数值表示,关联度值越小,说明两个标签之间的距离越相近。虽然只知道大量参考标签的位置,而不知道目标标签的实际位置,但是通过对阅读器中读取的信号强度等级值比较,能够大致判断出双方之间的距离远近。也就是说,当参考标签和目标标签之间的实际距离相近时,它们在同一个RFID阅读器中获取的值也是接近的。
内权重是在关联度值计算中所使用的权值,而外权重是传统LANDMARC技术中得到目标位置信息时所使用的权值,计算目标位置时所选取的参考标签依赖于关联度的计算。由于目标标签与阅读器的距离远近会影响到RSSI的差异大小,因此在目标标签与参考标签的关联度计算过程中,可通过增加内权值公式来减轻这种差异的影响。
根据对数距离路径损耗模型,得出接收信号的强度服从对数正态分布,即:
通过演算,得出:
公式(2)反映了距离与RSSI值的准确关系,将该推导关系应用于目标标签与参考标签的关联度计算当中,令:就得到内权重的计算公式:
利用内权重的计算公式来减轻目标标签与阅读器距离所带来的影响,此时,参考标签与目标标签的关联度计算公式为:
通过上述方法计算得到的关联度值,能够更准确地体现出目标与标签的距离远近程度,为之后最近邻K个标签的选取提供数据支持,进一步提高定位系统对目标的定位精度。
图2为本发明实施例二提供的一种基于LANDMARC的室内定位优化系统的结构示意图,如图2所示,在实施例一的基础上,所述修复单元103可包括:
检测单元1031:用于检测是否存在值为零的关联度值。
遍历单元1032:用于遍历全部参考标签的关联度值,找到最小的非零关联度值Emin。
生成单元1033:用于生成修复值α,其取值为
替换单元1034:用于利用修复值,对不合理的关联度值进行替换修复,直到全部标签的关联度值都为非零关联度为止。
RFID阅读器在LANDMARC系统中的读取值是接收信号强度的能量等级值,具有离散性。即使现代RFID阅读器拥有较高的能量等级数目,也仍然无法避免当参考标签与目标标签的位置靠得非常近时,它们在阅读器中所读取的信号强度等级值是相同的。当发生这一情况时,会造成参考标签与目标标签之间的关联度为零,使定位过程发生紊乱。为了避免该现象,需要对LANDMARC技术实现过程进行优化,在定位过程中检测关联度值,即关联度检测机制,使其具有自我修复能力。
本实施例中,关联度检测机制引入修复值α,当发现存在与目标信号关联度值为零的标签时,用该修复值对不合理的关联度值进行替换修复,取值为:
其中Emin是所有参考标签的关联度E中非零E的最小值,将修复值取为最小非零关联度值的一半,能够保证修改后的关联度值仍然是所有参考标签关联度中最小的。
上述的关联度检测机制,保证了基于LANDMARC的定位方法在目标标签位置计算时,所有的关联度值都为非零值,提高了定位系统的稳定性,使其具有自我修复能力,并防止产生较大的误差。
图3为本发明实施例三提供的一种基于LANDMARC的室内定位优化系统的结构示意图,如图3所示,在实施例一的基础上,所述最邻近标签选择单元104可包括:
选取单元1041:用于利用K最近邻方法,选取关联度最小的K个参考标签。
编号单元1042:用于对选取出来的距离目标标签最近的K个参考标签进行重新编号。
由于参考标签的位置是已知的,在选择最邻近标签的阶段中,要确定K个参考标签作为计算目标位置信息时提供位置信息的最近邻居。这K个最近邻居的选择,是依据在关联度计算阶段中所计算的每个参考标签与该目标标签的关联度值,选取关联度最小的K个参考标签,并对它们进行重新编号。
该阶段也是影响定位系统确定目标位置的精度的重要阶段,最近邻居数K值若过大会导致不良标签的引入,使系统产生较大误差;而K值过小,会导致参考标签过少,目标的位置计算存在偶然性,因此合适的K值对基于LANDMARC的室内定位系统起到非常重要的作用。
具体地,所述目标标签的位置计算公式为:其中这里使用的K个坐标位置就是上一阶段中选出的K个最近标签的位置信息,坐标(x,y)即计算出的目标标签位置坐标,至此,基于LANDMARC的室内定位方法对目标的定位过程结束。
图4为本发明实施例一提供的一种基于LANDMARC的室内定位优化方法的流程示意图,如图4所示,相应地,一种基于LANDMARC的室内定位优化方法,包括以下步骤:
S101、获取参考标签的信号强度矩阵和目标标签的信号强度矩阵。
S102、利用含内权重的均方差公式,计算出参考标签和目标标签的关联度。
S103、自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度。
S104、利用K最近邻方法,选择出距离目标标签最近的K个参考标签。
S105、采用加权求和公式计算出目标标签的位置。
图5为本发明实施例一提供的一种基于LANDMARC的室内定位优化方法中关联度自动修复的流程示意图,如图5所示,具体地,所述自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度,具体可包括以下步骤:
S201、检测是否存在值为零的关联度值,如是,执行步骤S202,否则,直接进行目标定位。
S202、遍历全部参考标签的关联度值,找到最小的非零关联度值Emin。
S203、生成修复值α。
S204、利用修复值,对不合理的关联度值进行替换修复。
S205、检测是否仍存在值为零的关联度值,如是,执行步骤S204,否则,直接进行目标定位。
具体地,所述关联度的计算公式为:其中:S为目标标签的信号强度矩阵,A为参考标签的信号强度矩阵,内权重p的取值为μ为权重系数。
