CN106970351A - 基于信号传播模型的wlan指纹二次扫描定位方法 - Google Patents
基于信号传播模型的wlan指纹二次扫描定位方法 Download PDFInfo
- Publication number
- CN106970351A CN106970351A CN201710338748.6A CN201710338748A CN106970351A CN 106970351 A CN106970351 A CN 106970351A CN 201710338748 A CN201710338748 A CN 201710338748A CN 106970351 A CN106970351 A CN 106970351A
- Authority
- CN
- China
- Prior art keywords
- reference point
- rss
- fingerprint
- signal source
- signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000004807 localization Effects 0.000 title claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 241000209094 Oryza Species 0.000 claims description 6
- 235000007164 Oryza sativa Nutrition 0.000 claims description 6
- 235000009566 rice Nutrition 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
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)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了基于信号传播模型的WLAN指纹二次扫描定位方法,指纹定位的离线阶段,生成两种指纹数据库,分别为RSS指纹数据库与环境指纹数据库,RSS指纹数据库包含参考点可感知的所有信号源RSS信息,环境指纹数据库包含参考点与各信号源的路径损耗指数与离信号源的距离信息。在线阶段,使用两个数据库分别进行二次扫描,第一次扫描使用RSS指纹数据库,选出与未知点相似、地理坐标相近的一定数量候选参考点;第二次扫描使用环境指纹数据库,由未知点RSS与候选参考点的路径损耗指数计算得出离信号源的参考距离,后与候选参考点的实际距离进行比较,选出最为相似的参考点,定位坐标。本发明公开了一种新型室内指纹定位方法。该方法结合RSS指纹定位方法,采用了信号传播模型的路径损耗指数与信号传播距离进行指纹匹配,提高定位精度。
Description
技术领域
本发明涉及一种定位方法,特别涉及一种基于信号传播模型的WLAN指纹二次扫描定位方法。
背景技术
传统的室内定位技术主要为以下几种:
1)基站定位:首先,计算目标与多数周围基站的信号传播距离;之后,以三边定位等几何计算定位目标。该定位技术的核心在于信号传播距离的计算。在大型室内环境因障碍物、反射等不规则信号传播因素的影响,使信号传播距离的计算发生较大偏差,导致定位精度下降。定位精度随周围基站数量而增加。
2)WLAN定位:定位方法与基站定位类似,首先计算目标与WLAN信号源的信号传播距离,后以几何运算定位目标。WLAN的频谱特性导致室内信号传播距离的计算误差大于基站定位,不宜在信号源数量偏少的室内环境中使用。定位精度随可感知WLAN信号源数量而增加。3)WLAN指纹定位:优点是精度高、扩展性强,存在的技术缺陷是所需成本较高,导致实用性受限。可使用信号源的数量是其重要成本之一,与指纹分辨率相互关联。如信号源数量过少,会在相距较远的多数参考点侦测出相似度较高的指纹,降低定位精度。
3)指纹定位:是通过收集特定区域的RSS(接收信号强度)分布模式,生成该区域RSS指纹数据库,据此定位未知地点相对坐标的室内定位方法,包括:
(1)离线阶段:
该阶段生成RSS指纹数据库。以人力或无人机遍历指定区域,遍历过程中选择参考点,记录该参考点坐标,并采集所有可感知信号源的RSS,以此生成该区域指纹数据库。
(2)在线阶段:
该阶段定位未知地点。采集未知地点的RSS,与RSS指纹数据库进行匹配,找出各项RSS值最为相似的参考点,将未知地点定位于该参考点。
4)信号传播模型
利用信号传播模型的路径损耗指数,可以提高指纹的可分析性,并以二次扫描方法提高信号源数量受限的室内环境定位精度。
信号传播模型如下:
RSS=TXPWR+GainTX–PL+GainRX
PL=PLREF+10log(dn)+s
TXPWR:发送方的信号强度(dB)
GainTX、GainRX:发送方、接收方的天线增益(dB)
PL:路径损耗
PLREF:参照距离的路径损耗,参考距离一般为1米
d:信号传播距离
n:路径损耗指数,室外通常是2左右,室内通常是3.5–4.5之间
s:遮蔽衰弱(Shadow Fading)标准差,室内通常是3–7dB之间
发明内容
目的:为了解决上述问题,本发明提供一种基于信号传播模型的WLAN指纹定位方法,采用了信号传播模型的两个参数作为额外的输入,针对信号源数量受限的室内环境,提高定位精度。
技术方案:为了解决上述技术问题,本实用新型所采用的技术方案为:
基于信号传播模型的WLAN指纹二次扫描定位方法,所述方法具体步骤如下:
步骤1:离线阶段,生成环境指纹数据库,具体步骤如下:
(1a)、定位各信号源坐标;
(1b)、选择一定密度的参考点,参考点坐标已知,计算各参考点与各信号源的实际信号传播距离d;
(1c)、在各参考点采集自各信号源的RSS值;
(1d)、根据步骤(1b)计算得到的各参考点与各信号源的实际信号传播距离d和步骤(1c)中在各参考点采集自各信号源的RSS值,在各参考点计算与各信号源的路径损耗指数n;
(1e)、根据步骤(1c)中各参考点的RSS采样值,生成RSS指纹数据库;
(1f)、根据步骤(1d)所得的各参考点与各信号源的路径损耗指数n与步骤(1b)所得的各参考点与各信号源的实际信号传播距离d,生成环境指纹数据库;
步骤2:在线阶段,WLAN指纹二次扫描的具体步骤如下:
(2a):根据定位服务器的计算能力,设定阈值t;
(2b):在未知地点采集自各信号源的RSS’值;
(2c):进行第一次WLAN指纹扫描,将步骤(2b)中在未知地点采集自各信号源的RSS’值与步骤(1e)中的RSS指纹数据库进行指纹匹配,选出相似度小于t的所有参考点,并比较地理坐标,将其中位置相近的参考点设定为候选参考点;
(2d):从步骤(1f)生成的环境指纹数据库读取候选参考点的路径损耗指数n与候选参考点离信号源的实际信号传播距离d;
(2e):对候选参考点进行第二次WLAN指纹扫描,根据步骤(2b)中在未知地点采集自各信号源的RSS’值与候选参考点的路径损耗指数n,计算得出候选参考点离信号源的参考信号传播距离d’;
(2f):将步骤(2d)的实际信号传播距离d与步骤(2e)的参考信号传播距离d’进行相似度分析,选出相似率最大的候选参考点坐标,设定为未知点坐标。
优选地,所述步骤(1d)中路径损耗指数n的计算公式如式(1)所示:
n=(TXPWR–RSS+GainTX–PLREF+GainRX)/10logd (1)
其中,n为路径损耗指数;
RSS为各参考点采集自各信号源的RSS值,单位为dB;
TXPWR为发送方的信号强度,单位为dB;
GainTX、GainRX分别为发送方和接收方的天线增益,单位为dB;
PLREF为参照距离的路径损耗,单位为dB;
d:各候选参考点的实际信号传播距离,单位为米
优选地,所述步骤(2e)中的参考信号传播距离d’的计算公式如式(2)所示:
d’=10(TXPWR–RSS’+GainTX–PLREF+GainRX+s)/10n (2)
其中:d’为参考信号传播距离,单位为米
n为路径损耗指数;
RSS’为未知地点采集自各信号源的RSS值,单位为dB;
TXPWR为发送方的信号强度,单位为dB;
GainTX、GainRX分别为发送方和接收方的天线增益,单位为dB;
PLREF为参照距离的路径损耗,单位为dB。
有益效果:本发明提供一种基于信号传播模型的WLAN指纹定位方法,结合WLAN指纹定位方法,采用了信号传播模型的路径损耗指数与信号传播距离进行指纹匹配,提高定位精度和扩展性。
附图说明
图1为本发明的二次扫描定位过程。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
如图1所示,基于信号传播模型的WLAN指纹二次扫描定位方法,所述方法具体步骤如下:
步骤1:离线阶段,生成环境指纹数据库,具体步骤如下:
(1a)、定位各信号源坐标;
(1b)、选择一定密度的参考点,参考点坐标已知,计算各参考点与各信号源的实际信号传播距离d;
(1c)、在各参考点采集自各信号源的RSS值;
(1d)、根据步骤(1b)计算得到的各参考点与各信号源的实际信号传播距离d和步骤(1c)中在各参考点采集自各信号源的RSS值,在各参考点计算与各信号源的路径损耗指数n;
(1e)、根据步骤(1c)中各参考点的RSS采样值,生成RSS指纹数据库;
(1f)、根据步骤(1d)所得的各参考点与各信号源的路径损耗指数n与步骤(1b)所得的各参考点与各信号源的实际信号传播距离d,生成环境指纹数据库;
步骤2:在线阶段,WLAN指纹二次扫描的具体步骤如下:
(2a):根据定位服务器的计算能力,设定阈值t;
(2b):在未知地点采集自各信号源的RSS’值;
(2c):进行第一次WLAN指纹扫描,将步骤(2b)中在未知地点采集自各信号源的RSS’值与步骤(1e)中的RSS指纹数据库进行指纹匹配,选出相似度小于t的所有参考点,并比较地理坐标,将其中位置相近的参考点设定为候选参考点;
(2d):从步骤(1f)生成的环境指纹数据库读取候选参考点的路径损耗值n与候选参考点离信号源的实际信号传播距离d;
(2e):对候选参考点进行第二次WLAN指纹扫描,根据步骤(2b)中在未知地点采集自各信号源的RSS’值与候选参考点的路径损耗指数n,计算得出候选参考点离信号源的参考信号传播距离d’;
(2f):将步骤(2d)的实际信号传播距离d与步骤(2e)的参考信号传播距离d’进行相似度分析,选出相似率最大的候选参考点坐标,设定为未知点坐标。
优选地,所述步骤(1d)中路径损耗指数n的计算公式如式(1)所示:
n=(TXPWR–RSS+GainTX–PLREF+GainRX)/10logd (1)