具体地,所述利用K最近邻方法,选择出距离目标标签最近的K个参考标签,具体包括:
利用K最近邻方法,选取关联度最小的K个参考标签。
对选取出来的距离目标标签最近的K个参考标签进行重新编号。
具体地,所述目标标签的位置计算公式为:其中这里使用的K个坐标位置就是上一阶段中选出的K个最近标签的位置信息。
最后,使用matlab对基于LANDMARC的室内定位方法进行仿真实验,并利用对数距离路径损耗模型,取路径损耗指数n为2.2,模拟了RFID阅读器读取的标签信号强度值,以使实验更加真实可信。整个定位区域是一个10×10的正方形空间,在这个定位区域内,安置了5个目标和4个阅读器,用于辅助定位参考标签采用11×11个,密集的参考标签数目使仿真的结果更为可靠。整个定位的布局如图6所示。
首先用图6所示的布局环境对普通的室内定位系统进行仿真实验,仿真结果如图7所示,然后,对使用本方案定位方法的系统进行仿真实验,结果如图8所示。
通过上述两张仿真结果图的对比,可以直观地看出,本发明所采用的方法对目标的定位结果更为精确,误差更小。这是由于本发明采用的含内权重的关联度计算公式能够更为准确地描述出目标标签与参考标签的距离远近程度,从而进一步提高定位精度。另外,普通的室内定位系统在(4,2)和(6,6)两个目标位置处均出现了大误差;而本发明所采用的关联度检测机制保证了实验过程更加稳定,不容易发生紊乱的情况,也不会出现较大的误差,整个定位系统具有自我修复的能力。
综上,本发明优化了关联度计算方法,使用含内权重的关联度计算公式,能够更加准确地找到K个最近邻标签,提高了目标定位的精度;解决了关联度为零时引发的定位漏洞,使定位系统具有自我修复的能力,提升定位过程的稳定性,防止大误差的发生;仅从关联度计算角度对基于LANDMARC的室内定位方法进行优化,易于与其他优化方案融合,具有良好的推广性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于LANDMARC的室内定位优化系统,其特征在于:包括:
获取单元(101):用于获取参考标签的信号强度矩阵和目标标签的信号强度矩阵;
关联度计算单元(102):用于利用含内权重的均方差公式,计算出参考标签和目标标签的关联度;
修复单元(103):用于自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度;
最邻近标签选择单元(104):用于利用K最近邻方法,选择出距离目标标签最近的K个参考标签;
目标位置计算单元(105):用于采用加权求和公式计算出目标标签的位置。
2.根据权利要求1所述的一种基于LANDMARC的室内定位优化系统,其特征在于:所述修复单元(103)包括:
检测单元(1031):用于检测是否存在值为零的关联度值;
遍历单元(1032):用于遍历全部参考标签的关联度值,找到最小的非零关联度值Emin;
生成单元(1033):用于生成修复值α,其取值为
替换单元(1034):用于利用修复值,对不合理的关联度值进行替换修复,直到全部标签的关联度值都为非零关联度为止。
3.根据权利要求1所述的一种基于LANDMARC的室内定位优化系统,其特征在于:所述关联度的计算公式为:其中:S为目标标签的信号强度矩阵,A为参考标签的信号强度矩阵,内权重p的取值为μ为权重系数,取值为
4.根据权利要求1所述的一种基于LANDMARC的室内定位优化系统,其特征在于:所述最邻近标签选择单元(104)包括:
选取单元(1041):用于利用K最近邻方法,选取关联度最小的K个参考标签;
编号单元(1042):用于对选取出来的距离目标标签最近的K个参考标签进行重新编号。
5.根据权利要求1所述的一种基于LANDMARC的室内定位优化系统,其特征在于:所述目标标签的位置计算公式为:其中这里使用的K个坐标位置就是上一阶段中选出的K个最近标签的位置信息。
6.一种基于LANDMARC的室内定位优化方法,其特征在于:包括以下步骤:
S101、获取参考标签的信号强度矩阵和目标标签的信号强度矩阵;
S102、利用含内权重的均方差公式,计算出参考标签和目标标签的关联度;
S103、自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度;
S104、利用K最近邻方法,选择出距离目标标签最近的K个参考标签;
S105、采用加权求和公式计算出目标标签的位置。
7.根据权利要求6所述的一种基于LANDMARC的室内定位优化方法,其特征在于:所述自动修复不合理的关联度值,使全部标签的关联度值都为非零关联度,具体包括以下步骤:
S201、检测是否存在值为零的关联度值,如是,执行步骤S202,否则,直接进行目标定位;
S202、遍历全部参考标签的关联度值,找到最小的非零关联度值Emin;
S203、生成修复值α;
S204、利用修复值,对不合理的关联度值进行替换修复;
S205、检测是否仍存在值为零的关联度值,如是,执行步骤S204,否则,直接进行目标定位。
8.根据权利要求6所述的一种基于LANDMARC的室内定位优化方法,其特征在于:所述关联度的计算公式为:其中:S为目标标签的信号强度矩阵,A为参考标签的信号强度矩阵,内权重p的取值为μ为权重系数,取值为
9.根据权利要求6所述的一种基于LANDMARC的室内定位优化方法,其特征在于:所述利用K最近邻方法,选择出距离目标标签最近的K个参考标签,具体包括:
利用K最近邻方法,选取关联度最小的K个参考标签;