其中,n为路径损耗指数;
RSS为各参考点采集自各信号源的RSS值,单位为dB;
TXPWR为发送方的信号强度,单位为dB;
GainTX、GainRX分别为发送方和接收方的天线增益,单位为dB;
PLREF为参照距离的路径损耗,单位为dB;
d:各候选参考点的实际信号传播距离,单位为米
优选地,所述步骤(2e)中的参考信号传播距离d’的计算公式如式(2)所示:
d’=10(TXPWR–RSS’+GainTX–PLREF+GainRX+s)/10n (2)
其中:d’为参考信号传播距离,单位为米
n为路径损耗指数;
RSS’为未知地点采集自各信号源的RSS值,单位为dB;
TXPWR为发送方的信号强度,单位为dB;
GainTX、GainRX分别为发送方和接收方的天线增益,单位为dB;
PLREF为参照距离的路径损耗,单位为dB。
实施例1:
步骤一:利用无人机遍历楼层的所有房间,该无人机配备WLAN和自主规避、自主寻路功能,并且可以记录移动路径的坐标。该无人机在进入房间后随机移动,移动过程中隔段时间采集自各信号源的RSS值并记录相对坐标,该坐标为参考点。
步骤二:定位信号源的相对坐标;可以在移动过程中,选择与信号源RSS值最大的参考点坐标作为信号源坐标。
步骤三:遍历结束后,将参考点坐标和相对应的RSS采样值发送至定位服务器;定位服务器用该数据生成RSS指纹数据库与环境指纹数据库。
其中,RSS指纹数据库示例:
【1.10】{A:-26dB,B:-35dB,C:-37dB}【20.9】{A:-46dB,B:-44dB,C:-52dB}
【32.17】{A:-55dB,B:-65dB,C:-57dB}【22.15】{A:-51dB,B:-60dB,C:-50dB}
【5.10】{A:-35dB,B:-25dB,C:-17dB}…
环境指纹数据库示例(距离,单位m):
【1.10】{A:17.5m,B:18.4m,C:9.11m}【20.9】{A:25.2m,B:8.20m,C:13.10m}
【32.17】{A:20.3m,B:3.20m,C:14.9m}【22.15】{A:25.11m,B:9.3m,C:15.27m}
【5.10】{A:36.11m,B:25.15m,C:14.9m}…
环境指纹数据库示例(路径损耗指数n):
【1.10】{A:3.5,B:4.4,C:3.1}【20.9】{A:4.5,B:4.2,C:3.1}
【32.17】{A:3.3,B:3.2,C:4.2}【22.15】{A:3.1,B:3.3,C:4.7}
【5.10】{A:4.1,B:3.5,C:3.1}…(可根据式1得出)
步骤四:未知终端(如:移动手机)采集周围信号源(如:WiFi访问节点)的RSS值10次,取平均值发送至定位服务器,如:{A:-49dB,B:-48dB,C:-57dB}
步骤五:定位服务器将使用RSS指纹数据库与环境指纹数据库分别进行二次扫描,将定位结果反馈至未知终端。
一次扫描示例:
阈值t为±5dB,候选参考点为【20.9】、【32.17】、【22.15】
二次扫描示例:
{A:5.2,B:4.2,C:3.1}、{A:3.3,B:3.2,C:4.9}、{A:5.1,B:5.3,C:5.7}与
{A:-49dB,B:-48dB,C:-57dB}计算(根据式2)得出
{A:15.2m,B:18.20m,C:13.10m}、{A:15.3m,B:9.20m,C:10.9m}、{A:23.2m,B:7.19m,C:17.10m};
与【22.15】的距离最为相似,设定为未知点坐标。
本发明未考虑遮蔽衰弱标准(s)差的计算,遮蔽衰弱标准差对RSS变化的影响较小,遮蔽衰弱标准差可定为5dB(室内平均值);参照距离的路径损耗(PLREF)可以在离信号源1米左右的距离手动测量。
Claims (3)
1.基于信号传播模型的WLAN指纹二次扫描定位方法,其特征在于,所述方法具体步骤如下:
步骤1:离线阶段,生成环境指纹数据库,具体步骤如下:
(1a)、定位各信号源坐标;
(1b)、选择一定密度的参考点,参考点坐标已知,计算各参考点与各信号源的实际信号传播距离d;
(1c)、在各参考点采集自各信号源的RSS值;
(1d)、根据步骤(1b)计算得到的各参考点与各信号源的实际信号传播距离d和步骤(1c)中在各参考点采集自各信号源的RSS值,在各参考点计算与各信号源的路径损耗指数n;
(1e)、根据步骤(1c)中各参考点的RSS采样值,生成RSS指纹数据库;
(1f)、根据步骤(1d)所得的各参考点与各信号源的路径损耗指数n与步骤(1b)所得的各参考点与各信号源的实际信号传播距离d,生成环境指纹数据库;
步骤2:在线阶段,WLAN指纹二次扫描的具体步骤如下:
(2a):根据定位服务器的计算能力,设定阈值t;
(2b):在未知地点采集自各信号源的RSS’值;
(2c):进行第一次WLAN指纹扫描,将步骤(2b)中在未知地点采集自各信号源的RSS’值与步骤(1e)中的RSS指纹数据库进行指纹匹配,选出相似度小于t的所有参考点,并比较地理坐标,将其中位置相近的参考点设定为候选参考点;
(2d):从步骤(1f)生成的环境指纹数据库读取候选参考点的路径损耗指数n与候选参考点离信号源的实际信号传播距离d;
(2e):对候选参考点进行第二次WLAN指纹扫描,根据步骤(2b)中在未知地点采集自各信号源的RSS’值与候选参考点的路径损耗指数n,计算得出候选参考点离信号源的参考信号传播距离d’;
(2f):将步骤(2d)的实际信号传播距离d与步骤(2e)的参考信号传播距离d’进行相似度分析,选出相似率最大的候选参考点坐标,设定为未知点坐标。
2.基于信号传播模型的WLAN指纹二次扫描定位方法,其特征在于,所述步骤(1d)中路径损耗指数n的计算公式如式(1)所示:
n=(TXPWR–RSS+GainTX–PLREF+GainRX)/10logd (1)
其中,n为路径损耗指数;
RSS为各参考点采集自各信号源的RSS值,单位为dB;
TXPWR为发送方的信号强度,单位为dB;
GainTX、GainRX分别为发送方和接收方的天线增益,单位为dB;
PLREF为参照距离的路径损耗,单位为dB;
d:各候选参考点的实际信号传播距离,单位为米。
3.基于信号传播模型的WLAN指纹二次扫描定位方法,其特征在于,所述步骤(2e)中的参考信号传播距离d’的计算公式如式(2)所示:
d’=10(TXPWR–RSS’+GainTX–PLREF+GainRX+s)/10n (2)
其中:d’为参考信号传播距离,单位为米;
n为路径损耗指数;
RSS’为未知地点采集自各信号源的RSS值,单位为dB;
TXPWR为发送方的信号强度,单位为dB;
GainTX、GainRX分别为发送方和接收方的天线增益,单位为dB;
PLREF为参照距离的路径损耗,单位为dB。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710338748.6A CN106970351B (zh) | 2017-05-15 | 2017-05-15 | 基于信号传播模型的wlan指纹二次扫描定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710338748.6A CN106970351B (zh) | 2017-05-15 | 2017-05-15 | 基于信号传播模型的wlan指纹二次扫描定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106970351A true CN106970351A (zh) | 2017-07-21 |
CN106970351B CN106970351B (zh) | 2019-09-06 |
Family
ID=59331471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710338748.6A Expired - Fee Related CN106970351B (zh) | 2017-05-15 | 2017-05-15 | 基于信号传播模型的wlan指纹二次扫描定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106970351B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114466449A (zh) * | 2021-07-15 | 2022-05-10 | 荣耀终端有限公司 | 一种位置特征获取方法及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103476115A (zh) * | 2013-09-22 | 2013-12-25 | 中国地质大学(武汉) | 一种基于AP集相似度的Wi-Fi指纹定位方法 |
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 |
US20160014570A1 (en) * | 2011-01-26 | 2016-01-14 | Mobio Oy | Location tagging |
CN105334493A (zh) * | 2015-10-09 | 2016-02-17 | 北京航空航天大学 | 一种基于wlan的室内定位方法 |
WO2016086994A1 (en) * | 2014-12-04 | 2016-06-09 | Here Global B.V. | Supporting positioning quality assurance |
-
2017
- 2017-05-15 CN CN201710338748.6A patent/CN106970351B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160014570A1 (en) * | 2011-01-26 | 2016-01-14 | Mobio Oy | Location tagging |
CN103476115A (zh) * | 2013-09-22 | 2013-12-25 | 中国地质大学(武汉) | 一种基于AP集相似度的Wi-Fi指纹定位方法 |
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 |
WO2016086994A1 (en) * | 2014-12-04 | 2016-06-09 | Here Global B.V. | Supporting positioning quality assurance |