对选取出来的距离目标标签最近的K个参考标签进行重新编号。
10.根据权利要求6所述的一种基于LANDMARC的室内定位优化方法,其特征在于:所述目标标签的位置计算公式为:其中这里使用的K个坐标位置就是上一阶段中选出的K个最近标签的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710141758.0A CN106950535A (zh) | 2017-03-10 | 2017-03-10 | 一种基于landmarc的室内定位优化系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710141758.0A CN106950535A (zh) | 2017-03-10 | 2017-03-10 | 一种基于landmarc的室内定位优化系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106950535A true CN106950535A (zh) | 2017-07-14 |
Family
ID=59467245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710141758.0A Pending CN106950535A (zh) | 2017-03-10 | 2017-03-10 | 一种基于landmarc的室内定位优化系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106950535A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710121A (zh) * | 2018-05-30 | 2018-10-26 | 佛山市顺德区中山大学研究院 | 一种基于相位差的kNN指纹定位算法 |
CN109324321A (zh) * | 2017-08-01 | 2019-02-12 | 佛山市顺德区中山大学研究院 | 一种基于rfid带修正的室内定位算法 |
CN110176167A (zh) * | 2019-05-31 | 2019-08-27 | 垂欧教科设备(上海)有限公司 | 一种基于rfid的室内智能教具系统及其运行方法 |
CN110210268A (zh) * | 2019-06-05 | 2019-09-06 | 北京京投信安科技发展有限公司 | 基于landmarc算法的rfid高精度定位技术 |
CN110988793A (zh) * | 2019-12-19 | 2020-04-10 | 南京邮电大学 | 一种基于rfid的迭代三维空间定位方法 |
CN111141288A (zh) * | 2019-12-11 | 2020-05-12 | 浙江工业大学 | 一种基于rfid的室内定位方法 |
CN111239715A (zh) * | 2020-01-13 | 2020-06-05 | 哈尔滨工业大学 | 一种联合灰色关联和神经网络的指纹定位方法 |
CN111323747A (zh) * | 2020-03-25 | 2020-06-23 | 南京邮电大学 | 一种基于landmarc的室内定位优化方法 |
CN113484824A (zh) * | 2021-07-05 | 2021-10-08 | 北京信息科技大学 | 基于收发分离rfid定位系统的rss差三边定位方法 |
CN115325312A (zh) * | 2022-08-23 | 2022-11-11 | 哈尔滨理工大学 | 基于rfid技术的智能紫外光固化cipp软管方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537875A (zh) * | 2015-01-16 | 2015-04-22 | 西北工业大学 | 基于最近邻居的室内停车场定位寻车方法 |
-
2017
- 2017-03-10 CN CN201710141758.0A patent/CN106950535A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537875A (zh) * | 2015-01-16 | 2015-04-22 | 西北工业大学 | 基于最近邻居的室内停车场定位寻车方法 |
Non-Patent Citations (5)
Title |
---|
CHIH-HUA YEH ET AL.: ""Enhance LANDMARC from The Fundamentals"", 《2013 INTERNATIONAL CONFERENCE ON ADVANCED ROBOTICS AND INTELLIGENT SYSTEMS》 * |
周亚罗等: ""基于RSSI的LANDMARC室内定位算法的改进"", 《河北联合大学学报(自然科学版)》 * |
李宝山等: ""LANDMARC定位算法的修正与优化"", 《计算机应用与软件》 * |
杨辉: ""基于LANDMARC系统的室内定位算法的研究与改进"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陆江等: ""基于RFID技术的室内定位改进算法"", 《软件导刊》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109324321A (zh) * | 2017-08-01 | 2019-02-12 | 佛山市顺德区中山大学研究院 | 一种基于rfid带修正的室内定位算法 |