CN105334493A (zh) * | 2015-10-09 | 2016-02-17 | 北京航空航天大学 | 一种基于wlan的室内定位方法 |
Non-Patent Citations (3)
Title |
---|
MA LIN等: "Accuracy Enhancement for Fingerprint-based WLAN Indoor Probability Positioning Algorithm", 《2010 FIRST INTERNATIONAL CONFERENCE ON PERVASIVE COMPUTING, SIGNAL PROCESSING AND APPLICATIONS》 * |
徐小良: "基于RSS空间线性相关的WLAN位置指纹定位算法", 《电信科学》 * |
陈丽娜: "WLAN位置指纹室内定位关键技术研究", 《中国博士学位论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114466449A (zh) * | 2021-07-15 | 2022-05-10 | 荣耀终端有限公司 | 一种位置特征获取方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106970351B (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109963287B (zh) | 天线方向角优化方法、装置、设备及介质 | |
CN106125045B (zh) | 一种基于Wi-Fi的自适应混合室内定位方法 | |
CN104703143A (zh) | 一种基于wifi信号强度的室内定位方法 | |
CN107846688B (zh) | 一种基于多运营商的无线网络站址规划方法和装置 | |
Ding et al. | Efficient indoor fingerprinting localization technique using regional propagation model | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及系统、设备、存储介质 | |
CN110351660B (zh) | 一种基于双步指纹匹配架构的蓝牙室内定位方法 | |
CN111356082B (zh) | 基于wifi及可见光通信的室内移动终端定位方法 | |
CN110636516B (zh) | 信号传播模型的确定方法及装置 | |
CN103581831A (zh) | 基于WiFi以及移动终端的室内定位算法 | |
CN208820791U (zh) | 一种车载无线电监测系统 | |
Lin et al. | Characteristic analysis of wireless local area network's received signal strength indication in indoor positioning | |
Machaj et al. | Impact of optimization algorithms on hybrid indoor positioning based on GSM and Wi‐Fi signals | |
CN106455051A (zh) | 通过距离校准设备提升WiFi定位精度的方法 | |
CN114448531A (zh) | 一种信道特性分析方法、系统、介质、设备及处理终端 | |
Arai et al. | Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation | |
CN106970351A (zh) | 基于信号传播模型的wlan指纹二次扫描定位方法 | |
CN102986152B (zh) | 电磁波传播特性的分析方法和装置 | |
CN106707232A (zh) | 一种基于群智感知的wlan传播模型定位方法 | |
Pereira et al. | Multi-technology RF fingerprinting with leaky-feeder in underground tunnels | |
CN104678351A (zh) | 一种基于ZigBee技术的室内定位系统的算法 | |
Gao et al. | A new approach for wi-fi-based people localization in a long narrow space | |
Qi et al. | Fast floor identification method based on confidence interval of Wi-Fi signals | |
CN107656260B (zh) | Ap设备空间距离的计算方法、终端设备及存储介质 | |
Chong et al. | Indoor matching location algorithm based on WIFI signal strength |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20190906 |