CN108710121A (zh) * | 2018-05-30 | 2018-10-26 | 佛山市顺德区中山大学研究院 | 一种基于相位差的kNN指纹定位算法 |
CN110176167A (zh) * | 2019-05-31 | 2019-08-27 | 垂欧教科设备(上海)有限公司 | 一种基于rfid的室内智能教具系统及其运行方法 |
CN110176167B (zh) * | 2019-05-31 | 2021-04-06 | 垂欧教科设备(上海)有限公司 | 一种基于rfid的室内智能教具系统及其运行方法 |
CN110210268A (zh) * | 2019-06-05 | 2019-09-06 | 北京京投信安科技发展有限公司 | 基于landmarc算法的rfid高精度定位技术 |
CN111141288A (zh) * | 2019-12-11 | 2020-05-12 | 浙江工业大学 | 一种基于rfid的室内定位方法 |
CN110988793A (zh) * | 2019-12-19 | 2020-04-10 | 南京邮电大学 | 一种基于rfid的迭代三维空间定位方法 |
CN111239715A (zh) * | 2020-01-13 | 2020-06-05 | 哈尔滨工业大学 | 一种联合灰色关联和神经网络的指纹定位方法 |
CN111323747A (zh) * | 2020-03-25 | 2020-06-23 | 南京邮电大学 | 一种基于landmarc的室内定位优化方法 |
CN113484824A (zh) * | 2021-07-05 | 2021-10-08 | 北京信息科技大学 | 基于收发分离rfid定位系统的rss差三边定位方法 |
CN113484824B (zh) * | 2021-07-05 | 2023-09-12 | 北京信息科技大学 | 基于收发分离rfid定位系统的rss差三边定位方法 |
CN115325312A (zh) * | 2022-08-23 | 2022-11-11 | 哈尔滨理工大学 | 基于rfid技术的智能紫外光固化cipp软管方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106950535A (zh) | 一种基于landmarc的室内定位优化系统及方法 | |
CN103402258B (zh) | 一种基于Wi‑Fi的室内定位系统和方法 | |
CN103777174B (zh) | 基于有源多功能rfid标签室内定位系统 | |
CN105607045B (zh) | 一种欺骗式干扰下组网雷达的优化布站方法 | |
CN103458369B (zh) | 一种基于锚点和位置指纹的WiFi室内定位方法 | |
CN106842123B (zh) | 一种室内定位方法及室内定位系统 | |
CN103747419B (zh) | 一种基于信号强度差值与动态线性插值的室内定位方法 | |
CN103167606B (zh) | 基于稀疏表示的wlan室内定位方法 | |
CN110933685B (zh) | 基于机器学习和射线跟踪的高铁网络覆盖预测方法及装置 | |
CN107360552B (zh) | 一种多分类器全局动态融合的室内定位方法 | |
CN105954717A (zh) | 位置获取方法及装置 | |
CN108459298A (zh) | 一种基于LoRa技术的室外定位方法 | |
CN104735781B (zh) | 一种室内定位系统及其定位方法 | |
CN104507163A (zh) | 一种采用类蜂窝式布局的rfid室内定位系统及方法 | |
CN109936837B (zh) | 一种基于蓝牙的室内定位方法及系统 | |
CN103987118B (zh) | 基于接收信号强度信号ZCA白化的接入点k‑means聚类方法 | |
CN102395200A (zh) | 无线传感器网络中节点定位方法及装置 | |
CN109444812B (zh) | 一种引入动态阈值的rssi室内定位方法 | |
CN106597370A (zh) | 一种基于rfid的室内无线定位方法 | |
CN106376078A (zh) | 基于rss的二维无线传感器网络半定规划定位算法 | |
CN107588775A (zh) | 一种新型室内定位方法 | |
CN109212474A (zh) | 基于eiel电子标签的井下定位方法 | |
Yan et al. | Research on positioning system based on Zigbee communication | |
CN106154221A (zh) | 一种基于wlan的半监督定位方法 | |
CN109275096A (zh) | 一种基于多层融合网络动态匹配的室内定位方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |
|
RJ01 | Rejection of invention patent application after publication |